數據中心網絡架構的HA測試

高可用性需求是數據中心最重要的需求之一，由于數據中心承載著網絡中的重要業(yè)務數據，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。不同等級的數據中心對網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)別主要在于網絡故障對業(yè)務恢復的快慢影響。對數據中心而言，高可用性涉及到網絡、服務器、存儲、電力、制冷等多個方面的因素，本文主要闡述數據中心網絡架構的高可用需求以及典型測試案例。

　　1 數據中心HA設計需求

　　1.1 數據中心HA設計的重要性

　　網絡中節(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的總故障時間的對應關系

　　為什么數據中心網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，今天的數據中心都在快速擴展。高性能服務器、虛擬化和高速以太網等新技術都著眼于將多種流量類型，如數據、存儲、視頻和語音等匯聚在單一的網絡架構中。業(yè)務的高度集中使得網絡故障的影響和損失擴大，從而也提高了對網絡可靠性的需求。

　　2、超大型數據中心對高可靠性的需求

　　超大型數據中心，尤其是一些重載型數據中心，其對網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左右的數據。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的數據。越是關鍵的位置，網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，現在數據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接口推動了交換機的萬兆以太網的部署一樣，服務器萬兆接口的普及也將推動數據中心核心網對40GE和100GE以太網的迫切需求。帶寬的增長自然會對核心網帶來更大的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)務的重要數據，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實，而且越來越多的私有云和公共云的部署使用都已經充分證明了其存在的意義?；A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)資源調度和自動重啟等。虛擬機的實時遷移產生了額外的網絡流量，這對于已經處于高負荷狀態(tài)的網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據中心HA的新關注要點。

　　1.2 全局測試與數據中心HA

　　隨著數據中心網絡的不斷變化和發(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據中心組件，而且可以測量整個數據中心的能力，并產生有意義的結果。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據中心網絡任意路徑的流量。在一個數據中心環(huán)境中，全局的HA測試意味著不僅是只對單個網絡組件的HA性能進行測試，還要確保每一個組件與數據中心其它新舊組件配合起來協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絡的整體指標，通過對流量特征的構造模擬，精確統(tǒng)計網絡的功能、性能和HA各項指標?；跍y試結論分析評估網絡整體架構的合理性、擴展性等，為網絡優(yōu)化提供數據參考。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

　　數據中心的業(yè)務流量主要分為服務器之間的內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“非網格型”和“部分網格型”,兩者的組合可以看作“全網格型”.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 數據中心流量模擬

2.2 故障事件模擬

　　通過模擬網絡失效來計算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，這也是數據中心網絡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據報文經過被測系統(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-收包端口收包數）÷ 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