SDN、SDS催生数据中心大聚合

简介:

大型数据中心的存储流量和存储容量需求正在大幅增长。为了实现数据中心聚合,整合软件定义网络和软件定义存储是实现自动化存储分配和高效存储流量管理的重要条件。

软件定义存储(SDS)支持基于软件的虚拟化、分配和数据存储管理,完全独立于底层硬件之外。SDS提供了可用于管理存储去重、复制、快照、备份及支持其他特殊存储需求的软件。

计算虚拟化的增长、服务器性能的提升和廉价存储手段的流行给IT带来了大量高效部署现代数据中心存储容量的新手段。通过存储虚拟化,SDS使 IT能够根据需要灵活分配存储。管理员可以在不中断应用程序访问的前提下升级物理存储硬件。此外,SDS还通过集中式管理网站去管理共享存储池,从而简化 了存储的分配和管理工作。

影响数据中心聚合的SDS

计算能力大幅增长(多核技术),加上现代应用程序变得越来越复杂(包含视频、物联网[IoT]和大数据),促使PB级大存储容量现在已经变得很 常见。闪存、超聚合系统和虚拟存储区网络及Hadoop等协议给数据中心网络带来了更多的要求。存储流量现在要求东西向传输(也要南北向传输),而且通常 要求支持低延迟数据访问。

数据中心网络必须支持弹性容量才能应对各种需求,包括存储流量增长、快速分配、集中式控制与管理、安全性和支持任意类型的存储、计算和应用。数 据中心聚合意味着网络必须支持数据(以太网)和存储流量的共存。这种网络必须为存储流量提供一条独立的虚拟通道,才能处理突发流量高峰和低延迟要求。

IP网络存储出现了几种新型流量,其中一些给数据中心带来了大量不可预知的流量。

用SDN划分存储流量

SDN提供了许多重要功能,它们可以帮助IT组织建设能处理存储网络新问题的数据中心。SDN的网络虚拟化能够轻松划分数据和存储流量。它支持快速分配新网络容量和集中管理网络流量。

SDN支持查看流量流和网络瓶颈(可见性),支持给带宽密集或延迟敏感的应用程序提供合适的容量。SDN能够通过其分片和可见性功能发现安全漏 洞和辅助修复安全问题,从而有利于实现网络流量的安全性。对于全新建设的网络或网络升级,SDN都支持部署经济的白盒交换机,从而可以将带宽从10GbE 升级到40GbE或更高的标准。

支持数据中心聚合的SDN供应商

有许多的SDS解决方案可以帮助IT专业人员可以实现存储虚拟化,也有许多的SDN产品可以改进数据中心网络。这其中包括IT、存储、超聚合和各种规模的网络供应商。可供选择的供应商(北美)有:

戴尔

惠普

IBM

思科

英特尔

NetApp

Nutanix

微软

红帽

VMware

Plexxi

Pluribus Networks

Big Switch Networks Inc.

Jeda Networks

Coho Data

StorMagic

FalconStor Software

SDS建议:可供IT主管考虑

私有云基础架构和包含视频、大数据及IoT的应用程序要求使用新方法实现数据存储和网络连接。SDS的巨大优势在于支持存储池基础架构,它能够 根据应用需求自动分配存储。SDS还允许IT部署廉价的消费级存储,它们由运行在商业服务器上软件进行管理,因此支持快速横向扩展存储容量。

聚合的私有云架构将使用聚合的虚拟化网络去划分、分配和管理存储及数据流量。SDN提供了可用于实现虚拟存储的网络功能(分配、管理和可见性)。

IT主管将面临一个重大挑战是要对大量SDN和SDS技术进行排序,用它们建设下一代的聚合数据中心。SDN和SDS均处于数据中心部署的早期阶段。尽管它们在持续发展中,但是目前还没有关于整体软件定义数据中心的部署蓝图可供参考。


原文发布时间为: 2016年7月21日

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
|
6月前
|
SDN 网络虚拟化 虚拟化
云数据中心中的SDN/NFV应用
【6月更文挑战第9天】计算和存储虚拟化技术在云计算IDC中已基本满足需求,但网络成为新瓶颈,主要问题包括虚拟化环境下的网络配置复杂度增加、拓扑展现困难和无法动态调整资源。
|
存储 物联网 大数据
论数据中心SDN和NFV技术关系
论数据中心SDN和NFV技术关系
392 0
论数据中心SDN和NFV技术关系
|
监控 安全 API
最新优秀数据中心SDN解决方案展播
最新优秀数据中心SDN解决方案展播
302 0
最新优秀数据中心SDN解决方案展播
|
安全 网络安全 SDN
|
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。
下一篇
DataWorks