數(shù)據(jù)中心網(wǎng)絡架構的HA測試

高可用性需求是數(shù)據(jù)中心最重要的需求之一，由于數(shù)據(jù)中心承載著網(wǎng)絡中的重要業(yè)務數(shù)據(jù)，所以業(yè)務的高可用性（即業(yè)務的連續(xù)性）受到極大關注。不同等級的數(shù)據(jù)中心對網(wǎng)絡的高可用性有著不同的要求，但設備和鏈路的冗余設計是最基本最普遍的要求，而區(qū)別主要在于網(wǎng)絡故障對業(yè)務恢復的快慢影響。對數(shù)據(jù)中心而言，高可用性涉及到網(wǎng)絡、服務器、存儲、電力、制冷等多個方面的因素，本文主要闡述數(shù)據(jù)中心網(wǎng)絡架構的高可用需求以及典型測試案例。

　　1 數(shù)據(jù)中心HA設計需求

　　1.1 數(shù)據(jù)中心HA設計的重要性

　　網(wǎng)絡中節(jié)點和鏈路的故障總是無法完全避免的，所以提升網(wǎng)絡可用性的重要方法之一是整體架構的冗余設計，通過設備或鏈路失效時的備份接管，盡量減少系統(tǒng)的故障恢復時間。

　　表1是不同等級的可用性與總故障時間（以一年為時間段）的對應關系表：

表1 不同等級可用性與一年內(nèi)的總故障時間的對應關系

　　為什么數(shù)據(jù)中心網(wǎng)絡的可靠性如此重要呢？簡單來說，有以下幾個方面原因：

　　1、業(yè)務的多樣性和高度集中性

　　無論是從機房規(guī)模、業(yè)務種類，還是架構復雜性方面，今天的數(shù)據(jù)中心都在快速擴展。高性能服務器、虛擬化和高速以太網(wǎng)等新技術都著眼于將多種流量類型，如數(shù)據(jù)、存儲、視頻和語音等匯聚在單一的網(wǎng)絡架構中。業(yè)務的高度集中使得網(wǎng)絡故障的影響和損失擴大，從而也提高了對網(wǎng)絡可靠性的需求。

　　2、超大型數(shù)據(jù)中心對高可靠性的需求

　　超大型數(shù)據(jù)中心，尤其是一些重載型數(shù)據(jù)中心，其對網(wǎng)絡的利用率及鏈路帶寬的使用具有很高的比率。按一條60%利用率的10GE鏈路來看，即使中斷0.1秒也會丟失600M左右的數(shù)據(jù)。如果按照5個9的標準計算，一年累計中斷5.256分鐘即315.36秒，一條10GE鏈路將丟失大約1.892T的數(shù)據(jù)。越是關鍵的位置，網(wǎng)絡故障的影響將越加嚴重，固然對HA的能力要求越高。

　　3、高速鏈路帶來的丟包風險

　　同樣重要的是，現(xiàn)在數(shù)據(jù)中心邊緣端口正變得越來越快。正如服務器中的千兆以太網(wǎng)接口推動了交換機的萬兆以太網(wǎng)的部署一樣，服務器萬兆接口的普及也將推動數(shù)據(jù)中心核心網(wǎng)對40GE和100GE以太網(wǎng)的迫切需求。帶寬的增長自然會對核心網(wǎng)帶來更大的HA風險。40GE或100GE的鏈路故障帶來的損失更加嚴重，如果鏈路承載了關鍵業(yè)務的重要數(shù)據(jù)，這樣的損失將是不可接受的。用戶對可用性的要求隨著設備性能的提高，只會越來越苛刻。

　　4、云計算對基礎設施高可靠性需求的提高

　　目前云計算正逐漸成為一種現(xiàn)實，而且越來越多的私有云和公共云的部署使用都已經(jīng)充分證明了其存在的意義。基礎設施即服務（IaaS）的吸引力也在不斷增加。有多種能力可以增強IaaS云的可用性，例如實時遷移、動態(tài)資源調(diào)度和自動重啟等。虛擬機的實時遷移產(chǎn)生了額外的網(wǎng)絡流量，這對于已經(jīng)處于高負荷狀態(tài)的網(wǎng)絡提出了額外的需求，所以實際的結果可能導致性能或可用性的進一步惡化。網(wǎng)絡延時和丟包會導致虛擬機遷移的失敗，在實時遷移過程中測量虛擬機的停機時間，以及大規(guī)模虛擬機遷移的成功率等都是數(shù)據(jù)中心HA的新關注要點。

　　1.2 全局測試與數(shù)據(jù)中心HA

　　隨著數(shù)據(jù)中心網(wǎng)絡的不斷變化和發(fā)展，一個關鍵的問題是：怎樣才能盡可能的了解真實網(wǎng)絡的HA故障切換指標？這種情況下，全局性的測試方法有助于確保實現(xiàn)復雜的相關功能和多設備的組合運用。“全局測試”不僅可以測試單個數(shù)據(jù)中心組件，而且可以測量整個數(shù)據(jù)中心的能力，并產(chǎn)生有意義的結果。全局測試還可以涵蓋TCP/IP的所有層次，并且可以測量通過數(shù)據(jù)中心網(wǎng)絡任意路徑的流量。在一個數(shù)據(jù)中心環(huán)境中，全局的HA測試意味著不僅是只對單個網(wǎng)絡組件的HA性能進行測試，還要確保每一個組件與數(shù)據(jù)中心其它新舊組件配合起來協(xié)同運作的可靠性和整體的HA能力。

　　全局測試的特點是基于真實應用的流量模擬來衡量網(wǎng)絡的整體指標，通過對流量特征的構造模擬，精確統(tǒng)計網(wǎng)絡的功能、性能和HA各項指標。基于測試結論分析評估網(wǎng)絡整體架構的合理性、擴展性等，為網(wǎng)絡優(yōu)化提供數(shù)據(jù)參考。通過采用全局性的整體方案驗證和性能測量方法，能夠使這種復雜系統(tǒng)的測試評估更加簡化。

　　2 全局的HA測試方法

　　2.1 流量模擬

　　數(shù)據(jù)中心的業(yè)務流量主要分為服務器之間的內(nèi)部流量和用戶端與服務器之間的外部流量，也稱為“東西向”流量和“南北向”流量。對應RFC規(guī)范中定義的測試流量類型則是“非網(wǎng)格型”和“部分網(wǎng)格型”,兩者的組合可以看作“全網(wǎng)格型”.由于轉發(fā)路徑和設備的處理方式不同，HA測試中需要同時關注這兩類流量的故障恢復情況。如圖1所示。

圖1 數(shù)據(jù)中心流量模擬

2.2 故障事件模擬

　　通過模擬網(wǎng)絡失效來計算HA指標，可以簡單的將失效歸類為鏈路故障、板卡故障、設備故障、多設備故障和站點故障。這些故障事件發(fā)生的概率依次降低，所以HA測試的關注點主要集中在鏈路、板卡和設備故障上，這也是數(shù)據(jù)中心網(wǎng)絡HA設計的最基本要求。常用的操作方式為接口的Up/Down 、線卡的拔出/插入、機框的加電/斷電等，特殊情況下也可以通過測試儀或被測設備的系統(tǒng)軟件功能來模擬HA事件。

　　2.3 HA測試量化統(tǒng)計

　　通過HA測試，不僅可以驗證被測系統(tǒng)在某些異常情況下是否可以保證功能的可用性，同時也可以通過精確統(tǒng)計得到業(yè)務流量中斷的量化指標。通過測試儀器構造一定速率的數(shù)據(jù)報文經(jīng)過被測系統(tǒng)轉發(fā)，模擬某些故障情況下的報文丟失并統(tǒng)計出數(shù)量，從而計算出流量的中斷時間，來衡量被測系統(tǒng)的HA性能指標。計算公式如下：

　　故障失效恢復時間=（發(fā)包端口發(fā)包數(shù)-收包端口收包數(shù)）÷ 鏈路轉發(fā)速率

　　也可以通過L4-L7層測試儀模擬上層業(yè)務交互來更直觀的了解被測系統(tǒng)在各類異常情況下對業(yè)務的影響。如圖2所示。

圖2 BPS測試儀顯示TCP新建連接抖動情況

　　對于通過測試儀發(fā)起或參與的模擬網(wǎng)絡事件的測試項，還可以通過測試儀自身提供的高精度采樣功能來更加精確統(tǒng)計設備或網(wǎng)絡的性能。例如，在通過測試儀發(fā)送路由表項來測試設備的路由學習性能時，可以通過如圖3所示的高精度采樣功能來統(tǒng)計時間。

　　圖3 TestCenter測試儀顯示的高精度采樣功能