
数据中心里 三类数据特征分析
数据中心承载的业务种类多种多样,比如:支付、监控、管理、网站、数据分析等等,数据中心几乎无所不能。纵然这些业务形式相差迥异,但是本质上都是数据,这正是数据中心的核心特征,之所以叫数据中心,就是因为是处理数据的中心,数据中心的所有系统都是围绕着各种数据展开的,有专门对数据进行研究的技术,比如数据挖掘、数据分析师,大数据、人工智能等数据分析技术,通过对数据进行分析、整理,将可以获得数据以外更有价值的东西。尤为重要的是通过对现有业务进行数据分析,包括其细致的应用所占带宽比例,使用频度,未来的增长趋势等。充分了解当前各业务,特别是构成复杂的数据业务,将对数据中心网络优化、扩容、新建等工程实施特别有益。
数据中心的数据可以有多种分类形式,比如按照应用业务来区分:游戏、VoIP、音乐、文件传送、Email、视频等;也可以按照报文长度来分区:63字节、64~511字节、512~1023字节、1024字节以上等;还有一种最为普遍的分类办法就是可以分为:语音、视频和数据,最后一种分类办法对于数据中心网络分析最有用。不难分析,数据中心里的所有应用业务数据都可以分为语音、视频和数据三大类。下面就来详细说说这三类数据的特征,根据这些数据的特征可以有效地对数据中心网络调整,以便可以更好地为这些数据服务。
语音数据
我们平时的说话、听到的各种音乐、噪音等都是语音。语音的特点是平滑,良性的并可以预测。语音数据对丢弃和延迟极为敏感,如果丢弃量比较大,语音听起来就会断断续续,听不清楚,杂音也比较多,如果网络延迟比较大,语音就产生回声。所以数据中心要承载语音数据业务,就需要在延迟和丢弃率方面达到一定要求。一般承载语音业务,要求数据中心网络的延迟要小于150MS,抖动小于30MS,丢弃率小于1%,这样才能保证数据中心网络可传输高质量的语音数据,语音数据一般使用RTP或者UDP 协议传输。
视频数据
视频数据这几年增长飞快,几乎超过了其它数据流量的总和。视频数据量大,包含的内容丰富,显示直观,所以很多应用系统都喜欢使用视频数据。视频数据有一定的突发性,非良性喜好冒进,同样对丢弃和延迟敏感,像很多的高清视频,为保证清晰度,需要很低的丢弃率。{cda数据分析师}现在3D甚至4D大片都不断出现,这样的一个大片就要7到8个G的硬盘空间,传输起来数据量特别大,希望缩短传输的时间,就需要高容量高带宽的数据中心网络。同时视频数据要求数据中心网络的延迟要在150MS以下,抖动小于30MS,丢包率低于1%,一般使用RTP或者UDP 协议传输,视频数据需要较高的网络带宽和大容量的存储硬盘,有些实时在线播放的视频业务,尤其需要高容量的数据中心网络。
普通数据
数据应用种类就太多了,不同应用有不同的流量特征,同一应用的不同版本可能都有巨大的流量特征差异。这类数据的特征是既有平滑也有突发,既有守约也有冒进,不过一般这类数据对延迟和丢弃不敏感。这些数据基本都采用TCP 协议处理方式,TCP 协议有完善的重传机制,当发现有丢包时,会进行TCP 多次重传,这种机制确保了即使网络有丢包,也可以通过重传的方式来补救。当然这种有丢包的网络,会造成大量的TCP重传报文,重传的报文也占流量,自然又加重了网络拥塞,反而可能造成网络丢包率更高,这样有这种重传机制也并不一定就好了。
偶尔的TCP重传没有什么影响,但是如果重传报文数量极多,就会加重网络拥塞,这种机制起了反作用。数据业务其实是非常复杂的,我们并不好去给它下一个特征定义,有的要求高带宽(有大数据分析业务),有的要求大缓存(有突发数据业务),有的要求低延迟(互联网搜索业务),有的要求零丢包(银行支付系统),所以不同的数据对网络的要求是不一样的,这样就需要有区别地对待,在不同的网络环境中来运行不同的业务系统。数据中心网络有丰富的数据分类和标识技术,通过这些技术可以根据不同数据的特征,选择走不同的网络路径,甚至还可以设置优先级,这些技术就好像是交通系统,可以让去往不同地方的车辆走在最适合自己的道路上,同时还可以对救护车、警车等车辆给予高的优先级,允许先通过,不受交通指示灯和管制的限制。
语音、视频和数据是数据中心承载的所有业务的三大类数据,困难之处在于,有时这三类数据在一个数据中心网络里同时存在,而这三类数据对数据中心网络的要求又是不同的,怎样一一去满足,考验着数据中心网络技术人员的智慧。很多时候,甚至要在某些业务上做些牺牲,来保证重要的业务正常运行,这是一个比较复杂的设计工程,并且需要不断地实践和测试。我们常说的网络服务质量保证,即QoS技术就是实现数据之间融合的最为关键的技术,想要让语音、视频、数据在一个数据中心网络里和平共存,就需要部署QoS技术,QoS技术可以在带宽、延迟、抖动和丢包率方面做出各种各样的指导策略,还可以按照业务的重要性标识权重,并要求三大类数据都要遵守,从而确保三类数据在一个数据中心网络里可以和平相处,各自运行着自己的应用业务,互不影响。
数据分析师会把重要的数据可以得到优先处理,量大的数据可以得到较高的网络带宽,各取所需,共同发展。认真领会了数据中心这三类数据的特征非常必要,根据数据特征将可以有针对性地部署QoS策略,为这些数据提供一个最适宜的数据中心网络环境。数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10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