相信大家也留意到，这些日子里，物联网、5G、无人驾驶、边缘计算等等关键词都在占据着各大科技的头条。但不知道大家在考虑以上“新潮流”时，有没有也想到构建基础架构或网络时会出现的问题。
事实上，无论是物联网还是云游戏，都需要处理大量的信息。同时，这些信息随着在机架中复制以实现弹性而变得更大。但是，对这海量的数据最有意义的属性不是它有多大，而是它能够将更大的工作分解成许多较小的工作，分配资源以在单个任务上并行工作。那么当企业需要发展这些应用时，针对网络，需要考虑以下几点：
网络弹性和应用程序
当您拥有一组必须通过互连协调的分布式资源时，可用性是至关重要的。如果网络不可用，那会看到搁置的计算资源和数据集的不连续集合。
一般情况下，大多数网络架构师和工程师的主要关注点是正常运行时间。但网络中的停机时间却各不相同。它们包括从设备故障（硬件和软件）到维护窗口到人为错误的所有内容。停机是不可避免的。虽然构建高可用性网络很重要，但设计完美可用性似乎不是大家考虑的方向。
网络架构师应该设计出能够抵御故障的网络，而不是避免停机时间。网络的弹性取决于路径多样性（通过多个途径进行互联）和故障转移（快速识别故障并立马转移到其他路径）。接下来，网络的真正设计标准应该更明确地包括这些要素。
解决网络拥塞问题
随着数据变“大”，应用程序变得不仅要“大”，而且它们的突发性会更加明显。当任务启动时，数据开始流动。在高流量期间，拥堵是主要关注点。因为拥塞除了可能导致排队延迟和数据包丢失，还会触发重传，削弱已经负载很重的网络表现。因此，需要构建网络以此尽可能地减轻拥塞。这与可用性的设计标准一样，缓解拥塞需要具有多样路径的网络，让网络在资源之间的大量路径上扇出流量。
网络一致性更重要
大多数大数据应用程序实际上对网络延迟不是特别敏感。当以秒或分钟测量计算时间时，即使是来自网络的稍微显着的延迟贡献 - 大约几千纳秒 - 也是相对无意义的。但是，大数据应用程序确实倾向于高度同步。这意味着并行执行作业，跨作业的性能大幅偏差可能会导致应用程序出现故障。因此，重要的是网络不仅在空间和时间上提供有效但一致的性能。
网络分区处理大数据
网络分区对于建立大数据环境至关重要。在最简单的形式中，分区可能意味着将大数据流量与剩余网络流量分离，以便应用程序的突发性需求不会影响到其他任务关键型工作负载。除此之外，出于性能，合规性或审计原因，需要处理多个运行多个任务负载，这样的话需要网络在某些情况下让工作负载在逻辑上是分开的，但同时也要为两者进行规划，尽管初始要求可能只有一个。
大数据网络的应用意识
根据应用程序的不同，集群环境中的要求也会有所不同。有些可能需要很多带宽，而其他可能需要更低的延迟。最终，支持多个应用程序和多个租户的网络必须能够区分其工作负载并对每个应用程序进行适当处理。
为大数据架构网络的关键是要了解这些要求不仅仅是提供足够的带宽。如应用程序体验取决于许多其他因素，从拥塞到分区。构建能够满足所有这些需求的网络需要预先考虑。不仅要考虑基础设施必须扩展到多大，还要考虑不同类型的应用程序如何在公共环境中稳定共存。
