ZDNET网络频道 05月19日 综合消息: 在5月19日“2015全球未来网络暨SDN技术大会”下午的平行会议“SDN/NFV应用及探索”上,来自NTT通信的技术研发经理Tatsuo Mori阐述了SDN在运营商服务中的应用。
以下是演讲速录(内容未经确认):
我叫Tatsuo Mori,来自NTT,是技术部门,也是科技研发小组,主要是用于通信方面的。我来中国已经十多次了,这也是我工作的重要部分,虽然我看起来非常年轻。非常高兴再次回到中国,上次我也参加了这个会议,感谢大家的邀请。
上次会议之后,我在考虑今天的演讲话题,今天主要讲到运营商服务方面对SDN的一些应用,在去年我的演讲包括NTT的通信,包括它的服务,同时也谈到了企业云与SDN,包括去年最后一个话题也就是接下来未来会如何。那么今天我的主要演讲话题,第一个NTT的通讯以及SDN及NFV相关的,主要对去年做一个更新。稍候我会花一些时间讨论一下我们目前面临的挑战,比如说在云无缝网络方面。
NTT是一个控股公司,旗下有诸多的分公司。在昨天我的另一位同事下午在演讲过程中,他与我来自同一个公司。大家可能知道NTT,这个是我们的移动网的一个业务,同时NTT也是一个地方技术运营商,在中国非常知名的。对于NTT的通讯来说,我们主要提供一些通信服务,比如说宽待网、高速网络,包括一些常用的商业企业网络。我们目前业务遍及全球,有很多在全球各地都有分支机构。我们在包括中国在内的不少国家都有业务,包括广州、上海,在不少城市也有自己的代表办公室。
我们也有一些分支机构今年也是新建的。我们现在开始部署一些其他的功能,数据中心更加的安全,这对我们的一些大客户而言是非常重要的。我们现在的客户能够通过客户的端口来更多的访问到数据中心,一方面数据访问更方便,这是我们的SDN的服务,去年开始的。这也就是我们所提供的一个无缝云网络。那么传统而言,它们会对VPN服务收费和访问大数据中心收费,那么这种连接的收费,但是我们却是不收费的,这也就是我们的竞争力,所以我们收的费用更少,我们去年开始落实这样的部署。
接下来我给大家谈一谈,我们现在面临哪些挑战,在无缝云网络当中,我们面临哪些挑战。主要是从两个角度来谈,第一个从服务的角度,然后从我们所做的一些事情方面面临的挑战。首先是网关的功能,尤其是这个数据中心网络和VPN之间的网关功能。现在云的服务主要是由VLAN所分离开来。在VPN方面,我们的网关必须连接VLAN和VPLS。当一个客户从客户端发送定单的时候,他首先会去数据中心部门,然后一部分的会被转发到VPN服务中心。然后他们会做一些人工的这些核算,然后存入大数据中心,这差不多周期要有两个礼拜,来让这个服务上线。我们做了一些什么事情来进行改变呢?我们做了一个相关的实践,当我们的客户提供定单的时候,我们的系统会到集成器这,集成器会通过PI传送到系统当中,然后SDN控制器会产生一些流到网关,这是基于Open Flow的,然后从GBN传送到另一端。我们认识到的一个问题,我们实现了什么呢?从客户改变了一些信息,它从VPN方面改变了一些信息,然后我们的网络就能够直接与这样的一个控制器进行对话,它能够直接的了解到变化是什么。那么之前如果客户要发送定单,然后会要进行一些配置,经过许多的节点过程从而变得更加的简化,速度也更快,周期缩短了这个带宽和速度也变得更快了。
那么我们在这个架构的部署是怎样的呢?首先我们选一个白盒的方式来实现SDN节点的开发。我们选择一些白盒交换机,然后安装一些软件,然后会用一些算法和节点,那么接下来就会从控制方面的部署。
我们用Ryu,我们昨天已经在展示当中给大家介绍过了。然后我们还会用其他的开源软件来进行部署,一般是Open Flow、BGP和其他的一些东西。然后我们会有我们内部的集成器的开发,这包括我们的数据中心,还有VPN方面的一些信息。我们将它整合到一块,来使SDN控制器对其进行管理。那么我们面临着哪些方面的挑战呢?从节点而言,我们必须要协调节点资源的配置,我们怎么来实现呢?如何来调整这些功能呢?这是有很多的东西可以来实现,比如说QOS做了很多的实现,缓冲在哪里,碎片怎么处理,我们是在v4还是v6进行部署呢?这里有很多协议我们需要进行思考。我们要想我们的情景当中,对控制面和数据面如何进行分离,我们要想一想,我们如何才能和客户进行更好的这样的一种用户体验的提供,这是一种新的构架当中的功能,接下来我会仔细谈新的构架。从控制面来说,我们必须要创造一些必要的协议和管理功能方面的开发,我们开发了一些BGB、VRP,还有等等,这些都是非常好的进展,也是非常难的。我们要确保这些功能的可靠性,尤其在节点要实现更高的可靠性,因为我们在设计方面,为了提升可靠性也做了一些调整,我们还使用了很多OSS软件,所以我们有一些语言的库的漏洞,然后也会有一些这个中间件方面的漏洞。我们是自己解决这些问题呢,还是与其他人合作来解决这方面的问题,这些都是我们要进一步思考的。首先这个挑战就是在数据面方面的挑战,我们多表的设计,主要是依据Open Flow1.3版建立的,然后这个表的数量是10个左右,有很多的流,每一个表上都有很多的流。然后我们设计了这样的一个流。然后它们能够形成一个更大的表,如果这个表当中有一流,B表有二流,C表有二流,我们发现1流乘以2流,乘以2流,这能够帮助我们更好的处理更多的流量。但是随着我们这个流不断地增长会出现什么样的情况呢,如果以传统的方式我们的表增加,但不是以指数型的,而不是以一个表融合更多的流的方式,而是一个表负责一个流,这样的流量处理将会造成很多的问题。我们改变了这个流表,从这个节点方面改变了我们的流表。这是我们所作出的一个改变。
我们创造了一些新的模式,我们有十个表,但是我们每一个,我们会有很多不同的表的模型,我们不知道,然后我们创造了一些模式,然后做了一些测试,我们选择最好的,最优化的结果,来用到我们的设计当中,这能帮助我们更好的满足客户的需求。这是我们在数据面方面面临的一个挑战,那么另外一个挑战,我所选择今天要给大家分享的就是控制功能的应用或实践方面的一些挑战,最初我们想要创造一些C面的,然后在它之上的一些部署,然后数据面方面,我认为这是Open Flow基础上最基础的一些构架或者设计。然后我们意识到了一个什么问题呢?DCP,如果节点之间的连接不够的话,那么它可能会造成一些流量上的问题,那么控制面上的问题也会影响到数据面,我们的客户不能接受这样的结果,过去我们不能那么做,但是这确实现实的问题。我们偶合了一些功能,同时有一些他们的控制功能,不管是在北口还是南口都会有一些特殊的功能。比如说在某一些节点关节地方,我们不管是内部的转换交流而言,其实整个的数据流量,都是以这种方式来进行。同时我们也希望了解,哪一种方式能够更加简便,能够让我们保持我们良好的服务水平。我相信现在应该还没有对这种新型的技术加以应用,但是我相信通过设计,我们在APP加大对它的应用,我相信我们会走向下一步。
对于下一步,将来会发生什么,也就是说对于大家的关注点有什么,这个我主要向大家展示的里面有数据中心在中间部分,还有下层的一些服务的,对于客户服务,我们在上面在整个图片的上面也有所反映。这个大家看到图片里面的右侧,乃至左侧我们也显示出了不少的网关。区域一是云NW,对于区域二是NFV,区域三是转移SDN控制器,区域四就是整个的协调人。我相信在三年之前我们有非常多的进展,在设计方面我们也是信心鼓舞。刚才我们提到的是云NW,对于区域二里面的NFV而言,我们涉及到的NFV的平台以及需要运营商等级提供的NFV服务。
对于刚才提到的第三部分,也就是转移SDN控制器这方面,我们需要控制提供多层级的这种传输NW。对于第四个区域提到的协调人来说,主要是资源API协调平台,就是用于各种的控制器。对于我今天演讲的内容或者说就目前该项技术在行业的应用来说,我们可以这样讲,在某种程度上,我们可以这样来理解,对于SDN它带来的好处,它可以提高我们的业务灵活度,它也可以微调我们的软件,使它能够在变换的场景中更好的符合我们的个性化所用。同时也可以自动的修复一些病毒。另一方面就是它比我们预想的能够更快速的进行一些转换、转变。那么对于OSS的期待是什么?对于开发一些高水平、高科技的这种功能,比如说BGP,由我们自己亲力亲为的来进行研发,我认为现在正当其时。同时我们也可以在OSS整个社区提供最基本功能的情况下,我们甚至可以应用到OS整个的SDN。对于SDN整个范围内合盒子的预期,我们有不少的一些在这个项目之初,我们有不少的考虑范围,并且我们也可以扩大SDN的服务,运用于其他的服务领域,乃至于一些服务的项目。
所有的这些既是作为我演讲的一个归纳和总结,同时也作为对当前技术的一个总揽概括。刚才最后有提到SDN它给我们带来的好处,也提到在整个SDN范围内,我们对于白盒子的期待,我相信我们会有更多的可能性来走向下一步,来进步。所以我期待着,我们的工程师们能够运用它非常核心的功能,用于我们的通信,用于我们的沟通,我相信通过这样会让我们的SDN走向下一步。
我今天就是演讲结束,非常感谢大家。
好文章,需要你的鼓励
第一资本就凭借着对数据资源的差异化运用成功脱颖而出。”这样的基础不仅彻底改变了该公司进军银行业的方式,还建立起良性循环,使得更好的数据支撑起更强大的分析能力,进而改善客户交互并产生出更多数据。
Fortinet有着三大重要组成部分,“安全组网”、“unified SASE(统一SASE)”、“AI赋能安全组网”过去三年同比平均增长了14.6%、21.7%、22.3%,远超行业同期的9%、19%、14%的增长率。
近日Max Chan和我们分享了Avnet公司在现代数字领域得到的经验教训,从优化云支出到利用AI提高客户满意度。
金融服务公司Discover Financial Services采用容器化方法来实现其工作负载的敏捷性和灵活性,同时探索生成式AI的长期优势。