软件定义广域网由AIOps助推发展

随着技术的发展，软件定义广域网（SD-WAN）作为一种新兴技术逐渐走进了人们的视野。SD-WAN的主要优势在于将网络的控制与硬件分离，使得网络管理员能够灵活地管理和优化网络资源，以满足日益增长的业务需求。
在过去，企业网络通常采用传统的MPLS（多协议标签交换）技术。然而，随着云计算和移动办公的兴起，企业网络对带宽和灵活性的需求日益增长。SD-WAN应运而生，通过采用基于软件的管理和优化技术，使得企业能够在保证网络性能的同时，降低网络建设和运维成本。
SD-WAN技术的核心优势主要体现在以下几个方面：
1. 弹性网络：SD-WAN允许企业根据实际需求动态调整网络带宽和资源分配，以提高网络的灵活性和适应性。这有助于企业更好地应对网络流量的波动和业务需求的不断变化。
2. 成本节约：SD-WAN支持企业利用低成本的互联网线路替代传统的MPLS线路，从而降低网络建设的初期投资和运维成本。此外，SD-WAN还可以通过智能路径选择和负载均衡技术，提高网络资源利用率，进一步降低企业网络成本。
3. 简化运维：SD-WAN提供了直观易用的管理和监控界面，使得企业网络管理员能够轻松地配置、优化和监控网络性能。这有助于提高网络运维效率，降低人工成本。
4. 安全性：SD-WAN支持多种安全协议，如IPSec、TLS等，确保数据在传输过程中的安全性。此外，SD-WAN还可以实现网络访问控制，防止未经授权的用户访问企业网络。
5. 高可用性：SD-WAN通过多路径冗余技术，提高了网络的可靠性和高可用性。一旦主线路出现故障，SD-WAN可以自动切换到备用线路，确保企业网络的正常运行。
尽管SD-WAN技术具有诸多优势，但在实际应用过程中，企业仍需关注以下几个问题：
1. 网络规划和设计：企业需要根据自身业务需求，合理规划SD-WAN网络架构，以确保网络性能和安全性。这包括选择合适的硬件设备、配置网络策略等。
2. 培训和管理：企业需要对网络管理员进行SD-WAN技术的培训，使他们能够熟练掌握SD-WAN的配置、监控和运维。此外，企业还需建立健全的网络管理制度，确保SD-WAN网络的正常运行。
3. 数据安全和隐私：随着企业数据的日益增长，数据安全和隐私保护成为企业关注的焦点。企业需要确保SD-WAN网络采用先进的安全技术，保障数据的安全性和合规性。
4. 技术融合：SD-WAN技术与其他新兴技术（如云计算、物联网等）的融合，将为企业发展带来更多机遇。企业需要关注这些技术的最新动态，不断优化和升级SD-WAN网络。
总之，SD-WAN作为一种具有潜力的网络技术，正逐渐受到越来越多企业的关注。企业应充分利用SD-WAN的优势，优化网络资源，降低网络成本，提高业务竞争力。同时，企业还需关注SD-WAN在实际应用中面临的问题，以确保网络的稳定、安全和高效运行。

随着供应商希望简化操作，降低成本并优化现代云时代的WAN性能，软件定义广域网（SD－WAN）得到了AIOps的大力推动。

SD－WAN将网络的控制方面与硬件分离，以创建虚拟化的网络覆盖，而AIOps则将机器学习和数据分析应用于IT运营，以实现流程自动化。两者的融合（也称为AI驱动的广域网）有望开启广域网的新纪元，使IT不仅可以优化网络和应用程序体验，还可以为单个用户提供最佳体验。

在过去的五年中，SD－WAN是通信领域最热门的技术之一。

广域网迫切需要演进，于是出现了SD－WAN。它为网络带来了更大的灵活性，并使企业能够利用低成本的互联网，代替高成本的电信宽带服务。此外，SD－WAN通过自动故障转移提高了网络弹性。在“万物互联”的时代，网络正常运行时间对于保持业务运营至关重要。

在2020年之前，SD－WAN的应用已经很广泛了，而疫情的爆发刺激了它更快的被应用。在2020 ZK Research Anywhere的研究中，有46％的受访者表示，新冠疫情加速了他们的SD－WAN部署。

尽管应用迅速，但是SD－WAN并不能解决所有网络问题。无论是软件定义还是其他方式的网络运营，面临的挑战是策略配置和持续管理及故障排除都是手动完成的。所有的SD－WAN厂商都已经做好了简化部署的工作，虽然是零接触的配置，但这只解决了零天的操作。一旦网络运行起来，寻找广域网中断源头的过程仍然是一个需要大量人工繁重工作的过程。如果没有一个智能事件关联的自动化模型，在LAN、WLAN和WAN域之间隔离问题的难度成倍增加，而且完全不可能。

在某些方面，SD－WAN加剧了故障排除问题。它通过隐藏中断的多路径网络，为网络增加了一定程度的弹性。这导致网络操作仪表板可以显示所有内容均为“绿色”，但应用程序的性能较差的情况。随着视频技术的兴起，网络性能问题变得异常明显，网络工程师们不断地争相尝试和补救问题。

这是AI可以发挥作用的地方。AI系统可以摄取网络基础设施（LAN，WLAN和WAN）提供的大量数据，以“查看”即使最精明的网络工程师也看不到的东西。曾几何时，当网络相当简单且流量较低时，经验丰富的网络专业人员就有可能“了解”网络，并通过结合领域知识和对流量的快速检查来快速找到问题的根源。但是随着设备，应用程序和信息量的激增，情况就不一样了。最大的变化之一，周期性的轮询数据已经被实时的流式遥测技术所取代，这将增加一个数量级或更多的数据。

人工智能系统甚至可以看到网络中的最小变化，并预测人眼无法识别的事物。一个很好的类比是AI如何在医学专业的放射学中使用。AI系统可以检测核磁共振成像中最小的异常情况，从而使医生能够比没有AI的患者更早地治疗患者。网络专业人员也是如此。AI系统会发现网络中的小问题，这些小问题可能会导致应用程序出现异常情况，最终用户不会注意到这些问题，但稍后会引起更大的问题。网络工程师可以使用AI系统的输出，在问题对业务产生影响之前（即自动驾驶网络）主动解决问题。

谈到AI计划，数据科学家使用了一个公理，指出“好的数据可以带来好的见解”。这当然是正确的，但是部分数据导致部分洞察也是正确的，这可能是AI驱动的WAN产品的局限性之一。更具体地说，如果解决方案只看网络而没有理解对实际用户体验和应用程序的影响，那么它就失去了很大一部分。如果存在多个网络问题，则应优先考虑那些影响关键应用程序和／或用户的问题。如果某些问题根本不影响应用程序性能，则可以将这些问题放到后燃器上，然后再修复。

此外，如果解决方案仅看到WAN数据，而没有将其与网络的其他区域（即LAN和WLAN）相关联，则可能会导致效率低下，从而增加网络成本。更糟糕的是，这可能导致有关网络性能问题以及如何解决这些问题的错误假设或结论。在这方面，需要从整体上看待AI驱动的WAN，这是AI驱动的网络更大端到端故事的关键部分。

AIOps是SD－WAN演进的关键，它为网络的关键部分带来了急需的自动化和洞察力。由AI驱动的WAN必须超出网络范围，才能在应用程序和用户级别提供有意义的见解（和操作）。这不仅可以带来性能更好，成本更低的网络，还可以确保用户的生产力和客户服务保持较高水平。

责任编辑：haq