
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-01