大數據可以帶來很大的優勢，但是你的網絡能夠“勝任”嗎?下面讓我們來看看網絡面臨的一些挑戰和注意事項。

想象這樣一個情況，在第一集播出之前，廣播網絡就能夠準確地預測電視連續劇的播出情況。我們可以通過工具來分析家電中的傳感器的數據，來幫助居民降低功耗，或者利用工具通過實時追蹤數據包來優化傳播路線和流量消耗。

聽起來太超前?其實，我們已經差不多實現了。

移動應用程序、全IP無線網絡、在線商務、銷售點系統、社交媒體以及傳感器的崛起產生了大量數據，如果我們能夠正確地分析這些數據，我們將能夠挖掘出關鍵情報來促使業務決策。大部分這些數據是在“空中”收集的，如果迅速采取行動，這可以為企業提供獨特的競爭優勢，以及解決問題。

但這些數據量非常巨大，并且速度正在不斷提升，這也對網絡提出了更高的要求。網絡需要負責處理數據，在大數據勉強，網絡管理員和首席信息官面臨著全新的挑戰。

改變數據流

大數據正在不斷變化，數據量已經超越了TB級到PB級，數據關系已經從簡單和已知的發展為復雜和未知的;數據模型已經從固定模式類型轉變為不固定模式;數據來源已經從簡單的數據錄入轉變為各種來源，包括手持式設備和機器傳感器。大數據包含各種各樣的形式，例如，通話錄音與信用卡交易信息有所不同。與傳統應用程序中的結構化數據不同的是，大數據包含半結構化或非結構化數據，例如文本、音頻、視頻、點擊流、日志文件，以及測量和傳輸地理及環境信息的傳感器的輸出數據。

大數據環境改變了數據在網絡中流動的方式，大數據產生了更多的東-西或者服務器到服務器流量，而不是南-北或服務器到客戶端流量，對于每個客戶端互動，可能會有數百或者數千服務器和數據節點交互。應用程序架構已經從集中式模式轉變為分布式模式。這與過去20年構建的傳統的客戶端/服務器網絡架構相反。

大數據對網絡的影響

從各種來源收集數據，大數據系統在服務器集群中運行，這些服務器集群分布在多個網絡節點。這些集群以平行向外的模式運行任務。流量模式的運行范圍從1到1(電話)、1到多(電視節目)、多到1(音樂會觀眾)、以及多到多(對講機)，這結合了并行運行的多個節點之間的單播和組播流量。網絡管理員需要應對這種綜合的流量模式，其中一些流量創建了單獨的流，其中一些則創建了多個流。

此外，當數據提供到計算節點時，會產生大量網絡流量。分布式節點之間的數據整理操作需要快速和可預測的數據傳輸。分析系統使用直接附加存儲來處理，中間存儲來清理數據。

數據需要在網絡中四處移動，并在分析過程中有效地操作。隨著新數據集的增加，以及來源的增加，工作負載也在增加，這意味著迅速增加容量的需求也在提升。因此，關鍵是優化網絡架構中的本地性、高性能、橫向擴展和直接服務節點到服務節點的連接。

需要新的網絡模型

其中一個設計模型涉及構建低端商品硬件，以及讓分析軟件對網絡問題作出反應，例如重新啟動因為擁塞而超時的任務。這種模式被用于非實時處理，其中完成時間并不是關鍵，同時，數據主要來自一個來源。

另一種模式則涉及建立基于硬件的系統，該系統能夠提供確定性的性能來確保持續的處理。這種模型被用于對來自多個來源的數據的近實時分析。

網絡節點在任意到任意的模型中相互連接，它們之間具有單跳，為處理多個大量數據流提供專用處理系統，具有低損耗和確定性性能，這能夠有利于實時大數據系統，

交換機架構提供了整個系統帶寬和性能的優勢，尤其是減少延遲性。位置獨立性允許集群和數據從架構中的任何位置實現最佳性能。這種架構還能實現新數據來源到集群的無縫融合，而不需要重新布線，并顯著地簡化了系統的擴展。這種架構提供的融合，讓服務器集群以及存儲區域網絡跨網絡通信。所有資源作為一個實體來管理，政策也可以很容易地部署到整個交換基礎設施。

部署大數據解決方案

大數據給企業捕捉和分析數據帶來了巨大的機會。隨著IT企業開始測試和構建自己的解決方案，網絡管理員必須考慮這些技術對其服務器、存儲、網絡和運營基礎設施的影響。企業如何能夠最好地開發新的基礎設施來利用和分析不斷增加的大數據流量呢?在開發網絡拓撲時，請務必考慮以下問題：

•對數據流的分析是在實時進行嗎?

•是否有多個數據源，它們是靜態或動態?

•如果試點成功，集群有多大需要?

•增加更多容量是否容易且快捷?

•大數據應用程序是否需要與其他應用程序集成?

回答這些問題可以幫助你構建更適合大數據的網絡，它們將會指示你的基礎設施將如何影響數據中心架構以及互連要求。

大數據需要企業制定新的戰略，來提供實時業務分析和新的業務洞察力。隨著數據的快速變化，企業有必要考慮這些關鍵技術來滿足明天的業務需求，滿足最高水平的投資保護、業務敏捷性，并縮短進入市場的時間。