AI 如何使组织能够从网络监控转向主动可观察性

在当今世界，数据量和网络带宽需求不断增长。 随着企业适应和发展以变得更加数字化，实时发生了如此多的事情，这意味着网络的状态在不断发展。 同时，用户对应用程序抱有很高的期望——快速加载时间、视觉上先进的外观和感觉、功能丰富的内容、视频流和多媒体功能——所有这些都会占用网络带宽。

由于数以百万计的用户从多个设备访问应用程序和移动应用程序，如今大多数公司在其网络上产生看似难以管理的数据量和流量。

网络正在处理无法管理的数据量

在这种永远在线的环境中，网络完全过载，但组织仍然需要从其网络向用户提供最高性能，而不会降低服务质量。 但是交通量正在增长，这会在高峰时段使网络爆裂，类似于 M25； 无论高速公路增加多少车道，在最繁忙的时期总会出现拥堵问题。

例如，我们发现铁路运营商网络越来越需要处理来自随身摄像机的视频片段，以减少火车和车站的反社会行为。 然而，这直接影响了网络，每天上传数百个视频文件以惊人的速度消耗带宽，但运营商仍然需要继续他们的日常运营，同时上传和处理无数小时的视频片段。

这是一个很好的例子，说明 AI 和 ML 可以并且正在帮助组织在容量方面采取积极主动的立场，并分析网络是否违反了某些阈值。 这些技术使组织能够“学习”季节性并了解何时会出现高峰时间，从而根据一天中的时间、一周中的某天等实施动态阈值。 AI 有助于发现网络上的异常活动，但现在这种传统的 AI/ML 使用开始从“监控”发展到“可观察性”。

那么，两者有什么区别呢？

监测在方法上更加线性。 监控会在达到阈值或容量时通知组织，使组织能够确定网络是否需要升级。 而可观察性更多地是关于多个方面的相关性以及上下文收集和行为分析。

例如，组织可能会监控应用程序的 20 个不同方面，以使其更有效地运行； 可观察性将采用这 20 个不同的信号并分析数据，并针对呈现的各种场景进行诊断。 它将利用丰富的网络遥测并生成上下文可视化，自动启动预定义的剧本以最大限度地减少用户中断并确保快速恢复服务。 这意味着工程师不会等待客户报告应用程序运行缓慢的电话。 同样，工程师无需登录并运行大量测试，也无需煞费苦心地浏览数百份报告，而是可以快速对问题进行分类。 这也意味着网络工程师可以主动探索这些异常的不同维度，而不是陷入平凡的重复性任务中。

通过减少团队手动筛选和分析数据和警报领域所花费的时间，这为业务带来了明显的好处。 它可以带来更快的调试、更多的正常运行时间、更好的服务性能、更多的创新时间，最终让网络工程师、最终用户和客户更加满意。 多个活动的可观察性相关性使应用程序能够更有效地运行，并在正确的时间将此上下文交付给正确的工程师来识别站点的操作何时不是最佳状态。 这意味着大量警报转化为少量可操作的见解。

机器胜过人

自动化这个过程，并使用机器而不是人类，要准确得多，因为机器并不关心它们必须关联多少数据集。 机器建立层次结构，当该层次结构中的某些东西影响其他东西时，机器会发现某些行为并找到这些故障。 添加的数据集越多，开始为工程师构建的图片就越多，工程师随后可以确定是否需要采取任何进一步的行动。

让我们谈谈另一个现实生活中的例子。 我们目前正在与一家拥有和管理加油站前院的大型管理公司进行讨论。 他们有 40,000 个加油站，每个前院大约有 10 个加油站，相当于全美 400,000 个加油站。 他们目前的痛点是对连接到网络的汽油暴涨和电动汽车充电器缺乏可见性。 结果，当暴涨或充电器不工作时，他们可能只有在客户投诉后才意识到这一点，这远非理想。

我们正在收集的网络遥测数据和行为分析意味着我们正在开发业务洞察力，而不仅仅是网络洞察力。 我们可以查看汽油暴涨是否停止产生流量，这会触发维护请求以修复暴涨。 这不是网络问题，但可以利用网络流量来查找业务问题。 这是燃油暴涨和电动汽车充电器的一个用例，但想象一下全球工厂或生产设施中有多少其他网络连接设备可以以类似方式使用。

快速获得可操作的洞察力

这就是我们的 AIOps 解决方案 Martina 预测和修复网络故障和安全漏洞发生之前的地方。 此外，它有助于自动化重复性和平凡的任务，同时以情境化和有意义的方式主动将问题提交给组织，而不是简单地将问题传递给客户来解决。 Martina 发现问题并提出解决问题的建议，确保组织始终拥有高性能的弹性网络。 从本质上讲，它通过为客户提供安全、可靠和高性能的有效连接，实质上使网络对用户不可见。 它提供了多个数据源的单一视图和易于配置的报告，因此组织可以快速获得洞察力。

高管和董事会希望他们的网络团队积极主动。 他们不会容忍糟糕的网络性能，并希望迅速解决任何服务质量下跌问题，无论多么轻微。 这意味着团队必须针对异常而不是阈值采取行动，以了解行为以提前预测和采取行动。 他们需要快速的 MTTD 和 MTTR，因为性能不佳的网络和停机时间会影响品牌声誉并最终会花钱 这就是主动 AI/ML 可观察性真正发挥作用的地方。

图片来源：光子照片/Shutterstock

Stephen Amstutz 是 Xalient 战略与创新主管。