新書推薦：
《
示人以真：健康组织这样开展业务
》
售價：NT$
386.0
《
格林童话：1812/1815初版合集（权威全译本）
》
售價：NT$
549.0
《
思想会·军力：现代战争的胜败解释
》
售價：NT$
549.0
《
边界之外：海外社会研究（第一辑）
》
售價：NT$
386.0
《
好销售，不违心：在你的舒适区内拿订单
》
售價：NT$
330.0
《
阿富汗史：骑驰在风暴中的国度
》
售價：NT$
549.0
《
背影2
》
售價：NT$
386.0
《
她的罪名
》
售價：NT$
279.0
|
| 內容簡介： |
《软件定义数据中心：技术与实践》从与软件定义数据中心有关的基本概念入手，通过实例介绍软件定义数据中心涉及的技术、应用、前景。在此基础上，深入介绍构建软件定义数据中心的计算、网络、存储、安全、自动化管理和高可用性等基本技术，并辅以解决方案和大型实例，力求使读者全面了解当前软件定义数据中心的技术动态和发展趋势，为实际构建软件定义数据中心提供必要的技术指导。
《软件定义数据中心：技术与实践》适于作为数据中心分析、设计、研发、管理工程师的技术普及读物，亦可作为高等学校相关专业课程的教材或参考书。
|
| 關於作者： |
陈 熹
EMC中国研发集团高级研发经理、中国研发集团技术委员会委员。在2011年加入EMC卓越研发集团后，陈熹一直致力于云基础架构和软件定义数据中心的研究与开发，曾任EMC中国研究院云基础架构实验室主任、顾问工程师，目前从事超融合基础架构产品的研究与开发。在加入EMC之前，陈熹曾在IBM、Sun Microsystems从事云基础架构的研究与开发，涉及的领域有IT管理系统、操作系统、文件系统、性能分析与优化等。
Ricky Sun（孙宇熙）
EMC首席技术官办公室技术总监，于2012年11月加入EMC卓越研发集团，担任EMC中国研究院技术总监、中国研发集团技术委员会主席。在加入EMC之前，Ricky供职于微软亚太研发集团创新中心，作为高级产品经理来驱动在健康医疗、移动互联网、云计算、大数据和物联网领域的创新。Ricky在美国加州硅谷有十几年的IT工作经历，曾经供职于Yahoo和网络安全、Web 2.0、快速启动操作系统行业的多家创业型公司。
|
| 目錄：
|
编委会
序
前 言
第一部分 总体介绍
第1章 基本概念 2
1.1 数据中心的历史 3
1.2 继续发展的推动力 6
1.3 软件定义的必要性 8
1.4 架构分析 13
1.4.1 基本功能模块 14
1.4.2 层次细分 14
1.4.3 接口与标准 17
1.5 现状与发展 18
1.6 第三平台：SDDC上的IT新浪潮 20
第二部分 关键技术
第2章 软件定义的计算 26
2.1 虚拟化的定义与基本概念 26
2.1.1 虚拟化定义 26
2.1.2 虚拟化产生背景 26
2.1.3 计算虚拟化 27
2.1.4 VMM的要求与基本特征 30
2.1.5 虚拟化平台的不同架构 30
2.2 虚拟化技术分类 31
2.2.1 x86平台虚拟化面临的问题与挑战 31
2.2.2 全虚拟化 32
2.2.3 半虚拟化 32
2.2.4 硬件虚拟化 33
2.2.5 小结 33
2.3 CPU虚拟化 34
2.3.1 二进制翻译 34
2.3.2 硬件解决方案 35
2.4 内存虚拟化 36
2.4.1 软件解决方案 36
2.4.2 硬件解决方案 37
2.4.3 内存虚拟化管理面临的挑战 38
2.5 IO虚拟化 38
2.5.1 背景介绍 38
2.5.2 基于软件的IO虚拟化 39
2.5.3 基于硬件的IO虚拟化 42
2.6 实例剖析 46
2.6.1 VMware ESX 46
2.6.2 Xen 53
第3章 软件定义存储 59
3.1 新的存储管理模式 59
3.1.1 传统存储面临的挑战 59
3.1.2 新的管理模式：软件定义存储 61
3.2 与存储虚拟化的比较 63
3.3 架构、功能与特性 66
3.3.1 数据模块与控制模块 67
3.3.2 系统架构设计 68
3.4 解决方案：分类与比较 72
3.4.1 分类方法 72
3.4.2 现有产品简介 74
3.4.3 分类映射 77
3.5 市场现状与分析 78
3.5.1 技术影响 79
3.5.2 软件定义存储的商业价值 80
3.5.3 市场展望 81
3.6 典型实现 81
3.6.1 基于传统外置存储：ViPR 81
3.6.2 基于服务器内置存储：ScaleIO 85
第4章 软件定义网络 91
4.1 概述 91
4.1.1 什么是SDN 92
4.1.2 SDN的架构和特征 94
4.1.3 SDN相关组织介绍 97
4.1.4 各大厂商对SDN的态度和应用 101
4.2 SDN的技术实现 108
4.2.1 以网络为中心的实现 109
4.2.2 以主机为中心的实现 120
4.3 SDN的典型实现：OpenStack中的网络组件Neutron 131
4.3.1 Neutron在OpenStack中的架构 132
4.3.2 Neutron在OpenStack中的工作机制 134
4.3.3 Nicira NVP插件 134
4.3.4 小结 137
第5章 自动化资源管理 138
5.1 资源管理定义 138
5.2 资源管理对象 140
5.3 资源管理策略 143
5.3.1 资源管理一般性评价指标和标准 143
5.3.2 资源管理的主要策略 144
5.4 多租户管理 147
5.4.1 网络多租户管理 148
5.4.2 计算多租户管理 149
5.4.3 存储多租户管理 149
5.5 性能管理 150
5.6 对外服务接口 153
5.7 资源管理典型实现 156
第6章 流程控制 163
6.1 概述 163
6.2 架构和功能 168
6.2.1 数据中心Orchestrator的架构 168
6.2.2 数据中心Orchestrator的功能 170
6.3 实现数据中心自动化 171
6.3.1 数据中心的自动化势在必行 171
6.3.2 自动化的好处 171
6.3.3 自动化实施的对象 173
6.3.4 如何实现自动化 173
6.4 实例分析 175
6.4.1 VMware vCloud Orchestrator 175
6.4.2 System Center Orchestrator 178
第7章 软件定义数据中心的安全 184
7.1 数据中心安全设计原则 184
7.2 物理基础设施的安全 186
7.3 软件定义层的安全 187
7.3.1 安全的计算 187
7.3.2 安全的存储 193
7.3.3 安全的网络 197
7.4 软件资源协调层的安全 203
7.4.1 统一的身份与访问授权管理 203
7.4.2 安全技术的统一运用 205
7.5 小结 207
第8章 软件定义的高可用性 208
8.1 高可用性系统设计 209
8.1.1 不可用的常见原因 209
8.1.2 冗余的组件部署 210
8.1.3 高可用性集群 210
8.1.4 典型的冗余配置 211
8.2 软件定义之路——计算的高可用性 213
8.2.1 高可用性对应用的需求 213
8.2.2 高可用性集群——VMware HA 214
8.2.3 零停机保障——VMware FT 218
8.3 软件定义之路——存储的高可用性 219
8.3.1 基于VPLEX的高可用性 219
8.3.2 ScaleIO的高可用性 222
8.3.3 ViPR的控制器集群与HA数据服务 223
8.4 软件定义之路——网络的高可用性 224
8.4.1 网络虚拟化 225
8.4.2 逻辑端口镜像 226
8.4.3 网络控制器集群 226
8.4.4 网关服务的高可用性 227
8.5 软件定义数据中心的高可用性 228
8.5.1 整合的解决方案 229
8.5.2 持续可用性 230
8.5.3 分布式快速数据恢复 231
8.6 典型实现 232
8.6.1 VMware SDDC的高可用性 232
8.6.2 OpenStack的高可用性设计 234
第三部分 解决方案与应用
第9章 总体解决方案 238
9.1 SDDC的基本要素 238
9.2 SDDC实例：VMware解决方案 239
9.2.1 VMware SDDC的计算 242
9.2.2 VMware SDDC的存储 243
9.2.3 VMware SDDC的网络 246
9.2.4 VMware SDDC的高可用性和容错 249
9.2.5 VMware SDDC的自动化 250
9.2.6 VMware SDDC的安全机制 251
9.2.7 VMware SDDC的管理 252
9.2.8 VMware SDDC实现小结 253
9.3 SDDC实例：OpenStack解决方案 254
9.3.1 Horizon控制面板 256
9.3.2 Nova计算组件 256
9.3.3 Swift对象存储 257
9.3.4 Glance镜像存储 257
9.3.5 KeyStone身份控制 257
9.3.6 Quantum网络 257
9.3.7 Cinder块存储 258
9.4 小结 258
第10章 云存储应用 259
10.1 云存储案例 259
10.2 云存储实现 260
10.2.1 可管理性 262
10.2.2 云存储系统的类型 262
10.2.3 访问方法 263
10.2.4 性能 263
10.2.5 多租户 264
10.2.6 可扩展性 264
10.2.7 可用性 264
10.2.8 可控性 265
10.2.9 效率 265
10.2.10 成本 266
10.3 云存储模式 266
10.3.1 公有云存储 266
10.3.2 私有云存储 267
10.3.3 混合云存储 267
10.3.4 三种云存储模式比较 267
10.4 主要云存储服务提供商 268
10.4.1 企业级云存储 268
10.4.2 个人云存储 269
第11章 虚拟化大数据平台 270
11.1 概述 270
11.2 VMware Serengeti 272
11.3 AWS EMR 280
11.4 小结 283
第四部分 大型实例分析
第12章 AWS数据中心实例 286
12.1 AWS概述 286
12.2 EC2管理计算能力 287
12.2.1 EC2概述 287
12.2.2 EC2架构 287
12.2.3 EC2存储 288
12.2.4 自动缩放 289
12.2.5 网络路由 289
12.2.6 EC2实例 289
12.3 可扩展的存储 291
12.3.1 块存储 291
12.3.2 对象存储 292
12.3.3 冷数据归档 293
12.3.4 云存储网关 294
12.4 弹性十足的网络 295
12.4.1 亚马逊的VPC 296
12.4.2 VPC的特性 296
12.4.3 VPC的应用场景 298
12.4.4 VPC对SDN的践行 301
12.5 自动化的管理和部署 302
12.6 效益分析与未来发展 305
第13章 PPTV基础平台管理体系 306
13.1 系统概述 306
13.1.1 云部署模型 306
13.1.2 自建IDC部署概述 307
13.1.3 系统架构和组成 307
13.2 IaaS部署和管理实践 308
13.2.1 基于CloudStack的IaaS管理平台 308
13.2.2 存储服务 310
13.2.3 基于CloudStack的私有云平台最佳实践 310
13.3 MaaS管理和基础服务体系 311
13.3.1 MaaS管理架构 311
13.3.2 自动化基础设施管理架构概述 312
13.3.3 开源工具链 312
参考文献 319
|
| 內容試閱：
|
第一部分
总 体 介 绍
第1章
基 本 概 念
软件定义数据中心（Softwares Defined Data Center，SDDC）是个新概念。新到什么程度呢？2012年以前还没有人系统阐述它。随着软件定义计算、软件定义存储、软件定义网络等一系列“软件定义”新技术的蓬勃发展，已经有几十年发展历史的数据中心眼看着将要迎来另一场深刻的变革。原有的设备还可以继续运转，但是管理员不再需要频繁出入轰鸣的机房去照看它们；网络不需要重新连线也可以被划分成完全隔离的区域，并且不用担心IP地址之间会发生冲突；在数据中心部署负载均衡、备份恢复、数据库不再需要变动硬件，也不再需要动辄几天的部署测试，管理员只需点几下鼠标，几秒钟就能完成；资源是按需分配的，再也不会有机器长年累月全速运转，而没有人知道上面运行的是什么业务；软件导致的系统崩溃几乎总是不可避免的，但是在系统管理员甚至还没有发现这些问题的时候，它们已经被自动修复了，当然，所有的过程都被记录了下来……
在机房里汗流浃背地摆弄过服务器的网线、光纤线、串口线和各种按钮的系统管理员看到这种情景会是什么心情？回忆起往日给上百台服务器装系统、打补丁时手忙脚乱的画面，如今都已经成了过眼云烟，不免有些悲喜交加。不管是悲是喜，这些事情都正在发生。也许你所接触到的一些计算环境已经开始大规模应用计算虚拟化，但是还在使用传统的以太网和基于IP的网络划分；也许有人已经将存储资源全部抽象成了块存储、文件存储和对象存储，但是还需要大量的手工配置去设置一个备份服务……这不是一场风暴，原有的技术和架构不会在一夜之间被摧毁；这也不是海底火山喷发，信息孤岛不会转眼间就消失。SDDC所涉及的概念、技术、架构、规范都在迅速发展，但又并不同步。我们要展示给大家的是一个日新月异的领域。要想用一两句话为SDDC下一个准确的定义本身就不够严谨。
要了解什么是SDDC，至少要回答以下几个基本的问题：
SDDC是在什么基础上发展而来的？
是什么驱动了SDDC的演化？（解决了什么问题？）
SDDC是由什么组成的？
SDDC将向何处发展？
接下来，我们先循着技术发展的脉络，看看在SDDC出现之前，已有的计算环境是什么样的。
1.1 数据中心的历史
顾名思义，数据中心（Data Center）是数据集中存储、计算、交换的中心。从硬件角度考虑，它给人最直观的印象就是计算设备运作的环境。因此，数据中心的发展是与计算机（包括分化出的存储和网络设备）的发展紧密联系在一起的。
从第一台电子计算机出现开始，这些精密的设备就一直处于严密周到的保护中。由于最早的电子计算机几乎都应用于军事，不对公众开放服务，而且每台计算机所需要的附属设施都是单独设计的，因此参考价值非常有限。
商用计算机的大量应用开始于20世纪60年代，其中最具代表性的是IBM的主机（Mainframe）系列，包括7007000系列、System360、System370、System390和今天仍占据市场主要份额的System Z。这些都是重达几十吨、占地数百平方米的“大家伙”，与之略显不相称的是这些机器缓慢的计算速度和较小的数据存储规模（仅指20世纪60年代，如今的System Z已经非常强大）。在当时，拥有这样一台计算机是非常奢侈的事，更不要说在一个机房同时部署几台这样的庞然大物。
图1-1中，是20世纪60年代的一个主机机房。一排排的机柜就是计算机的主体，而整个篮球馆一样大小的房间就是当时的数据中心。显而易见，这里仅有一台计算机，因此这个数据中心是不需要如今概念上的网络的，也没有专门的存储节点。从管理角度看，这时候数据中心的管理员是需要精细分工的，有专人管理电传打字机（Teletype），有专人管理纸带录入，有专人管理磁带……可以想象，要运行这台计算机不是一件容易的事情。
图1-1 IBM主机所在的机房
值得一提的是，尽管很多与那个年代的数据中心有关的东西都进入博物馆，我们还是可以在现在的计算机上找到一些痕迹。用过UNIXLinux的读者也许会记得系统中的虚拟终端会用TTY来表示，这就来源于Teletype。
随着大规模集成电路的发展，20世纪80年代开始，大量相对廉价的微型计算机出现了。数据的存储和计算呈现一种分散的趋势，越来越多的微型计算机被部署在政府、公司、医院、学校……绝大多数微型计算机是互不联通的，信息的交换更多依靠磁盘、磁带等介质。到了90年代，计算的操作变得越来越复杂，原有的微型计算机开始扮演客户端的角色，而大型的任务如数据库查询被迁移到服务器端，著名的客户端服务器模式开始大行其道，这直接推动了数据中心的发展。让我们看看，在经过20世纪50年代至80年代计算机科学理论发展的黄金年代后，计算机工业又经历了怎样的飞速发展。
1981年Hayes出品了300bps的Smartmodem 300，并发明了AT命令作为标准。
1983年以太网作为IEEE 802.3标准出现。
1985年Intel公司出品了80386处理器。
1986年IBM公司在Model 3090中第一次应用了1兆主频的芯片。
1987年Sun公司出品了第一块SPARC芯片。
1989年SQL Server发布。
1991年Linux登上历史舞台。
1994年Compaq公司出品了第一款机架式服务器ProLiant。
……
数据中心再也不是只有一台计算机，机架式服务器的出现，更加大幅度提升了数据中心中服务器的密度。随着越来越多的计算机被堆叠在一起，机器之间的互联就显得日益重要起来。无论是局域网还是广域网，网络技术都在这一时期取得了飞速的发展，为互联网时代打下了坚实的基础。数据中心里的网络设备也从计算机中分化出来，不再是“用于数据交换的计算机”。软件方面，UNIX仍然是数据中心的主流操作系统，但是Linux已经出现，并且在这之后的岁月里展现出了惊人的生命力。
进入21世纪，伴随着互联网的出现和被公众迅速接受，数据中心从技术发展到运行规模，都经历了前所未有的发展高潮。几乎所有的公司都需要高速的网络连接与Internet相连，而且公司的运营对于IT设施的依赖性越来越高，需要不间断运行的服务器支撑公司的业务。试想，如果一家公司的电子邮件系统处于时断时续的状态，如何保证公司的正常运作？然而，每家公司都自行构建这样一套基础架构实在太不划算，也没有这个必要。于是，IDC（Internet Data Center）就应运而生了。这是第一次出现以运营数据中心为主要业务的公司。由于竞争的需要，IDC竞相采用最新的计算机，采购最快速的网络连接设备和存储设备，应用最新的IT管理软件和管理流程，力图使自己的数据中心能吸引更多的互联网用户。不仅仅是IT技术，作为专业的数据中心运营商，IDC为了提高整个系统的可靠性、可用性和安全性，对建筑规范、电源、空调等都做了比以往更详尽的设计。
一个普通的IDC可以有数千台服务器、几个TB的网络带宽、若干PB的存储。99.99%的初级程序员和系统分析员都会觉得这已经够大了，只要把应用不断部署进去就可以了。而且，服务器、存储、网络带宽都还有扩充的余地，IDC就像汪洋大海一样，永远不会被用尽。区别只是需要把应用部署在哪个IDC中。这就像当时设计IPv4协议时对待IP地址的态度：IP地址太多了，足够了。IPv4的主地址池好歹分了30年才分完，而孤立的IDC还没有撑过10年就已经进入了互连互通的时期。没办法，总有那么些新东西是我们预见不到的。IPv4的地址会迅速枯竭，主要是因为设计者没有预见到互联网用户的激增和各种移动设备的出现。对于IDC来说，推动互连互通的主要是这样一些需求：
1）跨地域的机构需要就近访问数据和计算能力。例如，许多跨国公司在中国的研发中心，几千人不可能都远程登录到总部的数据中心工作，浪费昂贵的国际流量还在其次，关键是用户体验达不到要求。这些研发中心都有本地的数据中心，并且与公司位于其他国家的数据中心有统一的网络规划、管理流程。
2）越来越大的分布式应用。例如，作为谷歌存储系统核心的GFS，运行在几乎所有的服务器中。较大的GFS跨数千台机器，看起来还可以勉强“塞”进某个数据中心，可惜这样的大文件系统不是一个两个……
3）云计算的出现。与前两个不同，云计算的出现是推动IDC向CDC（Cloud Data Center）发展的最关键因素。提到云计算，就不能不提亚马逊的AWS（Amazon Web Service）。亚马逊在以下地区都有大型数据中心，以支撑AWS的服务：
爱尔兰的都柏林
新加坡的新加坡市
美国的加利福尼亚州帕罗奥图（Palo Alto）
美国的弗吉尼亚州阿什本（Ashburn）
日本的东京
澳大利亚的悉尼
由于这些因素的推动，数据中心之间的联系变得更紧密。不同数据中心的用户不会觉得自己是在一个孤立的环境中，因为跨数据中心的计算资源、存储空间、网络带宽都可以共享，管理流程也很相近。这让所有用户感觉自己工作在一个巨大、统一的数据中心中。多么巨大的应用也不再是问题。需要更多服务器？扩展到下一个空闲的数据中心吧。不仅仅需要物理机器，而是需要把虚拟机在全球范围内迁移？这也能办到，亚马逊已经在这么做了。
回过头看看数据中心的发展历史，如图1-2所示，数据中心中机器的数量从一台到几千几万台，似乎是朝着不断分散的目标发展。但是从管理员和用户的角度看，访问大型机上的计算资源是从一个大的资源池中分出一块，访问云数据中心中的计算资源也是如此。用户体验经历了集中——分散——集中的发展过程。新的集中访问资源的模式和资源的质量都已经远远超越了大型机时代。从一台机器独占巨大的机房，到少量计算机同时各自提供服务，再到无数的机器可以高速互通信息、同时提供服务，可以分配的资源被越分越细，数据中心的密度也越来越高。有趣的是，管理数据中心的人员并没有增长得这么快。网络的发展让管理员可以随时访问数据中心中任何一台机器，IT管理软件帮助管理员可以轻松管理数千台机器。如果管理员不借助专业IT管理软件，一个人管理几十台机器就已经手忙脚乱了。从这个角度看，传统的数据中心是“软件管理的数据中心”。
图1-2 数据中心的发展
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
