Các cơ chế cân bằng giữa chất lượng dịch vụ và tiết kiệm năng lượng trong môi trường tính toán đám mây

Ý tưởng thực hiện xuất phát từ thực tế tất cả thiết bị mạng luôn phải chạy 24/24 để sẵn sàng đáp ứng nhu cầu lưu lượng mức đỉnh nhưng lưu lượng trong các trung tâm dữ liệu thay đổi liên

MỤC LỤC

LỜI CAM ĐOAN 4

DANH MỤC CÁC TỪ VIẾT TẮT VÀ THUẬT NGỮ 5

DANH MỤC BẢNG BIỂU 7

DANH MỤC HÌNH VẼ 7

LỜI NÓI ĐẦU 10

TÓM TẮT LUẬN VĂN 12

ABSTRACT 13

GIỚI THIỆU ĐỀ TÀI 14

CHƯƠNG 1: LÝ THUYẾT TỔNG QUAN 15

1.1 Tổng quan về trung tâm dữ liệu 15

1.1.1 Mô hình trung tâm dữ liệu 15

1.1.2 Mô hình trung tâm dữ liệu xanh 18

1.2 Lưu lượng trong mạng trung tâm dữ liệu 22

1.2.1 Đặc điểm chung của lưu lượng trong trung tâm dữ liệu 22

1.3 Chất lượng dịch vụ (QoS) trong trung tâm dữ liệu 24

1.3.1 Khái niệm chất lượng dịch vụ 24

1.3.2 Các tham số chính đặc trưng cho QoS 24

1.4 Kết luận chương 24

CHƯƠNG 2: CÔNG NGHỆ OPENFLOW VÀ CÁC CÔNG CỤ THỰC HIỆN 25

2.1 Công nghệ Openflow và các loại OpenFlow Switch 25

2.1.1 Công nghệ OpenFlow 25

2.1.2 Các ứng dụng của công nghệ Openflow 27

2.2 NOX- Bộ điều khiển OpenFlow [7] 28

2.3 Mininet - Công cụ giả lập mạng(Network emulator) 30

2.4 Công cụ phát lưu lượng D-ITG 31

2.5 Kết luận chương 32

CHƯƠNG 3: TRIỂN KHAI TRONG MÔI TRƯỜNG THỬ NGHIỆM 33

3.1 Mô hình hệ thống 33

3.2 Môi trường thử nghiệm 1: Mạng trung tâm dữ liệu xây dựng từ các công cụ giả lập mạng từ bên thứ ba 35

3.3 Môi trường thử nghiệm 2 : Mạng trung tâm dữ liệu xây dựng từ công cụ tác giả tự phát triển 40

3.4 Bộ phát lưu lượng 43

3.5 Bộ Tối ưu 45

3.6 Kết luận chương 47

CHƯƠNG 4: XÂY DỰNG KHỐI TỐI ƯU 48

4.1 Chức năng bộ tối ưu trong mô hình triển khai 48

4.2 Phương pháp thực hiện bộ tối ưu 49

4.2.1 Các thuật toán tối ưu trước đây 49

4.2.2 Quản lí thay đổi giá trị đường liên kết 59

4.2.3 Thuật toán Link State Adaptive 60

4.3 Đánh giá kết quả sau khi thực hiện tối ưu 63

4.4 Kết luận 67

CHƯƠNG 5: ĐÁNH GIÁ KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN TƯƠNG LAI 68

5.1 Đánh giá kết quả thu được từ môi trường thử nghiệm thứ nhất 68

5.1.1 Mô hình Fattree k = 4 69

5.1.2 Mô hình Fattree k = 8 75

5.2 Đánh giá kết quả thu được từ môi trường thử nghiệm thứ hai 79

5.3 Định lý so sánh hai thuật toán TAH và RA-TAH 82

5.4 Hướng phát triển trong tương lai 89

KẾT LUẬN 90

TÀI LIỆU THAM KHẢO 91

LỜI CAM ĐOAN

Tôi xin cam đoan Luận văn thạc sỹ Kỹ thuật này do tôi nghiên cứu và dưới sự hướng dẫn khoa học của PGS.TS Phạm Minh Hà và PGS.TS Nguyễn Hữu Thanh Các kết quả do tôi nghiên cứu và tham khảo từ các nguồn tài liệu cũng như các công trình khoa học khác được trích dẫn đầy đủ

Nếu có vấn đề sai phạm về bản quyền tôi xin chịu hoàn toàn trách nhiệm với nhà trường

DANH MỤC CÁC TỪ VIẾT TẮT VÀ THUẬT NGỮ

Hierarchical Load Balancing Cân bằng tải phân cấp IETF Internet Engineering Task Force Tổ chức chuẩn hóa mở về Intenet

LSA Link State Adaptive Thích ứng trạng thái đường liên

kết

trung tâm dữ liệu

truyền

phép triển khai trên các thiết bị mạng

QoS Quality of Service Chất lƣợng dịch vụ

RA-TAH Rate Adaptive - Topology Aware

Heuristic

Nhận thức đồ hình và thích ứng động Là sự kết hợp 2 thuật toán Topology-Aware Heuristic (TAH)

và thuật toán Link State Adaptive (LSA)

TAH Topology aware Heuristic Heuristic nhận thức đồ hình

DANH MỤC BẢNG BIỂU

Bảng 1.1: Phân bố tiến trình đến trong các loại trung tâm dữ liệu 23

Bảng 2.1: Đặc trưng cơ bản của D-ITG 32

Bảng 3.1: Đặc điểm của các trung tâm dữ liệu vừa và nhỏ 43

Bảng 4.1: Công suất tiêu thụ của switch [20] 64

Bảng 4.2: Các giả thiết năng lượng tiêu thụ 65

Bảng 5.1: cấu hình chạy mô phỏng như sau 69

Bảng 5.2: Cho thấy PLR trung bình của hệ thống với các mức dự phòng khác nhau đối với từng mô hình lưu lượng 74

Bảng 5.3: Số lượng thiết bị trong mạng khi k thay đổi 81

Bảng 5.4: Bảng so sánh phần trăm năng lượng tiết kiệm được khi chưaáp dụng thuật toán LSA và sau khi đã áp dụng thuật toán LSA 82

DANH MỤC HÌNH VẼ Hình 1.1: Kiến trúc 3 tầng điển hình của mạng trung tâm dữ liệu 16

Hình 1.2: Kiến trúc cây 2N đặc trưng của mạng trung tâm dữ liệu 17

Hình 1.3: Lượng CO2 từ các thành phần ICT[4] 18

Hình 1.4: Các thành phần tiêu thụ năng lượng trong trung tâm dữ liệu[4] 19

Hình 1.5: Kiến trúc Fat-Tree cho mạng trung tâm dữ liệu với toàn bộ link 1G 21

Hình 2.1: OpenFlow switch[6] 26

Hình 2.2: Mạng OpenFlow switch với bộ điều khiển mạng NOX [7] 29

Hình 3.1: Sơ đồ khối mô hình Elastic Tree 33

Hình 3.2: Mô hình xây dựng môi trường thử nghiệm 35

Hình 3.3: Kiến trúc vật lý thực tế của môi trường thử nghiệm [1] 38

Hình 3.4: Kiến trúc mạng trung tâm dữ liệu trong môi trường thử nghiệm 39

Hình 3.5: Modul dùng để thực hiện đo đạc giữa độ sử dụng mạng và mức độ tiết kiệm năng lượng 41

Hình 3.6: Sơ đồ thuật toán xử lí modul tính toán khảo sát mối liên hệ giữa độ sử dụng

mạng và mức độ tiết kiệm năng lượng 42

Hình 3.7: Near Traffic – Lưu lượng chỉ chảy qua các switch biên 44

Hình 3.8: Middle Traffic- Lưu lượng chỉ chảy trong các pod 44

Hình 3.9: Far Traffic- lưu lượng chảy qua giữa các pod với nhau 45

Hình 3.10: Biểu đồ thể hiện thời gian tính toán tối ưu đồ hình của các thuật toán [1] 47 Hình 4.1: Hình vẽ mô tả giải pháp tiết kiệm năng lượng trong trung tâm dữ liệu 49

Hình 4.2: Mô hình lưu lượng trong ví dụ 1 57

Hình 4.3: Đồ hình tối ưu với với mô hình lưu lượng ví dụ 1 58

Hình 4.4: Mô hình lưu lượng trong ví dụ 2 58

Hình 4.5: Đồ hình tối ưu với với mô hình lưu lượng ví dụ 2 59

Hình 4.6: Sơ đồ mối quan hệ giữa bộ tối ưu và bộ định tuyến, bộ điều khiển công suất 61

Hình 4.7: Sơ đồ khối bộ tối ưu 62

Hình 4.8: Sơ đồ thể hiện thành phần Link State Adaptive 63

Hình 5.1: Giao diện hệ thống giả lập trung tâm dữ liệu 68

Hình 5.2: Mô hình Fat-tree với hệ số đặc trưng K = 4 70

Hình 5.3: Mức công suất tiêu thụ khi phát near traffic (k=4) 70

Hình 5.4: Mức công suất tiêu thụ khi phát middle traffic (k=4) 71

Hình 5.5: Mức công suất tiêu thụ khi phát far traffic (k=4) 72

Hình 5.6: Mức công suất tiêu thụ khi phát mix traffic (k=4) 72

Hình 5.7: Mối quan hệ giữa công suất tiêu thụ của các trường hợp near traffic, middle traffic, far traffic và mix traffic (k=4) 73

Hình 5.8: PLR trung bình của hệ thống với các mức dự phòng khác nhau đối với từng mô hình lưu lượng ( Fat-tree K =4 ) 74

Hình 5.9: Mô hình Fat-tree với hệ số đặc trưng k=8 75

Hình 5.10: Mức công suất tiêu thụ khi phát near traffic (k=8) 75

Hình 5.11: Mức công suất tiêu thụ khi phát middle traffic (k=8) 76

Hình 5.12: Mức công suất tiêu thụ khi phát far traffic (k=8) 77

Hình 5.13: Mức công suất tiêu thụ khi phát mix traffic (k=8) 77 Hình 5.14: Mối quan hệ giữa công suất tiêu thụ của các trường hợp near traffic, middle traffic, far traffic và mix traffic (k=8) 78 Hình 5.15: Mô tả mối tương quan giữa phần trăm độ sử dụng mạng và phần trăm tiết kiệm năng lượng với mô hình Fat-tree K = 6 79 Hình 5.16: Mô tả mối tương quan giữa phần trăm độ sử dụng mạng và phần trăm tiết kiệm năng lượng với mô hình Fat-tree K = 8 80 Hình 5.17: Mô tả mối tương quan giữa phần trăm độ sử dụng mạng và phần trăm tiết kiệm năng lượng với mô hình Fat-tree K = 60 80 Hình 5.18: Phần trăm năng lượng tiết kiệm dùng thuật toán RA-TAH và TAH trong trường hợp MST 84 Hình 5.19: Phần trăm năng lượng tiết kiệm dùng thuật toán RA-TAH và TAH trong trường hợpmô hình fully meshed 88 Hình 5.20: Hình so sánh độ trễ khi dùng RA-TAH và full Fat-Tree topology (mix traffic) 89

LỜI NÓI ĐẦU

Cùng với sự bùng nổ của các ứng dụng công nghệ thông tin trên nền Internet và

sự ra đời của công nghệ điện toán đám mây, nhu cầu trao đổi thông tin cũng ngày càng gia tăng Để đáp ứng được nhu cầu lưu lượng thông tin khổng lồ đó, các hệ thống trung tâm dữ liệu đang phải mở rộng, đổi mới cả về quy mô cũng như kích thước Có thể dẫn chứng các tập đoàn lớn như Google, Microsoft, Facebook…đang phải duy trì hàng chục trung tâm dữ liệu phân bố khắp thế giới với hàng trăm ngàn server Như một hệ quả tất yếu, lượng năng lượng tiêu thụ trong các trung tâm dữ liệu gia tăng chóng mặt.Việc giảm năng lượng tiêu thụ trong các trung tâm dữ liệu sẽ mang lại lợi ích cho cảnhà đầu tư lẫn người dùng với chi phí dịch vụ giảm, không những thế giảm năng lượng tiêu thụ còn mang lợi ích to lớn cho môi trường với tác dụng giảm lượng khí thải CO2 Nhiều giải pháp đã được đưa ra để cải thiện hiệu quả hoạt động của các thiết bị nhằm tiết kiệm năng lượng tiêu thụ trên các thiết bị đó Ý tưởng thực hiện xuất phát từ thực tế tất cả thiết bị mạng luôn phải chạy 24/24 để sẵn sàng đáp ứng nhu cầu lưu lượng mức đỉnh nhưng lưu lượng trong các trung tâm dữ liệu thay đổi liên tục theo thời gian và hầu hết các thời điểm lưu lượng thực tế thấp hơn rất nhiều so với mức đỉnh này, do đó một lượng năng lượng lớn đã bị lãng phí Khai thác tính chất này, tác giả thấy rằng năng lượng tiêu thụ trong trung tâm dữ liệu có thể được tiết kiệm đáng kể khi linh động điều chỉnh số lượng thiết bị mạng và thay đổi các mức tốc độ cho đường liên kết theo nhu cầu lưu lượng Tuy nhi n, vấn đề tối ưu năng lượng tiêu thụ của mạng luôn song hành với việc đảm bảo độ tin cậy chất lượng dịch vụ QoS của hệ thống Việc điều khiển tắt/bật các Switch phải thích hợp để đảm bảo các thông số packet loss, delay, jitter của hệ thống không quá mức cho ph p của các dịch vụ

Sau một thời gian miệt mài nghiên cứu, tác giả đã hoàn thành luận văn với đề

tài: “Các cơ chế cân bằng giữa chất lượng dịch vụ và tiết kiệm năng lượng trong

môi trường tính toán đám mây” Nội dung của đề tài là đưa ra giải pháp để có thể

vừa tối ưu được năng lượng tiêu thụ trong mạng, vừa đảm bảo được chất lượng dịch

vụ Từ đó thực hiện triển khai kiểm thử trên mô hình hệ thống trung tâm dữ liệu để đưa ra giải pháp tối ưu để có thể áp dụng vào thực tiễn

Kết quả là năng lượng có thể tiết kiệm khoảng hơn 35% với một mô hình trung tâm dữ liệu nhỏ, 68% với mô hình trung tâm dữ liệu trung bình mà vẫn đảm bảo về mặt chất lượng dịch vụ Đây là một kết quả đầy hứa hẹn về tiềm năng phát triển của đề tài Tác giả hi vọng sẽ phát triển hoàn thiện hơn giải pháp trong đề tài để có thể áp dụng vào thực tiễn

Xin cảm ơn tập thể các bạn trong nhóm OpenFlow và lab C9-201 trước kia đã cùng mình nghiên cứu, chia sẻ, để có thể đem lại những kết quả khả quan này Trong quá trình thực hiện đề tài do sự hạn chế về thời gian nghiên cứu nên luận văn không thể tránh khỏi thiếu sót Sau khi được sự nhận xét từ cán bộ hướng dẫn và các Thầy Cô trong hội đồng, tác giả sẽ cố gắng hoàn thiện để có thể đưa ra một kết quả tốt nhất Xin

chân thành cảm ơn PGS.TS Phạm Minh Hà và PGS.TS Nguyễn Hữu Thanh đã

hướng dẫn em thực hiện luận văn này

Hà Nội, Tháng 1 năm 2015

Học viên

Trần Ngọc Thuần

TÓM TẮT LUẬN VĂN

Ngày nay, do nhu cầu trao đổi thông tin trong mạng ngày càng tăng l n n n các trung tâm dữ liệu phải mở rộng liên tục cả về quy mô lẫn kích thước, kéo theo việc tiêu tốn một nguồn năng lượng khổng lồ, điều này làm tăng chi phí hoạt động của trung tâm dữ liệu và ảnh hưởng đến môi trường do một lượng lớn khí carbon thải ra Hiện nay các trung tâm dữ liệu luôn trong trạng thái sử dụng tối đa các nguồn tài nguy n mà không quan tâm đến nhu cầu lưu lượng thật sự luôn thay đổi, điều này dẫn đến hiệu quả sử dụng tài nguyên kém và có một lượng lớn năng lượng hao phí khi nhu cầu lưu lượng trong mạng ở mức thấp Để khắc phục vấn đề này, các nguồn tài nguyên mạng cần được quản lý để sử dụng năng lượng một cách hiệu quả hơn hướng tới mô hình trung tâm dữ liệu xanh mà vẫn đảm bảo được chất lượng dịch vụ

Trong luận văn này, tác giả và nhóm nghiên cứu đã đưa ra các giải pháp tiết kiệm năng lượng trong môi trường tính toán đám mây Vấn đề đặt ra là làm thế nào để đưa ra được cơ chế cân bằng giữa tiết kiệm năng lượng và chất lượng dịch vụ và chứng minh được cơ chế đó hoạt động tốt với hệ thống thật Mục đích chính của đề tài

đó là thực hiện một hệ thống có khả năng điều tiết được trạng thái hoạt động của switch và trạng thái đường liên kết để cho mô hình mạng tiêu thụ tiết kiệm năng lượng nhất mà vẫn đảm bảo chất lượng dịch vụ ở ngưỡng cho phép Hệ thống đề xuất được triển khai và đánh giá qua một hệ thống môi trường thử nghiệm (Testbed) xây dựng từ các Openflow switch tr n môi trường giả lập Mininet Thông qua việc sử dụng kỹ thuật lưu lượng kết hợp với tắt bật các thiết bị mạng và thay đổi mức đường liên kết, kết quả nghiên cứu cho thấy hệ thống đề xuất có khả năng tiết kiệm được tối đa từ 35,95% - 68,1% năng lượng tiêu thụ của mạng trung tâm dữ liệu

ABSTRACT

Nowadays, to adapt to ever increasing traffic demand from customers, data centers are continuously increasing their size and consume huge amounts of energy, contributing to high operational costs and carbon footprints to the environment Generally, all the resources of a data center are always-on, regardless of the actual time-varying traffic requirements, and this may result in lower resource utilization and additional needless power consumption even when the traffic demand is not large enough To address this problem, data center resources need to be managed in an energy-efficient manager to drive Green Data Center while maintainingthe quality ofservice

In this thesis ,authority and the subject group proposed a solutions to save energy in cloud computing environments The is sueis how to make the balance mechanism between energy savings and quality of service and demonstrate the mechanism that works well with the real system The main purpose of the thesis is to implemented a system capable of regulating the operation of the switch status and link status for the network model to save energy consumption while maintaining quality of services at less than the allowed threshold.We implemented and evaluated proposed system on a prototype testbed built with programmable OpenFlow switches on Mininet emulator By using traffic engineering incorporating with turning ON/OFF network devices, the results of my thesis shows that savings of 35,95-68,1% of the network energy in data center is feasible

GIỚI THIỆU ĐỀ TÀI

T n đề tài: “Các cơ chế cân bằng giữa chất lượng dịch vụ và tiết kiệm năng

lượng trong môi trường tính toán đám mây.”

Luận văn được chia thành 5 chương:

- Chương 1: Đề cập đến lý thuyết tổng quan về kiến trúc của môi trường tính toán đám mây, mô hình lưu lượng trong môi trường tính toán đám mây, lý thuyết về chất lượng dịch vụ

- Chương 2: Giới thiệu về các công cụ, phần mềm được dùng để thực hiện luận văn, chức năng chính và vai trò của chúng Đặc biệt là giới thiệu về công nghệ OpenFLow

- Chương 3: Trình bày cấu trúc tổng quan của hệ thống giả lập môi trường tính toán đám mây cũng như các thành phần chức năng chính trong hệ thống đó, đưa

ra các thuật toán tối ưu, cũng như sơ lược về cách thực hiện từng thành phần Đặc biệt hơn nữa, tác giả thực hiện xây dựng thêm một công cụ dùng tương đương với môi trường giả lập để có thể đánh giá về khả năng tiết kiệm của mạng trung tâm dữ liệu với các hệ số đặc trưng lớn

- Chương 4: Đưa ra thuật toán cân bằng giữa chất lượng dịch vụ và năng lượng tiết kiệm Trình bày chi tiết về bộ tối ưu và cách thực hiện bộ tối ưu

- Chương 5: Kết luận, đánh giá và đưa ra hướng phát triển của đề tài trong tương lai

CHƯƠNG 1 : LÝ THUYẾT TỔNG QUAN

Chương này trình bày cái nhìn tổng quan về mạng trung tâm dữ liệu, giới thiệu các kiến trúc phổ biến và một số đặc điểm lưu lượng trong mạng trung tâm dữ liệu Cuối chương đề cập đến năng lượng tiêu thụ trong mạng trung tâm dữ liệu, mô hình năng lượng tiêu thụ của switch và các thuật toán tiết kiệm năng lượng tiêu thụ trong mạng trung tâm dữ liệu

1.1 Tổng quan về trung tâm dữ liệu

Ngày nay, các tổ chức chính phủ và các tập đoàn lớn cần duy trì nhiều hệ thống trung tâm dữ liệu khổng lồ với hàng trăm ngàn server B n cạnh đó, các trung tâm dữ liệu cỡ vừa và nhỏ với hàng trăm đến hàng ngàn server cũng ngày càng phổ biến trong các cơ quan như trường học, trung tâm nghiên cứu, các công ty… Một số ứng dụng quan trọng cần thiết thiết sự có mặt của các trung tâm dữ liệu gồm có: phân tích tài chính, phân tích số liệu khoa học, các dịch vụ mạng xã hội, trò chơi trực tuyến,…Khi kích thước trung tâm dữ liệu tăng l n, việc đáp ứng được nhu cầu băng thông trao đổi giữa các server đặt ra một thách thức lớn đối với các kiến trúc mạng trung tâm dữ liệu hiện tại, do chúng có tính mở rộng kém.Trong phần này, chúng ta sẽ tìm hiểu về một

số kiến trúc mạng trung tâm dữ liệu hiện đại và lựa chọn kiến trúc phù hợp nhất để triển khai trong luận văn Các nội dung của phần 1.1 này chủ yếu được trích dẫn từ bài báo [2]

1.1.1 Mô hình trung tâm dữ liệu

Kiến trúc mạng trung tâm dữ liệu thường được thiết kế dựa tr n phương pháp phân tầng để tăng khả năng mở rộng, tính linh động, hiệu năng và dễ dàng hơn trong việc bảo dưỡng Ngày nay, các kiến trúc trung tâm dữ liệu đặc trưng thường có dạng cây gồm 2 hoặc 3 tầng các switch/router.Hình 1 mô tả một đồ hình mạng trung tâm dữ liệu 3 tầng điển hình hiện nay

Hình 1.1: Kiến trúc 3 tầng điển hình của mạng trung tâm dữ liệu

Đồ hình mạng trung tâm dữ liệu ở trên gồm có 3 tầng: tầng core ở phần gốc của cây chứa các core switch, tầng aggregation ở phần giữa chứa các aggreagation switch,

và cuối cùng là tầng edge ở mức lá của cây chứa các edge switch Kiến trúc cây 2 tầng thì chỉ có tầng core và tầng edge Tuy nhiên kiến trúc cây 2 tầng chỉ hỗ trợ các trung tâm dữ liệu có kích thước tương đối nhỏ và trung bình với khoảng 5000 đến 8000 server, do khả năng hạn chế của công nghệ switch hiện tại, sẽ được giải thích chi tiết ở phần sau

Ta xét một kiến trúc phổ biến nhất tính tới thời điển hiện nay là kiến trúc cây 2N Đặc trưng của kiến trúc cây 2N là mỗi phần tử tầng dưới đều liên kết với 2 phần tử tầng tr n để chống lỗi, tăng tính tin cậy Tức là mỗi server sẽ liên kết với 2 edge switch, mỗi edge switch sẽ liên kết với 2 aggregation switch, mỗi aggregation switch

sẽ liên kết với 2 core switch

Hình 1.2: Kiến trúc cây 2N đặc trưng của mạng trung tâm dữ liệu

Dễ dàng nhận thấy với đồ hình này, ngay cả khi sử dụng định tuyến đa đường, băng thông giao tiếp giữa các cặp server sẽ phụ thuộc vào khả năng của core switch do băng thông tổng cộng của mạng sẽ do khả năng của core switch quyết định Ví dụ 16 host cần giao tiếp theo cặp với nhau (giả sử các giao tiếp này đều phải đi qua core switch) ở tốc độ tối đa 1Gbps, khi đó băng thông tổng cộng core switch cần xử lý sẽ là

8 Gbps và lượng băng thông tổng cộng này tỷ lệ với số lượng server Do đó việc hỗ trợ băng thông giao tiếp 1Gbps giữa các cặp server bất kỳ với đồ hình gồm hàng chục ngàn server là không thể Khi đó sẽ xảy ra hiện tượng thắt cổ chai (bottleneck) tại tầng core Ngoài ra, khả năng chống lỗi của kiến trúc cây 2N kém Ví dụ, khi 1 core switch lỗi, băng thông tổng cộng toàn mạng sẽ bị giảm đi một nửa, trong không cả hai core lỗi

sẽ làm đứt kết nối của toàn bộ mạng trung tâm dữ liệu Tương tự lỗi các switch ở tầng aggregation và tầng edge có thể ảnh hưởng đến ngắt kết nối của cả một số lượng lớn các server

Tóm lại khả năng mở rộng, khả năng chống lỗi và hỗ trợ các giao tiếp tốc độ cao giữa các server đối với kiến trúc mạng trung tâm dữ liệu truyền thống là rất hạn chế Do đó, việc tìm ra các kiến trúc mới cho mạng trung tâm dữ liệu là một yêu cầu cấp thiết

1.1.2 Mô hình trung tâm dữ liệu xanh

Hiện nay, ngành công nghệ thông tin (CNTT) là một trong ngành có vai trò rất quan trọng trong đời sống con người, góp phần đáng kể vào sự phát triển của nhân loại Tuy nhiên, bên cạnh đó, ngành CNTTcũng là một trong những nguyên nhân làm tăng lượng CO2 trong bầu khí quyển bởi vì ngành này sử dụng hàng triệu máy tính, hàng trăm ngàn trạm thu phát vô tuyến, các trung tâm dữ liệu với hệ thống làm mát, các thiết bị mạng, server, cùng với hàng trăm triệu chiếc điện thoại di động được dùng trên toàn cầu Tất cả đều hoạt động 24/24 giờ, tiêu thụ năng lượng và toả nhiệt trong quá trình hoạt động Hệ quả là lượng CO2 thải ra bầu khí quyển từ hoạt động của ngành ICT chiếm từ 2-2,5% trong tổng lượng CO2 trên toàn cầu, tương đương tấn

Hình 1.3: Lượng CO2 từ các thành phần ICT[4]

Hiệu ứng nhà kính đang làm trái đất nóng lên và gây ra những ảnh hưởng tiêu cực đến môi trường toàn cầu, cùng với đó, giá nhi n liệu tăng, việc sử dụng lãng phí điện năng trong các trung tâm dữ liệu đã đặt ra một yêu cầu cấp thiết đối với các doanh nghiệp CNTT: tiêu thụ điện năng một cách hiệu quả và tiết kiệm Theo dự đoán của các chuy n gia, tương lai sẽ thuộc về các doanh nghiệp nào biết áp dụng các hệ thống CNTT có mức tiêu thụ năng lượng tiết kiệm nhất và thải ra ít khí độc hại môi trường nhất

Vì vậy một trong những vấn đề nổi bật đang được nghiên cứu gần đây là tìm ra giải pháp tiết kiệm nguồn năng lượng khổng lồ mà các trung tâm dữ liệu đang ti u thụ Đặc biệt thông qua nghiên cứu các kiến trúc đồ hình mới, các thuật toán tối ưu đồ hình, các thuật toán định tuyến nhận thức năng lượng.Thông thường các trung tâm dữ liệu được thiết kế có khả năng chịu tải trong cả những trường hợp xấu nhất (tải tăng

l n đột ngột), và trong các giờ cao điểm có nhiều người dùng Trong còn lại phần lớn thời gian thì mức tải sử dụng thấp hơn mức đỉnh rất nhiều đặc biệt là sự khác biệt rất lớn về lưu lượng tải sử dụng giữa ngày và đ m Lưu lượng thường lên mức đỉnh vào ban ngày và hạ xuông rất thấp vào ban đ m Khi lưu lượng thấp các thiết bị mạng vẫn đang ở trạng thái hoạt động, điều này gây ra tiêu tốn nhiều năng lượng không cần thiết

để chạy các thiết bị mà không có lưu lượng chảy qua.Theo một nghiên cứu cho thấy năng lượng tiêu thụ bởi các trung tâm dữ liệu ở mỹ năm 2006 khoảng 3 tỷ kWh Đã có nhiều nỗ lực chế tạo ra các thiết bị mạng nhận thức năng lượng , tức là các thiết bị này

tự chuyển sang trạng thái idle khi không có lưu lượng để tiết kiệm năng lượng, nhưng năng lượng tiêu thụ chưa giảm đi đáng kể đặc biệt tại thời điểm lưu lượng thấp nhấp vẫn tiêu thụ tới 90% so với mức đỉnh Nguyên nhân do vẫn có phần lớn năng lượng phải tiêu thụ cho các thiết bị khác như hệ thống làm lạnh server, line-cards

Hình 1.4: Các thành phần tiêu thụ năng lượng trong trung tâm dữ liệu[4]

Trong hình vẽ trên có thể thấy năng lượng tiêu thụ của các thành phần trong một trung tâm dữ liệu Ví dụ như thiết bị làm mát chiếm 33% năng lượng tiêu thụ toàn trung tâm dữ liệu, 18% là của USP, 9% là của máy tính và điều hòa, 5% là của PDU, 1% của máy phat điện và 1% của thành phần chiếu sang Đặc biệt thành phần chiếm khá lớn trong trung tâm mạng đó là các thiệt bị IT, chiếm tới 30% tiêu thụ năng lượng toàn trung tâm Do vậy việc cải thiện hiệu năng thành phần IT này cũng khá được quan tâm

Trung tâm dữ liệu xanh là gì

Trung tâm Dữ liệu Xanh (Green Datacenter) là một Trung tâm Dữ liệu mà trong

đó hệ thống được thiết kế sao cho hiệu suất hoạt động tối đa với mức tiêu thụ điện năng thấp và hạn chế thấp nhất tính dư thừa gây lãng phí trong sử dụng, thân thiện môi trường, giảm thiểu chi phí vận hành và bảo trì hệ thống

Bên cạnh đó, công nghệ xanh còn đem đến cho người lao động an toàn sức khỏe trong điều kiện môi trường làm việc tốt nhất; giúp doanh nghiệp nâng cao uy tín

và trách nhiệm với cộng đồng trước áp lực về hịêu ứng nhà kính và bảo vệ môi trường sống ngày càng cao

Kiến trúc Fat-Tree

Trong những năm gần đây, các nhà nghi n cứu đã nỗ lực tìm ra các đồ hình kiến trúc mới cho mạng trung tâm dữ liệu, đáp ứng cả các yêu cầu về tính kinh tế lẫn hiệu năng, và đã đạt được một số kết quả nhất định Nổi bật trong số đó là kiến trúc Fat-Tree cho mạng trung tâm dữ liệu Ưu điểm lớn nhất của kiến trúc này là nó sử dụng các switch thông thường giá thành rẻ ở tất cả các tầng, ngoài ra nó hỗ trợ giao tiếp ở tốc độ tùy ý giữa các cặp server bất kỳ

Đồ hình mạng trung tâm dữ liệu theo kiến trúc Fat-Tree như sau:

Hình 1.5: Kiến trúc Fat-Tree cho mạng trung tâm dữ liệu với toàn bộ link 1G

Hình 1.5 là đồ hình kiến trúc Fat-Tree cho mạng trung tâm dữ liệu với hệ số k=4, còn gọi là kiến trúc Fat-Tree cấp 4 Như thấy trên hình vẽ, toàn bộ các switch sử dụng ở 3 tầng core, aggregation, và tầng edge là giống nhau Chúng đều là các switch 4-port 1 GigE Các link sử dụng liên kết các server với switch, và liên kết các switch với nhau đều là link 1G Mỗi edge switch liên kết với 2 server và 2 aggregation switch, mỗi aggregation switch liên kết với 2 edge switch và 2 core switch, mỗi core switch liên kết với 4 aggregation switch Đồ hình được tổ chức thành các nhóm aggregation switch và edge switch được gọi là các pod Cụ thể ở đây ta có 4 pod

Ưu điểm của kiến trúc Fat-Tree đó là chúng ta có thể sử dụng tất cả các switch

giống nhau, đều là các switch k-port 1GigE thông thường với giá thành tương đối rẻ

Ngoài ra, kiến trúc Fat-Tree hỗ trợ các cặp server giao tiếp nhau ở tốc độ tối đa 1 Gbps với bất kỳ mô hình lưu lượng nào mà không bị hạn chế bởi khả năng của các core switch hiệu năng cao đắt tiền trong các kiến trúc truyền thống Thông thường lưu lượng trao đổi giữa các server thuộc cùng 1 edge switch sẽ dùng kỹ thuật chuyển mạch tầng 2 thông thường, lưu lượng trao đổi giữa các server thuộc các edge khác nhau sẽ

sử dụng định tuyến tầng 3

Một đặc điểm quan trọng nữa của kiến trúc Fat-Tree đó là khả năng chống lỗi đặc biệt là khi hệ số k tăng l n, đồ hình kết nối trở thành một hình lưới ngày càng dày đặc, tăng độ dư thừa, cũng có nghĩa là tính chống lỗi sẽ tăng l n Lỗi của 1 hoặc 2 switch ở các tầng trên sẽ không thể cắt đứt giao tiếp của tất cả các server có đường liên kết với switch lỗi đó, tính dư thừa và chống lỗi tăng tỷ lệ với hệ số k, đặc biệt trong thực tế, hệ số k thường lớn

Ta xét một ví dụ về kiến trúc Fat-Tree ở quy mô lớn xây dựng từ các switch port GigE Khi đó, đồ hình gồm có 48 pod, mỗi pod chứa 48 switch loại này Mỗi edge switch liên kết với 24 server n n đồ hình Fat-Tree k=48 có khả năng hỗ trợ 27648 server với 1152 subnets (chính bằng số edge switch, các server trong giới hạn 1 subnet

48-sẽ giao tiếp qua phương thức chuyển mạch tầng 2 Chi phí để triển khai 1 mạng trung tâm dữ liệu hỗ trợ 27648 server như vậy sẽ khoảng 8.64 triệu $, trong khi nếu dùng các kiến trúc truyền thống như mi u tả ở phần trên sẽ tốn 37 triệu $

Dựa vào các ưu điểm của kiến trúc Fat-Tree trình bày ở trên kết hợp như hiệu quả kinh tế cao, tăng hiệu năng và tính chống lỗi,… ngoài ra các công việc trong luận văn liên quan rất nhiều đến bài báo [1], trong đó các tác giả cũng sử dụng kiến trúc Fat-Tree nên nhóm quyết định sử dụng kiến trúc Fat-Tree để thực hiện các thực hiện

và đánh giá các thuật toán tối ưu năng lượng tiêu thụ trong mạng trung tâm dữ liệu

1.2 Lưu lượng trong mạng trung tâm dữ liệu

1.2.1 Đặc điểm chung của lưu lượng trong trung tâm dữ liệu

Mặc dù trung tâm dữ liệu ngày càng phổ biến và tăng l n về số lượng nhưng có rất ít các nghiên cứu về mô hình lưu lượng trong trung tâm dữ liệu, các nghiên cứu chủ yếu dựa trên theo dõi thực tế hoạt động, thống kê các thông số như hiệu quả sử dụng link, tắc nghẽn, độ mất gói, kích thước gói, thời gian tồn tại trung bình của luồng, các thành phần của lưu lượng, mô hình biến đổi lưu lượng ngày đ m.Theo một số nghiên cứu gần đây về mô hình lưu lượng trong các mạng trung tâm dữ liệu được thực hiện trên một loạt các trung tâm dữ liệu điện toán đám mây, doanh nghiệp và trong trường

học [13, 14, 15] ta có thể rút ra những đặc điểm chung nhất cho lưu lượng trong mạng trung tâm dữ liệu như sau:

- Khi nghiên cứu về các ứng dụng như web, lưu trữ dữ liệu, dịch vụ xác nhận, dịch vụ tìm kiếm thấy rằng các ứng dụng là không phân bố đều giữa các rack (chứa các cụm server)

- Kích thước các flow < 10KB, phần lớn trong số flow đó chỉ kéo dài trong khoảng vài trăm mili giây,số luồng đang hoạt động trong mỗi giây chảy qua 1 rack là khoảng 10000 luồng

- Trong các trung tâm dữ liệu điện toán đám mây, phần lớn lưu lượng tao ra bởi các server có 80% chỉ chảy trong rack Đối với các trung tâm dữ liệu của trường đại học và doanh nghiệp phần lớn lưu lượng (40-90%) rời khỏi rack và đi ra ngoài

- Khả năng sử dụng link ở tầng core đạt hiểu quả cao hơn các tầng dưới

- Có mất mát xảy ra trong trung tâm dữ liệu, nhưng những mất mát này không xẩy ra trong các link có hiệu năng sử dụng cao mà xảy ra trong các link có hiệu năng sử dụng trung bình thấp có nghĩa là sự thay đổi lưu lượng đột ngột dễ gây

ra mất mát Nghiên cứu cho thấy mất mát xảy ra ở tầng edge switch là cao hơn

so với tầng aggregation và tầng core

Bảng 1.1: Phân bố tiến trình đến trong các loại trung tâm dữ liệu Loại trung tâm dữ

liệu

Phân phối trong giai đoạn OFF

Phân phối trong giai đoạn ON

Phân phối thời gian giữa hai lần đến

Điện toán đám mây Lognormal Lognormal Lognormal

Phân bố của lưu lượng trong các giai đoạn ON/OFF của các loại trung tâm dữ liệu thể hiện trong bảng 1.1

1.3 Chất lượng dịch vụ (QoS) trong trung tâm dữ liệu

1.3.1 Khái niệm chất lượng dịch vụ

Chất lượng dịch vụ (QoS) là gì? Chất lượng dịch vụ ảnh hưởng bởi những thông số nào? Chất lượng dịch vụ (QoS- Quality of Service) là một khái niệm rộng và

có thể tiếp cận theo nhiều hướng khác nhau Theo khuyến nghị của Hiệp hội viễn thông quốc tế ITU-T ( International Telecommunication Union) chất lượng dịch vụ là tập hợp các khía cạnh của hiệu năng dịch vụ nhằm xác định cấp độ thỏa mãn của người dùng đối với dịch vụ Theo Tổ chức chuẩn hóa mở về Intenet IETF (Internet Engineering Task Force) chất lượng dịch vụ là khả năng phân biệt luồng lưu lượng để mạng có các ứng xử phân biệt đối với các kiểu luồng lưu lượng QoS bao gồm cả việc phân loại các dịch vụ và hiệu năng tổng thể của mạng cho mỗi loại dịch vụ

1.3.2 Các tham số chính đặc trưng cho QoS

Băng thông: là gía trị trung bình số lượng gói tin được truyền qua mạng thành công trong một giây Kí hiệu là kbps hoặc Mbps

Trễ : là khoảng thời gian trung bình mà gói tin được truyền đi từ nới gửi đến nơi nhận

Biến thiên trễ : thời gian thay đổi giữa gói tin nhận được sớm nhất và muộn nhất

Tỷ lệ mất gói : là tỷ lệ phần trăm số gói tin bị mất trên tổng số toàn bộ số gói tin phía đầu gửi đã chuyển vào mạng cho phía đầu nhận

1.4 Kết luận chương

Qua chương này, chúng ta đã thu được các hiểu biết cơ bản về đồ hình và đặc tính lưu lượng trong trung tâm dữ liệu Không những thế chúng ta còn phân tích đặc tính biến đổi công suất tiêu thụ của switch theo các cấu hình khác nhau và dựa vào đó hiểu được nguồn gốc và ý nghĩa của các thuật toán tiết kiệm năng lượng cơ bản trong mạng trung tâm dữ liệu Chương tiếp theo sẽ trình bày về các công cụ, phần mềm được

sử dụng để thực hiện luận văn

CHƯƠNG 2 : CÔNG NGHỆ OPENFLOW VÀ CÁC CÔNG CỤ THỰC

HIỆN

Chương 2 trình bày về các công cụ được sử dụng để thực hiện luận văn Trước hết là phần giới thiệu về công nghệ OpenFlow dùng để xây dựng các mạng ảo hóa gồm các switch theo chuẩn OpenFlow và NOX-bộ điều khiển mạng của các OpenFlow switch Ngoài ra, chúng ta còn giới thiệu về Mininet-1 công cụ cho phép xây dựng môi trường giả lập gồm các OpenFlow switch Cuối cùng là phần mềm D-ITG dùng làm bộ tạo lưu lượng

2.1 Công nghệ Openflow và các loại OpenFlow Switch

2.1.1 Công nghệ OpenFlow

Hiện nay hầu như không có phương pháp nào có tính thực tế để thử nghiệm, kiểm chứng các giao thức mạng mới trong môi trường thực tế với quy mô lưu lượng thật.Kết quả là hầu hết các ý tưởng mới từ cộng đồng nghiên cứu không được thử nghiệm và kiểm chứng OpenFlow [5] là công cụ cho phép các nhà nghiên cứu chạy các giao thức thử nghiệm trên hệ thống mạng mà ta sử dụng hàng ngày OpenFlow dựa trên nguyên tắc Ethernet switch, với một flow-table bên trong, và giao diện chuẩn hóa

để thêm, xóa các flow entries trong flow-table Mục đích của việc đưa ra OpenFlow nhằm khuyến khích các nhà sản xuất thiết bị mạng thêm chức năng OpenFlow vào các switch của họ để mang triển khai trong thực tế OpenFlow đang được sử dụng rộng rãi bởi nhiều nhà nghiên cứu, các viện nghiên cứu trên thế giới do nó có tính thực tế dựa

tr n các ưu điểm: cho phép các nhà nghiên cứu chạy các thử nghiệm trên các switch khác nhau theo cùng một cách như nhau, không cần cấu hình triển khai theo cấu hình từng loại switch, hoạt động ở line-rate cùng với mật độ port lớn, hơn nữa các nhà sản xuất vẫn có thể giữ bí mật về thiết kế các switch của họ Ngoài việc cho phép các nhà nghiên cứu đánh giá các ý tưởng của họ trong môi trường lưu lượng thế giới thực, OpenFlow còn là một công cụ hữu hiệu cho triển khai các testbed qui mô rộng như

GENI (Global Environment for Network Innovation, network/testbed gồm các tài nguyên chung cho các nhà nghiên cứu, chia sẻ tài nguyên bằng phương pháp ảo hóa-

virtualization) GENI là kiến trúc mạng có khả năng lập trình được Mạng có khả năng

lập trình cần có các phần tử switch/router có khả năng lập trình để xử lý các packet cho nhiều thử nghiệm trên mạng đồng thời không ảnh hưởng lẫn nhau OpenFlow cho phép ta có thể lập trình được switch/router

Hình 2.1: OpenFlow switch[6]

OpenFlow cung cấp một giao thức mở để lập trình flow-table trong các switch/router khác nhau Người quản trị mạng có thể chia lưu lượng thành các luồng (flow) cho mạng thông thường và luồng cho việc nghiên cứu Bằng cách này, các nhà nghiên cứu có thể thử các giao thức định tuyến, các mô hình bảo mật, các cách đánh địa chỉ mới, thậm chí thay thế cho IP Hình 2.1 trên mô tả một OpenFlow switch giao tiếp với một bộ điều khiển mạng (controller) thông qua kênh kết nối bảo mật SSL sử dụng giao thức OpenFlow Kênh bảo mật kết nối switch với bộ điều khiển mạng sử dụng giao thức OpenFlow cho phép các lệnh và các packet được truyền qua lại giữa bộ điều khiển mạng và các switch Bộ điều khiển mạng (controller) kiểm soát flow-table trong mỗi OpenFlow switch quakênh bảo mật này Giao thức OpenFlow là một giao thức mở và chuẩn hóa cho phép bộ điều khiển mạng giao tiếp với switch Mỗi OpenFlow switch chứa một flow-table gồm các flow-entry, mỗi flow-entry có một

hoặc nhiều action tương ứng, khi switch nhận được flow có đặc điểm giống như mô tả trong flow-entry, switch sẽ xử lý các packet của flow đó theo các action tương ứng

Giao thức OpenFlow cung cấp chuẩn mở cho bộ điều khiển mạng giao tiếp với switch Bằng cách chỉ ra giao diện chuẩn (OpenFlow Protocol) qua đó, các entry trong Flow-table có thể được định nghĩa từ ngoài (qua bộ điều khiển mạng), các nhà nghiên cứu không cần lập trình từng switch riêng rẽ

Hiện nay, chuẩn OpenFlow đã được thực hiện trên một số sản phẩm, bao gồm

cả các phần mềm soft switch dùng trên các máy tính Linux và các switch thật

OpenFlow soft switch có hai loại chính là: OpenFlow switch và OpenvSwitch

Cơ bản hai loại switch này có chức năng giống nhau, đều thực hiện theo chuẩn OpenFlow, ngôn ngữ lập trình dùng C và Python Điểm khác nhau chính giữa hai loại switch này là vấn đề hiệu năng

Bên cạnh đó, có một số hãng cũng tích hợp chuẩn OpenFlow vào các sản phẩm thật bán trên thị trường, tuy nhiên mục đích chính hiện tại chỉ là dùng cho nghiên cứu,

gồm có: NetFPGA, NEC IP8800, HP ProCurve 5406ZL, HP Procurve6600, Toroki

LS4810,…

2.1.2 Các ứng dụng của công nghệ Openflow

Công nghệ OpenFlow cung cấp một giao thức mở để lập trình cho bảng flow table trong các switches and routers khác nhau Nó có thể chia nhỏ, phân vùng các đoạn mạng và có thể kiểm soát chúng như một mạng riêng Nhờ đó mà các nhà nghiên cứu có thể thử nghiệm, nghiên cứu các giao thức định tuyến, mô hình bảo mật, các phương án giải quyết.Các nhà nghiên cứu phát minh ra OpenFlow như một phương thức để kiểm tra các giao thức mạng mới trên hệ thống mạng đang sử dụng mà không can thiệp vào các ứng dụng đang dùng Một lựa chọn tốn k m hơn là cài đặt một cơ sở hạ tầng riêng nhằm thực hiện các thí nghiệm Tuy nhi n, đây là một giải pháp thay thế đắt đỏ Do đó openFlow mở ra một công cuộc mới cho việc nghiên cứu trong mạng

Ngoài OpenFlow còn có sự hỗ trợ của OpenPipes[24], FlowVisor[22] và OpenRoads[21] OpenPipes có thể hiểu là phần để hỗ trợ xây dựng mô đun phần cứng thích ứng với phần mềm OpenPipes hỗ trợ FPGA, nhà quản lí sẽ quản lí trên FPGA

để điều khiển hoạt động của mạng đó

Với Flow visor ta có cách quản lí theo các slice Mỗi thiết bị thật sẽ được gán trên các slide, nhờ quản lí các trên các slide mà ta có thể quản lí thiết bị thực và từ đó quản lí được luồng

FlowVisor được quản lí bởi các nhà quản lí mạng và Flow visor nằm ở giữa thiết bị chuyển mạch và bộ điều khiển

OpenRoads là mã nguồn mở , nền tảng cải tiến trong mạng di động OpenRoad được nghiên cứu để cải tiến chất lượng mạng không dây OpenRoads coi như là

"OpenFlow wireless " OpenRoads có kiến trúc 3 tầng : flow, slicing and controller OpenRoads có tính linh hoạt, có thể xây dựng nhiều thuật toán, tính ảo hóa cao Kết hợp được nhiều công nghệ không dây như wifi, wimax

2.2 NOX- Bộ điều khiển OpenFlow [7]

Các bộ điều khiển mạng dùng trong mạng OpenFlow gồm có: bộ điều khiển mạng mặc định, NOX, SNAC (giao diện Web để quản lý các OpenFlow switch), Beacon (Java) Tuy nhiên bộ điều khiển mạng chính và đáng chú ý nhất là bộ điều khiển mạng NOX [7]

NOX là một phần mềm mã nguồn mở dùng điều khiển mạng các OpenFlow switch.Mục đích của NOX nhằm cung cấp một platform cho viết các phần mềm quản

lý mạng như các ứng dụng định tuyến, tường lửa… sử dụng C++ hoặc Python Tuy vẫn còn trong quá trình phát triển, nhưng NOX hiện nay đã được sử dung trong một số các mạng lớn.NOX hỗ trợ cả các mạng doanh nghiệp lớn gồm hàng trăm switch hàng ngàn server)

Mục đích chính của NOX gồm có:

Cung cấp một platform cho ph p người lập trình, phát triển mạng triển khai các

ý tưởng mới trong lĩnh vực mạng, sử dụng phần cứng thật.Các nhà phát triển có thể điều khiển tất cả cáckết nối trong mạng gồm có: forwarding, routing…Ngoài ra NOX còn điều khiển cả flow-table trong switch

Cung cấp phần mềm quản lý mạng hữu ích cho các tổng đài operator , gồm có việc quản lý tập trung cho tất cả các switch trong mạng, điều khiển truy nhập của người dùng

Phương thức hoạt động của NOX:

NOX chạy riêng rẽ trên một máy và quản lý việc chuyển tiếp các bản tin giữa nhiều switch khác nhau

NOX cung cấp các giao diện lập trình giúp cho nhà phát triển sử dụng dễ dàng lấy được thông tin về sự kiện trong mạng, can thiệp vào lưu lượng, điều khiển các quyết định chuyển mạch của switch và tạo được lưu lượng

Khi có flow mới xuất hiện trọng mạng, các gói đầu tiên sẽ được gửi đến bộ điều khiển mạng NOX, tại đây có thể thực hiện được: quyết định xem lúc nào khi nào sẽ chuyển tiếp các gói đi trong mạng, thu thập các thông tin thống kê, chỉnh sửa được gói trong flow đó hoặc có thể xem th m được về các gói khác trong cùng flow để thu thập được thêm nhiều thông tin

Hình 2.2: Mạng OpenFlow switch với bộ điều khiển mạng NOX [7]

Hình 2.2 mô tả đồ hình mạng với các switch OpenFlow và bộ điểu khiển mạng NOX (NOX Controller), ở đây các phần mềm điều khiển mạng NOX chạy trên một máy tính và điều khiển bảng định tuyến của nhiều switch Mạng gồm nhiều OpenFlow switch và nhiều server kết nối với nhau NOX đơn thuần chỉ là một platform, việc điều khiển mạng được thực hiện bởi các phần tử chức năng trong NOX gọi là NOX component, mỗi component thực thi một chức năng ri ng biệt như định tuyến, chuyển mạch, xác thực Có thể chạy một lúc nhiều NOX component với các chức năng điều khiển khác nhau làm cho việc điều khiển và quản lý mạng trở nên hoàn hảo hơn Các ứng dụng trong bộ điều khiển mạng NOX có thể kết hợp với nhận biết các sự kiện trong mạng (network event), can thiệp vào lưu lượng trong mạng, điều khiển định tuyến của các switch và tạo ra lưu lượng

2.3 Mininet - Công cụ giả lập mạng(Network emulator)

Mininet [8, 9] là một hệ thống cho phép thử nghiệm các mạng lớn trên một máy tính Mininet hỗ trợ việc nghiên cứu, phát triển, kiểm thử, gỡ lỗi và các nhiệm vụ khác bằng việc cung cấp emulator một mạng các OpenFlow switch trên một máy tính duy nhất, nghĩa là ta có thể triển khai thử nghiệm mạng với hàng trăm/ngàn node chỉ trên một máy tính các nhân Trên mạng đó ta có thể triển khai các giao thức thử nghiệm trên mạng hoàn toàn giống như việc sử dụng các switch OpenFlow thật

Một số chức năng của Mininet gồm có:

- Công cụ xây dựng môi trường giả lập của các OpenFlow switch, đơn giản và không tốn kém (do không tốn chi phí mua các OpenFlow switch thật để phát triển các ứng dụng mạng Do các OpenFlow switch trong Mininet có tất cả các tính chất mà OpenFlowswitch thật có được nên việc sử dụng mạng giả lập bằng Mininet là có ý nghĩa về mặt thực tế, cho phép kiểm tra chức năng các ứng dụng mà không cần phần cứng thật

- Cho phép các nhà phát triển ứng dụng làm việc đồng thời, một cách độc lập trên cùng đồ hình mà không ảnh hưởng đến nhau

- Cho phép kiểm thử các đồ hình phức tạp mà không cần phải nối dây cho mạng vật lý

- Cho phép debug và chạy các phép kiểmthử trên các mạng giả lập lớn, sử dụng CLI

- Hỗ trợ thiết lập các đồ hình tùy biến bất kỳ, gồm tập cơ bản các thông số đồ hình

- Có thể đem các ứng dụng tr n Mininet đi triển khai trên mạng thật với code hoàn toàn không cần thay đổi

- Cung cấp Python API dễ dàng sử dụng và có khả năng mở rộng

- Mininet cho ta một phương pháp dễ dàng để thu được chính xác các đặc tính mạng và thử nghiệm các đồ hình tùy ý Quan trọng nhất, code mà chúng ta phát triển và kiểm tra bằng Mininet cho bộ điều khiển mạng NOX, OpenFlow switch hay host, có thể đưa ra triển khai với hệ thống phần cứng thật không cần thay đổi

Ưu điểm của Mininet so với các phương pháp ảo hóa khác như OpenFlowVMS hay Noxrepo.org VM environment gồm có: khởi động nhanh hơn chỉ tốn vài giây để khởi động một mạng các OpenFlow switch), tính mở rộng lớn hơn có thể chứa hàng trăm/ngàn node , cung cấp nhiều băng thông hơn Tổng 2Gbps với phần cứng bình thường , cài đặt dễ dàng (có sẵn bản VMware cho download Nhược điểm hiện tại của Mininet là chỉ hỗ trợ chạy trên 1 máy tính Linux nên hạn chế về mặt hiệu năng, tuy nhi n trong tương lai gần, nhược điểm này sẽ sớm được khắc phục

2.4 Công cụ phát lưu lượng D-ITG

D-ITG (Distributed Internet Traffic Generator) [25] là một bộ phát lưu lượng hỗ

trợ việc phát lưu lượng ở mức packet trong đó một luồng lưu lượng được đinh nghĩa thông qua:

- Thời gian giữa 2 lần phát (IDT): Thời gian giữa 2 lần truyền packet thành công

- Kích thước packet PS : lượng dữ liệu được truyền bởi packet

Một số đặc trưng cơ bản của D-ITG được trình bày trong bảng sau:

Bảng 2.1: Đặc trưng cơ bản của D-ITG

Hệ điều hành Chạy trên cả Window và Linux

Giao thức Hỗ trợ một số giao thức Internet: TCP, UDP,

ICMP, VoIP, Telnet, DNS Tạo luồng dữ liệu Cho ph p đồng thời tạo ra nhiều luồng dữ liệu Lưu trữ thông tin Cả bên gửi và nhận đều có thể lưu trữ thông tin

CHƯƠNG 3 : TRIỂN KHAI TRONG MÔI TRƯỜNG THỬ NGHIỆM

Trong chương này đề cập đến triển khai môi trường thử nghiệm trên các công

cụ mô phỏng Tác giả sẽ thực hiện tr n 2 môi trường thử nghiệm Một là môi trường thử nghiệm xây dựng đồ hình trên Mininet, khối phát lưu lượng từ D-ITG, khối tối ưu Optimizer và định tuyến (Routing), khối điều khiển công suất (Power control) trên NOX Hai là môi trường thử nghiệm xây dựng trên công cụ mà tác giả tự phát triển bằng ngôn ngữ java Sau đó tác giả đề cập đến các thuật toán tối ưu và mô hình đánh giá năng lượng tiết kiệm

3.1 Mô hình hệ thống

Hình 3.1: Sơ đồ khối mô hình Elastic Tree

Môi trường thử nghiệm Testbed được triển khai dựa trên mô hình tham khảo Elastic Tree [1], đây là một hệ thống đáp ứng linh hoạt năng lượng tiêu thụ bởi mạng trung tâm dữ liệu Hệ thống bao gồm có 3 khối chức năng chính: tối ưu, định tuyến và điều khiển công suất Chức năng chính của bộ tối ưu là tính toán ra được đồ hình mạng tối ưu, ti u thụ ít năng lượng mà vẫn đáp ứng được nhu cầu lưu lượng trong mạng Các

yêu cầu đầu vào của khối này gồm có đồ hình mạng, ma trận lưu lượng, mô hình công suất của switch, khả năng chống lỗi muốn đạt được Đầu ra là đồ hình tối ưu với các thành phần mạng cần phải hoạt động sẽ được đưa đến bộ định tuyến và điều khiển công suất Bộ điều khiển công suất sẽ thay đổi trạng thái tắt bật của các thiết bị mạng trong mạng trong khi bộ định tuyến tiến hành định tuyến cho các luồng theo đồ hình mới

Trong phạm vi của luận văn tác giả và nhóm nghiên cứu tiến hành xây dựng mô

hình môi trường thử nghiệm theo Elastic-Tree dựa trên kiến trúc Fat-Tree 3 tầng

Kiến trúc của Elastic Tree hoàn toàn tương tự với Tree nhưng là một đồ hình Tree có khả năng “co dãn” theo lưu lượng dao động trong mạng Bộ tối ưu sẽ được sử

Fat-dụng thuật toán nhận thức đồ hình Topology-aware Heuristic[1] để tính toán đồ hình

tối ưu, với các thông số đầu vào là đồ hình mạng (cụ thể là kiến trúc Fat-Tree), thông

số lưu lượng ra vào mỗi giao diện của switch và giá trị ngưỡng dùng để chống lỗi khi xảy ra sự thay đổi lưu lượng đột ngột Bộ điều khiển công suất thực hiện chức năng gửi bản tin tắt bật switch về mạng, và tiến hành điều khiển tắt bật thật khi triển khai trên thực tế Bộ định tuyến thực hiện bằng thuật toán định tuyến cân bằng tải phân cấp

Hierarchical Load-Balancing Routing Algorithm[26], thuật toán này tìm tất cả các

tuyến liên kết giữa nguồn và đích, ưu ti n định tuyến theo tuyến đang có tải ít nhất Ngoài ra hai bộ tối ưu và định tuyến hoàn toàn độc lập nhau, khi trong mạng có xảy ra

sự cố với bộ tối ưu không tính toán và gửi thông tin đồ hình sang bộ định tuyến thì toàn bộ các thiết bị mạng sẽ được chuyển sang trạng thái hoạt động để đảm bảo mạng hoạt động bình thường Khả năng tiết kiệm năng lượng sẽ được tính toán thông qua số switch, link tổng và số tắt bật được, ngoài ra còn đề suất th m phương pháp tính dựa trên link adaptive tức là mức năng lượng mà port ở switch tiêu thụ phụ thuộc vào tốc

độ của lưu lượng chảy qua link

3.2 Môi trường thử nghiệm 1: Mạng trung tâm dữ liệu xây dựng từ các công cụ giả lập mạng từ bên thứ ba

Hình 3.2: Mô hình xây dựng môi trường thử nghiệm

Mô hình được kiểm nghiệm thông qua các công cụ như công cụ giả lập mạng Mininet, OpenvSwitch hỗ trợ chuẩn OpenFlow, NOX dùng điều khiển các luồng

OpenFlow, D-ITG là công cụ phát lưu lượng như trong Hình 3.2 Cách xây dựng này

cho một kiến trúc tương đương với kiến trúc xây dựng bằng các phần cứng vật lý.Hoàn toàn có thể áp dụng lại các khối như tối ưu, định tuyến mà nhóm tác giả đã thực hiện

để kiểm tra trên kiến trúc vật lý cho kết quả tương đương với kiến trúc giả lập.Đã có rất nhiều nhà nghiên cứu và phát triển khuyến cáo sử dụng các công cụ ảo hóa trên vì

sẽ tiết kiệm được một chi phi khổng lồ đặc biệt là chi phí xây dựng một trung tâm dữ liệu thật cho thực nghiệm, các khối mô phỏng thực hiện trên các công cụ có thể chạy chính xác trên các thiết bị thật (chỉ phải chỉnh sửa một ít để phù hợp với các API của phần cứng) và các nhà nghiên cứu có thể chia sẽ cho nhau mô hình phát triển dễ dàng thông qua phần mềm

Đồ hình mạng: Kiến trúc mạng sử dụng là kiến trúc Fat-Tree 3 tầng với số

cổng ở mỗi switch là k=4 tương ứng với số server cần thiết là 16.Sử dụng công cụ Mininet cho phép xây dựng được một mạng giống như trong thực tế bao gồm tạo ra các switch,server, link liên kết giữa các thành phần mạng với nhau.Mininet cho phép tắt bật các link liên kết và có thể lập trình th m để tiến hành bật bắt các switch và server Đồ hình mạng được xây dựng tích hợp vào Mininet giống như một chức năng thêm vào công cụ mô phỏng này, ta có thể tạo được đồ hình Fat-Tree bất kỳ với giá trị

k chẵn tương ứng

Bộ tối ưu (Optimizer): Đây là thành phần quan trọng nhất quyết định tới khả

năng tiết kiệm được của toàn mạng, được xây dựng trên công cụ NOX, có khả năng thống k lưu lượng trong mạng thông qua bản tin openflow Khối này thống k lưu lượng trên các giao diện của mỗi switch, dựa vào thuật toán tối ưu Topology-aware Heuristicđã được tích hợp vào sẽ quyết định xem switch và link nào sẽ được gỡ bỏ ra khỏi đồ hình Sau đó gửi thông tin về đồ hình mới cho các bộ định tuyến và điều khiển công suất Bộ tối ưu được chạy liên tục và cập nhập đồ hình mới với chu kỳ cố định Ngoài ra còn xây dựng thêm giao diện quản lý mạng đi kèm để tiện theo dõi kiểm tra

sự hoạt động của các thiết bị mạng

Bộ định tuyến (Routing): được xây dựng như một bộ phận của NOX, bộ này

nhận được thông tin về đồ hình từ bộ tối ưu, tiến hành thực hiện định tuyến các luồng

tr n đồ hình mới này Hiện tại trong NOX đã hỗ trợ một số bộ định tuyến mặc định theo các thuật toán như Dynamic All Pairs Shortest Paths, Spanning Tree[27] Nhóm phát triển đã xây dựng thêm một bộ định tuyến tích hợp thêm vào NOX theo kiểu cân băng tải phân cấp (Hierarchical Load-Balancing Routing Algorithm) Thuật toán này

sẽ tính toán đường đi cho tất cả các gói tin của cùng một luồng đi từ một cặp nguồn/đích theo một đường duy nhất Đường đi tối ưu được chọn là đường đi có giá nhỏ nhất theo ti u chí đường có tải nhỏ nhất Với tiêu chí này, tải trong toàn mạng sẽ được phân phối đều trên tất cả các link của đồ hình sau khi đã tối ưu, việc này tránh sự dồn tải quá nặng lên một số link trong khi các link khác vẫn rảnh rỗi Phân phối tải cân

bằng lên tất cả các link sẽ tăng tính tin cậy cho mạng trung tâm dữ liệu Ngoài ra thuật toán định tuyến xây dựng còn được bổ sung mô hình định tuyến phân tầng để giảm lưu lượng không cần thiết đi trong mạng

Bộ điều khiển công suất (Power control): bộ này được đề xuất xây dựng trên

Mininet, khối này nhận thông tin về đồ hình từ bộ tối ưu, sau đó gửi bản tin tiến hành tắt bật switch và và các cổng của switch trên mạng Hiện tại công cụ mô phỏng mạng chưa cho ph p tắt bật các switch nên phải tiến hành tích hợp thêm các API vào Mininet để có thể tắt bật được các switch Nhưng tắt bật các switch trên công cụ mô phỏng hoàn toàn khác với trên thực tế rất nhiều, vì quá trình khởi động và tắt trên thực

tế đòi hỏi nhiều thời gian và nhiều tiến trình khác nhau trong khi công cụ mô phỏng chỉ cần thực hiện vài dòng lập trình Theo một số nghiên cứu cho thấy quá trình khởi động nhanh nhất khoảng 30s với Quanta switch [1], ngoài ra còn kèm theo việc khởi động các thiết bị phụ trợ khác Tác giả và nhóm nghiên cứu hi vọng rằng trong tương lai sẽ phát triển các switch có khả năng bật tắt nhanh và có thể hoạt động chính xác luôn ngay sau quá trình khởi động để phục vụ cho tiết kiệm năng lượng trong mạng trung tâm dữ liệu

Bộ phát lưu lượng: Khối phát lưu lượng được xây dựng với ý nghĩa để kiểm

nghiệm độ chính xác của thuật toán tối ưu Rất khó xây dựng hay tái tạo lại được chính xác lưu lượng thực tế trong mạng trung tâm dữ liệu vì điều này rất phức tạp Bộ phát lưu lượng sẽ được xây dựng theo một số kịch bản mô phỏng như tiến hành phát lưu lượng gần (Near) giữa các server thuộc cùng 1 edge switch, phát lưu lượng trung bình (Middle) giữa các server thuộc cùng 1 pod nhưng không cùng li n kết 1 edge switch

và phát lưu lượng xa (Far) giữa các cặp server ở hai pod khác nhau, ngoài ra còn đưa

ra quá trình phát toán mạng để kiểm tra định tính bộ tối ưu

Trên thực tế môi trường thử nghiệm trên có thể được xây dựng thông qua các

thiết bị vật lý, được mô tả như Hình 3.3 dưới đây:

Hình 3.3: Kiến trúc vật lý thực tế của môi trường thử nghiệm [1]

Các switch trong mạng được tạo nên từ hai switch box có 48 port tích hợp chuẩn OpenFlow (hiện tại các hãng phần cứng đã hỗ trợ một số switch như NEC IP8800, Quanta LB4G, HP Procurve 5406 và 5412 tích hợp chuẩn OpenFlow v0.89)

Các server là các máy tính có cắm card NetFPGA 4 cổng, bộ phát lưu lượng được tạo bằng các card này, có thể phát lưu lượng cỡ Gbps Ngoài ra có thể sử dụng card NetFPGA để cấu hình thành các OpenFlow switch thông qua các phần mềm hỗ trợ sẵn

Bộ điều khiển mạng (Controler) thực hiện bằng một máy tính Linux có tích hợp NOX đi kèm Bộ điều khiển này thực hiện chức năng của các bộ tối ưu, định tuyến, điều khiển công suất và một số chức năng phụ khác thông qua giao thức OpenFlow

Đồ hình mạng được tiến hành mô phỏng là kiến trúc Fat-Tree 3 tầng, được tạo bởi 20 switch 4 cổng, hỗ trợ kết nối tổng cộng 16 server Đồ hình được chia ra làm 4

pod, mỗi pod có chứa 4 switch trong đó có 2 aggregation switch và 2 edge switch Số

core switch là 4 Các liên kết được thể hiện như tr n Hình 3.4

Đồ hình được xây dựng bằng ngôn ngữ lập trình Python được tích hợp thẳng vào Mininet giống như một thành phần của công cụ mô phỏng này Ngoài ra tác giả còn viết thêm giao diện hiện thị ra cửa sổ thực hiện lệnh (Console cho các server để tiện thực hiện lệnh

Hình 3.4: Kiến trúc mạng trung tâm dữ liệu trong môi trường thử nghiệm

Khối tích hợp thêm vào Mininet mang tên Fat-Tree, khối này có thể tạo ra đồ hình Fat-Tree với giá trị k chẵn bất kỳ, hiện tại để giá trị mặc định là k=4 tương ứng với đồ hình triển khai thử nghiệm Khối Fat-Tree được xây dựng dựa tr n các thư viện

của Mininet trong đó có 2 Thư viện chính là Node và topo

Đồ hình mạng Fat-Tree với k=4 được xây dựng có các đặc điểm sau:

- Giá trị ID của server: chạy từ 1-16, tương đương IP chạy từ 10.0.0.1 đến 10.0.0.16

- Giá trị ID của các switch trong tất cả các POD chạy từ 21 đến 36, tăng từ trái - sang phải, tính vị trí agg switch trước rùi đến edge switch trong từng POD

- Giá trị ID core switch: chạy từ 17 đến 20 Kết nối được với bộ điều khiển NOX

3.3 Môi trường thử nghiệm 2 : Mạng trung tâm dữ liệu xây dựng từ công

cụ tác giả tự phát triển

Với môi trường giả lập một trung tâm dữ liệu đồ hình Fat-tree với hệ số K=4, K=6 và K=8 khi sử dụng công cụ giả lập của bên thứ ba, tác giả nhận thấy rằng kết quả thu được khá khả quan, năng lượng tiết kiệm được khá lớn và song song vẫn đảm bảo được chất lượng dịch vụ Để tổng quát hơn ta sẽ đo đạc với mô hình Fat-tree hệ số cao hơn Vấn đề gặp phải đó là hệ thống giả lập trung tâm dữ liệu phụ thuộc rất nhiều vào cấu hình máy tính dùng để giả lập Để đo đạc với một mô hình Fat-tree với hệ số đặc trưng K lớn thì đây là một điều khá khó khăn Do vậy tác giả đã nghĩ ra phương án tạo một modul tính toán để có thể đưa ra kết quả tương tự với mô hình giả lập trên

Lợi ích của việc phát triển modul tính toán này là:

- Không phụ thuộc vào bộ điều khiển hay môi trường giả lập

- Giải quyết vấn đề chỉ đo đạc được với mạng trung tâm dự liệu có quy mô nhỏ Có thể tính toán với quy mô lớn hơn nhiều so với thực hiện đo đạc trong môi trường giả lập

Bài toán đặt ra là cho biết đầu vào ta có thể cho kết quả đầu ra đó là số lượng switch cần thiết trong mạng, tên switch cần bật, phần trăm năng lượng tiết kiệm được của mạng với kịch bản phát lưu lượng tương ứng

Từ yêu cầu đó, tác giả đã thực hiện tạo ra ma trận lưu lượng dưới dạng ngẫu nhi n tương ứng với dạng near traffic, middle traffic, far traffic, mix traffic) Từ ma trận lưu lượng này, tác giả đã tính toán số lượng switch cần thiết và tính toán tên switch nào cần bật Cuối cùng từ thông tin số lượng switch mà tác giả đã tính toán năng lượng cần thiết sư dụng trong mạng và tính được phần trăm tiết kiệm của mạng

so với dạng đồ hình full-mesh của mô hình Fat-tree Từ phân tích này ta có thể thấy sự tương ứng giữa môi trường thử nghiệm thứ 2 với môi trường thử nghiệm thứ 1 như sau: