Os segredos de Wall Street podem tornar a computação em nuvem mais eficiente

• O novo modelo matemático avalia a probabilidade de falha de links entre data centers globalmente.
• Ele se inspira na teoria do risco financeiro.
• Pode ajudar os provedores de serviços em nuvem a utilizar melhor seus recursos de datacenter e economizar milhões de dólares.

Para acompanhar a demanda cada vez maior por armazenamento em nuvem e computação em nuvem, as empresas gastam milhões de dólares aumentando a capacidade de seus backbones de WAN.

Um dos principais desafios é manter um bom equilíbrio entre a disponibilidade e a utilização da rede. Um canal altamente utilizado pode não ser capaz de lidar com o aumento repentino do tráfego, resultando em falha do nó / link.

Para resolver esse problema, uma equipe de pesquisa do MIT, da Microsoft e da Universidade Hebraica desenvolveu um novo modelo matemático que se inspira na teoria do risco financeiro, que ajuda os investidores do mercado de ações a maximizar seu retorno enquanto minimiza as perdas financeiras nas flutuações do mercado.

O novo modelo é denominado TeaVar (abreviatura de Engenharia de Tráfego Aplicando Valor em Risco). Ele avalia a probabilidade de falha de links entre data centers globalmente. O processo de avaliação é semelhante à previsão da volatilidade das ações.

O modelo então aloca de maneira ideal o tráfego (por meio de links diferentes) para maximizar o uso geral da rede, enquanto minimiza a perda. Isso é totalmente oposto à abordagem tradicional que mantém os links ociosos para lidar com picos repentinos de tráfego, desperdiçando muita energia e recursos.

Os pesquisadores afirmam que seu modelo pode ajudar os provedores de serviços em nuvem a utilizar melhor seus recursos de datacenter e economizar milhões de dólares.

Como ‘TeaVar’ funciona?

As principais empresas que fornecem serviços em nuvem usam ferramentas de "engenharia de tráfego" (TE) para alocar de maneira ideal a largura de banda de dados em todos os caminhos. Para garantir a máxima disponibilidade, essas empresas mantêm diversos links em baixa utilização. Muitos links de rede não operam com alta utilização:eles não enviam tanto tráfego quanto poderiam enviar.

Portanto, há uma compensação entre a utilização da rede e a disponibilidade da rede. É aqui que as técnicas convencionais de TE falham.

Referência:MIT | GitHub

Em qualquer rede, os pedaços de largura de banda de dados são semelhantes ao "dinheiro" investido no mercado, e os instrumentos com diferentes probabilidades de falha são semelhantes aos "estoques" e seus valores incertos. Usando este conceito, a equipe de pesquisa desenvolveu uma metodologia "ciente de risco" que garante que os dados chegarão ao seu destino com perda mínima de tráfego durante as piores condições de falha.



Sua abordagem permite que as empresas encontrem o equilíbrio entre utilização e disponibilidade que melhor atenda a seus objetivos. TeaVar aborda desafios algorítmicos relacionados à tratabilidade da minimização de risco, bem como desafios operacionais.

Aplicação do TeaVar a dados do mundo real

Eles testaram esse modelo com ferramentas convencionais de TE em tráfego simulado transferido por meio de redes ATT, IBM e Google. Eles também produziram várias condições de falha com base na probabilidade de sua ocorrência.

Leia:A Microsoft construiu um armazenamento de dados de DNA totalmente automatizado

Por fim, eles aplicaram o TeaVar a dados do mundo real e descobriram que ele pode suportar até duas vezes mais tráfego do que os métodos convencionais de TE no mesmo nível de disponibilidade. O modelo foi capaz de manter links confiáveis ​​operando com capacidade quase total, ao mesmo tempo em que desvia os dados de caminhos mais arriscados.