Mit dem Einsatz von künstlicher Intelligenz und datenintensiven Anwendungen im Alltag steigt das Kommunikationsaufkommen in Rechenzentren. Um dieser Herausforderung zu begegnen, entwickelt ein Forschungsteam der Technischen Universität Berlin im Rahmen des ERC-geförderten Projekts Self-Adjusting Networks eine Netzwerktechnologie, die sich dynamisch an den tatsächlichen Datenverkehr anpasst. Das Ziel ist es, Ressourcen zu sparen und die Leistungsfähigkeit der Systeme zu verbessern. Eine Übersicht des Forschungsfelds sowie erste Ergebnisse wurden nun im Fachjournal Communications of the ACM veröffentlicht.
Netzwerke passen sich an Datenströme an
Netzwerke in Rechenzentren sind bisher statisch aufgebaut: Alle Server-Racks – also Gruppen von Rechnern mit Prozessoren wie Grafikprozessoren – sind über feste Pfade miteinander verbunden, unabhängig vom Datenaufkommen. Prof. Dr. Stefan Schmid, Leiter des Fachgebiets Internet Architecture and Management, und sein Team – darunter auch Prof. Chen Avin von der Ben-Gurion-Universität in Israel – schlagen hier einen Ansatz vor, bei dem Netzwerkverbindungen flexibel rekonfiguriert werden und sich so an die Struktur des aktuellen Datenverkehrs anpassen können. Ähnlich dem sogenannten ‚Golden Gate Zipper‘, einer spezielle Maschine, die bewegliche Fahrbahntrennwände auf der Golden Gate Bridge in San Francisco verschiebt, um mehr Spuren in die stärker befahrene Richtung umzuleiten. Bezogen auf Rechenzentren ermöglichen die Netzwerke kürzere Verbindungswege, indem sie beispielsweise direkte Verbindungen zwischen stark kommunizierenden Racks schaffen. Dies reduziert Bandbreitenverluste und mehr Daten können übertragen werden.
Optische Switches als technischer Kern
Die Forschenden nutzen für die Netzwerke sogenannte optische Switches, die Netzwerkverbindungen in wenigen Millionstel Sekunden ändern. Sie arbeiten nicht mit Strom, sondern mit Licht, das durch Glasfaserkabel geschickt wird. Die Steuerung erfolgt zum Beispiel über unterschiedliche Lichtfarben oder programmierbare digitale Spiegel, die die Signale gezielt im Netzwerk weiterleiten. Diese Technik reduziert zudem den Energieverbrauch, das das Licht nicht erst in elektrische Signale umgewandelt werden muss.
Grundlagenforschung und praktische Anwendung
Das Team der TU Berlin betreibt bereits seit einigen Jahren Grundlagenforschung zu sogenannten selbst-anpassenden Netzwerken. Im Rahmen des Projekts Self-Adjusting Networks entwickelten sie mathematische Modelle und Verfahren, mit denen sich die Leistung solcher Netzwerke besser verstehen und gezielt steigern lässt. Einen Schwerpunkt legen die Forschenden dabei auf einen informationstheoretischen Ansatz. Sie untersuchen Muster im Datenverkehr, die sich komprimieren oder bündeln lassen – ähnlich wie häufige Buchstaben in Texten. Dies erhöht wiederum die Leistung der Netzwerke. „Unsere Forschung zeigt, welche Architekturen und Kontrollmechanismen nötig sind, um die Rechenzentren der nächsten Generation von Google und Co. optimal auf den Datenverkehrsfluss anzupassen“, sagt Stefan Schmid.
