大数据时代数据中心布线系统发展趋势
每天生活里面很多时候跟我们现在大数据的产生都是有影响的。在现有的3G以及下一代4G网络层面上，包括今后大量发展物联网的趋势，以及三网合一，所有的跟生活密切相关技术的发展，势必会影响数据流量大量的产生。大数据跟云计算还是有一定的关系，今天谈的不是怎么分析大数据，主题讲的是大数据背后需要什么样的网络和系统来支撑。
IT非常熟悉的专业人士，网络大量采用着IP网络。可以看到全球IP的增量，每年基于IP通信协议的，目前互联网行业电信、金融、政府这些行业里面占数据流量比例增长速度越来越快，特别是目前互联网上的视频流量使得数据增长速度更快。整个全球数据量，可以看到2015年和2010年之间所产生数据量的对比差别非常大。随着周边网络和应用技术的发展，势必会影响数据增长的速度远远超过以前所产生的数据流量。未来十年数据量是现有数据量的50倍左右，大家现在手机用的要么就是安卓，要是就是苹果的系统，大家用的都是智能手机，智能手机促进了移动互联网非常大的发展。从中国移动互联网预测可以看到，2013年和2012年增长已经70%、80%。
还有一点就是物联网，物联网跟网络有关吗？当然。物联网是一个应用方式，物联网有应用层、感知层。感知层从传感器市场中可以看到每年的增量大幅度增加，物联网市场规模从2010年到2015年，移动互联网大家都是操作终端产生的数据量，很多东西都是采用传感器的方式，不断的往数据中心传输数据的时候，它的数据量是惊人的。因为移动终端一个人控制一台，但是很多物联网所有的物体我们都在说万物物联，可以考虑到网络数据容量需要多大的存储才能满足要求。这些都会导致我们今天所谈的大数据，云计算相关问题的出现。
第一数据中心虚拟化技术和云计算，云计算是基于虚拟化技术所提供的IT的服务。虚拟化技术和云计算的服务模式为大数据产生提供了一些技术保障。快速发展的云计算服务应用也是形成我们大数据的一个比较大的推力。反过来看基于现在的状况网络上有什么样的变化，首先虚拟化技术是云计算技术的核心。服务器虚拟化是最早大量应用的技术。的当我们一台服务器变成虚拟化之后，里面的动态可以支撑很多应用程序，应用程序相互之间可以进行动态式的分布。当有设备进行建设的时候会把服务牵引到其他的服务器这是一个非常动态的过程。有一台机器可能支撑了传统服务器里面的二十倍或者几十倍的数据量。所有数据中心围绕数据进行，没有数据的数据中心是“房地产”，所以数据非常重要。
压力非常大的时候对布线系统有非常大的挑战，当服务器虚拟化的时候我们需要更加有弹性的网络设备，网络虚拟化也是一个非常重要的方式。当我们以前大量推数据中心，虚拟化会采用大二层网络架构支撑大数据或者云计算的需要。最终的好处是把网络架构减少之后，会让数据的传输设备与设备之间延时降到最低于这对于虚拟化数据城市是一个非常基础的要求。
大家可以看到核心网络设备比如交换机变成一个交换集群的时候，会发现连接关系非常复杂那么对于管理也是一个挑战。
数据中心网络连接大二层的方式，采用虚拟化的核心网络，我们主干里面越来越多采用万兆光纤连接。万兆解决方案有几种解决方案可以解决。
从网络趋势来看可以看到2013年40G到100G是越来越多的用户试水的一年。2013年以后万兆网络发展速度非常快。大家越来越的听到TOR，这是新的建设的方式，现在基于TOR方式更容易实现整机柜的交付。它的好处就要速度非常快。机柜内部到网络连接前面都做好，现场就是把机柜外面光纤主干部分和核心网络连接，就实现了数据中心快速部署的功能。
现在很多客户做500个机柜两个礼拜就可以做成。在做整个网络基础架构布线系统，桥架这些设计施工的时候，不影响机柜的交付，不需要机柜先到再做布线和相应安装。
整机柜交付的实例：包括这机柜、布线系统等等同时交付。刚才提到万兆介入层网络，万兆供大家选择的有：10G以太网数据中心主流服务器网卡。万兆里面光的5万卡会贵一些另外一些就是SFP+网卡，光的网卡是SFP+功耗差不多，大概是两三瓦左右。万兆的网络端口功耗相对比较大一些。当然有一些人跟我讲节能型的以太网自动唤醒功能，当服务器机柜没有那么大的数据量的时候数据很小。但是现在大家都在讲大数据，云计算的时候是希望用尽每一台服务器潜在的能力，这时候怎么能让它休眠呢。现在技术层面来讲，万兆功耗逐年下降，现在还没有达到特别理想的状态，还在观望。
光的技术上是没有问题，包括功耗和管理密度，还是距离也好，都占有非常大的优势，都没有问题。但是最大的问题就是价格偏贵。还有铜的，它的好处距离够了，100米，功耗是偏大，4到6瓦，前几年是十几瓦现在是6瓦左右比较普遍，还不是特别理想。
直径相对闭光纤粗一些，会占用空间。
基于刚才分析的万兆网络应用，可以大致做一个小结：光的技术OK，关键就是价格偏贵。第二个万兆功耗偏高，价格可能有一定的优势，目前来讲价格上面比光有优势。数据中心主干当接入层进入万兆主干就要用40G网络。主干里面，40G、100G主要用到HDA，多模光纤可以支持100米、50米，多膜光纤价格也有优势，会大量用在数据中心今后的机房里面。新的标准，特别是100G新的标准也正在变化。目前要建设40G、100G的连接只能采用单膜的光纤，4现在接入机房没办法等待铜缆。
为什么现在会采用MTP的方式呢？现在是万兆，当升级到40G和100G的时候，直接升级把两边面板和MTP取代，这对今后网络来讲需要有前端性的设计，这是目前大量使用MTP光纤的原因。如果不采用这个今后不可能升级到40G和100G的网络。
虚拟化网络有一个非常复杂的网络架构，对布置线部署是一个挑战。智能布线可以把你曾经恶梦般的网络有这样一个工具帮助你做的非常整洁，这就是智能基础设施的，罗森伯格的叫Pyxis系统，它的特点是由服务器、管理软件等组成的。核心是能够自动的帮你指引。根据ANSI/TIA五和ISO/IEC标准，两个标准的相同的要求：1、自动频测连接状态及更新记录
2、自动非授权操作产生报警功能
3、自动生成电子工作单
4、输出实时统计的报表
5、图形化（CAD）作端口物理位置定位
⑵ 大数据在网络优化中大有可为
大数据在网络优化中大有可为
网络优化是确保网络质量，提升网络资源利用率的有效手段。近年来，随着网络容量的不断提升、网络用户数的不断增加、网络设备的多样化，用新技术和新方法替代传统网络优化手段成为一种趋势，尤其是在大数据分析技术的兴起下，其在网络优化中的作用日渐突出。
网络优化的传统手段
网络优化是通过对现已投入运营的网络进行话务数据分析、现场测试数据采集、参数分析、硬件检查等，找出影响网络质量的原因，并且通过参数的修改、网络结构的调整、设备配置的调整和采取某些技术手段，确保系统高质量的运行，使现有网络资源获得最佳效益，以最经济的投入获得最大的收益。一般而言，传统的网络优化有以下几种方法：
一、话务统计分析法：通过话务统计报告中的各项指标，可以了解和分析基站的话务分布及变化情况，分析出网络逻辑或物理参数设置的不合理、网络结构的不合理、话务量不均、频率干扰及硬件故障等问题。
二、DT&CQT测试法：从用户的角度，借助测试仪表对网络进行驱车和定点测试。可分析空中接口的信令、覆盖服务、基站分布、呼叫失败、干扰、掉话等现象，定位异常事件的原因，为制定网络优化方案和实施网络优化提供依据。
三、用户投诉：通过用户投诉了解网络质量。即通过无处不在的用户通话发现的问题，进一步了解网络服务状况。
四、信令分析法：主要针对A接口、Abis等接口的数据进行跟踪分析。发现和定位切换局数据不全、信令负荷、硬件故障及话务量不均以及上、下行链路路径损耗过大的问题，还可以发现小区覆盖、一些无线干扰及隐性硬件故障等问题。
五、数据库核查与参数分析：对网络规划数据和现网配置参数、网络结构数据进行核查，找出网络数据中明显的数据错误，对参数设置策略进行合理性分析和总结。
六、网络设备告警的排查处理：硬件故障告警一般具有突发性，为了减小对用户的影响，需要快速的响应和处理。通过告警检查处理设备问题，保障设备的可用性，避免因设备告警导致网络性能问题。
在实际工作中，这几种方法都是相辅相成、互为印证的关系。网络优化就是利用上述几种方法，围绕接通率、掉话率、拥塞率和切换成功率等指标，通过性能统计测试数据分析制定实施优化方案系统调整重新制定优化目标性能统计测试的螺旋式循环上升，达到网络质量明显改善的目的。
网络优化亟待创新
当前，随着用户数的不断增长，随着网络容量的不断增加，随着网络复杂度的不断提升，以及网络设备的多样化，网络优化工作的难度正在不断提升，网络优化的方法和手段亟待创新。
首先，网络优化是一项技术难度大、涉及范围广、人员素质要求较高的工作，涉及的技术领域有交换技术、无线技术、频率配置、切换和和信令、话务统计分析等。传统网络优化工作多依赖于技术人员的经验，依赖人工进行统计分析。网络优化的自动化程度较低，优化过程需耗费大量的时间、人力、物力，造成了大量的资源浪费，影响网络问题解决的时效性。另外，优化工程师借助于个人经验对网络数据进行分析和对比，而非根据网络相关的数据综合得出优化方案，存在一定的局限性。
其次，随着我国移动通信事业迅速发展，我国移动互联网发展已正式进入全民时代，截至2014年1月，我国手机网民规模已达5亿。网络结构日益复杂，数据业务已经成为移动通信网络主要承载的业务，用户通过智能终端的即时互联通信行为，使移动网络成为大数据储存和流动的载体。高速变化的数据业务速率和巨大的网络吞吐量以及覆盖范围的动态实时变化，在很大程度上改变了现有网络规划和优化的模型，在网络优化工作中引入大数据是非常迫切和必要的。
最后，全球数据信息成为企业战略资产，市场竞争和政策管制要求越来越多的数据被长期保存。对于运营商的网络优化来说，也需要保存各类数据，以便进行用户行为分析和市场研究，通过大数据实践应用提升网络优化质量并助力市场决策，实现精细化营销策略，提升企业的核心竞争力。
面对上述挑战，运营商正尝试进行网络优化工作的创新，尝试在网络优化中引入新技术和新方法。而正在全球兴起的大数据分析技术，开始在网络优化中大显身手。
网络优化拥抱大数据
大数据（Big Data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、整理成为帮助企业经营决策目的的资讯。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。大数据具有数据量巨大、数据种类繁多、价值密度低及处理速度快的特点，同时具备规模性、高速性、多样性、价值性四大特征。
一般而言，利用大数据技术进行网络优化的过程可分为三个阶段：数据来源和获取、数据存储、数据分析。
数据来源和获取—对于运营商而言，通过现有网络可以收集大量的网络优化相关信令资源（含电路域、分组域）、DT测试&CQT测试数据，这些数据大都以用户的角度记录了终端与网络的信令交互，内含大量有价值的信息。如终端类型、小区位置、LAC、imsi、tmsi、用户业务使用行为、用户位置信息、通话相关信息、业务或信令、信令中包含的各种参数值。
设备层包含基站、BSC、核心网、传输网等配置参数和网络性能统计指标（呼叫成功率、掉话率、切换成功率、拥塞率、交换系统接通率等）、客户投诉数据等。
采集到的数据一般而言，经过IP骨干网传输到数据中心，进行存储。随着云计算技术的发展，未来数据中心将具备小型化、高性能、可靠性、可扩展性及绿色节能等特点。
数据存储—网络优化中涉及巨大的数据存储，包括信令层面的数据信息和设备存在的数据信息，这些数据只有妥善存储和长期运营，才能进一步挖掘其价值。传统数据仓库难以满足非结构化数据的处理需求。Google提出了GFS、BigTable、MapRece三项关键技术，推动了云计算的发展和运用。
源于云计算的虚拟资源池和并发计算能力，受到重视。2011年以来，中国移动、中国电信、中国联通相继推出“大云计划”、“天翼云”和“互联云”，大大缓解了数据中心IT资源的存储压力。
数据分析—数据的核心是发现价值，而驾驭数据的核心是分析，分析是大数据实践研究的最关键环节，尤其对于传统难以应对的非结构化数据。运营商利用自身在运营网络平台的优势，发展大数据在网络优化中的应用，可提高运营商在企业和个人用户中的影响力。
电信级的大数据分析可实现如下功能：第一，了解网络现状，包括网络的资源配置和使用情况，用户行为分析，用户分布等；第二，优化网络资源配置和使用，有针对性地进行网络维护优化和调整，提升网络运行质量，改善用户感知；第三，实施网络建设规划、网络优化性能预测，确保网络覆盖和资源利用最大化。对用户行为进行预测，提升用户体验，实现精细化网络运营。
网络优化相关的工具种类很多，针对不同的优化领域，常用的工具包括：路测数据分析软件、频率规划与优化软件、信令分析软件、话统数据分析平台、话单分析处理软件等。这些软件给网络优化工作带来了很大的便利，但往往只是针对网络优化过程中特定的领域，而网络优化是一个涉及全局的综合过程，因此需要引入大数据分析平台对这些优化工具所反映出来的问题进行集合并综合分析和判断，输出相关优化建议。
目前，大数据技术已经在网络优化工作中得到应用。中国电信就已经建设了引入大数据技术的网优平台，该平台可实现数据采集和获取、数据存储、数据分析，帮助中国电信利用分析结果优化网络质量并助力市场决策，实现精细化营销策略。利用信令数据支撑终端、网络、业务平台关联性分析，优化网络，实现网络价值的最大化。
总工点评
综合全球来看，对大数据认识、研究和应用还都处于初期阶段。中国三大电信运营商都在结合自身业务情况，积极推进大数据应用工作，目前还处于探索阶段，在数据采集、处理、应用方面仍处于初级阶段。电信运营商在国内拥有庞大的用户群和市场，利用自身海量的数据资源优势，探索以大数据为基础的网络优化解决方案，是推动产业升级、实现效率提升、提升企业核心竞争力、应对激烈市场竞争的重要手段。利用大数据将无线网、数据网、核心网、业务网优化进行整合，可以完整地优化整个业务生命期的所有网元，改善用户感知，是未来网络优化的趋势。
以上是小编为大家分享的关于大数据在网络优化中大有可为的相关内容，更多信息可以关注环球青藤分享更多干货