透视数据中心中的25G、50G和100G技术

简介:

企业和云级网络的数据中心中各种“G”比比皆是,是时候搞清楚他们的性能了。

透视数据中心中的 25G、50G 和 100G 技术

云计算的兴起和数据中心的扩展推动着最新的以太网速度升级,而基于云技术的大数据也已然增加了运营商的工作负载。为满足这一需求,数据中心通过增加与现有基础设施并行的带宽能力实现扩展。预期中25G和100G以太网部署的快速增长就是这一趋势的明证。

为了能够处理不断增大的数据负载,业界最大规模的远距离云企业已纷纷与他们核心网络的数据中心运营商一起,共同转向使用 100G以太网架构。不过大多数运营商认为,对服务器连接来说,100G甚至是40G都有些过度,因为其工作负载仅需要在10G网络上逐步改进就够了。这就是虽然已经推出了40G和100G以太网,25G和50G以太网仍然是数据中心内部常见选择的原因之一。下面我们将简要介绍为什么25G比40G更适合这些应用。

几种最新以太网带宽技术的形成并不是为了要创下速度新高,更多是为了将这种网络协议推入邻近的市场,尤其是数据中心市场。下面我们将通过分别介绍 25G、50G 和 100G 来了解具体原因。

25G

官方制定的面向25G以太网的 IEEE 802.3草案标准最终会在2016 年完成(见图 1),其主要面向云数据中心的服务器。由于可重复使用10G和100G以太网的组件,这是一个相对较短的时间框架。

透视数据中心中的 25G、50G 和 100G 技术

图 1:以太网标准的发展规划

40G和100G已然存在,但为什么还要使用25G?这令部分运营商迷惑不解。答案其实就在于架构与性能方面的要求。现有的100G标准网络系统由四条链路组成,每个通道的带宽均是 25Gbps。这种四比一的比率相当于将服务器连接至25G交换机,然后汇聚成 100G的上行链路,从而有助于网络运营商更便捷地扩建其数据中心。

同样,40G以太网是由4个10G以太网的链路组成的。但据以太网联盟(Ethernet Alliance)主席John D’Ambrosia所言,众多数据中心均已采用10G以上的服务器。这就是为什么多家芯片厂商已提供25G串行/解串收发器的原因所在。这不仅可以让25G、50G和100G以太网的带宽汇聚更加方便,而且还能因批量而降低成本。

50G

虽然距离50G以太网 的IEEE标准落实还有一段时间(大约为2018年至2020年),但多家行业联盟都预计2016年就会有产品开始出现。与25G技术类似,50G以太网技术将成为下一个高速连接服务器与数据中心的解决方案。根据分析公司Dell’Oro的数据显示,今后几年,服务器和高性能闪存存储系统将会需要超过25G的速度。

为有助于更快地提供这些加速的以太网技术的产品,25G/50G以太网联盟已经免除了25G及50G以太网规范的专利费,并面向所有数据中心生态系统厂商开放。

重复使用现有100G网络的25G组件可降低50G的实施成本。例如 25G布线的成本结构与10G相同,性能却是其2.5倍。同样,50G的成本是40G成本的一半,性能却能够提升 25%。

100G

对于距离数百公里到数万公里不等的远距离运营商网络而言,100G以太网的部署将继续增长。

但根据一家最新行业联盟提供的信息,100G架构还将成为另一个极佳的市场备选方案。英特尔和Arista Network联合牵头的100G CLR4联盟认为,100G非常适合连接100米到2公里跨度的大型“超大规模”数据中心。

其他公司也正在寻求用于数据中心的备选100G实施方案。Avago Technologies已加入CWDM4 MSA行业联盟,后者旨在为数据中心应用中2公里内的低成本 100G光接口定义一个通用的规范。随着网络基础设施构建向100G数据速率转型,数据中心将需要长距离高密度100G嵌入式光连接。MSA使用粗波分复用(CWDM)技术提供4个25G单模光纤(SMF)链路通道。同样,Ranovus和Mellanox Technologies发起的OpenOptics MSA组织也将集中精力开发支持2公里100G的数据中心。

过去,是速度的提升推动了大多数网络组件的开发。如今,要处理海量的通过云的数据流,需要各公司在提升速度和重复使用技术之间来寻求一个平衡,从而找到一个成本合理的解决方案。(文/博通(Broadcom)基础设施及网络产品部门副总裁兼首席技术官Nicholas Ilyadis)


原文发布时间为: 2015年12月18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
|
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。
|
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 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。
|
7月前
|
机器学习/深度学习 敏捷开发 测试技术
深入理解自动化测试:框架选择与实践挑战利用机器学习技术优化数据中心冷却系统
【5月更文挑战第27天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加快市场投放的关键步骤。本文深入探讨了自动化测试的框架选择问题,并剖析了实施过程中面临的挑战及其解决方案。通过比较不同测试框架的特点,我们旨在为读者提供一套明确的指导原则,帮助他们根据项目需求做出恰当的技术决策。同时,文中还分享了实际案例和最佳实践,以期帮助开发团队克服实施自动化测试时可能遇到的障碍。
|
7月前
|
机器学习/深度学习 缓存 算法
深入理解操作系统的虚拟内存管理利用机器学习技术优化数据中心能效
【5月更文挑战第25天】 在现代计算机系统中,虚拟内存是允许用户程序逻辑地址空间与物理内存解耦的关键概念。它为每个进程提供了一个独立的、连续的地址空间,通过内存管理单元(MMU)硬件的支持,将程序使用的虚拟地址映射到实际的物理内存地址。这种机制不仅简化了程序的编写和内存的管理,还提供了保护机制,防止不同进程之间的相互干扰。本文将探讨虚拟内存的工作原理、分页系统的实现以及虚拟内存带来的性能影响,并讨论操作系统如何优化内存使用和管理。
|
7月前
|
存储 边缘计算 人工智能
探索现代数据中心的心脏:高效液冷技术
【5月更文挑战第20天】 在信息技术不断进步的今天,数据中心作为处理和存储海量数据的枢纽,其运行效率与可靠性至关重要。传统的空气冷却系统由于其局限性已逐渐不能满足高密度计算设备的需求。本文将介绍一种创新的冷却方案——高效液冷技术,分析其工作原理、优势以及面临的挑战,并探讨该技术在未来数据中心发展中的潜在应用。