股票市場上的投資者往往依賴金融風險理論來幫助他們獲得最大化投資回報，同時又能將市場波動造成的金融損失降至最小。這些理論幫助投資者保持一個平衡的投資組合，以確保他們在任何時候都不會損失超過他們愿意放棄的錢。

　　受這些理論的啟發(fā)，MIT計算機科學與人工智能實驗室（CSAIL）的研究人員與微軟合作開發(fā)了一個“風險意識”數(shù)學模型，可以提高全球云計算網(wǎng)絡的性能。畢竟，云計算的基礎(chǔ)設(shè)施極其昂貴，消耗了世界上大量的能源。

　　他們的模型考慮了全球數(shù)據(jù)中心之間鏈接失敗的概率——類似于預測股票的波動性。然后，它運行一個優(yōu)化引擎，通過最佳路徑分配流量，以最小化損失，同時最大化網(wǎng)絡的整體利用率。

　　該模型可以幫助市面上的主要云服務提供商——如微軟、亞馬遜和谷歌——更好地利用其基礎(chǔ)設(shè)施。傳統(tǒng)方法是保持鏈路空閑，以處理鏈路故障導致的意外流量轉(zhuǎn)移，這是對能量、帶寬和其他資源的浪費。

　　另一方面，這個名為TeaVar的新模型保證了在一定的目標時間百分比內(nèi)（比如99.9%）內(nèi)網(wǎng)絡能夠處理所有數(shù)據(jù)流量，因此沒有必要保持任何鏈接空閑。在那0.1%的例外時間內(nèi)，模型也會將數(shù)據(jù)中斷的可能性保持得越低越好。

　　在基于真實數(shù)據(jù)的實驗中，該模型支持的流量是傳統(tǒng)方式的三倍，同時保持了相同高的網(wǎng)絡可用性。一篇描述模型和結(jié)果的論文將在本周的ACM SIGCOMM會議上發(fā)表。

　　麻省理工學院電子工程和計算機科學系TIBCO職業(yè)發(fā)展助理教授、該研究的合著者Manya Ghobadi說，更好地利用網(wǎng)絡可以為服務提供商節(jié)省數(shù)百萬美元，這些好處同時也會惠及到消費者身上。

　　Ghobadi說：“更好地利用基礎(chǔ)設(shè)施不僅對云服務有好處，對世界也有好處。企業(yè)不需要購買那么多基礎(chǔ)設(shè)施來向客戶銷售服務。此外，能夠有效地利用數(shù)據(jù)中心資源可以節(jié)省云基礎(chǔ)設(shè)施的大量能源消耗。所以，這對用戶和環(huán)境都是好的。”

　　Ghobadi的論文作者中包括她的學生Jeremy Bogle和Nikhil Bhatia，他們都是CSAIL的學生；微軟研究院的Ishai Menache和Nikolaj Bjorner，以及希伯來大學的Asaf Valadarsky和Michael Schapira。

　　云服務提供商使用運行在地下的光纖電纜網(wǎng)絡，連接不同城市的數(shù)據(jù)中心。為了路由流量，提供商依賴于“流量工程”（ traffic engineering ，TE）軟件，該軟件可以通過所有網(wǎng)絡路徑優(yōu)化分配數(shù)據(jù)帶寬（一次可以傳輸?shù)臄?shù)據(jù)量）。

　　其目標是確保世界各地的用戶獲得最大的可用性。但是，當一些連接可能意外失敗時，這就很有挑戰(zhàn)性了，比如斷電時導致信號質(zhì)量下降，或者施工造成的線路中斷等因素。為了減輕這些意外事故帶來的影響，供應商將許多鏈接的利用率保持在非常低的水平，只是在那里等著在需要時從被迫關(guān)閉的鏈接中承受全部數(shù)據(jù)負載。

　　因此，在網(wǎng)絡可用性和利用率之間，這是一個微妙的權(quán)衡，這將實現(xiàn)更高的數(shù)據(jù)吞吐量。研究人員說，這就是傳統(tǒng)TE方法失敗的地方。他們基于各種因素找到最佳路徑，卻不量化鏈路的可靠性。Bogle說：“他們不會說，‘這條鏈路啟動和運行的概率更高，所以這意味著你應該在這里發(fā)送更多的流’。”網(wǎng)絡中的大多數(shù)鏈路利用率都很低，發(fā)送的流量也沒有達到預期的水平。"

　　于是，研究人員設(shè)計了一個TE模型，該模型采用了核心數(shù)學中的“風險條件價值”， 這是一種量化平均資金損失的風險評估方法。在投資股票時，如果你今天99%的條件價值風險為50美元，那么你當天最壞情況1%的預期損失就是50美元。但99%的情況下，你會做得更好。這一指標用于投資股市，而股市是出了名的難以預測。

　　“但數(shù)學實際上更適合我們的云基礎(chǔ)設(shè)施設(shè)置，” Ghobadi說。“大多數(shù)情況下，鏈路故障是由于設(shè)備老化造成的，因此故障概率不會隨著時間的推移發(fā)生很大變化。這意味著與股市相比，我們的概率更可靠。”

　　在網(wǎng)絡中，數(shù)據(jù)帶寬份額類似于投入的“錢”，具有不同故障概率的網(wǎng)絡設(shè)備是“股票”及其股價變化的不確定性。利用這些基本公式，研究人員設(shè)計了一個“風險意識”模型，與金融模型一樣，該模型保證數(shù)據(jù)在99.9%的時間內(nèi)到達目的地，但在0.1%的最壞情況下，流量損失最小。這幫助了云提供商調(diào)優(yōu)可用性和利用率之間的權(quán)衡。

　　研究人員將微軟連接其數(shù)據(jù)中心的網(wǎng)絡三年的網(wǎng)絡信號強度映射到鏈路故障的概率分布上。輸入是圖形中的網(wǎng)絡拓撲，數(shù)據(jù)源-目的地數(shù)據(jù)流通過線路（鏈路）和節(jié)點（城市）連接，每條鏈路分配一個帶寬。

　　每隔15分鐘對每個環(huán)節(jié)的信號質(zhì)量進行檢測，得到故障概率。如果信號質(zhì)量低于接收閾值，他們認為這是鏈路故障。高于接收閾值即意味著鏈接已經(jīng)啟動并運行。在此基礎(chǔ)上，該模型生成了每個鏈接上升或下降的平均時間，并計算了每個鏈接在每個15分鐘時間窗口的失敗概率（或“風險”）。從這些數(shù)據(jù)中，它能夠預測在任何給定的時間段內(nèi)，風險鏈接什么時候會失效。

　　研究人員將該模型與其他TE軟件進行了測試，測試對象是通過遍布全球的谷歌、IBM、ATT和其他網(wǎng)絡發(fā)送的模擬流量。研究人員根據(jù)故障發(fā)生的概率創(chuàng)建了各種故障場景。然后，他們通過網(wǎng)絡發(fā)送模擬的和真實的數(shù)據(jù)需求，并提示他們的模型開始分配帶寬。

　　研究人員的模型將相對可靠的鏈接保持在接近滿負荷的狀態(tài)，同時引導數(shù)據(jù)遠離風險更高的鏈接。與傳統(tǒng)方法相比，他們的模型通過網(wǎng)絡運行的數(shù)據(jù)是傳統(tǒng)方法的三倍，同時仍然確保所有數(shù)據(jù)都到達目的地。

　　相關(guān)報道：

　　https://www.csail.mit.edu/news/using-wall-street-secrets-make-cloud-computing-cheaper

　　https://github.com/manyaghobadi/teavar