岳樹(shù)燁表示，企業(yè)對高效運維和測試技術(shù)需求日益迫切，通過(guò)激光器老化機器學(xué)習建模，可以實(shí)現模塊健康度預警，提前識別，快速定位，降低運維成本。
借助AIOps提升企業(yè)業(yè)務(wù)能力
隨著(zhù)產(chǎn)業(yè)規模不斷擴大，需要常態(tài)化運維的網(wǎng)絡(luò )節點(diǎn)規模已達到上萬(wàn)級別，且鏈路數目達到幾十萬(wàn)級別，保持規模化網(wǎng)絡(luò )的穩定可靠成為一大挑戰。將智能算法引入現有網(wǎng)絡(luò )管理平臺，實(shí)現數據驅動(dòng)的網(wǎng)絡(luò )閉環(huán)系統，將成為解決運維效率低下、定位成本高昂現狀的有力途徑。
然而，現有技術(shù)仍待與場(chǎng)景結合，存在異常檢測誤差大、故障網(wǎng)元定位難、計算響應不及時(shí)等限制，難以用于特定條件。
“針對上述情況，構建具備容錯能力的網(wǎng)絡(luò )已成為當前的重中之重。目前，一些通用的網(wǎng)絡(luò )平臺已經(jīng)實(shí)現了基礎的網(wǎng)絡(luò )異常診斷和故障定位功能，但受運 環(huán)境、品牌、型號等多維環(huán)境影響，工作效率低、誤差大。”岳樹(shù)燁指出，大規模網(wǎng)絡(luò )下，通過(guò)光模塊激光器的監控關(guān)鍵指標可以預測故障的發(fā)生時(shí)間，減少運維 員壓力，美團開(kāi)展光模塊故障預測研究有三大 標。
一是異常主動(dòng)發(fā)現，故障預測。利用機器學(xué)習分析告警閾值，網(wǎng)絡(luò )、設備、光模塊、光傳輸等更多精細特征指標異常發(fā)現及在線(xiàn)趨勢預測。
二是自我診斷，故障定位。結合業(yè)內數據、 數據分析及專(zhuān)家經(jīng)驗和知識圖譜，分析光模塊異常趨勢。
三是智能聯(lián)動(dòng)，快速通告。聯(lián)動(dòng)失效告警、自動(dòng)隔離、 單派發(fā)、效果驗收、業(yè)務(wù)恢復全鏈條的故障自動(dòng)化處理。
實(shí)現光模塊故障預測的三大核心
從實(shí)際情況看，激光器故障在有源類(lèi)產(chǎn)品故障中占比較高，光模塊單體故障的90%以上。增加故障預測可提前評估風(fēng)險，降低運維復雜度，優(yōu)化全鏈路系統。那么，光模塊故障預測要如何實(shí)現呢?
岳樹(shù)燁介紹，首先要通過(guò)“針對異構監控數據的深度清洗和特征提取 法”與“基于狀態(tài)檢測的激光器異常建模和故障預測”實(shí)現小時(shí)級激光器異常檢測和故障預測。然后，利用“面向真實(shí)網(wǎng)絡(luò )的算法驗證平臺”，以仿真數據進(jìn)行有效性、可用性、先進(jìn)性檢驗，繼而將真實(shí)數據接 檢驗。
具體而言，由于激光器原始監控數據中存在噪聲數據較多、特征維度過(guò) 、數據集不平衡等情況，將導致預測精度降低。因此，要通過(guò)多維統計分析、深度數據清洗、上下采樣技術(shù)、動(dòng)態(tài)特征 程，對數據進(jìn)行預處理，從而實(shí)現高效特征提取。
在基于狀態(tài)檢測的激光器異常建模的初期，要率先構建區分正常和異常激光器的狀態(tài)檢測模型并生成動(dòng)態(tài)閾值， 旦檢測到出光功率變化率 于異常閾值則激發(fā)壽命預測單元。
針對正常老化模型，可采用激光器的正常歷史數據進(jìn) 建模，預測激光器 天后的出光功率，當出光功率低于標準規格時(shí)則上報 險;針對突發(fā)異常模型，根據突發(fā)異常前 段時(shí)間的歷史數據進(jìn)行建模，當出光功率變化率大于計算閾值時(shí)激活該預測單元，計算異常發(fā)生概率及狀態(tài)分布。
“為實(shí)現異常檢測和故障定位的算法的有效性與可靠性，就要結合系統和模型在萬(wàn)級規模網(wǎng)絡(luò )仿真平臺和多拓撲環(huán)境里進(jìn)行綜合測試。”岳樹(shù)燁表示，測試平臺的部署分為三個(gè)階段。首先是經(jīng)典網(wǎng)絡(luò )布局模式下的仿真測試平臺，其次是VPC網(wǎng)絡(luò )布局模式下的仿真測試平臺，然后是仿真節點(diǎn)與實(shí)物并存的半實(shí)物測試平臺。完成上述工作后，將基于美團真實(shí)網(wǎng)絡(luò )環(huán)境進(jìn)行部署與驗證。
會(huì )上，岳樹(shù)燁呼吁產(chǎn)業(yè)鏈上下游共同關(guān)注器件穩定性，攜手建 有效性、可用性、先進(jìn)性并存的故障預測體系，以提高產(chǎn)品的穩定性為前提，實(shí)現終端用戶(hù)、模塊/設備商價(jià)、芯 廠(chǎng)商之間的三方共贏(yíng)。
