故障转移架构的本质:数据中心的基础设施过剩

数据中心构成了全球互联基础设施的核心,我们称之为“云”。从根本上讲,云计算指的是基础设施从桌面计算(文件和应用程序存储在计算机的本地硬盘上)到在线计算(文件和应用程序存储在可通过互联网远程访问的数据中心中)的转变。尽管云的比喻会让人联想到虚无缥缈,但一个正在全球范围内积极扩张的数字工业基础设施为云计算的日益普及提供了一个坚实的基础。

建筑计算

作为一种建筑类型,数据中心最早出现在1995年至2001年的互联网泡沫时期。企业已经变得非常依赖他们的IT系统。人们越来越意识到与IT相关的灾难将带来的潜在破坏,这意味着服务器(披萨盒形状的计算机)被迅速地从“楼梯下的橱柜”中移走,然后安装在专用的大型设施中。数据中心为数据存储提供了一个集中的空间,成为减少停机和数据丢失双重风险的架构解决方案。这些架构的目的是确保业务关键型IT系统在发生故障时能够快速恢复,并最小化对服务的破坏。

随着不间断计算成为一种标准的业务需求,数据中心便成为了工业领域的永久固定设备。在互联网早期阶段,企业租用数据中心空间,然后在其中放置他们的设备。与基于办公室的内部计算不同,数据中心提供了物理安全、多种网络连接和全天候维护。这种用于交付计算的服务模型(多个客户共享数据中心空间)被称为“colocation”(简称“colo”),并为云计算的产业化奠定了基础。

\"\"

位于纽约托马斯街33号的AT\u0026amp;T Long Lines大楼(1974年)仍然用于放置电话交换机,但其中一些空间也被用作高度安全的数据中心。

我们可以在电信工业综合体的整体架构中找到数据中心基础设施的谱系。许多早期的“colo”设施都被放置在过时的通信建筑物残骸中:电话交换站、运营商酒店和早期的互联网交换点(IXP),它们在这个过程中继承了这些过时建筑的野兽派建筑美学。这些建筑的迅速废弃以及它们作为数据中心的重新定位预示着等待云计算的最终消亡,这提醒我们,技术进步的短暂寿命和无休止的技术升级所特有的浪费。

今天,这些曾经平淡无奇的服务基础设施已经转有了高度设计感。与数据中心努力保持匿名不同,它们越来越多地渗透到媒体圈,重新刷新了它们以前的反纪念性印象。

\"\"

Telehouse West(伦敦)、Global Switch新加坡伍德兰设施、Equinix TR2(多伦多)和中国移动在香港的高概念数据中心(本图)等数据中心的像素化立面通过美学传达了它们的功能。

这些建筑的周边是剃刀一样的铁丝网,没有logo的风格化外观,除了这些,它们还展现出一种科幻般的科技景观:贫瘠的沙漠里有些令人吃惊的“空白地带”,走廊上覆盖着五颜六色的电缆,一排又一排的箱式服务器柜,回荡着硬盘驱动器和空调设备的金属撞击声,LED服务器灯光闪烁,就像阿瓦塔兰的生物发光植物群。这些东西实际上是建筑计算机。数据中心另一个重要的建筑谱系可以在20世纪40年代的大型计算机主机系统中找到。美国陆军宾夕法尼亚大学的电子数字积分器和计算机、IBM的选择性序列电子计算器以及布莱切利公园的破解巨量计算机,一度占据了多个房间的地面空间。就像早期的计算机一样,数据中心也是仓库规模的机器。然而,它们并不是用来运行军事模拟,而是用来管理数据和IT系统。

\"\"

1946年ENIAC内部的一张照片

云征途

colo设施为客户提供了一个不动产空间来存放他们的IT设备,而有了云,客户不需要拥有实际的设备。云使几乎任何人都可以以即付即用的方式访问数据中心计算资源——从存储容量到计算能力。这种计算范式的基础是将计算重新定义为设施服务,这就是为什么云经常被称为“第五大设施”,其他四个分别是电力、天然气、水和电话。

在过去的二十年中,企业、政府和个人已经集体转向云,以便获得快速、简单、可扩展和按需计算的资源。因此,工业化社会的关键部门,包括对当今数据经济、能源和通信系统以及国家安全来说至关重要的部门,越来越多地由数据中心在多个层面进行调解。这些建筑不仅提供了我们通常认为的“云服务”数字产品,如Netflix、Adobe Cloud、Gmail、Spotify和社交媒体,而且越来越多地负责存储和分发数据、应用程序和IT系统,它们形成了数字社会的运营支柱。随着对不间断正常运行时间的预期变得越来越不灵活,越来越多的大型数据中心正在建设中,以消除IT故障的可能性。

在规模经济的逻辑下,全球分布式备份设施正在建设当中,以便支持一种新形式的数据中心恒定正常运行时间,被称为“持续可用性”。在数据中心行业,可用性是通过冗余来度量和实现的。在多个位置复制或“镜像”数据可以提供更大的冗余,以防止局部级别的停机(火灾、洪水、电力损失、系统故障、安全漏洞等原因引起的)。如果某个组织的主数据中心由于某种原因出现故障,它将自动“故障转移”到位于灾难区域之外的多个备份数据中心,理论上用户端感觉不到灾难的发生。这些备份设施处于待命状态,随时等待紧急情况的发生。

\"\"

服务器通道存储着来自世界各地的数据

云神话

国际数据公司(IDC) 2014年预测,到2017年,全球将有约860万个数据中心,这一数字涵盖了从办公室IT服务器柜到超大规模设施的方方面面。IDC指出,“巨型数据中心”的扩张趋势十分明显。虽然全球数据中心的数量可能开始减少,但全球数据中心的总面积预计将从2013年的15.8亿平方英尺增加到2018年的19.4亿平方英尺。云存储最大的神话之一就是它节省空间的潜力。虽然客厅空间已经从DVD、CD、书籍和视频游戏的重压之下解放出来,但这种“重量”并没有消失。相反,它们只是被重新安置到这些膨胀的数据仓库中。

数字时代的另一个神话是“环保互联网”。很多数据中心的用电量相当于一个小镇的用电量,每年的电费可能高达400万美元左右,而这些电费通常来自不可再生能源。这些电力的相当大一部分只是用来保持冗余设备闲置备用,以防出现故障。企业、银行和政府都在大力宣扬“无纸化”办公的好处,并越来越多地鼓励客户转向基于网络的通讯方式,将其视为一种“环保”的通讯方式,以取代传统的纸质和邮寄信件。但这种环保论调忽略了这些数据中心提供的数字服务所依赖的过度能源消耗和环境破坏。出于这个原因,越来越多的反云计算活动人士开始加强人们对数字产业扩张主义所带来的环境和地缘政治的认识。他们辩称,云的隐喻性在战略上误导了公众,在言辞上抹掉了任何基础设施实体感。不用说,我们所有的在线活动——谷歌搜索、Netflix流媒体、无休止的推特、WhatsApp、在iCloud中存储文件——都消耗了数据中心的空间和能量。或许科技公司有史以来最大的伎俩是让全世界相信,他们的数据并不存在,至少在物理形式上不存在。

\"\"

“持续”经济的内部

消费计算

因此,云计算是极其昂贵且能源密集型的,这不仅是因为在构建数据中心时涉及的巨额资本支出,还因为不断为这些地方及其多个故障转移站点供电所需的成本。由于所涉及的巨大开支,这些建筑只有在一直投入使用的情况下才能在经济上获得平衡。因此,企业、政府和个人都必须大规模转向基于云的数据交付和消费模式,以确保这种基础设施过剩的盈利能力。在这方面,与早期电力行业类似的例子颇具启发性。爱迪生在发明电灯的时候,他面临的问题是消费者只需要在晚上用电。但是,发电厂的运营成本高得令人难以置信,所以只有在说服公众全天候购买和使用电器产品的情况下,才有经济上的可行性。通过生产和广泛销售这种商品,创造了一种生活方式,其基础是不断消耗电力和连接电网。

同样,云不仅仅是基础设施,它还是一种生活方式。越来越多的云应用程序、“智能”产品和“你能吃多少就吃多少”的数据计划刺激了跨设备、跨城市和跨用户日常生活的持续云连接。无论我们在做什么,现在都有一种云服务或设备,旨在确保我们在做这些事情的同时还能保持在线状态(并确保我们能继续从日常生活中越来越亲密、以前无法进入的领域提取数据)。强大的云连接新意识形态(如智能城市、物联网)提供了一个未来数字愿景,在那里,人类和物体永远不会离线或断开连接。

与敌对建筑设计旨在控制如何使用公共空间的方式大致相同,我们发现越来越多的基础设施对线下实践充满敌意,越来越多的公民服务围绕技术政治来推动云计算。政府服务正在被应用程序所取代,而城市交通系统正越来越多地尝试通过云计算让非接触式出行比纸质机票更便宜(从而使运输组织能够在人们的旅程路线、距离和时间方面收集有价值的数据) 。对于政府、企业、城市规划者和政策制定者而言,云计算通过详尽的数据积累提高了效率、透明度和生产力。环境保护主义和云服务之间的(错误)一致性从消除纸质票据开始,到无现金经济结束。

因此,多数据中心冗余的基础设施过剩不仅是对云消费需求不断增长的“响应”,还积极推动了这一需求的增长。媒体理论家Mel Hogan提出,数据中心需要被重新定义,数据中心应该更少地被作为数据存储站点,而是更多地被作为产生数据过剩的站点。

\"\"

站在机器中间的人

轻盈的笔记本电脑

然而,多亏了数据中心,我们的数字设备才能如此轻便便携。随着越来越多的文件和应用程序被存储在数据中心,并从数据中心以流的方式传输到本地,曾经拖累我们设备的存储驱动器、SD卡插槽和其他可扩展内存端口正在被剥离,取而代之的是小容量的内部存储。随着计算成为一种实用工具,笔记本电脑不再有CD或DVD驱动器,因为我们直接从数据中心下载应用程序。随着大多数计算需求现在都实现为Web服务,设备变成了数据中心的门户。

但这种轻量化是有代价的。删除端口消除了使用外部硬件增加内存的可能性,而减少内部存储容量意味着用户除了将数据存储在云端之外别无选择。而且,将这些设备从云计算中移除越来越困难,科技制造商往往故意让这些设备变得不清晰,因为这些设备会悄无声息地将文件和图像上传到云服务中。虽然云以“自动”、“无限”和“轻松”计算的形式承诺了用户自由,但用户在云外操作变得越来越困难。随着云存储成为大多数正在开发的数字设备的默认存储选项——苹果iCloud、谷歌Drive、Dropbox或微软OneDrive——我们都在慢慢地被汇聚到云端。

随着云生活方式和基础设施日益融入一系列日常社会和经济实践和流程,数据中心的规模将继续增长。在漂浮在天空中的那个庞大的数据库之下,地球表面和我们的日常生活正逐渐被云计算所殖民。

英文原文:https://failedarchitecture.com/failover-architectures-the-infrastructural-excess-of-the-data-centre-industry/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/252044.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

常用模块之hashlib,configparser,logging模块

常用模块二 hashlib模块 hashlib提供了常见的摘要算法,如md5和sha1等等。 那么什么是摘要算法呢?摘要算法又称为哈希算法、散列算法。它通过一个函数,把任意长度的数据转换为一个长度固定的数据串(通常用16进制的字符串表示)。 注…

浙江嘉兴徒步游

最近参加了一个徒步团,趁着周末时光,来了一场徒步旅游,不一样的体验图片发自简书App一开始进山探秘外蒲岛的路程,荒草丛生图片发自简书App树木郁郁葱葱,蓝天白云,一切都很没好图片发自简书App漫山遍野都开满…

ASP.NET Web API 2 过滤器

前言 我们知道 ASP.NET Web API 过滤器,也是属于消息处理机制中的一部分。正因如此,我们经常使用它来完成对请求的授权验证、参数验证,以及请求的 Log 记录,程序异常捕获等。 1. 常用的四大过滤器 ASP.NET Web API 2 中的所有…

为选择合适的ERP供应商,是否该发布需求建议书(RFP)?

全球有成百上千家企业资源规划 (ERP) 解决方案供应商。在开展挑选 ERP 供应商的项目时,不可能与所有这些供应商都进行接触。不断缩小这一领域供应商的范围,直到最终敲定最适合的入围名单(通常被称为“最终候选人名单”)是项目成功…

java stream 原理

java stream 原理 需求 从"Apple" "Bug" "ABC" "Dog"中选出以A开头的名字,然后从中选出最长的一个,并输出其长度 1. 最直白的实现 缺点 迭代次数过多频繁产生中间结果,性能无法接受2. 平常写法 int …

Java常量池理解与总结

2019独角兽企业重金招聘Python工程师标准>>> 一.相关概念 什么是常量用final修饰的成员变量表示常量,值一旦给定就无法改变!final修饰的变量有三种:静态变量、实例变量和局部变量,分别表示三种类型的常量。Class文件中…

转载:https://blog.csdn.net/dcrmg/article/details/52939318

张正友相机标定Opencv实现以及标定流程&&标定结果评价&&图像矫正流程解析(附标定程序和棋盘图)使用Opencv实现张正友法相机标定之前,有几个问题事先要确认一下,那就是相机为什么需要标定,标定需要的输…

Redis学习笔记--Redis数据过期策略详解==转

本文对Redis的过期机制简单的讲解一下  讲解之前我们先抛出一个问题,我们知道很多时候服务器经常会用到redis作为缓存,有很多数据都是临时缓存一下,可能用过之后很久都不会再用到了(比如暂存session,又或者只存放日行…

会员连锁配置以及金额走向

PS:所有电子支付方式的资金走向都是同样的,配置的是什么支付方式就走什么支付方式;下面以支付宝为例说明 一、连锁非总机模式 资金走向: 支付宝:收到的钱在主账号配置的支付宝,会员卡的金额在主账号 微信:收…

C# 多线程及同步简介示例

60年代,在OS中能拥有资源和独立运行的基本单位是进程,然而随着计算机技术的发展,进程出现了很多弊端,一是由于进程是资源拥有者,创建、撤消与切换存在较大的时空开销,因此需要引入轻型进程;二是…

Spring Framework 5.1.6、5.0.13 与 4.3.23 发布

开发四年只会写业务代码,分布式高并发都不会还做程序员? Spring Framework 5.1.6、5.0.13 与 4.3.23 发布了。 v5.1.6 包含 49 个 bug 修复和功能改进;v5.0.13 是 5.0.x 系列的最后一个版本,包含了 25 个 bug 修复和功能改进&am…

单目视觉标定:世界坐标系、相机坐标系、图像坐标系、像素坐标系——简单粗暴,粗暴

转:https://blog.csdn.net/chentravelling/article/details/53558096 1.正文 图像处理、立体视觉等等方向常常涉及到四个坐标系:世界坐标系、相机坐标系、图像坐标系、像素坐标系。例如下图: 构建世界坐标系只是为了更好的描述相机的位置在哪…

VSFTP的使用

一、基本安装 1.安装服务 yum -y install vsftpd //centos Redhat apt-get install vsftpd //debian ubuntu 2.开启服务 service vsftpd status //查看状态,默认是关闭的 service vsftpd start 3.开机随操作系统启动 chkconfig vsftpd on4.添加账号 useradd -d /…

OC Swift混编-Swift.h File not found

https://www.jianshu.com/p/f860fe1718ca 2016.09.13 11:53* 字数 266 阅读 1935评论 1喜欢 1今天碰到个神坑,本人项目是OC项目,最近开始使用Swift开始替代.但是,在替代的已开始就出现问题了:新建swift文件,然后提示创建bridging-Hearder文件,然后swift可以使用OC代码了.这些都…

视觉标定,再来一波!!更简单粗暴!!!!!!

继续!!!!!! 一、四个坐标系简介和转换 相机模型为以后一切标定算法的关键,只有这边有相当透彻的理解,对以后的标定算法才能有更好的理解。本人研究了好长时间,几乎每天…

深入浅出NIO之Selector实现原理

2019独角兽企业重金招聘Python工程师标准>>> 前言 Java NIO 由以下几个核心部分组成: 1、Buffer 2、Channel 3、Selector Buffer和Channel在深入浅出NIO之Channel、Buffer一文中已经介绍过,本文主要讲解NIO的Selector实现原理。 之前进行sock…

介绍一下画图小能手matplotlib。

我们在做完数据分析的时候需要把分析出来的结果,做一个图形化的形象表达,这里我们就需要用到画图小能手matplotlib,下面就演示一下常用的条形图和折线图 散点图 散点图的做大的作用是研究两个变量的相关性(正相关,负相…

立体视觉标定源代码C++,简单粗暴!粗暴·······

疑点解答: 摄像机矩阵由内参矩阵和外参矩阵组成,对摄像机矩阵进行QR分解可以得到内参矩阵和外参矩阵。 内参包括焦距、主点、倾斜系数、畸变系数 (1) 其中,fx,fy为焦距,一般情况下&#xff…

MongoDB负载信息一目了然 阿里云HDM重磅发布MongoDB监控和诊断功

2019独角兽企业重金招聘Python工程师标准>>> 混合云数据库管理(HDM)的统一监控、告警、诊断功能新增了对MongoDB的支持。 通过直观的方式将MongoDB多个维度的负载信息统一整合,不仅可以清晰的查看实时负载信息,也可以方…

在iview的Table中添加Select(render)

首先对Render进行分析,在iview官方的文档中,找到了table插入Button的例子: [javascript] view plaincopy { title: Action, key: action, width: 150, align: center, render: (h, params) > { return h(div, [ h(Butt…