股票市場(chǎng)上的投資者往往依賴金融風(fēng)險(xiǎn)理論來幫助他們獲得最大化投資回報(bào)，同時(shí)又能將市場(chǎng)波動(dòng)造成的金融損失降至最小。這些理論幫助投資者保持一個(gè)平衡的投資組合，以確保他們?cè)谌魏螘r(shí)候都不會(huì)損失超過他們?cè)敢夥艞壍腻X。

　　受這些理論的啟發(fā)，MIT計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）的研究人員與微軟合作開發(fā)了一個(gè)“風(fēng)險(xiǎn)意識(shí)”數(shù)學(xué)模型，可以提高全球云計(jì)算網(wǎng)絡(luò)的性能。畢竟，云計(jì)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(yù)測(cè)股票的波動(dòng)性。然后，它運(yùn)行一個(gè)優(yōu)化引擎，通過最佳路徑分配流量，以最小化損失，同時(shí)最大化網(wǎng)絡(luò)的整體利用率。

　　該模型可以幫助市面上的主要云服務(wù)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(dǎo)致的意外流量轉(zhuǎn)移，這是對(duì)能量、帶寬和其他資源的浪費(fèi)。

　　另一方面，這個(gè)名為TeaVar的新模型保證了在一定的目標(biāo)時(shí)間百分比內(nèi)（比如99.9%）內(nèi)網(wǎng)絡(luò)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(shí)間內(nèi)，模型也會(huì)將數(shù)據(jù)中斷的可能性保持得越低越好。

　　在基于真實(shí)數(shù)據(jù)的實(shí)驗(yàn)中，該模型支持的流量是傳統(tǒng)方式的三倍，同時(shí)保持了相同高的網(wǎng)絡(luò)可用性。一篇描述模型和結(jié)果的論文將在本周的ACM SIGCOMM會(huì)議上發(fā)表。

　　麻省理工學(xué)院電子工程和計(jì)算機(jī)科學(xué)系TIBCO職業(yè)發(fā)展助理教授、該研究的合著者M(jìn)anya Ghobadi說，更好地利用網(wǎng)絡(luò)可以為服務(wù)提供商節(jié)省數(shù)百萬美元，這些好處同時(shí)也會(huì)惠及到消費(fèi)者身上。

　　Ghobadi說：“更好地利用基礎(chǔ)設(shè)施不僅對(duì)云服務(wù)有好處，對(duì)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(wù)。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(duì)用戶和環(huán)境都是好的。”

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

　　云服務(wù)提供商使用運(yùn)行在地下的光纖電纜網(wǎng)絡(luò)，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(luò)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(biāo)是確保世界各地的用戶獲得最大的可用性。但是，當(dāng)一些連接可能意外失敗時(shí)，這就很有挑戰(zhàn)性了，比如斷電時(shí)導(dǎo)致信號(hào)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(yīng)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(shí)從被迫關(guān)閉的鏈接中承受全部數(shù)據(jù)負(fù)載。

　　因此，在網(wǎng)絡(luò)可用性和利用率之間，這是一個(gè)微妙的權(quán)衡，這將實(shí)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(huì)說，‘這條鏈路啟動(dòng)和運(yùn)行的概率更高，所以這意味著你應(yīng)該在這里發(fā)送更多的流’。”網(wǎng)絡(luò)中的大多數(shù)鏈路利用率都很低，發(fā)送的流量也沒有達(dá)到預(yù)期的水平。"

　　于是，研究人員設(shè)計(jì)了一個(gè)TE模型，該模型采用了核心數(shù)學(xué)中的“風(fēng)險(xiǎn)條件價(jià)值”， 這是一種量化平均資金損失的風(fēng)險(xiǎn)評(píng)估方法。在投資股票時(shí)，如果你今天99%的條件價(jià)值風(fēng)險(xiǎn)為50美元，那么你當(dāng)天最壞情況1%的預(yù)期損失就是50美元。但99%的情況下，你會(huì)做得更好。這一指標(biāo)用于投資股市，而股市是出了名的難以預(yù)測(cè)。

　　“但數(shù)學(xué)實(shí)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(huì)隨著時(shí)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(luò)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(luò)設(shè)備是“股票”及其股價(jià)變化的不確定性。利用這些基本公式，研究人員設(shè)計(jì)了一個(gè)“風(fēng)險(xiǎn)意識(shí)”模型，與金融模型一樣，該模型保證數(shù)據(jù)在99.9%的時(shí)間內(nèi)到達(dá)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(luò)三年的網(wǎng)絡(luò)信號(hào)強(qiáng)度映射到鏈路故障的概率分布上。輸入是圖形中的網(wǎng)絡(luò)拓?fù)�，�?shù)據(jù)源-目的地?cái)?shù)據(jù)流通過線路（鏈路）和節(jié)點(diǎn)（城市）連接，每條鏈路分配一個(gè)帶寬。

　　每隔15分鐘對(duì)每個(gè)環(huán)節(jié)的信號(hào)質(zhì)量進(jìn)行檢測(cè)，得到故障概率。如果信號(hào)質(zhì)量低于接收閾值，他們認(rèn)為這是鏈路故障。高于接收閾值即意味著鏈接已經(jīng)啟動(dòng)并運(yùn)行。在此基礎(chǔ)上，該模型生成了每個(gè)鏈接上升或下降的平均時(shí)間，并計(jì)算了每個(gè)鏈接在每個(gè)15分鐘時(shí)間窗口的失敗概率（或“風(fēng)險(xiǎn)”）。從這些數(shù)據(jù)中，它能夠預(yù)測(cè)在任何給定的時(shí)間段內(nèi)，風(fēng)險(xiǎn)鏈接什么時(shí)候會(huì)失效。

　　研究人員將該模型與其他TE軟件進(jìn)行了測(cè)試，測(cè)試對(duì)象是通過遍布全球的谷歌、IBM、ATT和其他網(wǎng)絡(luò)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(chǎng)景。然后，他們通過網(wǎng)絡(luò)發(fā)送模擬的和真實(shí)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(duì)可靠的鏈接保持在接近滿負(fù)荷的狀態(tài)，同時(shí)引導(dǎo)數(shù)據(jù)遠(yuǎn)離風(fēng)險(xiǎn)更高的鏈接。與傳統(tǒng)方法相比，他們的模型通過網(wǎng)絡(luò)運(yùn)行的數(shù)據(jù)是傳統(tǒng)方法的三倍，同時(shí)仍然確保所有數(shù)據(jù)都到達(dá)目的地。

　　相關(guān)報(bào)道：

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

　　https://github.com/manyaghobadi/teavar