数据中心内独享与共享技术

简介:

数据中心里部署有各种各样的系统,其中数据处理系统是最为重要的部分,主要由服务器、网络、存储等设备组成,这里有各种资源,比如:带宽、计算能力、存储空间等,这些资源可以是共享的,也可以是独享的,具体要看是怎样的应用。顾名思义,通俗的讲“共享”就是与大家合用的概念。“独享”就是自己用的概念。在数据中心里,常常指使用那些带宽、计算、存储资源的方式。本文就来详细讲一讲,数据中心内的独享与共享技术。首先从数据中心内部的各种IT资源讲起。
带宽

带宽资源如果采用的是共享方式,数据中心会默认对每个机架配备一定的带宽资源,然后由这个机架内的所有服务器去共享使用这些带宽,不去关心每台服务器具体的带宽使用情况。如果采用的是独享方式,整个带宽资源归属于一个客户,所以是按照独享带宽的最高值进行收费,而不在于客户实际使用量。共享带宽的好处就是经济,对于这种方式,托管费就只是按照服务器的U数来定价收费,不会再另收带宽费用。 共享带宽最大弊病在于一个机架内甚至是几个机架内,所有服务器合用一定量的带宽。根据每台服务器应用不同,有的服务器会抢占比较大的带宽,这样一来就会影响其他服务器的带宽使用。这种抢占带宽的应用一般是视频、下载类的服务器居多,所以共享带宽只能应用于对带宽几乎没有特殊要求的小型托管业务客户。独享带宽的优点是可自由使用带宽量,能保证速度和网络质量。比如购买了数据中心里一个机架上的100M独享带宽资源访问,那么机架里只放了一台服务器,而这台服务器哪怕只使用了1M的带宽,这个客户还是必须按照一个机架的机位费和100M独享带宽的带宽费来全额支付费用。显然独享方式费用昂贵,同时会存在一定的浪费现象。

计算

数据中心拥有成千上万台的服务器设备,这些服务器往往形成一些服务器集群,集中计算,这些集群往往不只为一个应用计算服务,可以同时向多个应用服务,尤其随着服务器虚拟化技术的普及,一个服务器就可以向多个应用提供服务,只要服务器上多开启几个虚拟机就可实现。当然也有一些计算资源是独享的,专门给一个应用计算使用,避免共享方式对应用计算有干扰。共享计算是指多个应用系统共用一台或者数台服务器提供的计算资源,在计算资源紧张时,不可避免应用系统之间会互相抢资源,容易出现应用系统运行不稳定情况,有的应用系统反应快,而有的应用系统反映慢,不好控制。独享计算则不会遇到这类问题,一个应用独享一块计算资源,只要计算资源是够用的,应用系统就可以尽情使用。独享计算和共享计算的区别明显的地方就是,价格不同,独享费用高昂,而共享则费用少很多。

存储

与带宽、计算资源类似,存储资源也是有独享和共享两种方式,我们可以设计几台服务器指向固定的几台存储设备读写数据,也可以仅允许特定的服务器向特定的存储设备读写数据,具体要看业务如何规划。将存储设备放大了看,可以分为很多存储空间,这些空间也可以实现服务器共享和独享两种方式的访问。这就像是电脑磁盘,我们可以划分几个磁盘,不同的磁盘保存不同的数据,有时一个磁盘放不下可以放到另外一个磁盘上。对于存储设备,不同的数据存储到哪些存储空间,是独享还是共享,都是可设计的。

独享与共享技术的区别

经过以上的介绍,无论是哪种资源,有的客户访问的资源是共享的,而有的客户访问的资源是独享的。独享与共享的区别主要是在数据中心资源的分配方式上吗?其实不然,除此资源分配方式之外,其实在其它方面也有很多地方有差异:两者技术应用的网络位置不同,比如共享带宽就是从三层交换机出来一个端口的双绞线接入机柜层的交换机,再由机柜层的交换机接入各个机柜的交换机,各个机柜的交换机再接入到具体的服务器。独享带宽少了一层或两层的交换机,每个交换机设定固定的带宽,只要你在允许的带宽范围内,就可以毫无阻力的享受高速度。设备不同,不仅是层级不同,设备本身的稳定性和吞吐量也有很大的差别;两种技术应用的发生故障概率不同,独享设备的层级永远高于共享设备。每高一级,每减少一跳,稳定性是呈现级数增长的,反之故障率也呈级数增长。共享故障率高于独享,而且某些由于流量引起的“故障”不能算作故障,但确实又在一定程度上导致客户的不便,客户非要共享带宽实现独享的效果的确强人所难吧。两种技术应用的投资成本不同,独享自然要比共享投入成本要高得多,独享有时让数据中心显得不是那么节约,存在严重的浪费资源现象,不过有客户就是愿意花大价钱购买专用的通道,数据中心自然愿意为这样的大客户建设独享系统,这就好比是飞机的头等舱,虽然比经济舱贵上好几倍,还是有很多高端人士选择头等舱,以便不被外人所打扰。

独享和共享两种方式在数据中心里普遍存在,满足于不同需求的客户。单从技术角度来看,两种技术实现均不存在难度,也较为成熟,主要从数据中心的实际发展角度出发,采用哪种或者偏重于哪一种。实际上,两种方式在数据中心里是普遍存在的,甚至是在同一个数据中心内部,这样更方便数据中心做业务部署,满足不同客户的访问需求。

本文转自d1net(转载)

目录
相关文章
|
6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。
|
1天前
|
存储 运维 区块链
区块链技术对数据中心的潜在影响
区块链技术对数据中心的潜在影响
|
3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。
|
6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。
|
6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。
|
6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。
|
6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。
|
6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。
|
5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
|
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
【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。
下一篇
无影云桌面