随着云计算、大数据、互联网业务的蓬勃发展,数据中心的规模急剧扩张。作为承载云业务的核心设 施,数据中心集中了计算、存储和网络设备,业务重要级别高,资源分布集中。随着数据中心规模越来越大,运维面临巨大挑战:传统以人工操作为主的管理模式不 仅难度大,且成本高昂,数据中心迫切需要灵活便捷的自动化运维解决方案。
强强联合,数据中心网络自动化方案解决部署难题
华为与IT自动化领导厂商Puppet强强联合,共同研发了数据中心网络自动化部署解决方案。 Puppet CEO和创始人 Luke Kanies评价到,“传统网络设备相对封闭,第三方软件很难在这些设备上运行、并支持用户使用统一的语言进行定制开发。华为则以开放的姿态,与 Puppet联手为用户带来灵活高效的网络自动化部署体验。”
数据中心网络自动化部署解决方案由三部分组成:Puppet Master、Puppet Agent、以及华为CloudEngine系列数据中心交换机。CloudEngine交换机提供VRP(Versatile Routing Platform,通用路由平台)操作系统和开放系统, Puppet Agent安装在CloudEngine交换机的开放系统中,与Puppet Master保持通信。通过Puppet Master和Puppet Agent,管理员可将网络配置脚本下发到多台CloudEngine交换机,实现批量部署。
图一:数据中心网络自动化解决方案架构
数据中心网络自动化解决方案为网络管理员提供了简单灵活的管理平台,通过软件脚本完成灵活、快速、自动配置,实现网络部署效率提升30倍:
l支持管理员使用简单易上手的Ruby语言编写的统一脚本,屏蔽了不同厂商设备配置语言的差异性,使用简单、配置高效。
l通过Puppet可以实现CloudEngine交换机的批量自动化配置,大幅度提升效率,降低错误配置率。
lPuppet可以时同步配置信息,时刻保持配置的准确性与更新的及时性。
l引入DevOps模式,摆脱传统网络业务开发模式,可以根据用户需求快速上线新业务。
图二:数据中心自动化解决方案价值
开放合作,持续打造SDN开放生态
目前,该解决方案已经在数家大型互联网数据中心通过了POC测试,用户通过Puppet软件可以批量自动化调度和配置华为CloudEngine系列数据中心交换机和其他网络产品,实现网络与IT资源的统一管理。该数据中心网络自动化解决方案是华为与Puppet合作的阶段成果,也是华为践行SDN开放生态链战略的体现。
图三:华为敏捷数据中心SDN开放生态链
除了Puppet外,华为已与全球多家知名IT厂商及标准组织在云数据中心各个领域展开合作:
l云平台层面:通过华为网络控制器Agile Controller和CloudEngine数据中心交换机的开放API接口,实现与VMware、微软、OpenStack等主流厂商或标准组织云平台的无缝对接,统一管理网络与IT资源。
l控制器和管理工具层面:CloudEngine和Agile Controller可实现与第三方控制器VMware NSX和Brocade Vyatta的无缝对接,实现业务统一编排和自动化运维管理。
l网络设备层面:Agile Controller可基于Open API和OpenFlow等南向接口,与业界领先的应用交付网络厂商F5无缝集成,联合发布双活数据中心解决方案。同时,基于intel的DPDK(数据 面开发包)、SRIOV(硬件虚拟化方案)和Sensory(模式识别算法),华为可大幅提升数据中心网络虚拟化性能。
l计算虚拟化层面:Agile Controller可与VMware、微软、KVM等主流计算虚拟化平台的对接,实现数据中心物理网络与虚拟网络的统一联动。
放眼未来,华为将坚持构建SDN开放生态链,与合作伙伴一起,打造更加开放和敏捷的数据中心网络,为客户持续创造价值。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。