数据中心的东西向流量与SDN的关系体现在很多SDN解决方案是为了解决该类动态流量带来的挑战的。当前网络行业不缺探讨东西流量和SDN解决方案关系的话题。
为了更详细地凸显这一关系,让我们看看SDN在简化执行和管理东西流量网络策略、动态多租户以及分离每个客户东西流量的能力。
首先,很多数据中心和云的SDN解决方案将网络虚拟化视作未来发展方向。虽然其他网络工程师可能会抗拒并将话题转向虚拟LAN或多协议标签交换VPN(这是多年来物理网络分割的方式),但还是有一个关键的不同,在SDN中网络虚拟化显示了更高级的网络抽象,可帮助简化策略执行和管理。
假设一个组织需要对一个东西流量子集执行策略(比如说在两个工作负载或虚拟机间过滤流量)。网络实施这一策略,包过滤或规则必须在各种设备上进行手动配置。如果其中一个工作负载悄悄的迁移至网络团队,所需的配置可能不会到新设备上(数据包进入网络的设备)。
同时,随着策略发生变化,对每台基础设备进行手动更新包过滤也将成为一个难题。SDN解决方案可是实现更高级的网络抽象,使这些策略应该用于一个集中的虚拟网络的控制器中,而非物理网络。由此产生的策略可能会分放并应用于底层的物理网络中。这简化了策略管理和执行,因为不管工作负载处在网络中的哪个位置,虚拟层的策略执行了。
其次,让我们看看数据中心多租户,当其应用于东西向流量的时候。设想一下用户试图在多租户云中增加多个工作负载或实例(类似Web服务器和数据库服务器这种)。用户可能想要将其特定的工作负载及由其产生的东西流量与其他用户分隔开来。毫无疑问,在传统网络中手动配置这些类型的服务是一种操作负担。
在上百个交换机上配置端口和VLAN需要大量的工作。添加隔离的3层服务或额外的如负载均衡这样的网络功能又进一步将这种问题复杂化。因此,许多SDN解决方案为多租户提供更高级别的抽象,简化了所需连接的部署。更重要的是,这些SDN解决方案将网络视作整体,能够让所需的连接以一种集中化的方式部署或取消,而非在每台设备上。
总而言之,当我们强调东西流量和SDN的关系时,自然避不开经常出现的这两个例子,SDN具备真正的解决方案和适用性。
好文章,需要你的鼓励
OpenAI推出ChatGPT Health专用功能,旨在为每日4000万医疗咨询用户提供更准确的健康信息。该功能可整合个人医疗记录和可穿戴设备数据,帮助用户准备就医问诊、制定饮食和运动计划等。OpenAI强调此功能不替代医疗诊断,仅用于日常健康咨询。系统采用专门加密和隔离保护,健康对话数据不用于模型训练,目前需加入等候名单体验。
上海AI实验室开发RePro训练方法,通过将AI推理过程类比为优化问题,教会AI避免过度思考。该方法通过评估推理步骤的进步幅度和稳定性,显著提升了模型在数学、科学和编程任务上的表现,准确率提升5-6个百分点,同时大幅减少无效推理,为高效AI系统发展提供新思路。
福特在2026年消费电子展上宣布正在开发AI助手,将于2026年初首先在其智能手机应用中推出,2027年扩展至车辆。该助手基于谷歌云平台和现成大语言模型构建,可回答车辆载重等高层问题及机油寿命等实时信息。同时,福特还预告了新一代BlueCruise系统,成本降低30%,将于2027年在首款通用电动车平台中型皮卡上首发,并承诺2028年实现免视线驾驶功能。
MIT团队开发的VLASH技术首次解决了机器人动作断续、反应迟缓的根本问题。通过"未来状态感知"让机器人边执行边思考,实现了最高2.03倍的速度提升和17.4倍的反应延迟改善,成功展示了机器人打乒乓球等高难度任务,为机器人在动态环境中的应用开辟了新可能性。