京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据中心里 三类数据特征分析
数据中心承载的业务种类多种多样,比如:支付、监控、管理、网站、数据分析等等,数据中心几乎无所不能。纵然这些业务形式相差迥异,但是本质上都是数据,这正是数据中心的核心特征,之所以叫数据中心,就是因为是处理数据的中心,数据中心的所有系统都是围绕着各种数据展开的,有专门对数据进行研究的技术,比如数据挖掘、数据分析师,大数据、人工智能等数据分析技术,通过对数据进行分析、整理,将可以获得数据以外更有价值的东西。尤为重要的是通过对现有业务进行数据分析,包括其细致的应用所占带宽比例,使用频度,未来的增长趋势等。充分了解当前各业务,特别是构成复杂的数据业务,将对数据中心网络优化、扩容、新建等工程实施特别有益。
数据中心的数据可以有多种分类形式,比如按照应用业务来区分:游戏、VoIP、音乐、文件传送、Email、视频等;也可以按照报文长度来分区:63字节、64~511字节、512~1023字节、1024字节以上等;还有一种最为普遍的分类办法就是可以分为:语音、视频和数据,最后一种分类办法对于数据中心网络分析最有用。不难分析,数据中心里的所有应用业务数据都可以分为语音、视频和数据三大类。下面就来详细说说这三类数据的特征,根据这些数据的特征可以有效地对数据中心网络调整,以便可以更好地为这些数据服务。
语音数据
我们平时的说话、听到的各种音乐、噪音等都是语音。语音的特点是平滑,良性的并可以预测。语音数据对丢弃和延迟极为敏感,如果丢弃量比较大,语音听起来就会断断续续,听不清楚,杂音也比较多,如果网络延迟比较大,语音就产生回声。所以数据中心要承载语音数据业务,就需要在延迟和丢弃率方面达到一定要求。一般承载语音业务,要求数据中心网络的延迟要小于150MS,抖动小于30MS,丢弃率小于1%,这样才能保证数据中心网络可传输高质量的语音数据,语音数据一般使用RTP或者UDP 协议传输。
视频数据
视频数据这几年增长飞快,几乎超过了其它数据流量的总和。视频数据量大,包含的内容丰富,显示直观,所以很多应用系统都喜欢使用视频数据。视频数据有一定的突发性,非良性喜好冒进,同样对丢弃和延迟敏感,像很多的高清视频,为保证清晰度,需要很低的丢弃率。{cda数据分析师}现在3D甚至4D大片都不断出现,这样的一个大片就要7到8个G的硬盘空间,传输起来数据量特别大,希望缩短传输的时间,就需要高容量高带宽的数据中心网络。同时视频数据要求数据中心网络的延迟要在150MS以下,抖动小于30MS,丢包率低于1%,一般使用RTP或者UDP 协议传输,视频数据需要较高的网络带宽和大容量的存储硬盘,有些实时在线播放的视频业务,尤其需要高容量的数据中心网络。
普通数据
数据应用种类就太多了,不同应用有不同的流量特征,同一应用的不同版本可能都有巨大的流量特征差异。这类数据的特征是既有平滑也有突发,既有守约也有冒进,不过一般这类数据对延迟和丢弃不敏感。这些数据基本都采用TCP 协议处理方式,TCP 协议有完善的重传机制,当发现有丢包时,会进行TCP 多次重传,这种机制确保了即使网络有丢包,也可以通过重传的方式来补救。当然这种有丢包的网络,会造成大量的TCP重传报文,重传的报文也占流量,自然又加重了网络拥塞,反而可能造成网络丢包率更高,这样有这种重传机制也并不一定就好了。
偶尔的TCP重传没有什么影响,但是如果重传报文数量极多,就会加重网络拥塞,这种机制起了反作用。数据业务其实是非常复杂的,我们并不好去给它下一个特征定义,有的要求高带宽(有大数据分析业务),有的要求大缓存(有突发数据业务),有的要求低延迟(互联网搜索业务),有的要求零丢包(银行支付系统),所以不同的数据对网络的要求是不一样的,这样就需要有区别地对待,在不同的网络环境中来运行不同的业务系统。数据中心网络有丰富的数据分类和标识技术,通过这些技术可以根据不同数据的特征,选择走不同的网络路径,甚至还可以设置优先级,这些技术就好像是交通系统,可以让去往不同地方的车辆走在最适合自己的道路上,同时还可以对救护车、警车等车辆给予高的优先级,允许先通过,不受交通指示灯和管制的限制。
语音、视频和数据是数据中心承载的所有业务的三大类数据,困难之处在于,有时这三类数据在一个数据中心网络里同时存在,而这三类数据对数据中心网络的要求又是不同的,怎样一一去满足,考验着数据中心网络技术人员的智慧。很多时候,甚至要在某些业务上做些牺牲,来保证重要的业务正常运行,这是一个比较复杂的设计工程,并且需要不断地实践和测试。我们常说的网络服务质量保证,即QoS技术就是实现数据之间融合的最为关键的技术,想要让语音、视频、数据在一个数据中心网络里和平共存,就需要部署QoS技术,QoS技术可以在带宽、延迟、抖动和丢包率方面做出各种各样的指导策略,还可以按照业务的重要性标识权重,并要求三大类数据都要遵守,从而确保三类数据在一个数据中心网络里可以和平相处,各自运行着自己的应用业务,互不影响。
数据分析师会把重要的数据可以得到优先处理,量大的数据可以得到较高的网络带宽,各取所需,共同发展。认真领会了数据中心这三类数据的特征非常必要,根据数据特征将可以有针对性地部署QoS策略,为这些数据提供一个最适宜的数据中心网络环境。数据分析师培训
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17