为云建网,大河云联要用SD-WAN技术来实现数据中心弹性互联

简介:

“现在大家都在讨论如何利用云的弹性特征,快速把业务和数据部署在公有云上,或者在不同的公有云之间进行业务迁移。但大家似乎忽略了一个问题,就是网络不通畅的时候,这些都是很难实现的。”大河云联CEO庞俊英对36氪表示,运营商所搭建的网络,在提供方式上,其实20年都没有发生改变。但在云时代,有必要为云做一张新的网络。只有这张网络也具有弹性、灵活、可按需分配等特点,客户才能快速地实现云迁移。

为云建网,这正是大河云联目前要做的事情。他们希望用SD-WAN(软件定义广域网)技术来解决各数据中心之间的网络连接问题。

通俗一些来讲,就是用“软件控制器”来控制所有节点的网络设备,进而帮助数据中心运营商快速根据客户的业务需求,在不同数据中心之间进行网络编排,降低原来网络动态调整的成本。除了在数据中心之间,在不同公有云之间,或者公有云和私有云之间,都可以实现灵活的带宽供应。

 

为云建网,大河云联要用SD-WAN技术来实现数据中心弹性互联

 

具体产品上,大河云联在今年3月推出了基于SDN技术的CanalON数据中心互联解决方案。据悉,用户可以通过接口、页面等接入方式来使用CanalON,其原始请求会经过业务编排引擎加工后,转变为具体的网络业务请求,之后再交由核心控制器来进行处理。随后核心层控制器会将通过路径计算等核心计算功能找到符合用户需求的网络策略,下发到网络设备中。紧接着,边缘控制器会根据下发的执行命令,通过众多南向SDN协议(诸如OpenFlow、OVSDB等)对设备进行配置、流表操作,完成业务需求。

最后,CanalON中的海量数据总线和大数据分析模块,会根据用户的需求、动作特点、网络实时状态进行数据挖掘分析,并且在进行可视化的同时,将有价值的数据反哺回业务编排模块,让业务编排和网络实现自我演进。

此外,数据中心之间网络的运维也是一个重要的事情。网络延迟、丢包、带宽不够用、链路中断,这些都是网络运维中经常面对的问题。针对这些问题,大河云联在其软件系统中加入了相应的探测机制,对整个网络的状态进行监控。 当问题发生时,系统必须要在第一时间发现问题源头所在,并提出相应的解决方案。

和神经网络一样,每加入一个节点,网络的复杂性和给业务带来的成长性都是呈N平方效应体现,这也就给运维工作带来了一定的困难。同时,网络的故障是相当不可控的,例如,时不时就会有挖掘机将光纤挖断,这种时候,系统便要通过自动算法,迅速提供其他的路径解决方案。

而解决这些问题,则需要一定的经验和网络知识。庞俊英介绍到:“大河云联的团队则大多出自阿里、思科、运营商,大多亲历了中国网络的发展过程,知道这张网是如何长出来的。如果他没有经历这个过程,也许他就不知道为什么青海断了一根线,北京会发生网络拥塞。这二十年,无论我们在甲方还是乙方,我们都清楚地知道网络上存在什么问题。”

在目标市场上,大河云联瞄准的是IDC服务提供商,一般一个服务商都会拥有3至5个甚至更多数据中心。今年9月,大河云联也和互联港湾取得了合作,上线了其商业SD-WAN项目。关于产品定价策略,大河互联则还在探索之中。

据悉,大河云联目前团队已有30多人,CEO庞俊英此前曾为阿里巴巴首席网络架构师。公司在2016年10月份完成了5000万元A轮融资,领投方为方广资本,公司原有股东云禾资本跟投。

本文转自d1net(转载)

目录
相关文章
|
2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。
|
3月前
|
存储 网络协议 数据库
多数据中心的互联需求及流量原则
【7月更文挑战第21天】灾备数据中心提升业务连续性,增强用户体验与数据安全,复杂网络架构带来挑战。
|
5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。
|
5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。
|
5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。
|
5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。
|
4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
|
5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。
|
5月前
|
机器学习/深度学习 敏捷开发 测试技术
深入理解自动化测试:框架选择与实践挑战利用机器学习技术优化数据中心冷却系统
【5月更文挑战第27天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加快市场投放的关键步骤。本文深入探讨了自动化测试的框架选择问题,并剖析了实施过程中面临的挑战及其解决方案。通过比较不同测试框架的特点,我们旨在为读者提供一套明确的指导原则,帮助他们根据项目需求做出恰当的技术决策。同时,文中还分享了实际案例和最佳实践,以期帮助开发团队克服实施自动化测试时可能遇到的障碍。
|
5月前
|
机器学习/深度学习 缓存 算法
深入理解操作系统的虚拟内存管理利用机器学习技术优化数据中心能效
【5月更文挑战第25天】 在现代计算机系统中,虚拟内存是允许用户程序逻辑地址空间与物理内存解耦的关键概念。它为每个进程提供了一个独立的、连续的地址空间,通过内存管理单元(MMU)硬件的支持,将程序使用的虚拟地址映射到实际的物理内存地址。这种机制不仅简化了程序的编写和内存的管理,还提供了保护机制,防止不同进程之间的相互干扰。本文将探讨虚拟内存的工作原理、分页系统的实现以及虚拟内存带来的性能影响,并讨论操作系统如何优化内存使用和管理。