浅谈移动接入数据中心的技术难点

简介:

移动互联网是将移动通信和互联网二者结合起来,成为一体。据工信部统计,到2016年10月末,我国移动互联网用户总数已达10.77亿,使用手机上网的用户数达到10.2亿,数量庞大的移动互联网用户带来了巨大的商业机会,改变了人们的生活方式。数据中心作为移动互联网重要的组成部分,是其中最为关键的一环。数据中心是互联网海量处理的集中场所,绝大多数的数据中心数据都是为互联网用户服务的。现在,互联网用户里有十亿都是来自移动端。通过手机访问互联网,从而进入数据中心,享受数据中心提供的各种应用服务,这种生活模式已经渗入普罗大众并深入人心。不过,谁也没有想到移动互联网发展如此之快,几年之间接入数量从几千万增加到十亿以上,并仍在不断高速增长(中国虽然只有14亿人口,但很多人已开始拥有两部甚至更多手机),海量移动数据涌入给数据中心带来了诸多技术挑战。

浅谈移动接入数据中心的技术难点

移动接入用户突增,并发访问量大

移动接入用户数量增长速度远远超过我们预计的发展速度,而网络技术受制于芯片性能增长的速度,即摩尔定律,一时间无法满足这么多用户的访问。这样在大量移动用户同时访问时,网络瓶颈凸显,造成用户体验差。这也是运营商要大力发展4G网络的原因,就是要提升移动网络访问速度,不仅是运营商网络,数据中心的入口也需要提升,从10G到40G甚至100G,入口带宽不断提升,目的都是为了应对移动接入用户数量的突增。然而网络建设的速度依然跟不上移动用户数量的增长,这样用手机进行应用访问时,出现失败、断网时有发生,打游戏、高清视频直播等大流量访问经常卡顿,这些在短时间内依然无法得到根本性的改善。移动接入和固定宽带接入最大的不同就是移动属性,在移动过程中保持访问数据中心应用不受影响,需要引入新的路由算法,保持移动过程中访问连接不中断,这里需要新的基础网络算法,以便减少断线率,比如在高速火车上、在地铁上,这些特殊的弱信号移动场景里,如何保持数据中心访问的顺畅,都急需一些更好的算法。

移动接入安全问题凸显

移动互联网打破了数据中心大部分业务基于专网运行的边界,安全风险更大。在移动互联网环境下,由TCP/IP协议族脆弱性、终端操作系统安全漏洞、攻击技术普及等缺陷所导致的固网互联网环境中的安全问题依然存在,同时,还出现了一些新的安全问题和需求。手机是移动接入必不可少的终端。手机病毒问题的不断出现对用户造成信息丢失、个人隐私信息泄漏、银行信息泄密、设备出现故障甚至损坏等一系列危害,此外手机病毒还能够对数据中心的安全造成严重威胁。当前WIFI接入极其不安全,特别是一些私人架设的,还有专门钓鱼的,请君入瓮,这些混乱的移动接入问题不仅给用户带来了伤害,也对数据中心造成损失。很多用户遇到了这类问题,自己的信息遭到了泄露或者丢失,往往将气撒到数据中心应用身上,不再使用这一应用,对于数据中心就是大量的访问用户流失。移动接口的安全问题给用户和数据中心都带来了伤害,如过街老鼠人人喊打,可很多时候也是无计可施。安全问题需要全行业的努力,从技术上、制度上、人员制约上等多方面进行提升,否则会有越来越多的数据中心掉入安全的漩涡,无法脱身。这在很大程度上制约了移动接入的大发展。

数据中心应用要为移动接入做专门设计

以往数据中心的绝大部分应用都是为固定用户访问使用的,如今移动用户数量大增,应用上是欠缺考虑的,这样会带来不少问题。比如:微信应用,和QQ相比,没有离线和在线的概念。可以说,微信是24小时在线,不管在线还是离线系统表现,都应该是一致的。还有一个是连接不稳定的问题,由于手机信号强弱的变化,当时信号很好,几秒走到信号不好的地区,连接就必须断掉,这个中间带来不稳定的因素为协议设计带来较大困难。再有就是资费敏感的问题,因为移动互联网是按照流量计费的,而这个计费会使得在协议设计中如何最小化传输的问题,应用软件应该避免耗费移动访问用户的流量,为用户节省流量,不会偷走用户的流量。人们最讨厌的就是偷流量的软件,发现必然弃之不用,最后就是高延迟的问题,这么多的技术难题都需要在微信应用中要多加考虑并解决。

不仅是微信,很多手机上的应用都需要考虑这些。为了更好地支持移动用户访问应用,数据中心在基础架构上也要做优化:要支持虚拟机的无感知迁移,避免单机故障引发的应用故障,同时实现异地数据中心应用备份,提升数据中心运行可靠性;要支持移动用户的快速重连接,对移动访问流量提升优先级,在网络流量传输过程中打上优先级标记,确保优先享用网络,以此来弥补其高延迟的缺陷;数据中心要支持双写,两台Master的机器,当一台机器故障的时候,另外一台机器还是可以接到请求,当两台机器交错启动的时候,数据少量丢失,下一次访问会把这些数据带上来,并修复所有数据,对应用访问不会造成任何影响。

移动接入数据中心依然面临不少技术难题,这些难题不是一时就能彻底解决的,这也说明移动互联网仍是一个正在高速发展和完善的新鲜事物,不见得是坏事。不难看到,移动互联网的发展已无法阻挡,数据中心的移动接入用户数量会越来越多,虽然现阶段遭遇到了这样那样的技术难题,但要记住,这些都不是事儿,技术会不断进步,一步一步地移除发展路上的绊脚石。


本文作者:harbor

来源:51CTO

相关文章
|
7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。
|
4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。
|
7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。
|
7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。
|
7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。
|
7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。
|
7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。
|
6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
|
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
【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。
|
7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。