随着运营商数据中心的规模越来越大，服务器数量越来越多，智能化程度越来越高，数据中心网络运维遇到了三方面的挑战。
首先，故障发现难。网络的连接状态、资源使用状态和策略状态对于运维人员来说是一个黑盒。当网络故障时，网络运维人员无法第一时间感知，而是要等到被业务部门投诉时才知道网络发生了故障，但此时也无法及时知道网络到底哪里出了故障。据统计，有85%以上的网络故障在业务部门投诉后才能被网络部门发现。久而久之，网络部门成了“背锅侠”，无法自证清白。
其次，故障定位难。传统运维采用SNMP协议每5分钟收集一次网络信息，周期长、效率低。而且，传统运维的定位手段只能通过查看日志的方式从海量的故障告警和日志信息中根据个人经验排查定位问题，效率极其低下。据统计，一个故障的平均定位时间需要至少76分钟。网络运维人员直呼“宝宝心里苦啊”。
最后，业务感知难。随着云和SDN的发展，网络业务的配置方式从传统的人工配置演变为由云平台和控制器配置的方式，网络管理员很难实时感知到网络的变化。
面对这些网络运维的难题，华为提出了从“网络应用—>网络路径-->网络设备”三个层面进行关联分析的FabricInsight网络智能分析器，构建基于AI的“秒级故障感知、分钟级故障定位”的智能运维能力。
图1：华为FabricInsight网络智能分析器架构
华为FabricInsight提供如下四大功能：
① FabricInsight采用Telemetry技术实现秒级的数据获取，并基于ERSPAN流镜像实现订阅发布，按需使用。众所周知，Telemetry一次可以获取多个数据，编码效率很高。这样FabricInsight具备了实时获取数据的能力，为分析器挖掘数据提供了坚实基础和关键依赖。
② 数据获取器将从网络中获取到的大量网络状态数据汇聚到大数据分析平台。这个平台可以对百亿级的数据进行高效检索和分析。
③ 大数据分析平台基于内置的AI算法对获取到的网络状态数据从“网络应用->网络路径->网络设备”的层面进行关联分析，包括：网络连接类、网络性能类、网络策略类和网络资源类等方面的故障分析。
④ 边缘交换机上的智能芯片可以实现故障模式的匹配和根因分析，进而实现分布式智能的深度故障分析和按需全流分析。
华为FabricInsight的卓越功能使其具备了一键式智能诊断、基于AI的主动预测性维护和基于流可视的边缘智能的三大特点，并在实践中有了广泛应用。
以基于AI的光模块故障概率预测为例，这帮助网络运维人员提前判断光模块的故障概率和“健康状态”。
网络接口上数据的收发都需要通过光模块。光模块长时间运行会引起光器件的性能衰减，从而导致链路不稳定。而这种不稳定的“亚健康”状态既没有故障告警，又影响数据收发的完整性。传统运维手段无法在光模块已老化、故障发生之前及时识别风险并进行预警。光模块的这种“亚健康”状态会导致网络提供给业务的服务质量下降，使网络处于一种“可用”与“不可用”的间歇性中断的临界状态，极大影响业务质量感知。
.jpg)
图2：光模块的三个状态
华为FabricInsight通过Telemetry实时获取光模块KPI，基于AI算法在光模块视图呈现全网光模块的状态，包括：已经故障、可能故障以及故障概率分布。用户在光模块视图通过矩形视图就可以通过不同的颜色方便快速地识别已经故障和高故障率的光模块。选中高故障率光模块，就可以查看故障概率预测曲线。用户还可以结合光模块的接收功率、发送功率、电流、电压、温度的动态曲线等参数辅助判断光模块的运行状态。结合AI算法和人工排查，用户可以对光模块的运行状态进行准确预测，大大提高运维效率，提供良好的业务感知。
.jpg)
图2：华为FabricInsight光模块状态预测界面
综述，传统运维面对的是静态网络，采用从网络向上看业务的视角进行运维。而在云化时代和AI时代，网络会随业务动态变化，传统运维手段大多失效或者低效，需要采用从业务向下看网络的视角进行网络运维，并结合AI算法实现应用与网络的关联分析，解决网络故障发现难、定位难和业务感知难的问题。华为FabricInsight智能运维完美地解决了这些问题，为运营商迈入智能时代保驾护航。
