数据中心100G主流应用技术分析与市场预测

简介:

[导读]经过这几年的规模化部署,40G已经整体市场已经趋于稳定状态。而100G的规模化部署将处于一触即发的静默状态,为什么这么说呢?

罗森伯格亚太电子有限公司:孙慧永

一,摘要

自2010年IEEE802.3ba标准发布之日起,100G的应用从技术层面已经具备了可行性,从2010年以来到现在,100G的应用与技术层面的探讨一直备受关注。而由于IEEE802.3ba中无论是单模还是基于多模光纤技术所支持的100G应用并未形成规模化的应用趋势,这与早期标准多模光纤应用以10G*10并行传输100G的方式,以及单模光纤基于WDM技术支持长距离的方式,总体光收发器与光纤链路的合并总体成本偏高,端口功耗高,特别是多模光纤100G与40G接口与通道不统一等因素相关,更重要的是100G的市场实际需求还未真正被激发起来。经过最近2-3年的发展,100G的应用已经形成多种技术类型与联盟,无论是已经标准化的IEEE802.3bm还是以SWDM,MSA等多个织织所推出的100G应用模型。支持100G的接口与应用技术种类非常多且各具特点。这对于即将部署100G的数据中心用户的选择带来了困惑:具体选择什么类型的100G对于数据中心用户从技术层面,长远升级以及投资回报率上更具有优势呢?本文尝试从这些角度提供一些可供参考的建议。

二,数据中心100G应用处于一触即发的静默期

IEEE802.3ba标准自2010年发布后,40G基于多模光纤并行传输的规模化应用实际是从2013年下半年开始的,其间也有一部分用户选择基于BIDI技术等40G应用,经过这几年的规模化部署,40G已经整体市场已经趋于稳定状态。而100G的规模化部署将处于一触即发的静默状态,为什么这么说呢?因为100G的应用当前对许多用户来说是有真实需求的。

下图1以太网端口趋势的预测来自DELL,可以看到2016年100G的应用处于急速增长前的阶段。

数据中心100G主流应用技术分析与市场预测(上)

  图1:全球以太网交换机端口趋势

那么哪些原因使100G的应用落地?有几个方面因素促使100G以太网规模化应用。从宏观上看,近年来数据通信量处于快速增长的趋势,据Cisco的报告中显示,全球移动网络的数据通信量年复合增长率57%; 物联网(IoT)在中国市场投资增长年复合增长达到30%以上,物联网的快速增长使得机器之间MTM(Machine to Machine)的数据通信量急增且许多数据24小时不间断; 除此以外,据统计,全球三网合一宽带网络投资年复合增长率达到15%左右。除了上述的几大类可以预测的数据增长大趋势,未来几年还有许多基于互连网的技术的应用将促进全球基于IP数据通信量的快速增长,年复合增长率达到25%且云计算数据中心比例在持续增长,如下图2所示。

数据中心100G主流应用技术分析与市场预测(上)2

  

图2:Source: Cisco Global Cloud Index, 2014–2019

上述提及的多方面应用的快速发展都需要依赖数据中心网络技术的支持。采用云计算虚拟化的技术云计算数据中心可以大幅度提高数据中心服务器的利用率,据Cisco的预测报告中统计,全球云计算数据中心服务器负荷是传统数据中心服务器负荷的2.6倍以上且每年差距还正在不断拉大。为应对服务器端口数据量的不断提升。IEEE802.3by标准工作小组正在制订服务器端口采用25G的标准,可采用多种介质如多模光纤或双轴平行电缆DAC,以及即将发布的新标准即基于Cat8铜缆的25GBase-T与40GBase-T等技术。当服务器端口从10G升级到25G的时候,数据中心的接入层网络到核心网络之间的主干连接以及虚拟化数据中心Spine与Leaf之间连接都需同步升级到100G的网络,网络总体演进需满足收敛比的要求。多模光纤每通道传输25G相当于IEEE803.3bm标准中将单个传输通道分离出来,无论从市场还是技术实现服务端口25G的应用是大势所趋,这个新的25G标准将在2016年内正式发布。这些方面都在促使数据中心100G网络应用的迫切性与必要性。

数据中心类型不同决定了不同的需求,当前不是所有数据中心用户都有部署100G的需要,什么样类型的用户最需要部署100G的网络?要回答这个问题,我们可以把数据中心分成两个大类,IDC(Internet Data Center互联网数据中心)与EDC(Enterprise Data Center 企业数据中心)。相对而言部分IDC数据中心部署100G的主干网络更具有迫切性,具体来说如大的互连网公司或运营商的数据中心或一些规模化的云计算数据中心等,也不完全排除部分大的企业数据中心用户,但从总体比例上来看当前阶段IDC采用100G的比例或迫切性更高。





====================================分割线================================


本文转自d1net(转载)

目录
相关文章
|
2月前
|
运维 监控 持续交付
自动化运维在现代数据中心的应用与实践####
本文探讨了自动化运维技术在现代数据中心中的应用现状与实践案例,分析了其如何提升运维效率、降低成本并增强系统稳定性。通过具体实例,展示了自动化工具如Ansible、Puppet及Docker在环境配置、软件部署、故障恢复等方面的实际应用效果,为读者提供了一套可参考的实施框架。 ####
|
2月前
|
机器学习/深度学习 人工智能 运维
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术在现代数据中心管理中的实际应用,分析了其带来的效率提升、成本节约及潜在风险。通过具体案例,阐述了智能监控、自动化故障排查、容量规划等关键功能如何助力企业实现高效稳定的IT环境。同时,文章也指出了实施过程中面临的数据隐私、技术整合及人才短缺等挑战,并提出了相应的解决策略。 --- ####
79 1
|
2月前
|
机器学习/深度学习 数据采集 人工智能
智能化运维在现代数据中心的应用与挑战####
本文深入探讨了智能化运维(AIOps)技术如何革新现代数据中心的运维管理,通过集成人工智能、大数据分析及自动化工具,显著提升系统稳定性、效率和响应速度。文章首先概述了AIOps的核心概念与技术框架,随后详细分析了其在故障预测、异常检测、容量规划及事件响应等方面的应用实例,最后探讨了实施过程中面临的数据质量、技能匹配及安全性等挑战,并提出了相应的应对策略。本研究旨在为数据中心管理者提供关于采纳和优化AIOps实践的洞见,以期推动行业向更高效、智能的运维模式转型。 ####
|
3月前
|
人工智能 运维 监控
智能运维在现代数据中心的应用与挑战
随着云计算和大数据技术的迅猛发展,现代数据中心的运维管理面临着前所未有的挑战。本文探讨了智能运维技术在数据中心中的应用,包括自动化监控、故障预测与诊断、资源优化等方面,并分析了当前面临的主要挑战,如数据安全、系统集成复杂性等。通过实际案例分析,展示了智能运维如何帮助数据中心提高效率、降低成本,并提出了未来发展趋势和建议。
|
6月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
8月前
|
SDN 网络虚拟化 虚拟化
云数据中心中的SDN/NFV应用
【6月更文挑战第9天】计算和存储虚拟化技术在云计算IDC中已基本满足需求,但网络成为新瓶颈,主要问题包括虚拟化环境下的网络配置复杂度增加、拓扑展现困难和无法动态调整资源。
|
9月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
9月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
100 4
|
9月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
9月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。