文 | 錢錢
編輯 | 阿景
現在咱們刷短視頻、逛電商、搶火車票，背後都靠數據中心網路撐著。
大廠的DCN（數據中心網路）就像行業的技術樣板間，他們怎麼搭架構、選設備，小公司基本就跟著學。
今天就聊聊大廠DCN的架構、協議和運維這三件事，看看這些技術風向標到底有啥不一樣。
DCN架構的十年變身
早期數據中心的伺服器擺得跟村裡散養雞似的，一台台隔開，留著寬過道，方便人工檢修。
那會兒金融機構的ServerFarm就是典型，伺服器密度低得可憐，畢竟金融業務求穩，出點故障可不是鬧著玩的。
互聯網公司就不一樣了。
用戶量爆炸式增長，伺服器不夠用，機房空間又金貴，只能往"密"里整。
現在大廠的DCN，伺服器堆得跟鋼鐵森林似的，密度比早期金融數據中心高了20倍不止。
這可不是瞎堆，得看業務屬性。
在線業務比如直播、支付，講究"快"，伺服器得挨近點，數據傳輸時延才能壓到最低。
離線業務比如數據備份、AI訓練，對時延不敏感，但數據量大，就得優先考慮成本，伺服器可以分區域放，甚至用便宜點的硬體。
阿里張北數據中心的離線業務集群就很典型。
他們把伺服器分組部署，每組之間留著"防火牆"，一組出問題，另一組能立馬頂上。
這種設計既省了錢，又扛住了風險，算是把"集約化"玩明白了。
協議和硬體的攻守戰
架構搭好了，數據在裡面跑還得靠協議指揮，就像修好了高速公路，得有交通規則才行。
大廠DCN里，協議的江湖也挺熱鬧。
以前企業網最愛用OSPF協議，簡單好上手。
但到了大廠DCN，OSPF基本銷聲匿跡了，現在當家的是BGP。
為啥？BGP就像個萬能插頭，能接各種網路，擴展性強；規則靈活，想讓數據走哪條路就走哪條；最重要的是，用的人多，生態成熟，出問題了好找解決方案。
舉個例子，早期DCN用ECMP協議分流量，就像幾條路一起開車，但總有條路車多、條路車少，效率低。
後來大廠搞出UCMP，能根據每條路的實時狀態分配流量，某電商大促時，一條鏈路突然擁堵，系統自動把流量分到其他路，用戶都沒感覺卡頓。
硬體這邊，機框式交換機以前是香餑餑，一個大機箱插十幾個線卡，埠多。
但現在大廠基本改用盒式交換機了。
機框式有個致命問題：一個線卡壞了，整個機箱都可能受影響，故障範圍太大，就像一棟樓的水管爆了，整棟樓停水。
盒式交換機小巧靈活，一個壞了換一個，故障範圍可控，成本還低，三年周期算下來，TCO能省不少。
某大廠早年吃過機框式的虧。
一次跨廠商排障，機框內部模塊兼容性出問題，查了48小時才找到原因，業務停了小半天。
從那以後，他們就慢慢換成盒式設備了。
光模塊是連接伺服器和交換機的"數據線"，別看小，學問大。
高速信號傳輸時，速率、距離、功耗、可靠性得平衡。
以前大廠買現成的貨架產品，現在都跟廠商聯合研發，比如從SR4到DR4的升級，就是根據自己機房的距離和速率需求定製的，既能滿足性能，又能壓成本。
日常運維才是真考驗。
大廠的DCN一天要處理幾億次請求，出點小故障都可能影響幾千萬用戶，所以他們的運維團隊練就了"秒級響應"的本事。
他們在網路里到處插"探針"，就像遍布全城的監控攝像頭，哪條鏈路堵了、哪個設備卡了，立馬能發現。
配合ARP/ND轉主機路由技術，故障設備能被快速隔離，不會連累其他區域。
自動化運維也是標配。
BGP團體字策略就像給路由貼標籤，哪條路由從哪來、要去哪，一看標籤就知道，管理起來清清楚楚。
故障發生時，系統能自動觸發修複流程，從告警到業務恢復，全程不用人工插手。
數據驅動決策也用得溜。
比如統計不同廠商設備的故障率，談判時直接甩數據："你家設備半年壞了5次，別家才1次，價格得再降降。"廠商也沒法反駁。
說到底，大廠DCN的技術路線，其實就一個邏輯：業務需要什麼，就做什麼優化。
不追時髦技術，只解決真問題。
未來雲網融合，DCN還得跟著業務變，但核心邏輯估計跑不了簡單、可靠、成本可控，這才是技術該有的樣子。
