1、基于多商品流模型的云计算网络节能路由算法 黄诚 徐周波 桂林电子科技大学广西可信软件重点实验室 摘 要： 为了降低云计算网络的能耗, 在满足其性能约束条件下, 最大限度地休眠网络中的设备和链路, 根据多商品流模型建立了一个满足其性能约束下的功耗模型, 提出了一种基于影响因子的启发算法 (HABI) , 并对模型进行求解。通过仿真实验将该算法与 ESTA 算法进行比较, 实验结果表明, 该算法具有较好的节能效果, 达到了优化能耗的目的。关键词： 云计算网络; 链路休眠; 多商品流; 能耗优化; 作者简介：徐周波 (1976-) , 女, 浙江奉化人, 副教授, 博士, 研究方向为符号计算、智能规
2、划、约束求解。E-mail:xzbl_收稿日期：2017-04-25基金：广西自然科学基金 (2014GXNSFAA118354) Energy efficient routing algorithm for cloud computing network based on CMCF modelHUANG Cheng XU Zhoubo Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology; Abstract： In order to reduce the energy co
3、nsumption of the cloud computing network, the equipment and the link in the network are optimized to satisfy the performance constraints.A power consumption model based on the capacitated multicommodity minimum-cost flow is established.Then a heuristic algorithm is proposed to solve the model.The al
4、gorithm is compared with the ESTA algorithm through simulation experiments.The results show that the proposed algorithm has a good energy-saving effect, so as to achieve the purpose of optimizing energy consumption.Keyword： cloud computing network; link sleep; multi commodity flow; energy consumptio
5、n optimization; Received： 2017-04-25随着云计算的蓬勃发展, 给企业带来了巨大的利益, 国际数据公司的报告显示, 2014 年云计算领域的支出达到了 1000 亿美元1。但随着云计算中用户、服务商和数据中心的不断增多, 导致了网络流量和对应基础设施 (如额外增加的服务器和交换机) 消耗的能量显著增加。国际能源机构的数据显示, 全球信息和通信技术行业的电力消耗占全球能源消耗的 8%, 且呈现增长趋势2。此外全世界数据中心的耗电量占全球总耗电量的 1.1%1.5%3。能耗在持续增长的同时, 也导致了碳排放量不断增加。我国承诺到 2020 年 CO2排放量比 200
6、5 年下降 40%50%4。然而, 当前网络设计中存在超额资源供给和冗余设计 2 个固有的与节能减排目标相反的原则, 导致了能源的巨大浪费。因此, 云计算网络的能源消耗问题已成为当前网络界的一个热点问题。目前, 降低网络能耗的技术主要有:1) 基于网络硬件设备的节能技术, 如设备休眠技术、动态适配技术、新型硬件技术;2) 基于流量感知方案的节能技术, 主要包括自适应速率适配技术、流量技术以及分布式路由;3) 基于拓扑感知方案的节能技术, 主要是根据网络的路由协议, 通过最优化模型结合休眠策略达到节能目的。基于网络硬件设备的节能技术:从现有的设备体系出发, 利用新技术或新思想对其进行改进或优化,
7、 降低设备的能耗。该类技术根据实现方式和复杂度分为设备休眠技术5-6、动态适配技术7-8、新型硬件技术9-10。前 2 类技术主要是针对网络设备的轻量级改进和优化, 使其支持“休眠”模式, 且能够根据负载动态调节功率来降低设备能耗;后一类技术则是对网络设备体系结构进行重新设计, 以达到提高能量利用率的目的。基于流量感知方案的节能技术:其主要思想是根据网络流量的实时变化, 同时在满足一定网络约束的前提下动态路由, 使网络中的能耗最小。文献11针对现有的网络链路状态路由协议提出了降低能耗的流量感知方案, 利用 OSPF 协议中的报文信息监测网络状态, 再以网络性能为约束条件, 用最优化方法计算流量
8、的能耗最少的路径。文献12-13提出了关于流量聚集和转移的降低网络能耗的方法, 通过监测网络状态, 聚集和转移空闲链路的流量, 然后休眠空闲链路, 以达到节能目标。该类算法能够实时监测整个网络的动态, 实现起来较为复杂, 随着网络规模的增大, 算法的复杂度剧增, 导致延迟增大, 难以满足用户对延迟和 QoS 的要求。基于拓扑感知方案的节能技术:其主要思想是针对网络中使用的路由协议, 加入能量因素进行修改, 通过其拓扑信息计算能耗最小的路径, 无需考虑流量信息。文献14通过网络拓扑计算每条链路的中间性, 同时根据其大小进行排序, 通过设定的阈值参数来确定休眠链路的集合, 并通过将其休眠来降低网络
9、能耗。相对于流量感知方案的节能算法, 该类算法因其无需考虑负载流量的变化, 算法的准确性相对较低, 但其实现较为简单, 适用于大规模网络。鉴于此, 针对云计算环境下的网络特性, 结合流量感知与拓扑感知方案, 基于多商品流 (capacitated multi-commodity minimum-cost flow, 简称 CMCF) 模型建立网络的能耗优化模型, 通过中间性计算元素的影响因子14, 根据影响因子的大小休眠网络中的元素, 从而达到降低网络能耗的目的。1 网络能耗优化模型根据文献15可知, 网络中元素的能耗均受其最大负载的影响, 且绝大多数均为 724 小时全功率工作。基于此, 若
10、网络元素的能耗与流量无关, 则网络设备运行时, 其能耗是一个非零常量;反之, 其能耗为零。连接不同用户和数据中心的云计算网络模型如图 1 所示。网络拓扑用有向图 G (V, E) 表示。其中:V 为网络路由器集合, F=|V|为路由器的数目;E 为网络中双向链路的集合, H=|E|为链路的基数。V i=eijE;i, jV为节点 iV 的集合;f 为从源节点 s 到目的节点 d 的负载流量;f ij为通过链路 (i, j) 的数据流量;c ij为链路 (i, j) 上的链路容量。通常, 网络的能耗由其所有元素的能耗决定, 包括设备以及设备之间用于传递数据报文的链路, 为简单起见, 未考虑用于设
11、备散热等情况的能耗。网络的总能耗为:图 1 连接不同用户和数据中心的云计算网络模型 Fig.1 Cloud computing network model connecting different data centers and access users 下载原图其中:N i为网络节点 i 的能耗;K ij为网络链路 (i, j) 的能耗;x i0, 1, iV 表示节点是否存在;y ij0, 1, i, jV 表示链路是否存在。同样地, 通过链路 (i, j) 上的总流量可表示为:由式 (1) 、 (2) 可知, 网络的能耗优化模型为:在优化模型中, 式 (3) 为图论中的流守恒约束, 用
12、于保证从节点 s 到节点 d 的数据流在各条有向链路上的分配遵循图论原理16。式 (4) 计算路由过程中经过链路的流量之和。式 (5) 表明链路的实际利用率要小于链路最大利用率限制, 0, 1。2 启发算法2.1 网络的中间性中间性的定义是网络中最短路径集中负载流量通过节点 i 或链路 (i, j) 的次数。用向量 B (G) 表示网络中节点的中间性, 其中的元素 Bi为节点 i 的中间性值。用矩阵 L (G) 表示链路的中间性, 其中的元素 Lij为链路 (i, j) 的中间性值。由此可知, B (G) 、L (G) 中元素的取值范围为0, N (N-1) 。当一个节点或者一条链路未被任何一
13、条最短路径包含时, B i或 Lij取最小值 0;反之, 当其被所有的最短路径包含时, B i或 Lij取得最大值 N (N-1) 。所以, 节点i 的中间性可表示为:链路 (i, j) 的中间性可表示为:网络中元素的中间性越大, 表明该节点或者链路在网络中被使用的频率越高, 休眠该节点或者链路对网络产生的影响也越大。2.2 网络的影响因子网络中元素的能耗与其负载流量无关, 利用率低的节点和链路相对于利用率高的节点和链路的能效低, 造成了更多资源浪费, 所以能效低的部分应该被首先休眠。但是, 当休眠网络中能效低的部分后, 网络的结构就发生了改变, 其上的负载流量有可能会重新进行寻径, 使得路由
14、表再次收敛。流经被休眠部分节点或者链路上的流量将会选择新的路由路径, 通过其他路径重新路由到目的节点。这部分流量将会被重新分配到网络中未休眠的节点和链路上, 使得网络中未休眠的节点和链路的利用率上升。因此, 通过被休眠的节点或者链路的负载流量越少, 需要再次进行路由的负载流量也越少, 给网络带来的影响也就越小。节点 i 的影响因子定义为:链路 (i, j) 的影响因子定义为:若节点或链路的影响因子低, 则表明它们的能效利用率低, 在该拓扑结构中造成的资源浪费也就高, 会影响网络的节能优化。因此, 在网络的优化进程中, 影响因子低的节点或者链路会被休眠。2.3 算法实现对能耗优化路由模型用基于影
15、响因子的启发算法 (heuristic algorithm based on infulence, 简称 HA-BI) 进行求解。该算法在初始时刻将网络中的全部元素都开启, 即网络中的每个节点 xi=1, 每条链路 yij=1。计算全部元素的中间性, 并利用链路上的负载流量 fij计算出全部元素的影响因子, 将节点和链路的影响因子从小到大进行排序, 分别得到节点的有序影响因子列表 A 和链路的有序影响因子列表 D。根据节点列表或链路列表中的节点或链路的顺序, 判断该元素是否可以被休眠。算法的伪代码如下。输入变量:网络图 G (V, E) , 流量矩阵 T。根据输入参数 G (V, E) 计算源
16、节点与目的节点之间的路径。在每条最短路径经过的节点 i 和链路 (i, j) 分别对应的 Bi和 Lij上增加 1, 得到网络中所有节点和链路的中间性。根据式 (8) 、 (9) 计算网络中所有节点和链路的影响因子并排序, 获得有序列表 A和 D。该算法基于同一个常识:休眠一个节点获得的能量节省大于休眠单一链路获得的能量节省12。但是节点受其出入度的影响, 休眠节点的同时将休眠与节点相连接的所有链路, 休眠节点的难度较休眠链路的难度大, 所以先休眠节点, 再休眠链路。根据节点的有序列表 A, 在确保网络连通和满足其性能约束的前提下, 节点集合 V 的某子集将被休眠。每次迭代过程中, 影响因子最
17、小的一个节点将作为候选节点从网络中休眠, 而在其中传输的数据流保持不变, 并在休眠备选节点后的网络中进行转发, 若再次计算路径后, 负载仍然满足流守恒条件 (3) 和链路使用率限制 (5) 两个约束条件, 则休眠此候选节点, 同时将其从有序列表A中删除。若不满足任一条件, 则重新将这个关闭的节点打开, 同时结束迭代过程。链路列表 D与此类似。3 实验结果及分析3.1 实验仿真模型选取文献17中的法国电信 (France telecom, 简称 FT) 网络拓扑进行实验, 该拓扑由 19 个接入节点、19 个核心节点以及 70 条链路组成, 如图 2 所示。图 2 法国电信拓扑图 Fig.2 T
18、opology of France Telecom 下载原图3.2 网络设备的能耗分析根据目前网络基础设施的功率测量结果对其能耗进行处理。为简单起见, 不考虑网路设备散热、认证检查等因素的开销, 并假设网络中所有处于同一层级 (核心层、城域层或者接入层) 中的元素的能耗相等。实验仿真的网络设备能耗如表 1 所示。表 1 网络设备能耗 Tab.1 Energy consumption of net equipment 下载原表 3.3 流量矩阵在实验中, 假设所有流量均来自接入节点, 而除此之外的其他节点只用于对负载流量进行传输。网络流量的统计结果显示, 全天链路的利用率十分低, 其空闲时链路利
19、用率小于 5%, 即使在峰值时段, 链路的利用率也小于 30%18。因此, 参照真实网络的情况, 在该网络拓扑下, 生成 76 个服从区间0.5, 1.5的独立均匀分布的负载流量, 且每个接入节点随机分配 4 个负载流量, 其链路平均利用率为 20%。3.4 性能评估在确保网络连通的条件下, 分析链路利用率限制 对网络能耗的影响, 并将HABI 与 ESTA 算法进行对比, 测试参数 取值在0.2, 1时, 2 种算法对其不同取值情况下能耗的改变情况如图 3 所示。从图 3 可看出, 2 种算法从 =0.3开始, 网络的能耗开始降低, 当 0.8, 能耗开始趋于稳定。随着参数 的变化, 2 种
20、算法都呈现出一定的节能效果, 这是因为随着 的递增, 更多的节点和链路被休眠, 导致了能耗降低。而当 0.8, 网络中大量空闲节点和空闲链路已被休眠, 拓扑开始接近于最小斯坦纳树, 若再休眠网络中的节点和链路, 则无法保证其联通与服务质量满足限制条件。从图 3 可看出, 当 为 0.20.35, 2 种节能策略的能耗百分比较为接近, 随着 的增大, HABI 表现出更好的节能效果。图 3 参数 对能耗的影响 Fig.3 Power consumption versus 下载原图图 4 为参数 对算法运算时间的影响。从图 4 可看出, ESTA 算法的运行时间随着 的增大, 变化并不明显, 这是
21、因为在每次迭代过程中, ESTA 算法对 FT拓扑图中的每个节点和链路都进行了迭代删除操作以及约束条件判断操作。而HABI 算法的运行时间随着 的增大而增加, 但与 ESTA 算法相比, 仍相对较低。在节点和链路的迭代删除过程中, 根据网络节点和链路的影响因子判定删除操作对网络的影响, 若一个节点或者一条链路在网络中经常被使用, 则有大量的数据流量被其转发, 关闭此节点或链路产生的影响也越大, 所以当节点或链路未满足网络的约束条件时, 影响因子比其高的节点或链路也就同时不满足约束条件, 从而不能被休眠。图 4 参数 对算法运算时间的影响 Fig.4 Algorithm computation
22、times versus 下载原图4 结束语为降低网络的整体能耗, 以网络系统的总能耗最小为目标, 建立了能耗优化模型, 并结合中间性理论, 提出了 HABI 算法。在仿真实验中, 将本算法与 ES-TA算法作对比, 结果表明, 本算法具有较好的节能效果。另外, 降低网络能耗会导致网络的整体性能下降, 因此, 如何通过能耗控制与网络性能权衡实现多目标的共同优化, 将作为下一步研究的主要工作。参考文献1GLEESON E.Computing industry set for a shocking changeEB/OL. (2009-04-24) 2017-04-25.http:/ 2YUN D
23、, LEE J.Reaearch in green network for future internetJ.Journal of KIISE, 2010, 28 (1) :41-51. 3BELOGLAZOV A, BUYYA R.Managing overloaded hosts for dynamic consolidation of virtual machines in cloud data centers under quality of service constraintsJ.IEEE Transactions on Parallel&Distributed Systems,
24、2013, 24 (7) :1366-1379. 4张法, ANTONIO F A, 王林, 等.网络能耗系统模型及能效算法J.计算机学报, 2012, 35 (3) :603-615. 5GUPTA M, SINGH S.Greening of the internetC/ACMSIGCOMM Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication, 2003:19-26. 6NEDEVSCHI S, POPA L, IANNACCONE G, et a
25、l.Reducing network energy consumption via rate-adaptation and sleepingC/Proceedings of the 5th USENIX Symposium on Networked Systems Design and Imlementation, 2008:323-336. 7GUNARATNE C, CHRISTENSEN K, NORDMAN B.Managing energy consumption costs in desktop PCs and LAN switches with proxying, split T
26、CP connections, and scaling of link speedJ.International Journal of Network Management, 2005, 15 (5) :297-310. 8GUNARATNE C, CHRISTENSEN K, NORDMAN B, et al.Reducing the energy consumption of ethernet with adaptive link rateJ.IEEE Transactions on Computers, 2008, 57 (4) :448-461. 9VIZCANO J L, YE Y,
27、 MONROY I T.Energy efficiencyanalysis for flexiblegrid OFDM-based optical networksJ.Computer Networks, 2012, 56 (10) :2400-2419. 10RIZZELLI G, MOREA A, TORNATORE M, et al.Energyefficient traffic-aware design of on-off multi-layer translucent optical networksJ.Computer Networks, 2012, 56 (10) :2443-2
28、455. 11ZHANG M, YI C, LIU B, et al.GreenTE:poweraware traffic engineeringC/IEEE International Conference on Network Protocols, 2010:21-30. 12CHIARAVIGLIO L, MELLIA M, NERI F.Minimizing ISP network energy cost:formulation and solutionsJ.IEEE/ACM Transactions on Networking, 2012, 20 (2) :463-476. 13NE
29、DELJKO V.Energy-aware traffic engineeringC/International Conference on Energy-efficient Computing&Networking, 2010:169-178. 14CUOMO F, CIANFRANI A, POLVERINI M, et al.Network pruning for energy saving in the internetJ.Computer Networks, 2012, 56 (10) :2355-2367. 15CHABAREK J, SOMMERS J, BARFORD P, e
30、t al.Power awareness in network design and routingC/IEEE INFOCOM Conference on Computer Communications, 2008:457-465. 16CRAINIC T G, GENDREAU M.Cycle-based neighbourhoods for fixed-charge capacitated multicommodity network designJ.Operations Research, 2003, 51 (4) :655-667. 17CHIARAVIGLIO L, CIANFRAN A, LISTANTI M, et al.Implementing energy-aware algorithms in backbone networks:a transient analysisC/IEEE International Conference on Communications, 2015:142-148. 18GUICHARD J, FAUCHEUR F L, VASSEUR J P.Definitive MPLS Network DesignsM.Indianapolis:Cisco Press, 2005:10-15.
