Efficacité énergétique des réseaux de cœur et d accès

Transcription

1 Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1

2 Contexte et motivation Estimation de la consommation électrique des TIC en 2008 Technologies de l Information et de la Communication (TIC) Dans le monde [Chiaraviglio et al., GreenComm 09] ~2-10% consommation totale mondiale. En France [Rapport TIC et Développement durable 2008] Entre 55 et 60 TWh pour les TIC (~13% consommation totale) TV 16.5 TWh Téléphones mobiles 0.1 TWh Serveurs et centre de calculs 4 TWh Télécom et électronique 20 TWh 2

3 Scenario de consommation 409 TWh Télécom cœur/accès 214 TWh [EC DG INFSO, Final Report Impacts of ICT on Energy Efficiency, Sep. 2008] La consommation électrique des TIC en Europe pourrait doubler entre 2005 et

4 Nos activités Concep=on et ges=on de réseaux (mul=- couches) Routage AgrégaLon de trafic ReconfiguraLon de routages Connexité Tolérance aux pannes (SRLG) Réseaux verts Routage avec prise en compte de la consommalon ConcepLon de réseaux Ou=ls Math. discrètes Recherche OpéraLonnelle 4

5 Projets en lien avec l énergie 1. 3Roam (2007-) Wireless microwave bakchaul networks APRF RAISOM* (OSEO, PACA, FEDER) avec 3Roam et Avisto ( ) 2. ANR ECOSCELLS ( ) Small cells networks 3. ANR DIMAGREEN* ( ) Backbone networks *Projets labélisés SCS 5

6 Réseaux backhaul Portion de l infrastructure réseau interconnectant les réseaux d accès aux réseaux cœurs. Technologies: cables, fibres, micro-ondes 6

7 Réseaux backhaul à faisceaux hertziens ~ 50% du trafic mondial 7

8 Réseaux backhaul à faisceaux hertziens Comportement dynamique des liens radio Conditions environnementales Impact sur transmission du signal Variation de la capacité Problématiques Conception/gestion de réseaux prenant en compte la dynamique des liens Optimisation de la consommation d énergie Solutions robustes et transparentes pour le routage Modèles mathématiques et approches Programmation linéaire et stochastique Techniques de relaxation, heuristiques 8

9 Optimiser la consommation d un lien? Configuration des liens radios Multiples paramètres Matériel: Qualité et diamètre des antennes, Puissance d émission, codage, modulation, fréquence, disponibilité (bilan de liaison) Capacité requise Consommation énergétique Important pour assurer la qualité des transmissions Gains en mw 9

10 Optimisation à l échelle du réseau Fluctuation du trafic dans le temps = Opportunité de gain lorsque la demande est «faible» Lien micro-onde Peu sensible à la distance Peu sensible au débit Composants: IDU / ODU ~300 Wh par lien ~50 Wh par ODU Pour économiser de l énergie, il faut éteindre des liens! 10

11 Optimisation à l échelle du réseau Exemple: très faible trafic Mauvaise solution Long chemin N13-N14 Grande latence, délais, Une meilleure solution Mais toujours de longs chemins 11

12 Optimisation à l échelle du réseau VariaLon ralo Capacité Demande Résultats de simulations (assurer la connexité) Heuristique proche de la solution optimale De 9% à 35% d équipements éteints 12

13 Optimisation à l échelle du réseau Travaux en cours Mécanismes de changement de routes quand le trafic est faible pour éteindre certains liens Contraintes: respect QoS, tolérance aux pannes, Méthodes: programmation linéaire, heuristiques, Dimensionnement de réseaux adaptés Peut-on éteindre tout ou partie d un routeur? Difficultés Avoir des topologies et des instances de trafic réalistes (avec variations) Modélisation, simulation Acceptation des solutions par les clients Equipements installés mais peu utilisés Preuve de la robustesse des solutions 13

14 ANR DIMAGREEN ( ) Campagne d expérimentations - Mesures Identifier les paramètres qui influencent la consommation des équipements réseaux Définir des fonctions de coûts réalistes Conception de réseaux Selon les fonctions définies Quels liens? Quels équipements? Gestion des réseaux Politiques de routage efficaces en énergie Trafic dynamique 14

15 ANR DIMAGREEN: Backbone Faible influence de la charge des routeurs sur la consommation* Variations observées de 5-10% Paramètre important Nombre d interfaces utilisées par routeur Il faut éteindre des interfaces Méthodes possibles Politiques de routage efficaces en énergies Dimensionnement permettant d éteindre des interfaces/liens Agrégation & compression de trafic * [Chabarek et al., INFOCOM 08; Mahadevan et al. Networking 09] 15

16 Expérimentations WAN Optimization Mesure de la Consommation pour: Identifier les paramètres qui ont une influence sur la consommation de boitiers de compression Définir des fonctions de coût réalistes 16

17 Expérimentations WAN Optimization Mesure sur la plateforme d Orange lab (D. Leroy, F. Roudault) GénéraLon de 100 sessions FTP concurrentes AugmentaLon de la consommalon de 3% 17

18 Expérimentations WAN Optimization WAN Optimization Controler (WOC) - boitier d accélération Duplication élimination du transfert de données redondantes dans le WAN en envoyant des références à la place des données Compression basé sur des représentations plus efficaces de certains motifs de données Cache/Proxy Basé sur le comportement des utilisateurs (accès aux mêmes données). Le cache de trafic web réduit de 15 à 30% le trafic. Lissage du trafic Action sur les délais, Etude de multiples scénarios Avec/sans: accélération, compression, QoS Différents niveaux de QoS (low, medium, high) Influence du trafic (variation du nombre de sessions FTP) 18

19 Expérimentations WAN Optimization Réduction du trafic ~45 % Gains potentiels importants sur la consommation 19

20 Conclusion et perspectives Backbone / backhaul Gains possibles significatifs sur la consommation d énergie Dimensionnement Routage / re-routage Bornes théoriques, heuristiques Campagne de mesures (à poursuivre) Perspectives Adaptation dynamique du routage et de la topologie Compromis consommation / complexité des opérations à effectuer Mise en veille, changements de routes, Solutions acceptables par opérateurs Compromis coût ( ) / consommation d énergie 20

21 Merci David Coudert Equipe-Projet MASCOTTE Algorithmique, optimisation combinatoire, simulation Applications aux réseaux de télécoms 21