大数据应用对网络工程师提出新要求

在大数据时代，人们很少谈论跟网络相关的话题，仿佛网络与大数据是风马牛不相及的两回事。事实上，网络不仅跟大数据应用息息相关，而且还发挥了非常重要的作用。但对于很多网络工程师来说，他们并没有认清这一点。
    如今在一个典型的数据中心架构中，包含了大量松耦合的应用和半分布式的存储设备。一个基于Web的应用实际上是由很多组件组成的，如应用负载均衡、web服务器前端、应用后端，而且都有相应的数据库作为数据存储。这些数据库会有本地或者集中化或半分布式的物理存储设备，存储又有复制和备份的组件。所有的数据中心内部的流量都需要将正确的数据传送给应用用户。这里的用户可以是一个人，也可以是另外的一个应用。
    上述这种较为传统的分布式应用，其通信方式是相对直接的，很好理解。通过基础的测量和分析工具，你就可以完整地了解到一个应用的各个组件之间的运转方式，它们之间是如何交互的以及它们需要什么样的网络环境等等。在部署应用之前，开发人员几乎不用为网络工程师提供具体的需求和指导。而在这个应用走完至少一个扩展和性能调整周期之后，基本就会形成一个固定的模式并保持下去。对于网络工程师来说，他们要做的就是确保能够为这一模式提供合理的网络连接。
    然而针对大数据应用，它给我们提出了新的课题。大数据应用往往是以高度并行化的方式运行，它们部署在一个分布式系统当中，这需要在基础设施当中进行海量数据的“大挪移”.大数据应用在设计的时候，会假定数据与其消费方式都是持续分布式的，并且在一个大数据集群当中复制到各个节点。许多应用都要应对多种不同的数据分析任务。而数据集以及数据生成方式更是多种多样，因此它们对于网络的要求也会有所不同。正式基于这一点，我们就需要一个更加动态的网络环境来满足大数据应用的需求。
    我们看到，如今有很多大数据应用是部署在1GbE网络上的。很多企业认为，网络根本就不叫个事儿，大数据只不过是一个计算密集型的项目。这其实是最基本的错误理解。事实上，许多大数据应用都是在处理半实时的流数据，每个数据集只需要一个相对较小的计算资源。而这些数据需要新型的连接方式，这是我们以前所没有遇到过的。
    上周我跟一个Ad Tech的工程师聊，这是一家发展速度非常快的企业，提供市场营销与广告相关的技术解决方案。他目前管理了一个大数据集群，其中有200台物理服务器，使用了市场中最高端的网络交换机。在开放一半的可用端口之前，网络堵塞问题就已经非常严重了。这个集群中，机架间需要每秒钟传输700GB甚至1TB的流量。说实话，市面上很少有网络设备能够应对这样的需求。
    有人会说，多加带宽不就完了嘛。而Ad Tech公司的这个案例，恰恰印证了我们所说的，企业在处理这样的应用需求时需要重新思考他们的网络架构。传统的思路已经不能跟支持新的应用和新的需求了。应用在发生变化，服务器、存储以及它们的工作方式也在发生变化，网络工程师需要积极拥抱这种变化。
    但惧怕或者逃避不能解决任何问题，不管你喜不喜欢，该来的总归要来。网络工程师要尽最大努力理解它们的需求，摆脱传统思维的束缚，然后思考什么样的网络能够解决这些问题。因为网络在其中起到了非常重要的作用，它对大数据应用的性能会产生巨大影响。