
数据中心交换机行业没有领导者
尽管有多年的创新和上百万美金的投入,但是没有一个网络厂商在数据中心交换机fabric市场树立了领导地位。
近五年,几乎每个厂商都发布了新一代的数据中心交换机和fabric。这些交换机不但有更快的带宽,更低的延迟和更高的端口密度,它们还有大量数据中心架构技术上的创新。不要忘了,回到2011年,在软件定义网络颠覆行业之前,数据中心fabric在网络技术中还是相当有名的。
数据中心fabricde是为了让企业在一个高度虚拟化的数据中心或云中为服务器到服务器流量部署任意到任意连接的大型二层网络。思科在它的Nexus数据中心交换机上有基于TRILL的fabricPath;Brocade在他的VDX交换机上有基于TRILL的VCS;Avaya将SPB融入他的VENA架构;Juniper走的更远,提供Qfabric,他能将整个网络压缩为一层,这样二层多路径就不再重要。
所有这些技术都有拥护者,但是谁都没能赢得整个市场。思科也不例外。最近几个月两大前沿分析公司发布了数据中心网络行业的市场评估Gartner的魔力象限和Forrester Research的WAVE。没有一个分析将厂家放在了主导位置。这样的情况很少见,即使你觉得这些市场评估如何的天花乱坠。
Juniper由于很晚才采用Qfabric而在市场中受挫,它因期望过高而饱尝失望。思科也许销售了上千台Nexus交换机,但是有多少客户激活了fabricPath序列号?我和许多Nexus客户交流过,但是没有一个客户告诉我他们在生产中使用了fabricPath。如果思科能尽早让fabric得到认可,我想我早就应该和许多拥护fabricPath的人交流过了。
我曾和一些使用VCS、Qfabric的Brocade和Juniper的客户谈过,但是这些厂商早就知道不是每个人在市场上都为下一代数据中心网络做好准备。这两个厂商都曾建立了园区还有数据中心交换机产品线,而现在他们都撤出了。
Juniper新的EX9200在某种程度上承认了不是所有人将采用Qfabric,Juniper将EX9200一个重新包装的MX路由器定位于园区和数据中心核心平台。而Brocade更多的成功来自于数据中心里的VCS fabric和VDX交换机,它最近发布了新的ICX 6650交换机。Brocade的ICX交换机是企业园区产品的一部分,但是Brocade还推荐在non-fabric 数据中心使用1.6Tbps 6650 作为架顶式或列末交换机。
就算是思科成功的Nexus产品也没能够从客户数据中心驱走老的Catalyst 6500。我和仍在数据中心使用经典的Catalyst 6500(不是更新的Catalyst 6500-E)的网络工程师交流过,他们不打算在近期要撤走Catalyst 6500。对于前几年搭建的传统数据中心网络,这些用户很满意。
如今行业需要应对SDN。很多SDN厂商承诺解决一些问题,这些问题原来由数据中心fabrics解决。许多网络架构师不是很清楚fabrics和SDN将如何解决是买这个还是那个?或者都买?
我不认为厂商已经错过了fabric的机会。很多网络架构师会在未来几年考虑使用数据中心fabrics。但是所有厂商必须证明些东西。Forrester和 Gartner展示的行业低谷不是偶然。每个厂商都要确保自己的技术满足能客户的需要,然后每个厂商要向客户证明自己的技术是最好的。
最好是什么意思?解决方案需要真正解决高度虚拟化数据中心问题(低延迟,东-西流量);它要能兼容第三方平台(云架构,管理程序,安全);它要能简化操作;它要得到厂商良好的支持,因为这是新的技术;它要可用。最近几年,一些厂商生产的核心交换机有代码漏洞。最后,这些厂商需要解释fabrics和SND如何共同存在数据中心中。很多人已经开始着手此事,未来会有更多的讨论由此展开,特别是SDN的真正的潜力还不明朗。
同时,厂商需要意识到一鞋难合众人脚。一些网络技术人员不需要Nexus7000或完整的Qfabric部署。他们宁愿坚持使用Catalyst 6500s或EX交换机,对于只需要保证Exchange和Sharepoint正常运行的企业,这没什么不好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08