給數(shù)據(jù)中心運維帶來極大挑戰(zhàn)
數(shù)據(jù)中心云化帶來了資源池化共享、業(yè)務(wù)快速發(fā)放、自動化部署等等諸多好處的同時，也給網(wǎng)絡(luò)運維帶來巨大的挑戰(zhàn)。據(jù)統(tǒng)計，隨著數(shù)據(jù)中心云化，5年間管理對象已增加10倍，網(wǎng)絡(luò)故障數(shù)增加了18倍以上，傳統(tǒng)的運維管理方式已經(jīng)明顯力不從心。
同時，大數(shù)據(jù)技術(shù)的蓬勃發(fā)展也加速了商業(yè)創(chuàng)新，企業(yè)對業(yè)務(wù)可用性的要求持續(xù)提高，業(yè)務(wù)中斷將為企業(yè)帶來巨大的經(jīng)濟損失，故障牽一發(fā)而動全身，因此，數(shù)據(jù)中心網(wǎng)絡(luò)急需更先進更高效的運維解決方案。
當前數(shù)據(jù)中心運維管理普遍最頭疼的問題，就是傳統(tǒng)運維手段只能看到設(shè)備的通斷和靜態(tài)指標，實際出現(xiàn)問題，往往反而是業(yè)務(wù)部門先于網(wǎng)絡(luò)部門感知到，而且傳統(tǒng)問題定位手段欠缺，快速故障根因定位和業(yè)務(wù)恢復(fù)更是一種奢望。
AI加持的智能運維
為云化中心管理帶來曙光
傳統(tǒng)的運維管理手段，為什么不能滿足云化中心的管理要求？
首先，目前業(yè)界使用的管理平臺基本都是基于SNMP協(xié)議，采用分鐘級輪詢機制來監(jiān)管網(wǎng)絡(luò)狀態(tài)，通常5分鐘輪詢一次，如果周期過短會對設(shè)備CPU造成比較大的壓力，運維人員無法精確掌握現(xiàn)網(wǎng)狀態(tài)。
其次，傳統(tǒng)管理平臺故障定位完全依賴于人工經(jīng)驗，運維人員每天面對海量告警根本無從下手，被動響應(yīng)加長了故障定位和修復(fù)周期，對于企業(yè)無疑是雪上加霜。
再者，傳統(tǒng)管理平臺只能看到設(shè)備通斷和一些離散的指標，運維人員對于網(wǎng)絡(luò)整體質(zhì)量情況不能全盤把握，每天網(wǎng)絡(luò)健康巡檢需要花費大量時間，還需手工繪制巡檢報告，增加了企業(yè)的人力成本投入。
面對如上諸多挑戰(zhàn)，急需下一代運維解決方案。
華為重磅推出iMaster NCE-FabricInsight（以下簡稱FabricInsight，下同）智能運維分析系統(tǒng)，內(nèi)置強大AI引擎，是專為應(yīng)對大數(shù)據(jù)時代數(shù)據(jù)中心網(wǎng)絡(luò)的下一代運維解決方案。
揭秘FabricInsight為何能成為
數(shù)據(jù)中心網(wǎng)絡(luò)運維的必備神器
- FabricInsight完全摒棄了傳統(tǒng)SNMP低效的輪詢機制，采用下一代數(shù)據(jù)采集技術(shù)Telemetry，網(wǎng)絡(luò)設(shè)備會將所需信息主動秒級上送，以達到全網(wǎng)設(shè)備關(guān)鍵指標秒級甚至亞秒級監(jiān)管。
- FabricInsight獨家首創(chuàng)網(wǎng)絡(luò)健康度AI評估體系，依托設(shè)備高性能AI芯片和分析器本地強大的AI分析引擎，實現(xiàn)設(shè)備和分析器兩級AI聯(lián)動，分工明確又相輔相成，真正達到邊緣智能。從多維度全面評估整網(wǎng)健康狀況，實時或定期發(fā)送網(wǎng)絡(luò)體檢報告，極大提高巡檢效率，降低人力成本。
- FabricInsight獨創(chuàng)網(wǎng)絡(luò)故障根因分析和演練學習AI引擎，通過故障演練引擎，將華為30多年、現(xiàn)網(wǎng)500多萬臺設(shè)備的數(shù)據(jù)中心運維經(jīng)驗，持續(xù)注入到根因分析引擎中進行演練學習，強化根因分析算法，不斷提升故障定位效率，同時更進一步引入AI網(wǎng)絡(luò)知識圖譜，以使故障根因分析更加精準。
- FabricInsight擁有業(yè)界唯一的故障自閉環(huán)體系，依靠強大的故障根因分析引擎，典型故障可做到1分鐘識別，3分鐘定位根因，與華為控制器聯(lián)動自閉環(huán)處理，達到5分鐘快速恢復(fù)。
- FabricInsight支持單機版部署，只需一臺服務(wù)器，提供更強大功能的同時，降低部署成本。同時，對網(wǎng)絡(luò)組網(wǎng)解耦，無論是否SDN組網(wǎng)、無論是軟硬SDN組網(wǎng)，都能發(fā)揮價值。
