网络容量规划的目的是确保提供足够的带宽，从而可靠地满足网络SLA目标，例如延迟、抖动、损失和可用性。这是一项复杂的、容易出错的任务，会带来严重的财务影响。直到最近，用于有洞察力的容量规划所需的网络数据通常只能通过静态、历史和事后报告获得。这种情况现在正在迅速改变。
“通过结合先进的数据科学和认知技术，如人工智能和机器学习，它可以驱动新的和更智能的预测洞察力，以提高网络容量规划的准确性，”阿希什·维尔马(Ashish Verma)说德勤咨询专门从事认知分析的常务董事。“这有助于组织释放数据，以做出更敏捷的决策，提高运营智慧，避免停机时间，并创建更好的用户体验。”
人工智能支持传统的网络监控
美国的一位经理Fredrik Lindstrom注意到，利用人工智能分析来自多个来源的数据比传统的网络监控工具提供了更高的准确性，传统的工具只关注链接的利用率CIO咨询商业咨询公司毕马威的实践。“人工智能还可以对不同的性能场景进行建模，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的性能场景中受到的影响。”
人工智能驱动的机器学习应用于网络性能，允许网络控制器在增强网络的同时从经验中学习。
“当它学习时，它用于决策的分析模型被优化，并成为网络的真实意图及其商业目标的更好的代表，”分析和机器学习的主题专家Duval Yeager说思科。“这提供了准确的容量规划，随着网络的增长、变化、应用程序和用户的增加——包括本地和云。”
卡内基梅隆大学(Carnegie Mellon University)商业技术助理教授Yan Huang表示，人工智能和机器学习方法可以有效地应用于交通预测/预测、交通模式检测、在线学习和自动决策泰珀商学院。
“先进的机器学习算法可以将大规模、高粒度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时间模式/趋势，”黄解释说。“流量和需求预测的改善，将有助更准确地评估网络容量需求，并减少对资源过剩的需求。”
跨时模式或网络流量变化的早期检测和发现允许组织采取积极的行动来确保网络性能。“复杂的预测模型可以与优化和/或模拟技术相结合，自动生成最优网络结构或结构以及相应的容量和资源计划，”黄说。这样的计划可以根据组织最关心的具体性能指标进行调整。
人工智能技术还可以处理实时交通数据，并根据实时网络条件动态地做出路由和分配决策。“它还支持按需模型进行增量容量供应，”Huang解释说。所有这些因素都可以显著减少与网络开发、维护和优化相关的资本支出和运营费用，同时降低IT专业人员管理这些活动所需的工作。
一旦安装并正确配置，网络AI技术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，这对于跨数据中心、云环境和广域网迁移到虚拟化网络覆盖的组织非常关键，”Lindstrom说。雷竞技电脑网站
人工智能还可以用于以各种方式分析网络流量模式，帮助组织准确地了解整个网络的运行情况和总体网络负载。
“这个细节对于短期和长期容量规划是有用的，”Doug Tamasanis解释说，他是google的首席架构师和网络与安全高级主管克诺斯，人力资源管理软件和服务供应商。
短期内，人工智能可以在应用程序、位置、技术和协议等粒度级别上预测日常流量爆发。这些发现可以用来防止在高峰时期性能下降。“从长远来看，人工智能系统可以执行最优的容量规划，预测何时无法满足短期需求，何时需要进行大规模升级，”Tamasanis指出。
ai驱动的容量规划:开始
开始使用人工智能能力规划技术的最佳方法是获得一种已得到验证的技术，这种技术已经取得了一定程度的成功，并得到了企业的认可，该公司的联邦系统工程师Marcel Shaw建议说Ivanti，是一家资讯科技资产及服务管理软件供应商。
他表示:“与此同时，管理员应该谨慎对待人工智能学习算法提出的建议。”“人工智能学习算法将在未来几年内大幅改善，因此，客户在完全信任人工智能解决方案所推荐的能力要求之前，保持耐心并允许人工智能技术成熟，将是非常重要的。”