データセンターの接続
Aug 25, 2025| 最新のコンピューティングインフラストラクチャ
最新のコンピューティングインフラストラクチャの進化により、データセンター接続ソリューションに前例のない要求があります。組織がクラウドコンピューティング、ビッグデータ分析、分散アプリケーションにますます依存しているため、データセンター内のネットワークトラフィックの複雑なパターンを理解することが重要になりました。

最新のコンピューティングインフラストラクチャの進化により、データセンター接続ソリューションに前例のない要求があります。組織がクラウドコンピューティング、ビッグデータ分析、および分散アプリケーションにますます依存しているため、データセンター内のネットワークトラフィックの複雑なパターンを理解することが重要になりました-パフォーマンスネットワークアーキテクチャを設計するために重要になりました。データセンターの接続性の複雑さは、単純な帯域幅の考慮事項を超えて拡張され、トラフィックの局所性、フロー特性、および電気ネットワークテクノロジーと光学ネットワーキングテクノロジーの両方の戦略的展開を網羅しています。
最新のデータセンターのネットワークトラフィック特性
データセンター内のトラフィック特性を深く理解することは、High {-パフォーマンス内部ネットワークを設計するために不可欠です。 Microsoft Researchを含む機関からの最近の研究は、包括的な分析を通じて貴重な洞察を提供しています。
データセンターは、キャンパスデータセンター、エンタープライズプライベートデータセンター、クラウドコンピューティングデータセンターの3つの異なるタイプに広く分類できます。これらのカテゴリは、平均パケットサイズなどの特定の共通特性を共有していますが、他の側面、特にビジネスアプリケーションやデータフローパターンで大きな違いを示します。
さまざまな研究レポートで提示されるトラフィック特性は、実際の生産データセンターで行われた測定から導き出され、実際の運用パターンに関する本物の洞察を提供します。
キャンパスデータセンター
HTTPトラフィックは、Web -中心の学術および研究活動を反映して支配的です。
エンタープライズデータセンター
HTTP、HTTPS、LDAP、およびデータベース通信を含む多様なトラフィックミックス。
クラウドデータセンター
重要な-ラック通信パターンを備えた最も高い交通量の多様性。
ビジネスアプリケーションとトラフィックタイプ
データセンター内のビジネスアプリケーションの性質は、施設の種類と主な目的に基本的に依存しています。この多様性には、柔軟な接続ソリューションが必要です。

キャンパスデータセンターでは、HTTPトラフィックがネットワークを支配し、学術および研究活動のWeb -中心性を反映しています。これは、トラフィックミックスがかなり多様であるエンタープライズプライベートデータセンターやクラウドコンピューティングデータセンターとは対照的です。これらの環境では、データセンターの接続性は、MapReduceなどの分散コンピューティングフレームワークからのHTTP、HTTP、LDAP、およびデータベーストラフィックを含むプロトコルの不均一なブレンドをサポートする必要があります。
アプリケーショントラフィックのこの多様性は、ネットワーク設計に大きな影響を与えます。さまざまなプロトコル要件では、小さな制御メッセージから大-スケールデータ転送まで、さまざまなトラフィックパターンを効率的に処理できる柔軟なデータセンター接続ソリューションが必要です。ネットワークアーキテクトは、ファブリックの切り替えを設計し、電気および光学相互接続技術の適切な組み合わせを決定する際に、これらのアプリケーション-特定の要件を考慮する必要があります。
交通の地域とその影響
トラフィックの局所性は、データセンターの接続性の設計上の決定に大きく影響する重要な特性を表しています。通常、TCP接続を介して2つのサーバー間にデータフローが確立されると、トラフィックの局所性の概念は、-ラックトラフィック(同じラック内のサーバー間の通信)と-ラックトラフィック(異なるラックにあるサーバー間の通信)を区別するのに役立ちます。
キャンパスデータセンターおよびエンタープライズプライベートデータセンターでは、- intraラックトラフィックは通常、トラフィック総量の10%から40%のみで構成されています。この比較的低い割合のローカライズされたトラフィックは、これらの施設が分散コンピューティングモデルをサポートするために堅牢な-ラック接続を必要とすることを示唆しています。
逆に、クラウドコンピューティングデータセンターは著しく異なるパターンを示し、-ラックトラフィックは、総トラフィックの最大80%を占める可能性があります。この高度な地域性は、多くの場合、オペレーターがネットワークトラバーサルを最小限に抑えるために同じラック内のかなりのトラフィック量を交換するサーバーを配置する意図的な配置戦略に起因します。

フローサイズと期間
データフローは、ネットワーク設計に影響を与える特徴的なサイズと持続時間パターンを示します。分析により、データセンターのトラフィックの大部分は、通常10 kb未満で、ほとんどが数百ミリ秒以下で持続する軽量の流れで構成されていることが明らかになりました。
トラフィックフローが数秒間持続すると、再構成時間が長くなる光学ネットワーキング機器が実行可能になります。
同時フロー管理
サーバーごとの同時データフローの数は、トポロジーデザインに影響を与える別の重要な要因を表しています。調査によると、ほとんどのデータセンターでは、サーバーあたりの並行データフローの平均数は約10程度になりますが、アプリケーションのワークロードによって異なる場合があります。
この比較的控えめな数は、特定のサーバーペア間の予測可能な高-ボリューム転送、特に特定のトラフィックパターン、特定のトラフィックパターンで光学回路の切り替えが実行可能であることを示唆しています。
パケットサイズ分布パターン
データセンターのパケットサイズは、特徴的なバイモーダル分布を示し、パケットは主に約200バイトと1400バイトのクラスタリングをクラスタリングします。このバイモーダルパターンは、データセンタートラフィックの基本的な性質から生まれます。パケットは、調整と管理を促進する小さな制御メッセージ、またはより大きなファイルの断片のいずれかです。
このパケットサイズ分布は、特にスイッチング効率とバッファー管理の点で、データセンターの接続性設計に重要な意味を持ちます。ネットワーク機器は、小さなパケットと大きなパケットの両方を効果的に処理するために最適化する必要があります。

ネットワーク層全体のリンク使用率

研究レポートは、リンクの使用率がデータセンターネットワーク階層の異なる層によって大きく異なることを一貫して実証しています。ラック内および集約レイヤー内では、リンクの使用率は比較的低い傾向がありますが、コアレイヤーリンクは実質的に高い利用率を経験します。
典型的な展開では、Intra -ラックリンクは1 GB/sで動作します(一部の構成では、サーバーごとに複数の1 GB/sリンクを提供する場合があります)。
主要な利用調査結果
コアレイヤーリンクには、ボトルネックを防ぐために最高の帯域幅が必要です
ラック内の1 gb/sリンクは、多くのアプリケーションの-ターム要件の近くで満たされます
データがネットワークコアに向かって移動すると、トラフィック集約が増加します
将来のデータセンターネットワークの光相互接続
データセンターのネットワークトラフィックの定性的特性は比較的安定したままですが、トラフィックの絶対量は指数関数的な速度で増加し続けています。将来のソリューションは、パフォーマンスとエネルギー効率を維持しながら、この成長に対応するために拡大する必要があります。
データセンターのネットワークトラフィックの成長は、データセンタースケールの拡大だけでなく、サーバーのパフォーマンスの改善からも生じます。 Multi -コアプロセッサの広範な採用により、Inter -サーバー通信要件が引き続きエスカレートされ続ける環境が作成されました。
Amdahlの法則によると、プロセッサ周波数の1 MHzの増加はそれぞれ、メモリ容量の1 MBの増加とI/Oスループットの1 MB/sの増加を必要とします。
通常、2.5 GHzで動作する4つの並列Quad -コアプロセッサで構成されているコンテンポラリーデータセンターサーバーは、サーバーあたり約40 Gb/sの合計I/O帯域幅が必要です。 100,000のサーバーを含む仮想データセンターでは、これは4 pb/sの集約I/O帯域幅要件に変換されます。

より高い-速度イーサネットへの移行
これらの取り付け帯域幅の課題に対処するために、グローバルサービスプロバイダーは、より高い{-帯域幅リンクで既存のネットワークを積極的にアップグレードしています。統計的予測は、100gイーサネットポートの展開が2011年から2016年の間に170%を超える複合年間成長率を経験し、データセンター接続容量の強化の緊急の必要性を反映していることを示しています。
10G
エンタープライズおよびデータセンターネットワークに広く展開され、ほとんどの現在のアプリケーションに十分な帯域幅を提供します。
成熟した技術
コスト-有効
限られた将来のスケーラビリティ
40G / 100G
データセンターのコアと集約層で急速に採用され、増加するトラフィックの需要を処理します。
高い帯域幅
Future -証明
より高い実装コスト
400G+
将来のデータセンターの要件のために開発され、前例のない帯域幅の機能を提供することを約束します。
極端な帯域幅
光学効率
まだ開発中です
エネルギー効率の考慮事項

従来の電気スイッチを介してデータを移動するエネルギーコストは、帯域幅とともにスーパー-を直線的に増加させ、光スイッチング技術を高-帯域幅アプリケーションに対してますます魅力的になります。
光学相互接続技術は、将来のデータセンター接続にいくつかの潜在的な利点を提供します。光信号は、再生なしでより長い距離を通過する可能性があり、電力の必要性-空腹のリピーターを減らします。さらに、光スイッチングは、多数の電気{-から-光学変換を排除し、潜在的にレイテンシと消費電力を削減する可能性があります。
ハイブリッド電気-光学アーキテクチャ
データセンターの接続の将来は、おそらく電気と光学のスイッチング技術を戦略的に組み合わせたハイブリッドアーキテクチャにあります。これらのハイブリッドアプローチは、各テクノロジーの強みを活用しながら、それぞれの弱点を緩和します。
電気パケットスイッチング
多様で予測不可能な交通パターンの取り扱いに優れています
小さく、短い-の生存流の細かい粒度
展開が広まっている成熟した技術
極端な帯域幅でのより高い消費電力
光回路スイッチング
予測可能、高-ボリュームフローの優れた帯域幅
大規模なエネルギー効率の利点
長い-距離接続の低下
動的な流れの再構成時間の課題
最適なトラフィックルーティング戦略
ハイブリッドシステムは通常、マウスフローの電気スイッチングを維持しながら、象の流れの光スイッチング(大きく、長い-産生転送)を採用し、優れた性能と効率を達成します。
ソフトウェア-定義されたネットワークと光学制御
ソフトウェアの出現-定義されたネットワーク(SDN)は、ハイブリッド電気{-光データセンターネットワークを管理するための新しい機会を作成します。 SDNの集中制御プレーンは、トラフィックルーティングについてインテリジェントな決定を下し、実際の-時間トラフィックの特性とネットワーク条件に基づいて、電気パスと光学パス間のフローを動的に割り当てることができます。
データセンター接続に対するこのプログラム可能なアプローチにより、より洗練されたトラフィックエンジニアリングとリソースの最適化戦略が可能になります。 SDNコントローラーは、グローバルネットワークの可視性を活用してトラフィックパターンを予測し、予想される大規模な転送のために光学回路を積極的に構成できます。
アプリケーション-レイヤースケジューラと調整することにより、SDNシステムは、電気スイッチングパスを介して予期しないトラフィックパターンを処理する柔軟性を維持しながら、光学リソースを効率的に利用できるようにします。
光ネットワークの重要なSDN利点
集中制御
最適なリソース割り当てのためのグローバルネットワークの可視性
動的再構成
交通パターンの変化に適応します
交通工学
フロー特性に基づくインテリジェントルーティング
フルサービス!
カスタムポリシーと自動化機能

データセンターの接続性の進化は、トラフィック量の指数関数的な成長とますます要求の厳しいアプリケーション要件によって引き続き促進されています。フローパターン、パケット分布、およびローカリティプロパティを含むデータセンタートラフィックの基本的な特性を理解する- -効果的なネットワークソリューションの設計に不可欠です。
従来の電気スイッチングがスケーラビリティとエネルギー効率の制限に遭遇すると、光学相互接続技術が将来の帯域幅の需要を満たすための有望な代替手段として現れます。データセンター接続の前進パスには、電気スイッチング技術と光学スイッチング技術をインテリジェントに組み合わせた高度なハイブリッドアーキテクチャが含まれる可能性があります。
データセンターの接続に直面している課題は実質的ですが、光学技術、ソフトウェア-定義されたコントロール、およびインテリジェントなトラフィック管理の組み合わせは、スケーラブル、効率的、高-パフォーマンスデータセンターネットワークへの実行可能なパスを提供します。組織が操作をデジタル化し続け、クラウド-ネイティブアーキテクチャを採用するにつれて、堅牢なデータセンター接続の重要性は成長し続けるだけであり、この分野での継続的な研究開発は、ますます接続されている世界をサポートするために重要になります。
データセンターネットワーキングの関連トピック
エッジコンピューティング統合
低い-レイテンシアプリケーションのエッジロケーションへのデータセンターの接続を拡張する
量子ネットワーキング
将来の-校正データセンターが登場しました
安全な接続
データセンターネットワークの堅牢なセキュリティとのバランスをとる
ai -駆動管理
データセンターのトラフィックフローを最適化するための機械学習アプローチ


