数据中心里 三类数据特征分析
数据中心承载的业务种类多种多样,比如:支付、监控、管理、网站、数据分析等等,数据中心几乎无所不能。纵然这些业务形式相差迥异,但是本质上都是数据,这正是数据中心的核心特征,之所以叫数据中心,就是因为是处理数据的中心,数据中心的所有系统都是围绕着各种数据展开的,有专门对数据进行研究的技术,比如数据挖掘、数据分析师,大数据、人工智能等数据分析技术,通过对数据进行分析、整理,将可以获得数据以外更有价值的东西。尤为重要的是通过对现有业务进行数据分析,包括其细致的应用所占带宽比例,使用频度,未来的增长趋势等。充分了解当前各业务,特别是构成复杂的数据业务,将对数据中心网络优化、扩容、新建等工程实施特别有益。
数据中心的数据可以有多种分类形式,比如按照应用业务来区分:游戏、VoIP、音乐、文件传送、Email、视频等;也可以按照报文长度来分区:63字节、64~511字节、512~1023字节、1024字节以上等;还有一种最为普遍的分类办法就是可以分为:语音、视频和数据,最后一种分类办法对于数据中心网络分析最有用。不难分析,数据中心里的所有应用业务数据都可以分为语音、视频和数据三大类。下面就来详细说说这三类数据的特征,根据这些数据的特征可以有效地对数据中心网络调整,以便可以更好地为这些数据服务。
语音数据
我们平时的说话、听到的各种音乐、噪音等都是语音。语音的特点是平滑,良性的并可以预测。语音数据对丢弃和延迟极为敏感,如果丢弃量比较大,语音听起来就会断断续续,听不清楚,杂音也比较多,如果网络延迟比较大,语音就产生回声。所以数据中心要承载语音数据业务,就需要在延迟和丢弃率方面达到一定要求。一般承载语音业务,要求数据中心网络的延迟要小于150MS,抖动小于30MS,丢弃率小于1%,这样才能保证数据中心网络可传输高质量的语音数据,语音数据一般使用RTP或者UDP 协议传输。
视频数据
视频数据这几年增长飞快,几乎超过了其它数据流量的总和。视频数据量大,包含的内容丰富,显示直观,所以很多应用系统都喜欢使用视频数据。视频数据有一定的突发性,非良性喜好冒进,同样对丢弃和延迟敏感,像很多的高清视频,为保证清晰度,需要很低的丢弃率。{cda数据分析师}现在3D甚至4D大片都不断出现,这样的一个大片就要7到8个G的硬盘空间,传输起来数据量特别大,希望缩短传输的时间,就需要高容量高带宽的数据中心网络。同时视频数据要求数据中心网络的延迟要在150MS以下,抖动小于30MS,丢包率低于1%,一般使用RTP或者UDP 协议传输,视频数据需要较高的网络带宽和大容量的存储硬盘,有些实时在线播放的视频业务,尤其需要高容量的数据中心网络。
普通数据
数据应用种类就太多了,不同应用有不同的流量特征,同一应用的不同版本可能都有巨大的流量特征差异。这类数据的特征是既有平滑也有突发,既有守约也有冒进,不过一般这类数据对延迟和丢弃不敏感。这些数据基本都采用TCP 协议处理方式,TCP 协议有完善的重传机制,当发现有丢包时,会进行TCP 多次重传,这种机制确保了即使网络有丢包,也可以通过重传的方式来补救。当然这种有丢包的网络,会造成大量的TCP重传报文,重传的报文也占流量,自然又加重了网络拥塞,反而可能造成网络丢包率更高,这样有这种重传机制也并不一定就好了。
偶尔的TCP重传没有什么影响,但是如果重传报文数量极多,就会加重网络拥塞,这种机制起了反作用。数据业务其实是非常复杂的,我们并不好去给它下一个特征定义,有的要求高带宽(有大数据分析业务),有的要求大缓存(有突发数据业务),有的要求低延迟(互联网搜索业务),有的要求零丢包(银行支付系统),所以不同的数据对网络的要求是不一样的,这样就需要有区别地对待,在不同的网络环境中来运行不同的业务系统。数据中心网络有丰富的数据分类和标识技术,通过这些技术可以根据不同数据的特征,选择走不同的网络路径,甚至还可以设置优先级,这些技术就好像是交通系统,可以让去往不同地方的车辆走在最适合自己的道路上,同时还可以对救护车、警车等车辆给予高的优先级,允许先通过,不受交通指示灯和管制的限制。
语音、视频和数据是数据中心承载的所有业务的三大类数据,困难之处在于,有时这三类数据在一个数据中心网络里同时存在,而这三类数据对数据中心网络的要求又是不同的,怎样一一去满足,考验着数据中心网络技术人员的智慧。很多时候,甚至要在某些业务上做些牺牲,来保证重要的业务正常运行,这是一个比较复杂的设计工程,并且需要不断地实践和测试。我们常说的网络服务质量保证,即QoS技术就是实现数据之间融合的最为关键的技术,想要让语音、视频、数据在一个数据中心网络里和平共存,就需要部署QoS技术,QoS技术可以在带宽、延迟、抖动和丢包率方面做出各种各样的指导策略,还可以按照业务的重要性标识权重,并要求三大类数据都要遵守,从而确保三类数据在一个数据中心网络里可以和平相处,各自运行着自己的应用业务,互不影响。
数据分析师会把重要的数据可以得到优先处理,量大的数据可以得到较高的网络带宽,各取所需,共同发展。认真领会了数据中心这三类数据的特征非常必要,根据数据特征将可以有针对性地部署QoS策略,为这些数据提供一个最适宜的数据中心网络环境。数据分析师培训
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21