利用人工智能改進網絡容量規劃

John Edwards 陳琳華

新的工具可以為網絡帶寬配置提供一些技巧。人工智能和機器學習能夠精確地預測網絡需求。

網絡容量規劃旨在確保提供足夠的帶寬，以達到網絡服務級協議（SLA）中的諸多要求，如延遲、抖動、丟失和可用性。這是一項復雜且容易出錯的任務，稍有不慎就會對財務帶來嚴重影響。一直以來，在容量規劃中，網絡數據需求通常只能通過靜態、歷史和事后報告獲得。如今這種情況正在迅速改觀。

德勤咨詢公司負責認知分析的執行董事Ashish Verma稱：“通過將先進的數據科學和認知技術（如人工智能和機器學習）結合起來，IT能夠帶來全新的且更為智能的預測性，從而提高了網絡容量規劃的準確性。這有助于組織機構加大對數據的使用力度，從而制定出更為靈活的決策，提升運營智慧，避免宕機，以及帶來更加出色的用戶體驗。”

盡管人工智能支持的網絡容量規劃仍處于初期階段，但是大多數容量規劃服務商，包括思科、NetBrain、Aria Networks、Flowmon和SolarWinds等大大小小的廠商都已經開始將某種形式的人工智能技術融入到自己的產品當中，亦或是計劃在不久的將來也這樣做。與此同時，人工智能技術廠商，如IBM Watson也在尋求進入這一市場。

人工智能支持傳統的網絡監控

商業咨詢公司畢馬威（KPMG）CIO咨詢經理Fredrik Lindstrom指出，利用人工智能分析來自多個來源的數據提供了比密切關注鏈路利用率的傳統網絡監控工具更高的準確性。“人工智能還可支持對不同性能場景進行建模，將網絡性能與應用程序性能聯系起來，從而確定應用程序在不同性能場景中的受影響程度。”

由人工智能驅動的機器學習已經應用到了網絡性能方面，其允許網絡控制器在強化網絡的同時對經驗進行學習。

思科分析與機器學習領域的專家Duval Yeager表示：“在它們進行學習的過程中，用于決策的分析模型得到了優化，因而能夠更好地表達網絡的真實意圖及其業務目標。隨著網絡的發展變化以及應用與用戶的增加——無論是本地還是云端，它們將會提供準確的容量規劃。”

卡內基梅隆大學泰珀商學院商業技術助理教授Yan Huang認為，人工智能和機器學習方法可有效地應用于流量預測/預報、流量模式檢測、在線學習和自動決策。

Huang解釋道，“高級機器學習算法可以將大規模、高顆粒度的網絡數據作為輸入，從而為網絡中的每個節點生成精確的需求預測，同時檢測網絡流量和利用率的跨期模式/趨勢。改進的流量和需求預測將能夠更為準確地評估網絡容量需求，減少資源的過度配置。”

早期檢測和發現跨期模式或網絡流量的變化使得組織機構能夠采取主動措施以確保網絡的性能。“復雜的預測模型可以與優化和/或模擬技術相結合，自動生成最佳的網絡結構或架構以及相應的容量和資源計劃，”Huang說。然后再根據組織機構最關心的特定性能指標對計劃做出相應的調整。

人工智能技術還可以根據實時網絡狀況處理實時流量數據并動態制定路由和分配決策。Huang解釋說，“它們還支持對新增容量進行按需配置”。所有這些因素都可以顯著降低與網絡開發、維護和改進相關的資本支出和運營支出，同時降低IT專業人員管理此類活動的工作量。

一旦安裝并正確配置，網絡人工智能技術就能夠實現網絡容量規劃的自動化，同時還能考慮到組織機構的財務和風險偏好。Lindstrom指出，“人工智能可以實時或接近實時地分析許多不同的數據點，這對于組織機構跨數據中心、云環境和廣域網進行虛擬網絡疊加至關重要。”

此外，人工智能還可通過用多種方式分析網絡流量模式，幫助組織機構深入了解網絡中正在運行的內容以及整體的網絡負載。

勞動力管理軟件與服務提供商Kronos的首席架構師兼網絡與安全高級總監Doug Tamasanis說：“這一細節對于短期和長期容量規劃非常有用，”

在短期內，人工智能可以更為細致地預測每日流量突發情況，例如應用程序、位置、技術和協議。這些發現可以被用來防止高峰期出現性能下降。Tamasanis表示：“從長遠來看，人工智能系統可以執行最佳的容量規劃，預測何時無法滿足短期的流量爆發，以及何時需要進行全面升級。”

基于人工智能的容量規劃：入門指南

IT資產和服務管理軟件提供商Ivanti的系統工程師Marcel Shaw表示，初次使用基于人工智能的容量規劃技術的最佳方式是使用已獲得一定成功且被企業認可的成熟技術。

他說：“管理員應謹慎處理人工智能學習算法生成的建議。人工智能學習算法將在未來幾年內得到大幅提升，但是在完全信任人工智能解決方案推薦的容量要求之前，客戶應當保持耐心并給予人工智能技術發展成熟的時間，這非常重要。”

Lindstrom建議，在數據來源和監控范圍方面，先進行小規模嘗試。“至關重要的是數據源要可靠且一致，并且人工智能系統要能夠在至少一個完整的業務周期內就能產生明顯的效果。”

Tamasanis指出，將網絡端口復制部署到關鍵網絡設備是為分析平臺提供數據流的最佳方式。特定系統（例如無線控制器、VPN集中器和防火墻）配置可被直接配置用于傳輸數據。“所有人工智能系統都需要這些類型的數據提供方式，并且覆蓋范圍越大越好，關鍵是要最大程度地將海量數據傳輸到人工智能平臺。”

在適當的環境中提供正確的數據也很重要。云計算平臺開發商OpsRamp的工程總監Murthy Garikiparthi表示：“準備好數據，以便輕松獲取解決方案，同時確保提供的網絡容量與自己的目標相適應。”一旦數據管道被建立，且速度和反饋一致，那么人工智能解決方案就可以開始監視特定行為的數據。Garikiparthi建議道，“最終，一旦人工智能開始提出建議，IT運營團隊就可以制定自動化策略，并根據這些深刻洞察采取行動。”

Tamasanis強調，選擇合適的人工智能平臺非常關鍵。他指出，“有些平臺會比其他的平臺更適合某些企業。這種自然差異既是人工智能分析的一個誘人的地方，同時也是一個存在問題的地方。” Tamasanis建議先將自動化配置放到一邊。他警告說：“雖然它們在反應時間方面具有吸引力，但是對數據的誤解可能會導致性能降低。”

關于人工智能資源和準確性的誤區

在將人工智能用于網絡容量規劃方面，最大的誤區可能是該技術并不是特別耗費資源，特別是在人機交互方面。Lindstrom表示，一些供應商會進一步加重這種錯覺，他們給人們的印象是你可以安裝這個工具，并且無需任何人管理就能完成所有工作。

另一個誤區是基于人工智能的網絡容量規劃是孤注一擲的賭博。Yeager建議，企業應該采取分階段的方式與供應商合作，通過模塊化的方式部署解決方案，并關注最具價值的用例。鑒于許多未來的網絡元素將基于云且依賴于訂閱，這種方法就顯得尤其重要。“參考用例和分階段部署可保證IT主管不會為尚未部署的服務和解決方案支付云訂閱費用，”Yeager解釋道。

Shaw指出，對于使用人工智能進行容量規劃的最大誤解是人工智能解決方案始終是準確的。“在人工智能解決方案成熟之前，管理員必須對由人工智能驅動的容量規劃解決方案提供的建議進行驗證并提出質疑。”

人工智能容量規劃中存在的陷阱

與任何新興技術一樣，人工智能容量規劃也存在著一些“雷區”。Lindstrom指出，狂熱的采用者往往部署的時機過早且規模過大，并且指望在沒有任何系統微調的情況下立即獲得結果。他警告說：“如果系統沒有足夠的數據進行分析，或者數據不可靠或不一致，那么這些工具將無法生成準確的網絡圖或發現網絡性能問題。”

成功避開提供不完整產品或服務的供應商也很重要。Yeager 指出，“目前市場上大多數解決方案只為部分網絡提供了部分優勢，它們并沒有為有線、無線、設備、客戶端、應用程序、安全、策略、跨域、WAN、云和數據中心提供完整的網絡解決方案。”

使用基于非開放平臺的人工智能產品和服務將使智能服務難以推廣至組織機構的其他部分。“未來的運營將不再是孤立的，部門將共享網絡、服務、運營和數據使用，以增強企業內所有部門之間的聯系，”Yeager說。

由于人工智能是一項相對較新的技術，因此部署者經常遇到來自保守的主管和員工的抵制，他們的目的是為了保護自己舊有的知識體系、傳統的工作流程和工作崗位。Garikiparthi 警告說： “做事方式不能過于僵化，甚至連人工智能的優勢都要拒絕。”

此外，Tamasanis強調說，人工智能只是提供了建議，而不是決定性陳述。“人工智能工具與當前的網絡設備和工程師相互整合將是一個循序漸進的過程。”