Ein wesentlicher betrieblicher Vorteil der softwaredefinierten Vernetzung ist die erhöhte Transparenz, die durch den Einsatz einer abstrahierten und zentralisierten Steuerungsebene möglich ist. Big Cloud Fabric ™ und Big Mon™ nutzen beide eine Controller-basierte SDN-Architektur, die eine zentrale Verwaltungsstelle und Transparenz über eine Vielzahl von Netzwerk-Switches bietet. Dieses Design vereinfacht und rationalisiert den Betrieb erheblich und ermöglicht eine beschleunigte Fehlersuche, Änderungsmanagement und Behebung von Sicherheitsproblemen.

  • Big Cloud Fabric, die Switching-Fabric der nächsten Generation für Rechenzentren, bietet tiefe Netzwerktransparenz und Telemetrie.
  • Big Monitoring Fabric, die Sicherheits- und Überwachungsstruktur der nächsten Generation für Rechenzentren, bietet Fabric-Analysen sowie verbesserte Visibilität auf Paket- und Datenflussebene.

fabric dashboards

Big Cloud Fabric Analytics

Schnelle Problemlösung mit BCF Fabric Analytics

Dank tiefer, zentralisierter Einblicke in die Netzwerkinfrastruktur können Organisationen Probleme schnell vorhersehen und beheben. Die Kapazitätsanforderungen bei einem Änderungsmanagement lassen sich leicht bestimmen. Bedauerlicherweise nutzen ältere Netzwerkstrukturen einen geräteorientierten (und somit fragmentierten) Managementansatz, was eine tiefe und über das gesamte Netzwerk reichende Transparenz von einer zentralen Schnittstelle aus unmöglich macht.

Big Cloud Fabric (BCF), mit seiner Controller-basierten Netzwerk-Fabric und seiner zentralen Benutzeroberfläche bietet Transparenz über physische und logische Netzwerkkomponenten hinweg und stellt somit eine einzige und benutzerfreundliche Schnittstelle für den Netzwerkbetrieb und für VM-Administratoren zur Verfügung.

fabric analytics - main menu

Das Modul „BCF Fabric Analytics“ dient als Plattform für fortschrittliche Analysen und Korrelationen. Switches in BCF generieren Protokolle und Statistiken, die vom Controller gesammelt werden. Das Modul „Fabric Analytics“ verarbeitet die Daten, um eine Vielzahl von Analysen und Trends zu generieren. Darüber hinaus bietet es umfangreiche Möglichkeiten für Such- und Filtervorgänge ‒ gestützt durch die Open-Source-Engine ElasticSearch. Das Modul „Fabric Analytics“ ist über die webbasierte grafische Benutzeroberfläche (GUI) des Controllers zugänglich.

Fabric Analytics bietet mehrere vorkonfigurierte Dashboards, die logische und physische Komponenten und Topologien umfassen. Zu den physischen Dashboards gehören „Switch Interface“ (Switch-Schnittstelle), „Configuration Changes“ (Konfigurationsänderungen) und „Errors“ (Fehler). Zu den logischen Dashboards gehören „Tenant“, „Segment“, „Endpoint“, „Protocols“ und „VMWare vCenter“.

fabric analytics - VMWare Dashboard

Mit Fabric Analytics können Teams für Netzwerkbetrieb (und VM-Verwaltung) die Netzprobleme und Fehlerbedingungen in der gesamten Fabric schnell beheben. Strukturweite Konfigurationsänderungen (über CLI, grafische Benutzeroberfläche oder REST-API) sind direkt im Controller zu erkennen. Auf diese Weise können die auf fehlerhafter Netzwerkkonfiguration basierenden unberechtigten Zugriffe und/oder tiefsitzenden Probleme leicht identifiziert werden. Fabric Analytics bedeutet eine deutliche Zeiteinsparung bei der Identifizierung und Lösung von Problemen und beschleunigt das Änderungsmanagement ‒ ohne dass hierfür kostspielige Analysetools oder Repositorien von Drittanbietern erforderlich wären.

Erfahren Sie mehr über BCF Fabric Analytics:

Big Monitoring Fabric Analytics

Gewinnen Sie Einblicke und lösen Sie anfallende Probleme ‒ mit Big Mon Fabric Analytics 2.0

Bei Big Monitoring Fabric (Big Mon) handelt es sich um ein SDN-basiertes Sicherheits- und Monitoring-System, das von einem zentralen Controller aus gesteuert wird. Big Mon funktioniert als einzelner logischer Network Packet Broker und liefert als solcher Netzwerk-Pakete und -Datenverkehr an eine Vielzahl von Sicherheits- und Monitoring-Tools. Zugleich bietet es entscheidende betriebliche Vorteile, beispielsweise Robustheit, schnelle Konfiguration und Skalierbarkeit sowie netzwerkweite Einblicke in alle Tools. Bei Big Mon Fabric Analytics 2.0 handelt es sich um ein Analysemodul, das Verbindungen mit zahlreichen Big Mon-Controllern eingeht, um Informationen zu besonders aktiven Geräten, Anwendungen, Traffics und verschiedene andere Daten zu Hosts, Anwendungen, Traffics und Latenzen vom Produktionsnetzwerk zu sammeln und anzuzeigen. Darüber hinaus zeigt Big Mon Fabric Analytics 2.0 auch unterschiedliche Statistiken zu Richtlinien, Ereignissen und Schnittstellen für das Big Mon Fabric an.

Production Network Analytics - DNS Dashboard

Dank einer vollständigen Transparenz bei der Sicherheits- und Monitoring-Fabric können die Teams für Netzwerke und Sicherheit gewährleisten, dass die Fabric wie vorgesehen funktioniert, damit Kapazitäten nicht überschritten und Tools nur im erforderlichen Umfang in Anspruch genommen werden. On-Demand-Einblicke in den Netzwerkverkehr über Traffic-abhängige Transparenz ergänzen die Sicherheits- und Monitoring-Tools, damit die für den Betrieb zuständigen Teams die Probleme im Bedarfsfall angehen können, ohne Tools umzukonfigurieren oder hinzuzufügen.

Die Informationen von Fabric Analytics lassen sich über konfigurierbare Dashboards mit historischen zeitreihenbasierten Grafiken in der grafischen Benutzeroberfläche (GUI) visualisieren. Diese Dashboards umfassen Fabric-abhängige und Produktionsnetzwerk-Informationen.

Big Mon Fabric Analytics - Policy Statistics Dashboard

Die zentrale Benutzeroberfläche von Big Mons Fabric Analytics bietet außergewöhnlich flexible Einblicke: Die für den Netzwerkbetrieb zuständigen Teams können Probleme, welche die Integrität der Monitoring- und Sicherheitsinfrastruktur kompromittieren, schnell identifizieren und beheben. Dasselbe gilt für alle Probleme, die ihren Ursprung im Netzwerk selbst haben. Hieraus ergibt sich eine schnelle Ermittlung und Lösung von Problemen, wodurch das Netzwerk ‒ und die darauf laufenden Anwendungen ‒ eine optimale Leistung erbringen.

Erfahren Sie mehr über BMF Fabric Analytics: