文/王玮瑜
传说
敢剪网线的网工,才是真的爷!
深夜独上机楼,
月如钩,
接割变更排障一条龙。
剪不断,理还乱,是挠头,
一股无名之火在心头。
今天,网络工程师们发现,通过传统网络设备和工具来构建并管理现代数据中心拓扑已经变得越来越困难。因为这些工具是为相对静态的物理基础架构而设计的,而现代数据中心采用弹性的虚拟化基础架构,又给IT部门带来了更多网络挑战。
借问消愁何处有, 牧童遥指SDN
与此同时,一种顺应云时代下未来网络需求的SDN(软件定义网络)已经应运而生,而其中之一便是戴尔易安信的SDN解决方案!
戴尔易安信SDN是一种经过特别设计的网络结构,支持物理及虚拟工作负载,允许自由选择协调软件,提供二层交换、三层路由以及4--7层服务插入与链合功能,能够为VMware和OpenStack数据中心环境带来自动化、弹性扩展和简化效果。
体系架构如下图所示▼:
其体系架构采用分支—主干拓扑结构。主干层相当于机箱式交换机或路由器的背板;而分支层则相当于机箱式路由器以及所有聚合交换机和边缘交换机中的线卡组合,每个物理分支交换机和主干交换机相连接。BCF(Big Cloud Fabric)控制器的高可用性相当于核心路由器或机箱式交换机的管理卡,负责管理所有的BCF组件。除此之外,软件定义网络的控制器集群在标准服务器上运行,负责交换机的控制、管理和策略。
戴尔易安信SDN采用超大规模数据中心网络的设计原则,能够为数据中心带来多方面的收益,包括:集中管理、简化多租户配置、基于软硬件分离的软件定义网络、云管理平台集成、横向扩展和弹性、适障性以及工作流自动化和集成等。
配置和基本操作
戴尔易安信SDN提供的界面中,操作简单,显示直观。如下图所示,控制器的GUI显示了网络的拓扑结构:
Before
传统的IT架构用户:IT经理以及高级主管和业务线利益相关方不断寻找方法来提高资源效率和ROI。由于现代云及虚拟化技术的推行,以及缺乏具备适当技能组合的专业人员,导致上述挑战进一步加剧。
After
BCF用户:只需几次击键操作,即可在15分钟内从裸机硬件转变为功能完备的企业数据中心网络结构。其GUI和深度分析十分直观、易用,可以使我们快速了解逻辑及物理网络拓扑,并快速调整系统以实现最佳性能。通过将所有网络硬件都聚合到单一管理域内,BCF简化了IT基础架构和人员所承受的负担。
部署应用程序——逻辑租户、网段和路由器
戴尔易安信SDN采用基于租户、逻辑网段和逻辑路由器概念的逻辑抽象,可简化网络结构配置和维护。如图所示:
Before
传统的IT架构用户:在实施逻辑网络设计方面,网络架构师手动处理不仅消耗大量的时间和精力,需要深入的专业知识,而且每个物理机器都需要单独配置。
After
BCF用户:可以将租户、逻辑网段和逻辑路由器的逻辑抽象自动转换为正确优化的配置,并应用至网络结构中所有受影响的分支和主干交换机。系统会自动应用配置更改,从而消除传统网络结构环境那种逐机、费时且易出错的处理过程。
可编程与自动化
戴尔易安信SDN提供标准的REST API来进行系统管理。所有操作(安装、配置和升级),无论通过GUI、命令行界面(CLI)还是自动化脚本来执行,都会通过标准的REST API发送到控制器,如图所示:
Before
传统的IT架构用户:虚拟化和云管理平台非常依赖自动化,借此来减少管理工作负载,以实现现代自助服务式的IT基础架构。随着网络和数据中心环境的规模和复杂性不断增加,自动化变得越来越关键。然而,IT人员面临着一个挑战——像管理环境的其他部分一样,以相同的简洁性和效率水平对网络基础架构进行管理。
After
BCF用户:戴尔易安信SDN解决方案直接与VMware vSphere、NSX、CloudStack以及OpenStack集成,使管理员能够将网络结构从物理结构扩展至虚拟结构,并简化配置和管理。通过自动化,可以实现进一步的集成:所有BCF管理功能全部可通过REST API来访问。
有了戴尔易安信SDN,不仅仅是计算资源虚拟化、存储资源虚拟化,就连网络资源虚拟化也实现得那么自然。企业的数据中心由传统架构彻底过渡到一个以软件定义的,以业务为驱动的虚拟化数据中心,不仅仅提升了资源利用的效率,而且大大的释放了IT管理人员的生产力!
往期回顾
好文章,需要你的鼓励
知名的投资机构ICONIQ Capital发布了《开发者手册:2025年AI现状报告》,基于对300位企业高管的调研,包括CEO、工程负责人、AI负责人和产品负责人等关键决策者,涵盖了从初创公司到十亿美元巨头的各个发展阶段,深度剖析了当下企业AI产品应用的全貌,为我们呈现了一个从"如何构思、交付和规模化AI驱动业务"的完整路线。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。