开放网络+私有云=?星融元的私有云承载网络解决方案实例

2023-12-30 07:52

本文主要是介绍开放网络+私有云=?星融元的私有云承载网络解决方案实例,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在全世界范围内的云服务市场上,开放网络一直是一个备受关注的话题。相比于传统供应商的网络设备,开放网络具备软硬件解耦、云原生、可选组件丰富等优势,对云服务商和超大型企业有足够的吸引力。

SONiC作为开源的网络操作系统,使得新一代网络中的高级可编程性成为现实。在Gartner 2023年发布的企业网络技术成熟度曲线中,由微软发起并开源的SONiC已经取代了往年“开放网络”的概念,并被Gartner称为“网络领域的Linux”,SONiC无疑成为了开放网络操作系统的最佳选择。包括微软、阿里巴巴在内的诸多云服务商选择在自己的生产环境中运行SONiC,以获得更高的性价比和灵活性,同时摆脱对传统网络设备厂商的依赖。

图片

相较于头部云服务商基于SONiC架构自研操作系统的做法,另一种更具性价比的方案备受青睐:采购支持SONiC的白盒交换机,并运行开源版本的SONiC软件,T就选择了这种方案。

T是一家全球化的通信服务提供商,为客户提供基于云的服务,帮助企业通过API建立和扩大他们的通信能力。T的网络基础设施遍及全球,基于自身的私有全球云网络,他们可以为客户提供比传统电信公司更优质、更可靠的服务。

在长期实践中,T享受了开放网络的便利,也遇到了种种挑战:

◎首先,SONiC的开源版本迭代周期长,并且没有明确的路标可供参考。当急需某个开源版本不具备的特性时,通常需要被动等待很久,而自行开发又需要大量的研发投入,如何平衡等待时间与研发投入之间的关系成了一个问题。

◎其次,开源版本存在不少已知或未知的bug,运维人员(通常是网络工程师)并不具备直接解决这些bug的能力,在生产环境上规避bug给运维人员增加了大量不必要的工作量。

星融元私有云承载网络解决方案助力T客户构建自身网络

星融元的SONiC企业发行版AsterNOS凭借脱胎于SONiC的开放性及标准化能力,联合行业领先的OpenStack软件供应商Canonical形成了完整的私有云解决方案,采用全盒式CLOS架构、高性能网络Overlay、统一云管、INT遥测-全面掌握网络安全,解决了传统数据中心网络转发性能瓶颈、功能扩展受限、部署运维低效等问题。T通过采购星融元CX-N系列交换机,使用星融元私有云承载网络解决方案,攻克了种种技术难题。

✦全盒式CLOS架构提升接入层与汇聚层的高可靠性

星融元私有云网络解决方案采用星融元CX-N系列全盒式设备构建CLOS架构网络,单Pod最大可支持10W+虚机条目;同时还可以进行多Pod扩展,以实现更大规模的网络接入能力;结合BGP等价路由负载、MC-LAG、Monitor-Link联动等技术实现接入层和汇聚层的高可靠保护机制。

AsterNOS在开源版本的基础上对数据中心常用功能如BGP EVPN和VXLAN做了增强,并领先于开源版本提供了EVPN Multihoming能力,使T客户在接入层可靠性上多了一种更高效的选择。

图片

CX-N全开放NOS提升用户网络管控效率

CX-N系列交换机搭载的AsterNOS是星融元为云计算业务场景设计开发的一款全开放、高性能、高可靠、功能易扩展的云网操作系统。采用了标准的Linux内核、开放的容器化架构,并向最终用户提供系统集成环境与开发套件,支持用户将运营经验工具化的插件、新业务功能模块集成部署在AsterNOS之上,提升最终用户网络管控的效率以及满足新业务场景对网络功能的需求。

T使用的Prometheus + Grafana的运维组合,在过往的运维经历中和设备的相性并不很好,而AsterNOS可以将Prometheus运行在容器化环境中,从而能够更高效地获取设备的KPI指标,从而提升运维效率。

图片

星融元持续致力于开放网络领域,为客户提供标准化、开放的产品和解决方案的同时,通过丰富的研发和运维经验将客户需求落实到具体的解决方案,帮助客户更好地拥抱开放网络。

CX-N系列产品在T客户这一全球化的通信服务提供商私有云领域的成功商用,一方面为我们树立了业界标杆,也提供了持续推动开源网络发展的信心;另一方面也为云服务商的网络架构优化提供了参考:星融元致力于为客户降低TCO,提供统一纳管、高效运维的产品,可为云数据中心多业务融合、高性能计算、大数据分析等多种业务场景提供卓越的网络服务。

这篇关于开放网络+私有云=?星融元的私有云承载网络解决方案实例的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/552192

相关文章

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

ASIO网络调试助手之一:简介

多年前,写过几篇《Boost.Asio C++网络编程》的学习文章,一直没机会实践。最近项目中用到了Asio,于是抽空写了个网络调试助手。 开发环境: Win10 Qt5.12.6 + Asio(standalone) + spdlog 支持协议: UDP + TCP Client + TCP Server 独立的Asio(http://www.think-async.com)只包含了头文件,不依

poj 3181 网络流,建图。

题意: 农夫约翰为他的牛准备了F种食物和D种饮料。 每头牛都有各自喜欢的食物和饮料,而每种食物和饮料都只能分配给一头牛。 问最多能有多少头牛可以同时得到喜欢的食物和饮料。 解析: 由于要同时得到喜欢的食物和饮料,所以网络流建图的时候要把牛拆点了。 如下建图: s -> 食物 -> 牛1 -> 牛2 -> 饮料 -> t 所以分配一下点: s  =  0, 牛1= 1~

poj 3068 有流量限制的最小费用网络流

题意: m条有向边连接了n个仓库,每条边都有一定费用。 将两种危险品从0运到n-1,除了起点和终点外,危险品不能放在一起,也不能走相同的路径。 求最小的费用是多少。 解析: 抽象出一个源点s一个汇点t,源点与0相连,费用为0,容量为2。 汇点与n - 1相连,费用为0,容量为2。 每条边之间也相连,费用为每条边的费用,容量为1。 建图完毕之后,求一条流量为2的最小费用流就行了

poj 2112 网络流+二分

题意: k台挤奶机,c头牛,每台挤奶机可以挤m头牛。 现在给出每只牛到挤奶机的距离矩阵,求最小化牛的最大路程。 解析: 最大值最小化,最小值最大化,用二分来做。 先求出两点之间的最短距离。 然后二分匹配牛到挤奶机的最大路程,匹配中的判断是在这个最大路程下,是否牛的数量达到c只。 如何求牛的数量呢,用网络流来做。 从源点到牛引一条容量为1的边,然后挤奶机到汇点引一条容量为m的边

C++操作符重载实例(独立函数)

C++操作符重载实例,我们把坐标值CVector的加法进行重载,计算c3=c1+c2时,也就是计算x3=x1+x2,y3=y1+y2,今天我们以独立函数的方式重载操作符+(加号),以下是C++代码: c1802.cpp源代码: D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数

实例:如何统计当前主机的连接状态和连接数

统计当前主机的连接状态和连接数 在 Linux 中,可使用 ss 命令来查看主机的网络连接状态。以下是统计当前主机连接状态和连接主机数量的具体操作。 1. 统计当前主机的连接状态 使用 ss 命令结合 grep、cut、sort 和 uniq 命令来统计当前主机的 TCP 连接状态。 ss -nta | grep -v '^State' | cut -d " " -f 1 | sort |

配置InfiniBand (IB) 和 RDMA over Converged Ethernet (RoCE) 网络

配置InfiniBand (IB) 和 RDMA over Converged Ethernet (RoCE) 网络 服务器端配置 在服务器端,你需要确保安装了必要的驱动程序和软件包,并且正确配置了网络接口。 安装 OFED 首先,安装 Open Fabrics Enterprise Distribution (OFED),它包含了 InfiniBand 所需的驱动程序和库。 sudo

【机器学习】高斯网络的基本概念和应用领域

引言 高斯网络(Gaussian Network)通常指的是一个概率图模型,其中所有的随机变量(或节点)都遵循高斯分布 文章目录 引言一、高斯网络(Gaussian Network)1.1 高斯过程(Gaussian Process)1.2 高斯混合模型(Gaussian Mixture Model)1.3 应用1.4 总结 二、高斯网络的应用2.1 机器学习2.2 统计学2.3