預測分析：防止網(wǎng)絡故障的關鍵

John+Edwards

編譯 楊勇

強大的新工具支持可操作的深度分析，取代了水晶球式的預測。

識別和確定潛在的網(wǎng)絡故障和性能問題一直是根據(jù)現(xiàn)狀而進行猜測，而新一代的預測分析工具有望能更準確可靠的預測網(wǎng)絡，工作人員在具體問題開始影響網(wǎng)絡運行之前就能夠解決和糾正這些問題。

預測分析改變了游戲規(guī)則，使首席信息官們能夠真正地展望未來。愛立信的技術和創(chuàng)新主管Diomedes Kastanis說：“網(wǎng)絡應適應不斷變化的應用程序需求，動態(tài)地處理特殊事件、季節(jié)性問題等，對這方面的要求越來越高。雖然我們有很多自動化系統(tǒng)和規(guī)則來管理和運行網(wǎng)絡，但這仍然不足以應對劇烈變化的環(huán)境，也不能主動適應不斷變化的需求。”

新沖擊

對于很多首席信息官而言，預測分析與機器學習（ML）和人工智能（AI）等過程相結合還是相對較新的概念。網(wǎng)絡安全研究公司NSS實驗室的高級主管Brian Soldato說：“這需要時間來驗證新技術是否適合企業(yè)市場，目前在這一領域還處于早期發(fā)展階段。具有預測分析功能的安全平臺和端點技術得到了較多的應用。”

由于人工智能及相關領域的進步，預測分析在過去幾年中得以飛速發(fā)展。Skymind公司是支持開源深度學習框架Deeplearning4j的人工智能開發(fā)商，該公司首席執(zhí)行官Chris Nicholson說：“基于時間序列數(shù)據(jù)的預測，例如網(wǎng)絡日志等，越來越準確，因此也更有用。”他指出：“準確度取決于數(shù)據(jù)集的質(zhì)量。在一些問題上，深度學習能夠把準確度提高兩位數(shù)以上。”

Kastanis說，愛立信正在對網(wǎng)絡進行預測分析優(yōu)化調(diào)查。他說：“我們目前正在和不同的技術合作伙伴一起試驗一些前沿技術，包括深度學習、決策理論和語義推理等，在人工智能的各種構成中，這些是最佳組合。”

Gianluca Noya是埃森哲的數(shù)字網(wǎng)絡部署和分析主管，他認為，只需知道從現(xiàn)在到所要預測時間之前五倍跨度的歷史信息，就有可能預測未來的網(wǎng)絡行為，例如需求和服務體驗等，準確度在95%以上。他說：“換句話說，要預測下個月的數(shù)據(jù)，您需要五個月前的歷史數(shù)據(jù)。”

Noya說，計算能力和分布式存儲的發(fā)展為不受限制的使用網(wǎng)絡數(shù)據(jù)開辟了道路，但大多數(shù)網(wǎng)絡運營商未能充分利用這些潛在的強大的資源。他說：“我們看到有很多在技術支持方面進行投資的早期試驗，但是由于缺乏全面的方法，沒有考慮采用數(shù)據(jù)驅(qū)動運行模式帶來的革命性影響，最終導致受挫。”

預測容量需求

SAS信息技術高級主管Steven Toy說，可靠地處理未來網(wǎng)絡容量需求是一個相對簡單的預測分析問題。他說：“找出您感興趣的度量指標，采集網(wǎng)絡容量數(shù)據(jù)，然后進行比較。”比如說，一家企業(yè)在達到75%的容量時就想升級電路。Toy說：“收集幾個月的數(shù)據(jù)，并預測3到4個月后會怎樣——這大概是提供新電路所需的時間。當分析顯示您將在3到4個月內(nèi)達到75%時，那就開始采購過程。”

Noya說，預測算法可以應用在數(shù)據(jù)流、服務、設備和用戶行為上，實際上是把標準網(wǎng)絡統(tǒng)計規(guī)劃活動擴展應用到更多的網(wǎng)絡和技術性能指標上。他說：“目前，容量規(guī)劃方法依賴于經(jīng)過技術供應商認證并由工程設計提供支持的參考性能KPI。人工智能/機器學習算法的應用使這種方法不斷改進，其不斷學習的過程進一步提高了性能，甚至超越了靜態(tài)KPI方法。”

保證性能和質(zhì)量

Noya說：“對于網(wǎng)絡性能和質(zhì)量問題，預測算法對分析進行多維度管理，確定哪些事件對結果的影響最大。”深度學習是網(wǎng)絡性能/質(zhì)量優(yōu)化特別有用的工具。Nicholson說：“當您有一個包括了您要預測事件的記錄數(shù)據(jù)集時，您就可以在這些數(shù)據(jù)上訓練深度神經(jīng)網(wǎng)絡。”如果深度網(wǎng)絡得到了適當?shù)挠柧殻梢詼蚀_地預測這些事件什么時候會發(fā)生。他解釋道：“例如，當您能準確預測容量問題時，您可以提前行動來平衡您的網(wǎng)絡負載，進一步提高網(wǎng)絡容量。”

據(jù)Toy表示，網(wǎng)絡性能和質(zhì)量問題類似于制造問題。他說：“制造過程的數(shù)據(jù)越多，就能夠提供給維修中心更多的問題信息，您就越容易預測故障。”他說，“網(wǎng)絡問題幾乎是一樣的。通過預測錯誤率來預測網(wǎng)絡邊緣和核心的故障和性能問題，根據(jù)日志預測組件的故障，并在出現(xiàn)問題之前采取行動。”

預測分析還可以根據(jù)使用類型來檢查數(shù)據(jù)流模式趨勢，并在發(fā)現(xiàn)可能要出現(xiàn)問題時提供早期預警。專業(yè)服務機構畢馬威的首席信息官網(wǎng)絡基礎設施咨詢主管Atif Mir說：“例如，使用UDP（用戶數(shù)據(jù)報協(xié)議）的低優(yōu)先級實時數(shù)據(jù)流在更高優(yōu)先級數(shù)據(jù)流受到影響之前，就會開始出現(xiàn)性能問題。”他解釋說：“一個好的、強有力的預測分析工具能夠預測這種影響，如果得到授權，還可以進行修改以避免這種影響。”

主動安全

大多數(shù)網(wǎng)絡都是通過具有入侵檢測和數(shù)據(jù)包分析功能的防火墻來進行保護的。然而，攻擊者變得越來越聰明，也越來越狡猾。Mir說：“如今的犯罪分子要老練得多，有時像企業(yè)一樣有組織和贊助。網(wǎng)絡主動防御需要一種完全不同的方法，而預測分析就是其中之一。”

預測分析使安全分析平臺能夠識別系統(tǒng)、設備和/或用戶的異常行為。Soldato說：“這填補了急需填補的空白。采用NGFW（下一代防火墻）和端點技術、預測分析等等，通過識別一個文件在下載和執(zhí)行時的行為，即使是簡單的保存行為，確定文件應該干什么，不應該干什么，主動識別潛在的外部威脅，甚至是零日威脅。”

能夠減輕內(nèi)部威脅風險和快速檢測安全隱患比以往任何時候都更為重要，而預測分析可以提供那些想不被人們發(fā)現(xiàn)的犯罪線索。Toy說：“預測分析結合NetFlow或者sflow數(shù)據(jù)，可以幫助衡量網(wǎng)絡上設備的風險（包括最終用戶），預測哪些是最危險的。”Toy指出，“網(wǎng)絡泄露事件的成本通常是幾百萬美元。泄露事件發(fā)現(xiàn)得越快，并及早進行糾正，成本就越低，對企業(yè)聲譽的影響也就越小。”endprint

控制成本

當可以選擇多種技術時，對網(wǎng)絡定價結構進行比較顯得非常復雜。Mir說：“軟件定義網(wǎng)絡（SDN）與預測分析相結合，有助于簡化預測，調(diào)整網(wǎng)絡成本。”

Soldato說：“實施了預測分析功能的分析平臺，由于能夠獲取并處理大量的網(wǎng)絡數(shù)據(jù)，因此可以幫助預測網(wǎng)絡成本。”預測分析是一種前瞻性的預測技術，其平臺允許企業(yè)以可視化的方式預見未來幾個月甚至幾年后的網(wǎng)絡使用、性能和質(zhì)量情況。他指出：“反過來，這也有助于企業(yè)準備和預測網(wǎng)絡升級、新設備和人員。”

Noya指出，作為網(wǎng)絡成本預測的前提條件，有必要建立網(wǎng)絡配置成本基礎，確定具體技術服務和最終客戶產(chǎn)品的成本，包括資本支出（CAPEX）和運營支出（OPEX）等。他說：“對于網(wǎng)絡單元支持多種產(chǎn)品和服務的融合運營商來說，這個過程比較困難，但最終要準確地理解產(chǎn)品和服務的總體擁有成本。”網(wǎng)絡庫存還應與采購目錄相匹配，以便在網(wǎng)絡設計、網(wǎng)絡容量和擴展成本之間保持連續(xù)性。Noya說：“利用網(wǎng)絡預測容量分析結果來理解未來的成本。”

開始工作

為任何形式的網(wǎng)絡優(yōu)化部署預測分析的第一步是收集和整理明確知道的歷史問題。物聯(lián)網(wǎng)（IoT）軟件開發(fā)商Greenwave Systems公司副總裁兼工程系統(tǒng)架構師John Crupi說：“您必須知道正常功能的構成，才能識別出什么是不正常的。”他解釋說：“性能問題集中出現(xiàn)可能是正常的，這取決于網(wǎng)絡特性，也可能是要出現(xiàn)嚴重問題的早期征兆。”

首席信息官們還需要制定與業(yè)務需求相關的預測分析策略和路線圖。Mir說：“在這一策略內(nèi)，設置一個能進行概念驗證的可實現(xiàn)的目標。下一步是找出導致出現(xiàn)變化的所有因素，并獲取與變化相關的所有數(shù)據(jù)/日志。”

Crupi說：“開始使用預測分析的最好方法不是從預測分析開始，而是要先理解和識別系統(tǒng)中的行為模式。這些模式為應用預測分析奠定了基礎。”

Kastanis建議，一旦部署了預測分析平臺，就可以為機器學習模型提供大量的訓練數(shù)據(jù)。然后依靠人類專家來驗證最初的預測，并在專家的批準下對網(wǎng)絡進行修改，直到機器學習模型的精確度一直高于基本期望值。Kastanis說：“除非有可靠的案例研究證明了機器學習模型的準確性，否則運營商會懷疑是否值得冒險讓機器學習模型對對網(wǎng)絡進行修改，以實現(xiàn)自主網(wǎng)絡管理。”

值得努力的工作

Crupi說，預測分析不是一個解決方案，而是戰(zhàn)略工具。他指出：“這只是整套分析工具的一部分。”

Crupi說：“很多企業(yè)希望馬上采用預測分析，立即開始訓練模型來預測故障。”這真不是個好主意。他解釋說：“訓練一個預測模型需要大量的數(shù)據(jù)，并要求數(shù)據(jù)科學家掌握了歷史背景。最好從基本分析和可視化開始，這樣您就可以開始‘看到正在發(fā)生的事情。”

Kastanis說，回憶自己的經(jīng)歷，預測分析所帶來的好處值得我們付出時間和精力去構建和部署該技術。他說：“這是非常好的概念，能夠顯著地穩(wěn)定網(wǎng)絡性能，優(yōu)化網(wǎng)絡管理的OpEx，從而提高了網(wǎng)絡管理效率。”

原文網(wǎng)址：

http：//www.cio.com/article/3207569/predictive-analytics/predictive-analytics-your-key-to-preventing-network-failures.htmlendprint