带你读《思科软件定义访问 : 实现基于业务意图的园区网络》第一章思科全数字化网络架构和软件定义访问简介1.3(六)

简介: 带你读《思科软件定义访问 : 实现基于业务意图的园区网络》第一章思科全数字化网络架构和软件定义访问简介1.3(六)
2.   数据保留

思科 DNA中心旨在保留数据,同时考虑多种因素,如数据的关键性、发生率、总结或原始数据,具体取决于数据量和应用要求。

高保真数据最多保留 14天,用于问题复现。网络管理者经常面临无法回到过去并有效地重现短暂的网络问题的挑战。在无线网络或其他高动态环境中尤其如此,在这些环境中,从最终用户的角度来看,很难诊断导致性能急剧下降的持久但瞬态的问题。高保真数据为健康状况和传感器仪表板、360°视图和问题洞察提供支持。

网络架构师依靠定期趋势分析和报告来满足新的业务需求和优化网络运营。趋势分析通常在几周或几个月内围绕数据进行,以获得洞察。思科DNA中心提供开箱即用的报告,可分14天内的数据。超过 14天,可以将思科 DNA网络保障数据卸载到 Tableau等外部源或数据湖进行趋势分析。

思科 DNA   网络保障提供可配置的数据保留和清除设置与计划。在默认情况下,数据存14天并且可以通过网络保障中任何健康状态或全景视图页面中固有的时间旅行功能进行检索。可以在某些无线网络 SSID如访客 SSID)上配置灵活的清除策略(如图 1-15所示,以优化系统性能并遵守有关隐私的组织策略。

image.png

1-15 数据保留和导出

 

 

相关文章
|
15天前
|
机器学习/深度学习 PyTorch 算法框架/工具
PyTorch 中的动态计算图:实现灵活的神经网络架构
【8月更文第27天】PyTorch 是一款流行的深度学习框架,它以其灵活性和易用性而闻名。与 TensorFlow 等其他框架相比,PyTorch 最大的特点之一是支持动态计算图。这意味着开发者可以在运行时定义网络结构,这为构建复杂的模型提供了极大的便利。本文将深入探讨 PyTorch 中动态计算图的工作原理,并通过一些示例代码展示如何利用这一特性来构建灵活的神经网络架构。
35 1
|
3天前
|
编解码 人工智能 文件存储
卷积神经网络架构:EfficientNet结构的特点
EfficientNet是一种高效的卷积神经网络架构,它通过系统化的方法来提升模型的性能和效率。
9 1
|
16天前
|
运维 Cloud Native Devops
构建未来:云原生架构在企业数字化转型中的关键作用
【7月更文挑战第58天】 随着企业加速其数字化转型步伐,云原生架构已成为推动创新与实现敏捷性的核心技术。本文将深入探讨云原生技术如何助力企业构建灵活、可扩展的系统架构,以及这些架构在应对市场快速变化和业务需求时的显著优势。我们将剖析容器化、微服务、持续集成/持续部署(CI/CD)等关键技术原理,并举例说明如何通过实践云原生原则,优化资源利用、提高运维效率,并最终实现业务价值最大化。
|
13天前
|
安全 Java 网络安全
【认知革命】JAVA网络编程新视角:重新定义URL与URLConnection,让网络资源触手可及!
【认知革命】JAVA网络编程新视角:重新定义URL与URLConnection,让网络资源触手可及!
28 2
|
19天前
|
Kubernetes Cloud Native 持续交付
构建未来:云原生架构在企业数字化转型中的关键作用
【7月更文挑战第54天】 随着企业加速其数字化转型的步伐,云原生架构已经成为支持业务敏捷性、可扩展性和创新的重要基石。本文探讨了云原生技术如何通过提供灵活的资源管理、快速部署能力和微服务架构,帮助企业实现技术升级和业务增长。分析了云原生的核心组件,包括容器化、服务网格、持续集成/持续部署(CI/CD)和微服务治理,以及它们如何共同促进企业应用的可靠性和高效性。最后,提出了企业在采用云原生技术时面临的挑战和克服策略。
|
11天前
|
网络协议 安全 网络性能优化
OSI 模型详解:网络通信的七层架构
【8月更文挑战第31天】
85 0
|
11天前
|
消息中间件 Kafka Java
Spring 框架与 Kafka 联姻,竟引发软件世界的革命风暴!事件驱动架构震撼登场!
【8月更文挑战第31天】《Spring 框架与 Kafka 集成:实现事件驱动架构》介绍如何利用 Spring 框架的强大功能与 Kafka 分布式流平台结合,构建灵活且可扩展的事件驱动系统。通过添加 Spring Kafka 依赖并配置 Kafka 连接信息,可以轻松实现消息的生产和消费。文中详细展示了如何设置 `KafkaTemplate`、`ProducerFactory` 和 `ConsumerFactory`,并通过示例代码说明了生产者发送消息及消费者接收消息的具体实现。这一组合为构建高效可靠的分布式应用程序提供了有力支持。
38 0
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的卷积神经网络(CNN)简介
【8月更文挑战第30天】在人工智能的浪潮中,深度学习以其强大的数据处理能力成为时代的宠儿。本文将深入浅出地介绍深度学习的一个重要分支——卷积神经网络(CNN),并探讨其如何在图像识别等领域大放异彩。通过实例,我们将一窥CNN的神秘面纱,理解其背后的原理,并探索如何利用这一工具解锁数据的深层价值。
|
18天前
|
监控 负载均衡 API
|
19天前
|
测试技术
软件设计与架构复杂度问题之区分软件维护、演进和保护(苟且)如何解决
软件设计与架构复杂度问题之区分软件维护、演进和保护(苟且)如何解决