給數據中心運維帶來(lái)極大挑戰
數據中心云化帶來(lái)了資源池化共享、業(yè)務(wù)快速發(fā)放、自動(dòng)化部署等等諸多好處的同時(shí)，也給網(wǎng)絡(luò )運維帶來(lái)巨大的挑戰。據統計，隨著(zhù)數據中心云化，5年間管理對象已增加10倍，網(wǎng)絡(luò )故障數增加了18倍以上，傳統的運維管理方式已經(jīng)明顯力不從心。
同時(shí)，大數據技術(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)可用性的要求持續提高，業(yè)務(wù)中斷將為企業(yè)帶來(lái)巨大的經(jīng)濟損失，故障牽一發(fā)而動(dòng)全身，因此，數據中心網(wǎng)絡(luò )急需更先進(jìn)更高效的運維解決方案。
當前數據中心運維管理普遍最頭疼的問(wèn)題，就是傳統運維手段只能看到設備的通斷和靜態(tài)指標，實(shí)際出現問(wèn)題，往往反而是業(yè)務(wù)部門(mén)先于網(wǎng)絡(luò )部門(mén)感知到，而且傳統問(wèn)題定位手段欠缺，快速故障根因定位和業(yè)務(wù)恢復更是一種奢望。
AI加持的智能運維
為云化中心管理帶來(lái)曙光
傳統的運維管理手段，為什么不能滿(mǎn)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(xún)機制來(lái)監管網(wǎng)絡(luò )狀態(tài)，通常5分鐘輪詢(xún)一次，如果周期過(guò)短會(huì )對設備CPU造成比較大的壓力，運維人員無(wú)法精確掌握現網(wǎng)狀態(tài)。
其次，傳統管理平臺故障定位完全依賴(lài)于人工經(jīng)驗，運維人員每天面對海量告警根本無(wú)從下手，被動(dòng)響應加長(cháng)了故障定位和修復周期，對于企業(yè)無(wú)疑是雪上加霜。
再者，傳統管理平臺只能看到設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(pán)把握，每天網(wǎng)絡(luò )健康巡檢需要花費大量時(shí)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，急需下一代運維解決方案。
華為重磅推出iMaster NCE-FabricInsight（以下簡(jiǎn)稱(chēng)FabricInsight，下同）智能運維分析系統，內置強大AI引擎，是專(zhuān)為應對大數據時(shí)代數據中心網(wǎng)絡(luò )的下一代運維解決方案。
揭秘FabricInsight為何能成為
數據中心網(wǎng)絡(luò )運維的必備神器
- FabricInsight完全摒棄了傳統SNMP低效的輪詢(xún)機制，采用下一代數據采集技術(shù)Telemetry，網(wǎng)絡(luò )設備會(huì )將所需信息主動(dòng)秒級上送，以達到全網(wǎng)設備關(guān)鍵指標秒級甚至亞秒級監管。
- FabricInsight獨家首創(chuàng )網(wǎng)絡(luò )健康度AI評估體系，依托設備高性能AI芯片和分析器本地強大的AI分析引擎，實(shí)現設備和分析器兩級AI聯(lián)動(dòng)，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(shí)時(shí)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(xué)習AI引擎，通過(guò)故障演練引擎，將華為30多年、現網(wǎng)500多萬(wàn)臺設備的數據中心運維經(jīng)驗，持續注入到根因分析引擎中進(jìn)行演練學(xué)習，強化根因分析算法，不斷提升故障定位效率，同時(shí)更進(jìn)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(dòng)自閉環(huán)處理，達到5分鐘快速恢復。
- 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(shí)，降低部署成本。同時(shí)，對網(wǎng)絡(luò )組網(wǎng)解耦，無(wú)論是否SDN組網(wǎng)、無(wú)論是軟硬SDN組網(wǎng)，都能發(fā)揮價(jià)值。
