מה המשמעות של DCI

Sep 15, 2025|

בנוף הדיגיטלי העכשווי, מרכזי נתונים הפכו לעמוד השדרה של תשתיות מחשוב ענן, תוך עיבוד נפחי נתונים אדירים תוך צריכת כמויות משמעותיות של אנרגיה.

השאלה "מה המשמעות של DCI" מתעוררת לעיתים קרובות בדיונים על ארכיטקטורות מרכז נתונים מודרניות, כאשר DCI מייצג חיבור בין מרכז נתונים, הטכנולוגיה המחברת מרכזי נתונים מרובים כדי לאפשר שיתוף משאבים והפצת עומסי עבודה.

אנרגיה - תזמון יעיל התגלה כאתגר קריטי, הדורש גישות מתוחכמות לאיזון דרישות הביצועים עם אופטימיזציה של צריכת חשמל. מתודולוגיית התזמון של רשת Data Center (DENS) מייצגת התקדמות משמעותית בטיפול באתגרים אלה באמצעות דוגמנות היררכית ואסטרטגיות הקצאת משאבים חכמות.

מושגי מפתח ברשת מרכז נתונים

Data Center Interconnect (DCI)

טכנולוגיה המחברת מרכזי נתונים מרובים כדי לאפשר שיתוף משאבים, הפצת עומסי עבודה ושחזור אסון על פני מתקנים מפוזרים גיאוגרפיים.

עומס רשת

מתרחש כאשר תנועת הרשת עולה על הקיבולת, הנגרמת לעתים קרובות כתוצאה ממגבלות חיץ בתשתיות Ethernet ואי התאמות רוחב פס בין קישורים.

מתודולוגיה של DENS

גישה היררכית לתזמון מרכז נתונים שמייעלת את יעילות האנרגיה תוך שמירה על ביצועים באמצעות הקצאת משאבים חכמה.

עומס רשת בסביבות מרכז נתונים

האתגר של Ethernet - תשתית מבוססת

מרכזי נתונים מודרניים מאמצים את הפילוסופיה של שימוש במדיה Ethernet כדי לשאת תנועה מסוגים שונים, כולל תקשורת LAN, SAN ו- IPC. בעוד ש- Ethernet Technology מציעה בגרות, קלות פריסה וניהול פשוט יחסית, היא מציגה אתגרים משמעותיים מבחינת מגבלות ביצועי החומרה, במיוחד ביכולת החיץ.

גדלי חיץ Ethernet אופייניים פועלים ברמת גודל 100 KB, ואילו נתבי אינטרנט בדרך כלל כוללים גדלי חיץ בעוצמה של 100 מגה -בייט. הבדל משמעותי זה של 1000X ביכולת המאגר, בשילוב עם דפוסי תנועה רוחב פס- גבוה, מהווה את הגורם העיקרי לעומס רשת בסביבות מרכז הנתונים.

השוואה בין קיבולת חיץ

אתרנט מתג 100 קילוגרם

נתבי אינטרנט 100 מגה בייט

ההבדל של 1000X ביכולת המאגר יוצר אתגרים משמעותיים לטיפול בדפוסי תנועה רוחב פס- ברוחב פס במרכזי נתונים.

ביטוי עומס במתגי מרכז הנתונים

ביטוי הגודש במתגי מרכז נתונים יכול להתרחש בכיוונים מרובים. בכיוון ה- Downlink, גודש עולה כאשר יכולת המצטבר של קישורי הכניסה עולה על הקיבולת של קישורי מצוקה. בכיווני קישור קישור, אי התאמת רוחב הפס נקבעת בעיקר על ידי יחס ההתכנסות של רוחב הפס, כאשר גודש מתרחש כאשר רוחב הפס המצטבר של כל יציאות השרת עולה על יכולת ה- uplink הכוללת של המתג.

נקודות עומס אלה, המכונות לעתים קרובות נקודות חמות, יכולות להשפיע קשות על יכולתה של רשת מרכז הנתונים להעביר נתונים ביעילות, מה שעלול להפחית את התפוקה עד 70% במקרים קיצוניים.

גודש במורד הקישור

מתרחש כאשר התנועה הנכנסת הכוללת עולה על הקיבולת היוצאת של יציאת מתג, ויוצרת צווארי בקבוק בזרימת הנתונים משכבות רשת גבוהות יותר.

גודש uplink

קורה כאשר תנועת שרתים מצטברת עולה על יכולת ה- uplink, בדרך כלל נקבעת על ידי יחס ההתכנסות של רוחב הפס של עיצוב הרשת.

IEEE 802.1QAU סטנדרטים וניהול גודש

איך 802.1qau עובד

מתגים עמוסים מדי מזהים גודש ומייצרים אותות הודעה

אותות גודש מופצים בחזרה לשליחת מכשירים

שולחים מצמצמים את שיעורי ההולכה שלהם כדי להפחית את העומס

ניצול הרשת נשמר ברמות גבוהות (עד 95%)

אובדן המנות ממוזער באמצעות בקרת קצב יזום

קבוצת משימות הגישור של מרכז הנתונים (IEEE 802.1) פיתחה פתרונות בקרת עומס בשכבה 2, ובמיוחד את מפרט IEEE 802.1QAU. תקן זה מציג לולאות משוב להודעת גודש בין מתגי מרכז הנתונים, ומאפשרים מתגים עמוסים יתר על המידה לשימוש באותות ההודעות לגודש כדי להצער את שולחי העומס הגבוהים-.

אמנם טכניקה זו מונעת למעשה את אובדן המנות עקב גודש ושומרת על שיעורי ניצול רשת גבוהים של עד 95%, אך היא אינה פותרת באופן בסיסי את הבעיה הבסיסית.

"גישה יעילה יותר כוללת פריסה אסטרטגית של נתונים - משימות אינטנסיביות כדי להימנע משיתוף בין נתיבי תקשורת נפוצים. למשל, למנף באופן מלא את מאפייני הבידוד המרחבי של שלושה ארכיטקטורות שכבות {}}, נתונים על פי מחשוב, בהתאם לדרישות התקשורת שלהם."

נתונים אלה - משימות אינטנסיביות, בדומה לווידיאו {}}} שיתוף יישומים, מייצרים זרמי סיביות קבועים למשתמשי קצה תוך כדי תקשורת בו זמנית עם עבודות אחרות הפועלות במרכז הנתונים. עם זאת, שיטת הפריסה המופצת באופן יחסי זה נוגדת את יעדי התזמון היעילים של אנרגיה -, שמטרתם להשתמש בערכות שרת מינימליות ומערכות משאבי תקשורת כדי לטפל בכל עומסי העבודה.

מסגרת המתודולוגיה של DENS

גישת דוגמנות היררכית

מתודולוגיית DENS מייצגת מעבר פרדיגמה מגישות מסורתיות המודגנות את מרכזי הנתונים כבריכות הומוגניות של משאבי מחשוב שרתים. במקום זאת, DENS מציע מודל היררכי התואם את הטופולוגיות של מרכז הנתונים המיינסטרים.

לשלושה מרכזי נתונים - Tier, ה- DENS Metric M מוגדר כשילוב משוקלל של שרת - פונקציה ברמה F_S, RACK - פונקציה רמה F_R, ומודול - פונקציה רמה F_M:

M = × f_s + × f_r + × f_m

היכן, ומייצגים מקדמי שקלול הקובעים כיצד רכיבים תואמים (שרתים, מתלים, מודולים) משפיעים על מדדי ההערכה.

מקדמי שקלול

(שרת - משקל ברמה) בדרך כלל 0.7

מעדיפים בחירת - העמסה שרתים בתוך מתלים טעונים קלות

(מתלה - משקל רמה) בדרך כלל 0.2

מתעדף מתלי מחשוב עם עומסי רשת נמוכים

(מודול - משקל ברמה) בדרך כלל 0.1

מעדיפים בחירת מודולים טעונים קלות, מכריעים לגיבוש המשימות

Weighting Coefficients

עומס שרת ופוטנציאל תקשורת

השילוב של עומס שרת L_S (L) ופוטנציאל התקשורת שלו Q_S (Q) מהווה את הבסיס העיקרי לבחירת השרת. מערכת יחסים זו באה לידי ביטוי באמצעות:

f_s(l,q) = L_s(l) × (Q_s(q)^φ)/δ_t

L_s(l)

תלוי בעומס השרת L, המחושב באמצעות פונקציה sigmoid מתמחה

Q_s(q)

מגדיר את העומס בקישורי מתלה על ידי ניתוח תנאי גודש בתור פלט מתג q

δ_t

רוחב פס מעל - גורם אספקה בראש - של - מתגים (TOR) מתגים

מקדם הגדרת היחס בין L_S (L) ל- Q_S (Q) במדד

הגדרת גורם טעינה ואופטימיזציה

גורם העומס של ה- DENS מוגדר כסכום של שתי פונקציות SIGMOID כדי להתמודד עם האתגר בו שרתי סרק צורכים כ 67% מצריכת האנרגיה השיא שלהם:

L_s(l) = 1/(1 + e^(-10(l - 0.5))) - 1/(1 + e^(-2(l - (1 - ε/2))))

הרכיב הראשון מגדיר את צורת הסיגמואיד הראשית, ואילו השנייה משמשת כפונקציה עונשית שנועדה להתכנס ערכי עומס שרת מקסימליים. הפרמטר ε מגדיר את הטווח ואת המדרון של החלק היורד של העקומה.

עקומת אופטימיזציה של שרת

Server Load Optimization Curve

גישה מתוחכמת זו מבטיחה כי השרתים פועלים בטווחי עומס אופטימליים, בדרך כלל בין 70% ל 85% ניצול, ומאזן בין יעילות אנרגיה עם חששות אמינות חומרה.

מדדי ניהול תורים ועומס

ניתוח תפוסת תור

כל השרתים בתוך מתלה חולקים מתג TOR לתקשורת uplink. בשיעורי Gigabit, קביעת החלק המדויק של תקשורת uplink שנכבשה על ידי שרתים או זרימות בודדות הופכת לאינטנסיבית חישובית. כדי להתמודד עם אתגר זה, מתודולוגיית ה- DENS משלבת רכיב הקשור לתפוס תור פלט מתג Q (Q), המשתנה עם רוחב הפס על פני- גורם אספקה Δ.

שיעור התפוסה Q אינו תלוי בגודל התור המוחלט אך משתנה עם גודל התור הכולל Q_MAX, שנע בין [0,1], כאשר 0 ו- 1 תואמים מצבי תור ריקים ומלאים בהתאמה. על ידי הצגת רכיב תפוסת התור, מדד ה- DENS יכול להגיב לשינויי עומס בתוך מתלים או מודולים ולא וריאציות קצב ההולכה.

יישום חלוקת Weibull

פונקציית Q (Q) משתמשת בפונקציית הפצה מצטברת של Weibull הפוכה:

Q (q)=e^(- (3q/q_max)^2)

ניסוח זה מעדיף לבחור תורים ריקים תוך עונש תורים טעונים בכבדות. כאשר רמות הגודש נותרו נמוכות, רוחב הפס על פני - הגורם להקצאת Δ במשוואות תומך טוב יותר בסימטריה בין יכולת רוחב הפס של Uplink לבין קישור קישור.

תפוסת תור לעומת ביצועים

ככל שהגודש עולה ומאגר על גדותיו, אי התאמת רוחב הפס הופכת ללא הערכה, מה שעלול להוביל להשפלת ביצועים של עד 40% בנתיבים מושפעים

מדדי ביצועים ותוצאות אופטימיזציה

Bell - פונקציית בחירה בצורת

פונקציית F_S (L, Q) יוצרת משטח בצורת פעמון {}} ביחס לעומס שרת L ועומס תור q. פונקציה זו בוחרת באופן עדיף שרתים מעל רמות עומס ממוצעות הממוקמות במתלים עם גודש מינימלי או ללא. מחקרים אמפיריים מדגימים כי גישה זו יכולה להשיג חיסכון באנרגיה של 25 - 35% בהשוואה לתזמון מסורתי של רובין עגול תוך שמירה על ביצועים בתוך 5% מהרמות האופטימליות.

חיסכון באנרגיה

25-35%

בהשוואה לסיבוב מסורתי - אלגוריתמים של תזמון רובין

ביצועים

95%+

שומר על ביצועים בתוך 5% מהרמות האופטימליות

ניצול

70-85%

טווח ניצול שרת אופטימלי של יעילות איזון ואמינות

ניתוח השפעות היררכיות

גורמי ההשפעה למתלים ומודולים באים לידי ביטוי כ:

Rack - גורם ברמה

f_r (l, q)=l_r (l) × (q_m (q)^φ)/Δ_m=(q_m (q)^φ)/Δ_M × (1/n) σ (i=1} to n) lian

כאשר L_R (L) מייצג עומס מתלה כסכום הנורמלי של כל עומסי השרת בתוך המתלה, N הוא מספר השרתים לכל מתלה, Q_M (Q) הוא פרופורציונלי לעומס התנועה במתגי חרדת מודול, ו- Δ_M הוא רוחב הפס על פני גורם {}}} מתג מודול.

מודול - גורם ברמה

f_m (l)=l_m (l)=(1/k) σ (j =0 ל- k) l_r (l)

כאשר L_M (L) מייצג עומס מודול כסכום מנורמל של כל עומסי המתלה במודול, ו- K הוא מספר המתלים למודול. הגורם הרמה של המודול - כולל רק עומס - רכיב קשור ככל שכל המודולים מתחברים לאותם מתגי ליבה.

שיקולי יישום מעשיים

סחר יעילות אנרגיה - OFFS

בבחינת מה המשמעות של DCI לאנרגיה - תזמון יעיל, מתברר כי יישומי DCI חייבים לאזן בזהירות את האופטימיזציה המקומית במרכזי נתונים בודדים כנגד אופטימיזציה גלובלית על פני מתקנים קשורים זה לזה.

מתודולוגיית DENS מדגימה כי אנרגיה - מתזמנים יעילים חייבים לאחד את עבודות מרכז הנתונים בתוך מערך השרת הקטן ביותר האפשרי, ולהשיג יחסי איחוד של 3: 1 ומעלה בתרחישים טיפוסיים.

עם זאת, פעולה רציפה בעומסי שיא יכולה להפחית את אמינות החומרה ב- 15-20% ולהשפיע על זמני השלמת העבודה בעד 30%.

Energy Efficiency Trade-Offs

סחר מפתח - Offs

איחוד גבוה יותר מפחית את צריכת האנרגיה

איזון עומסים אופטימלי משפר את יעילות הרשת

מעל - איחוד מגדיל את סיכון הכישלון (הפחתת אמינות של 15-20%)

עומסי שיא יכולים להשפיע על זמני השלמת העבודה עד 30%

Multi - איזון עומס נתיב

המודול - גורם רמה F_M כולל רק עומס - רכיב L הקשור L, שכן כל המודולים מתחברים לאותם מתגי ליבה ומקבלים רוחב פס זהה דרך ECMP (שוויון - עלות רב -עולה {}} נתיב) טכניקות ניתוב. תכנון זה מבטיח כי חלוקת התנועה תישאר מאוזנת על פני נתיבים זמינים, עם שיפורים מדודים בתפוקה של 40 - 50% בהשוואה לגישות ניתוב יחיד.

יתרונות ניתוב ECMP

מפיץ תנועה על פני מספר שוויון - נתיבי עלות

משפר את התפוקה ב- 40 - 50% לעומת ניתוב שלב יחיד

משפר את סובלנות התקלות באמצעות יתירות נתיב

עובד בצורה חלקה עם מודל היררכי צפוף

אסטרטגיות אופטימיזציה מתקדמות

התאמת משקל דינאמי

מחקרים עדכניים בדקו התאמה דינאמית של מקדמי שקלול, ומבוססים על מאפייני עומס עבודה אמיתיים -.

חישוב - עומסי עבודה אינטנסיביים =0.8, + =0.2

תקשורת - אינטנסיבית =0.4, =0.3, =0.3

שירותי התאמה אישית של מוצרים

"שילוב מקורות אנרגיה מתחדשים עם אלגוריתמים של תזמון מבוסס DENS - הוכיח פוטנציאל מדהים להפחתת טביעות רגל פחמן במרכזי נתונים של Hyperscale."

הפחתה של עד 45% בצריכת חשמל רשת

מקור: Zhang et al. (2024), עסקאות IEEE על מחשוב בר -קיימא

שירות לדוגמא חינם

שילוב אלגוריתמים למידת מכונה כדי לחזות דפוסי תנועה ולמיטוב פרמטרים של DENS הראה תוצאות מבטיחות.

דיוק של 85% בחיזוי גודש

אופק חיזוי של 5 דקות

10-15% חיסכון נוסף באנרגיה

אימות ניסיוני ותוצאות

סביבת סימולציה

הדמיות נרחבות באמצעות סימולטורי אירועים נפרדים אישרו את המתודולוגיה של DENS על פני תצורות שונות של מרכז נתונים. תרחישי הבדיקה כללו מרכזי נתונים שנעו בין 1,000 ל 100,000 שרתים, עם דפוסי תנועה משתנים כולל שירותי אינטרנט (80% קריאה, 20% כתיבה), עיבוד אצווה (קריאה/כתיבה מאוזנת) ויישומי הזרמה (95% כתיבה, 5% קריאה).

סולם שרת

1,000 עד 100,000 שרתים

דפוסי תנועה

שירותי אינטרנט, עיבוד אצווה, סטרימינג

סוג סימולציה

סימולטורי אירועים נפרדים

מדדי ביצועים

מחווני ביצועים מרכזיים

יעילות אנרגטית

הפחתת אנרגיה של 28-42% בהשוואה למזמנים הבסיס

ניצול רשת

נשמר 85 - ניצול רשת של 92% ללא הפסד מנות הנגרם על ידי עומס

זמן השלמת משרה

שיפור זמני ההשלמה הממוצעים של העבודה ב- 15-25%

ניצול שרת

השיג טווחי ניצול שרתים אופטימליים של 72-83%

חביון תור

חביון התור הממוצע מופחת ב 35-45%

השוואת ביצועים

← Previous: פתרונות OEM ו-ODM 100G משדר לפריסות רשת מותאמות אישית

Next2: מה פירושו של DCI? →

Send Inquiry