
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23