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 traffie aware embedding algorithm reduces the load of core-link traffic and brings the optimization opportunity for data center network energy conservation.

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.

Multi-Dimensional Aware Scheduling for Co-optimizing Utilization in Data Center

Resource Scheduling is crucial to data centers. However, most previous works focus only on one-dimensional resource models which ignoring the fact that multiple resources simultaneously utilized, including CPU, memory and network bandwidth. As cloud computing allows uncoordinated and heterogeneous users to share a data center, competition for multiple resources has become increasingly severe. Motivated by the differences on integrated utilization obtained from different packing schemes, in this paper we take the scheduling problem as a multi-dimensional combinatorial optimization problem with constraint satisfaction. With NP hardness, we present Multiple attribute decision based Integrated Resource Scheduling (MIRS), and a novel heuristic algorithm to gain the approximate optimal solution. Refers to simulation results, in face of various workload sets, our algorithm has significant superiorities in terms of efficiency and performance compared with previous methods.

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,

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。

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。

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。

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。

耦合异构性的科学数据中心数据总量指标评价分析

【目的】数据总量指标是衡量科学数据中心资源整合与服务能力的重要指标,然而由于科学数据中心具有不同的学科、级别、隶属系统、建设时长等背景,直接通过比较数据中心间的数据总量大小来判别数据中心的数据资源整合能力明显有失公允。【方法】本研究基于科学数据中心统计的数据资源总量数据,借助“中国科技资源共享网”“中国科学院科学数据中心”等公共服务平台收集了相关科学数据中心的异构性因素数据,利用虚拟变量、相关性分析等方法实现了异构性因素的量化及其对数据总量的影响分析,采用假设检验、最小二乘虚拟变量法等统计方法构建了耦合科学数据中心异构性的数据总量面板数据模型。【结果】消除了数据总量指标由于科学数据中心异构性造成的差异,实现了多种类型科学数据中心间数据总量的横向差异化比较研究。【结论】本研究首次提出了针对科学数据中心数据资源总量的异构性平差方法,对于开展科学数据中心的系统性和科学性评价具有重要借鉴。

基于ICN的数据中心虚拟机动态迁移方法

为了解决传统数据中心网络在支持虚拟机(Virtual Machine,VM)快速动态迁移过程中不能完全避免服务中断的问题,提出了一种基于信息中心网络技术(Information Centric Networking,ICN)的VM动态迁移方法——ICVM。ICVM基于ICN中标识与地址分离的思想,将VM从地址上解耦,路由请求基于VM标识,因此,当VM被迁移到不同的物理机时,其IP、MAC地址可保持不变,服务不会中断。实验结果表明,相较于目前数据中心网络广泛采用的EVPN-VXLAN技术,ICVM不仅支持VM的无缝动态迁移,而且所产生的控制开销数量平均减少了约98%,网络中交换机转发表大小平均减少了约97%,具备很强的扩展性。

虚拟空间电子口碑对实体商业中心服务范围竞争实效的影响——以上海主城区为例

在移动互联网蓬勃发展的时代背景下,移动端应用软件显著推动了零售商业虚拟空间的迅猛扩展。本研究从消费行为需求端出发,使用互联网位置服务数据测度实体商业中心服务范围,探究实体商业中心的竞争实效及其影响因素。研究选取了上海主城区内29个实体商业中心为研究对象,以电子口碑表征虚拟空间的属性,以建成环境表征实体空间的属性,以竞争实效表示实体商业中心服务范围竞争的实际效用。探究电子口碑和建成环境对其的影响。研究发现,实体商业中心的竞争实效不仅受到实体空间的影响,也受到虚拟空间的影响。在建成环境的影响因素中,业态混合度和停车场数量仍起到重要的作用。在电子口碑的影响因素中,优质口碑数量能够显著提升商业中心的竞争实效。时空大数据用于探索虚拟空间属性与实体空间属性相互影响,为适应当前虚实共存的城市商业空间,提升规划决策的科学性和有效性提供了支持。

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。

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。

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。

基于时空协同的多数据中心虚拟电厂低碳经济调度策略

数据中心因其负荷具有时空双尺度可调特性,可被视为庞大且极具潜力的新型需求响应资源,是虚拟电厂的行业案例。然而,在以往数据中心经济调度的研究中,环境效益和租户的计算体验未得到充分考虑,需求响应后的执行效果评估多被忽略。对此,提出基于时空协同的多数据中心低碳经济调度策略。首先,对数据中心工作负载的时空可调特性进行精细化建模,明晰需求响应和可再生能源消纳的具体实现路径。其次,量化租户对需求响应的满意度以保证用户侧服务体验,并在目标函数中引入碳交易成本以引导源侧减碳。最后,在中国广东电力市场日前邀约需求响应模式下,使用典型数据中心数据进行算例分析。仿真结果表明,所提方案能够有效激发数据中心灵活资源的时空调节潜力,在实现整体经济性提升的同时兼顾环境效益和租户满意度。

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。

云数据中心能耗感知的虚拟机优化放置方法

随着云数据中心规模的不断扩大,能耗快速增长、资源利用率低的问题日益突出,导致云数据中心运行成本的增加和资源的浪费。针对该问题,提出一种基于改进多目标粒子群优化的能耗和资源感知的虚拟机放置(IMPSO-ERVMP)方法。首先,以最小化能耗、剩余资源均衡度和服务等级协议(SLA)违背率为优化目标,构建多目标虚拟机放置优化模型;其次,利用Tent映射对多目标粒子群优化(PSO)算法的种群进行初始化以提高初始解的质量,并利用余弦变换动态调整飞行参数以平衡算法的探索和开发能力,同时在位置更新中引入柯西变异机制对最优粒子的位置向量进行扰动;最后,利用改进的多目标PSO算法求解模型的Pareto最优解,得到最佳虚拟机放置序列。仿真结果表明,IMPSO-ERVMP方法与所参考的虚拟机放置方法相比,在能耗、资源利用率以及服务质量评价指标上表现良好。

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。

虚拟设计施工与可视化远程协作

在当前虚拟技术、交互技术等发展的影响下,如何为参与方众多、工种庞杂、管理困难的工程建设创建一个智能的、强大的虚拟数字空间,可容纳各成员即时交流,对工程行业的未来发展具有重要意义。通过在若干改造、新建项目中的践行,探讨了虚拟设计施工VDC方法、可视化远程协作,以及二者相结合在实际项目中的应用。

软件定义数据中心内一种基于拓扑感知的VDC映射算法

在云计算中,服务提供商(service provider,SP)可以向基础设施提供商(infrastructure provider,InP)按需租赁资源并部署服务.SP只需专注于自己的服务即可,无需考虑设备成本与维护代价.然而传统InP仅以虚拟机的方式提供资源,并不保证网络性能与带宽隔离.随着网络虚拟化技术的发展,尤其是软件定义网络(software defined networking,SDN)概念的提出,一些研究人员建议InP以虚拟数据中心(virtual data center,VDC)的方式为SP提供资源,以解决传统数据中心的上述问题.尽管以VDC的方式分配资源具有诸多的优势,也带来了一项新的挑战,如何满足SP的多样化需求,以最小的代价、最大的收益为VDC分配资源,这是一个NP-hard问题.为解决VDC映射问题,提出了一种基于拓扑势和模块度的启发式映射算法,折衷租户的可靠性需求与映射代价,并提高InP收益.最后,基于收益代价比门限经验值,提出一种动态监控策略,选择高收益代价比的VDC请求,进一步最大化InP的利润.大量的仿真实验证明该算法可以以最小的代价接受更多的请求,同时提高InP收益.