浅析数据中心技术对运营商市场的冲击

简介:

如今已经开始将数据中心技术作为运营商未来网络建设的重要指导型技术,所有的网络都在向数据中心技术靠拢。虽然短期内,数据中心技术在运营商市场里还形成不了大的气候,未来一定会彻底改变运营商网络的运营模式,数据中心技术必将在运营商网络里遍地开花。

专门从事网络运营的企业我们称为网络运营商,中国的三大运营商电信、联通、移动为我们所熟知,这是因为三大运营商的网络业务中有相当大部分是面向个人用户的。比如家庭宽带、移动电话、家庭电话、电视业务等,这些业务都和每个人的生活休息相关,所以人们对这三大运营商并不陌生。三大运营商为了发展自己的个人客户数量,也都使出了浑身解数,相互之间竞争愈加激烈。现在的人们已经不再满足于能够上网和打电话就行,更注重服务的品质。如果网络不稳定,总是中断,体验很差,用户会毫不犹豫地去选择另外的运营商,所以每年运营商单是在网络建设、优化上就要投入数百亿元。不过随着接入用户量的增加,应用业务多样化,传统的运营商网络通过单纯地去扩带宽、增加网络设备已经无法完全满足。比如:城域网实现用户网络与运营网的隔离引入了灵活QINQ技术,随着用户量的增加,灵活QINQ提供的4k*4K的网络容量已经不够用,必须使用容量更大的隔离技术,比如VXLAN;运营商网络要大幅提升网络可维护性,减少网络运维的投资,就需要改变传统效率低下的工作方式。我们三大运营商都是数万从事网络运维工作的技术人员,这是多么庞大的人力支出,随着网络规模的不断扩大,人力成本会更高,这就需要引入更先进的网络管理技术,比如虚拟化、SDN、NFV等新技术;不难看出,这些新技术都是从数据中心里衍生出来的,是数据中心里的主流技术,当然同样也适用于运营商网络。

数据中心技术给运营商网络带来的好处是显而易见的。比如:VXLAN技术实现了跨运营商数据中心用户之间的VM虚机互访,同时还可以实现运营商城域网用户的业务隔离;TRILL技术替代了传统的STP环路协议,提升物理带宽的利用率,同时可以缩短网络震荡收敛的时间;SDN技术可以实现简化网络运维管理,降低网络整体投资成本;网络设备虚拟化技术可以提升网络运行稳定性,同时便于管理,提升运维的效率。每一项数据中心技术都会给运营商网络带来极大益处,所以当这些数据中心出现时,运营商也产生了极大兴趣,愿意在网络中进行尝试,寄希望于通过引入这些数据中心技术使得网络综合性能有质的飞跃。三大运营商积极和各个网络设备商展开合作,联合成立实验室,对数据中心技术进行科研,希望将数据中心技术与运营商现有网络更好结合起来。有的运营商已经在现网中进行了小规模的模拟实验,对数据中心技术的表现进行评估,以便分析是否具备全网实施的技术基础。数据中心技术对运营商市场的冲击是巨大的,掀起了运营商网络建设的新高潮,运营商也希望借助这些数据中心新技术,提升现有的网络运营水平,可以向用户提供更好的网络服务。现在,在运营商市场里混,如果不拿出来些数据中心的新技术来,是根本无法打动三大运营商的,只有支持了数据中心技术的网络设备,运营商才会考虑引入。虽然短期内还无法全面铺开部署和使用,但要求设备要具备这样的技术能力,未来支持运营商网络向数据中心网络过渡。将数据中心技术引入到运营商网络中来已经成为必然趋势,不支持这些数据中心新技术的网络设备必将逐渐被淘汰掉,运营商也迎来了新一轮的网络改造高峰期,这一轮网络建设必将持续数年,哪个数据中心网络设备商抓住了运营商市场,就抓住了未来。其它行业与运营商网络建设投资规模相比,就是小巫见大巫了。

运营商市场有机遇,必然就有挑战,而且挑战还不小。运营商的网络建设了几十年,网络规模非常庞大,基本到达村村覆盖,短时间内不可能全部切换到数据中心新技术上来。在相当长的一段时间里,需要两类技术在同一网络中同存,这给运营商出了很大难题,融合技术至今仍并不多见。对于运营商要么选择重建网络、要么选择保持传统网络,二选一方式让运营商也很难办;运营商里有很多从事多年网络运维的技术老手,他们对这些技术总是持有怀疑的态度,认为新的技术引入将给网络带来更多未知风险,宁愿保持传统的运维模式,这给数据中心技术在运营商里的推广蒙上了阴影,让数据中心技术迟迟无法在规模上形成突破,仅限于建设一些实验性质的网络;引入数据中心技术,必然要淘汰一大批的现网上设备,短期内还是会增加运营商的网络建设支出,在国家一再要求运营商降低资费,提升网络带宽的大背景下,无法再大规模投入到网络建设中,这也使得数据中心技术在运营商市场里落地困难。事实上,几乎所有的运营商都在全国各省进行数据中心技术的各种测试、验证,真正进入规模建设期的省份很少,几乎没有。各个省份也都在相互看,谁也不愿意做第一个吃螃蟹的人,只要有一点打开局面,并且收到良好效果之后,全国范围内很快就会铺开应用。

数据中心技术对运营商市场的影响是深刻的。三大运营商从开始接触数据中心技术表现得无屑,到对技术产生各种质疑,最后再到完全认同,已经经历了几年的变化。如今已经开始将数据中心技术作为运营商未来网络建设的重要指导型技术,所有的网络都在向数据中心技术靠拢。虽然短期内,数据中心技术在运营商市场里还形成不了大的气候,未来一定会彻底改变运营商网络的运营模式,数据中心技术必将在运营商网络里遍地开花。

本文转自d1net(转载)

相关文章
|
10月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
7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。
|
10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。
|
10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。
107 4
|
10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。
|
10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。
|
10月前
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
9月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
10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
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。
|
10月前
|
机器学习/深度学习 数据采集 资源调度
利用机器学习技术优化数据中心能效
【5月更文挑战第27天】 在本文中,我们探讨了一种基于机器学习的技术框架,旨在实现数据中心能效的优化。通过分析数据中心的能耗模式并应用预测算法,我们展示了如何动态调整资源分配以减少能源消耗。与传统的摘要不同,此部分详细阐述了研究的动机、使用的主要技术手段以及期望达成的目标,为读者提供了对文章深入理解的基础。