基于人工智能的自主運維管理技術

羋小龍 陳俊 周智勇 楊娜

摘要：運維管理系統(tǒng)的發(fā)展有兩大促進因素，一是需求驅動，二是技術驅動。新型網絡架構的出現(xiàn)以及被管對象新特征對運維提出了新的管理需求，同時人工智能和虛擬化等新技術的出現(xiàn)，對于提升運維管理的智能性奠定了基礎。針對上述問題，結合OODA思想，研究了運維管理的自感知、自決策、自配置及自優(yōu)化等智能管控能力，同時研究了基于信息熵的探針和探測站點選擇，結合實際需求研究遠程運維和自動巡檢，提升管理的時效性。

關鍵詞：自感知；自決策；自配置；自優(yōu)化；虛擬網絡功能編排

中圖分類號：TP393文獻標志碼：A文章編號：1008-1739（2019）17-57-4

0引言

無人值守智能運維是實現(xiàn)網絡有效管理與監(jiān)控、資源動態(tài)分配與優(yōu)化的重要手段。在網絡運行過程中，需要實時監(jiān)控網絡資源的狀況和就緒程度，并根據協(xié)商確定的服務等級協(xié)議提供服務質量保障，然后根據需要調整網絡運行，以提供盡可能好的服務。通過網絡有效和高效運行，滿足快速變化的用戶需求，努力確保信息通信支撐網能力構想實現(xiàn)，提升運維管理的智能性和自主性[1]。通常運維管理的智能性和自主性體現(xiàn)在一下幾個方面：

①面向用戶敏捷運維的需求。②自動規(guī)劃和快速開通能力。③面向任務的網絡按需構建與動態(tài)調整能力。④網絡實時監(jiān)控，故障零延時處理能力。

通過分析細化上述智能運維能力，借鑒OODA[2]思想，智能運維從自感知、自決策、自配置、自優(yōu)化等方面進行設計實現(xiàn)。

1智能運維

1.1應用需求感知

能夠提供可視化、人性化易理解操作界面，引導操作人員通過界面輸入應用需求，進而自動獲取應用需求，包括應用業(yè)務類型、業(yè)務優(yōu)先級、業(yè)務量大小、業(yè)務對帶寬、時延等的要求，為基于應用的按需資源調控提供前提和基礎。

1.2基于探針的網絡環(huán)境自感知

AI的本質就是機器學習，而對于機器學習來說，數據決定一切。因此真正的滿足4V要求的大數據是AI的前提和基礎，而數據需要實時采集、實時分析。目前針對運維數據的采集有2種途徑，一是通過額外部署在網絡中的采集節(jié)點捕獲選定類型的數據；二是利用設備自身在運行中上報的參數和告警消息。部署采集節(jié)點需要根據網絡拓撲結構設計最佳部署算法，智能自主運維管理系統(tǒng)通過與多個探針管控系統(tǒng)進行信息交互，實時感知骨干節(jié)點、接入節(jié)點的流量情況，為避免網絡擁塞和實現(xiàn)資源優(yōu)化調控提供數據支撐。

研究高效的針對高動態(tài)網絡狀態(tài)感知的探針選擇方法，通過高效的故障探針信息增益計算方法，降低探針選擇的計算復雜度。該方法利用了條件熵的性質，簡化探針信息熵增益的計算過程。探針的信息熵可以分解為2個條件熵之差：其中一個條件熵在探測過程中不發(fā)生改變，可在離線環(huán)境下提前計算并存儲，之后每次進行探針的信息增益更新時直接使用；另一個條件熵可利用近似推理的方法計算。

步驟8：將已發(fā)送的探針返回的結果作為故障診斷的輸入，利用相應的故障診斷進行故障診斷和定位。

本方法將探針的信息熵增益化簡為2個條件熵時差，分別在在線和離線環(huán)境下計算，節(jié)省了大量的在線計算時間和計算復雜度。因此提出的面向高動態(tài)網絡狀態(tài)感知的網絡故障探針的選擇機制有2個優(yōu)點：

①探針的信息增益計算被分為2個條件熵之差，其中一個條件熵可以在離線環(huán)境下提前計算出來，節(jié)省了很多在線計算的時間；

②另一個條件熵的計算可以使用近似推理的算法計算，計算復雜度低。

1.3自決策

自決策是基于感知的應用需求和實時獲取的網絡資源能力，生成按需資源調控策略的過程，是溝通上層應用和底層網絡能力的橋梁。智能運維的自決策主要是按需資源調控策略的生成和網絡功能虛擬化編排。

網絡功能虛擬化NFV利用IT虛擬化技術將現(xiàn)有的網絡設備功能整合進標準的服務器、存儲器和交換機等設備，以軟件的形式實現(xiàn)網絡功能，以此取代目前網絡中私有、專用和封閉的網元設備。突破了專有硬件架構下的功能缺陷，實現(xiàn)了網絡功能的靈活部署，降低了運維復雜性。

智能運維系統(tǒng)對上獲取應用需求，然后將應用需求分解為對網絡能力要求的QoS策略，基于資源調控策略實現(xiàn)對交換資源、存儲資源、計算資源、服務資源、傳輸資源和安全資源的編排，滿足不同應用的資源按需調控。網絡功能虛擬化和虛擬網絡功能編排可以高效解決網絡行為和用戶行為動態(tài)變化的資源按需調度問題。主要目標是為了優(yōu)化物理網絡中節(jié)點與鏈路上的資源利用率，同時也保證服務端到端時延的可控，實現(xiàn)資源最大利用基礎上的智能調控。

在通信環(huán)境中，由于地理位置、通信能力及網絡狀態(tài)等因素，一個通信任務可能需要由多個網絡域的通信資源協(xié)調支持，因此涉及到跨域網絡功能編排。智能運維需要解決跨域虛擬網絡功能編排問題。

對網絡綜合效能進行評估，評估結果可以對自決策提供數據支撐。

模型的建立主要分為3個步驟：網絡性能感知指標預處理、單個業(yè)務評價模型的建立和網絡效能評價。

首先，針對各個網絡中以帶寬為代表的正指標以及諸如丟包率與時延的負指標，做如下歸一化處理。

通過實時感知對比參數值，與門限值進行對比，從而觸發(fā)相應的策略，進而實現(xiàn)基于自感知的自配置。

同時在網絡異?；虬l(fā)生告警時，一方面通過聲音、光、電、短消息等多種手段進行告警，通過設定不同級別的聲音對應不同級別的告警等級；提示操作管理員，同時聯(lián)動告警經驗庫和策略庫，已有策略匹配的直接基于策略進行告警處理，尚未匹配策略的，為操作員提供相似的告警經驗處理建議，進行告警定位和關聯(lián)分析，同時進行告警聯(lián)動處理。

具備資源虛擬化和對虛擬資源的管控，在不改變硬件狀態(tài)基礎上，通過軟件升級，簡化設備操作配置，降低對操作使用人員的技術素質要求；通過路由分層隔離，取消路由聚合、路由重分布等專業(yè)性較強的網絡參數配置；通過設備互聯(lián)接口自適應，取消繁雜的接口參數配置，方便用戶使用。

1.5自優(yōu)化

對采集和感知的多種數據基于大數據進行分析、融合、評估，針對資源使用量、資源利用率、流量趨勢、異常流量、流量越限、告警預測、網絡運行趨勢、網絡健康度進行評估，基于評估結果設定優(yōu)化調控策略，基于策略觸發(fā)自優(yōu)化調控。

動態(tài)策略模型有助于自優(yōu)化實現(xiàn)，動態(tài)策略模型如下：

policyID @ { targetID }

{ object }

{ action }

{ conditions }

①策略標識：定義和標識一個策略規(guī)則。

②監(jiān)控對象：策略監(jiān)控對象是能夠表示網絡當前運行狀態(tài)的特征值。

③策略執(zhí)行點：策略的執(zhí)行點可以是網絡中有訪問控制能力的任何通信設備。理論上，策略的執(zhí)行點應該選擇最有效的地點。

④策略觸發(fā)條件：預先定義的觸發(fā)策略的網絡狀態(tài)，比如鏈路帶寬小于某個閾值、誤碼率大于某個閾值、鏈路中斷時間大于某個時間閾值等。策略事件觸發(fā)機制、策略事件及策略條件，尤其是針對復雜的、組合的策略事件和條件的解析方法。

⑤策略操作：根據策略條件所要執(zhí)行的調整動作，如設備速率調整、更改頻率和帶寬調整等。策略執(zhí)行就是當滿足某個策略的condition時，執(zhí)行該策略的action，策略操作是基于實時感知的網絡狀態(tài)，進而動態(tài)執(zhí)行配置動作。

網絡健康度包括網絡可靠性、安全性、通信能力、實時性、覆蓋性、通信質量、通信業(yè)務、通信生存能力、抗干擾能力、通信覆蓋范圍及通信組網能力等多個一級指標，每個一級指標下可細分多個可測量、可采集的二級指標。從網絡本身以及使用網絡的應用終端與用戶（QoE）等多角度不同層次出發(fā)，全面整體地審視監(jiān)控網絡健康狀態(tài)，從而為網絡健康度評估提供完善的指標體系。

在建立指標體系的基礎上，針對網絡通信運行數據，采用深度學習精準預測模型對網絡健康度進行預測，結合高性能的分布式計算技術，實現(xiàn)網絡預測模型的高效率和強魯棒性；針對流式運行數據，研究深度學習神經網絡模型的參數自適應調整方法，研究網絡監(jiān)控指標體系所表征的網絡參數告警閥值動態(tài)更新方法，為實現(xiàn)不同網絡場景和任務場景下的資源按需規(guī)劃、網絡健康度實時監(jiān)控和精準告警提供支撐，進而實現(xiàn)網路自優(yōu)化配置。

2實驗仿真

以Ad Hoc網絡智能運維為例，說明自感知、自決策、自配置和自優(yōu)化的管控流程。Ad Hoc網絡可劃分為7個管理域，每個管理域包含若干節(jié)點，每一個管理域設置一個群首，全網配置一個網管中心。其中一個管理域的網絡拓撲如圖1所示。

①自感知：體現(xiàn)在節(jié)點能夠感知自身的實時運行狀態(tài)，同時上報本群群首；也體現(xiàn)在群首能夠進行群內節(jié)點的離開、加入和失效狀態(tài)，感知的最終結果體現(xiàn)在拓撲結構的變化上。感知內容包括：節(jié)點的離開、節(jié)點加入、節(jié)點狀態(tài)、鏈路帶寬利用率和端口流量；感知方法包括：主動探測、被動測量、主被動相結合的感知探測、基于定時器、基于消息線程。

②自配置：體現(xiàn)在群首根據群內節(jié)點的實時狀態(tài)對群內節(jié)點進行配置，無需上報網管中心；

③自決策：體現(xiàn)在群首能夠對本群的各種管理進行決策，只有涉及到全網或跨管理域的管理時，才需要網管中心進行決策。

決策策略：流量越限調控、帶寬利用率越限調控和節(jié)點狀態(tài)變化調控等策略。

針對節(jié)點加入/離開策略：啟動定時器，基于消息線程，加入新的管理群；

針對節(jié)點狀態(tài)變化：失效后，如果節(jié)點是群首，則進行群首委任，重新生成群首；

針對鏈路帶寬利用率增加：進行負載均衡；

針對流量越限：進行流量調控。

④自優(yōu)化：體現(xiàn)在能夠基于動態(tài)策略模型，進行資源按需調控、流量擁塞解決等網絡優(yōu)化操作。

3結束語

隨著大數據、云計算、人工智能、網絡虛擬化一系列新技術的誕生和應用，以及新型網絡架構的出現(xiàn)，對運維管理也提出了越來越高的新管理需求；另一方面運維管理要適應網絡架構、被管對象新特征（資源虛擬化、網絡功能虛擬化）等的變化進而在管理架構、管理技術上也進行適應性改進，同時運維管理也要引入虛擬化、大數據和人工智能等新技術，與時俱進，提升管理的自動性、主動性和智能性，實現(xiàn)真正的無人運維、零延時網絡異常處理等，為網絡高效可靠自主運行提供支撐。

參考文獻

[1]薛明.基于SNMP局域網流量監(jiān)測系統(tǒng)的應用研究[D].鄭州：鄭州大學，2006.

[2]李濤，張亞群，劉岱平.面向服務的校園網流量監(jiān)控系統(tǒng)設計與實現(xiàn)[J].現(xiàn)代計算機（專業(yè)版），2009（1）：154-156.

[3]宋進紅，沈云琴.使用CactiEZ輕松構建校園網絡流量監(jiān)控系統(tǒng)[J].河南城建學院學報，2009，18（4）：57-59.

[4]段宗濤，林莎.基于SNMP的網絡流量監(jiān)控系統(tǒng)的設計與實現(xiàn)[J].微型機與應用，2001（11）：25-27.