数据中心网络架构 — 云网一体化数据中心网络

云网一体化数据中心网络的需求背景

服务器技术的快速发展带动了数据中心计算、存储能力的飞速提高，随着存储介质读写速度和计算能力的提升，数据中心网络通信时延成为性能进一步提升的瓶颈。特别是面向 HPC、分布式存储、AI 应用等新型业务场景，传统数据中心以太网架构因拥塞易出现分组丢失带来的网络传输瓶颈异常凸显。构建零分组丢失、超高吞吐、超低时延的无损网络，是云网一体化数据中心网络的一大典型需求及特征。

总体上，云网一体化数据中心网络架构的主要需求集中在：

规模可扩展
超低时延无损特性
业务端到端承载
云网协同以及一体化管理和运维
等方面

数据中心网络在应对云网一体化的挑战下，不仅要兼顾原传统 IDC 业务，还需考虑云网融合、5G、人工智能、边缘计算等新业务的综合承载能力。

企业上云要求数据中心网络具备云网融合能力

对于政企大客户而言，更倾向于使用混合云成为上云的主要路径，一些敏感企业数据仍保留在私有云或者专属云中。

目前，运营商纷纷开展云专网、云专线、SD-WAN 等云网融合业务，加强云网基础设施统一规划建设。公有云、私有云、混合云等连接对数据中心网络提出了更高的要求。

随着云计算应用及混合云、多云的普及，要求数据中心网络具备云网融合能力，能够简化管理、自动开通、灵活部署，满足云网融合业务 “一点受理、自动开通、统一运维、自助随选” 等新型业务需求。

5G 及 NFV 加速云化网元进入数据中心

5G 提出了全面云化的网络，采用以数据中心为基础的云化架构，承载在数据中心内独立的电信云网络上。

一方面，5G 核心网云化部署，UPF 将下沉到边缘云。UPF 除了满足互联网、VoLTE 等传统业务需求外，还将分布在综合接入机房以及边缘数据中心，提供 MEC 业务。

另一方面，城域网网元功能逐步迁入 CT 云中，随着转控分离 vBRAS 部署，城域网业务控制面功能转移至数据中心进行云化部署。城域网业务从现在的网元通信也将演变成 CT 云资源池间的通信。

可以预见，5G 云化网元进入数据中心后，城域网流量大幅增长，下沉节点也会成倍增加，用户流量就近入云，用户面流量的 Mesh 化和本地化，会增加大量分布式东西向流量，云网一体化数据中心网络架构将考虑适应该流量模型的可扩展。

其次，5G 的部署还将催生车联网、人工智能、VR/AR 等大量新兴业务，其高带宽、低时延、多连接的特征也需要数据中心网络来满足。业务流量增长还将带动数据的指数增长，给数据中心带来海量计算、存储、智能分析、安全性等要求。

边缘数据中心将成为数据中心新形态

在边缘计算技术逐步成熟后，数据中心的发展将呈现两极化，一方面资源逐步整合，云数据中心规模越来越大，对于大规模组网的性能要求越来越高；另一方面，将涌现大量边缘数据中心，以保障边缘实时性业务性能。

云数据中心将时延敏感型业务卸载，交由边缘数据中心处理，减少网络传输带宽压力和往返时延。边缘数据中心负责实时性、热数据存储业务；云数据中心则负责非实时性、冷数据存储等业务。

在网络中规模引入边缘计算后，如何进行云、网、边高效协同组网，合理分配全网算力资源，满足低时延业务需求，是边缘数据中心网络以及云边协同组网的一大挑战。

AI 等新兴技术应用对数据中心提出超低时延无损需求

随着深度学习算法的突破，人工智能技术发展步入了快车道。深度学习依赖海量的样本数据和强大的计算能力，也推动高性能分布式存储和高性能计算的发展。

高效的 AI 训练需要非常高的网络吞吐来处理大量的数据，大量的数据将会在计算、存储节点之间传送。通常情况，在低于 10% 链路带宽利用率的低负载流量环境下，流量突发引起的网络的分组丢失率也接近 1%，而这 1% 的分组丢失在 AI 运算系统中直接带来的算力损失接近 50%。
随着业务负载增加，数据中心分布式 “多打一” 流量逐步增多，网络分组丢失也越来越严重。分组丢失和时延引起的网络重传会进一步降低网络的吞吐量，使模型训练的效率大大下降，甚至导致训练的失败。