写点什么

故障转移架构的本质:数据中心的基础设施过剩

  • 2019-03-28
  • 本文字数:4136 字

    阅读完需:约 14 分钟

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&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/


2019-03-28 08:003850
用户头像

发布了 731 篇内容, 共 448.8 次阅读, 收获喜欢 2002 次。

关注

评论

发布
暂无评论
发现更多内容

Jedis 参数异常引发服务雪崩案例分析

vivo互联网技术

服务雪崩 Redis集群模式 主从切换 Jedis参数设置

【我和openGauss的故事】openGauss特性:CM支持两节点部署特性

daydayup

基于50W携程出行攻略构建事件图谱(含码源):交通工具子图谱、订酒店吃饭事件图谱等

汀丶人工智能

人工智能 自然语言处理 知识图谱

大语言模型的预训练[6]:思维链(Chain-of-thought,CoT)定义原理详解、Zero-shot CoT、Few-shot CoT 以及在LLM上应用| 社区征文

汀丶人工智能

人工智能 大语言模型 LLM模型 年中技术盘点 思维链

监控系统 Prometheus 的原理 | 社区征文

悟空聊架构

运维 监控 Prometheus 悟空聊架构 年中技术盘点

【我和openGauss的故事】 openGauss 5.0.0 分区表增强

daydayup

opengauss

【我和openGauss的故事】记一次基于在银河麒麟系统上适配openGauss进阶之旅

daydayup

这些大数据传输解决方案保证了企业快速传输和数据可靠性

镭速

高速传输 大数据传输 快速文件传输

电商企业需要堡垒机吗?采购堡垒机选择哪家好?

行云管家

网络安全 信息安全 电商 堡垒机 等级保护

openGauss数据库源码解析系列文章——AI技术(二)

daydayup

opengauss

openGauss资源池化开发者入门指南

daydayup

opengauss

思考:数字卫星可视化如何实现?

DevOps和数字孪生

仿真建模 数字卫星

【我与openGauss的故事】openGauss 5.0企业版主从部署,实战狂飙

daydayup

opengauss

什么是 JSON:一个简洁易懂的入门指南

Apifox

Java json 程序员 开发 Postman

极客时间架构实战营模块一作业

德拉古蒂洛维奇

#架构实战营

社区征文 | 记一次“雪花算法”造成的生产事故的排查记录

悟空聊架构

架构 雪花算法 生产事故 悟空聊架构 年中技术盘点

深耕行业创新 引领视听未来 | 宇视亮相北京Infocomm China 2023展会

新消费日报

点云标注在自动驾驶中的挑战

来自四九城儿

MobPush 推送限制策略

MobTech袤博科技

程序员 前端 push 智能推送 推送

12 点半!Voxel51 亚太地区计算机视觉线上 Meetup,速来!

Zilliz

计算机视觉 Milvus Zilliz voxel51

对线面试官-Redis 十一 | 双写一致性问题

派大星

Java 面试题

【航遥 × ModelWhale】AI for Science 科研范式改革

ModelWhale

人工智能 云计算 算力 遥感 地球科学

【我和openGauss的故事】openGauss逻辑备份恢复

daydayup

浅析本地缓存技术-Guava Cache | 京东物流技术团队

京东科技开发者

Java 缓存 Guava Cache Guava 企业号 7 月 PK 榜

m7s Console架构解析

不卡科技

vite 流媒体 控制台 Vue 3 #go

openGauss DBMind上的多指标关联性分析介绍

daydayup

opengauss

订单逆向履约系统的建模与PaaS化落地实践 | 京东云技术团队

京东科技开发者

领域建模 企业号 7 月 PK 榜 订单逆向履约 快退

24款数据可视化工具介绍

2D3D前端可视化开发

数据分析 web前端 数据可视化工具 可视化看板 数据可视化软件

用热爱,走一些“远”路!

禅道项目管理

百亿规模京东实时浏览记录系统的设计与实现 | 京东云技术团队

京东科技开发者

数据 离线 企业号 7 月 PK 榜 浏览记录

多云管理平台有哪些?大家推荐哪家好用?

行云管家

云计算 多云 云管理 云管

故障转移架构的本质:数据中心的基础设施过剩_架构_Alexander Taylor_InfoQ精选文章