新一代数据中心变革---网格技术

简介: 新一代数据中心变革---网格技术

我们正处在一个数据爆发的时代,全球的数据信息每年都在以30%以上的速度再增长,数据中心不仅要准备大量的存储设备对这些数据信息进行保存,关键还要对这些数据进行处理,需要大量的服务器。数据中心需要数据处理能力更强大的服务器,而超级计算机的价格显然阻止了它进入所有的数据中心领域,并且单台的超级计算机处理能力也有瓶颈,于是人们开始寻找一种造价低廉而数据处理能力超强的计算模式,最终网格计算被研发出来。网格(Grid)是一个集成的计算与资源环境,也是一种先进的计算基础设施。网格计算(Grid Computing)是伴随着网络技术而迅速发展起来的,是将地理上分布的计算资源充分利用起来,协同解决复杂的大规模问题,特别是要解决靠本地资源无法解决的复杂问题。这种技术是充分利用网络技术把分散在不同地理位置的服务器组织成一个“虚拟的超级计算机”,其中每一台参与计算的服务器就是一个“节点”,而整个计算是由成千上万这样的“节点”组成的“一张网格”,所以叫做网格计算。


看到这样的介绍,是不是觉得网格计算和云计算很相似,的确两者有很多的相似之处,都是分布式计算的一种具体实现形式,但两者也是有一定区别的。网格计算支持虚拟组织,提供高层次的服务,主要基于网络应用层实现,而云计算主要以数据中心的形式提供底层资源使用,处理网络应用层。网格计算对数据中心网络的五层沙漏结构(链接层、网络层、传输层、应用层)重新进行了定义(包含有构造层、连接层、资源层、汇聚层、应用层),以“协议”为中心,强调服务与API和SDK的重要性。网格计算主要应用于一些高精尖技术应用的数据中心里,更多面向的是科研应用,而云计算更强调的是数据中心应用的普遍性,普适性更强,针对的就是企业商业应用。网格计算是聚合数据中心分散的资源,支持大型集中式应用(一个大的应用分到多处执行),而云计算是以相对集中的资源,运行分散的应用(大量分散的应用在若干大的中心执行),所以两者并不冲突,适应不同的数据中心应用中。就算在一个数据中心里,网格计算和云计算也可以取长补短,互为补充。数据中心可以灵活部署两种分布式计算系统,聚合大量分散的资源,从而支持各种各样的大型集中应用以及分散的应用。还有一个虚拟化技术,也和网格计算技术很相似,其实虚拟化技术是一种实现资源的物理隔离以及有效共享的技术手段,是云计算的重要技术支撑,属于云计算的具体实现,所以具有很多的云计算特征,和网格计算有着明显区别。


在数据中心里部署网格计算有很多优势,首先可以消除资源孤岛,实现应用程序的互连互通,网格不需要数据中心部署多高性能的服务器,对数据中心的服务器性能没有过高要求,只要整体计算能力够用即可。其次和数据中心领域制定的各种详细标准一样,网格计算也有相应的国际开放技术标准,全球网格论坛(OGF)就是专门定义网格计算规范的,这就让网格计算有了标准化的外衣,可以指导网格计算技术不断发展与完善。再次网格计算可以提供动态的服务,随着变化而动,适应变化,这对于数据中心特别有意义,因此数据中心里的应用很多,经常要做各种变更,还要频繁的扩容,更换故障设备等,但这些都不会影响到网格计算的效果。最后是网格计算具有高度的可扩展性,支持对分散计算的“节点”进行任意的增加或缩减。所以网格计算有两个突出的优势:一个是数据处理能力超强,另一个是能充分利用网上的闲置处理能力,这正是数据中心所需要的。


其实网格计算比云计算推出的还要早,但并没有像云计算这样,让市场反映如此剧烈。这主要和网格计算的特点有关。网格计算是将分散的计算资源聚合起来做同一件事情,那么具体分散的资源来自哪里都可以,也许是在不同的城市,不同的数据中心,不同的部门与企业都是可以的,这样实现必将使得这个技术更多的是从事一些公益的科研事业或者国家战略项目上,忽略数据中心之间的利益获取,这就让网格计算一直没有得到普及应用。还有就是分布资源质量也参差不齐,要将这些资源很好的聚合起来同时工作,要设计完善的软件控制程序,确保 各个分散的“节点”有条不紊地工作,设计这样的软件系统工程量也是浩大的。现在已经出现了Globus、Legion、Net sol、Condo、Ninf等实际应用的网格计算系统,这些系统都有一个重要的特点,就是资金投入巨大,有时部署网格计算系统是要不考虑成本因素才行。


还好如今数据中心越来越普及,全国各地都在建设数据中心,一个企业往往要在全国各地都要建设数据分中心,分中心之间要同时工作,处理各种各样的应用,这让网格计算有了发挥的余地。比如我们知道百度在全国各地都有自己的数据中心,对于搜索业务,可以使用各地的数据中心同时处理搜索业务。我们在搜索框里输入“张三”,可能在多个地方的数据中心的集群服务器里都在进行搜索,然后将计算结果统一反馈给我们,这是我们可以通过网格计算将搜索请求进行分发,多个集群服务器都在搜索,这样大大提升了搜索的结果。我们经常看到搜索一个词语返回的结果只用几百毫秒,而返回的结果可能有数千万之多,这就是网格计算的力量。可以相信将来在数据中心领域,网格计算也会像云计算一样,成为数据中心里的重要技术实现。

相关文章
|
6月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
3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。
|
6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。
|
6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。
|
6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。
|
6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
|
存储 传感器 人工智能
探索现代数据中心的冷却技术革新
【5月更文挑战第18天】 在数字化时代,数据中心作为信息处理与存储的核心设施,其稳定性和效能至关重要。随着计算需求的激增,数据中心的冷却系统面临着前所未有的挑战。传统的空调冷却方法不仅耗能巨大,而且效率低下。本文将深入探讨现代数据中心冷却技术的最新进展,包括液冷技术、热管应用、环境辅助设计以及智能化管理等方面,旨在提供一种高效、可持续且经济的解决方案,以应对日益增长的冷却需求。
|
5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
|
6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
【5月更文挑战第11天】 在云计算和大数据的背景下,数据中心作为信息处理的核心设施,其能效问题一直是研究的热点。传统的能效管理方法难以应对日益增长的能源消耗和复杂多变的工作负载。本文提出一种基于机器学习技术的数据中心能效优化方案,通过实时监控和智能调度策略,有效降低能耗并提升资源利用率。实验结果表明,该方案能够减少约15%的能源消耗,同时保持服务质量。
|
6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。
下一篇
无影云桌面