文 | 钱钱
编辑 | 阿景
现在咱们刷短视频、逛电商、抢火车票，背后都靠数据中心网络撑着。
大厂的DCN（数据中心网络）就像行业的技术样板间，他们怎么搭架构、选设备，小公司基本就跟着学。
今天就聊聊大厂DCN的架构、协议和运维这三件事，看看这些技术风向标到底有啥不一样。
DCN架构的十年变身
早期数据中心的服务器摆得跟村里散养鸡似的，一台台隔开，留着宽过道，方便人工检修。
那会儿金融机构的ServerFarm就是典型，服务器密度低得可怜，毕竟金融业务求稳，出点故障可不是闹着玩的。
互联网公司就不一样了。
用户量爆炸式增长，服务器不够用，机房空间又金贵，只能往"密"里整。
现在大厂的DCN，服务器堆得跟钢铁森林似的，密度比早期金融数据中心高了20倍不止。
这可不是瞎堆，得看业务属性。
在线业务比如直播、支付，讲究"快"，服务器得挨近点，数据传输时延才能压到最低。
离线业务比如数据备份、AI训练，对时延不敏感，但数据量大，就得优先考虑成本，服务器可以分区域放，甚至用便宜点的硬件。
阿里张北数据中心的离线业务集群就很典型。
他们把服务器分组部署，每组之间留着"防火墙"，一组出问题，另一组能立马顶上。
这种设计既省了钱，又扛住了风险，算是把"集约化"玩明白了。
协议和硬件的攻守战
架构搭好了，数据在里面跑还得靠协议指挥，就像修好了高速公路，得有交通规则才行。
大厂DCN里，协议的江湖也挺热闹。
以前企业网最爱用OSPF协议，简单好上手。
但到了大厂DCN，OSPF基本销声匿迹了，现在当家的是BGP。
为啥？BGP就像个万能插头，能接各种网络，扩展性强；规则灵活，想让数据走哪条路就走哪条；最重要的是，用的人多，生态成熟，出问题了好找解决方案。
举个例子，早期DCN用ECMP协议分流量，就像几条路一起开车，但总有条路车多、条路车少，效率低。
后来大厂搞出UCMP，能根据每条路的实时状态分配流量，某电商大促时，一条链路突然拥堵，系统自动把流量分到其他路，用户都没感觉卡顿。
硬件这边，机框式交换机以前是香饽饽，一个大机箱插十几个线卡，端口多。
但现在大厂基本改用盒式交换机了。
机框式有个致命问题：一个线卡坏了，整个机箱都可能受影响，故障范围太大，就像一栋楼的水管爆了，整栋楼停水。
盒式交换机小巧灵活，一个坏了换一个，故障范围可控，成本还低，三年周期算下来，TCO能省不少。
某大厂早年吃过机框式的亏。
一次跨厂商排障，机框内部模块兼容性出问题，查了48小时才找到原因，业务停了小半天。
从那以后，他们就慢慢换成盒式设备了。
光模块是连接服务器和交换机的"数据线"，别看小，学问大。
高速信号传输时，速率、距离、功耗、可靠性得平衡。
以前大厂买现成的货架产品，现在都跟厂商联合研发，比如从SR4到DR4的升级，就是根据自己机房的距离和速率需求定制的，既能满足性能，又能压成本。
日常运维才是真考验。
大厂的DCN一天要处理几亿次请求，出点小故障都可能影响几千万用户，所以他们的运维团队练就了"秒级响应"的本事。
他们在网络里到处插"探针"，就像遍布全城的监控摄像头，哪条链路堵了、哪个设备卡了，立马能发现。
配合ARP/ND转主机路由技术，故障设备能被快速隔离，不会连累其他区域。
自动化运维也是标配。
BGP团体字策略就像给路由贴标签，哪条路由从哪来、要去哪，一看标签就知道，管理起来清清楚楚。
故障发生时，系统能自动触发修复流程，从告警到业务恢复，全程不用人工插手。
数据驱动决策也用得溜。
比如统计不同厂商设备的故障率，谈判时直接甩数据："你家设备半年坏了5次，别家才1次，价格得再降降。"厂商也没法反驳。
说到底，大厂DCN的技术路线，其实就一个逻辑：业务需要什么，就做什么优化。
不追时髦技术，只解决真问题。
未来云网融合，DCN还得跟着业务变，但核心逻辑估计跑不了简单、可靠、成本可控，这才是技术该有的样子。
