월가 리스크 모델로 클라우드 컴퓨팅 효율 극대화… MIT·MS·히브리대 'TeaVar' 개발

금융 리스크 이론에서 영감받은 네트워크 최적화 모델

클라우드 스토리지와 클라우드 컴퓨팅 수요 증가에 맞춰 기업들은 WAN 백본 용량 확장에 수백만 달러를 씁니다.

주요 과제 중 하나는 네트워크 가용성과 활용도 간 균형 유지입니다. 과도하게 활용된 채널은 갑작스런 트래픽 급증을 처리 못해 노드/링크 장애를 일으킬 수 있습니다.

이 문제를 해결하기 위해 MIT, 마이크로소프트, 히브리대 연구팀이 금융 리스크 이론에서 영감받은 새로운 수학적 모델을 개발했습니다. 이는 주식 투자자가 시장 변동에서 수익을 극대화하면서 금융 손실을 최소화하는 데 도움을 주는 이론입니다.

새 모델은 'TeaVar'(Traffic Engineering Applying Value at Risk의 약자)라 불립니다. 전 세계 데이터센터 간 링크 장애 확률을 평가합니다. 평가 과정은 주식 변동성 예측과 유사합니다.

모델은 트래픽을(여러 링크를 통해) 최적으로 할당해 전체 네트워크 사용을 극대화하면서 손실을 최소화합니다. 이는 갑작스런 트래픽 급증 대비를 위해 링크를 유휴 상태로 두는 전통적 접근법과 정반대이며, 너무 많은 에너지와 자원을 낭비합니다.

연구자들은 자사 모델이 클라우드 서비스 제공업체가 데이터센터 리소스를 더 잘 활용하고 수백만 달러를 절약할 수 있게 돕는다고 주장합니다.

'TeaVar' 작동 원리

클라우드 서비스를 제공하는 주요 기업들은 '트래픽 엔지니어링(TE)' 도구를 사용해 모든 경로를 통해 데이터 대역폭을 최적으로 할당합니다. 최대 가용성을 보장하기 위해 이 기업들은 여러 링크를 낮은 활용도로 유지합니다. 많은 네트워크 링크가 높은 활용도로 작동하지 않습니다: 보낼 수 있는 만큼 트래픽을 보내지 않습니다.

따라서 네트워크 활용도와 가용성 간 트레이드오프가 존재합니다. 기존 TE 기술이 여기서 실패합니다.

참고: MIT | GitHub

어떤 네트워크에서든 데이터 대역폭 덩어리는 시장에 '투자된 돈'과 유사하고, 다른 장애 확률을 가진 수단은 '주식'과 그 불확실한 가치와 유사합니다. 이 개념을 사용해 연구팀은 최악의 장애 조건에서도 데이터가 최소 트래픽 손실로 목적지에 도달하도록 보장하는 '리스크 인식' 방법론을 개발했습니다.

이 접근법은 기업이 목표에 가장 적합한 활용도-가용성 균형을 맞추게 합니다. TeaVar는 리스크 최소화의 처리 가능성과 운영적 과제 관련 알고리즘 문제를 해결합니다.

실제 데이터에 TeaVar 적용

이 모델을 기존 TE 도구와 비교 테스트했습니다. AT&T, IBM, 구글 네트워크를 통해 전송되는 시뮬레이션 트래픽에 적용했습니다. 발생 확률 기반으로 여러 장애 조건도 생성했습니다.

마지막으로 실제 데이터에 TeaVar를 적용한 결과, 기존 TE 방법과 같은 가용성 수준에서 최대 2배 트래픽을 지원할 수 있었습니다. 모델은 신뢰할 수 있는 링크를 거의 최대 용량으로 작동하게 유지하면서 데이터를 위험한 경로에서 우회시켰습니다.