網(wǎng)絡(luò)管理發(fā)展史

第頁根據(jù)行業(yè)知名分析師機(jī)構(gòu)在2019年4月發(fā)布的關(guān)于AI和自動(dòng)化提高網(wǎng)絡(luò)可靠性的報(bào)告中指出，到2022年，將會(huì)有65%的企業(yè)在園區(qū)網(wǎng)絡(luò)（有線無線的接入網(wǎng)絡(luò)）部署網(wǎng)絡(luò)自動(dòng)化技術(shù)，而今天這個(gè)比例只有17%。在2018年12月的IO峰會(huì)現(xiàn)場的一次實(shí)時(shí)調(diào)研中，今天使用CLI方式管理網(wǎng)絡(luò)的用戶占到了70%，而只有10%的用戶今天使用了自動(dòng)化的工具。在這些自動(dòng)化工具中，大部分都不是來自原廠的工具，而是源自Linux網(wǎng)絡(luò)自動(dòng)化工具，或者是專業(yè)網(wǎng)絡(luò)管理方案的自動(dòng)化工具。這就意味著，今天客戶的網(wǎng)絡(luò)管理都希望擁有自動(dòng)化的能力，卻苦于沒有一個(gè)簡單易用的網(wǎng)絡(luò)管理工具，只能通過在已有的網(wǎng)管之上搭載額外的網(wǎng)絡(luò)管理工具來解決。我們可以想象，今天使用AI的方式來運(yùn)維網(wǎng)絡(luò)的比例會(huì)更低，可是數(shù)字化業(yè)務(wù)的快速發(fā)展，傳統(tǒng)的網(wǎng)絡(luò)管理方式已經(jīng)無法滿足企業(yè)業(yè)務(wù)效率的需要。部分已經(jīng)采用自動(dòng)化網(wǎng)絡(luò)管理工具的客戶已經(jīng)深刻體會(huì)到了自動(dòng)化工具的價(jià)值，比如南京的某工業(yè)園區(qū)，客戶需要在一周之內(nèi)上線4000個(gè)AP，客戶通過華為云管理平臺，將設(shè)備SN號一次性導(dǎo)入，即插即用，策略統(tǒng)一配置，原本1個(gè)月的工作量，在1周就完成了。對于中小多分支企業(yè)，云管理已經(jīng)很好地開始解決這個(gè)問題，那么對于如高校、大企業(yè)辦公與研發(fā)基地、產(chǎn)業(yè)園等中大型園區(qū)網(wǎng)絡(luò)，常年以來復(fù)雜的網(wǎng)絡(luò)又該如何管理和運(yùn)維呢？今天我們與大家分享在網(wǎng)絡(luò)管理和運(yùn)維上的兩個(gè)趨勢：自動(dòng)化與智能化。管理自動(dòng)化正如家用洗衣機(jī)一樣，從手動(dòng)到半自動(dòng)，到今天的全自動(dòng)甚至是智能洗衣，讓人人都能操作一個(gè)復(fù)雜的機(jī)器完成復(fù)雜的任務(wù)。對于網(wǎng)絡(luò)管理也是如此，從CLI的逐臺設(shè)備的配置與管理，到基于GUI的管理控制系統(tǒng)，到今天基于業(yè)務(wù)語言對網(wǎng)絡(luò)進(jìn)行自動(dòng)化配置。從網(wǎng)絡(luò)管理的視角，企業(yè)網(wǎng)絡(luò)管理將幾乎1/3的時(shí)間花費(fèi)在網(wǎng)絡(luò)的規(guī)劃、部署上，而今天越來越多的新業(yè)務(wù)上線，策略變更也越來越頻繁，網(wǎng)絡(luò)工程師對網(wǎng)絡(luò)處于無法駕馭的境地。我們認(rèn)為，未來網(wǎng)絡(luò)自動(dòng)化有兩個(gè)層面：全生命周期的自動(dòng)化：這包括自動(dòng)化工具是否能從網(wǎng)絡(luò)的規(guī)劃、部署、策略發(fā)放、網(wǎng)絡(luò)狀態(tài)監(jiān)測和維護(hù)以及管理的全生命周期，均實(shí)現(xiàn)自動(dòng)化。整網(wǎng)自動(dòng)化：這包括企業(yè)的LAN、WLAN、以及WAN網(wǎng)絡(luò)是否能夠集中式的管理和策略配置，是否能從全局視角定義基于用戶身份和應(yīng)用類型的業(yè)務(wù)策略。華為園區(qū)網(wǎng)絡(luò)自動(dòng)化架構(gòu)運(yùn)維智能化智能化是網(wǎng)絡(luò)管理運(yùn)維的更高級別能力。以前，網(wǎng)絡(luò)運(yùn)維工作很簡單，主要關(guān)注網(wǎng)絡(luò)和設(shè)備的KPI指標(biāo)，無法感知用戶和業(yè)務(wù)的質(zhì)量。而今天，網(wǎng)絡(luò)連接的質(zhì)量直接影響到了業(yè)務(wù)的質(zhì)量，從而影響了企業(yè)的運(yùn)作效率。甚至在部分工業(yè)和生產(chǎn)場景，因不同業(yè)務(wù)的需要，網(wǎng)絡(luò)質(zhì)量有了差異化的要求，每終端的帶寬、時(shí)延、丟包、無線漫游的切換時(shí)間僅依托以網(wǎng)元為中心的運(yùn)維系統(tǒng)是無法完成如此復(fù)雜的工作。這就像醫(yī)生為了檢測病人，需要采用更為先進(jìn)的機(jī)器，將以前依靠人類經(jīng)驗(yàn)的網(wǎng)絡(luò)故障診斷和修復(fù)的管理方式，轉(zhuǎn)變?yōu)橥ㄟ^機(jī)器數(shù)據(jù)來進(jìn)行衡量，從而能快速的解決網(wǎng)絡(luò)故障或者異常。而此前提是采集網(wǎng)絡(luò)體征數(shù)據(jù)，就好比是給物理網(wǎng)絡(luò)安上了全方面的檢測系統(tǒng)，實(shí)時(shí)的網(wǎng)絡(luò)體征的數(shù)據(jù)上報(bào)給基于AI的運(yùn)維系統(tǒng)，在AI系統(tǒng)中，基于數(shù)據(jù)建立起各種分析模型，從而通過數(shù)據(jù)的方式快速尋找到網(wǎng)絡(luò)的異常、預(yù)測潛在出現(xiàn)的異常。今天在這個(gè)領(lǐng)域會(huì)用到一些AI算法技術(shù)，包括：高斯過程回歸GaussianProcessRegression,聚類分析DBSCAN，非線性回歸Non-LinearRegression，離群點(diǎn)檢測N-Sigma，邏輯回歸LogisticRegression，皮爾遜相關(guān)系數(shù)PearsonCorrelationCoefficient，決策樹Decision-treeLearning。有了數(shù)據(jù)，有了AI算法，那這個(gè)系統(tǒng)到底能做什么呢，又是如何解決問題的呢？下面這個(gè)圖就比較清晰直觀的回答了這個(gè)問題。從體驗(yàn)可視化評估，到網(wǎng)絡(luò)異常的識別和定位，到故障根因分析和判斷，最后到故障的調(diào)優(yōu)修復(fù)，并且不斷的循環(huán)，從而構(gòu)建一個(gè)自治的網(wǎng)絡(luò)故障優(yōu)化系統(tǒng)。這就是一個(gè)理想的網(wǎng)絡(luò)智能運(yùn)維系統(tǒng)。這些工作之前富有經(jīng)驗(yàn)的網(wǎng)絡(luò)工程師也在做，現(xiàn)在通過AI將這個(gè)過程自動(dòng)化，通過數(shù)據(jù)也提高了故障診斷的效率。華為園區(qū)網(wǎng)絡(luò)智能運(yùn)維架構(gòu)2019年6月28日北京時(shí)間16:00，“Wi-Fi6新時(shí)代，園區(qū)網(wǎng)絡(luò)新核心”——