Cost-Aware Multi-Domain Virtual Data Center Embedding

Virtual data center is a new form of cloud computing concept applied to data center. As one of the most important challenges, virtual data center embedding problem has attracted much attention from researchers. In data centers, energy issue is very important for the reality that data center energy consumption has increased by dozens of times in the last decade. In this paper, we are concerned about the cost-aware multi-domain virtual data center embedding problem. In order to solve this problem, this paper first addresses the energy consumption model. The model includes the energy consumption model of the virtual machine node and the virtual switch node, to quantify the energy consumption in the virtual data center embedding process. Based on the energy consumption model above, this paper presents a heuristic algorithm for cost-aware multi-domain virtual data center embedding. The algorithm consists of two steps: inter-domain embedding and intra-domain embedding. Inter-domain virtual data center embedding refers to dividing virtual data center requests into several slices to select the appropriate single data center. Intra-domain virtual data center refers to embedding virtual data center requests in each data center. We first propose an inter-domain virtual data center embedding algorithm based on label propagation to select the appropriate single data center. We then propose a cost-aware virtual data center embedding algorithm to perform the intra-domain data center embedding. Extensive simulation results show that our proposed algorithm in this paper can effectively reduce the energy consumption while ensuring the success ratio of embedding.

Traffic-Aware VDC Embedding in Data Center： A Case Study of FatTree

Virtualization is a common technology for resource sharing in data center.To make efficient use of data center resources,the key challenge is to map customer demands(modeled as virtual data center,VDC) to the physical data center effectively.In this paper,we focus on this problem.Distinct with previous works,our study of VDC embedding problem is under the assumption that switch resource is the bottleneck of data center networks(DCNs).To this end,we not only propose relative cost to evaluate embedding strategy,decouple embedding problem into VM placement with marginal resource assignment and virtual link mapping with decided source-destination based on the property of fat-tree,but also design the traffic aware embedding algorithm(TAE) and first fit virtual link mapping(FFLM) to map virtual data center requests to a physical data center.Simulation results show that TAE+FFLM could increase acceptance rate and reduce network cost(about 49%in the case) at the same time.The traffic aware embedding algorithm reduces the load of core-link traffic and brings the optimization opportunity for data center network energy conservation.

Data Center Network Architecture

1 Introduction The history of data centers can be traced back to the 1960s. Early data centers were deployed on main- frames that were time-shared by users via remote terminals. The boom in data centers came duringthe internet era. Many companies started building large inter- net-connected facililies,

高等职业技术学院云机房设计及优势探讨

本文通过分析高等职业技术学院传统机房使用中存在维护工作量大、投资费用高、资源利用低等诸多问题,提出了利用云计算技术来解决传统机房不足之处。通过云机房方案设计,采用分布式存储系统,提出整体架构由基础框架、管理软件、桌面控制器、终端接入设备构成,并总结了云机房部署灵活、运维方便、随时教学、安全高效的优势,最后结合实际分析了云机房网络依赖性高、终端处理能力弱、专业性软件适应性差等问题。

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

基于人工智能的即插即用型配电站房物联边缘终端研制

配电网核心节点的配电站房位于供用电用户边界,近年来,随着光伏、储能、电动车等分布式资源的快速发展,配电站房数量增速提升,新的安全风险点不断出现,导致配电站房运维人员、设备、环境等安全问题多发,安全生产形势严峻,运维管理面临着极大的压力。针对上述问题,设计了基于人工智能的即插即用型软硬件平台,研制了配电站房物联边缘终端,实现配电站房状态全面感知,模型统一管理,数据高效共享,应用灵活部署。通过设备故障预警、视频图像分析和规则引擎等边缘计算功能,实现配电站房全景监控,提升精益化运维和智能化管控水平。

面向电量-调频-容量市场的数据中心园区算力及电力资源规划

数据中心广泛建设是智能时代的发展趋势。如何在保证数据中心服务质量的前提下,考虑数据中心负荷转移特性,并对其进行合理规划,对降低数据中心规划总成本及提升新型电力系统灵活性均有显著意义。为此,提出一种考虑多元电力市场引导下的数据中心园区算力及电力资源优化规划方法。首先,通过多面体定界收缩法建立虚拟发电机和虚拟储能模型,描述数据中心园区的聚合可调特性。然后,根据不同电力市场的结算规则,研究了数据中心园区参与电量-调频-容量市场的方式和经济收益。在此基础上,以综合成本最小化为目标,优化数据中心园区发电机、储能的建设容量以及服务器的建设数量。最后,以阿里巴巴公开运行数据为例,证明考虑多元电力市场能够大大降低数据中心规划成本,激励数据中心园区投资建设更多灵活性资源,为电网提供有效的调频服务和容量支撑。

基于Modbus协议的工控设备数据虚拟化系统

针对工业控制现场网络不同设备的多链路通信数据传输问题,本文提出了一种基于Modbus协议的工控设备数据虚拟化方案。通过虚拟数据中心以及物理链路虚拟化、内外网的数据映射这两层虚拟化,实现主控机对现场网络内不同链路设备数据的统一流转与传输。该方案解决了不同链路数据传输的介质差异带来的协议变体问题,同时解决Modbus协议对于多字节类型数据难以区分的问题。在不改变原有协议标准的基础上增强了Modbus协议的数据表述能力,使得不同类型的数据能够在总线上灵活传输;对总线外部的数据访问请求提供统一的接口,降低了现场网络设备部署与维护的成本。

超融合基础架构在图书馆数据中心的构建及应用

随着图书馆数据中心对设备、存储和管理等方面需求的提高,传统架构数据中心已不能满足需求。图书馆使用超融合架构管理图书馆数据中心代替传统架构,将存储、网络、计算等资源整合,从而在资源利用率、管理方式、安全性和扩展性等方面得到了显著的进步。通过对超融合管理平台的概述、超融合在图书馆的部署概述和应用,以及传统架构数据中心与超融合架构数据中心管理模式的优劣势对比,进行超融合平台的管理模式探究。

基于数字孪生的数据中心机房设备耗电可视化监控系统设计

为提升数据中心机房设备耗电监控效果及可视化监控系统的实时性,提出基于数字孪生的数据中心机房设备耗电可视化监控系统设计。首先,在数字孪生技术的基础上完成系统架构及功能的设计;其次,构建源数据矩阵,计算矩阵的欧氏距离,并通过K-means聚类算法实现设备耗电的聚类处理;最后,利用数字孪生技术将映射真实物理车间到虚拟车间,引入孪生实体概念表达机房部件,融合数据中心机房设备故障数据,构建网络神经模型训练样本数据,生成新的故障诊断模型,实现基于数字孪生的数据中心机房设备耗电可视化监控。结果表明,所提方法的数据中心机房设备耗电监控系统的可视化效果好、设备耗电监控结果好,可为数据管理提供可靠的技术支撑。

数据中心IT架构技术方案应用研究

现阶段,还没有完整的有关数据中心中承载信息化应用、数据处理、数据存储及算力等需求的IT硬件配置的设计标准或指引,本文结合相关案例,就数据中心IT架构技术方案应用展开研究,并重点介绍了IT建设中服务器及虚拟化相关内容,以供参考。

虚拟化技术在电厂数据中心服务器资源整合中的应用研究

在信息技术领域中虚拟化技术是一种资源管理技术,通过抽象硬件平台的过程,使资源被多个实体共享。这种技术能够显著提高服务器和其他资源的利用率,降低运营成本,同时增强系统的灵活性和可扩展性。本文从虚拟化技术的基本概念入手,深入探讨了其在数据中心,电厂数据中心服务器资源整合中的应用。再通过技术测试验证了虚拟化技术在提升资源利用率、降低运维成本、增强数据中心安全性和可靠性方面的实际效果,展示了虚拟化技术在电厂数据中心资源整合中的应用价值和未来发展潜力。

基于数据中心的虚拟机放置优化节能策略研究

近年来,随着5G、人工智能等新兴技术的发展,算力为千行百业的数字化转型注入强心剂。社会各行各业对算力需求的增长日益明显,运营商数据中心的服务器为保证高可用性,数据中心的高能耗俨然成为制约数据中心发展的一大阻碍,“节能增效”是数据中心的刚需。由于大量资源碎片造成的资源利用率低下和能源浪费问题。为了解决这个问题,提出了一种基于线性整数规划结合装箱的多目标优化算法。旨在通过优化虚拟机放置,进行虚拟机的二次调度,提高资源利用率,腾挪出更多的空闲主机,执行物理机下电等绿色节能操作,以达到“节能增效”目的。

A hardware-based algorithm for virtual machine provisioning in a private cloud

Cloud computing is becoming a key factor in the market day by day. Therefore, many companies are investing or going to invest in this sector for development of large data centers. These data centers not only consume more energy but also produce greenhouse gases. Because of large amount of power consumption, data center providers go for different types of power generator to increase the profit margin which indirectly affects the environment. Several studies are carried out to reduce the power consumption of a data center. One of the techniques to reduce power consumption is virtualization. After several studies, it is stated that hardware plays a very important role. As the load increases, the power consumption of the CPU is also increased. Therefore, by extending the study of virtualization to reduce the power consumption, a hardware-based algorithm for virtual machine provisioning in a private cloud can significantly improve the performance by considering hardware as one of the important factors.

Optimised Migrate Virtual Machine Rejuvenation

Server virtualization is an essential component in virtualized software infrastructure such as cloud computing. Virtual machines are generated through a software called virtual machine monitor (VMM) running on physical servers. The risks of software aging caused by aging-related bugs affect both VM and VMM. As a result, service reliability degrades may generate huge financial losses to companies. This paper presents an analytic model using stochastic reward nets for time-based rejuvenation techniques of VMM and VM. We propose to manipulate the VM behavior while the VMM rejuvenation is according to the load on the system. Using a previous Petri net model of virtualized server, we performed an algorithm in order to optimize rejuvenation technique and achieve high availability. So we perform Migrate-VM rejuvenation or Warm-VM rejuvenation while there are current jobs in the system. Although Migrate-VM rejuvenation is better than Warm-VM rejuvenation in steady state availability, it can’t be always performed as it depends on the capacity of the other host. When the queue is empty and the virtual machine has no current jobs to serve, we propose to combine both VMM rejuvenation and VM rejuvenation. We show that the proposed technique can enhance the availability of VMs.

基于SDN云网络架构的全感知虚拟机房系统

对大数据、云计算、全景漫游、智能机器人控制、全感知传感器技术进行研究,构建设计全感知虚拟机房。以SDN网云端网络架构为基本平台,利用现有的物理模型、传感器、数据库,构建虚拟数字空间,将温湿度、水位、电梯、门禁消防、工业视频和机器人自动化分析处理系统采集的信息进行智能处理组合与虚拟化构建。应用数据中心专家系统等终端软件,实现运行数据和环境数据的实时同步,实现数据中心远程全面巡查、排除设备隐患和故障。

数据中心的网络虚拟化技术研究

文中以数据中心的网络虚拟化技术为研究对象,探讨了在现代数据中心环境下如何优化网络资源利用、提高网络性能和灵活性的问题。首先,引入了软件定义网络(Software Defined Networking,SDN)的基本概念与架构,分析了SDN与网络虚拟化的关系。在此基础上,设计了一个综合性的网络虚拟化总体架构,以支持多租户的虚拟网络隔离和灵活配置。随后,详细介绍了虚拟局域网(Virtual Local Area Network,VLAN)技术在该总体架构中的实现方法。为验证VLAN技术在数据中心网络中的效果,文中设计了实验环境并进行了实验评估。结果表明,VLAN技术有效提高了数据中心网络的资源利用率,提升了网络的灵活性和性能,验证了其在数据中心网络中的实用性和优越性。

Efficient Multi-Tenant Virtual Machine Allocation in Cloud Data Centers

Virtual Machine（VM） allocation for multiple tenants is an important and challenging problem to provide efficient infrastructure services in cloud data centers. Tenants run applications on their allocated VMs, and the network distance between a tenant＇s VMs may considerably impact the tenant＇s Quality of Service（Qo S）. In this study, we define and formulate the multi-tenant VM allocation problem in cloud data centers, considering the VM requirements of different tenants, and introducing the allocation goal of minimizing the sum of the VMs＇ network diameters of all tenants. Then, we propose a Layered Progressive resource allocation algorithm for multi-tenant cloud data centers based on the Multiple Knapsack Problem（LP-MKP）. The LP-MKP algorithm uses a multi-stage layered progressive method for multi-tenant VM allocation and efficiently handles unprocessed tenants at each stage. This reduces resource fragmentation in cloud data centers, decreases the differences in the Qo S among tenants, and improves tenants＇ overall Qo S in cloud data centers. We perform experiments to evaluate the LP-MKP algorithm and demonstrate that it can provide significant gains over other allocation algorithms.

长短期记忆网络在虚拟电厂数据中心的应用

可再生能源发电具有间歇性、随机性和不可控性,为绿色能源的充分利用带来了挑战。虚拟电厂数据中心具有高能耗特性,因此成为可再生能源中间歇性(非调度性)电力的高效吸纳与调控手段。基于此,提出了一种通过时间嵌词编码的长短期记忆(long short-term memory,LSTM)网络对虚拟电厂“源荷”双侧状态进行预测的方法。该方法可实现15分钟级的“电力短缺”主动预警,为容器的暂停和备份创造充分的缓冲时间窗口,结合容器技术实现数据中心的动态能耗管理,从而提升了虚拟电厂数据中心应对电力供需失衡的鲁棒性。这对稳定电网运行、加速绿色清洁能源应用、构建能源生态的服务格局、加速电网数字化转型具有重要的意义。

下一代智能调度集中系统核心网络组网方案研究

从下一代智能调度集中系统核心网络组网的实际需求出发,研究核心网络技术特点,提出基于VxLAN协议的核心网络组网方案。物理拓扑上,采用Spine-Leaf结构建立低时延、高可靠、无阻塞的线性转发网络,实现数据的高效转发;逻辑架构上,利用虚拟化技术复用数通、网络安全等基础设备,实现多业务系统融合组网。通过实验室测试,验证了该组网方案能够与既有核心网络良好兼容,满足24 h不间断运营场景下调度集中系统核心网络渐进式倒切或者一次性倒切需求。同时,采用VxLAN架构消除了二层网络风暴问题,通过横向虚拟化和双路由反射器机制提升了核心网的可用性和灵活性,降低了现场施工难度及建设、运营成本。