华尔街风险模型提升云计算效率
为满足云存储和云计算增长需求，公司投入数百万美元扩充WAN骨干容量。主要挑战是平衡网络可用性和利用率：高利用率链路难应对突发流量，导致节点/链路故障。MIT、微软、希伯来大学研究团队开发新数学模型TeaVar（流量工程应用风险价值），借鉴金融风险理论（股市投资者在波动中最大化收益最小化损失），评估全球数据中心间链路故障概率，类似预测股票波动率。模型再最优分配流量（通过不同链路）最大化整体网络使用率，同时最小化损失。这与传统保持链路闲置应对突发流量、浪费能源资源的方法截然不同。研究者称模型能帮云服务商更好利用数据中心资源，节省数百万美元。
TeaVar工作原理
云服务商用流量工程（TE）工具最优分配数据带宽。为保最大可用性，保持多链路低利用率，许多链路未发送其能发送的最大流量。存在网络利用率与可用性权衡，传统TE技术失效于此。网络中数据带宽块类比“投入市场资金”，不同故障概率工具类比“股票”及其不确定价值。团队开发“风险感知”方法，确保最坏故障条件下数据以最小流量损失到达目的地。方法让公司实现最适合其目标的利用率-可用性平衡。TeaVar解决风险最小化可处理性算法挑战和运营挑战。
参考文献：MIT | GitHub
真实数据应用
在模拟ATT、IBM、Google网络流量上对比传统TE工具测试，生成基于发生概率的多种故障条件。应用真实数据发现：同等可用性下，TeaVar支持流量达传统TE方法两倍。模型让可靠链路近满负荷运行，引导数据避开风险路径。
延伸阅读：微软构建全自动DNA数据存储
工业技术