Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Trong kiến trúc máy tính, hệ thống tính toán song song, lưới tính toán và các trung tâm dữ liệu (Data Center - DC) hiện đại, mạng liên kết (Interconnection Network) đóng vai trò là hạ tầng truyền thông lõi kết nối hàng nghìn nút tính toán. Một giải pháp mạng liên kết hoàn chỉnh bao gồm hai thành phần cơ bản: cấu trúc tô-pô và giải thuật định tuyến. Các cấu trúc tô-pô truyền thống như De Bruijn, Star, Kautz hoặc các dạng hình học cơ bản (Bus, Ring, Mesh, Tree, 2D/3D-Torus) bộc lộ nhiều hạn chế khi quy mô hệ thống tăng cao:

  • Không đáp ứng đồng thời yêu cầu về độ trễ truyền tin thấp và thông lượng cao khi số lượng nút tăng lớn.
  • Khả năng co giãn quy mô (scalability) và tính linh hoạt (flexibility) kém; việc mở rộng hoặc thu hẹp hệ thống đòi hỏi cấu hình lại phức tạp và chi phí thiết bị cao.
  • Các mô hình tô-pô phổ biến cho trung tâm dữ liệu quy mô lớn như Fat-Tree bị phụ thuộc vào số cổng của thiết bị chuyển mạch (switch), đòi hỏi switch có bậc đỉnh cao với chi phí đắt đỏ.

Mô hình mạng ngẫu nhiên (Random Shortcut Network - RSN), được xây dựng bằng cách bổ sung các liên kết ngẫu nhiên vào đồ thị cơ sở dạng lưới, mang lại ưu thế giảm đáng kể đường kính mạng và độ trễ, đồng thời cho phép mở rộng quy mô tự nhiên (như mô hình JellyFish). Tuy nhiên, tính chất ngẫu nhiên phá vỡ các quy tắc định tuyến có cấu trúc thông thường (như Dimension-Order Routing - DOR hoặc giao thức Duato), buộc hệ thống phải sử dụng bảng định tuyến đường ngắn nhất (Shortest Path Routing - SPR) lưu trữ thông tin toàn cục với kích thước $O(n)$ bản ghi trên mỗi nút. Điều này tạo ra điểm nghẽn bộ nhớ vật lý tại các thiết bị chuyển mạch khi mạng đạt quy mô hàng chục đến hàng trăm nghìn nút.

Bên cạnh đó, việc đánh giá hiệu năng tô-pô mạng ngẫu nhiên quy mô lớn gặp trở ngại nghiêm trọng về công cụ. Do tính chất bất định, mỗi cấu hình mạng ngẫu nhiên đòi hỏi tính toán lặp lại nhiều lần để lấy giá trị trung bình (chẳng hạn như tính toán đường đi ngắn nhất giữa mọi cặp đỉnh). Các công cụ mô phỏng phổ quát hiện nay (NS2, NS3, Omnet++, Simgrid) mô hình hóa quá chi tiết các tầng giao thức, tiêu tốn bộ nhớ và thời gian xử lý, không thể đáp ứng việc mô phỏng mạng ngẫu nhiên quy mô lớn. Đồng thời, tại Việt Nam, các doanh nghiệp vừa và nhỏ có nhu cầu triển khai trung tâm dữ liệu trong điều kiện không gian phân tán (nhiều phòng, nhiều sàn không liền kề) với kinh phí hạn chế, nhưng các mô hình tô-pô hiện hữu chưa đáp ứng được bài toán thực tế này.

Mục tiêu nghiên cứu

Luận án xác định hai mục tiêu chính:

  1. Mục tiêu 1: Nghiên cứu và đề xuất các thuật toán định tuyến rút gọn có khả năng khai thác tốt các đặc tính của tô-pô mạng ngẫu nhiên kích thước lớn, phù hợp với các trung tâm dữ liệu hiện đại.
  2. Mục tiêu 2: Nghiên cứu và đề xuất kiến trúc công cụ mô phỏng hỗ trợ đánh giá hiệu năng mạng ngẫu nhiên kích thước lớn, đồng thời ứng dụng công cụ để đề xuất mô hình tô-pô mạng lai phù hợp với điều kiện triển khai thực tế.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Cấu trúc tô-pô mạng liên kết, mô hình mạng ngẫu nhiên tựa lưới (RSN), các giải thuật định tuyến rút gọn (Compact Routing), cơ chế điều khiển luồng, công cụ phần mềm mô phỏng sự kiện rời rạc và mô hình tô-pô lai cho trung tâm dữ liệu.
  • Phạm vi không gian: Tập trung vào mạng liên kết trong mạng lưu trữ/hệ thống (System/Storage Area Networks - SANs), hệ thống tính toán hiệu năng cao (HPC) và các trung tâm dữ liệu quy mô vừa và lớn. Khảo sát thực nghiệm với quy mô mạng từ vài trăm nút đến 100.000 nút mạng.
  • Phạm vi thời gian: Luận án hoàn thành năm 2021 tại Phòng thí nghiệm Sedic-Lab, Viện Công nghệ Thông tin và Truyền thông, Trường Đại học Bách Khoa Hà Nội, có sự phối hợp nghiên cứu cùng Viện Tin học Quốc gia Nhật Bản (NII).

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước

Tác giả đã hệ thống hóa các công trình nghiên cứu liên quan đến định tuyến phân cấp, định tuyến rút gọn, cấu trúc tô-pô trung tâm dữ liệu và phần mềm mô phỏng:

Hướng nghiên cứu Tác giả, công trình, năm Đặc điểm và kết quả chính
Định tuyến phân cấp Kleinrock & Kamoun (1977) [38] Đề xuất gom nhóm các nút lân cận thành các cụm (cluster) nhiều tầng để giảm kích thước bảng định tuyến (RTS); hiệu quả phụ thuộc vào sự đánh đổi giữa hệ số giãn (stretch) và tính chuẩn tắc của tô-pô.
Định tuyến rút gọn dựa trên nút đại diện Cowen (2001) [28] Đề xuất khung định tuyến phổ quát dựa trên nút đại diện (landmark-based), đạt hệ số giãn stretch-3 với kích thước bảng định tuyến $\tilde{O}(n^{2/3})$.
Định tuyến rút gọn tối ưu Thorup & Zwick (2001) [29] Đưa ra thuật toán TZ cải tiến việc chọn nút đại diện bằng thuật toán ngẫu nhiên, đạt hệ số giãn stretch-3 với kích thước bảng định tuyến $O(n^{1/2})$ hoặc $O((n \log n)^{1/2})$.
Giới hạn lý thuyết định tuyến Gavoille (2001) [36]; Thorup & Zwick [31] Chứng minh định tuyến rút gọn stretch-3 cần $O(n)$ bit; với stretch-5 kích thước bảng định tuyến không thể nhỏ hơn $\Omega(n^{1/2})$.
Tô-pô trung tâm dữ liệu quy mô lớn Fat-Tree (Al-Fares et al., 2008) [23, 42]; JellyFish (Singla et al., 2012) [13]; Dragonfly (Kim et al., 2008) [21, 30] Fat-Tree đạt oversubscription 1:1 nhưng cứng nhắc và đòi hỏi switch nhiều cổng; JellyFish đạt khả năng mở rộng ngẫu nhiên nhưng bảng định tuyến lớn; Dragonfly dùng cấu trúc phân cấp bậc đỉnh cao.
Tô-pô đồ thị hỗn hợp BCN [44]; DCell [17]; R3 [45] Kết hợp hypercube và tô-pô ngẫu nhiên nhằm phục vụ DC cỡ nhỏ, nhưng đường kính mạng còn lớn và quy tắc định tuyến phức tạp.
Công cụ mô phỏng mạng NS2 [1]; NS3 [2]; Omnet++ [4]; Simgrid [3] Mô phỏng chi tiết đầy đủ các tầng giao thức, tiêu tốn bộ nhớ lớn, chỉ thực thi hiệu quả trên mạng từ vài trăm đến 1.024 nút tính toán.

Khoảng trống luận án lựa chọn giải quyết

  1. Khoảng trống về giải thuật định tuyến: Thuật toán TZ của Thorup và Zwick chọn nút đại diện ngẫu nhiên thuần túy dẫn đến việc phân bố cụm không đồng đều, gây gia tăng kích thước bảng định tuyến cực đại trên một số nút. Luận án giải quyết vấn đề này bằng cách tận dụng thông tin vị trí địa lý của đồ thị cơ sở để điều chỉnh phân bố nút đại diện đồng đều và khai thác liên kết ngẫu nhiên như cầu nối liên vùng.
  2. Khoảng trống về công cụ đánh giá: Thiếu công cụ mô phỏng chuyên biệt có khả năng tính toán nhanh các tham số đồ thị tĩnh và mô phỏng động quá trình truyền tin trên mạng ngẫu nhiên quy mô lớn (lên đến $10^5$ nút) bằng phương pháp giản lược và xấp xỉ.
  3. Khoảng trống về kiến trúc tô-pô thực tiễn: Thiếu mô hình tô-pô lai tối ưu chi phí cáp và thiết bị chuyển mạch cho các trung tâm dữ liệu quy mô vừa và nhỏ triển khai trên các không gian sàn phân tán.

Cơ sở lý thuyết và phương pháp nghiên cứu

Lý thuyết, khái niệm và khung phân tích

  • Mô hình đồ thị tô-pô: Mạng được mô hình hóa bằng đồ thị $G = (V, E)$, trong đó $V$ là tập các đỉnh (switch, thiết bị đầu cuối) và $E$ là tập các cạnh (liên kết, cáp truyền dẫn). Mô hình mạng ngẫu nhiên $G' = (V, E')$ được tạo thành bằng cách bổ sung $r$ liên kết ngẫu nhiên ($r = 2k, k \in {1, 2, 3, \dots}$) theo phân bố đều vào đồ thị cơ sở dạng lưới 2D hoặc $k$-grid.
  • Băng thông lát cắt (Bisection Bandwidth):
    • Tổng băng thông của một lát cắt $C(N_1, N_2)$: $$B(N_1, N_2) = \sum_{c \in C(N_1, N_2)} b_c$$
    • Kênh tối thiểu của lát cắt: $$B_C = \min_{bisections} |C(N_1, N_2)|$$
    • Băng thông lát cắt tối thiểu của mạng: $$B_B = \min_{bisections} |B(N_1, N_2)| = b \cdot B_C$$
  • Độ trễ truyền tin (Latency): $$\text{latency} = \text{injection_time} + \text{time_to_fly} + \text{switches_latency}$$ Trong đó:
    • $\text{injection_time} = \frac{\text{packet_size}}{\text{bandwidth}}$ (thời gian đẩy gói tin vào mạng).
    • $\text{time_to_fly} = \frac{l_c}{v}$ (thời gian lan truyền tín hiệu trên cáp).
    • $\text{switches_latency} = H_{avg} \cdot t_r$ (độ trễ xử lý chuyển mạch tích lũy qua các hop trung gian).
  • Tham số hiệu năng định tuyến:
    • Đường kính mạng: $H_{max} = \max(\forall H(u, v))$.
    • Trung bình chiều dài đường định tuyến: $ARPL$ (Average Routing Path Length).
    • Kích thước bảng định tuyến: $RTS$ (Routing Table Size) - số lượng bản ghi định tuyến lưu tại mỗi nút.
    • Hệ số giãn dài đường đi: $\text{Stretch} = \frac{\text{Chiều dài đường định tuyến}}{\text{Khoảng cách ngắn nhất}}$.
  • Kỹ thuật chuyển mạch và điều khiển luồng: Chuyển mạch lưu và chuyển tiếp (Store-and-forward), chuyển tiếp qua mạch ảo (Virtual Cut-through) và chuyển mạch Wormhole (chia nhỏ gói tin thành các flit 16-bit nhằm giảm dung lượng bộ đệm tại switch).

Phương pháp nghiên cứu thực tế

Luận án kết hợp hai phương pháp đánh giá định lượng:

  1. Phương pháp phân tích đồ thị (Static Graph Analysis): Tính toán các chỉ số hình học tĩnh gồm đường kính mạng, khoảng cách Manhattan $|X_s - X_u| + |Y_s - Y_u|$, độ dài đường định tuyến trung bình ($ARPL$) và kích thước bảng định tuyến ($RTS$). Áp dụng thuật toán lấy mẫu và phương pháp xấp xỉ để tính toán trên đồ thị quy mô lớn.
  2. Phương pháp mô phỏng sự kiện rời rạc (Discrete Event Simulation - DES): Xây dựng công cụ mô phỏng chuyên biệt SSiNET để giả lập tiến trình chuyển tiếp gói tin, quản lý hàng đợi, xử lý tranh chấp tài nguyên, đánh giá thông lượng mạng (throughput), thông lượng cực đại và độ trễ dưới các mô hình tải không tải (zeroload) và tải trọng số (weightedload/offered traffic).

Nguồn tư liệu và dữ liệu

Dữ liệu nghiên cứu thu nhận từ quá trình sinh ngẫu nhiên các cấu hình mạng trên đồ thị lưới $8 \times 4$, lưới mở rộng $k$-grid và các mẫu mạng quy mô lên tới 100.000 nút. Kết quả mô phỏng của luận án được đối sánh trực tiếp với kết quả chạy thực nghiệm từ các công cụ chuẩn quốc tế gồm NS3 và Omnet++.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 thiết lập cơ sở lý luận về mạng liên kết trong hệ thống tính toán hiệu năng cao và trung tâm dữ liệu:

  • Phân loại 4 môi trường mạng liên kết: On-chip networks (OCNs), System/storage area networks (SANs), Local area networks (LANs) và Wide area networks (WANs); xác định trọng tâm nghiên cứu thuộc phạm vi SANs.
  • Phân tích 5 cấu trúc tô-pô cơ bản: Bus, Star, Ring, Mesh, Tree và phân biệt mạng trực tiếp (Direct Network) với mạng gián tiếp (Indirect Network).
  • Tổng quan các kỹ thuật định tuyến: định tuyến xác định (Deterministic routing như DOR, DTR), định tuyến ngẫu nhiên (Oblivious routing như thuật toán Valiant), định tuyến thích nghi (Adaptive routing) và định tuyến phân tán tra bảng.
  • Trình bày chi tiết cơ chế điều khiển luồng không bộ đệm (bufferless), chuyển mạch kênh (circuit switching), chuyển mạch gói và kỹ thuật Wormhole switching kèm phân tích hiện tượng tắc nghẽn liên kết.
  • Khảo sát các công cụ mô phỏng mạng hiện có (NS2, NS3, Omnet++, Simgrid), chỉ ra điểm nghẽn về năng lực tính toán khi mô phỏng mạng ngẫu nhiên kích thước lớn.
  • Phát biểu hình thức hai bài toán nghiên cứu của luận án: thiết kế thuật toán định tuyến rút gọn và xây dựng công cụ mô phỏng SSiNET.

Chương 2: Định tuyến rút gọn cho mô hình mạng ngẫu nhiên

Chương 2 tập trung giải quyết bài toán định tuyến rút gọn trên mô hình mạng ngẫu nhiên RSN tựa lưới, bao gồm các giải pháp đề xuất:

1. Thuật toán định tuyến CORRA (Compact Routing for RAndom inter-connection topologies)

  • Ý tưởng: Khai thác các liên kết ngẫu nhiên xuất phát từ các nút lân cận đóng vai trò như cầu nối dài (bridges) giữa các vùng mạng xa nhau thay vì chỉ đi theo liên kết lưới.
  • Cơ chế vùng hàng xóm: Xác định tập lân cận $N_\delta(s)$ trong phạm vi bán kính $\delta$ hop ($|X_s - X_u| + |Y_s - Y_u| \le \delta$). Nút $s$ lưu thông tin các cầu nối xuất phát từ nút $u \in N_\delta(s)$ để chuyển tiếp gói tin đến vùng đích.
  • Kỹ thuật địa chỉ hóa và bảng định tuyến: Bản ghi định tuyến được tổ chức theo nhãn, tọa độ $(X, Y)$ và định danh nút mạng.
  • Hiệu năng: So với thuật toán SPR, CORRA giảm kích thước bảng định tuyến $RTS$ xuống mức rất thấp, cho phép mở rộng kích thước mạng lên hàng trăm nghìn nút, trong khi $ARPL$ và độ trễ chỉ tăng không đáng kể.

2. Thuật toán định tuyến GLCR (Geographic Landmark-based Compact Routing)

  • Cải tiến thuật toán TZ: Thuật toán TZ của Thorup và Zwick chọn nút đại diện ngẫu nhiên bằng thủ tục $sample(W, z)$ với $z = \sqrt{n/\log n}$ và ngưỡng kích thước cụm $M = 4n/z$. Cách tiếp cận này tạo ra các nút đại diện phân bố không đều, để lại các cụm có kích thước cục bộ lớn.
  • Giải pháp GLCR: Tích hợp thông tin tọa độ vị trí địa lý của các nút trên đồ thị lưới cơ sở để điều chỉnh tập nút đại diện $L$. Thuật toán thực hiện chọn các nút đại diện phân tán cách xa nhau, đảm bảo phủ đều toàn bộ không gian mạng.
  • Cơ chế tuyển chọn nút đại diện (IJDST):
    • Đánh giá và loại bỏ các nút đại diện yếu ($\alpha-LS$).
    • Thuật toán lựa chọn tập nút đại diện chính $\alpha-LS$ và tập bổ trợ $\beta-LS$ thông qua hàm tính toán cụm $C(u)$, $B_l$ và $per(B_l)$.
  • Kết quả: GLCR giảm đáng kể $RTS$ tối đa và kích thước cụm cực đại so với TZ-original, đặc biệt thể hiện rõ rệt trên các cấu hình mạng quy mô lớn lên đến 100.000 nút.

Chương 3: Xây dựng công cụ hỗ trợ đánh giá hiệu năng mạng liên kết

Chương 3 trình bày việc thiết kế phần mềm mô phỏng SSiNET và ứng dụng đề xuất mô hình tô-pô thực tiễn:

1. Kiến trúc phần mềm mô phỏng SSiNET

  • Mô hình kiến trúc: Tổ chức hướng đối tượng phân lớp rõ ràng, bao gồm:
    • Gói graph: Quản lý cấu trúc đồ thị, đỉnh, cạnh, tạo tô-pô lưới và bổ sung liên kết ngẫu nhiên.
    • Gói routing: Cài đặt các giải thuật định tuyến (DOR, SPR, TZ, CORRA, GLCR).
    • Gói thành phần vật lý: Mô hình hóa switch, router, cổng vào/ra, bộ đệm flit.
    • Gói thực nghiệm: TopoExperiment, hỗ trợ mô phỏng không tải (zeroload), có tải (weightedload) và quản lý tiến trình sự kiện rời rạc (DES).
  • Phương pháp xấp xỉ: Cài đặt thuật toán xấp xỉ tính toán đường kính mạng, $ARPL$, $RTS$ và độ trễ, cho phép đánh giá các đồ thị mạng có quy mô vượt giới hạn tính toán của các công cụ thông thường.

2. Đánh giá thực nghiệm và kiểm chứng công cụ SSiNET

  • So sánh thời gian thực thi với NS3: SSiNET rút ngắn thời gian xử lý và giảm tiêu hao bộ nhớ vượt trội so với NS3 trên các cấu hình mạng kích thước lớn.
  • So sánh thông lượng và độ trễ với Omnet++: Kết quả đánh giá thông lượng cực đại và độ trễ truyền tin trên SSiNET đạt độ tương đồng cao với kết quả của Omnet++, chứng minh tính đúng đắn của công cụ.

3. Ứng dụng đề xuất mô hình tô-pô lai Bus-RSN cho trung tâm dữ liệu

  • Kiến trúc Bus-RSN: Kết hợp đường trục Bus liên kết giữa các phòng/sàn máy chủ riêng biệt; bên trong mỗi phòng, các máy chủ được kết nối theo mô hình mạng ngẫu nhiên RSN. Cấu trúc chia mạng thành các khối, xác định các nút thường và nút trục (trục chính kết nối Bus).
  • Giải pháp định tuyến phân cấp HRA ($\alpha-1$ HRA): Tách biệt quy trình định tuyến nội vùng RSN và định tuyến liên vùng qua đường trục Bus.
  • Hiệu quả thực nghiệm:
    • Tiết kiệm tổng chiều dài cáp và giảm chi phí thiết bị mạng lên tới 26% so với cấu trúc JellyFish trong không gian lắp đặt 2 sàn riêng biệt.
    • Độ trễ truyền tin chỉ tăng 12% so với JellyFish, đảm bảo tính khả thi cao cho các doanh nghiệp quy mô vừa và nhỏ.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và giải thuật

  1. Đề xuất giải thuật định tuyến rút gọn CORRA: Khai thác tính chất liên kết ngẫu nhiên như các cầu nối liên vùng trong phạm vi bán kính $\delta$ hop lân cận, giúp tối ưu hóa chiều dài đường truyền tin ($ARPL$ tiệm cận đường ngắn nhất) trong khi kích thước bảng định tuyến $RTS$ được thu nhỏ đáng kể so với định tuyến đường ngắn nhất SPR.
  2. Đề xuất giải thuật định tuyến rút gọn GLCR và cơ chế tuyển chọn nút đại diện IJDST: Cải tiến kịch bản định tuyến phổ quát TZ bằng việc sử dụng yếu tố vị trí địa lý để phân bố tập nút đại diện đồng đều, khắc phục triệt để nhược điểm tập trung cụm ngẫu nhiên, giúp giảm kích thước bảng định tuyến cực đại trên các mạng ngẫu nhiên quy mô lớn lên đến 100.000 nút.

Đóng góp về mặt thực tiễn và công cụ

  1. Xây dựng phần mềm mô phỏng SSiNET: Cung cấp công cụ mô phỏng sự kiện rời rạc tích hợp phương pháp tính toán xấp xỉ, cho phép tạo tô-pô, cài đặt giải thuật định tuyến mới, khảo sát các tham số tĩnh (đường kính, $ARPL$, $RTS$) và tham số động (thông lượng, độ trễ, tải bão hòa) trên các mạng liên kết quy mô lớn với thời gian thực thi nhanh.
  2. Đề xuất kiến trúc tô-pô lai Bus-RSN và thuật toán định tuyến HRA: Đưa ra giải pháp thiết kế trung tâm dữ liệu phân tán nhiều phòng/sàn, tiết kiệm 26% chi phí thiết bị mạng và cáp kết nối so với mô hình JellyFish, phù hợp với năng lực tài chính và điều kiện mặt bằng của các cơ quan, tổ chức, doanh nghiệp tại Việt Nam.
  3. Công bố khoa học: Tác giả đã công bố 04 bài báo chuyên ngành về thuật toán định tuyến và 02 bài báo trên Chuyên san Các công trình nghiên cứu phát triển Công nghệ Thông tin và Truyền thông về công cụ mô phỏng SSiNET.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Các thuật toán định tuyến rút gọn đề xuất (CORRA, GLCR) chủ yếu được xây dựng và khảo sát trên nền tảng đồ thị cơ sở dạng lưới 2D và $k$-grid mở rộng; chưa đánh giá sâu trên các cấu trúc cơ sở phi chuẩn tắc phức tạp khác.
  • Công cụ mô phỏng SSiNET tập trung vào việc mô phỏng giản lược các tầng mạng để tối ưu tốc độ cho mạng quy mô lớn, do đó chưa tích hợp đầy đủ các mô hình phân tích lỗi phần cứng chi tiết như trên các bộ mô phỏng chuyên sâu tầng vật lý.

Hướng phát triển tiếp theo

  • Tiếp tục hoàn thiện, mở rộng các mô-đun chức năng và giao diện người dùng của công cụ SSiNET để phát hành công khai trên mạng Internet phục vụ cộng đồng nghiên cứu.
  • Nghiên cứu mở rộng cơ chế định tuyến rút gọn thích nghi có khả năng chịu lỗi (fault-tolerant routing) khi các liên kết ngẫu nhiên hoặc nút cầu nối gặp sự cố.
  • Tối ưu hóa thuật toán định tuyến phân cấp HRA và cấu hình tham số liên kết ngẫu nhiên trong mô hình Bus-RSN cho các dạng không gian kiến trúc trung tâm dữ liệu đa tầng phức tạp hơn.

Giá trị tham khảo

Đối tượng thụ hưởng

  • Nghiên cứu sinh, học viên cao học và giảng viên: Thuộc các chuyên ngành Khoa học Máy tính, Mạng máy tính và Truyền thông dữ liệu, Hệ thống tính toán hiệu năng cao. Luận án cung cấp hệ thống lý thuyết về mạng ngẫu nhiên, định tuyến rút gọn và phương pháp luận thiết kế công cụ mô phỏng sự kiện rời rạc.
  • Kỹ sư kiến trúc hệ thống và quản trị mạng: Đang công tác tại các trung tâm dữ liệu chuyên nghiệp (Viettel DC, VNPT DC, FPT DC, VTC DC, EVN DC) hoặc các trung tâm dữ liệu chuyên ngành của khối Ngân hàng, Bộ, Ban, Ngành.

Nội dung có giá trị tham khảo chuyên sâu

  • Chương 2: Kỹ thuật xây dựng bảng định tuyến rút gọn CORRA và thuật toán tuyển chọn nút đại diện IJDST trong GLCR là tài liệu tham khảo để phát triển các giải thuật định tuyến quy mô lớn.
  • Chương 3: Kiến trúc thiết kế hướng đối tượng của công cụ SSiNET và mô hình tô-pô lai Bus-RSN là tài liệu kỹ thuật trực tiếp cho các bài toán triển khai mạng trung tâm dữ liệu chi phí thấp trên mặt bằng không gian phân tán.

Câu hỏi thường gặp

1. Thuật toán định tuyến CORRA giải quyết bài toán kích thước bảng định tuyến (RTS) như thế nào?

CORRA tận dụng cấu trúc tô-pô ngẫu nhiên tựa lưới bằng cách thiết lập một vùng hàng xóm bán kính $\delta$ hop (theo khoảng cách Manhattan) quanh nút nguồn $s$. Thay vì lưu toàn bộ đường đi ngắn nhất đến mọi nút trong mạng ($O(n)$ bản ghi), nút $s$ chỉ lưu thông tin các liên kết ngẫu nhiên (cầu nối - bridges) xuất phát từ các nút hàng xóm $u \in N_\delta(s)$. Khi cần chuyển tiếp gói tin đến vùng xa, thuật toán sử dụng các cầu nối này để đi tắt liên vùng, qua đó giảm mạnh số lượng bản ghi định tuyến lưu trữ trên mỗi nút nhưng vẫn duy trì chiều dài đường định tuyến $ARPL$ ngắn.

2. Sự khác biệt cốt lõi giữa thuật toán định tuyến GLCR và thuật toán TZ của Thorup - Zwick là gì?

Thuật toán TZ khởi tạo và bổ sung tập nút đại diện $L$ hoàn toàn bằng cơ chế lấy mẫu ngẫu nhiên thuần túy, dẫn đến nguy cơ các nút đại diện phân bố cụm cục bộ, khiến kích thước bảng định tuyến tại một số nút bị tăng cao. GLCR cải tiến cơ chế này bằng cách kết hợp thông tin tọa độ vị trí địa lý của các nút trên đồ thị lưới cơ sở. GLCR điều chỉnh việc tuyển chọn tập nút đại diện sao cho chúng phân bố đều khắp không gian mạng, giúp san bằng kích thước các cụm và giảm đáng kể kích thước bảng định tuyến cực đại trên mạng quy mô lớn.

3. Tại sao các công cụ mô phỏng như NS2, NS3, Omnet++, Simgrid khó đáp ứng mô phỏng mạng ngẫu nhiên kích thước lớn?

Các công cụ trên là các bộ mô phỏng mạng phổ quát, mô hình hóa rất chi tiết các tầng giao thức, cấu trúc gói tin và hàng đợi đối tượng phân cấp phức tạp. Với tô-pô mạng ngẫu nhiên, để tính toán các chỉ số trung bình, hệ thống phải sinh mẫu và chạy mô phỏng lặp lại nhiều lần. Khối lượng tính toán và lượng bộ nhớ tiêu tốn của các công cụ phổ quát trở nên quá lớn, khiến chúng chỉ thực thi hiệu quả trên quy mô từ vài trăm đến khoảng 1.024 nút tính toán, không thể mở rộng lên hàng chục nghìn nút.

4. Mô hình tô-pô Bus-RSN mang lại ưu thế gì cho các trung tâm dữ liệu cỡ vừa và nhỏ?

Bus-RSN kết hợp đường trục Bus kết nối liên vùng giữa các phòng/sàn máy chủ riêng biệt với cấu trúc mạng ngẫu nhiên RSN bên trong từng phòng. Thiết kế này giải quyết bài toán không gian phân tán (các phòng máy chủ không liền kề hoặc ở khác tầng) với chi phí thấp. Thực nghiệm cho thấy Bus-RSN giúp tiết kiệm 26% chi phí thiết bị mạng và cáp kết nối so với mô hình JellyFish, trong khi độ trễ truyền tin chỉ tăng khoảng 12%.

Kết luận

Luận án của tác giả Kiều Thành Chung đã giải quyết bài toán tối ưu hóa định tuyến trên mạng liên kết ngẫu nhiên quy mô lớn và xây dựng công cụ mô phỏng đánh giá hiệu năng chuyên biệt. Bằng việc đề xuất hai thuật toán định tuyến rút gọn CORRA và GLCR, công trình đã đạt được sự cân bằng giữa việc thu nhỏ kích thước bảng định tuyến lưu trữ tại các switch và duy trì chiều dài đường truyền tin tiệm cận tối ưu. Đồng thời, việc phát triển thành công công cụ mô phỏng sự kiện rời rạc SSiNET và mô hình tô-pô lai Bus-RSN đã đóng góp một giải pháp thực tiễn có giá trị ứng dụng cao cho việc thiết kế, xây dựng các trung tâm dữ liệu quy mô vừa và nhỏ trong điều kiện thực tế tại Việt Nam.