I matematici della RUDN University hanno creato un modello di massima efficienza dei data center. Si basa su una catena di Markov non banale. Oltre alle ovvie applicazioni pratiche dei risultati per l'organizzazione di server e data center, la parte teorica sarà utile per la teoria delle code e delle code, così come per lavorare con big data e reti neurali. Lo studio è pubblicato sulla rivista Matematica .

Un data center è un sistema di server, e il loro compito è fornire risorse di elaborazione e spazio su disco su richiesta degli utenti. Maggiore è il carico, più l'attrezzatura si riscalda. I server potrebbero smettere di funzionare temporaneamente se si surriscaldano. Il livello di temperatura che corrisponde al punto di surriscaldamento è chiamato primo livello critico. Il secondo è il livello al quale deve scendere la temperatura del server affinché riprenda (almeno in parte) il lavoro.

Questi livelli sono diversi. Per esempio, se ogni utente carica il server in modo che la temperatura del suo processore cresca di 0,1 gradi, e il primo livello critico è 100 gradi, il secondo livello critico dovrebbe essere impostato non superiore a 99,9 gradi. Se messo sopra, la prima richiesta dell'utente surriscalda nuovamente il server. In questo caso, i due livelli critici dovrebbero essere situati abbastanza vicini l'uno all'altro:se la loro differenza è grande, la capacità del server non verrà utilizzata completamente. È necessario configurare questi livelli in modo che i server del data center non si spengano costantemente a causa del surriscaldamento e allo stesso tempo funzionino a pieno carico.

I matematici della RUDN University Olga Dudina e Alexander Dudin sono stati in grado di trovare una soluzione al problema di ottimizzazione, che garantisce che i server funzionino a piena capacità ma non si surriscaldino. La sua condizione si presenta così:a seconda di un processo casuale che simula il flusso di utenti, posizionare due livelli critici per evitare il surriscaldamento, ma la potenza di calcolo sarebbe sfruttata al massimo. Allo stesso tempo, è consentita l'inattività parziale, questo è, se viene superato il secondo livello critico di temperatura, alcune richieste degli utenti vengono rifiutate.

I matematici hanno risolto equazioni probabilistiche per diversi valori di livelli critici. Come un processo casuale che simula l'arrivo degli utenti, I matematici della RUDN University hanno usato la catena di Markov. L'esempio più semplice di tale catena è una passeggiata casuale di un punto lungo una linea retta. Ogni secondo, si lancia una moneta:se esce testa, la punta si sposta di 1 cm in avanti; se croce, 1 cm indietro. Il tempo è discreto in questo processo, cioè i cambiamenti avvengono una volta al secondo, e la posizione del punto in futuro dipende solo dalla sua posizione attuale e dal risultato del lancio della moneta.

Per testare l'efficacia del loro metodo, I matematici della RUDN University hanno condotto un esperimento numerico che simulava il comportamento del server. I suoi risultati sono stati valutati utilizzando l'indicatore E, un criterio di qualità che determina perdite per negazione del servizio all'utenza e surriscaldamento delle apparecchiature per unità di tempo. Si è scoperto che il nuovo metodo consente più di dieci volte, da 0,31 a 0,03, di ridurre la perdita del server simulato e aumentare significativamente l'efficienza del data center.

Anche, la catena di Markov, che ha avuto origine dal lavoro dei matematici, ha alcune proprietà interessanti. Oltre alle sue applicazioni in ambito IT, il loro modello sarà utile nella teoria delle code. Questa teoria è necessaria per risolvere problemi di code, lavorare con big data e reti neurali.