SDN，在經(jīng)歷了猶豫彷徨、百家爭鳴之后，目前已成為企業(yè)CTO的堅定選擇。
SDN時(shí)代的網(wǎng)絡(luò )展現出兩面性：一方面讓客戶(hù)使用更加簡(jiǎn)單，另一方面卻讓運維更加復雜。而當前，整個(gè)行業(yè)的目光多聚焦在前者而忽略了后者。
隨著(zhù)SDN的部署如火如荼，一絲憂(yōu)患也隱隱浮現。2015年12月，管理行業(yè)研究機構EMA（Enterprise Management Associates）針對100多家企業(yè)的調查結果顯示：70%左右的客戶(hù)對于現有管理運維體系是否適用于SDN場(chǎng)景表示擔憂(yōu)。Gartner于2015年7月發(fā)布的通信網(wǎng)絡(luò )技術(shù)成熟度曲線(xiàn)（The Hype Cycle）也顯示，SDN相關(guān)的運維技術(shù)處于泡沫化的底谷期（Trough of Disillusionment），將在2～5年內進(jìn)行大規模商用部署。
華為早在全面擁抱SDN初期，就把SDN運維作為關(guān)鍵課題進(jìn)行研究和實(shí)踐，下面分別從WHY、WHAT、HOW這3個(gè)緯度展示華為對SDN運維的思考。
WHY：SDN運維的新變化
相對于傳統網(wǎng)絡(luò )，SDN時(shí)代的網(wǎng)絡(luò )有如下的特征：
- 動(dòng)態(tài)網(wǎng)絡(luò )：動(dòng)態(tài)是指根據應用需求按需創(chuàng )建和刪除邏輯網(wǎng)絡(luò )。比如某企業(yè)用戶(hù)反饋，在運維中需要投入50%的工作在防火墻的規則上，主要原因是隨著(zhù)應用的變遷，防火墻規則沒(méi)有隨之變遷，造成網(wǎng)絡(luò )沉淀和碎片。
- 實(shí)時(shí)響應：傳統網(wǎng)絡(luò )的設計主要是面向人的界面，基于分鐘級別慢速的原則，比如使用了幾十年的SNMP機制。這種慢速機制，在SDN的快節奏中成為“吐槽”點(diǎn)。某企業(yè)客戶(hù)抱怨其輕載的網(wǎng)絡(luò )存在瞬態(tài)的突發(fā)丟包，懷疑存在毫秒級別的微突發(fā)流量，但是在分鐘級別的SNMP機制下無(wú)法觀(guān)察到，更無(wú)法優(yōu)化。
- 大規模：大規模有兩個(gè)含義，其一是管理的設備數量。從物理網(wǎng)元到邏輯網(wǎng)元vSwitch/vRouter，其數量增加了50倍；其二是處理的故障數量。據LinkedIn披露，從2010年到2015年，需要處理的故障增加了18倍，但管理人員僅增加了幾個(gè)。
要應對上述SDN網(wǎng)絡(luò )的3大問(wèn)題，傳統的“人工運維”方式賢德捉襟見(jiàn)肘、難以為繼。
WHAT：SDN運維內涵
為了滿(mǎn)足SDN下“動(dòng)態(tài)性、實(shí)時(shí)性、大規模”的挑戰，華為提出需要對整個(gè)運維架構進(jìn)行變革，才能讓SDN“管用、好用”。新的SDN運維架構需要圍繞下面幾個(gè)方面打造：
可視化：看得見(jiàn)，看得清
俗話(huà)說(shuō)“You Can’t Manage What You Can’t See”。“看得見(jiàn)”有兩個(gè)方面的含義：
- 觀(guān)察對象可視：可監控物理和邏輯對象，包括網(wǎng)元級別的節點(diǎn)和接口等，也包括網(wǎng)絡(luò )級別的鏈路、邏輯路徑和應用質(zhì)量等。
- 觀(guān)察的實(shí)時(shí)性：支持毫秒級別現象的感知（比如流量微突發(fā)）、低頻率（<10-4）的丟包，以及大象流和老鼠流的識別等。
- “看得清”意味著(zhù)針對觀(guān)察的準確性，需要采集和分析海量的數據。包括：
- 精確計費：采集的比例需要從8K:1到2K:1，甚至1:1全量采集。
- 疑難問(wèn)題定位：基于采集的“大數據”和實(shí)時(shí)分析，及時(shí)發(fā)現偶發(fā)性丟包和流量黑洞等。
自動(dòng)化：自修復，自?xún)?yōu)化
傳統的網(wǎng)絡(luò )運維架構是一個(gè)單向的系統，而不是一個(gè)負反饋系統。網(wǎng)絡(luò )運維包括兩個(gè)方向：管理員在下行方向配置網(wǎng)絡(luò )，然后通過(guò)上行方向獲得網(wǎng)絡(luò )的狀態(tài)，也就是說(shuō)，網(wǎng)絡(luò )的部署和狀態(tài)是割裂的，通過(guò)管理員進(jìn)行有限的溝通。這種機制顯然無(wú)法滿(mǎn)足網(wǎng)絡(luò )故障自修復和網(wǎng)絡(luò )自?xún)?yōu)化的需求。自動(dòng)化的運維需要構建“閉環(huán)”運維架構，具體包括：
- 延遲修復：發(fā)現故障后，首先隔離故障，不影響現有業(yè)務(wù)。
- 診斷修復：結合采集的“大數據”和經(jīng)驗數據庫，進(jìn)行自動(dòng)修復或給出明確的修復方案。
- 網(wǎng)絡(luò )優(yōu)化：及時(shí)發(fā)現網(wǎng)絡(luò )存在的“病態(tài)”，如流量不均衡和流量擁塞風(fēng)險等，通過(guò)閉環(huán)系統，由網(wǎng)絡(luò )部署系統自動(dòng)進(jìn)行調整，把故障消滅在萌芽狀態(tài)。
HOW：SDN運維方案
基于SDN下的運維新變化，華為分解了運維的生命周期，構建了“閉環(huán)”的運維負反饋系統，稱(chēng)為Fabric Insight架構，包括如下4個(gè)模塊：
Monitor：監視
為了解決實(shí)時(shí)，海量的數據監視，需要在如下兩個(gè)方面改進(jìn)方案：
- 改造采集通道，滿(mǎn)足海量數據上報：對于中規模的數據上報，采用gRPC等高效的采集通道替代SNMP等；對于大規模的數據上報，直接采用數據面基于UDP的采集通道，消除管理面CPU的帶寬限制。
- 改造采集點(diǎn)，滿(mǎn)足高頻采集：在數據中心交換機上設計專(zhuān)門(mén)的高頻采集部件，滿(mǎn)足毫秒級的事件采集。
Detector：探測
未來(lái)及時(shí)發(fā)現端到端業(yè)務(wù)路徑的質(zhì)量，需要通過(guò)實(shí)時(shí)發(fā)送探測報的方式，對網(wǎng)絡(luò )進(jìn)行“掃描”。區別于傳統機制的“隨機掃描”，華為結合網(wǎng)絡(luò )的拓撲和路由，支持更精確的“定向掃描”，可以做到真正的全網(wǎng)全覆蓋。基于這種能力，管理員就不再是“救火員”，而是運籌帷幄的“諸葛亮”。
Metrics：度量
在某些情況下，網(wǎng)絡(luò )質(zhì)量顯示正常，但是應用體驗下降。探測機制無(wú)法解決這種問(wèn)題，就需要基于真實(shí)的業(yè)務(wù)流進(jìn)行度量，發(fā)現該業(yè)務(wù)流是否存在丟包和時(shí)延問(wèn)題，如果丟包，丟包位置在哪？如果時(shí)延大，是什么因素造成的？
Diagnosis：診斷
診斷就像老中醫看病，通過(guò)Monitor、Detector和Metrics進(jìn)行“望聞問(wèn)切”后，再結合經(jīng)驗庫的案例，定位出問(wèn)題的根因。診斷部件由一系列的工具組成，每個(gè)工具針對特定的問(wèn)題。比如環(huán)路診斷工具、丟包診斷工具等。
華為秉承開(kāi)放的理念，開(kāi)放基本的運維API，客戶(hù)可自助地開(kāi)放和定制自己的診斷工具集。
