数据中心网络带宽性能测试方法介绍

本文涉及的产品
性能测试 PTS,5000VUM额度
简介:

数据中心的好与坏,在一定程度上取决于网络带宽的性能。网络作为数据中心的输入、输出部分,最为关键,绝不能在出入口设卡。随着数据中心业务不断增长,内部不断进行升级和扩容,出入口的带宽也要随之提升,否则就会出现拥塞。俗话说“要想富,先修路”,对于数据中心来讲,建设好网络这条高速公路非常重要。不过这条高速公路不是简单地增加路面宽度,多建几条并行的道路就可以的,要考虑成本的因素,周围的设施。本来行驶的车辆就不多,还要建四五条道路,就显得非常浪费,没有必要。那么如何才能建设最适合自己的数据中心网络道路呢?我们有一些测试数据中心网络带宽性能的方法,通过这些方法就能够知道目前的网络带宽性能如何,是否有必要再进行优化,在进行数据中心网络建设时,通过性能测试才能检验网络建设的效果。这些测试结果可以帮助网络管理人员了解整个数据中心网络的状态,及时发现数据中心的瓶颈所在,更重要的是可以给数据中心网络设计人员,特别是网络协议的开发人员提供指导,采用新的算法来控制路由的选择,避免拥塞的发生,实现更好的拥塞控制策略。下面就来详细说说测试网络带宽性能的常见方法。

一、PING测试

在数据中心内外部分别选择一些测试点,然后用PING命令进行测试,选择关键的数据中心节点测试,能够查看丢包率、延迟大小、是否可达等数据分析机房的网络品质。一般要求去往数据中心的任意节点都不应该出现丢包,PING 的延迟和抖动也是重要的参考数据。延迟不宜过大,出现上百毫秒的波动也证明网络性能不佳。有一点要注意的事:数据中心交换机是一种靠专用芯片硬件处理网络流量的设备,所以这些设备的CPU往往性能都比较弱,仅处理少量的网络协议报文。当对这些设备进行PING时,会发现有可能出现抖动甚至丢包的现象,遇到这样的现象不要着急,因为很多这样的设备都将PING报文的优先级设置很低,如果网络中协议报文比较多,或者设备CPU比较忙,就会出现这样的现象,虽然并不能通过这个数据真实反映网络性能,但是还是建议排查一下,也许这种波动对网络性能没有任何影响,但至少说明这个设备的运行是不够稳定的。通过PING测试得出的丢包率、延迟大小这些数据基本可以得出当前数据中心网络运行的基本状态。

二、路由测试

路由测试主要测试数据中心内外部业务互访时,要经过的网络节点数量。一般在全世界范围内,路由的条数都不会超过7条。也就是无论你目前处于世界的任何一个角落,只要最多经过7个路由器就可以访问到世界上任何地方的一台主机。路由测试最常用的就是Tracert命令,在数据中心中找出一些互访的地址,然后在测试机上进行Tracert这些地址,看经过的条数,检查路由节点是否属于优化路由。这里要注意两点:一是数据中心中很多设备是禁回应Tracert报文的,这样通过Tracert测试,就会有部分路由节点不会给回报文,这时不要认为是网络有问题了,而是看下一跳是否可以回应,如果回了,说明只是这个节点设备有特殊处理,不做回应。如果连续多个节点,以及最终的节点都不回,这时就要重点排查了,看网络是否有问题;二是路由不仅要测试可达性,还要测试路由的容量。可以用发包工具向数据中心网络中灌入一定数量的路由,看这些路由的学习是否对网络造成了冲击,如果有隐患及时消除。

三、压力测试

压力测试对数据中心网络的考验最大,通过向网络中注入多种数据流量,将网络带宽占满,以便得到数据中心网络的最大带宽数值。很多数据中心可能都是40G甚至100G互联,但是压力测试的情况下,甚至达不到20G,造成这样的原因就是部分中间网络节点存在流量瓶颈,要么是设备不能线速地处理带宽流量,要么是部分应用比较耗缓存。有时数据中心并没有专业的测试流量的仪器,通常用FTP/TFTP等下载的方式去下载大型文件,观察下载的速度,速率是否稳定,速率是否满足业务应用的需求等。压力测试是一种最接近实际业务流量的一种模拟测试,对于评价数据中心网络带宽性能是最为重要的参考依据。

四、综合测试

综合测试就是多项测试的集合,通过PING、Tracert、流量、业务切换、设备倒换等各种测试方法来评估数据中心网络带宽的性能,尤其是稳定性。综合测试会设计多种测试方法,然后对每一种测试方法进行权重打分,每项测试完毕后,给出评分结果,每项评分再分别乘以权重数值,最终得到评价的结果,评价的数值越高说明数据中心网络性能越强,反之性能越低。目前很多数据中心都采用综合测试的方法来评估网络带宽的性能。

除了以上介绍的四种测试方法,其实还有很多其它的测试方法,比如:防攻击测试、链路震荡测试、路由震荡测试等,通过这些测试方法来判别数据中心网络的性能。也不是说测试的方法越多越好,还是要精简,测试的方法要简单而有效,能够说明问题。通过这些测试方法,可以掌握数据中心网络带宽的真实性能,这对于数据中心网络建设、扩容、优化等工作都特别有意义。依据这些测试方法,也出现了许多专门的测试工具。比如:测试吞吐率的Qcheck;测试组播流的mcast;测试超限组播的MCastTest;测试带宽的Ping Plotter Freeware;测量无线网带宽的IxChariot等等,有了这些工具,测试起来更加方便快捷。随着数据中心对网络的依赖性越来越强,学习和掌握这些网络带宽性能的测试方法和工具非常必要。


作者:何妍 

来源:51CTO

相关实践学习
通过性能测试PTS对云服务器ECS进行规格选择与性能压测
本文为您介绍如何利用性能测试PTS对云服务器ECS进行规格选择与性能压测。
目录
打赏
0
0
0
0
14291
分享
相关文章
浅谈网页端IM技术及相关测试方法实践(包括WebSocket性能测试)
最开始转转的客服系统体系如IM、工单以及机器人等都是使用第三方的产品。但第三方产品对于转转的业务,以及客服的效率等都产生了诸多限制,所以我们决定自研替换第三方系统。下面主要分享一下网页端IM技术及相关测试方法,我们先从了解IM系统和WebSocket开始。
86 4
深入解析PDCERF:网络安全应急响应的六阶段方法
PDCERF是网络安全应急响应的六阶段方法,涵盖准备、检测、抑制、根除、恢复和跟进。本文详细解析各阶段目标与操作步骤,并附图例,助读者理解与应用,提升组织应对安全事件的能力。
496 89
5个减少网络延迟的简单方法
高速互联网对工作与娱乐至关重要,延迟和断线会严重影响效率和体验。本文探讨了导致连接缓慢的三个关键因素:吞吐量、带宽和延迟,并提供了减少延迟的实用方法。包括重启设备、关闭占用带宽的程序、使用有线连接、优化数据中心位置以及添加内容分发网络 (CDN) 等策略。虽然完全消除延迟不可能,但通过这些方法可显著改善网络性能。
78 6
基于神经网络逆同步控制方法的两变频调速电机控制系统matlab仿真
本课题针对两电机变频调速系统,提出基于神经网络a阶逆系统的控制方法。通过构造原系统的逆模型,结合线性闭环调节器实现张力与速度的精确解耦控制,并在MATLAB2022a中完成仿真。该方法利用神经网络克服非线性系统的不确定性,适用于参数变化和负载扰动场景,提升同步控制精度与系统稳定性。核心内容涵盖系统原理、数学建模及神经网络逆同步控制策略,为工业自动化提供了一种高效解决方案。
「ximagine」业余爱好者的非专业显示器测试流程规范,同时也是本账号输出内容的数据来源!如何测试显示器?荒岛整理总结出多种测试方法和注意事项,以及粗浅的原理解析!
本期内容为「ximagine」频道《显示器测试流程》的规范及标准,我们主要使用Calman、DisplayCAL、i1Profiler等软件及CA410、Spyder X、i1Pro 2等设备,是我们目前制作内容数据的重要来源,我们深知所做的仍是比较表面的活儿,和工程师、科研人员相比有着不小的差距,测试并不复杂,但是相当繁琐,收集整理测试无不花费大量时间精力,内容不完善或者有错误的地方,希望大佬指出我们好改进!
140 16
「ximagine」业余爱好者的非专业显示器测试流程规范,同时也是本账号输出内容的数据来源!如何测试显示器?荒岛整理总结出多种测试方法和注意事项,以及粗浅的原理解析!
【Azure K8S | AKS】在AKS的节点中抓取目标POD的网络包方法分享
在AKS中遇到复杂网络问题时,可通过以下步骤进入特定POD抓取网络包进行分析:1. 使用`kubectl get pods`确认Pod所在Node;2. 通过`kubectl node-shell`登录Node;3. 使用`crictl ps`找到Pod的Container ID;4. 获取PID并使用`nsenter`进入Pod的网络空间;5. 在`/var/tmp`目录下使用`tcpdump`抓包。完成后按Ctrl+C停止抓包。
50 12
AxBench:斯坦福大学推出评估语言模型控制方法的基准测试框架
AxBench 是由斯坦福大学推出,用于评估语言模型可解释性方法的基准测试框架,支持概念检测和模型转向任务,帮助研究者系统地比较不同控制技术的有效性。
60 5
AxBench:斯坦福大学推出评估语言模型控制方法的基准测试框架
GeneralDyG:南洋理工推出通用动态图异常检测方法,支持社交网络、电商和网络安全
GeneralDyG 是南洋理工大学推出的通用动态图异常检测方法,通过时间 ego-graph 采样、图神经网络和时间感知 Transformer 模块,有效应对数据多样性、动态特征捕捉和计算成本高等挑战。
103 18
GeneralDyG:南洋理工推出通用动态图异常检测方法,支持社交网络、电商和网络安全
神经架构搜索:自动化设计神经网络的方法
在人工智能(AI)和深度学习(Deep Learning)快速发展的背景下,神经网络架构的设计已成为一个日益复杂而关键的任务。传统上,研究人员和工程师需要通过经验和反复试验来手动设计神经网络,耗费大量时间和计算资源。随着模型规模的不断扩大,这种方法显得愈加低效和不够灵活。为了解决这一挑战,神经架构搜索(Neural Architecture Search,NAS)应运而生,成为自动化设计神经网络的重要工具。
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
层次化Softmax算法通过引入Huffman树结构,将传统Softmax的计算复杂度从线性降至对数级别,显著提升了大规模词汇表的训练效率。该算法不仅优化了计算效率,还在处理大规模离散分布问题上提供了新的思路。文章详细介绍了Huffman树的构建、节点编码、概率计算及基于Gensim的实现方法,并讨论了工程实现中的优化策略与应用实践。
108 15
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等