服務(wù)提供商眼中的SDN現(xiàn)狀

憑借其對網(wǎng)絡(luò)簡化和新收入流的優(yōu)勢，軟件定義網(wǎng)絡(luò)無疑已經(jīng)引起了服務(wù)提供商的強烈興趣。該技術(shù)的核心是將物理網(wǎng)絡(luò)功能與軟件控制分離，創(chuàng)建開放式交換機和控制軟件的生態(tài)系統(tǒng)，以實現(xiàn)快速創(chuàng)新和易于集成的新環(huán)境。

開放社區(qū)在為程序控制定義接口和協(xié)議方面投入了大量精力。開放式協(xié)議與開源控制器相結(jié)合，現(xiàn)已在許多展示中得到證明，突出了多供應(yīng)商和多運營商網(wǎng)絡(luò)中資源抽象和控制的優(yōu)勢。然而，盡管這一技術(shù)目前在數(shù)據(jù)中心得到廣泛應(yīng)用，但由于服務(wù)提供商網(wǎng)絡(luò)的業(yè)務(wù)挑戰(zhàn)，使用SDN技術(shù)的實時網(wǎng)絡(luò)的情況仍然很少。

雖然標(biāo)準(zhǔn)化和穩(wěn)定的接口確實是SDN廣泛采用的必要先決條件，但服務(wù)提供者需要一個積極的業(yè)務(wù)案例，從人工控制轉(zhuǎn)向自動化網(wǎng)絡(luò)控制。目前，集成和維護(hù)新接口所需的額外工作以及額外的中央控制實例似乎抵消了自動化的成本優(yōu)勢。

對SDN的更廣泛的看法

為了了解SDN的全部潛力，我們需要將重點從自動化轉(zhuǎn)移到自動化操作。要全面了解網(wǎng)絡(luò)狀態(tài)、可用資源和服務(wù)需求，智能算法是值得推薦的。閉環(huán)控制最初由人控制激活，通過開放的SDN接口，閉環(huán)控制將在網(wǎng)絡(luò)可編程的進(jìn)程中得到發(fā)展。

SDN是實現(xiàn)基于ML和AI的高級操作方法的關(guān)鍵推動因素。簡化對底層網(wǎng)絡(luò)的控制應(yīng)該是實現(xiàn)自治網(wǎng)絡(luò)路由的第一步。如果忽視這一點將會帶來巨大的損失，正如比爾蓋茨所強調(diào)的：“企業(yè)使用的任何技術(shù)的第一條規(guī)則是，將自動化應(yīng)用于高效操作將提高效率。其次，自動化應(yīng)用于低效率的操作將降低效率?！叭绻麤]有基于模型的層次化網(wǎng)絡(luò)抽象，網(wǎng)絡(luò)操作的簡化就不可能成功。

ML和AI的力量

有很多證據(jù)證明了深度學(xué)習(xí)和（狹義）人工智能的力量。當(dāng)谷歌DeepMind的AlphaGo戰(zhàn)勝了最好的圍棋手時，專家群體對這種前所未有的游戲方式感到困惑。在診斷和治療方面，IBM Watson的表現(xiàn)始終優(yōu)于癌癥專家。顯然，在復(fù)雜程度很高和大量多樣信息的情況下，人工智能可以在速度和效率上與人類競爭。

像這樣的案例讓服務(wù)提供商對AI抱有高度期望，他們希望AI在網(wǎng)絡(luò)成本和運營方面起作用。下圖顯示了去年年底TMF的調(diào)查結(jié)果（TMF趨勢分析：AI - 現(xiàn)在時間; 2017年12月）。供應(yīng)商被問及最相關(guān)的用例。

AI還希望被應(yīng)用到廣域網(wǎng)安全性方面。各種復(fù)雜的攻擊模式和零日攻擊顯然是人工智能的一個有趣應(yīng)用。但是期望最高的領(lǐng)域是網(wǎng)絡(luò)優(yōu)化。

供應(yīng)商在改進(jìn)業(yè)務(wù)方面寄予厚望，主要是為了提高資源利用的效率。如上文所述，運營工作應(yīng)建立在簡化和精簡的網(wǎng)絡(luò)之上。具有開放控制和層次抽象的SDN是實現(xiàn)這一前提的最有希望的方法。更重要的是，應(yīng)該有一個機制來快速捕獲來自網(wǎng)絡(luò)及其操作的任何有用數(shù)據(jù)。基于模型的遙測流被認(rèn)為是從分散的網(wǎng)絡(luò)有效地收集所需數(shù)據(jù)的首選方法。

用例

在我們的網(wǎng)絡(luò)中引入人工智能是一個重大舉措，它影響到網(wǎng)絡(luò)技術(shù)，但也以一種破壞性的方式影響著運營流程。有針對性的解決已有明確定義的應(yīng)用程序領(lǐng)域的問題是一個明智的選擇。這樣不僅可以獲得經(jīng)驗，而且可以將對網(wǎng)絡(luò)的改進(jìn)方法穩(wěn)定地運用到操作中并與底層網(wǎng)絡(luò)架構(gòu)保持一致。下面概述了兩個實際例子，并強調(diào)了SDN的相關(guān)性。

預(yù)測性維護(hù)

服務(wù)提供者經(jīng)常為觸發(fā)修復(fù)過程或網(wǎng)絡(luò)擴展定義特定的閾值。如今，決策通?；趩蝹€數(shù)據(jù)點，例如資源利用率閾值或誤碼率?？墒沁@種方法忽略了許多有用的信息。另一方面，預(yù)測性維護(hù)可全面了解網(wǎng)絡(luò)及其所應(yīng)用組件的特性。而且這種預(yù)測性維護(hù)可以在由故障導(dǎo)致的停機之前生成警告。。

ADVA的網(wǎng)絡(luò)運營中心采用了這種方法，管理多個客戶的網(wǎng)絡(luò)。網(wǎng)絡(luò)中數(shù)據(jù)是不斷地被捕獲的，然后再用神經(jīng)網(wǎng)絡(luò)的方法分析這些數(shù)據(jù)，因此故障組件可以在網(wǎng)絡(luò)故障發(fā)生之前被識別出來。將AI與自動流量控制相結(jié)合，這使服務(wù)提供商能夠搶先檢測到受影響的接口/組件并在零停機時進(jìn)行維修，即使對于網(wǎng)絡(luò)的非冗余部分也是如此。這樣可以以更具成本效益的方式開辟了設(shè)計和運營網(wǎng)絡(luò)的新方法。

光子網(wǎng)絡(luò)中的網(wǎng)絡(luò)優(yōu)化

設(shè)計一個光學(xué)層需要一個高技能的光子傳輸專家，該專家需要具有多能級調(diào)制、光纖色散和非線性以及放大光學(xué)系統(tǒng)的瞬態(tài)特性的知識。如果必須激活一個新的波長，則需要應(yīng)用復(fù)雜的軟件工具來計算性能。這使得在大型光學(xué)系統(tǒng)中的自動波長路由變得復(fù)雜。

機器學(xué)習(xí)開辟了解決這一問題的新途徑。代替數(shù)值計算，系統(tǒng)行為通過由從大量網(wǎng)絡(luò)收集的真實數(shù)據(jù)訓(xùn)練的神經(jīng)算法來估計。事實證明，這種方法在預(yù)測光子網(wǎng)絡(luò)中的信號性能方面是完全準(zhǔn)確的，與自動SDN控制相結(jié)合，構(gòu)建了自主操作的基礎(chǔ)。

下圖顯示了智能算法預(yù)測的信號性能與實際網(wǎng)絡(luò)數(shù)據(jù)之間的比較。隨著數(shù)據(jù)集的不斷增加，該方法達(dá)到了適合實時網(wǎng)絡(luò)部署的準(zhǔn)確度。

將AI和ML運用到網(wǎng)絡(luò)規(guī)劃，設(shè)計和運營方面我們?nèi)蕴幱谠缙陔A段。預(yù)測性維護(hù)或網(wǎng)絡(luò)優(yōu)化等使用案例為降低網(wǎng)絡(luò)成本帶來了希望。SDN是閉環(huán)自動化的關(guān)鍵先決條件。