SD-WAN大步前进, 但它需要AI提供更大的自动化和洞察力
广域网急切需要进化变化并发自SD-WAN。它为网络带来了更大的敏捷性并使得组织能够利用低成本互联网而不是高成本调频宽带服务 。 加之SD-WAN提高网络自失效回弹性
SD-WAN的推广至2020年已经很强劲,COVID-19大流行甚至加速推广46%的受访者表示该流行病加速SDWA部署
SD-WAN解决不了所有网络故障。 网络操作挑战-软件定义或非定义-是政策配置和持续管理与故障排除手工完成SD-WAN所有销售商都做了很好的工作简化部署,尽管零点提供,但只处理0天运算问题。 网络启动运行后,寻找WA故障源进程仍然是需要大量人工重提升的过程。局域网、WLAN和WAN域网隔离问题大增,如果没有智能事件关联自动化模型则全然不可能
在某些方面,SD-WAN加深故障解析问题通过多路联网为网络增加适配度,隐藏断片网络操作仪表板显示一切为绿色,网络性能问题随着视频的兴起而变得清晰可见,并引起网络工程师不时争先恐后地解决问题
AI可以在这里产生作用AI系统可以取用网络基础提供的大量数据(局域网、WLAN和WAN),曾一度网络比较简单流量较低时, 经验丰富的网络专业人员有可能通过域知识并快速检验流量快速查找问题根但不是今天设备数、应用量和信息量飞跃其中一个大变化是定期投票数据被实时取而代之流线遥测增加量级或以上数据
人工智能系统甚至可以看到网络最小变化并预测人眼无法辨识的东西一个很好的类比是AI在放射学医学专业中如何使用人工智能系统可检测磁共振最小异常值,使医生能够比没有人工智能提前治疗病人网络专业人员也是如此AI系统可发现网络小问题, 并可能导致终端用户不可见应用中的异常性,网络工程师可使用AI系统输出主动修复问题自驾驶网络
说到AI创举,数据科学家使用axiom表示 : 良好数据引出良好洞察力 。这当然属实,但偏差数据引出偏切洞察力也是事实,这可能是AI驱动WAN提供限制之一更具体地说,如果解决方案只看网络而不理解对实际用户经验应用的影响,它缺失方程的一大部分如果网络问题多重,应优先处理那些影响关键应用和/或用户的问题。如果有些问题完全不影响应用性能, 那么那些问题可以放在回炉上并稍后固定
此外,如果解决方案只看到广域网数据而不与网络其他地区相关联(即:局域网和局域网)可产生低效率推高网络成本更糟糕的是,这可能导致错误假设或结论 网络性能问题和如何修复在这方面,AI驱动广域网需要整体化地看成AI驱动网络大端对端故事的关键部分
AIOS系统是SD-WAN演化的关键,为网络关键部分带来急需自动化和洞察力AI驱动广域网无法在真空中部署,必须超出网络范围,在应用和用户层次提供有意义的洞察力(和行动)。这不仅能提高网络性能并降低成本,而且还能确保用户生产率和客户服务保持高水平
