摘要：機器學(xué)習(xí)是推動和加速數(shù)據(jù)中心自動化的關(guān)鍵技術(shù)。在軟件定義網(wǎng)絡(luò)得到廣泛應(yīng)用之前，大多數(shù)數(shù)據(jù)中心自動化采用腳本命令的形式，用于網(wǎng)絡(luò)中的所有設(shè)備。

機器學(xué)習(xí)是推動和加速數(shù)據(jù)中心自動化的關(guān)鍵技術(shù)。例如，檢查網(wǎng)絡(luò)基線（網(wǎng)絡(luò)基線是指網(wǎng)絡(luò)在正常情況下的各種參數(shù)）是當(dāng)今NetOps中使用的最多的人工操作之一。

隨著網(wǎng)絡(luò)變得更加虛擬化、軟件定義，以及自動化，網(wǎng)絡(luò)的可見性也產(chǎn)生了一些同樣顯著的變化。

自動數(shù)據(jù)中心仍然必須是“可監(jiān)控的”，而不像是像過去那樣?？梢娦栽诠芾碜詣踊瘮?shù)據(jù)中心方面發(fā)揮了什么作用？未來的網(wǎng)絡(luò)性能監(jiān)視和診斷（NPMD）解決方案如何幫助NetOps克服與之相關(guān)的挑戰(zhàn)？以下將探討自動化數(shù)據(jù)中心以及它們?nèi)绾问艿綑C器學(xué)習(xí)、軟件定義網(wǎng)絡(luò)和公共云／私有云遷移的影響。并且了解下一代網(wǎng)絡(luò)性能監(jiān)視和診斷（NPMD）解決方案在提供可見性方面的作用。

需要明確的是，“自動化”并不意味著缺乏人為干預(yù)或疏忽。事實上，推動自動化的目的是響應(yīng)更廣泛、更復(fù)雜的網(wǎng)絡(luò)，并減少網(wǎng)絡(luò)管理人員。數(shù)據(jù)中心自動化通過為任何一組常規(guī)網(wǎng)絡(luò)管理流程或程序添加一定程度的自動化而提高效率。它采用了從腳本到網(wǎng)絡(luò)虛擬化和軟件定義網(wǎng)絡(luò)的技術(shù)，但它本身并不是一種技術(shù)，必須有人來確定自動化的關(guān)鍵領(lǐng)域，并確定在每種獨特情況下使用的最佳技術(shù)。

自治數(shù)據(jù)中心需要機器學(xué)習(xí)，這需要輸入數(shù)據(jù)

機器學(xué)習(xí)是推動和加速數(shù)據(jù)中心自動化的關(guān)鍵技術(shù)。例如，檢查網(wǎng)絡(luò)基線（網(wǎng)絡(luò)基線是指網(wǎng)絡(luò)在正常情況下的各種參數(shù)）是當(dāng)今NetOps中使用的最多的人工操作之一?；€有多種形式，總體利用率和應(yīng)用程序使用率與性能是最重要的兩個。制定基線涉及許多步驟，包括在統(tǒng)計上重要的時間范圍內(nèi)收集和存儲適當(dāng)?shù)臄?shù)據(jù)；提取和分析數(shù)據(jù)；以簡單、可操作的格式可視化結(jié)果；比較當(dāng)前數(shù)據(jù)與基線數(shù)據(jù)；以及根據(jù)當(dāng)前績效指標(biāo)與基線的偏差確定適當(dāng)?shù)男袆臃桨浮?/p>

其整個過程相當(dāng)繁重，并且考慮到當(dāng)今NetOps中的所有其他職責(zé)，它經(jīng)常被忽視。機器學(xué)習(xí)能夠隨時間收集數(shù)據(jù)、自動建模系統(tǒng)，然后預(yù)測未來趨勢，這正是自動化基線分析所需要的。盡管該技術(shù)仍在不斷發(fā)展，但基于目前市場的發(fā)展，似乎只需幾年時間就可以實現(xiàn)自動化基線分析的機器學(xué)習(xí)產(chǎn)品。

任何機器學(xué)習(xí)引擎都要求輸入良好的數(shù)據(jù)，因此網(wǎng)絡(luò)需要全面的可視性工具，以提供高質(zhì)量的數(shù)據(jù)，以便從機器學(xué)習(xí)引擎中獲取價值。所有網(wǎng)絡(luò)都是不同的，因此機器學(xué)習(xí)算法需要先實施大量的基線和學(xué)習(xí)才能產(chǎn)生好的建議，所有這些都需要網(wǎng)絡(luò)數(shù)據(jù)，即提供網(wǎng)絡(luò)可視性解決方案輸入的相同數(shù)據(jù)。

以數(shù)據(jù)流為中心的數(shù)據(jù)是目前可用于為機器學(xué)習(xí)引擎提供最佳數(shù)據(jù)，但它必須比來自NetFlow的典型五元組數(shù)據(jù)更詳細。例如，Cisco Flexible NetFlow（FNF），思科應(yīng)用可視性和控制（AVC）以及Cisco Medianet等技術(shù)基于過去的基本五元組流數(shù)據(jù)，并且有幾種網(wǎng)絡(luò)可視性工具可以收集和分析這些數(shù)據(jù)。從而提供更好的可視性、機器學(xué)習(xí)算法的靈活性，以及更好的數(shù)據(jù)。

軟件定義的網(wǎng)絡(luò)使端到端的可視性變得更加重要

軟件定義網(wǎng)絡(luò)（SDN）是另一項對數(shù)據(jù)中心自動化產(chǎn)生重大影響的新興技術(shù)。在軟件定義網(wǎng)絡(luò)（SDN）得到廣泛應(yīng)用之前，大多數(shù)數(shù)據(jù)中心自動化采用腳本CLI命令的形式，用于網(wǎng)絡(luò)中的所有設(shè)備。這是一項繁瑣的任務(wù)，通常只在自動化必不可少的情況下實現(xiàn)。

但是如果網(wǎng)絡(luò)中有一個控制層可以為基礎(chǔ)設(shè)施層中的所有設(shè)備提供單一、簡單和現(xiàn)代的控制接口呢？采用軟件定義網(wǎng)絡(luò)（SDN）。雖然這種承諾聽起來有點夸張，但軟件定義網(wǎng)絡(luò)（SDN）正在兌現(xiàn)承諾，而且行業(yè)采用的速度比許多人想象的要快得多。

在軟件定義的網(wǎng)絡(luò)中，IP地址和服務(wù)器實例的數(shù)量快速變化，這限制了傳統(tǒng)的網(wǎng)絡(luò)監(jiān)控方法，并使基于流量數(shù)據(jù)的可視化至關(guān)重要。與提供機器學(xué)習(xí)所需的數(shù)據(jù)一樣，基于數(shù)據(jù)流的數(shù)據(jù)深度對于軟件定義網(wǎng)絡(luò)（SDN）的網(wǎng)絡(luò)監(jiān)控至關(guān)重要，需要的不僅僅是NetFlow的簡單五元組數(shù)據(jù)。流量數(shù)據(jù)提供了映射網(wǎng)絡(luò)所需的內(nèi)容，仍然需要數(shù)據(jù)包數(shù)據(jù)進行深入的故障排除。使用多種類型數(shù)據(jù)的更加統(tǒng)一的網(wǎng)絡(luò)性能監(jiān)視和診斷（NPM）工具將更好地應(yīng)對基于軟件定義網(wǎng)絡(luò)（SDN）的數(shù)據(jù)中心自動化。

公共／私有云遷移推動了對數(shù)據(jù)中心自動化和提高可視性的需求

與支持數(shù)據(jù)中心自動化的機器學(xué)習(xí)和軟件定義網(wǎng)絡(luò)（SDN）不同，公共云／私有云遷移正在推動對更多數(shù)據(jù)中心自動化的需求。如今，幾乎每個企業(yè)都在考慮并實施某種程度的公共／私有云部署。為了充分利用這些部署，進入遠程辦公室的網(wǎng)絡(luò)路徑正在迅速地從中心轉(zhuǎn)移到遠程辦公室直接訪問云服務(wù)，無論是公共云還是私有云。雖然這可能被視為網(wǎng)絡(luò)的簡化，特別是從用戶的角度來看，它極大地增加了NetOps的配置、監(jiān)控和管理任務(wù)。任何能夠?qū)崿F(xiàn)直接訪問云資源的自動化對網(wǎng)絡(luò)團隊來說都是非常有幫助的。

最終用戶的直接云計算訪問以及應(yīng)用程序的跨云操作都給當(dāng)今的網(wǎng)絡(luò)可視性解決方案帶來了壓力。遠程辦公室的直接云訪問推動了對SD－WAN解決方案的需求，這些解決方案既可以優(yōu)化最終用戶體驗，又可以降低通過服務(wù)提供商提供的網(wǎng)絡(luò)連接的總體成本。

但是，SD－WAN創(chuàng)建了高度動態(tài)的網(wǎng)絡(luò)路由，大多數(shù)傳統(tǒng)網(wǎng)絡(luò)可視性解決方案都無法處理這些路由。例如，在同一虛擬環(huán)境中從數(shù)據(jù)庫請求數(shù)據(jù)的客戶關(guān)系管理系統(tǒng)（CRM）應(yīng)用程序會為網(wǎng)絡(luò)和應(yīng)用程序性能管理創(chuàng)建盲點。遷移到云端時，不僅需要更多的數(shù)據(jù)中心管理，還需要新的和現(xiàn)代的解決方案來實現(xiàn)網(wǎng)絡(luò)可視性。

自動化需要了解流程——它是否正常工作？

數(shù)據(jù)中心自動化及其驅(qū)動的相關(guān)技術(shù)對網(wǎng)絡(luò)可視性提出了更高的要求，這意味著需要多種類型的網(wǎng)絡(luò)數(shù)據(jù)來有效地監(jiān)控和排除故障。在大多數(shù)情況下，增強的基于數(shù)據(jù)流的技術(shù)提供監(jiān)視和管理這些日益復(fù)雜的網(wǎng)絡(luò)所需的數(shù)據(jù)。但是，基于流量的數(shù)據(jù)的規(guī)范在設(shè)計時考慮了速度和廣度。

基于數(shù)據(jù)流的數(shù)據(jù)可以指示問題何時發(fā)生，甚至發(fā)生在何處，但對于復(fù)雜問題，它缺少故障排除所需的詳細信息。在這些復(fù)雜的情況下，IT需要網(wǎng)絡(luò)數(shù)據(jù)包才能找到問題的根本原因。隨著數(shù)據(jù)中心自動化及其相關(guān)技術(shù)的日益普及，還需要重新考慮網(wǎng)絡(luò)監(jiān)控，目標(biāo)是減少工具蔓延，并找到可提供廣度和深度的單一解決方案。

結(jié)論

高度自動化的數(shù)據(jù)中心需要有關(guān)網(wǎng)絡(luò)本身的準確數(shù)據(jù)才能正確學(xué)習(xí)和實施策略，因此從數(shù)據(jù)中心到網(wǎng)絡(luò)邊緣的全面網(wǎng)絡(luò)可視性對于網(wǎng)絡(luò)自動化的成功至關(guān)重要。

雖然隨著公共云／私有云的使用、軟件定義網(wǎng)絡(luò)和機器學(xué)習(xí)工具的進一步發(fā)展，需要對網(wǎng)絡(luò)監(jiān)控的工具和方法進行更改，但人們相信在新的自動化時代，網(wǎng)絡(luò)監(jiān)控將一直是網(wǎng)絡(luò)安全運行的核心部分。