Los matemáticos de la Universidad RUDN crearon un modelo de máxima eficiencia de los centros de datos. Se basa en una cadena de Markov no trivial. Además de las obvias aplicaciones prácticas de los resultados para la organización de servidores y centros de datos, la parte teórica será útil para la teoría de colas y colas, así como para trabajar con big data y redes neuronales. El estudio se publica en la revista Matemáticas .

Un centro de datos es un sistema de servidores, y su tarea es proporcionar recursos informáticos y espacio en disco a petición de los usuarios. Cuanto mayor sea la carga, cuanto más se calienta el equipo. Los servidores pueden dejar de funcionar temporalmente si se sobrecalientan. El nivel de temperatura que corresponde al punto de sobrecalentamiento se denomina primer nivel crítico. El segundo es el nivel al que debe descender la temperatura del servidor para que pueda reanudar (al menos parcialmente) el trabajo.

Estos niveles son diferentes. Por ejemplo, si cada usuario carga el servidor para que la temperatura de su procesador crezca en 0,1 grados, y el primer nivel crítico es de 100 grados, el segundo nivel crítico debe establecerse a no más de 99,9 grados. Si se pone arriba, la primera solicitud del usuario sobrecalentará el servidor nuevamente. En este caso, los dos niveles críticos deben ubicarse lo suficientemente cerca entre sí; si su diferencia es grande, la capacidad del servidor no se utilizará por completo. Es necesario configurar estos niveles para que los servidores del centro de datos no se apaguen constantemente por sobrecalentamiento y al mismo tiempo trabajen a plena carga.

Los matemáticos de la Universidad RUDN Olga Dudina y Alexander Dudin pudieron encontrar una solución al problema de optimización, lo que garantiza que los servidores funcionen a plena capacidad pero no se sobrecalienten. Su condición se ve así:dependiendo de un proceso aleatorio que simula el flujo de usuarios, colocar dos niveles críticos para evitar el sobrecalentamiento, pero la potencia de cálculo se utilizaría al máximo. Al mismo tiempo, se permite la inactividad parcial, es decir, si se supera el segundo nivel de temperatura crítica, algunas solicitudes de los usuarios son rechazadas.

Los matemáticos resolvieron ecuaciones probabilísticas para diferentes valores de niveles críticos. Como proceso aleatorio que simula la llegada de usuarios, Los matemáticos de la Universidad RUDN utilizaron la cadena de Markov. El ejemplo más simple de tal cadena es un recorrido aleatorio de un punto a lo largo de una línea recta. Cada segundo, se lanza una moneda:si sale cara, el punto se mueve 1 cm hacia adelante; si colas, 1 cm de espalda. El tiempo es discreto en este proceso, es decir, los cambios ocurren una vez por segundo, y la posición del punto en el futuro depende únicamente de su posición actual y del resultado del lanzamiento de la moneda.

Para probar la efectividad de su método, Los matemáticos de la Universidad RUDN realizaron un experimento numérico que simuló el comportamiento del servidor. Sus resultados fueron evaluados utilizando el indicador E, un criterio de calidad que determina pérdidas por denegación de servicio al usuario y sobrecalentamiento de equipos por unidad de tiempo. Resultó que el nuevo método permite más de diez veces, de 0,31 a 0,03, reducir la pérdida del servidor simulado y aumentar significativamente la eficiencia del centro de datos.

También, la cadena de Markov, que se originó en el trabajo de los matemáticos, tiene algunas propiedades interesantes. Además de sus aplicaciones en TI, su modelo será útil en la teoría de colas. Esta teoría es necesaria para resolver problemas de colas, trabajando con big data y redes neuronales.