【TechTarget中国原创】就最低限度而言，网络架构师还是很信任10 GbE核心交换机的基本性能的。然而，瓶颈很可能出现在高速交换机内部，而且这种情况还可能导致实际性能远低于理论的最大值。当然，这个问题的解决方法是在购买和部署这些高端设备之前进行基准测试。虽然，测试核心交换机性能会带来另外一些问题。
诸如Ixia和Spirent Communications的测试工具供应商提供了许多功能强大的包含10 GbE网络接口的网络交换机测试工具。这样的工具对于测试核心交换很重要。然而，通常组织必须将在多个测试团队之间共享这个工具的使用，这样导致可供测试核心交换机性能的时间变得很少了。另外，我们可能会集合所有的高端流量生成工具，而发现运行的核心交换机只有20%的CPU使用率。
如果购置或租用额外的流量生成工具在资金或运营上不允许，那就必须查阅旧的统计数据同时使用线性回归的方法来测试核心交换机的性能。具备关键系统变量的足够数量数据点，才有可能且容易地使用统计模型来对我们能够测试的负载点之上的交换机性能作出合理的预测。
为什么使用流量模型来测试核心交换机性能？
在2009年12月发布的对高端10 GbE L4-7应用交换机的一个测试中，Tolly Group发现它需要部署一个建模技术才能模拟一个带有16个10 GbE 接口的Brocade ADX 10000的可能的连接、事务和DNS查询响应容量。
即使扩展了更多的流量生成器，工程师都能够驱动该系统。这个系统运行了32个应用处理核心交换机，在L4事务速率测试中最高有28%CPU占有率，粗略计算，每秒有5百万事务。
使用回归分析和最小二乘法对核心交换机流量进行建模
因此，工程师执行回归分析来粗略估计交换机的临界值，并将CPU使用与事务相关联。特别地，工程师会引入一个名为“最小二乘法”，这个概念在Wikipedia的：http://en.wikipedia.org/wiki/Least_squares页面上有详细介绍。
我们可以查看图一，这是来自上面所提到的Tolly的文档，我们了解一下应用这个方法是如何创建模型的。
在达到L4事务速率测试所用的测试工具的临界状态时，工程师运行了多个低流量载荷的迭代测试——这里分别是1，2，3和4百万tps——从而为模型收集数据。工程师收集到了总共5对流量负载和CPU使用值。
在对数据进行一组公式计算后，工程师就能估计出该系统在CPU资源耗尽之前每秒能够处理大约1800万个事务。而最小二乘法回归公式输出2个数，这2个数是估算的关键常数，其中“m”是斜度，而“b”是y轴截距。
然后将这些数输入到斜截公式y=mx+b。简单地说，工程师可以用它来估算在一个既定的CPU使用率（x）下的事务执行速率（y），从而画出一条曲线来反映从物理测试停止的点到CPU达到100%的点之间的任意一点CPU使用/事务处理速率。
最终，工程师计算出的判定系数（R2）为.9999，这表示2个变量之间99.99%的关系可以由回归方程得到——换句话说，结果有非常高的统计可信度。
虽然这看起来似乎让人觉得很复杂，但我们这里讨论的所有公式都可以用Excel上的一些简单的函数进行计算。如果我们创建一个Excel模板，我们就可以很简单地将它用到以后的其它项目中。然后，这就像是一块钱与一百万元的比较，或者就像是为了测试项目而免费借来的测试工具一样。