软银联合Big Switch Networks深化SDN实践 实现大型网络可视化管理

简介:

下一代数据中心网络公司,Big Switch Networks 今天发布消息,软银股份有限公司部署了其基于软件定义网络(SDN)的监控解决方案——Big Monitoring FabricTM (BMF),以保证其大型网络的可视化。Bigswitch公司基于SDN技术构建的BMF监控解决方案,特别适合于需要对全网流量做到实时智能监控和分析的客户,使得客户能实时掌握网络中流量的情况进而有助于提高整个网络管理决策的科学性。目前在运营商,大型制造业,全球多数据中心跨国公司等领域都得到了应用和用户的认可。此前,软银已经在2017年2月部署过BMF为其LTE服务实现链路聚合及转发系统。

软银跟伊藤忠技术股份有限公司(CTC)经过仔细考量,认为BMF是满足其需求的理想方案。软银希望通过在白盒硬件上配置SDN技术以取得更好的网络控制能力,同时享受开放式网络解决方案带来更多成本上的节省。

一个稳定的移动通信环境,必须能够从多个地点收集通信数据并加以分析。软银认为,BMF可以从其所有通信流量中收集LTE服务流量并聚合转发给分析设备,是一个理想的流量聚合转发解决方案。BMF以SDN为基础架构,无可匹敌的性能、极其容易的操作,最大程度的提升数据传输速率的同时,还减少了运营成本,是软银的不二之选。

由于合理利用了白盒硬件,在保证性能的前提下,BMF能以极低的费用部署和运营。此外,得益于BMF网络分流解决方案能力,客户还能取得理想的升级或配置更改时,效率都会得到大幅度的提升。不仅如此,由于整个网络都处于监控之下,网络管理员可以根据业务需求对不同类型的流量进行分析。

本文转自d1net(转载)

目录
相关文章
|
1月前
|
机器学习/深度学习 算法 PyTorch
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
233 1
|
15小时前
|
数据可视化 数据挖掘
R语言用igraph对上海公交巴士路线数据进行复杂网络、网络图可视化
R语言用igraph对上海公交巴士路线数据进行复杂网络、网络图可视化
|
1天前
|
数据可视化 数据挖掘
【视频】复杂网络分析CNA简介与R语言对婚礼数据聚类社区检测和可视化|数据分享
【视频】复杂网络分析CNA简介与R语言对婚礼数据聚类社区检测和可视化|数据分享
|
4天前
|
存储 监控 安全
云端防御战线:云计算环境下的网络安全策略与实践
【4月更文挑战第23天】在数字化转型的浪潮中,云计算已成为推动企业敏捷性、可扩展性和成本效率的关键因素。然而,随着数据和服务迁移至云端,传统的网络边界逐渐模糊,给网络安全带来了前所未有的挑战。本文探讨了在多租户云环境中维护信息安全的先进策略和技术,分析了云服务模型(IaaS, PaaS, SaaS)特有的安全风险,并提出了一系列针对性的安全措施和最佳实践。通过深入讨论身份与访问管理、数据加密、入侵检测系统以及合规性监控等关键技术,本文旨在为读者提供一套全面的云计算安全防护框架。
5 0
|
8天前
|
人工智能 监控 安全
构筑安全之盾:云计算环境下的网络安全策略与实践
【4月更文挑战第19天】 在数字化转型的浪潮中,云计算已成为企业IT架构的核心组成部分。然而,随着云服务使用的普及化,网络安全问题亦变得日益复杂和挑战性。本文将深入探讨如何在云计算环境中实施有效的网络安全策略,保障数据的安全性和完整性。我们将从云服务模型出发,分析不同服务模型下的安全威胁,并提出相应的防护措施。文章还将讨论信息安全管理的最佳实践,包括加密技术、身份验证、访问控制以及安全监控等方面,旨在为企业提供一套全面的云计算安全防护框架。
|
8天前
|
机器学习/深度学习 数据可视化 Shell
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(二)
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
32 1
|
8天前
|
机器学习/深度学习 数据采集 数据可视化
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化(一)
用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
48 0
|
9天前
|
机器学习/深度学习 数据采集 数据可视化
R语言用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
R语言用加性多元线性回归、随机森林、弹性网络模型预测鲍鱼年龄和可视化
120 7
|
9天前
|
数据可视化
R语言用igraph绘制网络图可视化
R语言用igraph绘制网络图可视化
16 0
|
10天前
|
机器学习/深度学习 数据可视化 PyTorch
PyTorch小技巧:使用Hook可视化网络层激活(各层输出)
这篇文章将演示如何可视化PyTorch激活层。可视化激活,即模型内各层的输出,对于理解深度神经网络如何处理视觉信息至关重要,这有助于诊断模型行为并激发改进。
12 1