1、戴艷Principle Solution ArchitectOracle China構建基于云平臺的下一代數據中心提綱提綱1、云數據中心概念的提出2、云計算與數據中心的關系3、云數據中心的應用場景4、云數據中心的數據管理傳統的數據中心傳統的數據中心煙囪式架構煙囪式架構 異構的技術 多種操作系統平臺 支撐高峰時的容量 被動的響應式管理龐大的應用體系龐大的應用體系 靜態地部署 多種軟件組合 點對點集成 獨立的應用數據MainframeDASCustomApplicationBig serverDASERPApplicationSalesApplicationClusterDatabaseDataW

2、arehouseNAS/SANORBNAS/SANFilesDatabaseDatabaseSmall server數據中心的利用率和效率不高數據中心的利用率和效率不高很少的一部分客戶開很少的一部分客戶開始監控數據中心服務始監控數據中心服務器的利用率，然而，器的利用率，然而，非常少的客戶會注意非常少的客戶會注意數據中心的效率數據中心的效率Server utilization remains very low. . .Average daily utilization (percent)01020304050607080901000102030405090100 Up to 30% server

3、s are dead* Sample size 45 data centersSource: Uptime InstitutePeak daily utilization (percent)下一代云數據中心概念的提出下一代云數據中心概念的提出整合的整合的敏捷的敏捷的高性能高性能高可用性高可用性整合架構-動態負載管理煙囪式架構-低效的資源管理整合的要求整合的要求提升服務器的利用水平提升服務器的利用水平5% - 10% (Gartner)60% - 70% (Oracle大學網格)敏捷的要求敏捷的要求 敏捷地適應應用變化情況 根據負載隨需擴展 高彈性，動態伸縮，self service，配置更多的

4、實例 在初始投資成本和獲得良好的效率之間作出平衡（減少Capex 和Opex） 實時地獲取業務變化，并以此作出響應Applications A, B, C, D, ENetWorkloadIf utilization too high,increase capacityShared InstanceServer AServer BServer CServer DScale-out on-demand聯邦式云數據中心聯邦式云數據中心Austin, TXColorado Springs, COSalt Lake City, UT根據應用要求進行資源分配根據應用要求進行資源分配Austin, TXC

5、olorado Springs, COSalt Lake City, UT高性能的要求高性能的要求全球最大數據倉庫容量其大小每兩年增長三倍1998 1 TB; 2001 10 TB; 2003 30 TB; 2005 100 TB; 2007 300TB; 2009 900 TB; 2011 2.7 PB高性能的要求高性能的要求分布式處理能力分布式處理能力集中處理層問題：昨天的客戶發展量如何？分布式處理層匯總、合并結果Select sum(sales) whereDate=24-Sept 多個服務器并行處理查詢請求構建并發Smart Scan請求各服務器返回結果Storage數據復制完全激活故

6、障切換到備點數據的備份和恢復低成本高性能數據保護 & 歸檔集群技術保證容錯和 服務器水平擴展DatabaseDatabaseStorage高可用性的要求高可用性的要求自動存儲管理保證容錯和存儲水平擴展保證業務不被中斷 - 每個都是可以水平擴展的, 完全激活的, 以數據為中心的要求達到最高可用性和最低的成本在線升級硬件和軟件提綱提綱1、云數據中心概念的提出2、云計算與數據中心的關系3、云數據中心的應用場景4、云數據中心的數據管理云計算模式能以按需方式，通過網絡，方便的訪問云系統的可配置計算資源共享池(比如：網絡，服務器，存儲，應用程序和服務) 。同時它以最少的管理開銷及最少的與供應商的交

7、互，迅速配置提供或釋放資源。* Source: NIST云計算基本特征普遍網絡訪問共享的資源池多DB快速彈性能力可度量的服務按需的自服務為什么采用為什么采用“云云”煙囪式的系統建設，IT成本居高不下（硬件/能耗/管理）按峰值規模建設，資源平均利用率低缺乏彈性的系統設計，應對業務突發情況差建設周期漫長，無法快速提供與部署業務需求的快速增長，設備更替快，不利投資保護集中資源池的共享虛擬化、分時/區共享動態調配、彈性伸縮自動化、自服務低成本、標準化硬件云計算云數據中心技術標準化能力服務化提供快速化資源彈性化管理自動化管控集中化傳統模式提綱提綱1、云數據中心概念的提出2、云計算與數據中心的關系3、云數

8、據中心的應用場景4、云數據中心的數據管理眾多分散的小數據庫需要整合，尤其是OSS域及MSS域，分散的數據庫帶來很多問題：分散的管理與運維DB的多版本數據分散帶來的數據一致性問題系統擴展能力的限制，即，缺乏彈性能力（突發性業務需求的支撐能力難以滿足）數據安全問題，無統一標準和流程數據質量問題，無統一標準和流程數據全生命周期管理缺失維護人員分散利用率不高的問題分散數據庫帶來的License冗余問題（集中的數據庫基于共享可以帶來License成本的降低）分散帶來的數據分析與數據挖掘的困難低信息密度的現狀導致的存儲空間的浪費問題（缺乏高性能壓縮能力）整合符合綠色計算的發展趨勢通過標準化及自動化管理的采

9、用有效降低運維成本有效提升數據安全并降低數據分發的難度滿足全企業內集中的、標準化的數據管理要求整合與共享可以帶來數據服務能力的持續可用集中化、標準化是IT演進大趨勢的要求分散數據庫的整合集中化的災備中心大集中SaaS應用的數據庫支撐新一代IDC/ADC的數據庫提供與運營電信企業采用云數據中心的潛在現實需求1目前的災備中心多為基于現有應用進行一對一的匹配建設（Silo），硬件投資巨大目前的災備中心多為冷備中心（Active-Standby），日常災備中心的資源只能空閑無法利用，資源的有效利用率很低需要建設雙活的災備中心（Active-Active），有效提升資源利用率需要基于資源共享（Share

10、 Pool）及動態調整能力，有效節約硬件投資異構數據管理變為統一的同構數據管理，提升可管理性通過集中化的災備中心建設，促進IT系統的管控集中化、技術標準化的演進分散數據庫的整合集中化的災備中心大集中SaaS應用的數據庫支撐新一代IDC/ADC的數據庫提供與運營電信企業采用云數據中心的潛在現實需求3伴隨電信市場競爭的加劇，電信企業的產品的同質化及全網一體化趨勢越發明顯，這使得電信企業的業務標準化程度越來越高；這些趨勢直接導致了全網大集中的SaaS應用需求的產生SaaS應用基于統一的業務流程、數據模型、客戶體驗等為全網的所有使用者提供IT應用能力，帶來更高要求的數據庫服務提供能力需求：滿足大集中的

11、高性能需求（數億用戶的OLTP）滿足大集中帶來的PB級海量數據管理能力滿足大集中帶來的高可用性要求滿足數據的生命周期管理能力滿足業務增長帶來的動態擴展性需求滿足SaaS應用需要的數據一致性保障能力滿足SaaS應用需要的關系型數據庫的數據管理與數據提供能力要求全國大集中的SaaS應用對高性能、高可用性、數據嚴格一致性等方面的數據庫需求，在BSS領域核心支撐系統的全國大集中項目中顯得尤為突出分散數據庫的整合集中化的災備中心大集中SaaS應用的數據庫支撐新一代IDC/ADC的數據庫提供與運營電信企業采用云數據中心的潛在現實需求3適合大型企業的大型關系型數據庫的提供或托管高性能海量數據的可管理性數據生

12、命周期管理擴展性服務使用的度量數據安全適合中小企業的小型關系型數據庫的提供或托管DB Instance的快速自服務創建與釋放計算能力及存儲容量的彈性能力自動化管理能力服務使用的度量數據安全分散數據庫的整合集中化的災備中心大集中SaaS應用的數據庫支撐新一代IDC/ADC的數據庫提供與運營電信企業采用云數據中心的潛在現實需求4眾多分散的小數據庫的整合，尤其是OSS域及MSS域基于整合平臺提升數據生命周期管理能力及數據質量通過標準化及自動化管理的采用有效降低運維成本有效提升數據安全并降低數據分發的難度全企業內集中的、標準化的數據管理要求建設雙活的災備中心，有效提升資源利用率基于資源共享及動態調整能

13、力，有效節約硬件投資通過集中化的災備中心建設，促進IT系統的管控集中化、技術標準化的演進全國大集中的SaaS應用帶來高性能數據庫集群的需求，尤其是BSS領域核心支撐系統全國大集中的OLTP需求海量數據管理能力及動態擴展能力SaaS應用所需的數據一致性保障及關系數據管理能力適合大型企業的大型關系型數據庫的提供或托管高性能、海量數據管理、擴展性適合中小企業的小型關系型數據庫的提供或托管DB實例的快速提供、彈性能力、自動化分散數據庫的整合集中化的災備中心大集中SaaS應用的數據庫支撐新一代IDC/ADC的數據庫提供與運營電信企業在云化架構的數據庫平臺層的潛在現實需求云數據中心的需求總結業務目標：降低

14、成本、提高效率、改善服務、拓展業務！提綱提綱1、云數據中心概念的提出2、云計算與數據中心的關系3、云數據中心的應用場景4、云數據中心的數據管理云數據中心的技術要求云數據中心的技術要求24計算資源、存儲計算資源、存儲數據數據應用應用/服務服務云接入云接入數據仍然是云中心最重要的信息資產！ 海量分布式存儲和處理 高并發讀寫 高性能獲取 負載均衡 資源共享 在線擴展遷移 足夠的安全 簡單的管理 標準的訪問接口云存儲+分布式云數據庫如何實現云數據中心如何實現云數據中心兩種兩種云云中的分布式數據庫中的分布式數據庫25基于key/value的鍵值非關系型并行數據庫云服務提供商：Google BigTabl

15、e,Amazon SimpleDB,MS SDS開源/獨立：Hadoop Hbase, oldemort,Cassandra關系型數據庫/數據倉庫分布式解決方案OLTP&DW:Oracle,DB2,SQL server,SybaseDW:Teradata,Netezza,Greenplum開源：Hadoop CloudBase兩種兩種云云中的分布式數據庫中的分布式數據庫 Cont.Cont.26非關系型分布式數據庫針對某類特定需求而設計具有很強的彈性和擴展能力規模化提供較強的分布式處理能力數據弱一致性設計較弱的結構化查詢統計能力，一般存在較多限制非標準/部分標準的訪問接口關系型分布式數

16、據庫通用性設計，但也帶來了性能的限制通過集群提供較強的橫向擴展能力較強的分布式能力數據強一致性保障很強的結構化查詢與復雜分析能力標準的數據訪問接口很小的應用領域，缺乏成熟的商業產品。產品成熟，但要在性能和伸縮性上進一步增強VS更適合企業私有云數據中心的建設云數據中心可能的問題云數據中心可能的問題可用性可用性大規模集群環境下，單個/部分節點的故障容錯性能瓶頸性能瓶頸隨著集群規模的擴大，單節點環境下的性能瓶頸可能會被放大，如節點交互、IO擴展性擴展性隨著數據量和負載的增大，如何保證可擴展性以滿足業務處理和分析對性能的要求數據存儲數據存儲海量數據的在分布式環境下的存儲和高效訪問，空間的需求和壓縮等2

17、7云環境下需要一個更加強大的分布式數據庫解決方案！Oracle云數據中心解決方案云數據中心解決方案Exadata完美解決超大型分布式數據庫/數據倉庫面臨的挑戰！28 Extreme Performance 為數據倉庫應用帶來10-100倍的性能提升；OLTP應用帶來20倍的性能提升； Linear Scalability 適應海量數據迅速增長的線性性能擴展，消除瓶頸 Availability 預配置的軟硬件提供企業級的支撐能力，最大可用性、安全性、容災等。 Distributed 基于網格的智能分布式存儲，解決海量數據的存儲和處理，保證強大的I/O吞吐能力。更低的總體擁有成本！更高的性能！資源

18、的分割與整合資源的分割與整合 Instance Caging Instance caging允許管理員限制每個例程使用的CPU資源 可以防止運行在一個例程中的失控進程影響到運行在服務器上的其它例程 當數據庫運行時可以動態調整. 參數cpu_count 支持分割方式和過度配置 與Resource Manager一起工作分布式智能處理分布式智能處理分布式處理，解決計算能力問題分布式處理，解決計算能力問題：每個服務器包括存儲、CPU及相應的軟件, 處理SQL 及壓縮，恒定的計算能力與存儲的比值。橫向并發計算，解決帶寬和可靠性問題橫向并發計算，解決帶寬和可靠性問題：分布式處理單元橫向部署，ASM提供鏡

19、像保護，處理能力與數據量同比擴展。廉價標準化，解決價格及更新問題廉價標準化，解決價格及更新問題：完全標準的PC服務器硬件，智能存儲單元數量不受限，極大降低成本，并隨著PC技術的發展而發展。Exadata CellInfiniBand Switch/Network集群數據庫或單實例數據庫Exadata CellExadata Cell分布式處理層集中處理層超高速、并發網絡層Exadata CellExadata CellExadata CellExadata Cell云中存儲云中存儲的的高可用性高可用性通過自動存儲技術通過自動存儲技術(ASM)避免磁盤或存儲節點的單點故障避免磁盤或存儲節點的單點

20、故障 自動存儲管理保證數據的冗余和條帶化 保證數據的分布是均勻的 保證存儲的動態添加和刪除 保證熱點數據獲得更好的性能Exadata CellExadata CellHotHotHotHotHotHotColdColdColdColdColdColdASMDisk GroupASMFailure GroupASMFailure Group案例介紹案例介紹 奧斯丁數據中心:超過 20,000 服務器全世界最大的 Dell/Linux 數據中心每星期增加100服務器超過 5,000 TB 數據全世界最大的 NetApp 數據中心每月增加 60TBs 數據支持超過 400 其他客戶的關鍵應用為超過65000甲骨文員工服務超過7000平方米Oracle的應用架構整合的應用架構整合1998TodayBusiness as UsualGlobal Single Instance (GSI) 52 applica