物理服务器向虚拟化无缝对接,服务器虚拟化下的网络变迁

一个风起“云”涌的IT时代,展现的是一种全新的动态IT基础设施。和传统的IT基础设施相比,虚拟化成为目前整个IT基础架构的变革性创新技术,对计算、存储、网络都产生了长远的影响。

在数据中心等场景中引入虚拟化技术之后,服务器接入网络的位置往往是不固定的。虚拟化平台为了实现同一物理服务器上不同虚拟机的交换,需要用 CPU资源来模拟一个软的虚拟交换机,而这个“软的虚交换机”模糊了网络和服务器的界限,一时数据中心网络有点“找不着北”。网络则不得不需要进行针对性的调整:

·服务器的利用率从20%提高到80%,服务器端口流量大幅提升,对数据中心网络承载性能提出了巨大的挑战,对网络可靠性要求也更高;·多种应用部署在同一台物理服务器上运行,使网络流量在同一台物理服务器上产生叠加,流量模型更加不可控;·服务器虚拟化技术的应用必然伴随着虚拟机的迁移,这种迁移需要一个苛刻的网络环境来保障;·服务器虚拟化是支撑开放平台的核心技术之一,满足虚拟机的迁移,满足业务无属地化部署的数据中心网络是必须要考虑的问题。

数据中心网络应对之道核心交换高性能虚拟化给网络带来了性能挑战,根据目前大量的案例和实践总结分析,数据中心网络主要面临的瓶颈是数据中心的核心交换设备,它做为数据中心所有业务系统之间,以及业务系统和用户之间的交换枢纽,将会是所有流量汇集的地方,所以网络核心的性能压力最大,是可能的瓶颈所在。

网络技术和数据中心的发展,同样推动了数据中心级交换机的出现,目前数据中心级的核心交换机(例如:华为的CE12800和Cisco的 Nexus 7000)已经成为了数据中心网络核心的宠儿。基于CLOS的多级交换架构,使其具备了百T以上的交换容量,能够支持高密度的万兆端口和未来的100GE 标准,具有更好的扩展性,能够很好的缓解数据中心网络核心的交换压力,解决核心网络性能瓶颈。

因此,在数据中心网络部署时,核心交换设备建议部署基于100G平台数据中心设备,以保障网络的性能和可靠性;在汇聚层通过部署万兆交换机及嵌入式安全业务模块,来消除安全系统的性能瓶颈,并提供更好的扩展性。

为虚拟机迁移铺路当虚拟机在物理服务器之间进行迁移,为了避免虚拟机迁移后路由的震荡和修改网络规划,迁移只能在二层域进行,因此数据中心需要具备一个性能更高、二层域更大的网络环境为迁移提供保障。在传统的数据中心网络中,都是通过STP+VRRP的方式进行网络拓扑设计,但由于STP+VRRP的设计和维护都比较复杂,这种设计在很大程度上阻碍了其二层域的扩大,随着服务器的数量和网络设备的增多,这种网络设计方式将会变得无法实施。同时,虚拟机的迁移对网络的可用性要求也非常高,在STP+VRRP的组网中,如果链路出现故障,其收敛时间都在秒级,增加了应用系统迁移的限制。

以上问题可以通过网络虚拟化技术来解决,在数据中心的应用中,网络虚拟化主要是通过将多台物理设备虚拟成一台逻辑设备的方式,来减少设备节点,并通过跨设备链路聚合技术取代传统部署方式中的STP+VRRP协议,使网络拓扑变得简洁,具备更强的扩展性,以满足虚拟机迁移所需要构建的二层网络环境,同时,其毫秒级的故障收敛时间,为虚拟机迁移提供了更加宽松的实现环境。

网络虚拟化技术主要在数据中心交换机上实现,在服务器接入层、网络汇聚层、核心层可以分别进行部署。比如华为的 CSS/iStack(Cluster Switch System/intelligent Stack)技术和Cisco的VSS(Virtual Switching System,虚拟交换系统),这两种技术都可以帮助企业来构建一个虚拟网络架构。

开放融合服务器的虚拟化使得虚拟网络出现,服务器IO的融合使得融合网络出现,网络如何与服务器和业务更好的结合,形成完整的高效低成本的云计算解决方案,显得尤为关键。云网络需要在如下几方面创新:

首先,通过业务平台提供开放的API接口,向应用层开放。如通过标准化的Openflow/SDN接口,把网络的能力,包括转发、QOS、安全控制等开放给上层的应用平台,如OpenStack或者其他的云计算平台。

其次,通过标准的框架,向第三方的增值业务开放。如网络设备提供基于通用CPU和OS的开放平台,能够提供给第三方的防火墙,IDS/IPS,应用加速,流量分析应用。

第三,基于国际标准制定网络协议和标准,保证业界主流设备厂家的互通。

很多厂商都朝开放融合方向发展,但开放的程度却不一样。值得一提的是,华为在这方面显得尤为积极和突出,它的虚拟服务器接入方案,适应业界主流的虚拟操作系统,包括Vmware,HyperV, Xen等虚拟操作系统平台;将推出的开放增值业务平面,可集成第三方的防火墙,IDS/IPS,负载均衡器,应用加速等应用。据悉,未来全面支持SDN架构,给第三方以及上层应用,提供开放的API接口,支持进行灵活的编程,重新定义网络的行为,并且与主流的云平台无缝对接。

总结虚拟化计算发展过程中,网络的界面被重新定义,数据交换实体也逐步发生变迁。当然,它带来的影响不止局限在网络上,虚拟化技术在数据中心的整合、简化流程、灾难恢复备份、实现企业业务一致性等方面都起到了很重要的作用,企业的存储系统和管理系统都需要为云时代来临做好准备。

责编:孔维维

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值