張金宏 王興偉 易 波 黃 敏

1(東北大學(xué)計算機科學(xué)與工程學(xué)院 沈陽 110169)2(東北大學(xué)信息科學(xué)與工程學(xué)院 沈陽 110819)

近些年，隨著互聯(lián)網(wǎng)用戶數(shù)不斷激增，互聯(lián)網(wǎng)規(guī)模持續(xù)壯大.思科在其年度互聯(lián)網(wǎng)報告白皮書中指出：預(yù)計全球互聯(lián)網(wǎng)用戶數(shù)和設(shè)備數(shù)將分別從2018年的39億人和184億臺激增到2023年的53億人和293億臺[1]，由此引發(fā)互聯(lián)網(wǎng)能耗急劇攀升.預(yù)計到2030年信息與通信技術(shù)(information and comm-unication technologies, ICT)行業(yè)耗電量將高達82 650億kW·h，其中，互聯(lián)網(wǎng)耗電量高達66 900億kW·h，約占80.94%，主干網(wǎng)高達26 410億kW·h，約占31.95%[2].全球電子可持續(xù)發(fā)展倡議組織(Global e-Sustainability Initiative, GeSI)在SMART 2020，SMARTer2020，SMARTer2030一系列報告中指出，ICT行業(yè)的二氧化碳排放當(dāng)量將以每年6%的速度遞增，2020年將達到12.7×108t，約占全球總排放量的2.3%[3-5]，預(yù)計到2030年此比重將增至23%[6].在波士頓咨詢公司(Boston Consulting Group, BCG) 2017年11月發(fā)行的關(guān)于互聯(lián)網(wǎng)對氣候變化影響的報告中指出互聯(lián)網(wǎng)每年釋放大約10×108t溫室氣體(其中主干網(wǎng)約占13)，約占全球二氧化碳排放量的2%[7].面對如此嚴(yán)峻的狀況，針對互聯(lián)網(wǎng)尤其是主干網(wǎng)的節(jié)能變得刻不容緩.

盡管在終端用戶設(shè)備和“最后一公里”相關(guān)技術(shù)與產(chǎn)品中已經(jīng)采用了一些高能效的方法，但是主干網(wǎng)仍然處于高耗能低能效的狀態(tài)[8].這主要源于目前主干網(wǎng)的設(shè)計遵循“過供給原則”，即無論當(dāng)前網(wǎng)絡(luò)中流量大小均提供恒定的冗余網(wǎng)絡(luò)資源以增加網(wǎng)絡(luò)可靠性和容納網(wǎng)絡(luò)峰值流量需求[9-10].然而，實際上網(wǎng)絡(luò)中的流量大小是動態(tài)變化的，并且在峰值和非峰值情況下流量差距很大[11].主干網(wǎng)的最大平均鏈路利用率低于30%，在非峰值流量期間甚至低于5%[12].在非峰值期間，由于現(xiàn)有網(wǎng)絡(luò)設(shè)備不具備功率感知能力，其功耗無法隨著資源利用率的變化而進行相應(yīng)的調(diào)節(jié)，因此網(wǎng)絡(luò)資源未得到充分利用，其峰值功耗造成了巨大的能量浪費，導(dǎo)致了嚴(yán)重的低功效[13-15].面對此種情況，需要設(shè)計一種功率感知機制以實現(xiàn)網(wǎng)元的功耗隨其流量負載變化而自適應(yīng)調(diào)節(jié)，即網(wǎng)元功耗能夠緊隨入流量大小而變化，網(wǎng)絡(luò)只維持能夠為所有入流量提供足夠處理性能的必需數(shù)目的網(wǎng)元部件而休眠其余部件，這樣能夠消除不必要的功耗.該機制的實現(xiàn)需要基于對網(wǎng)元部件功耗狀態(tài)的控制，但是如果我們僅僅對其進行粗粒度的功耗控制，則無法實現(xiàn)較為滿意的功率感知效果.因此，我們提出了一種基于網(wǎng)元細粒度控制的功率感知路由機制，將網(wǎng)元的構(gòu)成部件做進一步的功能拆分，提取出最小的可控器件單元—線卡端口，同粗粒度的路由器底架級控制和線卡級控制相比，基于線卡端口級的控制使得網(wǎng)元功耗能夠更加精細地隨著網(wǎng)絡(luò)中流量負載的變化而進行相應(yīng)的狀態(tài)調(diào)整，進而實現(xiàn)網(wǎng)絡(luò)資源更加充分的利用.此外，我們綜合考慮了2種網(wǎng)元功耗調(diào)整策略，即基于動態(tài)功率管理(dynamic power management, DPM)技術(shù)的低功率閑置(low power idle, LPI)策略和基于動態(tài)電壓頻率調(diào)節(jié)(dynamic voltage and frequency scaling, DVFS)技術(shù)的自適應(yīng)鏈路速率(adaptive link rate, ALR)策略，當(dāng)網(wǎng)元滿足一定的條件和閾值時可以采用這2種策略進行功耗狀態(tài)轉(zhuǎn)換，從而獲得最大的節(jié)能收益.

作為功率感知的基礎(chǔ)，流量負載情況的獲取至關(guān)重要.由于主干網(wǎng)在一些時間段具有接近峰值和變化迅速的流量負載，因此我們需要動態(tài)獲知主干網(wǎng)中流量的變化情況并基于此實現(xiàn)網(wǎng)絡(luò)中各個網(wǎng)元對其相應(yīng)部件功耗的動態(tài)控制.一般說來，基于不同的動態(tài)流量獲取方法所做出的管理控制決策可以分為反應(yīng)式?jīng)Q策和前瞻式?jīng)Q策[16-17].反應(yīng)式?jīng)Q策需要監(jiān)測單元實時測量網(wǎng)絡(luò)上的流量信息，并將監(jiān)測結(jié)果發(fā)送給決策單元供其對相應(yīng)部件進行管理控制，然而此過程所花費的時間對性能影響很大，因此通常對該策略的處理反應(yīng)時間有較為苛刻的要求，這樣才能降低因流量信息實時獲取處理而導(dǎo)致的決策滯后性對網(wǎng)絡(luò)管理控制產(chǎn)生的負面影響.反應(yīng)式?jīng)Q策的優(yōu)勢在于對當(dāng)前即時流量進行決策，因此決策準(zhǔn)確度一般有保障.前瞻式?jīng)Q策依據(jù)預(yù)測流量進行決策，因此能夠避免反應(yīng)式?jīng)Q策固有的決策滯后問題，從而能夠更加及時地對網(wǎng)絡(luò)進行管理控制，但其準(zhǔn)確性嚴(yán)重依賴于流量負載預(yù)測的準(zhǔn)確性.鑒于主干網(wǎng)基礎(chǔ)設(shè)施和流量自身的特點以及本文功率感知控制的場景需求，本文采用前瞻式?jīng)Q策對主干網(wǎng)中的流量信息進行及時預(yù)測.

迄今為止，對于網(wǎng)絡(luò)流量需求的預(yù)測方法有許多研究，其中一些預(yù)測方法，如基于神經(jīng)網(wǎng)絡(luò)或者小波技術(shù)等的重量級預(yù)測方法，有著較高的計算復(fù)雜度和時間開銷，通常具有秒級甚至更長的預(yù)測時間[18-19].但是，由于對主干網(wǎng)流量突變期間部件級的功率狀態(tài)動態(tài)控制需要更加迅速的流量預(yù)測方法來滿足器件級的功率狀態(tài)動態(tài)控制，因此本文的預(yù)測方法使用滑動平均和滑動標(biāo)準(zhǔn)差模型[20]，這樣可以實現(xiàn)對主干網(wǎng)中流量波動情況的快速預(yù)測，而且從本文開展的實驗中可以看到，通過進一步調(diào)整預(yù)測參數(shù)能夠提高這種方法的預(yù)測準(zhǔn)確度，從而提高了決策單元對網(wǎng)元器件的控制精度.此外，本文還使用并行化的預(yù)測計數(shù)器并擴展入流量的計數(shù)窗口，這樣可以增加流量預(yù)測中使用的樣本數(shù)目，從而使預(yù)測模塊對流量負載預(yù)測的準(zhǔn)確性和穩(wěn)定性均得到改善.

一般說來，無論我們使用什么樣的方法進行流量預(yù)測都不可能完全消除所有的預(yù)測誤差，因為實際流量大小可能超過或低于預(yù)測流量，而這將引發(fā)入流量速率和器件處理速率之間的差異，進而可能會導(dǎo)致數(shù)據(jù)分組丟失.為了盡可能避免數(shù)據(jù)分組丟失，我們可以使用緩沖區(qū).盡管緩沖區(qū)的使用能夠在一定程度上減少數(shù)據(jù)分組丟失，但是緩沖區(qū)過大將導(dǎo)致處理延遲顯著增長，使路由器的性能嚴(yán)重下降.鑒于此，本文工作在控制分組丟失的同時，盡可能減少數(shù)據(jù)分組的處理延遲，在決策模塊中考慮緩沖區(qū)的使用狀況以減少緩沖區(qū)中因數(shù)據(jù)分組累積而引發(fā)的處理延遲.

此外，基于DiffServ模型，本文在考慮各節(jié)點節(jié)能收益的同時，還考慮其對不同應(yīng)用的服務(wù)質(zhì)量(quality of service, QoS)支持，盡可能在獲得最大節(jié)能收益的同時，提供必要的QoS支持.由于目前的典型主干網(wǎng)核心路由器間采用捆綁鏈路進行互連[21]，因此本文中節(jié)點間的互連鏈路均為捆綁鏈路.

綜上所述，本文的主要貢獻包括6個方面：

1) 面向主干網(wǎng)，提出了基于捆綁鏈路的動態(tài)功率感知路由器模型，且在最大化各節(jié)點節(jié)能的同時兼顧應(yīng)用QoS需求，在節(jié)點調(diào)度引擎中提出了層次調(diào)度算法，使得不同類型分組的QoS在節(jié)點處得以保證.

2) 與大多數(shù)研究工作中假設(shè)靜態(tài)流量需求的做法不同，本文提出的動態(tài)功率感知節(jié)能機制能夠使得網(wǎng)元功耗自適應(yīng)于動態(tài)流量負載.

3) 不同于基于粗粒度的路由器底架級動態(tài)功率控制和線卡級動態(tài)功率控制，本文提出了基于線卡端口級的更加細粒度的動態(tài)功率控制方案，對不同的流量變化情況給出了相應(yīng)的定量求解方法，使得網(wǎng)元的功耗能夠更加精細地隨著網(wǎng)絡(luò)中流量負載的變化而進行相應(yīng)的狀態(tài)調(diào)整.

4) 綜合考慮基于DPM技術(shù)的LPI策略和基于DVFS技術(shù)的ALR策略，使得這2種功耗調(diào)整策略互為補充.

5) 針對主干網(wǎng)基礎(chǔ)設(shè)施和流量自身變化的特點，為了避免信息獲取的滯后性以實現(xiàn)及時的控制管理決策，本文采用滑動平均和滑動標(biāo)準(zhǔn)差模型對流量進行快速準(zhǔn)確的預(yù)測，并且在預(yù)測時隙序列的選取上考慮了同期預(yù)測和環(huán)期預(yù)測，并比較了基于兩者的流量負載預(yù)測準(zhǔn)確性差異，進而針對流量預(yù)測過估計誤差和流量預(yù)測低估計誤差對節(jié)點功耗和節(jié)點性能的影響進行了全面的評價.

6) 在不同應(yīng)用場景下，探索本文機制在功效與最差延遲之間的權(quán)衡以及在功效與緩沖區(qū)占用率之間的權(quán)衡.

1 相關(guān)工作

目前，針對主干網(wǎng)器件級節(jié)能的研究工作，按控制策略可以分為ALR，LPI和混合策略等；按控制粒度可以分為粗粒度和細粒度；按實現(xiàn)目標(biāo)可以分為在性能可接受的前提下僅以最大化節(jié)能為目標(biāo)的約束節(jié)能和在節(jié)能與性能之間尋求最佳平衡點的權(quán)衡節(jié)能；按演進范疇可以分為完全打破且不依賴于原有的網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)協(xié)議等而進行全新設(shè)計的革新式以及在原有的網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)協(xié)議等的基礎(chǔ)上進行擴充和改進的增補式.盡管革新式通?？梢垣@取更為顯著的節(jié)能效果，但其實現(xiàn)成本巨大；而增補式通常實現(xiàn)的節(jié)能效果較前者有限，但代價也較前者小很多.

ALR[22]根據(jù)鏈路節(jié)點端口的負載情況，自適應(yīng)動態(tài)調(diào)節(jié)鏈路節(jié)點端口中數(shù)據(jù)傳輸處理速率，使鏈路節(jié)點端口能夠在低負載時減小功耗，實現(xiàn)節(jié)能.它使不同的鏈路節(jié)點端口工作在不同的服務(wù)速率和相應(yīng)的功耗等級上，在鏈路節(jié)點端口處于低利用率時降低鏈路節(jié)點端口的傳輸處理速率，能夠在保證有限的性能影響下有效地降低功耗.網(wǎng)絡(luò)中的任一鏈路節(jié)點端口可以根據(jù)鏈路傳輸負載情況節(jié)點端口處理負載情況，使用基于閾值的方法選擇處于某一工作狀態(tài)的傳輸處理速率機制，當(dāng)鏈路端口利用率超過或低于某一閾值時，相應(yīng)地調(diào)整傳輸處理速率.

LPI[23-25]通過在低鏈路利用率期間關(guān)閉鏈路任一端相連的網(wǎng)元或網(wǎng)元部件實現(xiàn)網(wǎng)絡(luò)設(shè)備功率的節(jié)省，在需要正常傳輸數(shù)據(jù)時恢復(fù)對已關(guān)閉部分的正常供電，以此節(jié)約網(wǎng)絡(luò)運營成本和實現(xiàn)網(wǎng)絡(luò)通信的高效節(jié)能.

文獻[18，26-30]的研究工作均著眼于器件級節(jié)能.文獻[18]提出了一種時鐘頻率調(diào)節(jié)路由器架構(gòu)，允許其內(nèi)部模塊依據(jù)流量負載采用不同的時鐘頻率運行.它給出了在不同網(wǎng)絡(luò)環(huán)境下的4種頻率切換策略：休眠喚醒切換策略、上邊界切換策略、雙邊界切換策略和組合切換策略，以減少路由器功耗從而實現(xiàn)網(wǎng)絡(luò)節(jié)能，但是通常這樣頻繁的調(diào)節(jié)會導(dǎo)致功率控制復(fù)雜化，而且產(chǎn)生的控制延遲不可忽略.文獻[26]針對路由器線卡，提出了一種時鐘頻率自適應(yīng)調(diào)節(jié)策略以最小化主干網(wǎng)能耗，該策略依據(jù)路由器線卡實際承載的流量需求，自適應(yīng)調(diào)節(jié)路由器線卡時鐘頻率，這樣，路由器線卡不需要總保持在全速運行狀態(tài)，從而實現(xiàn)節(jié)能.在假設(shè)已知不同時隙的不同節(jié)點對之間的預(yù)測流量需求矩陣的前提下，它給出了一個混合整數(shù)線性規(guī)劃模型，在不同時隙為每個路由器線卡選擇最優(yōu)時鐘頻率，從而使所有路由器線卡的總能耗最小.文獻[27]提出了一種廣義的ALR策略.它將網(wǎng)元的休眠視為服務(wù)速率為0的特殊情形.基于真實的分組軌跡，它分析了使用該策略的路由器對其鄰居路由器產(chǎn)生的影響.結(jié)果表明：當(dāng)一個路由器采用該策略時，其下游路由器可獲得高達30%的節(jié)能.文獻[28]提出了一種被稱為“GreenRouter”的新型路由器架構(gòu)，將一個線卡分成2個部分：網(wǎng)絡(luò)接口卡和分組處理卡，且在這2部分之間通過一個2級交換結(jié)構(gòu)相連.在該架構(gòu)中，從所有網(wǎng)絡(luò)接口卡進入的流量能夠共享所有分組處理卡，而且這些流量可以按需聚集到一部分分組處理卡上，這樣其余的分組處理卡可以被關(guān)閉以實現(xiàn)節(jié)能.文獻[29]提出了一種將能效以太網(wǎng)(energy efficient Ethernet, EEE)協(xié)議和eBond(energy-aware bonding)協(xié)議相結(jié)合的混合協(xié)議“eeeBond”，在每個路由器的網(wǎng)絡(luò)接口內(nèi)部執(zhí)行EEE協(xié)議來休眠與喚醒網(wǎng)絡(luò)接口，在不同網(wǎng)絡(luò)接口間執(zhí)行eBond協(xié)議進行網(wǎng)絡(luò)接口切換，從而使路由器能耗自適應(yīng)動態(tài)帶寬需求.它給出了一個統(tǒng)一的協(xié)議性能分析模型，推導(dǎo)出了用于設(shè)置協(xié)議最優(yōu)參數(shù)的閉型表達式.結(jié)果表明，通過使用eeeBond協(xié)議和設(shè)置最優(yōu)參數(shù)，網(wǎng)絡(luò)可以實現(xiàn)最大節(jié)能.文獻[30]基于NetFPGA平臺，研究網(wǎng)絡(luò)設(shè)備功率的刻畫方法及其調(diào)節(jié)機制.它給出了一個量化的NetFPGA交換機路由器部件能耗的測量框架，提出了一個功率調(diào)節(jié)算法，根據(jù)實際流量負載調(diào)節(jié)FPGA(field programmable gate array)內(nèi)核和以太網(wǎng)接口的運行時鐘頻率，但是它僅僅是基于硬件的節(jié)能.文獻[26-27]是基于路由器線卡級的粗粒度控制，而文獻[18，28-30]是基于路由器線卡端口級的細粒度控制，它們均未考慮QoS支持，大多采用單一節(jié)能策略，其中文獻[28-29]基于LPI策略，文獻[18，26，30]基于ALR策略，少數(shù)(如文獻[27])考慮了LPI和ALR混合策略.

相比以上研究工作，本文提出的機制是面向主干網(wǎng)的增補式細粒度短期動態(tài)功率感知的約束節(jié)能，它在實現(xiàn)各節(jié)點功耗最小化的同時，兼顧對不同應(yīng)用的QoS支持和性能保證，同時綜合運用多種節(jié)能策略.

2 問題描述

2.1 網(wǎng)絡(luò)模型

本文將主干網(wǎng)建模為連通圖G(V,E)，其中連通圖頂點集合V={v1,v2,…,vn}表示所有網(wǎng)絡(luò)節(jié)點的集合，連通圖邊集合E={e1,e2,…,em}表示所有網(wǎng)絡(luò)鏈路的集合.

2.2 節(jié)點模型

本文提出的節(jié)點結(jié)構(gòu)如圖1所示，包括主控引擎、背板、底架、交換結(jié)構(gòu)、緩沖區(qū)、調(diào)度引擎、線卡、轉(zhuǎn)發(fā)引擎、復(fù)制引擎和端口等構(gòu)件以及負載預(yù)測、緩沖區(qū)觀測、決策、休眠喚醒控制和速率調(diào)節(jié)等功能模塊.

主控引擎是路由器的控制中心，用于運行路由協(xié)議、實現(xiàn)配置管理和路由表查找等功能.背板由數(shù)據(jù)總線和交換結(jié)構(gòu)組成，是路由器內(nèi)部數(shù)據(jù)交換通道.底架用于承載線卡和交換結(jié)構(gòu)，為線卡提供連接槽位.交換結(jié)構(gòu)用于在路由器內(nèi)部連接線卡的輸入端口和輸出端口.線卡用于實現(xiàn)分組處理、隊列調(diào)度和流量管理等功能.轉(zhuǎn)發(fā)引擎用于完成分組輸入、存儲與轉(zhuǎn)發(fā)等功能.復(fù)制引擎用于組播所需的分組復(fù)制.端口用于連接路由器和外部線路，并在兩者之間進行數(shù)據(jù)傳輸.緩沖區(qū)調(diào)節(jié)數(shù)據(jù)入口速率和數(shù)據(jù)出口速率之間的差異，部署緩沖區(qū)能夠應(yīng)對流量預(yù)測錯誤的發(fā)生.使用較大的緩沖區(qū)能夠容忍更大的預(yù)測錯誤從而避免包丟失，但是包轉(zhuǎn)發(fā)時延將變大.因此，緩沖區(qū)尺寸應(yīng)該根據(jù)延遲容忍來決定.緩沖區(qū)觀測模塊對緩沖區(qū)的當(dāng)前使用情況進行周期性觀測并將此觀測結(jié)果發(fā)送給決策模塊.負載預(yù)測模塊使用負載的歷史統(tǒng)計信息和當(dāng)前的負載情況來估計未來負載.在負載預(yù)測模塊中，負載計數(shù)器統(tǒng)計入口負載的字節(jié)數(shù)，預(yù)測計算器根據(jù)負載計數(shù)器統(tǒng)計出的字節(jié)數(shù)計算預(yù)測值.決策模塊根據(jù)由負載預(yù)測模塊計算出的預(yù)測結(jié)果和由緩沖區(qū)觀測模塊獲取到的緩沖區(qū)使用量綜合決策，確定需要調(diào)節(jié)速率的端口數(shù)和或需要喚醒休眠的端口數(shù)(負載需求增加時，優(yōu)先使用速率調(diào)節(jié)策略，如果將所有活動端口的速率都調(diào)至最大后仍無法滿足負載需求時，則使用休眠控制策略喚醒必要數(shù)量的端口；否則，反之.)之后，決策模塊將端口狀態(tài)轉(zhuǎn)換結(jié)果，即需要調(diào)整速率的端口數(shù)和需要休眠喚醒的端口數(shù)，發(fā)送到狀態(tài)控制模塊，即速率調(diào)節(jié)子模塊和休眠喚醒子模塊.

本文把當(dāng)前節(jié)點中所有連接相同下一跳節(jié)點的不同端口分到1組，這樣形成的1組端口稱之為端口組.不同的下一跳節(jié)點對應(yīng)不同的端口組，這樣形成的轉(zhuǎn)發(fā)表稱之為端口組轉(zhuǎn)發(fā)表，如表1所示:

Table 1 Forwarding Table Based on Port Groups表1 端口組轉(zhuǎn)發(fā)表

休眠喚醒控制模塊基于決策模塊的端口數(shù)量調(diào)整信令和器件狀態(tài)表中記錄的器件已休眠已喚醒時間，依據(jù)已喚醒時間越長休眠優(yōu)先級越高的休眠原則和已休眠時間越長喚醒優(yōu)先級越高的喚醒原則，具體得出休眠喚醒端口組中的哪些端口，并向調(diào)度引擎和相應(yīng)的端口下發(fā)功率狀態(tài)轉(zhuǎn)換信令.速率調(diào)節(jié)模塊基于決策模塊的端口數(shù)量調(diào)整信令和器件狀態(tài)表中記錄的器件所處不同速率等級的持續(xù)時間，依據(jù)同一速率等級持續(xù)時間越長調(diào)節(jié)優(yōu)先級越高的調(diào)節(jié)原則，具體得出調(diào)節(jié)端口組中的哪些端口的轉(zhuǎn)發(fā)速率，并向調(diào)度引擎和相應(yīng)的端口下發(fā)功率狀態(tài)轉(zhuǎn)換信令.調(diào)度引擎在得到來自休眠喚醒控制模塊和速率調(diào)節(jié)模塊的相關(guān)信令后，向相應(yīng)端口并行轉(zhuǎn)發(fā)數(shù)據(jù)分組.相應(yīng)的端口根據(jù)接收到的來自休眠喚醒控制模塊和速率調(diào)節(jié)模塊的相關(guān)信令進行相應(yīng)的功率狀態(tài)轉(zhuǎn)換操作.節(jié)點內(nèi)部各構(gòu)件和功能模塊間的邏輯關(guān)系如圖2所示:

Fig. 2 Logical relationship among components and function modules inside the node圖2 節(jié)點內(nèi)部各構(gòu)件和功能模塊間邏輯關(guān)系

Fig. 3 Link structure圖3 鏈路結(jié)構(gòu)

2.3 鏈路模型

典型情況下，主干網(wǎng)每對節(jié)點間由多條物理鏈路互連，這些鏈路形成一條邏輯捆綁鏈路[21].本文采用文獻[31]的做法假設(shè)節(jié)點vi和節(jié)點vj之間的捆綁鏈路BLij由nij條容量相同的物理鏈路組成，表示為：BLij={li1j1,li2j2,…,linjjnj}.本文抽象每條物理鏈路的結(jié)構(gòu)如圖3所示，包括功率放大器、在線放大器、光再生器和前置放大器等中間設(shè)備.其中，功率放大器用來提高信號發(fā)送功率，在線放大器用來延長信號傳輸距離，光再生器用來對信號進行整形，前置放大器用來改善接收端靈敏度.

定義1.物理鏈路速率集.假設(shè)每條物理鏈路都遵循ALR策略，則對于不同的鏈路利用率LU，其自適應(yīng)鏈路速率R可以確定:

(1)

其中，θi(i=1,2,…,k-1)表示劃分閾值.我們將這些不同速率組成的集合稱為物理鏈路速率集，記為Rlink={R1,R2,…,Rk}.

2.4 功耗模型

定義2.端口休眠喚醒狀態(tài)集與合并狀態(tài)集.當(dāng)端口處于活動狀態(tài)Sa時，端口正常運行和處理分組；當(dāng)端口處于淺層休眠狀態(tài)Ss時，端口不處理分組，但是使用一小部分功耗以維持端口的初始化狀態(tài)，這樣可以實現(xiàn)其從該狀態(tài)返回到活動狀態(tài)的快速蘇醒；當(dāng)端口處于深層休眠狀態(tài)Sd時，端口被完全關(guān)閉，其功耗為0.因此，端口的休眠喚醒狀態(tài)集可以表示為S={Sa,Ss,Sd}.此外，再考慮到與上述物理鏈路速率集相對應(yīng)的端口速率集R=Rlink={R1,R2,…,Rk}，我們得到端口的合并狀態(tài)集S={Sa1,Sa2,…,Sak,Ss,Sd}.

在休眠喚醒3個狀態(tài)中只有端口處于活動狀態(tài)才能夠處理數(shù)據(jù)分組，如果處于活動狀態(tài)的端口不足以滿足流量需求，則將引起包丟失，因此處于休眠狀態(tài)的端口必須在可接受的時間內(nèi)按需激活；相反，如果因流量需求減少而不再需要過多處于活動狀態(tài)的端口，則需使多余的端口進入休眠狀態(tài)以實現(xiàn)節(jié)能.圖4展示了端口狀態(tài)之間的轉(zhuǎn)換.

Fig. 4 Transforming among port states圖4 端口狀態(tài)之間的轉(zhuǎn)換

從深層休眠狀態(tài)到活動狀態(tài)或淺層休眠狀態(tài)，需要包括更新內(nèi)存和存儲初始信息等操作.在淺層休眠狀態(tài)，功率被持續(xù)供給以保持內(nèi)存芯片上所有的數(shù)據(jù)，只是沒有提供時鐘信號，因此喚醒器件從淺層休眠狀態(tài)到活動狀態(tài)只需要重新提供時鐘信號.同深層休眠狀態(tài)的喚醒時間相比，從淺層休眠狀態(tài)到活動狀態(tài)的喚醒時間很短.表2比較了3種狀態(tài)的屬性細節(jié)，本文設(shè)從活動狀態(tài)到淺層深層休眠狀態(tài)和從淺層休眠狀態(tài)到深層休眠狀態(tài)的轉(zhuǎn)換時間為0，因為這些轉(zhuǎn)換僅是簡單地停止供電.

Table 2 Property Comparison Among Different Port States表2 不同端口狀態(tài)間的屬性比較

定義3.端口之外的器件(如線卡和底架)狀態(tài).開啟狀態(tài)，器件正常運行和處理分組；關(guān)閉狀態(tài)，完全關(guān)閉器件，其功耗為0.

當(dāng)且僅當(dāng)一個線卡上的所有端口都處于深度休眠狀態(tài)，這個線卡才能關(guān)閉；同理，當(dāng)且僅當(dāng)一個底架上的所有線卡都關(guān)閉了，這個底架才能關(guān)閉.

表3是器件狀態(tài)表，包括所有器件當(dāng)前的狀態(tài)以及該狀態(tài)所持續(xù)的時間.

根據(jù)節(jié)點內(nèi)部各構(gòu)件的工作原理、彼此間的交互方式、DPM技術(shù)、LPI策略以及功率狀態(tài)劃分定義，抽象出節(jié)點功耗模型:

(2)

Table 3 Component State Table表3 器件狀態(tài)表

基于DVFS技術(shù)、上述的ALR策略和先前給出的鏈路模型，抽象捆綁鏈路功耗模型:

(3)

(4)

(5)

(6)

基于上述的節(jié)點功耗模型和鏈路功耗模型，全網(wǎng)的功耗模型為

(7)

3 器件級功控機制

器件級功控機制既要考慮流量預(yù)測又要考慮緩沖區(qū)的占用情況.圖5展示了對從當(dāng)前節(jié)點vi流向下一跳節(jié)點vj的數(shù)據(jù)分組，器件級功控機制(component-level power controlling mechanism, CPCM)是如何進行工作的，其中，Ipre為預(yù)測時隙，Iobs為緩沖區(qū)觀測時隙，Ipre=Iobs，Iswi為端口進行功率狀態(tài)轉(zhuǎn)換的時隙，Dcal為因預(yù)測計算而產(chǎn)生的時延，Ddec為因確定需要進行狀態(tài)轉(zhuǎn)換的端口數(shù)目而產(chǎn)生的時延，Dide為因落實需要進行功率轉(zhuǎn)換的具體端口而產(chǎn)生的時延，Dtra為因端口進行功率狀態(tài)轉(zhuǎn)換而產(chǎn)生的時延.

從圖5可以看出，器件級功控機制主要包括6個階段：

1) 負載預(yù)測模塊收集流量負載信息(從t=t0到t=t0+Ipre)；

經(jīng)過調(diào)查發(fā)現(xiàn)，蘋果主要貯藏病害是在果園或采收、分級、運輸?shù)冗^程中感染的，在貯藏期間遇到適宜條件就會發(fā)病。因此，蘋果苦痘病、蘋果霉心病、蘋果虎皮病等主要貯藏病害的防治須采取綜合措施，部分措施要在蘋果生長期實施。同時要盡量減少病原體，加強果園管理，防止機械損傷，創(chuàng)造適宜的貯藏環(huán)境，確保貯藏質(zhì)量。

2) 根據(jù)第1階段收集的信息計算出預(yù)測的負載大小(從t=t0+Ipre到t=t0+Ipre+Dcal)；

3) 通過緩沖區(qū)觀測模塊獲取緩沖區(qū)使用量(在t=t0+Ipre)；

4) 根據(jù)從第2,3階段獲取的結(jié)果，決策模塊決定當(dāng)前節(jié)點未來需要運行所處的功耗狀態(tài)等級(需要多少器件運行并運行在怎樣的速率級別上)，并將決策結(jié)果發(fā)送給休眠喚醒控制模塊和速率調(diào)節(jié)模塊(從t=t0+Ipre+Dcal到t=t0+Ipre+Dcal+Ddec)；

6) 所有收到信令的端口開始進行相應(yīng)的狀態(tài)轉(zhuǎn)換，調(diào)度引擎根據(jù)信令將數(shù)據(jù)分組發(fā)送給相應(yīng)端口(從t=t0+Ipre+Dcal+Ddec+Dide到t=t0+Ipre+Dcal+Ddec+Dide+Dtra).

3.1 預(yù)測模塊

3.1.1 預(yù)測時隙序列的選取

選取不同的時隙序列(1,2,…,t-1)進行預(yù)測直接影響到預(yù)測準(zhǔn)確性，本文嘗試采用3種方法確定預(yù)測所需的時隙序列(1,2,…,t-1)以對時隙t內(nèi)的負載大小進行較為全面地預(yù)測.

定義5.狹義同期預(yù)測.將基于先前每周對應(yīng)工作日中與當(dāng)前時隙相同時隙負載大小對當(dāng)前時隙負載大小進行的預(yù)測稱為狹義同期預(yù)測(special same-period prediction, SSP).

定義6.環(huán)期預(yù)測.將基于先前連續(xù)時隙負載大小對當(dāng)前時隙負載大小進行的預(yù)測稱為環(huán)期預(yù)測(continuous-period prediction, CP).

3.1.2 計數(shù)器數(shù)目的選取

1) 單一計數(shù)器

(8)

(9)

其中，α和β分別表示滑動平均和滑動標(biāo)準(zhǔn)差的平滑參數(shù).從式(8)和式(9)可以看出，由于預(yù)測計算能夠通過移位寄存器來實現(xiàn)高速運算，因此在負載預(yù)測模塊中的計算時延可以忽略，器件級功控機制的總時延可以表示為D=Dcal+Ddec+Dide+Dtra≈Ddec+Dide+Dtra.由于此預(yù)測方法計算量較小，因此適合負載高的核心路由器.

Fig. 6 Comparison among single counter and multiple counters圖6 單個計數(shù)器和多個計數(shù)器的比較

2) 多計數(shù)器

以圖6為例，如果單一計數(shù)器，則在一個計數(shù)窗口中的分組數(shù)在[0,4]之間變化，而如果4個計數(shù)器，則在一個計數(shù)窗口中的分組數(shù)在[54,114]之間緩慢變化.可見，多計數(shù)器窗口的使用增強了的統(tǒng)計穩(wěn)定性，可以顯著改善流量負載預(yù)測準(zhǔn)確度以及進一步避免頻繁的預(yù)測決策帶來的網(wǎng)元器件功率狀態(tài)切換震蕩.

(10)

(11)

3.2 緩沖區(qū)

無論采用何種預(yù)測方法都會有誤差存在，因此本文在節(jié)點內(nèi)部引入緩沖區(qū)來容忍這些誤差.然而，這些誤差可能會逐漸累積在緩沖區(qū)中，從而增加緩沖區(qū)溢出風(fēng)險，因此需要定期觀測緩沖區(qū)的使用量.

為了避免緩沖區(qū)溢出導(dǎo)致數(shù)據(jù)分組丟失，本文設(shè)置緩沖區(qū)警戒閾值.當(dāng)緩沖區(qū)使用量超過該閾值時，緩沖區(qū)觀測模塊啟用觀測值加倍機制，即將雙倍的當(dāng)前緩沖區(qū)實際使用量作為觀測值向決策模塊進行反饋，以便預(yù)留足夠的端口容量.

(12)

由于使用緩沖區(qū)會增加數(shù)據(jù)分組的等待時延，因此為了既實現(xiàn)節(jié)省網(wǎng)絡(luò)功耗又避免節(jié)點處理性能下降，需要在功效和緩沖區(qū)占用率之間進行必要的均衡(詳見4.3.2節(jié)).

3.3 決策模塊

決策模塊根據(jù)負載預(yù)測模塊的預(yù)測結(jié)果和由緩沖區(qū)觀測模塊獲取到的緩沖區(qū)使用量，綜合確定如何調(diào)整端口狀態(tài)和數(shù)目.

(13)

(14)

(15)

在決策模塊中嵌入應(yīng)對不同流量負載變化趨勢的端口數(shù)轉(zhuǎn)換算法(詳見算法1和算法2)，用于得出在任一預(yù)測時隙的數(shù)量轉(zhuǎn)換矩陣，從而明確各狀態(tài)端口間的數(shù)量變化情況，決策模塊據(jù)此將端口數(shù)量調(diào)整信令分別發(fā)送給休眠喚醒控制模塊和速率調(diào)節(jié)模塊.

為了確保節(jié)能收益最大化，同時考慮到喚醒端口需要付出一定的轉(zhuǎn)換代價(使端口復(fù)蘇至正常工作狀態(tài)需要一定的時延，并且該時延不可忽略[12])而休眠端口是瞬間完成的(只需對端口停止供電即可)，算法1和算法2分別基于不同的流量變化趨勢權(quán)衡休眠喚醒和速率調(diào)整所需付出的代價以及所能獲得的節(jié)能收益.且在算法1和算法2中，為了書寫簡潔，我們將端口組Gij中在時隙t-1處于狀態(tài)的全部端口切換到狀態(tài)而產(chǎn)生的容量變化量簡記為.

對于流量負載增加的情形，首先進行提升速率操作，即反復(fù)將當(dāng)前處于最低速率等級的端口的速率等級進行逐級提升，直至能夠滿足流量增長需求為止；若所有開啟端口的速率等級升至最高后仍不能滿足流量增長需求，則進行喚醒端口操作，先喚醒淺層休眠端口，后喚醒深層休眠端口，并且為了盡可能減少喚醒端口數(shù)量，將休眠端口直接喚醒到速率等級3(對于流量負載增加剩余量不足速率等級3的部分，按流量負載實際剩余量將休眠端口喚醒至速率等級1或速率等級2).算法1的行①初始化各狀態(tài)端口間的數(shù)量轉(zhuǎn)換矩陣為零矩陣；行②③是對流量負載增幅較小(將端口速率升至2級即可滿足)時的調(diào)整；行④～是對流量負載增幅較大(所有開啟端口速率提升至最高級仍無法滿足)時的調(diào)整；行～是對流量負載增幅居中(通過提升速率操作可以滿足)時的調(diào)整；行返回更新后的各狀態(tài)端口間的數(shù)量轉(zhuǎn)換矩陣.

算法1.流量負載增加時各狀態(tài)端口間的數(shù)量轉(zhuǎn)換算法.

then

對于流量負載減少的情形，為了盡可能增加休眠端口數(shù)量，首先盡可能多地休眠當(dāng)前處于低速率等級的端口，之后進一步通過降低速率，盡可能多地減少當(dāng)前處于高速率等級的端口數(shù)量.算法2的行①初始化各狀態(tài)端口間的數(shù)量轉(zhuǎn)換矩陣為零矩陣；行②～是對流量負載降幅較小(將處于速率等級1的端口休眠即可滿足)時的調(diào)整；行～是對流量負載降幅居中(將處于速率等級1和2的端口休眠即可滿足)時的調(diào)整；行～是對流量負載降幅較大(將處于速率等級1，2，3的端口休眠才可滿足)時的調(diào)整；行返回更新后的各狀態(tài)端口間的數(shù)量轉(zhuǎn)換矩陣.

算法2.流量負載減小時各狀態(tài)端口間的數(shù)量轉(zhuǎn)換算法.

then

⑩ else

3.4 狀態(tài)控制模塊

3.4.1 休眠喚醒子模塊

休眠喚醒控制模塊的工作分為2個階段：

1) 接收來自決策模塊的端口數(shù)量調(diào)整信令，確定哪幾種狀態(tài)端口需要進行休眠喚醒操作以及每種狀態(tài)端口需要調(diào)整多少個.

3.4.2 速率調(diào)節(jié)子模塊

速率調(diào)節(jié)模塊的工作分為2個階段：

1) 接收來自決策模塊的端口數(shù)量調(diào)整信令，確定哪幾種速率端口需要進行速率調(diào)節(jié)操作以及每種速率端口需要調(diào)整多少個.

2) 對于同種速率端口，依據(jù)速率調(diào)節(jié)規(guī)則，具體得出調(diào)節(jié)端口組中的哪些端口的轉(zhuǎn)發(fā)速率，并向調(diào)度引擎和相應(yīng)的端口下發(fā)速率轉(zhuǎn)換信令.

3.5 調(diào)度引擎

為了避免單一采用優(yōu)先級排隊調(diào)度算法(priority queuing, PQ)可能出現(xiàn)的低優(yōu)先級隊列“餓死”現(xiàn)象以及單一采用輪詢類算法(如輪詢調(diào)度(round robin, RR)、加權(quán)輪詢調(diào)度(weighted round robin, WRR)、赤字加權(quán)輪詢調(diào)度(deficit weighted round robin, DWRR))可能出現(xiàn)的無法對延遲、抖動和丟包率等敏感的關(guān)鍵分組提供優(yōu)先級保證的問題，并考慮面向主干網(wǎng)節(jié)點和高速鏈路的應(yīng)用場景(面向低速鏈路的公平排隊(fair queuing, FQ)類調(diào)度算法不適用該情形)，本文在調(diào)度引擎設(shè)計中提出了一種層次調(diào)度算法PDL(PQ-DDWRR-LRMDTF).它的隊列由2大類組成：1個PQ隊列和m個動態(tài)赤字加權(quán)輪詢調(diào)度(dynamic deficit weighted round robin, DDWRR)隊列，且PQ隊列優(yōu)先級高于所有DDWRR隊列.只有當(dāng)PQ隊列中的所有分組都被調(diào)度完成，才會對DDWRR隊列中的分組進行調(diào)度，并且兩者之間是搶占式的，以此確保后面隨時到來的緊急分組可以被高優(yōu)先級調(diào)度.

定義11.RMDT(remaining maximum delay time).對于流入節(jié)點的某個數(shù)據(jù)分組packetk，假設(shè)其對應(yīng)的應(yīng)用類型為typek，這種應(yīng)用類型所允許的最大延遲為delaymax k，該數(shù)據(jù)分組轉(zhuǎn)發(fā)至當(dāng)前節(jié)點已經(jīng)花費的延遲時間為delayk，則該數(shù)據(jù)分組所允許的剩余最大延遲時間RMDT為delaymax k-delayk.

PQ隊列和每個DDWRR隊列均采用最小RMDT優(yōu)先(least RMDT first)對分組進行排序，RMDT最小的分組排在所在隊列的最前面，調(diào)度引擎在每個隊列內(nèi)部總是從隊首分組開始執(zhí)行調(diào)度，并且在2種隊列的內(nèi)部均采用非搶占式調(diào)度，即正在處理的分組即使沒有新進來分組的RMDT小，也不必讓位于新來的分組，而是直到當(dāng)前分組處理完成后才處理新來的分組.這樣設(shè)計的原因是為了避免同種隊列內(nèi)部的搶占式調(diào)度造成的頻繁切換而形成的顛簸現(xiàn)象.在某一時刻，如果所有DDWRR隊列中存在小于PQ隊列隊尾RMDT的分組，則按該分組RMDT大小將其移至PQ隊列相應(yīng)位置，以防止被“餓死”.

依據(jù)國際電信聯(lián)盟標(biāo)準(zhǔn)ITU-T Y.1541[33]中關(guān)于QoS類別的劃分和定義以及ITU-T Y.1221[34]中關(guān)于業(yè)務(wù)合約(traffic contracts)的劃分和定義，將分組分為4大類：會話類(如VoIP(voice over Internet protocol)，VTC(video teleconferencing)，IPTV(Internet protocol television))、流類(如流媒體、VOD(video on demand))、交互類(如Web訪問、數(shù)據(jù)庫檢索)和背景類(如FTP(file transfer protocol)和Email)，不同類型分組需滿足的QoS參數(shù)指標(biāo)如表4所示:

Table 4 QoS Constraints Corresponding to Different Types of Packets表4 不同類型分組對應(yīng)的QoS約束

當(dāng)出現(xiàn)差分服務(wù)代碼點(differentiated services code point, DSCP)的每跳行為PHB標(biāo)識碼為加急轉(zhuǎn)發(fā)EF、確保轉(zhuǎn)發(fā)AF4，AF3或AF2的分組時，則由分類器將其放入PQ隊列，優(yōu)先處理；當(dāng)新到分組的PHB為AF1或BE時，則由分類器依據(jù)其所屬的端口組，將其放入對應(yīng)的DDWRR隊列.DDWRR隊列之間采用動態(tài)赤字加權(quán)輪詢方式進行調(diào)度，每個隊列維護一個赤字計數(shù)器(deficit counter, DC)，DC值表示每次允許調(diào)度該隊列的字節(jié)總數(shù).每次輪詢調(diào)度時，首先初始化每個非空隊列的DC值為本隊列上次剩余的DC值和按當(dāng)前各自權(quán)重計算所得的帶寬之和，調(diào)度引擎依次訪問所有非空隊列，如果當(dāng)前隊列隊首分組大小不大于DC值，則DC值減去此分組的大小，并由調(diào)度引擎發(fā)送該分組到輸出端口，如此不斷更新DC值，發(fā)送分組到輸出端口，直到隊首分組大小大于DC值為止，將此時剩余的DC值累加到當(dāng)前隊列下次輪詢時使用，如果隊列已空，則設(shè)置DC值為零，調(diào)度引擎移向下一非空隊列進行輪詢調(diào)度.

具體地，分配給第j個DDWRR隊列的權(quán)重可以計算得出:

(16)

(17)

綜上所述，PDL層次調(diào)度算法整體工作流程如圖7所示，調(diào)度引擎通過采用PDL層次調(diào)度算法對進入當(dāng)前節(jié)點的所有數(shù)據(jù)分組進行不同優(yōu)先級的調(diào)度轉(zhuǎn)發(fā)，可以確保最緊急的數(shù)據(jù)分組最先被轉(zhuǎn)發(fā)，而非緊急的數(shù)據(jù)分組也不會被“餓死”，這樣使得不同應(yīng)用類型的分組所需的QoS在節(jié)點處得以保證.

Fig. 7 Schematic diagram for PDL scheduling algorithm圖7 PDL調(diào)度算法示意圖

4 仿真實現(xiàn)與綜合測評

本文以功耗作為網(wǎng)絡(luò)圖權(quán)值在節(jié)點間采用SPT(shortest path tree)算法路由每對流量需求，同時對所有網(wǎng)元都采用器件級功控機制.

在機制測評中，對于探索節(jié)能與性能之間的權(quán)衡以及探索過估計誤差和低估計誤差、計數(shù)窗口數(shù)目、環(huán)期預(yù)測和同期預(yù)測方式對預(yù)測準(zhǔn)確度、節(jié)能和性能的影響，由于這些涉及的均是本機制的特有屬性，我們與未采用該機制時進行對比；而對于反映機制功效的比例性，我們選取文獻[32]中提出的節(jié)能機制BDTP(buffer dual-threshold policy)作為對比機制，該機制預(yù)設(shè)端口緩沖區(qū)占用率雙閾值，對不同的流量負載動態(tài)調(diào)整鏈路傳輸速率實現(xiàn)節(jié)能.此外，為了對比公平起見，我們將LPI策略引入對比機制BDTP，假設(shè)此時物理鏈路同樣具有淺層休眠和深層休眠狀態(tài)，當(dāng)無分組傳輸時其可以立即進入淺層休眠狀態(tài)，超過預(yù)設(shè)時間轉(zhuǎn)為深層休眠狀態(tài).

4.1 仿真環(huán)境

所有方案的仿真環(huán)境為:

硬件配置CPU為Intel Quad-Core i5-4590@3.30 GHz,RAM為4 GB(DDR3,1 600 MHz);操作系統(tǒng)為Windows 7 professional 64 bits;開發(fā)平臺為Microsoft Visual Studio 2010;開發(fā)語言為C++.

4.2 仿真數(shù)據(jù)集

仿真用例采用3個典型的主干網(wǎng)CERNET2 (20個節(jié)點和22條鏈路)、GéANT (41個節(jié)點和65條鏈路)和INTERNET2(64個節(jié)點和78條鏈路)，拓撲結(jié)構(gòu)如圖8所示，特征屬性如表5所示.

Fig. 8 Topology use-case diagram圖8 拓撲用例

Table 5 Topological Structure Properties表5 拓撲屬性

流量數(shù)據(jù)集.對于CERNET2拓撲，通過教育網(wǎng)Aladdin網(wǎng)管中心信息平臺(1)阿拉丁網(wǎng)絡(luò)信息管理系統(tǒng),http:219.243.208.6snmpindex.php提取在觀測期間網(wǎng)絡(luò)中所有節(jié)點間的進出流量監(jiān)測數(shù)據(jù)，得到節(jié)點間流量分布及交互情況.對于GéANT拓撲和INTERNET2拓撲，采用文獻[35]中提供的流量數(shù)據(jù).

環(huán)期預(yù)測數(shù)據(jù)集.由于每周對應(yīng)工作日之間的流量特征具有相似性，本文選取從2016-04-10—2016-04-16期間每天24 h流量軌跡.

同期預(yù)測數(shù)據(jù)集.選取以上3個拓撲從2016-02-28—2016-09-24每天4:00—5:00，14:00—15:00，21:00—22:00這3個時間段的流量軌跡.

需要指出的是，除了在4.4.5節(jié)與環(huán)期預(yù)測進行比較時我們使用同期預(yù)測數(shù)據(jù)集之外，其余各處仿真均使用環(huán)期預(yù)測數(shù)據(jù)集.而且除了4.4.4節(jié)之外，其余各處仿真均使用8個計數(shù)器.

4.3 參數(shù)的設(shè)置和確定

參考思科12000系列路由器(2)Cisco XR 12000 Series and Cisco 12000 Series Routers.http:www.cisco.comcenusproductsrouters12000-series-routersdatasheet-listing.html設(shè)置仿真中使用的功耗和器件配置等參數(shù)，如表6所示:

Table 6 Simulation Parameters Setting表6 仿真參數(shù)設(shè)置

對于預(yù)測參數(shù)α，β，Ipre，Iobs的取值需要根據(jù)不同的流量負載狀況進行調(diào)整，本文在3個典型的代表低負載(4:00—5:00)、中負載(14:00—15:00)和高負載(21:00—22:00)特征的軌跡下對這些參數(shù)值進行調(diào)整.在這些軌跡下，分別通過式(8)或式(10)來獲取參數(shù)α的值，之后分別通過式(9)或式(11)來獲取參數(shù)β的值.流量增加時，對這2個參數(shù)值向下取整，反之向上取整.根據(jù)不同主干網(wǎng)中各節(jié)點的歷史流量日志和器件部署情況設(shè)置Ipre值，而Iobs取值的標(biāo)準(zhǔn)是在保證沒有分組丟失的條件下選取使當(dāng)前節(jié)點功耗最小化時對應(yīng)的Ipre值的整數(shù)倍.

按上述方法，CERNET2拓撲中的沈陽節(jié)點、GéANT拓撲中的丹麥節(jié)點以及INTERNET2拓撲中的匹茲堡節(jié)點在不同流量等級(traffic level, TL)的負載軌跡下的預(yù)測參數(shù)設(shè)置如表7所示:

Table 7 Prediction Parameters Setting表7 預(yù)測參數(shù)設(shè)置

4.4 機制測評

采用定義12～14中的功效、緩沖區(qū)占用率和最差延遲作為參數(shù)度量指標(biāo)評價本文提出的器件級功控機制CPCM.

定義12.功效(power efficiency, PE).將當(dāng)前所有休眠器件以及低速率器件共同節(jié)省的總功耗與所有器件都活動且運行在最大速率時的總功耗的比值稱為功效.功效越高越節(jié)能.

當(dāng)預(yù)測開啟的處于各種速率的器件不能滿足實際到來的流量時，即實際入口負載到達速率大于節(jié)點處理輸出速率，則需要使用緩沖區(qū)來容納未被及時處理的分組，從而增加緩沖區(qū)的使用，因此除了需要對功效進行度量之外，還需要對緩沖區(qū)的使用情況進行度量.

定義13.緩沖區(qū)占用率.將當(dāng)前已經(jīng)使用的緩沖區(qū)大小占緩沖區(qū)總?cè)萘康陌俜直确Q為緩沖區(qū)占用率.緩沖區(qū)占用率越小，分組的等待延遲越小.

定義14.最差延遲.將數(shù)據(jù)分組進出緩沖區(qū)的最大時間間隔稱為最差延遲，用來度量負載延遲.

此外，本文還討論采用不同數(shù)目的計數(shù)窗口以及環(huán)期預(yù)測和同期預(yù)測對預(yù)測準(zhǔn)確性的影響，以及過估計誤差和低估計誤差對器件級功控機制的影響.

4.4.1 比例性

比例性可以反映功效隨負載變化的緊密程度，以此評價設(shè)計機制的節(jié)能潛力.最理想的情況是兩者完全成正比例線性變化，此時節(jié)能收益最大化.

定義15.節(jié)點負載率.將節(jié)點流量負載與節(jié)點容量的百分比稱為節(jié)點負載率.

定義16.端口開啟率(port opening ratio, POR).將節(jié)點中開啟端口數(shù)與總端口數(shù)的百分比稱為端口開啟率.

定義17.比例性.將端口開啟率隨節(jié)點負載率動態(tài)變化的線性程度稱為比例性.

Fig. 9 Proportionality test圖9 比例性測試

從圖9可以看出，在CPCM機制下，節(jié)點功效和端口開啟率都緊隨節(jié)點負載率的變化而趨近線性比例變化，尤其對于規(guī)模較小的拓撲比例性更好.而且，通過觀察功效變化情況可以發(fā)現(xiàn)，CPCM機制的引入能夠節(jié)省大量的功耗，甚至當(dāng)節(jié)點負載率高達70%時，仍能維持14%～20%的功效.由此可見，CPCM機制能夠依據(jù)流量負載變化非常有效地控制功效和端口狀態(tài).而在BDTP機制下，節(jié)點功效在低負載和高負載時差異很大，近似階躍式變化；端口開啟率始終較高，對節(jié)點負載率的變化不敏感，并且拓撲結(jié)構(gòu)越復(fù)雜的節(jié)點越明顯.2種機制的顯著差異主要來源于前者對捆綁鏈路中全部物理鏈路規(guī)劃端口的開關(guān)和速率的調(diào)整，較大限度地保證了所開即所需，而后者捆綁鏈路各端口之間是相互獨立的，沒有聚合流量，于是開啟了多余的端口或者使用了較大而不必要的高速率，導(dǎo)致功效顯著降低.

4.4.2 節(jié)能與性能之間的權(quán)衡

權(quán)衡是既要保證節(jié)能效果又要保障一定的運行性能而不得不在兩者之間做出的折中考量.本文關(guān)注功效與最差延遲之間的權(quán)衡以及功效與緩沖區(qū)占用率之間的權(quán)衡.

圖10顯示了在不同的緩沖區(qū)使用量警戒閾值ζ下的功效與最差延遲權(quán)衡分布以及功效與緩沖區(qū)占用率權(quán)衡分布.可以看出，當(dāng)設(shè)置最差延遲為某個確定值時，能夠獲得在此限制下的最大功效；反之，當(dāng)需要實現(xiàn)特定級別的功效時，能夠獲得此時的最壞延遲.例如，觀察區(qū)域C1，G1，I1中ζ≥0.8的點，功效達到80%以上，但最差延遲至少30 ms，使用這樣的ζ值能夠以增大最差延遲為代價換取功效最大化.這種情況適用于在注重節(jié)能的環(huán)境下進行部署，僅需滿足最低的延遲需求即可.又如，在區(qū)域C2，G2，I2中的ζ≤0.2的點，此時緩沖區(qū)頻繁刷新，與區(qū)域C1，G1，I1相比，功效降低超過50%，但最差延遲減小可達23，即最差延遲被最大程度地減小，但功效被最小化.這種情況適用于對負載延遲有苛刻約束而對節(jié)能不敏感的環(huán)境.最后，在區(qū)域C3，G3，I3中的ζ∈[0.6,0.7]的點，這樣的點是權(quán)衡后的“甜蜜點”，既沒有太糟糕的最差延遲(比第1種情況少50%)，也能獲得一定的節(jié)能效果(比第1種情況少30%).因此，本文通過選擇適當(dāng)?shù)目刂茀?shù) ζ 以滿足在某一環(huán)境下的部署需求.

Fig. 10 Tradeoff between energy saving and performance圖10 節(jié)能與性能之間的權(quán)衡

從圖10還可以看出，如果使用增加功效的參數(shù)，則緩沖區(qū)占用率將增長，反之功效將減小.這是因為緩沖區(qū)中數(shù)據(jù)分組的累積會導(dǎo)致最差延遲的增長.當(dāng)選擇減少最差延遲的參數(shù)，緩沖區(qū)占用率也將減少，因此可以通過恰當(dāng)?shù)厥褂镁彌_區(qū)減小最差延遲.

4.4.3 過估計誤差和低估計誤差的影響

當(dāng)負載預(yù)測模塊得到的預(yù)測性能偏離實際需要的性能時會產(chǎn)生過估計或低估計.

如果是過估計，則意味著投入了比實際需要更多的器件用于處理入口負載，降低了功效，造成能源的浪費，但對節(jié)點的處理性能沒有影響.

如果是低估計，則意味著投入了比實際需要更少的器件用于處理入口負載.這會導(dǎo)致數(shù)據(jù)分組在緩沖區(qū)中的不斷累積從而導(dǎo)致負載最差延遲的增長，甚至可能導(dǎo)致數(shù)據(jù)分組累積過多而使緩沖區(qū)溢出從而導(dǎo)致分組丟失，嚴(yán)重影響節(jié)點的處理性能.

圖10中的區(qū)域C1，G1，I1中的點可以看作是發(fā)生低估計時的狀況，盡管獲得了功效收益，但是最差延遲的增長惡化了節(jié)點的性能.區(qū)域C2，G2，I2中的點可以看作是發(fā)生過估計的狀況，犧牲了功效換取了負載最差延遲的減小.對于運行在主干網(wǎng)中的核心節(jié)點來說，與過估計相比，低估計的發(fā)生更需要被避免.

4.4.4 計數(shù)窗口數(shù)目對預(yù)測的影響

定義18.端口數(shù)平均誤差.將當(dāng)前開啟端口數(shù)Nactive和實際所需開啟端口數(shù)Nactual間的平均誤差稱為端口數(shù)平均誤差，記為χ，計算為

(18)

χ能夠反映過估計低估計的趨勢.

定義19.端口數(shù)均方根誤差.將當(dāng)前開啟端口數(shù)Nactive和實際所需開啟端口數(shù)Nactual之間的均方根誤差稱為端口數(shù)均方根誤差，記為δ，計算為

(19)

δ能夠反映預(yù)測值追蹤實際負載的準(zhǔn)確程度.其中，npre是預(yù)測的總次數(shù).

記處于過估計狀態(tài)的端口數(shù)均方根誤差為δover，計算為

(20)

δover值越小，表示過估計的影響越小，可以實現(xiàn)更高的功效控制.

記處于低估計狀態(tài)的端口數(shù)均方根誤差為δunder，計算為

(21)

δunder值越小，意味著低估計的影響越小，可以實現(xiàn)更小的負載延遲.其中，nover和nunder分別是過估計和低估計發(fā)生次數(shù).

圖11展示了節(jié)點預(yù)測模塊采用不同數(shù)目的計數(shù)器時的預(yù)測準(zhǔn)確度比較，在3個拓撲中，在高負載情形下δunder均大于δover而占據(jù)主導(dǎo)地位，在低負載情形下δover都大于δunder而占據(jù)主導(dǎo)地位，在所有情形下平均誤差χ都趨于0.上述說明，計數(shù)器數(shù)目不影響預(yù)測趨勢.與單個計數(shù)器相比，當(dāng)使用8個計數(shù)器時，所有的δover和δunder均大幅降低，這是由于增加計數(shù)器數(shù)目可以減少流量負載頻繁波動對預(yù)測準(zhǔn)確度的影響.

Fig. 11 Comparison on prediction accuracy among different number of counters圖11 不同數(shù)目計數(shù)器間的預(yù)測準(zhǔn)確度比較

4.4.5 環(huán)期預(yù)測和同期預(yù)測

記環(huán)期預(yù)測、廣義同期預(yù)測和狹義同期預(yù)測下的端口數(shù)均方根誤差分別為δCP，δGSP，δSSP，均通過式(19)計算得到.

圖12展示了當(dāng)選取不同的預(yù)測時隙序列時對預(yù)測準(zhǔn)確度的影響.可以看出，低負載時，采用環(huán)期預(yù)測的均方根誤差明顯小于廣義同期預(yù)測和狹義同期預(yù)測；高負載時，大多數(shù)情況下環(huán)期預(yù)測的準(zhǔn)確度與廣義同期預(yù)測較為接近.這是因為環(huán)期預(yù)測對網(wǎng)絡(luò)流量低平穩(wěn)高抖動的日夜規(guī)律依賴性更大，呈現(xiàn)低負載預(yù)測準(zhǔn)確度高而高負載預(yù)測準(zhǔn)確率低的特征.在所有負載情形下，對于時間跨度敏感的流量負載，如圖12(b)所示，狹義同期預(yù)測準(zhǔn)確度明顯下降；而對于時間跨度不敏感的流量負載，如圖12(a)所示，狹義同期預(yù)測的準(zhǔn)確度超過了廣義同期預(yù)測.這主要是由于在前者情形下，與廣義同期預(yù)測相比，狹義同期預(yù)測的流量負載時間序列抖動偏差變大，導(dǎo)致其預(yù)測誤差增大；而在后者情形下，狹義同期預(yù)測的由不同周相同工作日相同時隙組成的流量時間序列比廣義同期預(yù)測的由不同工作日相同時隙組成的流量時間序列更好地保留了流量相似性，因而具有更小的抖動，提高了預(yù)測準(zhǔn)確度.

Fig. 12 Accuracy comparison among CP, GSP and SSP圖12 環(huán)期預(yù)測和同期預(yù)測的準(zhǔn)確度比較

5 總 結(jié)

本文面向主干網(wǎng)提出了一種細粒度器件級功控機制，該機制依據(jù)流量負載大小動態(tài)調(diào)整網(wǎng)元器件功率狀態(tài)實現(xiàn)了節(jié)能，且在節(jié)能的同時兼顧用戶QoS需求的滿足，在提供QoS保證的前提下盡可能最大化節(jié)能收益.此外，本文還考慮了在功效和負載最差延遲之間以及在功效和緩沖區(qū)占用率之間的權(quán)衡問題，同時揭示了預(yù)測過估計和預(yù)測低估計、環(huán)期預(yù)測和同期預(yù)測以及擴展入口負載計數(shù)器的計數(shù)窗口對器件級功控機制的影響.仿真結(jié)果表明：本文提出的器件級功控機制能夠細粒度、動態(tài)和比例性地控制各網(wǎng)元功耗.

由于本文提出的機制是增補式的，并不需要“大刀闊斧”式地更換目前現(xiàn)有的基礎(chǔ)設(shè)施、網(wǎng)絡(luò)架構(gòu)和網(wǎng)絡(luò)協(xié)議等而進行各個層面的全新設(shè)計，在實際部署中僅需要適當(dāng)擴充和增添少許網(wǎng)絡(luò)功能模塊以及在現(xiàn)有網(wǎng)絡(luò)協(xié)議基礎(chǔ)上作相應(yīng)修改即可，且機制依據(jù)的DPM和DVFS等功率調(diào)節(jié)技術(shù)以及ALR和LPI等節(jié)能策略也較為成熟，因此本文提出的機制具有實際可行性和可能性.在實際部署本文提出機制時，網(wǎng)絡(luò)運營商需要根據(jù)不同應(yīng)用需求場景通過參考我們的實驗結(jié)果選取適當(dāng)?shù)木彌_區(qū)使用量警戒閾值使得節(jié)能與性能之間達到權(quán)衡或者側(cè)重于二者之一，同時根據(jù)不同的拓撲結(jié)構(gòu)和歷史流量分布情況選擇合適的預(yù)測時隙獲取方式和計數(shù)器數(shù)目，嚴(yán)格避免低估計的發(fā)生，也盡量避免過估計的發(fā)生.

我們未來的工作將著重于探索端口速率調(diào)節(jié)方法對基于鏈路狀態(tài)的開放最短路徑優(yōu)先路由算法等網(wǎng)絡(luò)級路由機制的影響以及兩者之間的協(xié)同交互，通過綜合運用器件級和網(wǎng)絡(luò)級節(jié)能機制，使網(wǎng)絡(luò)獲取更大的節(jié)能收益.