
数据中心网络架构之变
传统的数据中心网络一般根据功能划分为:核心层、汇聚层、接入层三个部分。接入层网络一般包含有存储接入和服务器接入,通过低端网络设备直接连接存储和服务器设备,一般提供100M端口的接入。汇聚层的网络设备一般具有高密度端口,高带宽的特点,直接与接入层网络设备互连。汇聚层网络设备直接连接到核心层,核心层网络设备一般是一个企业或者数据中心的网络出口,一般是高端路由器设备或者高端数据中心设备。由此可见,传统数据中心的网络架构一般分为三层,接入层以二层业务为主,而汇聚层和核心层主要是三层业务。这样的网络架构从网络出现的时候开始几十年都没有多少变化,而变化的只有网络设备的性能和可提供的网络带宽。从10M半双工接入,到100M、1000M甚至是10G的接入带宽增长,同时在汇聚层也从1000M到10G,8口10G聚合绑定,40G端口及聚合端口绑定的带宽,在核心层也出现了100G的出口。这样的带宽在不改变网络架构上,只需要更换高性能的设备或板卡就可以实现。而通过采用更高性能的设备,也可以达到提升二三层规格性能的目的。目前的汇聚层设备,一般都可以提供二层MAC
32K~512K,三层路由8K~512K,这样的网络性能可满足10万台以上服务器的接入,也能提供100G以上的流量带宽。在这样高性能的网络环境中,网络架构已经无法适应这样高速、大容量的应用。所以网络架构的模式也在悄然演变。
传统的数据中心通过网络架构按功能进行区域划分,如WEB、APP、DB,办公区、业务区、内联区、外联区等等。不同区域之间通过汇聚层设备三层互访,从而保证不同区域的可靠性、安全性。同时,不同区域由于具有不同的功能,因此需要相互访问数据时,只要终端之间能够通信即可,并不一定要求通信双方处于同一VLAN或二层网络。所以传统的数据中心网络架构基本是二三层业务混合应用,不同层面的业务交叉应用,结构较复杂。带宽被认为是衡量网络架构的重要指标,以太网将扮演越来越重要的角色。随着带宽的逐步增加,传统的数据中心复杂的网络架构渐渐淡出人们的视线。
为了适应云计算、大数据技术的应用,数据中心网络架构逐渐演变为一种新的网络形式,相比传统的数据中心网络架构,新的数据中心网络架构将具有一些新的技术和特征。
三层的网络演变为大二层网络
随着网络IPV4地址的逐步减少,IPV6尚未得到普遍应用,数据中心内部采用过于复杂的三层网络,则会占用太多的IPV4地址,如果都采用内部私网地址,则访问会受到很大限制,若采用NAT设备进行地址转换,则会增加NAT设备的负担。随着新的网络架构直接采用二级网络:接入层和核心层。汇聚层将消失,这样网络架构的带宽将不会受到汇聚层的限制,而接入层直接接入到核心层,也可以减少网络设备投入。这样对网络设备要求比较高,传统的STP/MSTP环网技术无法适应这样大规模的网络架构,只能采用TRILL等新的二层技术。
虚拟化技术无处不在
传统的数据中心网络之间都是独立的,需要通过复杂的网络软件进行管理,大型的数据中心仅接入的网络设备就会有上千台,所以采用虚拟化技术,将几台、十几台的网络设备虚拟化为一台设备,这将大大简化网络管理的复杂度。如果小型的数据中心,也可以通过虚拟化技术将一台大型的网络设备分割成独立的几台虚拟设备,不同的业务采用不同的虚拟设备。在网络设备上应用虚拟化技术,这将大大降低数据中心的运行能耗,让数据中心运行更为绿色。
软件定义网络
软件定义网络近几年持续火热,将软件定义网络引入数据中心将极大程度地改变目前网络的架构。采用软件定义网络,将使网络架构更简单化。网络不再像原来那样很多层,将更加扁平化。可以快速根据业务需求来重新部署网络,可以灵活地从一个机柜的规模扩容到数据中心网络的规模。采用软件定义网络将使网络架构更开放,大多数网络厂家都会支持,这样采购设备也节省了投资。
万兆接入构筑信息高速路
数据中心的新网络设备均采用基于CLOS的多级交换架构,使其具备了10T以上的交换容量,能够支持高密度的万兆端口和单端口的100G带宽,具有更好的扩展性,能够很好的缓解数据中心核心层的交换压力,解决核心网络性能瓶颈,这使得万兆接入成为可能。在核心层全部采用40G以上端口或多个40G端口绑定互连。在网络架构上,全部采用万兆光纤、模块互连。为节省成本也可以采用10G的电缆互连,百兆/千兆逐渐被新的网络架构所淘汰。
存储和网络走向融合
传统的数据中心往往需要建设业务网络和存储网络两套网络架构,两个网络基本独立,这样大大浪费网络的利用率。随着IP SAN技术的发展,IP技术逐渐进入到存储领域,通过IP技术实现网络存储成为可能,这样完全可以在业务网和存储网采用一套网络架构。接入层网络设备已开始支持两种接入方式,即可以连接虚拟化的服务器,也可以连接存储设备。由于存储网络都是二层转发网络,所以只有新的网络架构才能促使网络架构走向融合。
新一代的数据中心网络架构具有了很多新兴的技术特征,所有的这些变化都是为了适应数据中心实际业务的发展需要。传统的三层网络架构必然将逐渐湮灭于历史的大潮中,也许十年,也许二十年,就在弹指一挥间,让我们展开双臂拥抱全新的网络架构吧。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29