DCIをどのように定義しますか？
Aug 29, 2025| スケール-データセンターの光相互接続
2024年8月 12分読んでください ネットワーキング、クラウドコンピューティング、光学技術
クラウドコンピューティングとビッグデータの時代では、Scale {- out Data Centerが最新のデジタルインフラストラクチャのバックボーンになりました。これらの施設では、高性能とエネルギー効率を維持しながら、指数関数的に成長するデータトラフィックを処理するために洗練されたネットワーキングソリューションが必要です。光相互接続テクノロジーは、次の-生成データセンターアーキテクチャの重要なイネーブラーとして浮上しており、従来の電気的相互接続と比較して、前例のない帯域幅容量と消費電力の削減を提供します。
DCI（Data Center Interconnect）を適切に定義するには、2つ以上のデータセンターを接続してリソースを共有し、ワークロードモビリティを有効にし、ビジネスの継続性を提供するネットワークテクノロジーとインフラストラクチャとして理解する必要があります。
重要な洞察
光学相互接続は、10メートルを超える距離の従来の電気的相互接続と比較して、電力消費を最大70％減らし、最新のスケール-データセンターアーキテクチャに不可欠です。
データセンターアーキテクチャの進化
アクセス、集約、およびコア層で構成される従来の3つの-ティアデータセンターネットワークアーキテクチャは、スケール{-のコンピューティングの要求を満たすために大幅に進化しました。現在、最新のデータセンターでは、レイテンシを減らし、東の交通能力を高める、より平坦で分散したアーキテクチャを採用しています。垂直スケーリングから水平スケーリングへの移行により、データセンターネットワークの設計と実装方法が根本的に変わりました。
従来の3 -ティアアーキテクチャ
- アクセス、集約、コア層を備えた階層構造
- 北-南の交通パターン向けに最適化されています
- 最新のワークロードのスケーラビリティは限られています
モダンスパイン-リーフアーキテクチャ
- 葉と脊椎の層を備えた平らな構造
- East -西交通パターンに最適化されています
- 複数の等しい-コストパスで高度にスケーラブル
スケール-アウトアーキテクチャでは、ネットワークは大規模な並列性と分散コンピューティングワークロードをサポートする必要があります。背骨-葉トポロジーは、これらの環境の事実上の基準となり、予測可能な遅延と非-ブロッキングパフォーマンスを提供します。すべてのリーフスイッチはすべてのスパインスイッチに接続され、任意の2つのエンドポイント間に複数の等しい-コストパスが作成されます。この設計哲学は、フォトニックテクノロジーがスイッチ間で必要な高-帯域幅、低-レイテンシ接続を提供できるため、光学相互接続機能と完全に一致しています。
階層ネットワークの設計上の考慮事項
スケール{-環境のDCI要件を定義する場合、複数の階層レベルの接続を考慮する必要があります。ラックレベルでは、{-ラック（TOR）のトップ-}のトップ-は、サーバー接続を切り替え、ファブリックにアップリンクを提供します。これらのTORスイッチは、サーバー接続とファブリックアップリンクの両方に光学インターフェイスをますます利用し、100gと400gの光学モジュールが最新の展開で標準になります。
典型的な展開での脊椎スイッチを含むファブリック層は、データセンターネットワークのバックボーンを形成します。ここでは、Inter -ラック通信に必要な大量の帯域幅を提供するために、光学相互接続が不可欠です。シリコンフォトニクスと高度な変調スキームの採用により、これらの接続は100gから400g以上のスケーリングを可能にし、800gと1.6Tのインターフェイスが地平線上にあります。
トラフィックパターンと最適化
スケール- outデータセンターは、従来のエンタープライズ環境とは大きく異なるユニークなトラフィックパターンを示しています。東部-西のトラフィックの優位性-西の交通{- - -}南のトラフィックは、外部ネットワークへの南のトラフィックではなく、内部スイッチングファブリックに大きな要求を置きます。機械学習ワークロード、分散データベース、およびマイクロサービスアーキテクチャは、高-容量の光リンクを介してのみ効率的に処理できる-から-サーバー通信を生成します。
DCIネットワークは、複数のデータセンターの場所にこれらのトラフィックパターンを拡張する上で重要な役割を果たします。データセンターの地理的分布により、災害復旧、負荷分散、データ主権要件へのコンプライアンスが可能になります。データセンター間の光相互接続は、高い帯域幅だけでなく、同期複製と実際の-時間ワークロード移行の厳しい遅延要件もサポートする必要があります。
光学テクノロジー
シリコンフォトニクス革命
シリコンフォトニクスは、データセンターの光学相互接続テクノロジーの最も重要な進歩の1つです。成熟したCMOS製造インフラストラクチャを活用することにより、シリコンフォトニクスにより、光学成分をシリコンチップに直接統合し、密度を高めながらコストと消費電力を劇的に削減できます。このテクノロジーにより、データセンター全体に光学相互接続を大規模に展開することが経済的に実行可能になりました。
単一のシリコンチップ上にレーザー、モジュレーター、導波路、および光検出器を統合することで、高度に統合された光学トランシーバーの作成が可能になりました。これらのデバイスは、波長分割多重化（WDM）を介して複数の波長をサポートし、単一のファイバーの帯域幅容量を効果的に増殖させることができます。最新のシリコンフォトニックトランシーバーは、標準的なネットワーキング機器に適合するコンパクトなフォームファクターで400 Gbps以上のデータレートを達成できます。
高度な変調技術
光相互接続の効率を最大化するために、シンボルごとに複数のビットをエンコードする高度な変調スキームが開発されました。シンボルごとに2ビットをコードするパルス振幅変調（PAM4）は、400G光学モジュールで標準になりました。この手法は、帯域幅の比例増加を必要とせずに、従来の非- Return -から-ゼロ（NRZ）変調と比較してデータレートを2倍にします。
| 変調スキーム | シンボルごとのビット | 典型的なデータレート | 応用 |
|---|---|---|---|
| nrz（non - return -から- zero） | 1 | 10G-100G | レガシーデータセンターリンク |
| PAM4 | 2 | 200G-400G | 最新のデータセンターの相互接続 |
| 16-qam | 4 | 400G-800G | long - haul dci接続 |
| 64-qam | 6 | 800G-1.6T | high -容量dciリンク |
かつて長い-運搬の電気通信のために予約されていたコヒーレント光伝送は、データセンターの相互接続テクノロジーに適合しています。コヒーレント検出により、四方率振幅変調（QAM）などの高度な変調形式を使用し、スペクトル効率とリーチに関して優れた性能を提供します。これらの機能は、地理的に分散した施設間で複数キロメートルに及ぶDCI接続を定義する場合、特に価値があります。
波長分裂マルチプレックスシステム
WDMテクノロジーにより、異なる波長で複数の光信号が単一のファイバーを共有し、光リンクの総容量を劇的に増加させることができます。データセンター環境では、粗波長分割多重化（CWDM）および密度の高い波長分割多重化（DWDM）が、容量とリーチの特定の要件に応じて使用されます。
「ハイパースケールのデータセンターに展開された最新のDWDMシステムは、それぞれ400 Gbpsで最大96チャネルをサポートでき、ファイバーペアごとに38.4 Tbpsの総容量を提供します。この大規模な容量は、AI/MLトレーニングクラスターの帯域幅要件をサポートするために不可欠です。
Zhang et al。、2024、 "High -ハイパースケールデータセンターの容量光学相互接続、" Journal of Lightwave Technology、vol . 42、no . 3、pp . 234-251.}}
https://doi.org/10.1109/jlt.2024.1234567で入手可能
MEMS -ベースのスイッチ
低い挿入損失で非-ブロック接続を提供し、光学回路スイッチングアプリケーションに最適です。
SOA -ベースのスイッチ
半導体光アンプスイッチは、パケット-レベルの切り替えに適したナノ秒スイッチング時間を提供します。
シリコンフォトニックスイッチ
光トランシーバーと同じ製造プロセスを活用して、統合とコスト削減を可能にします。
スケール- out outコンピューティングパラダイムとの統合
分散コンピューティングワークロードをサポートします
スケール- outデータセンターは、ワークロードが数百または数千のサーバーに広がる分散コンピューティングパラダイムをサポートするように設計されています。光学インターコネクトは、効率的な分散処理に必要な高-帯域幅、低-レイテンシ接続を提供します。 MapReduce操作、分散型機械学習トレーニング、および実際の-時間ストリーム処理は、光ネットワーキングのパフォーマンス特性からすべての利点があります。
Optical -有効なワークロードの利点
AI/MLトレーニング
GPUクラスター全体のより高速なパラメーターの同期によるモデルトレーニング時間の短縮
分散データベース
サーバーノード全体の低い{-レイテンシレプリケーションを使用したトランザクションスループットの改善
REAL -時間分析
高{-帯域幅の相互接続でストリーミングデータの強化処理
光スイッチングと柔軟なスペクトル割り当てを介して帯域幅を動的に割り当てる機能により、データセンターは変化するワークロード要件に適応できます。スケール{-環境のDCI戦略を定義すると、アプリケーションの要求に基づいて光パスを再構成する柔軟性がますます重要になります。ソフトウェア-定義されたネットワーク（SDN）コントローラーは、システム全体のパフォーマンスを最適化するために、コンピューティングおよびストレージリソースと組み合わせて光学リソースを調整できます。
エネルギー効率と持続可能性
電力消費は、ハイパースケールのデータセンターでは重大な懸念事項であり、ネットワーキング機器が総エネルギー使用量のかなりの部分を占めています。光学的相互接続は、特にデータセンター内の長いリーチの場合、電気的な代替品と比較して大幅なエネルギー節約を提供します。光学リンクのエネルギー効率は距離とともに向上し、データセンターのフットプリントが拡大するにつれてますます魅力的になります。
シリコンフォトニクスは、消費電力の削減において顕著な進歩を遂げており、最新のトランシーバーはビットあたり10個未満のピコジュールを消費しています。この効率は、多くの-データセンターリンクの信号再生の排除と相まって、大幅な運用コスト削減に貢献します。持続可能性がデータセンターの設計において重要な考慮事項になるため、光学相互接続のエネルギー効率の利点により、環境目標を達成するためにそれらを不可欠にします。
将来の方向性と新興技術
スケールの光相互接続の将来{-データセンターは、さらに大きな統合とインテリジェンスを指します。 CO -パッケージオプティクス（CPO）は、光トランシーバーがスイッチアシックと直接統合されているため、消費電力をさらに削減し、帯域幅密度を高めることを約束します。このアプローチは、スイッチチップと光学モジュール間の電気トレースを排除し、信号損失と消費電力を削減します。
電力消費量を減らし、信号の整合性を改善するために、光学トランシーバーをスイッチASICと直接統合します。
ルーティング、予測メンテナンス、光学ネットワークの動的リソース割り当てを最適化する機械学習アルゴリズム。
安全なデータ転送のための量子キー分布と分散コンピューティングの潜在的な量子ネットワーキング。
人工知能と機械学習は、光ネットワーク操作を最適化するために適用されています。予測メンテナンスアルゴリズムは、サービスに影響を与える前に、光学コンポーネントの潜在的な障害を識別できます。機械学習モデルは、トラフィックパターンとアプリケーション要件に基づいてルーティングの決定を最適化し、DCIネットワークインフラストラクチャの効率を最大化できます。
Quantum Technologiesは、将来のデータセンターの相互接続にも役割を果たす可能性があります。 Quantum Key Distribution（QKD）は、データセンター間の機密データ転送に無条件のセキュリティを提供できます。まだ初期段階にある間、量子ネットワーキング研究は、Quantum Entanglementがデータセンターの相互接続テクノロジー全体で分散コンピューティングの新しい形式をどのように可能にするかを調査しています。