Microsemi联合ClariPhy优化新一代DCI平台 满足ICP数据中心互联需求

简介:

随着互联网应用模型的转变,数据中心流量也呈现了不同的流动方式,传统上数据中心南北流量也即数据中心到用户之间的流量居多,不过现在变了,数据中心东西流量也即数据中心内部流量和数据中心之间的流量快速增长。

与此同时,诸如阿里巴巴、百度和腾讯等互联网内容提供商(ICP),正在迅速扩展其数据中心基础设施的规模,以解决云服务日益增长的需求。由于同城光纤时延小、带宽充足、可靠性高、部署灵活等特点,光传输成为数据中心互联(DCI)的主要选择。

Microsemi联合ClariPhy优化新一代DCI平台 满足ICP数据中心互联需求

区域内的数据中心通过大容量光纤互联在一起,从而形成一个逻辑上的超大规模数据中心。城域数据中心在网络边缘遍地开花,以方便与通信服务提供商的接入点(PoPs)进行互连。因此,数据中心互联于光传输行业而言意味着一个快速增长的市场机遇,同时在需求方面也与那些传统的通信服务提供商(CSP)有所不同。

Microsemi预测,到2019年ICP在光传输的花费将占到20%。不过DCI对光传输有不同的需求,首先以冷却来说,针对DCI优化的光传输设备必须与“DC服务器/交换机”看齐,其要求独立数据中心的散热处理以及DCI对客户端特殊的光模块。将传统数据中心进行模块化处理,把机柜、供配电、制冷、布线、安防等基础设施集成为一体 ,有利于数据中心快速部署、灵活扩容、降低功耗,同时解决了散热和灵活性架构的问题。

另外,DCI端口协议和端口速率也有不同的需求,10GE会继续成为连接DC交换机的主流速率和协议,40GE仅限于少数ICP,100GE端口今年才在市场出现,QSFP28模块的供给困难限制了其早期的推广,而且不同的垂直市场的DC需求更多的协议。针对DCI优化的光传输设备需要支持DC光模块。

Microsemi基于超大规模数据中心的趋势和要求促使OEM开发出新一代DCI优化的平台——Coriant Groove G30。支持数据中心客户端光模块;支持由前向后的空气流通;支持交直流供电;能够控制层软件最小化并且拥有开放的API和OS协议。

相干光通信作为公认的100G及以上传输的首选,它能够帮助企业实现最低总体拥有成本(TCO),更具规模效益,且为承担超大传输(从10Tbps升级至70Tbps)技术的唯一选择。专注于相干光传输技术研发的ClariPhy是业界首个推出28nm 200/100G相干SoC的厂商,也推出了业界首个针对下一代相干DSP的16nm FFT+模拟平台。适用于所有DCI和电信领域,LightSpeed II作为业界第一款40/100/200G FlexCoherent DSP,现已量产。

此外,如今100G已经成为运营商骨干网络的标配,甚至开始向400G进军,通信行业现有的基础架构是基于100G设计,而在不改变现有基架尺寸和功耗条件下要求支持400G,继续采用传统的处理器是无法实现的。Microsemi正在促进业界将城域网向400G网络容量升级。作为业界首款能在P-OTP上实现单芯片400G线卡的OTN处理器,Microsemi DIGI-G4将10G、40G及100G线卡的端口密度提升了四倍。且DIGI-G4是业界首款能够监视光网络上LLDP报文的芯片,能够实时自动发现相连的路由器/交换机,并保证SDN控制器永远拥有最新的网络拓扑。

的确,ICP对传输的要求与运营商很不一样。Microsemi以最新的DCI解决方案,包括DIGI-G4 系列OTN处理器等,和ClariPhy在全球范围内实现的多太比特网络的LightSpeed-II系列相干系统级芯片(SoC),实现了DCI的产品优化和服务提升,从而满足ICP的特殊需求。


原文发布时间为: 2016年9月23日

本文作者:陈广成

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
5天前
|
机器学习/深度学习 存储 数据采集
利用机器学习优化数据中心冷却系统
【4月更文挑战第26天】 在数据中心管理和运营中,冷却系统的能效是关键成本因素之一。随着能源价格的上涨和对环境可持续性的关注增加,开发智能、高效的冷却策略显得尤为重要。本文将探讨如何应用机器学习(ML)技术来优化数据中心的冷却系统。通过收集和分析温度、湿度、服务器负载等多维数据,我们构建了预测模型来动态调整冷却需求,实现节能并保持最佳的操作条件。实验结果表明,使用ML优化后的冷却系统能够在不牺牲性能的前提下显著降低能耗。
|
4天前
|
机器学习/深度学习 数据挖掘 物联网
【专栏】利用机器学习优化数据中心的能效
【4月更文挑战第27天】随着信息技术发展,数据中心能耗问题日益突出,占全球电力消耗一定比例。为提高能效,业界探索利用机器学习进行优化。本文讨论了机器学习如何通过预测性维护、负载预测、动态冷却管理和能源效率优化提升数据中心能效。然而,数据质量、模型解释性和规模化扩展是当前挑战。未来,随着技术进步和物联网发展,数据中心能效管理将更智能自动化,机器学习将在实现绿色高效发展中发挥关键作用。
|
2天前
|
机器学习/深度学习 运维 算法
利用机器学习优化数据中心能效的策略
【4月更文挑战第29天】在现代技术环境下,数据中心作为信息处理与存储的核心设施,其能源效率成为评估运营成本和环境影响的关键指标。本文旨在探讨如何通过机器学习方法实现数据中心能效的优化。文中将介绍机器学习算法在预测数据中心能耗、动态调整资源分配以及故障检测中的应用,并通过案例分析展示这些策略如何有效降低能耗并提升性能。
|
3天前
|
机器学习/深度学习 资源调度 算法
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第28天】 在数据中心设计和运营中,能源效率已经成为一个核心议题。随着计算需求的不断增长,数据中心的能耗问题愈发凸显,而传统的节能方法逐渐显得力不从心。本文旨在探讨如何通过机器学习技术提升数据中心的能源效率,降低运营成本,并对环境影响最小化。文中详细分析了机器学习在数据中心制冷管理、资源调度、故障预测及维护等方面的应用,并提出了一套综合策略,以期达到智能化管理和节能减排的双重目标。
|
6天前
|
机器学习/深度学习 存储 监控
利用机器学习优化数据中心冷却效率
【4月更文挑战第25天】在数据中心的运营成本中,冷却系统占据了一大块。随着能源价格的不断攀升以及环保意识的增强,如何降低冷却系统的能耗成为了一个亟待解决的问题。本文提出了一种基于机器学习的方法来优化数据中心的冷却效率,通过实时监控和数据分析,动态调整冷却设备的工作状态,以达到节能的目的。实验结果表明,该方法可以显著降低数据中心的能耗,同时保证服务器的正常运行。
|
7天前
|
机器学习/深度学习 数据挖掘 数据中心
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第24天】在数据中心管理和运营中,能效优化是一个长期存在的挑战,它直接关系到成本控制和环境影响的减轻。随着人工智能技术的不断进步,特别是机器学习(ML)方法的广泛应用,为解决数据中心能效问题提供了新的途径。本文旨在探讨如何通过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,以实现更高的能效。我们首先分析了数据中心能耗的主要组成部分,然后提出了一种基于机器学习的能效优化框架,并详细阐述了关键技术和方法。最后,通过实验验证了所提出策略的有效性,并讨论了未来的研究方向。
|
12天前
|
机器学习/深度学习 运维 监控
利用机器学习优化数据中心能效的研究
【4月更文挑战第19天】在数据中心的运营成本中,能源消耗占据了显著比例。随着能源价格的不断攀升与环境保护意识的加强,如何降低数据中心的能耗已成为研究的热点。本文提出了一种基于机器学习的方法来优化数据中心的能效。通过分析历史运行数据,构建预测模型,并结合实时监控,动态调整资源分配策略以达到节能目的。实验结果表明,该方法能有效减少能源开销,同时保证服务质量。
|
13天前
|
机器学习/深度学习 资源调度 调度
利用机器学习优化数据中心能效的策略研究
【4月更文挑战第18天】 在数据中心的运营成本中,能源消耗占据了显著比例。为了降低这一开销同时减少环境影响,本文提出一套基于机器学习技术的数据中心能效优化策略。通过分析数据中心的能耗模式和环境变量,构建了一个预测模型来动态调整资源分配,实现能源使用的最大效率。与传统方法相比,本研究提出的策略在保证服务质量的前提下,能有效降低能耗,并具备自我学习和适应的能力。
|
2月前
|
机器学习/深度学习 数据采集 算法
利用机器学习优化数据中心的能耗管理
在数据中心管理和运营领域,能耗优化是提高经济效益和环境可持续性的关键。本文提出了一种基于机器学习的方法来优化数据中心的能源消耗,通过实时监控与智能调节系统参数以降低总体能耗。研究采用多种算法对比分析,包括监督式学习、非监督式学习以及强化学习,并在此基础上设计出一套综合策略。该策略不仅提升了能效比(PUE),还保证了系统的高可靠性和性能稳定性。文章的结构首先介绍数据中心能耗管理的重要性,然后详细阐述所提出的机器学习模型及其实现过程,最后通过实验结果验证了方法的有效性。
|
2月前
|
机器学习/深度学习 传感器 监控
利用机器学习优化数据中心能效
在数据中心管理和运营中,能效优化是减少能源消耗、降低运营成本的关键。本文探讨了应用机器学习技术对数据中心的能效进行实时监控和优化的方法。通过分析历史数据和实时参数,构建预测模型来指导冷却系统的调整,实现智能化能源管理。结果表明,该方法可以显著提升数据中心的能源使用效率,为绿色计算提供技术支持。