AI-WAN:当AIOps遇上SD-WAN时

编译作者: 布加迪 2020-03-27 10:47:10

ai artificial intelligence ml machine learning vector

【51CTO.com快译】软件定义的广域网(SD-WAN)和AIOps都是热门技术。SD-WAN可提高应用程序的可用性,降低成本,并在一些情况下提升性能。AIOps将机器学习融入到IT运营中,以提高自动化程度。这减少了错误,并使企业能够以数字化速度进行更改。大多数人将它们视为独立的技术,但两者交汇带来所谓的AI-WAN。

SD-WAN不是解决所有网络难题的灵丹妙药

自实际的WAN以来,SD-WAN是网络界最大的飞跃。但是许多解决方案仍然依赖手动配置。SD-WAN当然可以提高应用程序弹性,降低电信成本,并常常提高应用程序性能,但是它们比传统的WAN更为复杂。初始设置可能是个挑战,而更大的问题是日常运营。手动调整和优化网络以适应业务变化可能耗时又容易出错。需要一种解决方案为SD-WAN带来更好的自动化。

这时候AI-WAN登场了。就像自动驾驶汽车一样,AI-WAN可以根据不同的规则做出决策,可以比人更快地适应变化。自动驾驶汽车可持续监测路况、速度限制及其他因素,以确定需要做出哪些变化。与之相仿,自动驾驶网络可以监测、纠正、防御和分析,基本上不需要人干预。这通过基于AI的自动化功能来完成,不需要人参与。

别搞错了,手动运营将阻碍企业充分发挥潜力。数据表明,企业平均需要四个月才能在整个网络中进行更改,这是由于维护旧网络、修复故障太费时间。ZK Research的一项研究发现,30%的工程师每周至少花一天的时间专门排查解决问题。SD-WAN可以改善这些指标,但是仍面临沉重的人员负担。

由于企业迁移到云时面临越来越多的数据挑战,它们根本等不了那么长的时间。企业应拥抱AI,而不是害怕AI抢饭碗。AI可以消除人为错误(人为错误是计划外网络停运的最大原因),可以帮助企业改而专注于更高级别的任务。

AI-WAN将改变网络运营

那么,SD-WAN向AI-WAN演进将如何改变网络管理和运营?管理员可以将时间用于专注于战略性计划,而不是解决问题。ZK Research的另一项数据表明,解决问题所花费的时间中90%用于查找根源上。鉴于应用程序驻留在云端,在移动设备上运行,查找问题的根源变得更困难了。AI-WAN能够发现最细微的异常,即使还没有开始影响业务。

SD-WAN从根本上进行了设计,以便所有路由规则由管理员集中管理,并可以跨网络传输。AI-WAN更进了一步,它使管理员能够通过故障预测在问题发生之前就能预料问题。它甚至可以在用户受到影响之前自行调整网络故障,从而提升网络性能。

自动驾驶汽车使用AI软件、来自物联网传感器、摄像头及众多设备的实时数据,了解道路规则——盲点在哪里、如何与交通信号同步以及采取哪些安全措施。同样,自动驾驶网络了解更高级别的规则,并可以防止管理员犯错,比如允许在某些操作被禁止的国家或地区使用。

安全是另一个问题。从移动设备、物联网到云计算,一切都在创建多个新的入口点,并将资源转移到网络边缘。由于企业难以快速响应变化,这使企业面临安全风险。

企业可能未注意到用户留下的安全缺口,成百上千个软件即服务(SaaS)应用程序在IT部门不知情的情况下同时使用。较早的网络技术无法支持SaaS和云服务,而SD-WAN支持。但是仅仅部署SD-WAN不足以保护网络。安全在SD-WAN部署中不应该是事后考虑的方面,而是一开始就是要考虑的方面。

供应商日益将基于AI的分析与SD-WAN解决方案捆绑在一起,以提高网络安全性。此类解决方案使用AI分析某些事件如何影响网络、应用程序性能和安全性。然后,它们为任何网络变化(比如未经授权使用SaaS应用程序)制定智能化建议。

回到自动驾驶汽车这个比方,AI-WAN旨在保持道路畅通、没有事故。它们使智能网络能够迅速适应不断变化的情况,必要时可自我修复。由于对云计算和SaaS应用程序的需求不断增长,智能网络将成为未来,高瞻远瞩的企业已经处于主导地位。

AI-WAN如今就有了,将来会急剧发展

AI-WAN似乎极具未来气息,但是许多供应商正在交付AI-WAN或将解决方案推向市场。比如说,托管服务提供商Masergy最近推出了面向SD-WAN的AIOps以提供自治网络,并提供最完整的产品。

另一家托管服务提供商Open System收购了基于云的Sqooba,将AIOps添加到其强大的网络和安全服务中。遵循并购主题,VMware最近收购了AIOps供应商Nyansa,并入到了其VeloCloud SD-WAN事业部。这一举措为VMware提供了与Aruba Networks类似的功能,后者最初将AI运用于WiFi故障排查,但现在将其引入到SD-Branch产品中。思科是另一家倡导AIOps的网络供应商,不过它正尝试将AIOps运用于整个网络,而不仅限于WAN。

久而久之,我预计每家SD-WAN或SASE供应商会将AIOps纳入阵营,将重点从网络连接转移到自动化运营上。

原文标题:The coming together of AIOps and SD-WAN,作者:Zeus Kerravala

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

软件 开发 技术
上一篇:哈工大造出柔性机器人,人造肌肉能和象鼻一样灵活了! 下一篇:腾讯和清华发表新基建领域最新成果:数据中心电池设备AI诊断服务
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

开发人工智能需要哪些东西?

像很多事情一样,答案是“视情况而定”。如果我们将深度学习作为一个日益流行的人工智能的例子。

一起读资治通鉴 ·  2天前
元学习热度不再!ICLR 2022投稿趋势:强化学习榜首,深度学习第二

ICLR 2022 论文投稿情况都是公开的,所以有研究者收集统计了ICLR 2022的3400篇论文,排出了前50个热门研究话题,发现深度学习、强化学习仍旧霸榜前两名,元学习的热度下降很多!

佚名 ·  2021-10-15 10:39:08
下一代商业智能的趋势与机遇

在当今不断变化的经济形势下,商业智能成为了企业成功扩展业务的不可或缺的一部分。当企业管理者做出重要决策时,必须获得实时数据的支持,以减少决策失误,增加未来成功的机会。

Eyal Mekler ·  2021-05-25 14:02:40
谷歌大脑最新操作玩“复古”:不用卷积注意力,图像分类接近SOTA

这个架构名为MLP-Mixer,采用两种不同类型的MLP层,可以看做是一个特殊的CNN,使用 1×1卷积进行通道混合(按位操作),同时全感受野和参数共享的的单通道深度卷积进行字符混合(跨位操作)。

佚名 ·  2021-05-06 15:55:01
机器学习新算法更好描述量子系统模型

近日,英国布里斯托大学量子工程技术实验室的研究人员在《自然·物理学》杂志上发表一篇新论文,解释了一种通过充当自主代理,使用机器学习对哈密顿模型进行逆向工程的算法。这种新算法对量子系统基本物理原理提供了宝贵见解,有望带来量子计算和传感领域的重大进步,并有可能翻开科学研究的新篇章。

张佳欣 ·  2021-04-30 15:12:07
谷歌实现2种新的强化学习算法,“比肩”DQN,泛化性能更佳

来自Google Research的研究人员,证明可以使用图表示 (graph representation)和AutoML的优化技术,来学习新的、可解析和可推广的RL算法!

丰色 ·  2021-04-29 14:53:14
人工智能发展的新方向

人工智能发展的新方向,可以概括为“八大”:即大采集、大识别、大计算、大提取、大构建、大预测、大战略、大和谐。

统一价值论 ·  2021-04-19 23:19:05
人工智能在未来将要经历的七个阶段

自2000年以来,全球对人工智能的投资增长了6倍。据统计,到2025年,全球AI市场预计将增长到600亿美元。

SENSORO升哲 ·  2021-04-12 11:31:35
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载