CN109565449B - 使用分析进行功率感知交换 - Google Patents

使用分析进行功率感知交换 Download PDF

Info

Publication number
CN109565449B
CN109565449B CN201780049471.3A CN201780049471A CN109565449B CN 109565449 B CN109565449 B CN 109565449B CN 201780049471 A CN201780049471 A CN 201780049471A CN 109565449 B CN109565449 B CN 109565449B
Authority
CN
China
Prior art keywords
outgoing
port
outgoing port
network element
time interval
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780049471.3A
Other languages
English (en)
Other versions
CN109565449A (zh
Inventor
阿南德·V·阿克拉
普拉文·帕塔萨拉蒂·伊扬格
拉金德拉·库马尔·蒂穆鲁蒂
莎马尔·夏尔马
克里希纳·巴拉德瓦杰·达瓦达
维韦克·普鲁修坦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cisco Technology Inc
Original Assignee
Cisco Technology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cisco Technology Inc filed Critical Cisco Technology Inc
Publication of CN109565449A publication Critical patent/CN109565449A/zh
Application granted granted Critical
Publication of CN109565449B publication Critical patent/CN109565449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/3287—Power saving characterised by the action undertaken by switching off individual functional units in the computer system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G06F1/3215—Monitoring of peripheral devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/325—Power saving in peripheral device
    • G06F1/3278—Power saving in modem or I/O interface
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • H04L45/08—Learning-based routing, e.g. using neural networks or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/123—Evaluation of link metrics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/70—Routing based on monitoring results
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/149—Network analysis or design for prediction of maintenance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate

Abstract

描述了一种方法，并且在一个实施例中，包括：对于第一网络元件的多个传出端口中的每一者：收集包括在第一时间区间内到达该传出端口的分组的数目和由该传出端口消耗的功率量的数据；计算该端口在第一时间区间内的每瓦特分组(“P/W”)度量，其中，P/W度量包括在第一时间区间期间进入该端口的分组的数目除以由该端口消耗的功率量；针对若干连续时间区间，重复收集和计算；计算包括第一时间区间和连续时间区间的时间段内的平均P/W度量；以及计算包括第一时间区间和连续时间区间的时间段内的方差；以及将在网络元件处接收的流量重定向到具有最低方差的传出端口。

Description

使用分析进行功率感知交换
技术领域
本公开总体涉及通信网络领域，并且更具体地，涉及在这种网络中使用分析进行功率感知交换的技术。
背景技术
数据中心运营成本的主要组成部分是构成数据中心网络的设备的能耗。随着数据中心网络中的设备数目的增加，总能量消耗(及其成本)也随之增加。在过去十年中，数据中心平均消耗的能量大幅增加。即使没有被主动使用，数据中心交换机也会消耗相当可观的功率量。以不会对网络性能产生负面影响的方式来减少数据中心网络的总功耗量将是有用的。
附图说明
为了提供对本公开及其特征和优点的更完整的理解，结合附图参考以下描述，其中相同的附图标记表示相似的部分，其中：
图1是通信网络的简化框图，其中，可以实现本文描述的用于使用数据分析进行功率感知交换的实施例；
图2是通信网络的另一简化框图，其中，可以实现本文描述的用于使用数据分析进行功率感知交换的实施例；
图3是根据本文描述的用于使用数据分析来实现功率感知交换的实施例示出可以由功率节省模块为网络的网络元件的每个传出端口收集和计算的示例统计数据的表；
图4是示出根据本文描述的实施例的可在使用数据分析实现功率感知交换时执行的步骤的流程图；
图5是根据本文描述的实施例的可用于使用数据分析来实现功率感知交换的机器学习服务的简化框图；
图6是其中可以实现本文描述的用于使用数据分析进行功率感知交换的实施例的通信网络的更详细的框图；
图7是其中可以实现本文描述的用于使用数据分析进行功率感知交换的实施例的网络元件的简化框图；以及
图8示出了包括本文所描述的其中可以实现本文描述的用于使用数据分析进行功率感知交换的实施例的各种网络的元件的机器。
具体实施方式
概览
在独立权利要求中阐述了本发明的各个方面，并且在从属权利要求中阐述了优选特征。一个方面的特征可以单独应用于每个方面或者与其他方面组合应用。
描述了一种方法，并且在一个实施例中，该方法包括：对于第一网络元件的多个传出端口中的每一者：收集数据，该数据包括在第一时间区间内到达该传出端口的分组的数目和由该传出端口消耗的功率量；计算端口在第一时间区间内的每瓦特分组(“P/W”)度量，其中，P/W度量包括在第一时间区间期间进入该端口的分组的数目除以由该端口消耗的功率量；针对若干连续时间区间，重复所述收集和计算；计算在包括第一时间区间和连续时间区间的时间段内的平均P/W度量；以及计算在包括第一时间区间和连续时间区间的时间段内的方差。该方法还包括将在网络元件处接收的流量重定向到具有最低方差的传出端口。
还描述了用于实现本文描述的方法的系统和装置，包括网络节点、计算机程序、计算机程序产品、计算机可读介质和在有形介质上编码的用于实现这些方法的逻辑。
示例实施例
分析可以被定义为对数据中有意义模式的发现、解释和传送。分析在记录信息丰富的领域尤其有用，并依赖于统计、计算机编程和运算研究的同步应用来量化性能。分析可以应用于业务和其他类型的数据，以描述、预测和改进性能。分析软件特别有用的一个领域是解决分析大量且通常很复杂的数据集(通常称为“大数据”)的难题。
由不同域(例如，金融、医疗保健、和物联网(“loT”))生成的数据以及用户生成的数据已经产生了如上所述通常被称为大数据的新的域。术语大数据用于指代传统的数据处理方法不足以充分分析的非常大量或复杂的数据集。处理大数据的难题出现在数据捕获和策展(curation)、分析、搜索及查询、共享、存储、传输、可视化、更新、和隐私等领域，并且这些难题通常是因为数据通常是非结构化的。术语大数据可以在特定上下文中用于指代对用于从该数据中提取值的预测、用户行为或其他高级数据分析方法的使用，而非指代特定数据集的大小。
数据集正在快速增长，部分原因是数据越来越多地被价格低廉且无处不在的数据传感设备所收集。通过使用各种统计模型，机器学习算法可以基于大数据进行预测并自动做出决策。数据增长挑战和机遇已被定义为三维的；即，数据量、数据速度和数据种类。这种“3V”模型通常用于描述大数据。
根据下面描述的实施例的特征，收集与分组数目和网络交换元件的组件(例如，线卡和ASIC)所消耗的功率有关的统计数据并基于每端口地针对每个传出端口(和相应的链路)计算“每瓦特分组”或“P/W”度量。基于在预定时间段内收集的统计数据的模式，预测模型可被用来基于每个端口和所有端口整体的功耗度量来确定在交换元件上交换的传出流量方面是否应采取动作以及应采取什么样的动作。可以响应于分析而采取的动作包括(按照严重性增加的顺序)显示交换元件的每端口功率节省、使某端口断电并将流量移动到交换元件的另一端口(或其他端口)、使交换元件的ASIC(例如，三态内容寻址存储器(“TCAM”))的一部分断电、使交换元件的整个ASIC断电、使交换元件的线卡断电、和/或使整个交换元件断电。
用于基于最低功耗来实现交换的功率节省模块可以在监控者模块上或在交换元件或交换机的机箱的每个线卡上实现。根据本文描述的实施例的特征，功率节省模块收集每端口统计数据，包括从传出端口交换出的分组的数目以及例如由交换机和/或与端口相关联的线卡消耗的功率量。在收集到周期性时间区间内的该数据时，就针对交换机的每个传出端口计算每瓦特分组的数目(或P/W)，并且可将其用于确定在与该端口相关联的链路上传输数据的成本。如下面将更详细描述的，由功率节省模块收集的统计数据还可以被转发到数据库(例如，Hadoop引擎)，以供机器学习服务进行进一步处理，该机器学习服务可以处理所接收的新的统计数据并将其与存储在数据库中的历史数据进行比较。
现在参考图1，其中示出了通信网络100的简化框图，在该通信网络中可以实现本文描述的用于使用数据分析进行功率感知交换的实施例。如图1中所示，网络100是使用包括多个叶节点(在图1中由叶节点102(1)-102(4)来表示)以及多个主干(spine)节点(在图1中由主干节点104(1)-104(4)来表示)的全网状拓扑实现的。出于示例的目的，将假设主干节点104(1)-104(3)涉及主动转发网络100中的数据流量。相比之下，主干节点104(4)可以仅出于高可用性的目的而存在于网络100中，并且可用于转发非常少的网络流量(若存在)。
诸如开放式最短路径优先(“OSPF”)和中间系统到中间系统(“ISIS”)之类的链路状态协议使用最短路径优先算法来计算分组的源和预期目的地之间的最短路径。链路状态协议算法基于到达目的地的累积成本来计算到每个目的地的最短路径。此“成本”包括针对每个接口或端口的度量以及经由该接口发送分组的开销。根据本文描述的实施例的特征，提出了新的度量(即，分组/瓦特)，并且可以将其用于在计算网络中的源节点和目的地节点之间的最短路径时确定路径成本。
根据本文描述的实施例的特征，最短路径优先算法将选择具有从特定源到达特定目的地的最低度量的路径。流量模式在一段时间内不断变化。借助于统计，在功率(或分组/瓦特)度量上具有最低方差的链路可用于将网络流量在网络中从源节点转发到的目的地节点。
根据本文描述的实施例的特征，为每个叶节点102(1)-102(4)的每个传出端口计算分组/瓦特度量或功率度量。在某些实施例中，可以通过周期性地在默认或用户选择的时间区间内轮询端口来测量每个传出端口处的分组数目。在某些实施例中，可以使用示出功率输出(show power output)来测量所消耗的功率量，并且相同的信息可以在每模块或每线卡级别处使用。然而，应该认识到，在不脱离本文所述实施例的范围的精神的情况下，可以使用用于测量功耗的许多其他方法。
参考图2，其中示出了通信网络200的更详细的框图，其中可以实现本文描述的用于使用数据分析进行功率感知交换的实施例。如图2中所示，类似于网络100，网络200使用包括多个叶节点(在图2中由叶节点202(1)-202(4)表示)和多个主干节点(图2中由主干节点204(1)-204(4)表示)的全网状拓扑来实现。出于示例的目的，将假设主干节点204(1)-204(3)主动转发网络200中的数据流量。相比之下，主干节点204(4)可以仅出于高可用性的目的存在于网络200中，并且可用于转发非常少的网络流量(若存在)。参考图2，出于示例的目的，将假设叶202(1)上的主机208(1)想要与叶202(3)上的主机208(2)通信。从主机208(1)到达主机208(2)有三条路径，包括经由主干204(1)的第一路径(“Eth 1/1”)、经由主干204(2)的第二路径(“Eth 2/1”)、和经由主干204(3)的第三路径(”Eth 3/1“)。在所示的示例中，由等价多路径(“ECMP”)路由功能实现的散列算法总是选择经由主干202(1)(Eth 1/1)的第一路径，这使得该端口与其他流量严重拥堵。根据本文描述的某些实施例，与叶节点202(2)相关联的功率节省模块210收集所有传出端口(Eth1/1、2/1和3/1)的统计数据并使用这些数据来确定每个端口的功率度量，如下面将详细描述的。为了提高准确度，每个端口的统计数据可以在快照区间x内，其长度可以根据需要或必要进行调整。出于示例的目的，本文中假设x等于5秒。
现在参考图3，其中示出了一个表，该表示出了可由功率节省模块(例如，功率节省模块210)根据本文描述的用于使用数据分析来实现功率感知交换的实施例来为网络200的叶节点202(1)的每个传出端口收集和计算的示例统计数据。如图3中所示，在每个快照区间x内，由功率节省模块210收集与在每个传出端口Eth1/1、Eth2/1、和Eth3/1处接收的多个分组相关联的功率量。
在某些实施例中，“示出功率(show power)”或“示出环境状态(show environmentstatus)”命令使得每个线卡和管理程序模块所消耗的功率量被显示。图3中示出的表的“瓦特(Watt)”列指示线卡所消耗的功率量，该功率量被用来计算每个的分组/瓦特度量的平均值、标准差、和方差，如本文将描述的。在某些实施例中，例如本文中被用作示例的那些实施例中，线卡的功耗指示传出端口的功耗，因为每个端口驻留在不同的线卡上。将认识到，在某些实施例中，端口所消耗的功率可以以某种其他方式来确定。
以端口Eth1/1为例，在第一快照区间(0秒)期间，端口的传入分组的数目为100K，并且消耗的瓦数为600；在第二快照区间(5秒)期间，端口的传入分组的数目为120K，并且消耗的瓦数为610；在第三快照区间(10秒)期间，传入分组的数目为90K，并且消耗的瓦数为590。所收集的数据用于计算每个快照区间内的每瓦特分组(“P/W”)度量。出于示例的目的，使用同一端口Eth1/1，第一快照区间(0秒)的P/W度量为166.67，第二快照区间(5秒)的为196.72，第三快照区间(10秒)的为152.54。然后计算每个端口的P/W度量的平均值，并且该平均值被用来确定每个端口的P/W度量的方差和标准差。参考图3并再次以端口Eth1/1为例，三个快照区间的平均值是每瓦特171.98个分组。如前所述，一旦平均值被计算出，也可计算端口的方差(509.09)和标准差(22.56)。根据本文描述的实施例的特征，方差可用作端口或相应链路的成本度量，其可由最短路径算法用于交换的目的。在图3中示出的示例中，端口Eth3/1(9.14)的方差(显著地)低于端口Eth1/1(509.09)和端口Eth2/1(68.23)的方差；因此，根据本文描述的实施例，端口Eth3/1将被认为具有用于计算主机208(1)和主机208(2)之间的最短路径的最低成本。
图4是示出根据本文描述的实施例的可在使用数据分析实现功率感知交换时执行的步骤的流程图。参考图4，在步骤400中，对于网络元件的每个输出接口或端口(例如叶节点102(1)-102(4)、202(1)-202(4)中的一者)，收集包括在当前快照时间区间期间传入该端口的分组的数目以及该端口所消耗(或归因于该端口)的功率量。在步骤402中，所收集的数据被用来计算当前快照时间区间内的P/W值。在步骤404中，计算针对当前时间区间和一个或多个紧接在前的时间区间计算的端口的P/W值的平均值。将认识到，尽管在图3中，仅3个5秒快照时间区间的P/W值每个都被用于计算平均值，但实际上，用于计算平均值的快照的数目(x)和其间拍摄快照的时间区间的长度(y)可由功率节省模块自动确定或由用户手动选择。例如，在“自动模式”操作中，功率节省模块可基于流量模式确定如何改变快照(x)和区间(y)的值。例如，如果在传出端口上看到的分组数目相对恒定，则功率节省模块将使用x和y的默认值(例如，x＝3和y＝5秒)。相反，如果在传出端口上看到的分组数目是变化的，则模块将以较小的时间区间(例如，x＝10和y＝1秒)拍摄更多快照。
在步骤406中，在步骤402中计算出的平均值用于确定端口在相关时间段(即，步骤402中的用于计算平均值的当前快照时间区间和紧接在前的快照时间区间)内的P/W值的方差和标准差。在步骤408中，方差可以与端口和/或跟端口相关联的供链路状态协议(例如OSPF或IS-IS)使用的链路相关联，作为与端口/链路相关联的成本度量，并被链路状态协议用来选择要在其上发送流量的传出端口。执行进行到步骤410以等待下一个快照时间区间的到来，此时执行返回到步骤400。在所有三个端口Eth1/1、Eth2/1、Eth3/1具有恒定的传入分组速率的情况下，针对所有端口的方差将为零。在这种情况下，链路状态协议将选择消耗最少量功率的线卡的传出端口。
现在参考图5，根据本文描述的实施例的特征，并且如上所提及的，可以使用机器学习服务500来实现根据本文描述的实施例的使用数据分析进行的功率感知交换。如图5中所示，机器学习服务500可以包括输入模块502、变换或矢量函数504、机器学习算法506、预测模型508、和经预测输出模块510。输入模块502可以使用一个或多个数据库来实现，在这些数据库中存储有两种类型的数据：训练(或历史)数据512A和新数据512B。训练数据512A是来自系统的先前已经累积的并被存储在输入模块502中的数据，其中分析正在与该系统相结合地被应用。新数据512B是来自系统的直接输入的数据，其中分析正在与该系统相结合地被应用。根据某些实施例的特征，训练数据512A通常构成包括输入模块502的总数据的大约70％，其中包括输入模块的总数据的其余30％构成新数据512B。将认识到，一旦新数据512B被处理，它就变成了训练数据。来自输入模块502的训练数据512A由变换函数504标准化，并且经标准化的训练数据用于训练可以被实现为统计模型的机器学习算法506。变换函数用于标准化历史数据集和新测试数据集。数据是使用矢量函数进行标准化的。机器学习算法506的输出和来自变换函数504的经标准化的新数据被输入到预测模型508，以使用各种预测技术中的一种或多种来生成预测输出510。例如，通过使用线性回归，可以基于收集分组的统计数据来预测每个线卡所消耗的功率。这可以帮助用户进行容量规划，或者可以使用户能够根据预测分析的结果来添加/删除端口。
现在参考图6，其中示出了通信网络600的更详细的框图，在通信网络600中可以实现本文描述的用于使用数据分析进行功率感知交换的实施例。如图6中所示，网络600包括若干叶节点602和若干主干节点604的全网状网络拓扑。根据本文描述的实施例的特征，在图6中共同通过功率节省模块606表示的功率节省模块可以在网络600中的每个叶节点602的线卡或监控器上实现，以收集实时功率使用和分组统计数据，并将它们提供给在分布式存储和处理系统中实现的机器学习服务，例如被设计用于存储和处理大数据的Hadoop引擎。功率节省模块606还可以将所收集的统计数据提供给数据中心网络管理器(“DCNM”)，该数据中心网络管理器可以使用该数据以数据中心级别来进行预测分析。
将认识到，附图中示出的各种网络元件可以使用一个或多个计算机设备来实现，该一个或多个计算机设备包括在一个或多个有形介质中体现的促进本文描述的活动的软件。用于实现元件的计算机设备还可以包括存储器设备(或存储器元件)，用于存储将用于实现本文概述的功能的信息。另外，计算机设备可以包括能够运行用于执行本说明书中讨论的功能的软件或算法的一个或多个处理器。这些设备在适当的情况下并根据特定需求可以进一步将信息保存在任何合适的存储器元件(随机存取存储器(“RAM”)、ROM、EPROM、EEPROM、ASIC等)、软件、硬件或任何其他合适的组件、设备、元件、或对象中。本文所讨论的任何存储器项应被解释为包含在广义术语“存储器元件”内。类似地，本说明书中描述的任何潜在的处理元件、模块、和机器应被解释为包含在广义术语“处理器”内。每个网络元件还可以包括用于接收、发送和/或以其他方式传送网络环境中的数据或信息的合适接口。
注意，在某些示例实施方式中，本文概述的各种功能可以通过在一个或多个有形介质中编码的逻辑(例如，在专用集成电路(“ASIC”)、数字信号处理器(“DSP”)指令、将由处理器或其他类似机器执行的软件(潜在地包括目标代码和源代码)等中提供的嵌入式逻辑)来实现。在这些实例中的一些实例中，存储器元件可以存储用于本文描述的操作的数据。这包括能够存储被执行以执行本说明书中描述的活动的软件、逻辑、代码、或处理器指令的存储器元件。处理器可以执行与数据相关联的任何类型的指令，以实现本说明书中详细描述的操作。在一个示例中，处理器可以将元素或物品(例如，数据)从一个状态或事物变换为另一个状态或事物。在另一示例中，本文概述的活动可以用固定逻辑或可编程逻辑(例如，由处理器执行的软件/计算机指令)来实现，并且本文中标识的元件可以是某种类型的可编程处理器、可编程数字逻辑(例如，现场可编程门阵列(“FPGA”)、可擦除可编程只读存储器(“EPROM”)、电可擦除可编程ROM(“EEPROM”))或包括数字逻辑、软件、代码、电子指令、或它们的任何合适的组合的ASIC。
参考图7，其中示出了网络元件700，其在某些实施例中可以是例如在前面的附图中示出和描述的叶节点。根据本文描述的实施例的特征，网络元件700包括功率节省模块702，其可以包括体现在一个或多个有形介质中的用于促进本文描述的活动的软件。具体地，模块702可以包括用于促进图5中所示并参考图5描述的过程的软件。网络元件700还可以包括存储器设备704，用于存储将用于实现本文概述的功能的信息。另外，网络元件700可以包括处理器706，其能够运行用于执行本说明书中讨论的功能的软件或算法(诸如体现在模块702中)。网络元件700还可以包括执行本文描述的功能所必需的各种I/O 708。
将认识到，图7中示出的网络元件700以及本文示出和描述的其他网络设备可以使用一个或多个计算机设备来实现，该一个或多个计算机设备包括在一个或多个有形介质中体现的用于促进本文描述的活动的软件。这些设备可以在适当的情况下并根据特定需求进一步将信息保存在任何合适的存储器元件(随机存取存储器(“RAM”)、ROM、EPROM、EEPROM、ASIC等)、软件、硬件、或任何其他合适的组件、设备、元件、或对象中。本文讨论的任何存储器项应被解释为包含在广义术语“存储器元件”内。类似地，本说明书中描述的任何潜在的处理元件、模块、和机器应被解释为包含在广义术语“处理器”内。每个网络元件还可以包括用于接收、发送、和/或以其他方式传送网络环境中的数据或信息的合适接口。
注意，在某些示例实施方式中，本文概述的并且在图5中具体示出的功能可以通过在一个或多个有形介质中编码的逻辑(例如，在专用集成电路(“ASIC”)、数字信号处理器(“DSP”)指令、将由处理器或其他类似机器执行的软件(潜在地包括目标代码和源代码)等中提供的嵌入式逻辑)来实现。在这些实例中的一些实例中，存储器元件可以存储用于本文描述的操作的数据。这包括能够存储被执行以执行本说明书中描述的活动(包括但不限于图7-图9中所示和参考图7-图9描述的功能)的软件、逻辑、代码、或处理器指令的存储器元件。处理器可以执行与数据相关联的任何类型的指令，以实现本说明书中详细描述的操作。在一个示例中，处理器可以将元素或物品(例如，数据)从一个状态或事物变换为另一个状态或事物。在另一示例中，本文概述的活动可以用固定逻辑或可编程逻辑(例如，由处理器执行的软件/计算机指令)来实现，并且本文中标识的元件可以是某种类型的可编程处理器、可编程数字逻辑(例如，现场可编程门阵列(“FPGA”)、可擦除可编程只读存储器(“EPROM”)、电可擦除可编程ROM(“EEPROM”))或包括数字逻辑、软件、代码、电子指令、或它们的任何合适的组合的ASIC。
应注意，本文讨论的许多基础设施可以作为任何类型的网络元件的一部分来提供。如本文所使用的，术语“网络元件”或“网络设备”可以包括计算机、服务器、网络设备、主机、路由器、交换机、网关、网桥、虚拟设备、负载平衡器、防火墙、处理器、模块、或任何其他合适的可操作以在网络环境中交换信息的设备、组件、元件、或对象。此外，网络元件可以包括促进其操作的任何合适的硬件、软件、组件、模块、接口、或对象。这可以包括允许有效交换数据或信息的适当算法和通信协议。
在一个实施方式中，网络元件/设备可以包括用于实现(或促进)本文所讨论的管理活动的软件。这可以包括附图中所示的任何组件、引擎、逻辑等的实例的实施方式。另外，这些设备中的每一者可具有用于促进本文描述的一些操作的内部结构(例如，处理器、存储器元件等)。在其他实施例中，这些管理活动可以在这些设备外部执行，或者被包括在某另一网络元件中以实现预期的功能。替代地，这些网络设备可以包括可以与其他网络元件协调的软件(或往复式软件)，以便实现本文描述的管理活动。在其他实施例中，一个或多个设备可以包括促进其操作的任何合适的算法、硬件、软件、组件、模块、接口、或对象。
转到图8，其中示出了示例机器(或装置)800的简化框图，该示例机器可以被实现为用于实现根据本文描述的实施例的用于实现对网络设备数据模型的动态更新的技术的系统的元件。示例机器800对应于可以被部署在本文示出和描述的网络(例如包括主干和叶节点的网络100和200)中的任何一个中的网络元件和计算设备。具体地，图8示出了机器的示例形式的框图表示，其中软件和硬件使机器800执行本文所讨论的任何一个或多个活动或操作。如图8中所示，机器800可以包括处理器802、主存储器803、辅助存储装置804、无线网络接口805、有线网络接口806、用户接口807、以及包括计算机可读介质809的可移动介质驱动器808。诸如系统总线和存储器总线之类的总线801可以在处理器802与机器800的存储器、驱动器、接口、和其他组件之间提供电子通信。
处理器802(也可被称为中央处理单元(“CPU”))可以包括能够执行机器可读指令并且如机器可读指令所指示的对数据执行操作的任何通用或专用处理器。主存储器803可以直接由处理器802访问以进行对机器指令的访问，并且可以是随机存取存储器(“RAM”)或任何类型的动态存储装置(例如，动态随机存取存储器(“DRAM”))的形式。辅助存储装置804可以是任何非易失性存储器(例如硬盘)，其能够存储包括可执行软件文件的电子数据。外部存储的电子数据可以通过一个或多个可移动介质驱动器808提供给计算机800，该可移动介质驱动器可被配置为接收任何类型的外部介质，例如压缩盘(“CD”)、数字视频盘(“DVD”)、闪存驱动器、外置硬盘驱动器等。
可以提供无线和有线网络接口805和806以通过网络(例如，控制平面108、数据平面110)实现机器800和其他机器之间的电子通信。在一个示例中，无线网络接口805可以包括无线网络控制器(“WNIC”)，其具有合适的发送和接收组件(例如收发器)，用于在网络内进行无线通信。有线网络接口806可以使机器800能够通过诸如以太网电缆之类的有线线路物理地连接到网络。无线和有线网络接口805和806都可被配置为利用合适的通信协议(例如，互联网协议组(“TCP/IP”))来促进通信。机器800被示出为具有无线和有线网络接口805和806两者，这仅出于说明的目的。虽然一个或多个无线和硬连线接口可以被提供在机器800中或者外部连接到机器800，但是仅需要一个连接选项来实现机器800到网络的连接。
可以在一些机器中提供用户接口807以允许用户与机器800交互。用户接口807可以包括显示设备，例如图形显示设备(例如，等离子显示板(“PDP”)、液晶显示器(“LCD”)、阴极射线管(“CRT”)等))。此外，还可以包括任何适当的输入机构，例如键盘、触摸屏、鼠标、轨迹球、语音识别、触摸板等。
可移动介质驱动器808表示被配置为接收任何类型的外部计算机可读介质(例如，计算机可读介质809)的驱动器。体现本文描述的活动或功能的指令可以存储在一个或多个外部计算机可读介质上。另外，这样的指令还可以，或替代地，在执行期间至少部分地驻留在机器800的存储器元件(例如，在主存储器803或处理器802的缓存存储器中)或者在机器800的非易失性存储器元件(例如，辅助存储装置804)中。因此，机器800的其他存储器元件也构成计算机可读介质。因此，“计算机可读介质”旨在包括能够存储由机器800执行的指令的任何介质，该指令使机器执行本文公开的任何一个或多个活动。
图8中未示出附加硬件，其可以适当地耦合到处理器802和如下形式的其他组件：存储器管理单元(“MMU”)、附加的对称多处理(“SMP”)元件、物理存储器、外围组件互连(“PCI”)总线和相应的桥接器、小型计算机系统接口(“SCSI”)/集成驱动器电子设备(“IDE”)元件等。机器800可以包括促进其操作的任何其他合适的硬件、软件、组件、模块、接口、或对象。这可包括允许有效保护和传送数据的适当算法和通信协议。此外，还可以在机器800中配置任何合适的操作系统，以适当地管理其中的硬件组件的操作。
参考机器800示出和/或描述的元件旨在用于说明的目的，并不意味着暗示对诸如根据本公开所利用的这些机器之类的机器的结构限制。此外，每个机器可以在适当的时候并且基于特定需要包括更多或更少的组件。如本说明书中所使用的，术语“机器”旨在涵盖任何计算设备或网络元件，诸如服务器、路由器、个人计算机、客户端计算机、网络设备、交换机、网桥、网关、处理器、负载平衡器、无线LAN控制器、防火墙、或可操作以影响或处理网络环境中的电子信息的任何其他合适的设备、组件、元件、或对象。
在示例实施方式中，与本文描述的系统相关的活动的至少一些部分(例如，图5中示出的步骤)可以在例如叶节点中的软件中实现。在一些实施例中，该软件可以从web服务器接收或下载、在计算机可读介质上提供、或者由特定元件的制造商配置，以便提供该系统用于根据本文描述的实施例的特征来实现用于实现安全混合云扩展的自主LISP。在一些实施例中，这些特征中的一个或多个可以用在这些元件外部提供的硬件来实现，或者以任何适当的方式被合并以实现预期的功能。
在一个示例实施方式中，叶和主干节点是网络设备或计算设备，其可以包括促进其操作的任何合适的硬件、软件、组件、模块、或对象以及用于接收、发送和/或以其他方式传送网络环境中的数据或信息的适当接口。这可以包括允许有效交换数据或信息的适当算法和通信协议。
此外，在本文描述和示出的系统的实施例中，与各种网络元件相关联的一些处理器和存储器元件可被移除或以其他方式合并，使得单个处理器和单个存储器位置负责某些活动。替代地，可以分离某些处理功能，并且单独的处理器和/或物理机器可以实现各种功能。在一般意义上，附图中描绘的布置在其表示中可以更符合逻辑，而物理架构可以包括这些元件的各种排列、组合、和/或混合。必须注意，可以使用无数可能的设计配置来实现此处概述的操作目标。因此，相关的基础设施具有无数的替代布置、设计选择、设备可能性、硬件配置、软件实施方式、设备选项等。
在一些示例实施例中，一个或多个存储器元件(例如，主存储器803、辅助存储装置804、计算机可读介质809)可以存储用于本文描述的操作的数据。这包括能够存储被执行以执行本说明书中描述的活动的指令(例如，软件、逻辑、代码等)的至少一些存储器元件。处理器可以执行与数据相关联的任何类型的指令，以实现本说明书中详细描述的操作。在一个示例中，一个或多个处理器(例如，处理器802)可以将元素或物品(例如，数据)从一个状态或事物变换为另一个状态或事物。在另一示例中，本文概述的活动可以用固定逻辑或可编程逻辑(例如，由处理器执行的软件/计算机指令)来实现，并且本文中标识的元件可以是某种类型的可编程处理器、可编程数字逻辑(例如，现场可编程门阵列(“FPGA”)、可擦除可编程只读存储器(“EPROM”)、电可擦除可编程只读存储器(“EEPROM”))、包括数字逻辑、软件、代码、电子指令的ASIC、闪存、光盘、CD-ROM、DVD ROM、磁卡或光卡、适用于存储电子指令的其他类型的机器可读介质、或它们的任何合适的组合。
本文示出的网络组件可以在适当的情况下并且基于特定需要将信息保存在任何合适类型的存储器(例如，随机存取存储器(“RAM”)、只读存储器(“ROM”)、可擦除可编程ROM(“EPROM”)、电可擦除可编程ROM(“EEPROM”)等)、软件、硬件、或任何其他合适的组件、设备、元件、或对象中。本文讨论的任何存储器项应被解释为包含在广义术语“存储器元件”内。网络10正在读取、使用、跟踪、发送、传输、传送、或接收的信息可以在任何数据库、寄存器、队列、表、缓存、控制列表、或其他存储结构中提供，所有这些都可在任何合适的时间帧被引用。任何这样的存储选项可以包括在本文使用的广义术语“存储器元件”内。类似地，本说明书中描述的任何潜在处理元件和模块应被解释为包含在广义术语“处理器”内。
应注意，本文讨论的许多基础设施可以作为任何类型的网络元件的一部分来配设。如本文所使用的，术语“网络元件”或“网络设备”可以包括计算机、服务器、网络设备、主机、路由器、交换机、网关、网桥、虚拟设备、负载平衡器、防火墙、处理器、模块、或任何其他适合的可操作以在网络环境中交换信息的设备、组件、元件、或对象。此外，网络元件可以包括促进其操作的任何合适的硬件、软件、组件、模块、接口、或对象。这可以包括允许有效交换数据或信息的适当算法和通信协议。
在一个实施方式中，网络元件/设备可以包括用于实现(或促进)本文所讨论的管理活动的软件。这可以包括附图中所示的任何组件、引擎、逻辑等的实例的实施方式。另外，这些设备中的每一者可具有促进本文描述的一些操作的内部结构(例如，处理器、存储器元件等)。在其他实施例中，这些管理活动可以在这些设备的外部执行，或者被包括在某另一网络元件中以实现预期的功能。替代地，这些网络设备可以包括可以与其他网络元件协调的软件(或往复式软件)，以便实现本文描述的管理活动。在其他实施例中，一个或多个设备可以包括促进其操作的任何合适的算法、硬件、软件、组件、模块、接口、或对象。
注意，利用本文提供的众多示例，可以根据两个、三个、四个、或更多个网络元件来描述交互。然而，这仅是出于清楚和示例的目的而进行的。应理解，系统可以以任何合适的方式合并。根据类似的设计替代方案，附图中所示的任何计算机、模块、组件、和元件可以以各种可能的配置组合，所有这些配置都明显在本说明书的广泛范围内。在某些情况下，仅通过引用有限数目的网络元素来描述给定流集合的一个或多个功能会更容易。应理解，如附图及其教导中所示的系统易于扩展，并且可以容纳大量组件，以及更复杂/庞杂的布置和配置。因此，所提供的示例不应限制潜在应用于无数其他架构的系统的范围或抑制其广泛教导。
同样重要的是，要注意，参考前面的附图描述的操作和步骤仅示出了可以由系统执行或在系统内执行的一些可能的场景。可以在适当的情况下删除或移除这些操作中的一些，或者可以在不脱离所讨论的概念的范围的情况下显著修改或改变这些步骤。另外，这些操作的时序可被显著改变并且仍然实现本公开中教导的结果。出于示例和讨论的目的，提供了前述操作流程。系统提供了充分的灵活性，因为在不脱离所讨论的概念的教导的情况下，可以提供任何合适的布置、年表、配置、和时序机制。
在前面的描述中，出于解释的目的，阐述了许多具体细节以便提供对所公开实施例的透彻理解。然而，对于本领域技术人员显而易见的是，可以在没有这些具体细节的情况下实践所公开的实施例。在其他情况下，结构和设备以框图形式示出，以避免模糊所公开的实施例。另外，在说明书中引用“一个实施例”、“示例实施例”、“实施例”、“另一实施例”、“一些实施例”、“各种实施例”、“其他实施例”、“替代实施例”等旨在表示与这样的实施例相关联的任何特征(例如，元件、结构、模块、组件、步骤、操作、特性等)都被包括在本公开的一个或多个实施例中。
众多其他变化、取代、变型、更改和修改可由本领域技术人员来确定，并且预期本公开涵盖落入所附权利要求书的范围内的所有此类变化、取代、变型、更改和修改。为了帮助美国专利和商标局(USPTO)以及另外本申请颁发的任何专利的任何读者来理解在此所附的权利要求书，申请人希望注意，申请人：(a)不希望存在于本申请的申请日的任何所附权利要求援引35U.S.C.第112章第六(6)段，除非在特定权利要求中具体使用措词“用于……的构件”或“用于……的步骤”；并且(b)不希望通过说明书中的任何陈述来以未在所附权利要求书中另外反映的任何方式限制本公开。

Claims (23)

1.一种用于通信网络的方法，包括：
对于第一网络元件的多个传出端口中的每个传出端口进行以下操作：
收集数据，所述数据包括在第一时间区间内到达该传出端口的分组的数目和由该传出端口消耗的功率量；
计算该传出端口针对所述第一时间区间的每瓦特分组(“P/W”)度量，其中，所述P/W度量包括在所述第一时间区间期间进入该传出端口的分组的数目除以由该传出端口消耗的功率量；
针对若干连续时间区间，针对该传出端口重复所述收集和计算；
针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的时间段上的平均P/W度量；以及
针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的所述时间段上的方差；以及
将在所述网络元件处接收的流量重定向到具有最低方差的传出端口。
2.根据权利要求1所述的方法，其中，所述重定向包括将计算出的方差分配给与该传出端口相关联的链路，作为该链路的供链路状态协议使用的成本度量。
3.根据权利要求1或2所述的方法，还包括：对于所述传出端口中的每一者，计算在包括所述第一时间区间和所述连续时间区间的所述时间段内的标准差。
4.根据权利要求1或2所述的方法，还包括将针对所述传出端口中的每一者所收集的数据存储在与所述网络元件相关联的中央数据库中。
5.根据权利要求4所述的方法，还包括：
使用机器学习算法来对照所存储的数据处理新收集的数据；以及
基于所述处理发起网络功率节省动作。
6.根据权利要求5所述的方法，其中，所述功率节省动作包括以下各项中的一项：针对所述传出端口中的每一者显示每端口功率节省、使所述传出端口中的一者断电并将流量移动到所述传出端口中的另一者；使所述网络元件的一部分断电；使所述网络元件的其上设置有所述传出端口中的至少一个传出端口的线卡断电；以及使所述网络元件整体断电。
7.根据权利要求2所述的方法，其中，所述链路状态协议包括开放式最短路径优先(“OSPF”)和中间系统到中间系统(“ISIS”)中的一者。
8.根据权利要求1或2所述的方法，其中，所述网络元件包括在全网状主干-叶网络中的叶交换机。
9.一种计算机可读存储介质，存储计算机程序，所述计算机程序可被处理器执行以执行包括以下各项的操作：
对于第一网络元件的多个传出端口中的每个传出端口进行以下操作：
收集数据，所述数据包括在第一时间区间内到达该传出端口的分组的数目和由该传出端口消耗的功率量；
计算该传出端口针对所述第一时间区间的每瓦特分组(“P/W”)度量，其中，所述P/W度量包括在所述第一时间区间期间进入该传出端口的分组的数目除以由该传出端口消耗的功率量；
针对若干连续时间区间，针对该传出端口重复所述收集和计算；
针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的时间段上的平均P/W度量；以及
针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的所述时间段上的方差；以及
将在所述网络元件处接收的流量重定向到具有最低方差的传出端口。
10.根据权利要求9所述的计算机可读存储介质，其中，所述重定向包括将计算出的方差分配给与该传出端口相关联的链路，作为该链路的供链路状态协议使用的成本度量。
11.根据权利要求9或10所述的计算机可读存储介质，其中，所述操作还包括：
将针对所述传出端口中的每一者所收集的数据存储在与所述网络元件相关联的中央数据库中；
使用机器学习算法来对照所存储的数据处理新收集的数据；以及
基于所述处理发起网络功率节省动作。
12.根据权利要求11所述的计算机可读存储介质，其中，所述功率节省动作包括以下各项中的一项：针对所述传出端口中的每一者显示每端口功率节省、使所述传出端口中的一者断电并将流量移动到所述传出端口中的另一者；使所述网络元件的一部分断电；使所述网络元件的其上设置有所述传出端口中的至少一个传出端口的线卡断电；以及使所述网络元件整体断电。
13.根据权利要求10所述的计算机可读存储介质，其中，所述链路状态协议包括开放式最短路径优先(“OSPF”)和中间系统到中间系统(“ISIS”)中的一者。
14.根据权利要求9或10所述的计算机可读存储介质，其中，所述网络元件包括在全网状主干-叶网络中的叶交换机。
15.根据权利要求9或10所述的计算机可读存储介质，其中，所述操作还包括：对于所述传出端口中的每一者，计算在包括所述第一时间区间和所述连续时间区间的所述时间段内的标准差。
16.一种用于通信网络的装置，包括：
存储器元件，其被配置为存储数据；
处理器，其可操作以执行与所述数据相关联的指令；以及
功率节省模块，被配置为进行以下操作：
对于第一网络元件的多个传出端口中的每个传出端口进行以下操作：
收集数据，所述数据包括在第一时间区间内到达该传出端口的分组的数目和由该传出端口消耗的功率量；
计算该传出端口针对所述第一时间区间的每瓦特分组(“P/W”)度量，其中，所述P/W度量包括在所述第一时间区间期间进入该传出端口的分组的数目除以由该传出端口消耗的功率量；
针对若干连续时间区间，针对该传出端口重复所述收集和计算；
针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的时间段上的平均P/W度量；以及
针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的所述时间段上的方差；以及
将在所述网络元件处接收的流量重定向到具有最低方差的传出端口。
17.根据权利要求16所述的装置，其中，所述重定向包括将计算出的方差分配给与该传出端口相关联的链路，作为该链路的供链路状态协议使用的成本度量。
18.根据权利要求16或17所述的装置，其中，所述装置还被配置为：
将针对所述传出端口中的每一者所收集的数据存储在与所述网络元件相关联的中央数据库中；
使用机器学习算法来对照所存储的数据处理新收集的数据；以及
基于所述处理发起网络功率节省动作。
19.根据权利要求18所述的装置，其中，所述功率节省动作包括以下各项中的一项：针对所述传出端口中的每一者显示每端口功率节省、使所述传出端口中的一者断电并将流量移动到所述传出端口中的另一者；使所述网络元件的一部分断电；使所述网络元件的其上设置有所述传出端口中的至少一个传出端口的线卡断电；以及使所述网络元件整体断电。
20.根据权利要求17所述的装置，其中，所述链路状态协议包括开放式最短路径优先(“OSPF”)和中间系统到中间系统(“ISIS”)中的一者。
21.根据权利要求16或17所述的装置，其中，所述网络元件包括在全网状主干-叶网络中的叶交换机。
22.一种用于通信网络的装置，包括：针对第一网络元件的多个传出端口中的每个传出端口进行操作的以下构件：
用于收集数据的构件，所述数据包括在第一时间区间内到达该传出端口的分组的数目和由该传出端口消耗的功率量；
用于计算该传出端口针对所述第一时间区间的每瓦特分组(“P/W”)度量的构件，其中，所述P/W度量包括在所述第一时间区间期间进入该传出端口的分组的数目除以由该传出端口消耗的功率量；
用于针对若干连续时间区间针对该传出端口重复所述收集和计算的构件；
用于针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的时间段上的平均P/W度量的构件；以及
用于针对该传出端口计算在包括所述第一时间区间和所述连续时间区间的所述时间段上的方差的构件；以及
所述装置还包括用于将在所述网络元件处接收的流量重定向到具有最低方差的传出端口的构件。
23.根据权利要求22所述的装置，还包括用于实现根据权利要求2至8中任一项所述的方法的构件。
CN201780049471.3A 2016-09-09 2017-09-05 使用分析进行功率感知交换 Active CN109565449B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/261,605 2016-09-09
US15/261,605 US10209763B2 (en) 2016-09-09 2016-09-09 Power aware switching using analytics
PCT/US2017/050019 WO2018048770A1 (en) 2016-09-09 2017-09-05 Power aware switching using analytics

Publications (2)

Publication Number Publication Date
CN109565449A CN109565449A (zh) 2019-04-02
CN109565449B true CN109565449B (zh) 2022-04-08

Family

ID=59914522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780049471.3A Active CN109565449B (zh) 2016-09-09 2017-09-05 使用分析进行功率感知交换

Country Status (4)

Country Link
US (1) US10209763B2 (zh)
EP (1) EP3510729B1 (zh)
CN (1) CN109565449B (zh)
WO (1) WO2018048770A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10977574B2 (en) * 2017-02-14 2021-04-13 Cisco Technology, Inc. Prediction of network device control plane instabilities
US10642341B2 (en) * 2018-03-23 2020-05-05 Juniper Networks, Inc. Selective modification of power states based on conditions
TWI704784B (zh) * 2018-12-25 2020-09-11 安華聯網科技股份有限公司 通聯監控裝置、通聯監控方法及其非暫態有形機器可讀介質

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1293850A (zh) * 1998-11-24 2001-05-02 皇家菲利浦电子有限公司 减小无线网络中终端功率消耗的数据传输系统
CN1741408A (zh) * 2004-08-23 2006-03-01 华为技术有限公司 调整自动重传请求系统的发射功率的方法
CN101019088A (zh) * 2004-11-05 2007-08-15 思科技术公司 用于串行加电的设备连接的功率管理
CN103959824A (zh) * 2011-11-08 2014-07-30 华为技术有限公司 用于数据转发的系统和方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8205102B2 (en) 2009-01-05 2012-06-19 Hewlett-Packard Development Company, L.P. Intelligent power management of an intermediate network device switching circuitry and PoE delivery
US8510578B2 (en) 2009-04-28 2013-08-13 Hewlett-Packard Development Company, L.P. Line-card disabling for power management
US8942113B2 (en) 2009-05-07 2015-01-27 Verizon Patent And Licensing Inc. System and method for dynamically adjusting routing metrics based on power consumption
US8483093B2 (en) 2009-06-30 2013-07-09 Intel Corporation Energy efficient network forwarding based on performance and energy
CN102577233B (zh) 2010-02-01 2016-07-13 惠普开发有限公司 用于网络交换机的深度休眠模式管理
EP2910081B1 (en) * 2012-10-16 2020-12-02 Telefonaktiebolaget LM Ericsson (publ) Methods for deciding when to switch between communication channel states, and network nodes therefor
JP6056436B2 (ja) * 2012-12-07 2017-01-11 富士通株式会社 情報処理装置，情報処理方法，及び情報処理プログラム
US20150169033A1 (en) 2013-12-13 2015-06-18 Cisco Technology, Inc. Systems and methods for power management in stackable switch
KR102162003B1 (ko) * 2014-04-14 2020-10-06 삼성전자주식회사 무선 네트워크 연결 제어 방법 및 장치
US20160091913A1 (en) 2014-09-30 2016-03-31 Cisco Technology, Inc. Smart power management in switches and routers

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1293850A (zh) * 1998-11-24 2001-05-02 皇家菲利浦电子有限公司 减小无线网络中终端功率消耗的数据传输系统
CN1741408A (zh) * 2004-08-23 2006-03-01 华为技术有限公司 调整自动重传请求系统的发射功率的方法
CN101019088A (zh) * 2004-11-05 2007-08-15 思科技术公司 用于串行加电的设备连接的功率管理
CN103959824A (zh) * 2011-11-08 2014-07-30 华为技术有限公司 用于数据转发的系统和方法

Also Published As

Publication number Publication date
US10209763B2 (en) 2019-02-19
CN109565449A (zh) 2019-04-02
EP3510729B1 (en) 2020-08-26
US20180074570A1 (en) 2018-03-15
WO2018048770A1 (en) 2018-03-15
EP3510729A1 (en) 2019-07-17

Similar Documents

Publication Publication Date Title
US11233710B2 (en) System and method for applying machine learning algorithms to compute health scores for workload scheduling
Huang et al. Service chaining for hybrid network function
Mitrani Managing performance and power consumption in a server farm
US9116703B2 (en) Semi-static power and performance optimization of data centers
Moshref et al. Resource/accuracy tradeoffs in software-defined measurement
CN107710237B (zh) 服务器上深度神经网络划分
CN109565449B (zh) 使用分析进行功率感知交换
US10003538B2 (en) Proactive load balancing based on fractal analysis
US11281504B2 (en) Disposition of a workload based on a thermal response of a device
US20180174072A1 (en) Method and system for predicting future states of a datacenter
US11722359B2 (en) Drift detection for predictive network models
Liao et al. Intelligently modeling, detecting, and scheduling elephant flows in software defined energy cloud: A survey
Zheng et al. Stochastic resource scheduling via bilayer dynamic Markov decision process in mobile cloud networks
Farahnakian et al. Bi-LCQ: A low-weight clustering-based Q-learning approach for NoCs
Assefa et al. HyMER: A hybrid machine learning framework for energy efficient routing in SDN
Ponmalar et al. Machine Learning Based Network Traffic Predictive Analysis
Liu et al. Load balancing inside programmable data planes based on network modeling prediction using a GNN with network behaviors
KR20140051802A (ko) 패킷 포워딩 룰 설정 방법 및 이를 이용한 제어 장치
JP6545836B2 (ja) マルチテナント型データセンタにおけるｖｍからｖｍのトラフィック推定
Lakineni et al. Deepflow: A Software-Defined Measurement System for Deep Learning
US20230092777A1 (en) Decentralized machine learning across similar environments
Pacífico et al. Bloomtime: space-efficient stateful tracking of time-dependent network performance metrics
WO2013114911A1 (ja) リスク評価システム、リスク評価方法、及びプログラム
Wellem et al. Accelerating sketch-based computations with gpu: A case study for network traffic change detection
WO2020245948A1 (ja) 要求通信品質推定装置、要求通信品質推定方法、及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant