数据中心上传速度

2016思科和/或其附属公司.
版权所有.
1思科全球云指数:预测和方法,2015-2020年2016思科和/或其附属公司.
版权所有.
2概述思科全球云指数(GCI)旨在持续对全球数据中心和基于云的IP流量的发展情况进行预测.
该预测包括与数据中心虚拟化和云计算有关的趋势.
本文档详细介绍了研究及研究背后的方法.
预测概述超大规模数据中心到2020年,超大规模数据中心的数量将从2015年底的259个增长至485个.
到2020年,此类数据中心将占全部数据中心服务器安装量的47%.
到2020年,超大规模数据中心内部的流量将增至五倍.
超大规模数据中心流量已占所有数据中心内部总流量的34%,到2020年将占53%.
全球数据中心流量到2020年底,全球数据中心IP流量将从2015年的每年4.
7ZB(每月390EB)增长到每年15.
3ZB(每月1.
3ZB).
未来五年内,全球数据中心IP流量将增至3倍.
总体而言,从2015到2020年,数据中心IP流量将以27%的复合年均增长率(CAGR)增长.
数据中心虚拟化和云计算增长到2020年,92%的工作负载将由云数据中心处理;8%的工作负载将由传统数据中心处理.
到2020年,数据中心工作负载总量将增至2015年的两倍以上(2.
6倍);而同期的云工作负载量将增至三倍以上(3.
2倍).
2015年,云数据中心的工作负载密度(即每台物理服务器的工作负载数量)为7.
3,到2020年将增加至11.
9.
相比而言,传统数据中心在2015年的工作负载密度为2.
2,到2020年将增加至3.
5.
公共云与私有云比较到2020年,68%的云工作负载将在公共云数据中心运行,相比2015年的49%,比例有所上升(2015年至2020年的CAGR为35%).
到2020年,32%的云工作负载将在私有云数据中心运行,相比2015年的51%,比例有所下降(2015年至2020年的CAGR为15%).
全球云流量到2020年底,全球云IP流量将从2015年的每年3.
9ZB(每月321EB)增长到每年14.
1ZB(每月1.
2ZB).
未来五年内,全球云IP流量将增至近4倍(3.
7倍).
总体而言,从2015年到2020年,云IP流量将以30%的CAGR增长.
到2020年,全球云IP流量将占数据中心总流量的92%以上.
云服务交付模式到2020年,74%的云工作负载总量将为软件即服务(SaaS)工作负载,相比2015年的65%,比例有所上升.
到2020年,17%的云工作负载总量将为基础设施即服务(IaaS)工作负载,相比2015年的26%,比例有所下降.
到2020年,8%的云工作负载总量将为平台即服务(PaaS)工作负载,相比2015年的9%,比例有所下降.
按应用划分的工作负载到2020年,企业工作负载将占数据中心工作负载总量的72%,相比2015年的79%,比例有所下降.
到2020年,消费者工作负载将占数据中心工作负载总量的28%,相比2015年的21%,比例有所上升.
在企业细分市场内,计算(到2020年占企业工作负载的29%)和协作(到2020年占企业工作负载的24%)是两个在工作负载总量中占据最大比例的应用.
在消费者细分市场内,视频流(到2020年占消费者工作负载的34%)和社交网络(到2020年占消费者工作负载的24%)是两个在工作负载总量中占据最大比例的应用.
2016思科和/或其附属公司.
版权所有.
3在企业细分市场内,数据库/分析和物联网将是增长最快的应用,2015年至2020年的CAGR为22%,将增至近2.
7倍.
在消费者细分市场内,社交网络(2015年至2020年的CAGR为33%)和视频流(2015年至2020年的CAGR为32%)将是增长最快的应用.
数据中心存储到2020年,数据中心存储安装容量将从2015年的382EB增长到1.
8ZB(增至近5倍).
到2020年,云数据中心内的全球数据总存储安装容量将占数据中心总存储容量的88%,相比2015年的64.
9%,比例有所上升.
数据中心内的数据、大数据和万物互联从全球范围看,到2020年数据中心内存储的数据将从2015年的171EB增长到915EB,增至5.
3倍(CAGR为40%).
到2020年,大数据将从2015年的25EB增长到247EB,增至近10倍.
到2020年,仅大数据一项就将占到数据中心内所存储数据的27%,相比2015年的15%,比例有所上升.
到2020年,设备上存储的数据量将增长到5.
3ZB,比数据中心内存储的数据量高5倍.
在物联网的推动下,到2020年由任何设备生成(不一定存储)的数据总量将从2015年的每年145ZB增长到每年600ZB.
生成的数据比存储的数据高两个数量级.
消费者云存储到2020年,使用个人云存储服务的互联网消费人群将从2015年的47%(13亿用户)增长到59%(23亿用户).
从全球范围看,到2020年每个用户的消费者云存储流量将从2015年的每月513MB增长到每月1.
7GB.
多台设备和多连接拥有量2015年,每用户设备数或连接数平均值最高的地区为北美洲(7.
3),西欧次之(5.
5),后面依次为中东和非洲(5.
4)、拉丁美洲(4.
7)、中东欧(4.
5)以及亚太地区(4.
5).
到2020年,每用户设备数或连接数平均值最高的地区将为北美洲(13.
6),西欧次之(9.
9),后面依次为中东欧(6.
2)、拉丁美洲(5.
2)、中东和非洲(5.
0)以及亚太地区(5.
0).
地区云就绪网络速度和延迟亚太地区的平均固定下载速度为33.
9Mbps,领先于其他所有地区.
北美洲次之,其平均固定下载速度为32.
9Mbps.
中东欧和亚太地区的平均固定上传速度分别为19.
3Mbps和19.
0Mbps,领先于其他所有地区.
亚太地区的平均固定网络延迟为26ms,领先于其他所有地区,中东欧次之(30ms).
亚太地区的平均移动下载速度为18.
5Mbps,领先于其他所有地区.
西欧次之,其平均移动下载速度为18.
2Mbps.
北美洲和亚太地区的平均移动上传速度分别为9.
9Mbps和8.
9Mbps,领先于其他所有地区.
西欧和亚太地区的平均移动网络延迟分别为57ms和73ms,领先于其他所有地区.
七大数据中心和云网络趋势在过去几年中,电信行业在采用云计算方面已经从新兴技术演变到了被广泛接受和部署的公认网络解决方案.
众多企业和政府组织正在从测试环境转向在云中放置更多关键任务工作负载.
对于消费者来说,云服务可以使他们在几乎任何有网络的地方通过多种设备随时访问内容和服务.
以下部分确定了数据中心和云网络方面的七个重要发展趋势,这些趋势将加速流量的增长、改变终端用户体验并在数据中心和基于云的基础设施方面催生新的要求和需求.
1.
全球数据中心的关联性增强和流量增长-超大规模数据中心增长-全球数据中心IP流量:到2020年增至三倍-数据中心流量目标:大部分流量存留在数据中心内部-全球数据中心和云IP流量增长-SDN/NFV架构影响:充满变数2016思科和/或其附属公司.
版权所有.
42.
持续性全球数据中心虚拟化-公共云与私有云比较3.
云服务趋势4.
按应用划分的工作负载5.
数据中心和云存储:容量和利用率6.
全球数字化:万物互联的影响-万物互联对全球数据中心的潜在影响-M2M数据分析需求推动雾/云计算的发展7.
全球云就绪-安全性:云发展的急迫需求-网络速度和延迟分析趋势1:全球数据中心的关联性增强和流量增长一般而言,从服务器机房到大型超大规模部署,数据中心毫无疑问都是关键所在,它承担着为越来越多的网络设备、用户和业务流程交付IT服务并提供存储、通信和网络的重任.
终端用户设备实现随时随地联网,以及万物互联时代的到来,二者共同推动了大数据的产生,使数据分析的重要性日益凸显,从而提升了数据中心的价值并促进了其发展.
数据中心几乎触及了企业的各个方面,不论是内部/员工相关的数据、通信或流程,还是面向合作伙伴和客户的信息及服务.
通过高效率地充分运用数据中心技术(如虚拟化、基于软件的新架构和管理工具),以及综合利用公共资源与私有资源等各种资源,都可以帮助企业提高灵活性、取得成功并建立竞争优势.
对业务灵活性和成本优化的日益重视促进了云数据中心的兴起和发展.
云数据中心具有美国国家技术学院(NIST)所列出的关于云计算的五个基本特征.
这五个特征包括按需自助服务、广泛的网络接入、资源池、敏捷的弹性或扩展,以及可度量的服务.
有关更多详细信息,请参阅附录E.
云采用可实现更快速的服务和数据交付、更高的应用性能和更高的运营效率.
尽管对于某些可能的基于云的应用来说,安全性和与现有IT环境的集成仍存在问题,但目前已经有越来越多的消费者和企业云服务可供使用.
今天的云服务可满足各种客户的要求(例如隐私、移动性和多设备接入),可支持公共和私有网络运营商的短期机会和长期战略重点.
超大规模数据中心增长从企业和消费者服务角度来看,对数据中心和云资源日益增长的需求促进了大规模公共云数据中心(称为超大规模数据中心)的发展.
超大规模云运营商对云发展格局的主导作用不断增强.
要成为超大规模云运营商,公司必须符合以下基于年收入定义的标准:基础设施即服务(IaaS)、平台即服务(PaaS)或基础设施托管服务(例如,Amazon/AWS、Rackspace、Google)的年收入超过10亿美元软件即服务(SaaS)(例如,Salesforce、ADP、Google)的年收入超过20亿美元互联网、搜索和社交网络(例如,Facebook、Yahoo、Apple)的年收入超过40亿美元电子商务/支付处理(例如,Amazon、Alibaba、eBay)的年收入超过80亿美元根据上述标准,我们确定了24家超大规模运营商.
这些公司运营的数据中心被我们视为超大规模数据中心.
超大规模运营商可能拥有自己的数据中心设备,也可能从托管/批发数据中心提供商那里租赁.
图1.
数据中心增长25929734639944748521%27%33%38%43%47%0%5%10%15%20%25%30%35%40%45%50%010020030040050060020152015-2020SynergyResearch20162017201820192020到2020年,这些超大规模数据中心的数量将从2015年底的259个增长至485个.
到2020年,此类数据中心将占全部数据中心服务器安装量的47%.
换句话说,到2020年此类数据中心将占公共云服务器安装量的83%,占公共云工作负载的86%.
2016思科和/或其附属公司.
版权所有.
5虽然这24家公司中有7家总部不在美国,但是他们的数据中心覆盖范围在地域上更加分散.
图2.
数据中心增长:区域视图0100200300400500600201520162017201820192020(0%,0.
8%)(0.
4%,1.
4%)(3.
9%,4.
5%)(16%,17%)(33%)(51%,43%)2015-2020SynergyResearch201520202016年底,这24家超大规模运营商总共将有297个数据中心,拥有最大份额的地区为北美洲(51%),后面依次为亚太地区(29%)、西欧(17%)和拉丁美洲(3%).
在超大规模数据中心位置方面,亚太地区一直是增长最迅速的区域,未来五年内还将继续以更快的速度增长,但是到2020年底,北美洲仍将占超大规模数据中心的43%.
与服务器一样,超大规模数据中心将占数据中心内总数据、流量及处理能力的很大一部分比例.
到2020年,超大规模数据中心内部流量将增至五倍.
超大规模数据中心流量已占所有数据中心内部总流量的34%,到2020年将占53%.
超大规模数据中心还将占数据中心内存储的全部数据的57%,占数据中心总处理能力的68%.
图3.
超大规模数据中心所占比例20202015-202047%68%57%53%21%39%49%34%全球数据中心IP流量:到2020年增至三倍自2008年点对点流量(该流量不是源自数据中心,而是直接在设备之间传输)在互联网应用混合中失去主导地位以来,大多数互联网流量都源自或终止于数据中心.
在可预见的未来,数据中心流量将继续在互联网流量中占主导地位,但是数据中心流量的性质正在经历云应用、服务和基础设施造成的根本性转变.
根据这份更新的预测,到2020年90%以上的数据中心流量将是云流量,这一主要预测凸显了全球云演进的重要性和关联性.
以下部分不但概述了流入和流出数据中心的数据量和流量增长情况,而且还概述了数据中心内不同功能单元之间、云与传统数据中心部分之间以及企业与消费者云部分之间传输的流量.
图4概述了对2015到2020年数据中心IP流量的增长预测.
图4.
全球数据中心IP流量增长1816141210864202015–202020154.
76.
58.
610.
812.
915.
3ZB2016201720182019202027%2015-2020尽管跨互联网和IPWAN网络的全球流量预计到2020年将达到每年2.
3ZB1,但2015年的全球数据中心流量预计已达到每年4.
7ZB,并且到2020年还将增长两倍至每年15.
3ZB,CAGR为27%.
较高的数据中心流量是因为包含了数据中心内部的流量(通常,互联网和WAN流量的定义停留在数据中心的边缘).
全球数据中心流量预测是思科GCI报告的重要部分,它包括全世界服务供应商和企业运营的网络数据中心.
请参阅附录A了解有关数据中心和云流量预测方法的更多详细信息;参阅附录B了解GCI预测相对思科VNI全球IP流量预测的定位.
1请参阅《思科可视化网络指数:预测和方法,2015-2020年》.
2016思科和/或其附属公司.
版权所有.
6表1详细介绍了全球数据中心流量的增长速度.
表1.
全球数据中心流量,2015-2020年定义:数据中心到用户:通过互联网或IPWAN从数据中心流向终端用户的流量数据中心之间:在数据中心之间流动的流量数据中心内部:存留在数据中心内部的流量,不包括机架内流量消费者:源于或流向消费者终端用户的流量企业:源于或流向企业终端用户的流量云数据中心:与云数据中心相关的流量传统数据中心:与非云数据中心相关的流量数据中心流量目标:大部分流量存留在数据中心内部流经数据中心的消费者和企业流量可大致分为三个主要方面(图5):存留在数据中心内部的流量:例如,将数据中心内的数据从开发环境移至生产环境,或者将数据写入到存储阵列在数据中心之间流动的流量:例如,在云之间移动数据,或者将内容复制到作为内容分发网络组成部分的多个数据中心通过互联网或IPWAN从数据中心流向终端用户的流量:例如,流向移动设备或PC的视频流数据中心IP流量,2015-2020年2015年20162017年2018年2019年2020年CAGR2015-2020按照类型(EB每年)数据中心到用户7449331,1641,4381,772218324.
0%数据中心之间3465157139241,1411,38131.
9%数据中心内部3,5875,0746,7288,39110,01611,77026.
8%按照群体(EB每年)消费者2,9974,3045,8367,4359,07510,90629.
5%Business1,6812,21827683,3183,8534,42921.
4%按照类型(EB每年)云数据中心3,8515,6367,7129,80211,85014,07629.
6%传统的数据中心8278858929511,0781,2598.
8%总计(EB每年)数据中心总流量4,6786,5228,60410,75312,92815,33526.
8%2016思科和/或其附属公司.
版权所有.
7图5.
2020年按目标划分的全球数据中心流量预测期内,驻留在数据中心内部的流量部分将保持相同比例,2015年占数据中心流量的77%,2020年也将占约77%.
数据中心内部总流量不包括机架本地流量(存留在给定服务器机架内的流量).
机架本地流量大约是预测中所示"数据中心内部"流量的两倍.
如果包括机架本地流量,我们的流量分布将发生变化,此时显示90%以上的流量存留在数据中心本地.
大数据是影响数据中心内部流量的一个重要因素.
虽然多数大数据流量是机架本地流量,但是会有足够多的流量从机架流出,到2020年大数据将占数据中心内全部流量的17%,相比2015年的10%有所增长.
视频不会在数据中心内产生大量流量,因为相对于大规模的视频流而言,对视频所做的处理微不足道.
数据中心间流量的增速高于流向终端用户的流量和数据中心内部流量的增速,到2020年,其占数据中心总流量的比例将接近9%,相比2015年底的7%有所增长.
此部分流量的高增长要归因于内容分发网络的日益盛行、云服务的快速扩展和云之间的数据往来需求,以及需要跨数据中心复制的数据量的不断增长.
总体而言,到2020年,东西流量(数据中心内部流量和数据中心间流量)将占数据中心总流量的86%,而南北流量(从数据中心流向互联网或WAN的流量)仅占数据中心相关流量的14%.
全球数据中心和云IP流量增长全球规模的数据中心流量将以27%的CAGR增长(图4),但是云数据中心流量将以更快的速度增长(CAGR为30%),从2015年到2020年将增至3.
7倍(图6).
图6.
数据中心总流量增长181614121086420!
(9%CAGR)(30%CAGR)20158%18%82%92%ZB201620172018201920202015-202027%2015-2020图7.
云数据中心流量增长161412108642020153.
95.
67.
79.
811.
914.
1ZB201620172018201920202015–202030%!
2015-20202015–202020202020ABC(77%)(9%)(14%)CDN!
WebVoDWebEx.
.
.
9%14%77%2016思科和/或其附属公司.
版权所有.
8云将占全部数据中心流量的90%以上.
(有关地区云流量趋势,请参阅附录C)显著促进云流量增长的因素包括云架构的快速采用和迁移,以及云数据中心处理更高流量负载的能力.
云数据中心可支持更高的虚拟化、标准化和自动化.
这些因素可带来更高的性能,以及更大的容量和吞吐量.
数据中心架构的演变发展:SDN/NFV三大技术趋势正在改变数据中心:枝叶-主干架构(使分层数据中心架构扁平化)、软件定义网络(SDN,分散数据中心流量的控制和转发)以及网络功能虚拟化(NFV,将各种网络元素虚拟化).
大多数超大规模数据中心均已采用扁平化架构、软件定义网络和存储管理,而在大型企业数据中心内对SDN/NFV的采用率一直保持着增长势头.
作为数据中心内部流量的一部分,SDN/NFV传输已占23%,到2020年将增长至44%(图8).
图8.
数据中心内部的SDN/NFV流量0.
81.
42.
23.
14.
15.
223%28%33%37%41%44%0%5%10%15%20%25%30%35%40%ZB45%50%0.
01.
02.
03.
04.
05.
06.
020152015–20202016201720182019202044%2015–2020%SDN和NFV以及扁平化架构可简化数据中心内部流量,相对于现在,将来可以更高效地路由流量.
理论上,SDN允许遵循虚拟机和容器的流量处理策略,使这些元素可以在数据中心内部迁移,以便最大限度地减少流量,从而克服带宽瓶颈.
但是,SDN/NFV还可以通过一些方法同时增加数据中心流量和常规物联网流量:大数据:由SDN/NFV启用的流量工程支持"超大"2数据流,而不影响"超小"3数据流,这使其可以安全地将大量数据传入和传出大数据集群.
视频比特率:SDN将允许增加视频比特率,因为SDN可以找出最高可用带宽(甚至在中游),而不是像现在一样在视频持续时间内根据可用带宽降低比特率.
云游戏:SDN可以减少数据中心内部的延迟,从而降低终端用户在云游戏应用中所经历的延迟次数,这可帮助提高内容提供商和终端用户对云游戏的采用率.
趋势2:持续性全球数据中心虚拟化服务器工作负载的定义是:分配给一个到多个用户,用于运行特定应用或提供计算服务的虚拟或物理计算机资源集(包括存储).
工作负载是用于描述多种不同应用(从小型轻量级SaaS应用到大型计算私有云数据库应用)的一般衡量指标.
为便于量化,我们将一个虚拟机或一个容器视为一个工作负载.
事实上,容器是促使部署的每台服务器的工作负载数量稳步增长的因素之一.
据思科全球云指数预测,工作负载将会不断地从传统数据中心向云数据中心过渡.
到2020年,所有工作负载中将有92%的比例在云数据中心内处理(图9).
有关工作负载的地区分布,请参阅附录D.
图9.
工作负载分布:2015-2020年6005004003002001000(3%CAGR)(26%CAGR)20158%25%75%92%201620172018201920202015-202021%!
2015-20202超大数据流在行业中具有不同的定义,但通指传输过大比例流量(单位为字节)的数据流,通常大于某时间段内总流量的1%.
3超小数据流是指生成处于或低于平均水平的流量,但可能在延迟方面具有严格要求.
2016思科和/或其附属公司.
版权所有.
9从2015到2020年,云工作负载预期将增至三倍以上(3.
2倍),而传统数据中心工作负载则预期会出现全球性下滑,2015到2020年的CAGR预计为-3%.
以往,一个服务器承担一个工作负载.
但是,随着服务器计算能力逐渐增强以及虚拟化程度越来越高,云架构中每个物理服务器承担多个工作负载已是司空见惯.
云经济因素(包括服务器成本、恢复能力、可扩展性和产品寿命,以及云安全性的增强)正在促进工作负载在数据中心内部和数据中心之间(甚至是不同地理位置的数据中心之间)进行跨服务器迁移.
通常,一个终端用户应用可得到分布在不同服务器上的多个工作负载的支持.
表2详细介绍了工作负载由传统数据中心到云数据中心的转移情况.
表2.
工作负载由传统数据中心向云数据中心转移推动这种工作负载从传统数据中心向云数据中心迁移的主要因素之一是云空间具有更高的虚拟化程度(图10),这允许在云中动态部署工作负载以满足云服务的动态需求.
云数据中心内较高的虚拟化程度可以表示为工作负载密度.
工作负载密度用于衡量每个物理服务器中的平均工作负载数量.
云服务器的工作负载密度将从2015年的7.
3增长至2020年的11.
9.
相形之下,传统数据中心服务器中的工作负载密度将从2015年的2.
2增长至2020年的3.
5.
图10.
不断提高的云虚拟化141210864203.
43.
53.
32.
211.
97.
32015201620172018201920202015–2020公共云与私有云比较4我们通过工作负载分析对比研究公共云和私有云的增长.
按照工作负载增长计算,公共云的增速高于私有云.
由于企业对于专用IT资源带来的成本越来越敏感,并且要求获得敏捷性,因此我们可以看到越来越多的企业开始采用公共云,在公共云的安全性得到增强后尤其如此.
尽管许多任务关键型工作负载仍会继续留在传统数据中心或私有云内,但随着人们对公共云的信任度的不断提升,公共云的采用率还将保持增长.
一些企业可能会采用混合云的方法.
在混合云环境中,一些云计算资源由企业在内部进行管理,而另一些则由外部提供商提供.
云爆发便是混合云的一个示例.
这种情形下,日常计算需求将由私有云处理,但在需求出现剧增的情况下,额外的流量需求(突发需求)将由公共云处理.
2015到2020年期间,云工作负载总量将以26%的CAGR保持增长(图11),其中公共云工作负载将以35%的CAGR保持增长,而私有云工作负载将以相对4有关公共云和私有云的定义,请参阅附录E.
全球数据中心工作负载(单位为百万)2015年2016年2017年2018年2019年2020年CAGR2015-2020传统数据中心工作负载44.
945.
144.
243.
441.
538.
8-3%云数据中心工作负载136.
0189.
8255.
4322.
0383.
3440.
026%数据中心工作负载总量180.
9234.
9299.
7365.
4424.
8478.
821%云工作负载占数据中心工作负载总量的比重75%81%85%88%90%92%-传统工作负载占数据中心工作负载总量的比重25%19%15%12%10%8%-2016思科和/或其附属公司.
版权所有.
10较低的15%的CAGR保持增长.
到2016年,相对于私有云中的工作负载(44%),将有更多工作负载位于公共云中(56%).
图11.
公共云与私有云增长比较500450400350300250200150100500(35%CAGR)(15%CAGR)20152016*201720182019202026%2015-20202015–202049%56%68%32%44%51%公共云空间工作负载的这一增长也反映在图12所示的虚拟化增长情况中.
到2016年,公共云数据中心的工作负载密度将超越私有云数据中心.
图12.
公共云虚拟化蓄势待发141210864203.
52.
212.
411.
02015201620172018201920202015–20207.
76.
9趋势3:云服务趋势本部分介绍三种不同云服务类别的增长情况:IaaS、PaaS和SaaS5.
尽管随着时间的推移出现了其他多种服务类别,但它们都可以归入IaaS、PaaS和SaaS分类中.
例如,业务流程即服务(BPaaS)可视为SaaS的一部分.
为简便起见,我们可以将这三种服务模式视为三个不同的云层,最底层为基础设施层,中间为平台层,最顶层为软件层.
GCI基于用户最终使用服务的方式,将云工作负载划分为IaaS、PaaS或SaaS,而不考虑在最终交付服务时可能涉及的其他云服务类型.
例如,如果某项云服务是SaaS类型,但它还依赖于其他云服务的某些方面(例如PaaS或IaaS),则此项工作负载将仅计为SaaS.
再如,如果某个PaaS工作负载在IaaS服务之上运行,则此项工作负载将仅计为PaaS.
在汇聚云级别,我们发现SaaS在整个预测期占据了大部分的工作负载份额,到2020年,SaaS将占据所有云工作负载74%的份额,2015至2020年的CAGR为30%(图13).
PaaS的增长速度次之,尽管它占云工作负载总量的份额将从2015年的9%下滑至2020年的8%.
图13.
2015年到2020年,SaaS将成为部署率最高的全球云服务500450400350300250200150100500Saas(30%CAGR)IaaS(17%CAGR)PaaS(24%CAGR)201526%9%65%74%17%8%201620172018201920202015–202026%2015-2020为便于理解此趋势背后的原因,我们必须对公共云和私有云的划分进行更为深入的分析.
在私有云中,初期部署以IaaS为主.
企业最初使用的是测试和开发类型的云服务;云从根本上颠覆了IT服务的部署方式,对企业而言,私有云的首次使用不仅安全而且实用.
但此时的应用范围很有限,没有构成瓦解企业内IT资源工作模式的风险.
随着处理能力方面的技术支持不断增强,以及存储、内存和网络技术的不断进步,人们对于采用SaaS和构建任务关键型应用越来越有信心,因此我们预见,在预测期内,SaaS类应用的采用将会不断加速(图14),而IaaS和PaaS工作负载的份额会下降.
5有关IaaS、PaaS和SaaS的定义,请参阅附录E2016思科和/或其附属公司.
版权所有.
11趋势4:按应用划分的工作负载这是我们首次分析按应用划分的工作负载.
我们预测在2015年,企业(包括中小企业、政府和公共部门)占工作负载的79%,而消费者占21%.
到2020年,消费者占总量的份额将增至28%,而企业份额将下滑到72%(图16).
图16.
全球数据中心工作负载:消费者与企业应用6005004003002001000(28%CAGR)(19%CAGR)201521%79%72%28%201620172018201920202015-202021%2015-2020在企业内,计算/IaaS和协作是两个在工作负载总量中占据最大比例的应用,而在消费者方面,社交网络和视频/媒体流占据最大比例.
未来五年内,虽然百分比组合将发生变化,但这些应用仍将在工作负载总量中占据最大比例(图17).
有关应用的定义,请参阅附录F.
图17.
按应用划分的全球数据中心工作负载201520162017201820192020Apps(23%CAGR)(25%CAGR)(33%CAGR)(32%CAGR)ERPApps(17%CAGR)//(22%CAGR)(18%CAGR)(21%CAGR)60050040030020010002015-202021%2015-2020我们看一下按应用划分的传统、公共和私有云数据中心工作负载,能够发现公共云数据中心在消费者应用工作负载方面占据最大份额,而传统和私有云数据中心在业务/企业细分市场方面占据较大份额(图18).
图14.
私有云中的SaaS蓄势待发160140120100806040200Paas(2%CAGR)IaaS(-6%CAGR)SaaS(27%CAGR)201539%13%48%79%14%7%201620172018201920202015-202015%!
2015-2020在公共云划分中,需要部署的第一项云服务便是SaaS.
在公共云中提供的SaaS服务通常是低风险和易于采用的方案,并且对用户具有比较明确的经济效益和灵活性效益.
SaaS的首批用户来自于消费者群体,之后是一些中小型企业.
随着公共SaaS解决方案变得越来越先进和稳健,较大型的企业也开始针对非关键型服务采用SaaS服务.
企业(尤其是大型企业)会非常谨慎地权衡采用公共云服务所带来的好处(可扩展性、一致性、成本优化等)与采用这些服务所带来的风险(安全性、数据完整性、业务连续性等).
如图15所示,IaaS和PaaS在公共云中已跨过初期部署阶段.
花在公共IaaS和PaaS上的开支与花在企业数据中心设备、数据中心设施上的开支以及相关的运营费用相比,比重仍旧很小.
随着更具竞争力的产品不断投入市场,并且不断赢得企业的信任,这将促使其将更多的技术服务和基础服务进行外包,因此这些云服务在预测期内的增长势头将更加明显.
图15.
IaaS和PaaS在公共云工作负载中所占的份额350300250200150100500Paas(51%CAGR)IaaS(48%CAGR)SaaS(31%CAGR)2015201620172018201920202015-20205%12%83%9%19%72%35%2015-20202016思科和/或其附属公司.
版权所有.
12图18.
按应用划分的全球数据中心工作负载:传统与云(2015年)0%20%40%60%80%100%//ERP2015-2020但是,到2020年,在除数据库/分析/万物互联及其他业务应用类别之外的所有应用方面,传统和私有云数据中心的份额将流向公共云.
在后面的类别中,私有云几乎仍保持着自己的份额(图19).
图19.
按应用划分的全球数据中心工作负载:传统与云(2020年)0%20%40%60%80%100%//ERP2015-2020趋势5:数据中心和云存储6:容量和利用率全球数据中心存储安装容量今年,我们首次分析了全球数据中心内已安装的存储容量.
我们预测从2015年到2020年,数据中心总存储容量将增至近5倍-从2015年的382EB增长到2020年的1.
8ZB.
云将占总存储容量的88%(图20).
图20.
全球数据中心存储容量:传统与云2015-202035%12%20%18%45%70%2015201620172018201920202,0001,8001,6001,4001,2001,00080060040020003825467821,0651,4051,842EB全球数据中心存储利用率这也是我们首次预测数据中心内存储的实际数据总量.
从全球范围看,到2020年数据中心内存储的数据将从2015年的171EB增长到915EB,增至5.
3倍(CAGR为40%)(图21).
图21.
数据中心内存储的实际数据1,00090080070060050040030020010002015171251370513689915EB2016201720182019202040%2015-2020大数据是影响已存储数据整体增长的关键因素之一.
到2020年,大数据将从2015年的25EB增长到247EB,增至近10倍.
到2020年,仅大数据一项就将占到数据中心内所存储数据的27%,相比2015年的15%,比例有所上升(图22).
图22.
大数据容量30025020015010050020154373116173247EB2016201720182019202058%2015-20206存储不包括存档介质(如磁带).
2016思科和/或其附属公司.
版权所有.
13大数据在此定义为分布式处理和存储环境(如Hadoop)中部署的数据.
一般来说,当数据容量大(100TB以上)、速度快(以每秒10GB以上的速度传入或传出)或种类多(将十几个或更多来源中的数据结合在一起)时,会选择分布式处理作为数据架构.
大数据有时可与数据分析或数据科学互换使用,但数据科学技术可用于任何规模的数据,且通过数据科学所获得见解的特性与底层数据的大小无关.
到2020年,数据中心内存储的数据将非常庞大(近1ZB),而设备上存储的数据量将比之高出5倍(5.
3ZB).
在这6.
2ZB全球存储组合数据中,大多数存储数据将像现在一样继续驻留在客户端设备上.
目前,存储的全部数据中只有12%存储在数据中心内,但随着时间推移,会有更多的数据移至数据中心内(图23).
到2020年,除了存储数据量会出现增长之外,生成这些存储数据的设备种类也将越来越多.
目前,存储在客户端设备上的数据有61%驻留在PC上.
到2020年,PC上存储数据的比例会下降至52%,将有更大比例的数据存储在智能手机、平板电脑和机器间(M2M)模块上.
M2M相关存储数据的增长速度高于任何其他设备类别.
图23.
数据中心存储分析PCM2M.
.
.
2015201588%M2M61%52%18%12%915EB981EB/8%5%5%84%M2M12%1.
4ZB20202020PCs!
+2020M2M16%6.
2ZB2015-202020201.
4ZB6.
2ZB随着不断发展,基于云的服务将使消费者和企业能够把更多的存储数据移至中央存储库,从而可以从任意位置通过任意设备随时访问内容和应用.
以下部分介绍消费者云存储的增长情况.
消费者云存储增长随着互联网消费人群和多设备拥有量的增长,我们预期消费者云存储(也称为"个人内容柜")等云服务的使用量会发生显著增长.
在个人内容柜中,用户可通过易用的接口,以相对低的价格或免费存储和共享音乐、照片和视频.
而且,平板电脑、智能手机和其他移动设备的增加支持用户方便地访问个人内容柜.
思科GCI预测,使用个人云存储服务的互联网消费人群将从2015年的47%(13亿用户)增长到2020年的59%(23亿用户)(图24).
图24.
个人云存储:用户增长1,3291,5611,7541,9262,1112,3092,5002,0001,5001,00050002015201620172018201920202015-2020JuniperResearch12%2015-2020思科GCI预测,全球消费者云存储流量将从2015年的每年8EB增长至2020年的每年48EB,CAGR为42%(图25).
此增长相当于,每用户每月流量将从2015年的513MB增长至2020年的1.
7GB.
图25.
消费者云存储流量7增长8142129374860504030201002015201620172018201920202015-202042%2015-2020EB7消费者云存储流量包括个人内容柜、云备份等,但不包括云DVR.
2016思科和/或其附属公司.
版权所有.
14趋势6:全球数字化:万物互联的影响万物互联对全球数据中心的潜在影响前所未有的数据量是促使云服务加速发展的一个原因,生成这些数据的不仅有用户,还包括计算机和其他事物.
思科GCI预测,到2020年,由所有人、计算机和事物生成的数据量将从2015年的145ZB增长到600ZB.
图26显示了飞机、汽车、建筑物及其他事物和系统生成的数据量示例.
图26.
智能城市:众多应用形成大数据40TB0.
1%1PB0.
2%50PB上传速度,以及有关网络延迟(以企业和消费者连接进行划分),就样本服务对每个地区的云就绪做了评估.
下载和上传速度以及延迟是评估云就绪网络能力的重要指标.
图32提供了此研究所用的企业和消费者云服务类别,以及相应的网络要求.
表3至表5描述了相关要求,并定义了各个就绪类别的样本应用集.
注意,并行使用多个应用会对用户体验和云可访问性有更深的影响.
图32.
企业和消费者云服务样本类别表3.
基本应用样本应用定义下载上传延迟基本视频和音乐流无需使用连接到互联网以访问信息的计算机服务器下载不同音频或视频格式的文件,即可提供声音或视频.
高低中文本通信(电子邮件和即时消息)跨平台消息传送应用,允许使用互联网数据计划来交换消息,无需支付短信服务(SMS)费用.
低低中IP语音(VoIP)(网络电话)通过互联网传输语音的广泛服务.
低低中网络浏览利用将工作负载转移到云服务器的技术,通过云计算提升网络体验和加快搜索速度.
低低中750kbps250kbps160ms751-2,500kbps251-1,000kbps159-100ms2,500kbps1,000kbps100ms2016思科和/或其附属公司.
版权所有.
19表4.
中等应用样本应用定义下载上传延迟网络会议用于与其他参与者交互的云应用,使参与者获得"现场和面对面"的体验;可提供协作式网络浏览和应用共享等服务.
中中中基于云的学习管理系统此应用为用户提供了在集中式环境中与其他人联系并开展协作的灵活性.
利用虚拟存储环境中存储的信息,使用户可以跨越正式的学习或工作环境完成工作.
高中中应用定义下载上传延迟企业资源规划(ERP)和客户关系管理(CRM)利用ERP和CRM系统,企业可以管理其业务和业务关系,以及与之相关的数据和信息.
中低中高清(HD)视频流无需使用连接到互联网以访问信息的计算机服务器下载高清视频格式的文件,即可提供高清视频.
高低低增强现实(AR)游戏应用增强现实(AR)游戏涉及实际物理环境的直接或间接实时视图,该环境中的元素通过计算机生成的感官输入(如声音、视频、图形或GPS数据)进行增强(或补充).
高中低网络电子病历(EHR)EHR设计用于以结构化格式管理和共享参与患者护理过程的所有提供商提供的信息,从而方便采用有利于患者护理的方式轻松检索和传输患者信息.
中高低VoiceOverLTE(VoLTE)此标准化系统允许传输VoLTE流量.
低低低个人内容柜利用此异步存储方案,使用复合文件的应用在收到通过现有互联网协议的访问请求时,只需向服务器发出一次请求,触发下载网页中包含的嵌套对象,即可高效地完成内容渲染,而无需单独请求各个对象.
高高低2016思科和/或其附属公司.
版权所有.
20表5.
高级应用样本对地区网络性能统计按照它们支持这三个云服务类别的能力进行排名.
对OoklaSpeedtest11中超过3亿条记录以及Ovum-Informa、SynergyResearch、PointTopic、联合国(UN)、世界银行、NetCraft、国际电信联盟(ITU)、国际劳工组织(ILO)和其他来源提供的来自全球超过200个国家/地区的数据进行分析,以了解云就绪.
这些指标的地区平均值包含于下文和附录G中.
11速度通过Speedtest.
net进行测试.
通过在网络服务器和客户端之间下载和上传小型二进制文件来估算连接速度,单位为kbps.
应用定义下载上传延迟远程医疗远程医疗是指使用通过电子通信方式在站点之间交换的医疗信息来改善患者的临床健康状态,包括使用双向视频、邮件、智能手机、无线工具以及其他形式的通信技术.
中中低高清视频会议使用互联网技术提供双向交互式高清视频通信,从而将不同地点的人员召集到一起举行会议.
高高低超高清视频流此应用无需使用连接到互联网以访问信息的计算机服务器下载不同视频格式的文件,即可提供超高清视频.
高高低虚拟现实(VR)流三维环境的沉浸式逼真模拟流,使用交互式软件和硬件创建,通过身体的移动或以计算机生成的沉浸式交互体验形式进行体验或控制.
高高低高频率股票交易这些应用通过使用先进的交易算法来支持多个价位的快速交易,从而基于不断变化的市场状况在零点几秒的时间内处理成百上千笔交易.
低低低车联网安全应用这些应用包括开发和部署完全联网的交通系统,使得大多数需要组合使用完整的技术、界面和流程的多模式转换应用能够确保安全性、稳定性、互操作性以及可靠的系统操作,从而最大限度降低风险和创造机遇.
低低低2016思科和/或其附属公司.
版权所有.
21以下为云就绪特征.
网络接入互联网普及率:这一指标用于衡量固定和移动互联网覆盖率,同时考虑人口统计特征,以评估不同地区的普遍性和预期连接性.
网络性能下载速度:由于采用了更多移动和固定的带宽密集型应用,终端用户的下载速度成为一个重要特征.
对于交付给虚拟机的服务质量、企业的客户关系管理(CRM)和企业资源规划(ERP)云平台、消费者的视频下载和内容检索云服务,这一指标始终非常关键.
上传速度:由于企业和消费者在固定和移动网络上采用了更多的虚拟机、平板电脑和网络会议,上传速度对于将内容交付到云来说尤为关键.
由于云计算和数据中心虚拟化的优势、对发送数以百万计的软件更新和补丁的需要、虚拟文件系统中的大型文件分配、对消费者云游戏服务和备份存储的需求的促进,上传速度的重要性将不断提高.
网络延迟:由于高度延迟(通常以毫秒计),VoIP、观看和上传视频、移动宽带上的网上银行或查看护理中心的住院记录都经历过延误.
降低传送来往云的数据包的延迟对交付今天先进的服务(并保证高质量的终端用户体验)至关重要.
全球平均下载和上传速度概述(2016)下载和上传速度以及延迟是评估云就绪网络能力的重要指标.
思科GCI附录提供更多下载速度、上传速度和延迟的国家/地区级详细信息.
为了支持云服务和应用,宽带连接的质量至关重要.
虽然固定和移动运营商提供的理论速度可能看起来足够,但是实际网络测量却涉及许多外在因素.
每个国家/地区的速度和延迟各有不同,这取决于城市和农村的固定和移动宽带部署技术、与传统和云数据中心的接近程度以及客户端设备(CPE)的质量.
下载速度、上传速度和延迟的小幅变化将允许消费者在整个国家/地区内一致地访问高级云应用.
为了测量这种变化,我们还包括中值下载速度和中值上传速度以及对平均下载速度和上传速度的更新,全部以千比特每秒(kbps)或兆比特每秒(Mbps)为单位测量和表示.
主要结果全球平均固定下载速度为29.
5Mbps,全球中值固定下载速度为19.
1Mbps.
全球平均固定上传速度为14.
3Mbps,全球中值固定上传速度为6.
8Mbps.
全球平均移动下载速度为15.
1Mbps,全球中值移动下载速度为8.
3Mbps.
全球平均移动上传速度为7.
6Mbps,全球中值移动上传速度为3.
5Mbps.
地区固定下载和上传速度平均固定下载速度:亚太地区居首,为33.
9Mbps,北美洲次之,为32.
9Mbps.
平均固定上传速度:中东欧居首,为19.
3Mbps,亚太地区次之,为18.
9Mbps(图33).
有关更多详细信息,请参阅附录G和思科GCI附录.
中值固定下载和上传速度:由于在低于平均值的区域内速度分布量较高,因此中值速度低于平均速度(如图33所示).
除了高级云应用的所需网络特性之外,为了在云服务用户群中实现最佳的终端用户体验,大多数情况下的速度也必须更接近平均值.
这是一个关键因素.
要详细了解选定国家/地区列表的速度分布模式,请参阅思科GCI附录.
2016思科和/或其附属公司.
版权所有.
22图33.
地区平均固定速度,2016地区平均移动下载和上传速度平均移动下载速度:亚太地区居首,为18.
5Mbps,西欧次之,为18.
2Mbps.
平均移动上传速度:北美洲居首,为9.
9Mbps,亚太地区次之,为8.
9Mbps(图34).
有关更多详细信息,请参阅附录G和思科GCI附录.
中值移动下载和上传速度:由于以地区人口表示的速度分布往往低于平均值,因此所有地区的中值移动速度均低于平均移动速度.
图34.
地区平均移动速度,2016网络延迟全球平均固定延迟为36ms.
亚太地区的平均固定延迟为26ms,领先于其他所有地区,中东欧次之(30ms).
全球平均移动延迟为81ms.
西欧的平均移动延迟为57ms,领先于其他所有地区,亚太地区次之(73ms).
2DL32.
9Mbps5DL9.
3Mbps5DL6.
2Mbps6UL3.
3Mbps6UL1.
0Mbps6DL7.
8Mbps6DL5.
7Mbps5UL3.
9Mbps5UL1.
4Mbps1DL33.
9Mbps2DL22.
4Mbps2UL19.
0Mbps2UL8.
8Mbps1DL23.
4Mbps3UL11.
6Mbps3UL5.
9Mbps3DL30.
2Mbps3DL18.
0Mbps4UL11.
0Mbps4UL4.
8Mbps4DL29.
1Mbps4DL16.
2Mbps1UL19.
3Mbps1UL10.
7Mbps2015-20203!
DL17.
7Mbps6DL6.
6Mbps66DL4.
4Mbps6UL3.
9Mbps6UL2.
1Mbps1DL18.
5Mbps1DL14.
2Mbps2UL8.
9Mbps1UL5.
2Mbps3DL9.
6Mbps2UL4.
8Mbps2UL4.
8Mbps2DL18.
2Mbps2DL12.
8Mbps3UL7.
9Mbps3UL4.
0Mbps4DL11.
0Mbps4DL7.
5Mbps4UL6.
8Mbps4UL2.
5Mbps2015-20205DL4.
8Mbps5UL4.
1Mbps6UL1.
5Mbps5DL8.
4Mbps2016思科和/或其附属公司.
版权所有.
23由于云数据中心在世界各地均有建立和分布,且内容离用户越来越近,发送和接收小数据包所需的时间将变得更少.
此外,堵塞也会影响延迟,并导致吞吐量降低.
延迟在固定和移动网络方面已得到显著改进.
图35和36显示了从2014年到2016年各地区在平均固定延迟(单位为ms)和平均移动延迟(单位为ms)方面的延迟改进情况.
图35.
2014-2016年在平均固定延迟(单位为ms)方面的改进情况图36.
2014-2016年在平均移动延迟(单位为ms)方面的改进情况2015-2020201446443849423887697764625447333040352620152016201420152016(ms)0204060801001201401601802002202402602803003203402014201520162014201520162014201520162014201520162014201520162014201520162015-20202016思科和/或其附属公司.
版权所有.
24有关更多详细信息,请参阅附录G和思科GCI附录.
结论概括而言,我们可以从更新版思科GCI2015-2020年报告中得出几条主要结论.
全球数据中心流量已稳稳地进入泽字节时代,到2020年其流量将达到每年15.
3ZB,为2015年的三倍多.
数据中心不仅在流量方面增长,还通过采用SDN和NFV等架构创新变得更加简化,可以提供新的优化数据中心水平.
数据中心流量快速增长的部分是云流量,在预测期间将增至近四倍,到2020年将占全部数据中心流量的92%.
云计算迅速扩张的一个重要流量推动因素是提高数据中心虚拟化程度,它可提供灵活、易于部署和高效的服务.
到2020年,将有92%的工作负载在云中进行处理.
在云划分内,私有云的工作负载数量起初将远远超过公共云,但在预测期内,公共云的增速将高于私有云,并且到2016年,工作负载的主要份额将转移到公共云.
这一情形也将表现在虚拟化程度方面:公共云中的工作负载密度也将在2016年超过私有云.
由于企业对于专用IT资源带来的成本越来越敏感,并且要求获得敏捷性,因此我们可以看到越来越多的企业开始采用公共云,在公共云的安全性得到增强后尤其如此.
许多企业将会采用混合云方法,将一些工作负载从内部管理的私有云迁移到外部管理的公共云.
由于企业逐步意识到迁移到云环境带来的好处,因此所有三种类型的云服务交付模式(IaaS、PaaS和SaaS)都会继续保持增长.
影响数据中心和云计算增长的其他趋势包括数字化程度的提高、多设备和连接或万物互联现象的广泛采用以及移动的增长.
万物互联应用正在不断生成超乎想象的大量数据,到2020年将达到600ZB之多.
但是,这些内容中只有相对非常小的一部分(约6.
2ZB)会存储下来.
随着时间的推移,驻留在客户端设备上的数据会越来越多的移至数据中心.
从2015年到2020年,数据中心总存储容量将增至近5倍-从2015年的352EB增长到2020年的1.
8ZB.
到2020年,云将占存储安装容量的近90%.
为满足不断增长的用户需求,消费者云存储等基于云的服务正蓄势待发.
到2020年,将有近60%(59%)的互联网消费人群使用个人云存储.
M2M连接和应用的增加也促使新数据分析需求的产生.
本研究还考虑了云就绪的重要性.
根据对企业和消费者移动和固定网络的地区平均下载和上传速度及延迟的分析,所有地区都已取得重大进展,达到了可支持基本和中间云服务的水平.
现在的重点应转向不断提高网络性能,以支持组织和终端用户期望和依赖的高级云应用.
更多相关信息有关详细信息,请访问www.
cisco.
com/go/cloudindex.
附录A:数据中心流量预测方法图37概括了预测数据中心和云流量的方法.
此方法首先调查按照工作负载类型和实现进行分类的客户群工作负载,然后利用每个工作负载每月的数据量获得本年和未来数年的流量.
图37.
数据中心流量预测方法数据中心内部和数据中心之间的流量百分比每个工作负载每月消耗的数据流量客户群工作负载=流量分析员数据测量数据测量数据2016思科和/或其附属公司.
版权所有.
25分析员数据全球云指数分析使用了多家分析公司和国际机构(包括Gartner、IDC、JuniperResearch、Ovum、Synergy、ITU和联合国)提供的数据.
例如,按照工作负载类型和实现(云或非云)计算用户群工作负载时考虑分析员数据.
分析员信息由特定工作负载类型和实现的服务器数据组成.
思科然后估算服务器的用户群和每个服务器的工作负载数,来获得工作负载用户群.
测量数据从各种企业和互联网络中心收集网络数据.
接受分析的不同数据中心的架构不同,一些是三层架构,其他则是两层架构.
对于三层架构数据中心,从四个点收集数据:接入路由器到汇聚路由器的链路、汇聚交换机或路由器到地区主干路由器、WAN网关和互联网网关的链路.
对于两层数据中心,从三个点收集数据:接入路由器到聚合路由器、WAN网关、互联网网关的链路.
对于企业数据中心,任何测量的聚合北向流量还携带出入本地企业园区的非数据中心流量.
因此,要获得每一层传输的流量大小所占的比例,有必要按照主机间的会话而不是按照接口之间的流量来测量流量,这样可以排除非数据中心会话.
会话两端的主机按照位置和类型进行验证和分类.
作为被考虑的数据中心流量,会话对出现在数据中心汇聚交换机或路由器与接入交换机或路由器之间的链路中时,必须至少验证其中一个会话对.
另外,如本白皮书中所述,自上次发布思科全球云指数之后,云数据中心流量的估算方法已经发生变化.
以前的方法包括非云流量类别中的全部存储流量.
更新后的方法包括云流量类别中与云工作负载有关的存储流量.
例如,根据更新后的方法,与云应用开发有关的存储流量被视为云流量,而根据旧的方法,它被排除在云流量之外.
附录B:全球云指数和可视化网络指数思科全球云指数(GCI)和思科可视化网络指数(VNI)是两种不同的预测,但它们之间也有一些重叠.
思科VNI预测经过互联网和IPWAN网络的流量,而思科GCI预测数据中心内部、数据中心之间和数据中心到用户的流量.
思科VNI预测包括数据中心到用户流量,以及思科GCI不包括的非数据中心流量(各种类型的对等流量).
思科GCI包括数据中心到用户流量(这部分与思科VNI重叠)、数据中心之间的流量以及数据中心内部流量.
思科VNI预测经过互联网和IPWAN网络的流量(图38).
图38.
思科VNI和GCI(VNI)(GCI)2.
3ZB15.
3ZBAABCCDDBBB(14%)(9%)2015-2020(77%)VNIGCIVNIGCIGCID11.
7ZBC1.
4ZBA0.
1ZBB2.
2ZB附录C:地区云流量趋势思科全球云指数包括云流量增长地区预测数据(表6).
2015年,北美洲产生了最多的云流量(每年1,891EB),其次是亚太地区(每年908EB),第三是西欧(每年718EB).
到2020年,北美洲将产生最多的云流量(每年3.
6ZB),紧随其后的是亚太地区(每年2.
3ZB)和西欧(每年1.
5ZB).
从2015到2020年,预期中东和非洲的云流量增长率最高(CAGR为41%),其次是中东欧(CAGR为38%),第三是北美洲(CAGR为33%).
2016思科和/或其附属公司.
版权所有.
26表6.
地区云流量增长(单位为EB)摘自:思科全球云指数,2015-2020年.
附录D:地区工作负载分布表7、8和9按照类型和地区概述了数据中心工作负载.
表7.
数据中心工作负载总量地区分布(单位为百万)云数据中心工作负载(单位为百万)2015年2016年2017年2018年2019年2020年CAGR2015-2020亚太地区38.
357.
079.
6103.
6127.
6151.
531.
6%中东欧4.
05.
57.
39.
110.
712.
225.
1%拉丁美洲5.
27.
29.
612.
014.
116.
225.
5%中东和非洲3.
65.
16.
98.
710.
311.
826.
6%北美洲57.
277.
9103.
6129.
5152.
3172.
124.
6%西欧27.
737.
148.
459.
168.
476.
322.
5%数据中心工作负载总量(单位为百万)2015年2016年2017年2018年2019年2020年CAGR2015-2020亚太地区48.
668.
191.
3115.
739.
7163.
427.
4%中东欧5.
26.
68.
310.
011.
612.
920.
1%拉丁美洲6.
58.
410.
613.
015.
117.
121.
3%中东和非洲4.
76.
17.
89.
511.
012.
421.
6%北美洲78.
599.
1124.
1149.
3170.
8189.
119.
2%西欧37.
446.
657.
567.
976.
683.
917.
5%地区2015年2016年2017年2018年2019年2020年CAGR2015-20亚太地区9081,3671,8712,3872,9233,46931%中东欧12416822129137948531%拉丁美洲14019024230437144826%中东和非洲6910514519124230434%北美洲1,8912,7713,8384,8605,7796,84429%西欧7181,0351,3951,7682,1572,52829%摘自:思科全球云指数,2015-2020年.
表8.
云工作负载地区分布(单位为百万)摘自:思科全球云指数,2015-2020年.
2016思科和/或其附属公司.
版权所有.
27表9.
传统数据中心工作负载地区分布(单位为百万)摘自:思科全球云指数,2015-2020年.
附录E:云定义云定义思科GCI对"云"的定义与国家标准与技术研究所(NIST)对行业规范的云技术的定义一致.
NIST的定义列举了云计算的五个基本特征(图39):按需自助服务广泛的网络接入资源池敏捷的弹性或扩展可度量的服务图39.
云的基本特征可度量的服务按需/自助服务云交付广泛的网络接入快速、弹性资源池云部署模式云部署模式包括私有云、公共云和混合云(或三者兼有).
云计算的这些与众不同的形式支持各种软件、平台和基础设施服务.
服务提供商和私有企业均可运营云数据中心.
不过,我们对私有云和公共云的分类方法与NIST的定义略有出入.
云服务可能是公共云服务或私有云服务,具体取决于公共电信网络(WAN)与组织专用网络(LAN)之间的物理或虚拟界线(图40).
图40.
云部署模式AT&TVerizonAmazonAWSMicrosoftAzureSalesforceGoogle如果云资产位于该界线的服务提供商一侧,则将其视为公共云服务.
虚拟私有云(VPC)也归入此类别.
此外,多租户消费者云服务也归入此类别.
如果云资产位于该界线的组织一侧,该服务将被视为私有云服务.
一般而言,组织IT部门所拥有和管理的专用云可视为私有云.
混合云,顾名思义,是公共云和私有云的组合.
在混合云环境中,一些云计算资源由企业在内部进行管理,而另一些则由外部提供商进行管理.
我们将私有云和公共云定义为不同的类别;但没有单独分列混合云,因为它只不过是不同程度的私有云和公共云超集.
传统数据中心工作负载(单位为百万)2015年2016年2017年2018年2019年2020年CAGR2015-2020亚太地区10.
311.
111.
712.
112.
111.
92.
9%中东欧1.
21.
11.
00.
90.
90.
8-8.
5%拉丁美洲1.
31.
21.
11.
01.
00.
9-7.
4%中东和非洲1.
01.
00.
90.
80.
70.
6-10.
3%北美洲21.
321.
220.
519.
818.
617.
0-4.
4%西欧9.
79.
59.
18.
78.
37.
6-4.
8%2016思科和/或其附属公司.
版权所有.
28云服务模式(IaaS、PaaS和SaaS)思科GCI按照三种主要云服务模式预测云工作负载的构成:SaaS、PaaS和IaaS(图41).
它们的定义与NIST提供的定义一致.
图41.
云服务模式:IaaS、PaaS和SaaS(SaaS)(PaaS)(IaaS)SaaS提供给消费者的功能是使用提供商在云基础设施上运行的应用.
这些应用可通过Web浏览器等瘦客户端界面(例如网络邮件)或通过程序界面,使用各种客户端设备进行访问.
消费者无法管理或控制底层的云基础设施,包括网络、服务器、操作系统、存储,甚至个别应用功能(有限的用户特定应用配置设置可能除外).
PaaS提供给消费者的功能是将消费者创建或购置的应用部署到云基础设施上,这些应用使用提供商支持的编程语言、库、服务和工具创建而成.
消费者无法管理或控制底层的云基础设施,包括网络、服务器、操作系统或存储,但可以控制所部署的应用,并且有可能控制应用托管环境的配置设置.
IaaS提供给消费者的功能是在允许消费者部署和运行各种软件(可能包括操作系统和应用)的环境内,调配处理、存储、网络和其他基础计算资源.
消费者无法管理或控制底层的云基础设施,但可以控制操作系统、存储和所部署的应用;并且有可能对选定的网络组件(例如主机防火墙)进行有限的控制.
附录F:工作负载应用定义下面列出了用于划分趋势4中工作负载的应用定义:企业工作负载应用计算:主要包括云IaaS协作:邮件、会议、企业社交网络、文件共享、内容管理数据库/分析/万物互联:本地数据库应用、大数据应用、业务智能、数据主导的PaaS服务其他ERP和企业应用:CRM、HCM、财务应用、存储、服务/系统/运营管理等消费者工作负载应用搜索:搜索社交网络:Facebook、Twitter、Tencent、LinkedIn、Google+、Snapchat等视频/流媒体:视频共享和视频流服务其他消费者应用:邮件、消息传送、存储、文件共享、音乐服务、电子商务、新闻等摘自:思科全球云指数,2015-2020年.
附录G:地区云就绪总结表10根据下载和上传速度及延迟指标,汇总了各地区企业和消费者的云就绪状况.
有关更多详细信息,请参阅思科GCI附录.
表10.
地区云就绪2016思科和/或其附属公司.
版权所有.
思科和思科徽标是思科和/或其附属公司在美国和其他国家/地区的商标或注册商标.
要查看思科商标的列表,请访问此URL:www.
cisco.
com/go/trademarks.
文中提及的第三方商标为其相应所有者的财产.
"合作伙伴"一词的使用并不意味着思科和任何其他公司之间存在合作伙伴关系.
(1110R)C11-738085-0011/16网络地区平均下载速度(Mbps)平均上传速度(Mbps)平均延迟时间(ms)固定亚太地区28.
115.
935中东欧28.
320.
933拉丁美洲7.
62.
464中东和非洲7.
02.
277北美洲25.
48.
842西欧22.
87.
444移动亚太地区12.
16.
183中东欧10.
97.
775拉丁美洲5.
72.
0116中东和非洲4.
52.
3156北美洲16.
36.
563西欧13.
74.
870