——浅谈多供应商、多运营商网络中的挑战和机遇
康普北亚区技术总监吴健
回望数据中心的发展,过往的数据中心的角色和设计的边界是清晰和明确的。本地服务区域通常会覆盖周边150英里(约240公里)左右。在数据中心内部,计算和存储容量等资源,以及数据中心接入运营商网络的链路都是基于可预测的流量负载而设计的。
这在多租户数据中心(MTDC)中更是如此,其物理位置的设立通常取决于租户对低延迟的要求。例如,对于需要低时延访问的证券交易所来说,更接近该证券交易所的MTDC对于企业而言就更具价值。通常用户的位置定义了网络的边缘,而数据中心的位置则更多地取决于用户对低延迟的要求。但是这一现状正在发生很大的改变。
随着5G和物联网部署速度的加快,催生了一批对超高可靠性、超低时延的网络应用需求。其影响之一就是传统本地服务区域的缩小,从而促使数据中心往网络边缘转移。如今,这两者间的界限,甚至角色与分工都开始变得模糊。
当然,这不完全是新的趋势。近年来,内容提供商在用户侧不断增加资源的部署来支持内容高速缓存,从而优化存储能力并降低延迟。如今其他类型的网络也在效仿这种做法,并已有典型的应用案例。对MTDC而言,当务之急是重新定位,而一直以来被不断下降的ARPU(每用户平均收入)所困扰的运营商也在更加活跃的边缘计算里寻找新的机会。
物联网机器对机器(M2M)时延的要求,以及数十亿联网设备未来产生的海量数据对网络容量提出了更高的要求。换言之,增加网络容量至关重要。然而,可部署的光纤量有限,运营商需寻找其他增加带宽的方法。波分复用可能是解决该问题的方式之一,而另一种方法则是持续缩短数据支持的边界。
缩短数据支持边界的方案有很多。从网络设计的角度来看,运营商需要持续增加数据中心和边缘计算之间东西向的流量,而非依赖更长距离的南北向传输。同时该方案需要更多的并行链路,以满足对可靠性的更高要求。
无论如何,网络都需要不断地增加边缘处部署的资源,从而提升本地数据处理能力。这不仅能够让本地设备满足超高可靠、低时延的需求,还能有效节约带宽。
上述边缘处所发生的变化,以及缩短数据支持边界,扩大网络融合和增加边缘处部署的资源都将影响MDTC的设计,并在一定程度上影响其扮演的角色。随着网络服务区的缩小,部署于边缘的资源将能够比传统的区域性MTDC方案更好地应对高性能要求。此外,对更低成本、更小占用空间和更小型服务区域的需求也将进一步对当前MTDC业务模式带来挑战。
随着运营商和内容服务提供商努力适应这一新的环境,云将发挥关键性作用。通信服务提供商将更青睐大型云部署,而小型云将在边缘占据主导地位。其主要挑战在于,如何在多个地理位置上扩展分布式云结构,同时提供服务自动化并保持网络安全控制。
虽然穿梭于边缘和核心数据中心之间的数据流量类型将发生变化,但其对当前软件和控制系统的影响将很有限,而基础设施尤其是光纤部署量亟须改变。边缘到核心的流量将带动高速以太网的需求,同时随着不断升级的高密度光纤和高密度配线系统的出现,光纤将成为制胜关键。
未来,伴随大容量、长距离传输需求,可大幅度提升带宽的波分复用应用,包括粗波分复用(CWDM)和密集波分复用(DWDM)等,一定将发挥重要作用。
需要注意的是,这些新一代网络的建设并非从零开始。运营商将以现有网络为基础进行建设,从而形成一个新旧混用的混合型多供应商系统。网络基础设施的情况复杂,要建成完善的体系任重道远。但在建成之后,将会呈现一个更高效、更简化,并能够不断成长且适应未来需求的新型网络。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。