1. 计算机网络拓扑结构的计算机网络拓扑结构
首先部署人员要熟悉各种网络的计算机网络拓扑结构，将适合自己计算机网络拓扑结构罗列出来，再一一筛选。没有一种计算机网络拓扑结构是能通用或者适应所有的企业和公司。作为技术人员，你首先要对计算机网络拓扑结构很熟悉，比如根据预算，采用千兆还是万兆的主干网络等等，这样才有助于你解决网络的技术难题。 新的计算机网络拓扑结构设计是一种专用通道的计算机网络拓扑结构，具体的应用走专用的网络通道，这种计算机网络拓扑结构设计理论上考虑到网络内的设备可以自由移动物理位置，并继承了传统计算机网络拓扑结构的交换机转发数据的特点。虽然目前的主流计算机网络拓扑结构好像用不上这些技术，但新兴技术的成熟总需要时间来验证，也许不是现在，但作为次世代的技术，在未来有很大的发展空间。还有一些其他已经成型的新型计算机网络拓扑结构，这些新兴的计算机网络拓扑结构已经超越了传统基于第三层网络leaf-spine的计算机网络拓扑结构。虽然这些计算机网络拓扑结构并不多见。因为这些计算机网络拓扑结构大多应用于特殊领域的数据中心。多层的leaf-spine计算机网络拓扑结构已经很接近计算机网络拓扑结构的基线，许多大型网络利用垂直部署的方法来扩展网络，如VLAN等等。Hypercube立方体计算机网络拓扑结构。一个简单的3D Hypercube结构就像由六个面组成的立体方形的网络，每个联结点都由交换机构成。而一个4D Hypercube网络就如一个3D Hypercube网络位于另一个3D Hypercube里面，里外两个网络通过转角的节点连接彼此，设备节点连接在外层的网络。如要实施这种计算机网络拓扑结构，需要对自己的需求和预算进行了解，并且要详细明白这种计算机网络拓扑结构的特点在哪里。Toroidal环形计算机网络拓扑结构。这种计算机网络拓扑结构其实是指任何环形计算机网络拓扑结构。一个3D 的环形计算机网络拓扑结构是高度结构化的网络环。环形计算机网络拓扑结构通常用于需要高性能计算环境，并可能依靠交换机之间的互连节点计算。Jellyfish水母型计算机网络拓扑结构。听起来名字很奇怪，但挺符合它的称呼的。这种计算机网络拓扑结构主要的特点在它是一种大随机性的计算机网络拓扑结构，这种计算机网络拓扑结构的交换机根据网络设计师的设计相互连接。这种计算机网络拓扑结构结构的设计比起传统结构可以提高甚至25%的数据容量。DCell计算机网络拓扑结构。在这种计算机网络拓扑结构中，网络内的服务器都有多个网卡。其中部分网卡相互连接各个服务器，服务器就像一个大网络环境的细胞一样。DCell一般需要每服务器有四个或更多的网卡。FiConn计算机网络拓扑结构。类似DCell，FiConn结构中，每计算机网络拓扑结构服务器到另一个服务器的互联形成一个细胞节点，但只需要两个网卡。BCube计算机网络拓扑结构。类似DCell，FiConn，BCube使用额外的服务器端口直接连接，这些端口是专为模块化网络部署。微软在背后主推BCube计算机网络拓扑结构，并建立BCube源路由协议来管理网络数据中心的计算机网络拓扑结构。CamCube计算机网络拓扑结构。这种计算机网络拓扑结构目的是为了优化整个环面的数据传输，计算机网络拓扑结构被用于集群主机互连，计算机网络拓扑结构是建立在微软的CamCubeOS之上。传统的计算机网络拓扑结构管理方式在这种网络结构上不起作用。Butterfly蝴蝶型计算机网络拓扑结构。谷歌的扁平式蝴蝶结构是一个特定的计算机网络拓扑结构，类似于一个棋盘。在这种网络结构中，任何节点都可以作为一个开关，节点控制着流量。这种类型的网络目的在于降低功耗，有绿色环保的意义。
2. 网络五层结构
计算机网络五层结构是指应用层、传输层、网络层、数据链路层、物理层。
1、应用层
专门针对某些应用提供服务。
2、传输层
网络层只把数据送到主机，但不会送到进程。传输层负责负责进程与主机间的传输，主机到主机的传输交由网络层负责。传输层也称为端到端送。
3、网络层
把包里面的目的地址拿出来，进行路由选择，决定要往哪个方向传输。
负责从源通过路由选择到目的地的过程，达到从源主机传输数据到目标主机的目的。
4、数据链路层
通过物理网络传送包，这里的包是通过网络层交过来的数据报。
只完成一个节点到另一个节点的传送（单跳）。
5、物理层
通过线路（可以是有形的线也可以是无线链路）传送原始的比特流。
只完成一个节点到另一个节点的传送（单跳）。
(2)计算机网络结构数据中心扩展阅读：
计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。
计算机网络也称计算机通信网。关于计算机网络的最简单定义是：一些相互连接的、以共享资源为目的的、自治的计算机的集合。若按此定义，则早期的面向终端的网络都不能算是计算机网络，而只能称为联机系统（因为那时的许多终端不能算是自治的计算机）。但随着硬件价格的下降，许多终端都具有一定的智能，因而“终端”和“自治的计算机”逐渐失去了严格的界限。若用微型计算机作为终端使用，按上述定义，则早期的那种面向终端的网络也可称为计算机网络。
3. 数据中心网络中常用的拓扑结构---Fattree
姓名：姜国勇
学号：20011210153
转自：https://blog.csdn.net/bryanting/article/details/80000864
【嵌牛导读】数据中心是全球协作的特定设备网络，用来在网络基础设施上传递、加速、展示、计算、存储数据信息。
在今后的发展中，数据中心也将会成为企业竞争的资产，商业模式也会因此发生改变。随着数据中心应用的广泛化，人工智能、网络安全等也相继出现，更多的用户都被带到了网络和手机的应用中。随着计算机和数据量的增多，人们也可以通过不断学习积累提升自身的能力，是迈向信息化时代的重要标志。
其中，fat-tree模型为大多数数据中心网络构建常用的拓扑结构，在稳定性方面有着显着的优势。
【嵌牛鼻子】FatTree拓扑结构 数据中心网络
【嵌牛正文】
FatTree拓扑结构是由MIT的Fares等人在改进传统树形结构性能的基础上提出的，属于switch-only型拓扑。
整个拓扑网络分为三个层次：自上而下分别为边缘层（edge）、汇聚层（aggregate）和核心层（core），其中汇聚层交换机与边缘层交换机构成一个pod，交换设备均采用商用交换设备。
FatTree构建拓扑规则如下：FatTree拓扑中包含的Pod数目为 ，每一个pod连接的sever数目为 ，每一个pod内的边缘交换机及聚合交换机数量均为 ，核心交换机数量为 ，网络中每一个交换机的端口数量为 ，网络所能支持的服务器总数为 。
FatTree结构采用水平扩展的方式，当拓扑中所包含的pod数目增加，交换机的端口数目增加时，FatTree拓扑能够支持更多的服务器，满足数据中心的扩展需求，如k=48k=48时，FatTree能够支持的服务器数目为27648。
FatTree结构通过在核心层多条链路实现负载的及时处理，避免网络热点；通过在pod内合理分流，避免过载问题。
FatTree对分带宽随着网络规模的扩展而增大，因此能够为数据中心提供高吞吐传输服务；不同pod之间的服务器间通信，源、目的节点之间具有多条并行路径，因此网络的容错性能良好，一般不会出现单点故障；采用商用设备取代高性能交换设备，大幅度降低网络设备开销；网络直径小，能够保证视频、在线会与等服务对网络实时性的要求；拓扑结构规则、对称，利于网络布线及自动化配置、优化升级等。
Fat-Tree结构也存在一定的缺陷：Fat-Tree结构的扩展规模在理论上受限于核心交换机的端口数目，不利于数据中心的长期发展要求；对于Pod内部，Fat-Tree容错性能差，对底层交换设备故障非常敏感，当底层交换设备故障时，难以保证服务质量；拓扑结构的特点决定了网络不能很好的支持one-to-all及all-to-all网络通信模式，不利于部署MapRece、Dryad等现代高性能应用；网络中交换机与服务器的比值较大，在一定程度上使得网络设备成本依然很高，不利于企业的经济发展。
4. 数据中心是什么其系统结构和工作原理是怎样的呢
一直想整理一下这块内容，既然是漫谈，就想起什么说什么吧。我一直是在互联网行业，就以互联网行业来说。
先大概列一下互联网行业数据仓库、数据平台的用途：
整合公司所有业务数据，建立统一的数据中心；
提供各种报表，有给高层的，有给各个业务的；
为网站运营提供运营上的数据支持，就是通过数据，让运营及时了解网站和产品的运营效果；
为各个业务提供线上或线下的数据支持，成为公司统一的数据交换与提供平台；
分析用户行为数据，通过数据挖掘来降低投入成本，提高投入效果；比如广告定向精准投放、用户个性化推荐等；
开发数据产品，直接或间接为公司盈利；
建设开放数据平台，开放公司数据；
。。。。。。
- 上面列出的内容看上去和传统行业数据仓库用途差不多，并且都要求数据仓库/数据平台有很好的稳定性、可靠性；但在互联网行业，除了数据量大之外，越来越多的业务要求时效性，甚至很多是要求实时的 ，另外，互联网行业的业务变化非常快，不可能像传统行业一样，可以使用自顶向下的方法建立数据仓库，一劳永逸，它要求新的业务很快能融入数据仓库中来，老的下线的业务，能很方便的从现有的数据仓库中下线；
- 其实，互联网行业的数据仓库就是所谓的敏捷数据仓库，不但要求能快速的响应数据，也要求能快速的响应业务；
- 建设敏捷数据仓库，除了对架构技术上的要求之外，还有一个很重要的方面，就是数据建模，如果一上来就想着建立一套能兼容所有数据和业务的数据模型，那就又回到传统数据仓库的建设上了，很难满足对业务变化的快速响应。应对这种情况，一般是先将核心的持久化的业务进行深度建模（比如：基于网站日志建立的网站统计分析模型和用户浏览轨迹模型；基于公司核心用户数据建立的用户模型），其它的业务一般都采用维度+宽表的方式来建立数据模型。这块是后话。
- 整体架构下面的图是我们目前使用的数据平台架构图，其实大多公司应该都差不多：
- 逻辑上，一般都有数据采集层、数据存储与分析层、数据共享层、数据应用层。可能叫法有所不同，本质上的角色都大同小异。
- 我们从下往上看：
- 数据采集数据采集层的任务就是把数据从各种数据源中采集和存储到数据存储上，期间有可能会做一些简单的清洗。
- 数据源的种类比较多：
网站日志：
- 作为互联网行业，网站日志占的份额最大，网站日志存储在多台网站日志服务器上，
- 一般是在每台网站日志服务器上部署flume agent，实时的收集网站日志并存储到HDFS上；
业务数据库：
- 业务数据库的种类也是多种多样，有Mysql、Oracle、SqlServer等，这时候，我们迫切的需要一种能从各种数据库中将数据同步到HDFS上的工具，Sqoop是一种，但是Sqoop太过繁重，而且不管数据量大小，都需要启动MapRece来执行，而且需要Hadoop集群的每台机器都能访问业务数据库；应对此场景，淘宝开源的DataX，是一个很好的解决方案（可参考文章 《异构数据源海量数据交换工具-Taobao DataX 下载和使用》），有资源的话，可以基于DataX之上做二次开发，就能非常好的解决，我们目前使用的DataHub也是。
- 当然，Flume通过配置与开发，也可以实时的从数据库中同步数据到HDFS。
来自于Ftp/Http的数据源：
- 有可能一些合作伙伴提供的数据，需要通过Ftp/Http等定时获取，DataX也可以满足该需求；
其他数据源：
- 比如一些手工录入的数据，只需要提供一个接口或小程序，即可完成；
- 数据存储与分析毋庸置疑，HDFS是大数据环境下数据仓库/数据平台最完美的数据存储解决方案。
- 离线数据分析与计算，也就是对实时性要求不高的部分，在我看来，Hive还是首当其冲的选择，丰富的数据类型、内置函数；压缩比非常高的ORC文件存储格式；非常方便的SQL支持，使得Hive在基于结构化数据上的统计分析远远比MapRece要高效的多，一句SQL可以完成的需求，开发MR可能需要上百行代码；
- 当然，使用Hadoop框架自然而然也提供了MapRece接口，如果真的很乐意开发Java，或者对SQL不熟，那么也可以使用MapRece来做分析与计算；Spark是这两年非常火的，经过实践，它的性能的确比MapRece要好很多，而且和Hive、Yarn结合的越来越好，因此，必须支持使用Spark和SparkSQL来做分析和计算。因为已经有Hadoop Yarn，使用Spark其实是非常容易的，不用单独部署Spark集群，关于Spark On Yarn的相关文章，可参考：《Spark On Yarn系列文章》
- 实时计算部分，后面单独说。
- 数据共享这里的数据共享，其实指的是前面数据分析与计算后的结果存放的地方，其实就是关系型数据库和NOSQL数据库；
- 前面使用Hive、MR、Spark、SparkSQL分析和计算的结果，还是在HDFS上，但大多业务和应用不可能直接从HDFS上获取数据，那么就需要一个数据共享的地方，使得各业务和产品能方便的获取数据；和数据采集层到HDFS刚好相反，这里需要一个从HDFS将数据同步至其他目标数据源的工具，同样，DataX也可以满足。
- 另外，一些实时计算的结果数据可能由实时计算模块直接写入数据共享。
- 数据应用
业务产品
- 业务产品所使用的数据，已经存在于数据共享层，他们直接从数据共享层访问即可；
报表
- 同业务产品，报表所使用的数据，一般也是已经统计汇总好的，存放于数据共享层；
即席查询
- 即席查询的用户有很多，有可能是数据开发人员、网站和产品运营人员、数据分析人员、甚至是部门老大，他们都有即席查询数据的需求；
- 这种即席查询通常是现有的报表和数据共享层的数据并不能满足他们的需求，需要从数据存储层直接查询。
- 即席查询一般是通过SQL完成，最大的难度在于响应速度上，使用Hive有点慢，目前我的解决方案是SparkSQL，它的响应速度较Hive快很多，而且能很好的与Hive兼容。
- 当然，你也可以使用Impala，如果不在乎平台中再多一个框架的话。
OLAP
- 目前，很多的OLAP工具不能很好的支持从HDFS上直接获取数据，都是通过将需要的数据同步到关系型数据库中做OLAP，但如果数据量巨大的话，关系型数据库显然不行；
- 这时候，需要做相应的开发，从HDFS或者HBase中获取数据，完成OLAP的功能；
- 比如：根据用户在界面上选择的不定的维度和指标，通过开发接口，从HBase中获取数据来展示。
其它数据接口
- 这种接口有通用的，有定制的。比如：一个从Redis中获取用户属性的接口是通用的，所有的业务都可以调用这个接口来获取用户属性。
- 实时计算现在业务对数据仓库实时性的需求越来越多，比如：实时的了解网站的整体流量；实时的获取一个广告的曝光和点击；在海量数据下，依靠传统数据库和传统实现方法基本完成不了，需要的是一种分布式的、高吞吐量的、延时低的、高可靠的实时计算框架；Storm在这块是比较成熟了，但我选择Spark Streaming，原因很简单，不想多引入一个框架到平台中，另外，Spark Streaming比Storm延时性高那么一点点，那对于我们的需要可以忽略。
- 我们目前使用Spark Streaming实现了实时的网站流量统计、实时的广告效果统计两块功能。
- 做法也很简单，由Flume在前端日志服务器上收集网站日志和广告日志，实时的发送给Spark Streaming，由Spark Streaming完成统计，将数据存储至Redis，业务通过访问Redis实时获取。
- 任务调度与监控在数据仓库/数据平台中，有各种各样非常多的程序和任务，比如：数据采集任务、数据同步任务、数据分析任务等；
- 这些任务除了定时调度，还存在非常复杂的任务依赖关系，比如：数据分析任务必须等相应的数据采集任务完成后才能开始；数据同步任务需要等数据分析任务完成后才能开始；这就需要一个非常完善的任务调度与监控系统，它作为数据仓库/数据平台的中枢，负责调度和监控所有任务的分配与运行。
- 前面有写过文章，《大数据平台中的任务调度与监控》,这里不再累赘。
- 总结在我看来架构并不是技术越多越新越好，而是在可以满足需求的情况下，越简单越稳定越好。目前在我们的数据平台中，开发更多的是关注业务，而不是技术，他们把业务和需求搞清楚了，基本上只需要做简单的SQL开发，然后配置到调度系统就可以了，如果任务异常，会收到告警。这样，可以使更多的资源专注于业务之上。
5. 什么是数据中心
什么是数据中心？ 一、数据中心的定义及分类 数据中心即存放设备或数据的场地 数据中心即一个组织或单位用以集中放置计算机系统和诸如通信和存储这样的相关设备的基础设施；也可能是以外包方式让许多其他公司存放它们的设备或数据的地方。是场地出租概念在因特网领域的延伸。只提供场地和机柜的数据中心，一般称为DC（Data Center），而同时提供带宽服务的，一般称IDC（互联网数据中心， Internet Data Center），两者有时不作严格区分。数据中心规模方面，按标准机架数量，可分为小型、大型和超大型。级别方面，常依据Uptime Institute的行业评判标准， 按可用性，分为T1、T2、T3和T4。 二、发展阶段 从简单到复杂，从不稳定到稳定 早期的数据中心，比较简单。随着数据量的增加、数据业务的日趋复杂、生活和生产对互联网的依赖程度越来越高，耗电量的不断增长，数据中心的标准也越来越高，主要体现在标准性、稳定性、节能性和高密度性等方面。 三、运营者分类、关系及比较 互联网公司运用新技术更多，独立第三方市场优势渐显 数据中心的主要建设者包括电信运营商，独立第三方和大型互联网企业，三者之间存在着较为复杂的合作关系，在少数场景下亦存在竞争。电信运营商的核心优势是对带宽等资源的垄断、广泛分布的机房，以及深入到县级以下的体系。独立第三方的核心优势是丰富的建设经验和运维经验。互联网公司的核心优势是自身使用，因此可以统一规划、设计，并做全部的虚拟化、云化处理。互联网公司对于新技术的运用往往更加彻底，但在数据中心本身的产业链中，其作为买方，不参与市场竞争（其出售给下游的一般为云产品）。相比于电信运营商，独立第三方因建设速度、服务模式和重视程度等原因， 优势渐显。 四、市场概况：产业链 基础设施的基础设施 云计算常被比作信息产业的基础，而数据中心又是云计算的基础。在整个信息产业中，数据中心位于极为上游的位置，为各种互联网服务提供基础支撑。 五、技术概况：架构分层 从“风火水电”到“软件应用” 数据中心具有房地产和IT的双重属性，其可从场地到IT软件分为四层，每上升一层其地产属性会更弱、而IT属性会更强。大多数的数据中心到设施层即止。在客户类型为大客户，选择自行接入网络，或者服务商无网络资质时，也不提供网络服务，是更加简单的DC而非IDC。提供IT硬件时，业务即开始向服务器租用转变。提供IT软件时，一般即转型为公有云或者专有云的云厂商。 行业分析： 独立第三方数据中心优势渐显：相比于电信运营商，独立第三方数据中心建设速度更快、客户定制性更强、重视程度更高，且PUE大多更低，受到客户青睐。 移动互联网和大数据是过去数据中心增长的主要动因：过去5年，需求端，网民数量和移动流量增长迅速；供给端，大数据和人工智能对存储和计算提出更高需求。因素叠加，导致数据中心增长迅速。 5G、物联网、工业互联网和传统企业上云是未来增长的主要动因：5G的传输带宽显着高于4G，且原生标准支持企业独立组网，为物联网、工业互联网奠定基础。因素叠加，会持续利好数据中心行业。 一线城市资源紧俏，节能成为硬性指标：因数据中心的高能耗特点，北上广深等均对数据中心建设提出了更为严格的限制措施（一般要求PUE<1.4），但这些城市需求旺盛，既有数据中心成为紧俏资源。 智能运维被更多应用：随着数据中心规模的提升、人工成本的上涨以及客户对资源动态增减需求的日益增多，传统人工运维已难适应。基于传感器、DCIM和自动巡检机器人的整体智能运维渐被得到更多应用。 核心观点： 一线、边远双向发展 ——随着一线城市指标的收紧以及骨干网络结构的逐渐改变，一线城市周边以及能源更充足地区成为互联网自建数据中心的首选。但因传输的物理距离、客户需求等，独立第三方数据中心更愿恪守一线。 资本跨界进入 ——随着国家对新基建的重视， 已有越来越多其他行业的 企业跨界进入数据中心行 业，这会客观上加剧数据 中心的竞争。但数据中心 不等同于地产，拥有更强 IT属性，拥有更丰富运营 经验的企业将优势渐显。 横向整合成为趋势 ——数据中心的本身特点致使资金更加充足、整合能力更强的企业，对一些机房甚至企业进行收购，成为必然。而一些原本规模较小的，尤其是两千机柜以下的数据中心不进则退， 被收购可能性较大。 与“云”终难舍难分 ——数据中心运营企业会因客户需求和追求更高毛利率，更多向云计算方向发展，具体实践路径包括：代维公有云、进军公有云、主打专有云和混合云，或重点发展云MSP业务。 我会继续聚焦5G时代，关注新基建资讯，分享5G和数字中国信息，以前沿的视角分析数据中心的发展，为大家带来行业内数字化动态和新基建科研成果。 如果你刚好需要这份资料，私我“发展洞察”，免费分享给大家。希望大家喜欢今天的这一次分享6. 什么是数据中心数据中心系统有哪几部分组成
IDC(Internet Data Center) - Internet数据中心，它是传统的数据中心与Internet的结合，它除了具有传统的数据中心所具有的特点外，如数据集中、主机运行可靠等，还应具有访问方式的变化、要做到7x24服务、反应速度快等。IDC是一个提供资源外包服务的基地，它应具有非常好的机房环境、安全保证、网络带宽、主机的数量和主机的性能、大的存储数据空间、软件环境以及优秀的服务性能。IDC作为提供资源外包服务的基地，它可以为企业和各类网站提供专业化的服务器托管、空间租用、网络批发带宽甚至ASP、EC等业务。简单地理解，IDC是对入驻(Hosting)企业、商户或网站服务器群托管的场所；是各种模式电子商务赖以安全运作的基础设施，也是支持企业及其商业联盟(其分销商、供应商、客户等)实施价值链管理的平台。形象地说，IDC是个高品质机房，在其建设方面，对各个方面都有很高的要求网络建设IDC主要是靠其有一个高性能的网络为其客户提供服务，这个高性能的网络包括其- AN、WAN和与Internet接入等方面要求。IDC的网络建设主要有： - IDC的- AN的建设，包括其- AN的基础结构，- AN的层次，- AN的性能。 - IDC的WAN的建设，即IDC的各分支机构之间相互连接的广域网的建设等。 - IDC的用户接入系统建设，即如何保证IDC的用户以安全、可靠的方式把数据传到IDC的数据中心，或对存放在IDC的用户自己的设备进行维护，这需要IDC为用户提供相应的接入方式，如拨号接入、专线接入及VPN等。 - IDC与Internet互联的建设。- IDC的网络管理建设，由于IDC的网络结构相当庞大而且复杂，要保证其网络不间断对外服务，而且高性能，必须有一高性能的网络管理系统。机房场地建设机房场地的建设是IDC前期建设投入最大的部分。由于IDC的用户可能把其重要的数据和应用都存放在IDC的机房中，所以对IDC机房场地环境的要求是非常高的。IDC的机房场地建设主要在如下几个方面： - 机房装修：机房装修主要考虑吊顶、隔断墙、门窗、墙壁和活动地板等。- 供电系统：供电系统是IDC的场地建设重点之一，由于IDC的大量设备需要极大的电力功率，所以供电系统的可靠性建设、扩展性是极其重要的。供电系统建设主要有：供电功率、UPS建设（n+1）、配电柜、电线、插座、照明系统、接地系统、防雷和自发电系统等。- 空调系统：机房的温度、通风方式和机房空气环境等。- 安全系统：门禁系统、消防系统和监控系统。- 布线系统：机房应有完整的综合布线系统，布线系统包括数据布线、语音布线、终端布线。- 通信系统：包括数据线带宽、语音线路数目等。