京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据中心交换机行业没有领导者
尽管有多年的创新和上百万美金的投入,但是没有一个网络厂商在数据中心交换机fabric市场树立了领导地位。
近五年,几乎每个厂商都发布了新一代的数据中心交换机和fabric。这些交换机不但有更快的带宽,更低的延迟和更高的端口密度,它们还有大量数据中心架构技术上的创新。不要忘了,回到2011年,在软件定义网络颠覆行业之前,数据中心fabric在网络技术中还是相当有名的。
数据中心fabricde是为了让企业在一个高度虚拟化的数据中心或云中为服务器到服务器流量部署任意到任意连接的大型二层网络。思科在它的Nexus数据中心交换机上有基于TRILL的fabricPath;Brocade在他的VDX交换机上有基于TRILL的VCS;Avaya将SPB融入他的VENA架构;Juniper走的更远,提供Qfabric,他能将整个网络压缩为一层,这样二层多路径就不再重要。
所有这些技术都有拥护者,但是谁都没能赢得整个市场。思科也不例外。最近几个月两大前沿分析公司发布了数据中心网络行业的市场评估Gartner的魔力象限和Forrester Research的WAVE。没有一个分析将厂家放在了主导位置。这样的情况很少见,即使你觉得这些市场评估如何的天花乱坠。
Juniper由于很晚才采用Qfabric而在市场中受挫,它因期望过高而饱尝失望。思科也许销售了上千台Nexus交换机,但是有多少客户激活了fabricPath序列号?我和许多Nexus客户交流过,但是没有一个客户告诉我他们在生产中使用了fabricPath。如果思科能尽早让fabric得到认可,我想我早就应该和许多拥护fabricPath的人交流过了。
我曾和一些使用VCS、Qfabric的Brocade和Juniper的客户谈过,但是这些厂商早就知道不是每个人在市场上都为下一代数据中心网络做好准备。这两个厂商都曾建立了园区还有数据中心交换机产品线,而现在他们都撤出了。
Juniper新的EX9200在某种程度上承认了不是所有人将采用Qfabric,Juniper将EX9200一个重新包装的MX路由器定位于园区和数据中心核心平台。而Brocade更多的成功来自于数据中心里的VCS fabric和VDX交换机,它最近发布了新的ICX 6650交换机。Brocade的ICX交换机是企业园区产品的一部分,但是Brocade还推荐在non-fabric 数据中心使用1.6Tbps 6650 作为架顶式或列末交换机。
就算是思科成功的Nexus产品也没能够从客户数据中心驱走老的Catalyst 6500。我和仍在数据中心使用经典的Catalyst 6500(不是更新的Catalyst 6500-E)的网络工程师交流过,他们不打算在近期要撤走Catalyst 6500。对于前几年搭建的传统数据中心网络,这些用户很满意。
如今行业需要应对SDN。很多SDN厂商承诺解决一些问题,这些问题原来由数据中心fabrics解决。许多网络架构师不是很清楚fabrics和SDN将如何解决是买这个还是那个?或者都买?
我不认为厂商已经错过了fabric的机会。很多网络架构师会在未来几年考虑使用数据中心fabrics。但是所有厂商必须证明些东西。Forrester和 Gartner展示的行业低谷不是偶然。每个厂商都要确保自己的技术满足能客户的需要,然后每个厂商要向客户证明自己的技术是最好的。
最好是什么意思?解决方案需要真正解决高度虚拟化数据中心问题(低延迟,东-西流量);它要能兼容第三方平台(云架构,管理程序,安全);它要能简化操作;它要得到厂商良好的支持,因为这是新的技术;它要可用。最近几年,一些厂商生产的核心交换机有代码漏洞。最后,这些厂商需要解释fabrics和SND如何共同存在数据中心中。很多人已经开始着手此事,未来会有更多的讨论由此展开,特别是SDN的真正的潜力还不明朗。
同时,厂商需要意识到一鞋难合众人脚。一些网络技术人员不需要Nexus7000或完整的Qfabric部署。他们宁愿坚持使用Catalyst 6500s或EX交换机,对于只需要保证Exchange和Sharepoint正常运行的企业,这没什么不好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16