Què significa DCI
Sep 15, 2025| Al panorama digital contemporani, els centres de dades s’han convertit en l’eix vertebrador de la infraestructura de computació en núvol, processant volums massius de dades alhora que consumeixen quantitats substancials d’energia.
La pregunta "què significa DCI" sorgeix freqüentment en discussions sobre arquitectures modernes del centre de dades, on DCI és la interconnexió del centre de dades, la tecnologia que connecta diversos centres de dades per habilitar l'intercanvi de recursos i la distribució de la càrrega de treball.
Energy - La programació eficient ha sorgit com un repte crític, requerint enfocaments sofisticats per equilibrar els requisits de rendiment amb l’optimització del consum d’energia. La metodologia de planificació de la xarxa de centres de dades (Dens) representa un avenç significatiu en afrontar aquests reptes mitjançant modelat jeràrquic i estratègies d’assignació de recursos intel·ligents.
Conceptes clau en les xarxes de centres de dades
Interconnexió del centre de dades (DCI)
Tecnologia que connecta diversos centres de dades per permetre l’intercanvi de recursos, la distribució de la càrrega de treball i la recuperació de desastres a les instal·lacions disperses geogràfiques.
Congestió de xarxa
Es produeix quan el trànsit de xarxa supera la capacitat, sovint causada per limitacions del buffer en la infraestructura Ethernet i els desajustos de l'ample de banda entre els enllaços.
Metodologia Dens
Un enfocament jeràrquic de la programació del centre de dades que optimitza l'eficiència energètica mantenint el rendiment mitjançant l'assignació de recursos intel·ligents.
Congestió de xarxa en entorns del centre de dades
El repte de la infraestructura basada en Ethernet -
Els centres de dades moderns adopten la filosofia d’utilitzar Ethernet Media per portar diversos tipus de trànsit, incloses les comunicacions LAN, SAN i IPC. Si bé Ethernet Technology ofereix maduresa, facilitat de desplegament i gestió relativament senzilla, presenta reptes importants en termes de limitacions de rendiment del maquinari, especialment en la capacitat de buffer.
Les mides típiques del buffer Ethernet funcionen al nivell de magnitud de 100 kb, mentre que els encaminadors d'Internet solen tenir mides tampons de magnitud de 100 Mb. Aquesta diferència substancial de 1000x en capacitat de buffer, combinada amb els patrons de trànsit d’amplada de banda alts -, constitueix la causa principal de la congestió de la xarxa en els entorns del centre de dades.
Comparació de la capacitat del buffer
Ethernet canvia 100 kb
Els encaminadors d'Internet 100 MB
La diferència 1000X de la capacitat del buffer crea reptes significatius per manejar patrons de trànsit de l'amplada de banda alts - en centres de dades.
Manifestació de congestió als interruptors del centre de dades
La manifestació de la congestió als interruptors del centre de dades es pot produir en diverses direccions. En la direcció Downlink, la congestió sorgeix quan la capacitat agregada dels enllaços d'entrada supera la capacitat dels enllaços de sortida. Per a les indicacions de l'elevació, l'amplada de banda es determina principalment per la relació de convergència de l'amplada de banda, amb la congestió que es produeix quan l'amplada de banda agregada de tots els ports del servidor supera la capacitat d'endevinació total del commutador.
Aquests punts de congestió, sovint coneguts com a punts hots, poden afectar greument la capacitat de la xarxa del centre de dades de transmetre dades de manera eficient, reduint el rendiment fins a un 70% en casos extrems.
Congestió de enllaç descendent
Es produeix quan el trànsit entrant total supera la capacitat sortint d’un port de commutació, creant colls d’ampolla en el flux de dades de nivells de xarxa superior a baix.
Congestió enllaç
Es produeix quan el trànsit del servidor agregat supera la capacitat enllaç, normalment determinada per la relació de convergència de l'amplada de banda del disseny de la xarxa.
IEEE 802.1Qau Normes i Gestió de la Congestió
Com funciona el 802.1qau
Els interruptors sobrecarregats detecten congestió i generen senyals de notificació
Els senyals de congestió es propaguen de nou als dispositius d’enviament
Els remitents acceleren les seves taxes de transmissió per reduir la congestió
La utilització de la xarxa es manté a nivells elevats (fins a un 95%)
La pèrdua de paquets es minimitza mitjançant el control de la tarifa proactiva
El grup de tasques de pont de dades de dades (IEEE 802.1) ha desenvolupat solucions de control de congestió de capa 2, concretament a la especificació IEEE 802.1qau. Aquest estàndard introdueix bucles de retroalimentació per a la notificació de congestió entre els commutadors del centre de dades, permetent que els commutadors sobrecarregats utilitzin senyals de notificació de congestió per accelerar els remitents de càrrega High -.
Si bé aquesta tècnica impedeix efectivament la pèrdua de paquets a causa de la congestió i manté elevades taxes d’ús de la xarxa de fins a un 95%, no resol fonamentalment el problema subjacent.
"Un enfocament més eficient consisteix en el desplegament estratègic de dades - intenses per evitar compartir rutes de comunicació comunes. Per exemple, per aprofitar completament les característiques d'aïllament espacial de tres - de nivell de nivell, les dades - Les tasques intensives han de ser distribuïdes de manera proporcionada entre els servidors segons els seus requisits de comunicació".
Aquestes dades - tasques intensives, similars a les aplicacions de compartició de vídeo -, generen fluxos de bits constant als usuaris finals mentre es comunica simultàniament amb altres treballs que s’executen dins del centre de dades. Tanmateix, aquest mètode de desplegament distribuït proporcionalment contradiu l’energia - objectius eficients de programació, que tenen l’objectiu d’utilitzar conjunts de servidors mínims i conjunts de recursos de comunicació per gestionar totes les càrregues de treball.
El marc de metodologia dens
Enfocament de modelatge jeràrquic
La metodologia Dens representa un canvi de paradigma dels enfocaments tradicionals que modelen els centres de dades com a grups homogenis de recursos informàtics del servidor. En canvi, Dens proposa un model jeràrquic coherent amb les topologies del centre de dades principals.
Per a tres centres de dades de nivell -, la mètrica M es defineix com una combinació ponderada del servidor - funció de nivell f_s, rack - funció de nivell f_r i mòdul - funció de nivell f_m:
M = × f_s + × f_r + × f_m
On, i representen els coeficients de ponderació que determinen com influeixen en les mètriques d’avaluació com els components corresponents (servidors, bastidors, mòduls).
Coeficients de ponderació
(Servidor - pes) Normalment 0.7
Afavoreix la selecció dels servidors de càrrega High -
(Rack - pes) Normalment 0.2
Prioritza els bastidors de computació amb càrregues de xarxa baixes
(Mòdul - pes) Normalment 0.1
Afavoreix la selecció de mòduls lleugerament carregats, crucial per a la consolidació de tasques
Potencial de càrrega i comunicació del servidor
La combinació de la càrrega del servidor L_S (L) i el seu potencial de comunicació Q_S (Q) forma la base principal per a la selecció del servidor. Aquesta relació s'expressa mitjançant:
f_s(l,q) = L_s(l) × (Q_s(q)^φ)/δ_t
L_s(l)
Depèn de la càrrega del servidor, calculada mitjançant una funció sigmoide especialitzada
Q_s(q)
Defineix la càrrega en els enllaços de rack analitzant les condicions de congestió a la cua de sortida de commutador Q
δ_t
Amplada de banda sobre - Factor de subministrament a la part superior - de - rack (tor)
φ
Coeficient que defineix la relació entre l_s (l) i q_s (q) a la mètrica
Definició i optimització del factor de càrrega
El factor de càrrega dens es defineix com la suma de dues funcions sigmoides per solucionar el repte que els servidors inactius consumeixen aproximadament el 67% del seu consum energètic màxim:
L_s(l) = 1/(1 + e^(-10(l - 0.5))) - 1/(1 + e^(-2(l - (1 - ε/2))))
El primer component defineix la forma sigmoide primària, mentre que el segon serveix com a funció de penalització dissenyada per convergir els valors de càrrega màxima del servidor. El paràmetre ε defineix el rang i la pendent de la porció en declivi de la corba.
Corba d’optimització de càrrega del servidor
Aquest enfocament sofisticat garanteix que els servidors funcionin dins de rangs de càrrega òptims, normalment entre el 70% i el 85% d’utilització, equilibrant l’eficiència energètica amb preocupacions de fiabilitat del maquinari.
Gestió de cues i mètriques de congestió
Anàlisi d'ocupació de la cua
Tots els servidors dins d’un bastidor comparteixen un commutador TOR per a la comunicació enllaç. A les taxes de gigabit, determinar la proporció exacta de la comunicació enllaç ocupada per servidors o fluxos individuals es fa intensament computacionalment. Per solucionar aquest repte, la metodologia Dens incorpora un component relacionat amb l’ocupació Q (Q) de la cua de commutació, que varia amb l’ample de banda sobre - factor de subministrament Δ.
La velocitat d’ocupació Q és independent de la mida de la cua absoluta, però varia amb la mida total de la cua Q_Max, que va des de [0,1], on 0 i 1 corresponen a estats de cua buits i complets respectivament. Introduint el component d’ocupació de la cua, la mètrica Dens pot respondre als canvis de congestió dins dels bastidors o mòduls en lloc de les variacions de la velocitat de transmissió.
Implementació de distribució de Weibull
Q (q)=e^(- (3q/q_max)^2)
Ocupació de cues i rendiment
Mètriques de rendiment i resultats d’optimització
Bell - Funció de selecció en forma
La funció f_s (l, q) crea una campana - en forma de superfície en relació amb la càrrega del servidor L i la càrrega de cua q. Aquesta funció selecciona preferentment els servidors per sobre dels nivells de càrrega mitjans situats en bastidors amb una congestió mínima o cap. Els estudis empírics demostren que aquest enfocament pot aconseguir un estalvi energètic de 25 - 35% en comparació amb la programació tradicional de la ronda ronda mantenint el rendiment dins del 5% dels nivells òptims.
Estalvi energètic
25-35%
En comparació amb els algorismes de planificació de Robin Round {{0}
Realització
95%+
Manté el rendiment dins del 5% dels nivells òptims
Utilització
70-85%
Eficiència i fiabilitat d’equilibri d’equilibri i fiabilitat d’equilibri d’equilibri
Anàlisi de l'impacte jeràrquic
Els factors d’impacte dels bastidors i mòduls s’expressen com:
Rack - factor de nivell
Mòdul - factor de nivell
Consideracions pràctiques d’implementació
Comerç d'eficiència energètica - Offs
Quan s’examina què significa DCI per a l’energia - programació eficient, queda clar que les implementacions de DCI han d’equilibrar detingudament l’optimització local dins dels centres de dades individuals contra l’optimització global entre les instal·lacions interconnectades.
La metodologia Dens demostra que l’energia - Els programadors eficients han de consolidar els treballs del centre de dades dins del conjunt de servidors més petit possible, aconseguint relacions de consolidació de 3: 1 o superiors en escenaris típics.
No obstant això, el funcionament continu a les càrregues màximes pot reduir la fiabilitat del maquinari en un 15-20% i els temps de finalització del treball d’impacte fins a un 30%.
Comerç de claus - Offs
La consolidació més elevada redueix el consum d’energia
L’equilibri de càrrega òptim millora l’eficiència de la xarxa
Sobre - La consolidació augmenta el risc de fracàs (reducció de fiabilitat del 15-20%)
Les càrregues màximes poden afectar els temps de finalització del treball fins a un 30%
MULTI - Balança de càrrega de la ruta
El mòdul - factor de nivell f_m inclou només un component relacionat amb Load -, ja que tots els mòduls es connecten als mateixos commutadors de nucli i obtenen l'amplada de banda idèntica a través d'ECMP (Igual - Cost multi {{4} ruta de ruta). Aquest disseny garanteix que la distribució del trànsit es mantingui equilibrada entre els camins disponibles, amb millores mesurades en el rendiment de 40 - 50% en comparació amb els enfocaments d'encaminament d'un sol camí.
Beneficis d'encaminament ECMP
Distribueix el trànsit per diverses rutes de cost iguals -
Millora el rendiment per 40 - 50% vs. encaminament d'una sola via
Millora la tolerància a les falles a través de la redundància del camí
Funciona perfectament amb un model jeràrquic dens
Estratègies d’optimització avançades
Ajust de pes dinàmic
Investigacions recents han explorat l’ajust dinàmic dels coeficients de ponderació, i basats en les característiques reals -.
Compute - Càrregues de treball intensives =0.8, + =0.2
Comunicació - intensiu =0.4, =0.3, =0.3
Serveis de personalització del producte
"La integració de fonts d'energia renovables amb algorismes de planificació basats en Dens - ha demostrat un potencial notable per reduir les petjades de carboni en centres de dades a escala hiperescalades."
Fins a un 45% de reducció del consum d’energia de la xarxa
Font: Zhang et al. (2024), transaccions IEEE en informàtica sostenible
Servei de mostra gratuït
La incorporació d’algoritmes d’aprenentatge automàtic per predir els patrons de trànsit i optimitzar els paràmetres densos ha demostrat resultats prometedors.
Precisió del 85% en la predicció de la congestió
Horitzó de predicció de 5 minuts
10-15% estalvi energètic addicional
Validació i resultats experimentals
Entorn de simulació
Les simulacions àmplies que utilitzen simuladors d’esdeveniments discrets han validat la metodologia Dens a diverses configuracions del centre de dades. Els escenaris de prova van incloure centres de dades que van des de 1.000 a 100.000 servidors, amb diferents patrons de trànsit, inclosos els serveis web (80% de lectura, 20% d’escriptura), processament per lots (lectura/escriptura equilibrada) i aplicacions de streaming (95% d’escriptura, 5% de lectura).
Escala del servidor
De 1.000 a 100.000 servidors
Patrons de trànsit
Serveis web, processament per lots, streaming
Tipus de simulació
Simuladors d’esdeveniments discrets
Mètriques de rendiment
Indicadors de rendiment clau
Comparació de rendiment
