配置网络带宽的一些棘手技能正在从利用新工具中获得帮助。人工智能和机器学习技术提供了可精确预测网络需求的能力。
网络容量规划旨在保证提供足够的带宽，从而可以可靠地满足网络SLA目标，例如延迟、抖动、丢包和可用性。这是一个复杂的、容易出错的工作，涉及严重的财务负担。直到最近，可提供有洞察力的容量规划所需的网络数据才基本上可通过静态、历史和事后报告获得。这种情况现在正在迅速改变。
“通过将先进的数据科学和认知技术(如人工智能和机器学习)结合起来，IT可以推动产生新的、更智能的预测性见解，从而提高网络容量规划的准确性，”德勤咨询公司负责认知分析的执行董事Ashish Verma说。“这有助于组织释放数据潜力，以制定更灵活的决策，提高运营智慧，避免停机，并创造更好的用户体验。”
尽管AI支持的网络容量规划仍处于初期阶段，但大多数容量规划供应商，包括Cisco、NetBrain、Aria Networks、Flowmon和SolarWinds等大型和小型企业，已经开始将某种形式的AI技术融入其产品中，或计划在不久的将来这样做。与此同时，如IBM Watson 等技术供应商，也在寻求进入这一市场。
AI技术可支持传统的网络监控
商业咨询公司毕马威(KPMG)美国首席信息官咨询业务经理弗雷德里克•林斯特罗姆(Fredrik Lindstrom)指出，利用人工智能分析多个来源的数据，可提供比严格关注链路利用率的传统网络监控工具有更高的准确性。“AI还可以对不同性能场景进行建模，并将网络性能与应用程序性能联系起来，以确定应用程序在不同性能场景中受影响的程度。”
将AI驱动的机器学习技术应用于网络性能中，可以使网络控制器在增强网络性能的同时从经验中学习。
“随着其不断学习，它用于决策的分析模型得到了优化，可以更好地代表网络的真实意图及其业务目标，”思科公司(Cisco)分析和机器学习学科专家杜瓦尔•耶格尔(Duval Yeager)表示。“随着网络的发展、变化以及应用程序和用户的增加，无论是本地还是云端，这都能提供准确的容量规划。”
人工智能和机器学习方法可以有效地应用于流量预报/预测、流量模式检测、在线学习和自动决策，卡内基梅隆大学(Carnegie Mellon University)泰珀商学院(Tepper School of Business)商业技术助理教授黄燕(Yan Huang)说道。
“高级机器学习算法可以将大规模和高度精细的网络数据作为输入，为网络中的每个节点生成精确的需求预测，并检测网络流量和利用率的跨期模式/趋势，”黄燕解释说。“流量和需求预测的改善将能够更准确地评估网络容量需求，并减少资源过度供应的需求。”
早期检测和发现跨期模式或网络流量的变化，可使组织能够采取主动措施来确保网络性能。“复杂的预测模型可以与优化和/或模拟技术相结合，自动生成最佳的网络结构或其他结构以及相应的容量和资源规划，”黄燕说道。然后，可以根据组织最关心的特定性能指标来调整此类规划。
AI技术还可以根据实时网络状况处理实时流量数据，并动态制定路由和分配决策。“它还支持增量容量配置的按需模型，”黄燕解释道。所有这些因素都可以显著降低与网络发展、维护和改进相关的资本支出和运营支出，同时降低IT专业人员管理此类活动所需的工作量。
一旦安装并正确配置后，网络AI技术就可以自动进行网络容量规划，同时考虑组织的财务和风险偏好。“人工智能可以实时或接近实时地分析许多不同的数据点，这对于企业迁移到涉及数据中心、云环境和广域网的虚拟化网络是至关重要的，”林斯特罗姆说。
AI还可用于以各种方式分析网络流量模式，帮助组织深入了解网络中正在运行的内容以及整体网络负载。
“这一细节对短期和长期容量规划都非常有用，”劳动力管理软件和服务提供商Kronos的首席架构师兼网络和安全高级总监Doug Tamasanis解释道。
从短期来看，AI可以在极精细级别上来预测每日流量突发，例如应用程序、位置、技术和协议等。然后可以使用这些发现结果来防止高峰期的网络性能下降。“从长远来看，人工智能系统可以执行最佳容量规划，预测何时无法满足短期的流量突发，以及(何时)需要进行全面升级，”Tamasanis指出。
基于AI的容量规划：入门
IT资产和服务管理软件提供商Ivanti的联邦系统工程师马塞尔•肖(Marcel Shaw)表示，开始使用基于AI的容量规划技术的最佳方式是获得一个成熟的技术，并且该技术已经取得一定程度的成功且得到企业的认可。
“同时，管理员应谨慎对待AI学习算法所提供的建议，”他说。“AI学习算法将在未来几年内得到大幅改善，因此客户在完全信任AI解决方案所推荐的容量需求之前，需要有耐心并允许AI技术逐渐成熟，这将是非常重要的。”
林斯特罗姆建议，在数据源和监控范围方面，从小规模着手。“至关重要的是，数据源可靠且一致，并且(AI)系统能够在至少一个完整的商业周期内生成基线，”他解释道。
Tamasanis指出，将网络端口进行复制，并部署到关键网络设备，这是提供数据流的最佳方式，该数据流能够为分析平台提供数据。可以将特定系统(例如无线控制器、VPN集中器和防火墙)直接配置为流数据。“任何人工智能系统都需要这些类型的数据供应，而且网络的覆盖范围越大越好，”Tamasanis说。“关键是要将最大量的数据提供给(AI)平台。”
在适当的环境中提供正确的数据也很重要。云计算平台开发商OpsRamp的工程总监Murthy Garikiparthi表示：“准备好数据，以便轻松获取解决方案，并确保该方案提供与您的目标相关的网络容量视图。”一旦建立了数据管道，并且速度和数据供应保持一致，该(AI)解决方案就可以开始监视特定行为的数据。“最后，一旦AI开始提出建议，IT运营团队就可以依据这些见解来制定自动化策略，”Garikiparthi建议道。
Tamasanis强调了选择合适的AI平台的重要性。“有些平台更适合某些公司，”他指出。“这种自然的差异既是人工智能分析的一个吸引人的特征，也是一个有害的特征。”Tamasanis还建议避免使用自动化配置。“虽然从反应时间上很有吸引力，但数据的错误解读可能会带来降低性能的效果，”他警告说。
对AI资源和准确性的误解
关于使用AI进行网络容量规划的最大误解可能是，该技术并不是特别耗费资源，特别是在人机交互方面。林斯特罗姆说，这种错觉“是由一些供应商所导致并加深的，他们会让你觉得，只要你安装这个工具，它就能完成所有工作，无需任何人管理。”
另一个误解是，基于AI的网络容量规划是一种全有或全无的游戏。耶格尔(Yeager)建议，企业应该以分阶段的方式与供应商合作，以模块化的方式部署解决方案，并专注于价值最大的用例。鉴于许多未来的网络元素将基于云端并且依赖于订阅，这种方法尤其重要。“以分阶段的用例方式部署将保证IT经理不会为尚未部署的服务和解决方案支付云订阅费用，”耶格尔解释说。
肖(Shaw)说，关于使用AI进行容量规划的最大误解是，AI解决方案始终是准确的。“在AI解决方案成熟之前，管理员必须验证并质疑由AI驱动的容量规划解决方案所提供的建议，这是极为重要的。”
AI容量规划的缺陷
与任何新兴技术一样，AI容量规划也伴随着一些隐患，随时会摧毁那些无知和粗心大意的人。林斯特罗姆说，那些急于使用该技术的组织往往会做得过大、过快，并期望在系统没有进行任何精细调节的情况下立即获得结果。“如果系统没有足够的数据进行分析，或者数据不可靠或不一致，则这些工具将无法生成准确的网络状态或网络性能情况，”他警告说。
远离那些只提供不完整产品或服务的供应商，这也很重要。“当今市场上大多数解决方案只能为网络的一小部分提供巨大优势，却无法为有线、无线、设备、客户端、应用程序、安全、策略、跨域、广域网、云和数据中心提供完整的网络解决方案，”耶格尔指出。
使用不基于开放平台的AI产品和服务，将使面向智能的服务难以扩展到组织的其他部分。 “未来的运营将不再是相互孤立，各个部门将共享网络、服务、运营和使用数据，以增强企业范围内所有部门的能力，”耶格尔说。
由于人工智能是一项相对较新的技术，因此采用该技术的人经常会遇到来自保守管理者和员工的抵制，他们意图保护组织内的知识、旧的工作流程和自己的工作。“旧的做事方式不能过于僵化，以至于拒绝人工智能的好处。”Garikiparthi警告说。
Tamasanis说，AI只是提供了一个意见，而不是一个结论性的陈述。“将这样的工具与现有的网络设备和工程师整合起来，这将是一个渐进的过程。”
