阿里云DNS 新增云上线路的智能解析功能

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 企业在云上部署单元化架构或内部服务链路时,需要考虑让数据(单元)离用户更近,避免跨单元获取数据,以此来满足自身低延时的诉求。阿里云DNS 新增基于云上链路的调度功能,进一步优化DNS智能解析,给云上用户提供更精准的流量调度能力。

传统解析 VS 智能解析

我们知道,传统DNS解析方式,无需判断访问者来源,会随机选择其中一个IP地址返回给访问者。然而,这样的方式,已经不能满足现今互联网用户的访问需求。因此,DNS智能解析应运而生。

阿里云DNS采用的就是智能解析方式,它可以通过判断访问者的来源,为不同的访问者智能返回不同的IP地址,将请求调度到离用户最近的服务器节点,能够减少解析时延,达到提升网站访问速度的功效。

线路丰富、流量调度精准的阿里云DNS智能解析功能,就能够帮助云上用户实现就近接入。同时,智能解析还适用于以下场景:

  • 境内跨运营商或跨地区访问场景:企业的线上应用服务,大多数都会使用多个运营商IP地址,通过DNS智能解析的配置来实现用户的就近访问。
  • 全球业务智能访问场景:企业如果是开展全球业务,一般为了实现全球用户都能获得较好的访问质量,通常会在中国和海外分别部署应用服务,通过智能解析的配置,企业可以实现将用户访问分别路由至海外或境内的接入点。
  • 通过智能解析限制某运营商或地域的访问者进行访问:一部分企业因某些原因,会期望限制境外的访问者访问企业的应用服务,那么则可以通过配置智能解析,来实现屏蔽境外访问者的访问诉求。

智能解析-新增“阿里云”线路

在云下丰富的运营商网络线路基础上(比如 中国联通/中国电信/中国移动/中国教育网/鹏博士等),为了能够给云上的用户提供更精准的流量调度能力,阿里云DNS智能解析功能新增了“阿里云”线路,推出基于阿里云Region链路的流量调度方案。

新增的“阿里云”线路为企业用户提供更精细粒度、更精准的基于阿里云Region内的流量调度解决方案,支持云上用户实现按照Region就近接入,以及实现按照Region维度对阿里云出口的访问流量进行调度分配,能够针对不同Region的访问者,返回指定的IP地址,使云用户快速连接云资源,实现降低解析延迟与流量调度。

此次新增的“阿里云”线路,如下:华北1 (青岛)、华北2 (北京)、华北3 (张家口)、华北5 (呼和浩特)、华东1 (杭州)、华东2 (上海)、华北6(乌兰察布)、华南1 (深圳)、华南2 (河源)、华南3 (广州)、西南1(成都)、中国(香港)

新加坡、澳大利亚(悉尼)、马来西亚(吉隆坡)、印度尼西亚(雅加达)、日本(东京)、德国(法兰克福)、英国(伦敦)、美国(硅谷)、美国(弗吉尼亚)、印度(孟买)、中东东部1(迪拜)

用户可以通过配置DNS记录的“解析线路”来选择阿里云的region线路(图1):
image.png
图 1 配置阿里云 华东1(杭州)解析线路

新增“阿里云”线路前后,效果对比

我们可以通过两张对比图,来看一下新增的“阿里云”线路所起到的作用。
image.png
图 2 新增“阿里云”线路-前

上图中,是新增“阿里云”线路之前的解析过程。我们可以看到:

  • 在这种情况下,根据用户所在运营商或区域创建流量调度规则,我们将图中的电信北京用户的流量同时指向阿里云华北2(北京)和电信(IDC北京)的IP,即50%的流量调度到阿里云华北2(北京)线路,另外50%调度到电信(IDC北京)线路。
  • 在此场景下,阿里云DNS未提供“阿里云”线路时,无法准确地将阿里云上用户的DNS请求,精准调度到阿里云华北2(北京)的IP上,阿里云北京用户的流量,只能被调度到默认线路,即联通(IDC北京)上,这样对于阿里云北京的用户,无法实现就近接入。

image.png
图 3 新增“阿里云”线路-后

这张图中,是新增“阿里云”线路之后的解析过程。我们可以发现:

  • 推出流量调度方案后,云上用户可以被精准调度到其对应的区域线路上(比如阿里云北京用户,可以精准调度到阿里云_华北2(北京)线路),此时的电信北京用户,也完全调度到电信_北京线路上,这样就实现了按照Region就近接入,更大程度地避免了调度跨区现象的发生。

基于Region的流量调度方案的优势

由此可见,更加丰富的线路,实现了Region维度的流量精准调度,从而解决解析延迟、访问速度慢等问题。同时,流量调度方案具有如下优势:

  • 流量拆分更精细,能够精细到对阿里云出口流量做流量调配,实现云上用户的就近接入。
  • 流量调度更精准,能够实现阿里云Region内的流量闭环,便于企业构建单元化架构。
  • 流量访问低时延,能够避免出现跨Region跨网访问,实现云上用户访问加速。
相关文章
|
20天前
|
搜索推荐 UED Python
实现一个带有昼夜背景切换的动态时钟:从代码到功能解析
本文介绍了一个使用Python和Tkinter库实现的动态时钟程序,具有昼夜背景切换、指针颜色随机变化及整点和半点报时功能。通过设置不同的背景颜色和随机变换指针颜色,增强视觉吸引力;利用多线程技术确保音频播放不影响主程序运行。该程序结合了Tkinter、Pygame、Pytz等库,提供了一个美观且实用的时间显示工具。欢迎点赞、关注、转发、收藏!
130 94
|
9天前
|
数据可视化 项目管理
项目计划与进度跟踪:甘特图的强大功能解析
甘特图是现代项目管理中不可或缺的工具,通过时间线和任务条直观展示项目进度,支持任务分解、依赖关系管理和进度跟踪。结合板栗看板,可实现任务可视化与实时协作,提升团队效率。定期更新甘特图并灵活应对变化,确保项目顺利推进。
|
1月前
|
Serverless 对象存储 人工智能
智能文件解析:体验阿里云多模态信息提取解决方案
在当今数据驱动的时代,信息的获取和处理效率直接影响着企业决策的速度和质量。然而,面对日益多样化的文件格式(文本、图像、音频、视频),传统的处理方法显然已经无法满足需求。
78 4
智能文件解析:体验阿里云多模态信息提取解决方案
|
2月前
|
设计模式 XML Java
【23种设计模式·全精解析 | 自定义Spring框架篇】Spring核心源码分析+自定义Spring的IOC功能,依赖注入功能
本文详细介绍了Spring框架的核心功能,并通过手写自定义Spring框架的方式,深入理解了Spring的IOC(控制反转)和DI(依赖注入)功能,并且学会实际运用设计模式到真实开发中。
【23种设计模式·全精解析 | 自定义Spring框架篇】Spring核心源码分析+自定义Spring的IOC功能,依赖注入功能
|
20天前
|
人工智能 自然语言处理 搜索推荐
销售易、悟空、神州云动CRM:全方位功能解析与优势特色盘点
销售易CRM、悟空CRM和神州云动CRM各自具备独特的产品功能与优势,适用于不同类型的企业。销售易CRM提供移动化、社交化和AI驱动的全流程管理,适合大型企业及跨国公司;悟空CRM以智能数据分析和移动办公支持见长,适合中大型企业;神州云动CRM则凭借灵活定制和多行业适配能力,特别适合大中型企业。企业在选择时应根据自身需求和发展战略,挑选最适合的CRM系统,以实现客户关系管理的最大化效益。
|
2月前
|
存储 数据库 对象存储
新版本发布:查询更快,兼容更强,TDengine 3.3.4.3 功能解析
经过 TDengine 研发团队的精心打磨,TDengine 3.3.4.3 版本正式发布。作为时序数据库领域的领先产品,TDengine 一直致力于为用户提供高效、稳定、易用的解决方案。本次版本更新延续了一贯的高标准,为用户带来了多项实用的新特性,并对系统性能进行了深度优化。
48 3
|
2月前
|
供应链 数据可视化 数据挖掘
企业服务品牌深度解析:销售易、用友、白码功能与特色对比
在企业服务领域,销售易、用友、白码等品牌凭借独特的产品和解决方案占据重要地位。销售易专注于CRM,提供客户管理、销售自动化、市场营销等功能,提升销售效率与客户满意度。用友作为领先的企业服务提供商,涵盖ERP、财务管理、人力资源管理等,助力企业资源优化配置。白码则以低代码开发平台为核心,支持快速构建业务应用,具备高度可定制化和易于维护的特点。三者各具特色,共同推动企业数字化转型。
|
3月前
|
监控 Java 应用服务中间件
高级java面试---spring.factories文件的解析源码API机制
【11月更文挑战第20天】Spring Boot是一个用于快速构建基于Spring框架的应用程序的开源框架。它通过自动配置、起步依赖和内嵌服务器等特性,极大地简化了Spring应用的开发和部署过程。本文将深入探讨Spring Boot的背景历史、业务场景、功能点以及底层原理,并通过Java代码手写模拟Spring Boot的启动过程,特别是spring.factories文件的解析源码API机制。
122 2
|
2月前
|
设计模式 存储 安全
【23种设计模式·全精解析 | 创建型模式篇】5种创建型模式的结构概述、实现、优缺点、扩展、使用场景、源码解析
创建型模式的主要关注点是“怎样创建对象?”,它的主要特点是"将对象的创建与使用分离”。这样可以降低系统的耦合度,使用者不需要关注对象的创建细节。创建型模式分为5种:单例模式、工厂方法模式抽象工厂式、原型模式、建造者模式。
【23种设计模式·全精解析 | 创建型模式篇】5种创建型模式的结构概述、实现、优缺点、扩展、使用场景、源码解析
|
2月前
|
存储 设计模式 算法
【23种设计模式·全精解析 | 行为型模式篇】11种行为型模式的结构概述、案例实现、优缺点、扩展对比、使用场景、源码解析
行为型模式用于描述程序在运行时复杂的流程控制,即描述多个类或对象之间怎样相互协作共同完成单个对象都无法单独完成的任务,它涉及算法与对象间职责的分配。行为型模式分为类行为模式和对象行为模式,前者采用继承机制来在类间分派行为,后者采用组合或聚合在对象间分配行为。由于组合关系或聚合关系比继承关系耦合度低,满足“合成复用原则”,所以对象行为模式比类行为模式具有更大的灵活性。 行为型模式分为: • 模板方法模式 • 策略模式 • 命令模式 • 职责链模式 • 状态模式 • 观察者模式 • 中介者模式 • 迭代器模式 • 访问者模式 • 备忘录模式 • 解释器模式
【23种设计模式·全精解析 | 行为型模式篇】11种行为型模式的结构概述、案例实现、优缺点、扩展对比、使用场景、源码解析

相关产品

  • 云解析DNS
  • 推荐镜像

    更多