Η ποιότητα του ασύρματου δικτύου περιλαμβάνεται ήδη από προεπιλογή στην έννοια του επιπέδου εξυπηρέτησης. Και αν θέλετε να ικανοποιήσετε τις υψηλές απαιτήσεις των πελατών, πρέπει όχι μόνο να αντιμετωπίσετε γρήγορα τα αναδυόμενα προβλήματα δικτύου, αλλά και να προβλέψετε τα πιο διαδεδομένα από αυτά.
Πως να το κάνεις? Μόνο παρακολουθώντας τι είναι πραγματικά σημαντικό σε αυτό το πλαίσιο - την αλληλεπίδραση του χρήστη με το ασύρματο δίκτυο.
Τα φορτία στα δίκτυα συνεχίζουν να αυξάνονται και αυτό επηρεάζει ιδιαίτερα τα ασύρματα τμήματα, έστω και μόνο λόγω του ανοιχτού περιβάλλοντος εργασίας τους. Καθώς ο αριθμός των συσκευών και οι ταχύτητες μεταφοράς δεδομένων αυξάνονται, τα προβλήματα πολλαπλασιάζονται σε πολλαπλά επίπεδα. Φυσικά, πολλοί πομποί ραδιοφωνικού σήματος επηρεάζουν ο ένας τον άλλον, ακόμη κι αν λειτουργούν σε γειτονικά τμήματα του φάσματος συχνοτήτων. Λογικά, ένας μεγάλος αριθμός συνδεδεμένων συσκευών αρχίζει να ανταγωνίζεται για το δικαίωμα έναρξης μετάδοσης στην επιλεγμένη συχνότητα, αυξάνοντας την καθυστέρηση παράδοσης πακέτων για κάθε χρήστη.
Ταυτόχρονα, οι προσδοκίες κάθε πελάτη από τη χρήση του δικτύου αυξάνονται. Μια φόρτωση 5 δευτερολέπτων μιας σελίδας σε ένα πρόγραμμα περιήγησης, που πριν από 20 χρόνια φαινόταν ως «το ύψος της τεχνολογίας», δεν θα εκπλήσσει πλέον κανέναν. Παρέχετε στους πελάτες σας επικοινωνία βίντεο HD χωρίς ξεθώριασμα εικόνας.
Το ζήτημα μπορεί να επιλυθεί εν μέρει με νέες εκδόσεις προτύπων ασύρματης μετάδοσης που χρησιμοποιούν το φάσμα συχνοτήτων πιο αποτελεσματικά. Καθε στοχεύει στην ανάπτυξη δικτύων που φορτώνονται όλο και περισσότερο. Αλλά σε ένα δίκτυο μεγάλης κλίμακας όπου λειτουργούν δεκάδες σημεία πρόσβασης, δεν θα είναι πλέον δυνατό να δώσουμε τα πάντα στο επόμενο πρότυπο (ειδικά επειδή οι συσκευές λειτουργούν σε λειτουργία συμβατότητας προς τα πίσω μόλις συναντήσουν μια παλιά συσκευή χρήστη). Ακριβώς όπως δεν θα είναι δυνατό να συνεχιστεί η ζωή με παλιά εργαλεία παρακολούθησης - το περιβάλλον του δικτύου γίνεται συνεχώς πιο περίπλοκο.
Γιατί η συμβατική παρακολούθηση δεν λειτουργεί πλέον
Ένα κλασικό κλισέ που εξακολουθεί να στοιχειώνει τους διαχειριστές όλων των δικτύων, συμπεριλαμβανομένων των ασύρματων, λειτουργεί αποκλειστικά σε αιτήματα. Ο «συναγερμός» έπεσε - ξυπνάμε και καταλαβαίνουμε τι πήγε στραβά. Εν τω μεταξύ, δεν υπάρχει συναγερμός, μπορείτε να περιοριστείτε στον έλεγχο του φορτίου στα κύρια εξαρτήματα - δίκτυο και συσκευές χρήστη.
Σύμφωνα με αυτόν τον στόχο, τα παραδοσιακά εργαλεία παρακολούθησης και συντήρησης λειτουργούν με βάση την αρχή των άκαμπτων κανόνων και δεν δείχνουν πάντα γρήγορα τα υπάρχοντα προβλήματα, πόσο μάλλον κάποιου είδους προγνωστική ανάλυση.
Το κύριο πρόβλημα εδώ είναι το διάστημα συλλογής δεδομένων. Πληροφορίες σχετικά με την κατάσταση των συνδέσεων ασύρματου δικτύου συλλέγονται μία φορά κάθε λεπτό και μπορεί κάλλιστα να συμβούν περιστατικά στα μεσοδιαστήματα μεταξύ της συλλογής των μετρήσεων (ένα καλό παράδειγμα είναι οι σπάνιες εκρήξεις φορτίου που «κολλάνε» το δίκτυο). Χωρίς τη λήψη δεδομένων σε πραγματικό χρόνο, είναι αρκετά δύσκολο να καταλάβουμε ποια ήταν η βασική αιτία του προβλήματος. Αυτή η κάλυψη δικτύου είναι κακή διαχείριση; Ή, ίσως, εξωτερική παρέμβαση που δεν έχει καμία σχέση με τις επιχειρήσεις (ας πούμε ότι μια κοντινή στρατιωτική μονάδα είχε μπελάδες στον αέρα). Δεν υπάρχουν δεδομένα όπου θα μπορούσε κανείς να δει τη σταδιακή υποβάθμιση ορισμένων χαρακτηριστικών του δικτύου, πράγμα που σημαίνει ότι δεν είναι τόσο εύκολο να εντοπιστεί το πρόβλημα. Το προσωπικό πληροφορικής θα πρέπει να αφιερώσει επιπλέον ώρες ψάχνοντας για αυτήν τη «βελόνα σε μια θημωνιά».
Αλλά οι τελικοί χρήστες παρατηρούν το πρόβλημα σχεδόν αμέσως. Σφάλμα σύνδεσης, διακοπή εκπομπής βίντεο είναι εξαιρετικοί δείκτες.
Τα κλασικά εργαλεία παρακολούθησης αναφέρουν ότι αποστέλλονται πακέτα δικτύου. Αλλά δεν μπορούν να απαντήσουν στο ερώτημα εάν ο χρήστης έχει λύσει το πρόβλημά του.
Για να απαντήσετε σε αυτήν την ερώτηση, θα πρέπει να αλλάξετε όχι μόνο το εργαλείο, αλλά την ίδια την προσέγγιση για την οργάνωση της παρακολούθησης. Από την εργασία «πυρόσβεσης» σε αιτήματα (στην πραγματικότητα, παρακολούθηση της απόδοσης και του φορτίου ενός συγκεκριμένου υλικού) προχωρήστε στην παρακολούθηση της εμπειρίας του χρήστη και στον εντοπισμό καταστάσεων που μπορούν να οδηγήσουν σε περιστατικά.
Αυτός ο μετασχηματισμός περιλαμβάνει την εισαγωγή πιο πολύπλοκων αλγορίθμων ανίχνευσης προβλημάτων από απλές προειδοποιήσεις όταν επιτυγχάνονται συγκεκριμένες τιμές. Στην πλατφόρμα ανάλυσης ευφυούς δικτύου Huawei CampusInsight, αυτοί οι αλγόριθμοι βασίζονται στην εμπειρία συντήρησης ασύρματου δικτύου και σε τεχνικές αυτομάθησης.
Κάτω από την κουκούλα CampusInsight
Το Huawei CampusInsight είναι μια επεκτάσιμη πλατφόρμα για την παρακολούθηση ασύρματων δικτύων διαφόρων μεγεθών. Χτισμένο σε αρχιτεκτονική microservice. Κάθε υπηρεσία αναπτύσσεται σε πολλές περιπτώσεις, τα μηνύματα μεταξύ των οποίων διανέμονται από τον αντίστοιχο δίαυλο. Επιπλέον στιγμιότυπα μπορούν να αναπτυχθούν δυναμικά, αυξάνοντας την απόδοση του εργαλείου.
Στην πραγματικότητα, το CampusInsight συλλέγει, αναλύει και εμφανίζει δεδομένα στη διεπαφή χρήστη του σε πέντε βήματα.
Πρώτο και δεύτερο βήμα - πρόκειται για πρόσβαση σε δεδομένα (σε συσκευές που τα δημιουργούν) και συλλογή «αναγνώσεων». Χρησιμοποιώντας τη συλλογή τηλεμετρίας ροής μέσω του πρωτοκόλλου GPB από την Google και το «παραδοσιακό» Syslog (όπου είναι δυνατόν), το Huawei CampusInsight συγκεντρώνει δεδομένα σε σχεδόν πραγματικό χρόνο:
- σχετικά με τη χρήση του φάσματος συχνοτήτων·
- σχετικά με τη λειτουργία των σημείων πρόσβασης και άλλων συσκευών δικτύου (δείκτες απόδοσης, αριθμός συνδεδεμένων χρηστών κ.λπ.)
- σχετικά με τη διαδρομή συγκεκριμένων χρηστών - σχετικά με τα προφίλ δικτύου, σχετικά με το ποιος, πότε και σε ποιο σημείο πρόσβασης συνδέθηκαν ή δεν συνδέθηκαν (και με ποιες παραμέτρους σύνδεσης).
- σχετικά με τη λειτουργία εφαρμογών ήχου-βίντεο (με χρήση eMDI, που υλοποιείται σε ένα από τα πρόσθετα πακέτα).
Για να ξεπεραστούν οι περιορισμοί των παραδοσιακών εργαλείων που χρησιμοποιούν SNMP και σταθερές δομές για τη συλλογή δεδομένων, το CampusInsight βασίστηκε σε ένα μοντέλο συνδρομής στα απαραίτητα αρχεία καταγραφής και αλγόριθμους κωδικοποίησης και αποκωδικοποίησης δεδομένων.
Τρίτο βήμα - διανομή και αποθήκευση - π.χ. αποστολή ακατέργαστων δεδομένων στον Kafka για διανομή σε υπηρεσίες ανάλυσης υψηλότερου επιπέδου.
Τέταρτο βήμα - ανάλυση. Οι αλγόριθμοι μεγάλων δεδομένων και τεχνητής νοημοσύνης βοηθούν στη γρήγορη επεξεργασία των πρωτογενών δεδομένων. Ως αποτέλεσμα, εντοπίζονται μεμονωμένα προβλήματα που σχετίζονται με:
- έλεγχος ταυτότητας (υποστηρίζεται πρωτόκολλο Dot1x) και λειτουργία DHCP.
- σταθερότητα και ταχύτητα σύνδεσης.
- ασύρματες διεπαφές?
- τη λειτουργία μεμονωμένων συσκευών, συμπεριλαμβανομένων «ιδιαίτερων στοιχείων» όπως προβλήματα με PoE ή αλλαγή συσκευής διπλής ζώνης στα 2,4 GHz·
- ποιότητα των ροών ήχου-βίντεο - ωστόσο, η λειτουργία υποστηρίζεται μόνο για μη κρυπτογραφημένο SIP ή για ορισμένους διακόπτες.
- περιαγωγής μεταξύ διαφορετικών σημείων πρόσβασης.
Οι αλγόριθμοι τεχνητής νοημοσύνης χρησιμοποιούνται για την επίλυση ορισμένων συγκεκριμένων προβλημάτων, για παράδειγμα, για τον εντοπισμό παρεμβολών μεταξύ καναλιών κατά την ασύρματη μετάδοση.
Πέμπτο και τελευταίο βήμα — αποθήκευση δεδομένων σε μια βάση δεδομένων κατανεμημένων στηλών Druid για μελλοντική χρήση.
Η ανάλυση των συλλεγόμενων πληροφοριών, λαμβάνοντας υπόψη τη «βασική γραμμή» που κατασκευάστηκε από ιστορικά δεδομένα, μας επιτρέπει να εντοπίσουμε τυπικά «μοτίβα αστοχιών» - ορίζοντας KPI που αντιστοιχούν σε προβληματικές καταστάσεις και εντοπισμό προβλημάτων, προτείνοντας τρόπους επίλυσής τους. Έτσι, το εργαλείο λαμβάνει υπόψη περίπου το 85% όλων των προβλημάτων δικτύου.
Τα δεδομένα παρουσιάζονται στον διαχειριστή σε γραφική μορφή σύμφωνα με την ιεραρχία ή την τοπολογία του χώρου (για παράδειγμα, διάταξη γραφείου). Μπορείτε να δημιουργήσετε «χάρτες θερμότητας», να αναλύσετε πόσο επηρεάζεται ο εξοπλισμός από συγκεκριμένες πλατφόρμες ή κατασκευαστές κ.λπ. Αυτό διευκολύνει την κατανόηση του τι ακριβώς προκάλεσε το πρόβλημα.
Γενικά, το CampusInsight παρέχει αρκετά εργαλεία που σας επιτρέπουν να κατηγοριοποιείτε προβλήματα, να συγκρίνετε τους επηρεαζόμενους χρήστες, να εξετάζετε δεδομένα απόδοσης για συγκεκριμένους πελάτες και ακόμη και να "αναπαράγετε" τα συμβάντα που οδήγησαν σε ένα συμβάν για να προσδιορίσετε γρήγορα την πηγή. Επιπλέον, το προϊόν υποστηρίζει επίσης το νέο Wi-Fi 6, για να μην αναφέρουμε τους προκατόχους του.
Θήκες
Το CampusInsight έχει ήδη δοκιμαστεί στην πράξη, αν και οι περισσότερες περιπτώσεις έχουν κλείσει από το NDA. Η πιο αποκαλυπτική ανοιχτή υπόθεση είναι η χρήση ενός εργαλείου παρακολούθησης στο ασύρματο δίκτυο της Huawei.
Το δίκτυο καλύπτει επιχειρήσεις που απασχολούν περίπου 180 χιλιάδες άτομα, εκ των οποίων οι 80 χιλιάδες ανήκουν στο τμήμα Ε&Α (πρόκειται για γραφεία σε περισσότερες από 170 χώρες, όπου έχουν εγκατασταθεί συνολικά 62 χιλιάδες σημεία πρόσβασης).
Η εφαρμογή του CampusInsight βοήθησε στη βελτιστοποίηση περισσότερων από 630 σημείων πρόσβασης, ενώ ταυτόχρονα αύξησε την αποτελεσματικότητα επίλυσης περιστατικών κατά 30%.
Παρακάτω είναι μερικές συγκεκριμένες καταστάσεις.
Παράδειγμα 1: Αποτυχία ομάδας
Τα προβλήματα υψηλού επιπέδου που παρατηρούνται σε μεγάλο αριθμό χρηστών είναι συχνά αποτέλεσμα σφαλμάτων χαμηλού επιπέδου. Και τέτοια προβλήματα δεν είναι εύκολο να εντοπιστούν. Για παράδειγμα, σε ένα γραφείο, πολλοί φορητοί υπολογιστές-πελάτες αντιμετώπιζαν δυσκολίες ελέγχου ταυτότητας, παρά το γεγονός ότι οι ρυθμίσεις ήταν σωστές και δεν υπήρχαν προβλήματα με υπηρέτης Έλεγχος ταυτότητας. Η οπτικοποίηση δεδομένων σε διάφορα επίπεδα βοήθησε στον γρήγορο εντοπισμό της πηγής του προβλήματος, καθώς ήταν ένας διακόπτης που δημιουργούσε πάρα πολλά σφάλματα. Μια απλή αντικατάσταση καλωδίου ήταν αρκετή για να διορθωθεί το πρόβλημα. Ο εντοπισμός και η διόρθωση χρειάστηκαν 90 λεπτά.
Παράδειγμα 2. Παρακολούθηση της ποιότητας περιαγωγής
Η συλλογή δεδομένων κατά μήκος της διαδρομής ενός συγκεκριμένου πελάτη μέσα σε ένα κατανεμημένο δίκτυο σάς επιτρέπει να εντοπίσετε μη προφανή προβλήματα περιαγωγής. Μια συνηθισμένη περίπτωση είναι όταν οι χρήστες κινητής τηλεφωνίας αντιμετωπίζουν προβλήματα σύνδεσης στο δίκτυο σε ορισμένες περιοχές του κτιρίου (παρόλο που το αντίστοιχο σημείο πρόσβασης φαίνεται να είναι εντάξει). Μία από τις πηγές τέτοιων προβλημάτων μπορεί να είναι ότι η ισχύς του σημείου πρόσβασης στο διπλανό δωμάτιο είναι πολύ υψηλή - έτσι αντί να συνδεθεί στο πλησιέστερο σημείο, ο πελάτης προσπαθεί να συνδεθεί σε αυτό που εξυπηρετεί αυτήν τη στιγμή μεγάλο αριθμό χρηστών (πραγματική περίπτωση: σύνδεση σε σημείο πρόσβασης σε αίθουσα συνεδριάσεων όταν ο χρήστης μόλις περνάει).
Για να λυθεί το πρόβλημα, μερικές φορές αρκεί να μειωθεί η ισχύς του σήματος του φορτωμένου σημείου, αλλά η αναγνώριση απαιτεί μια εις βάθος ανάλυση των επαναλαμβανόμενων προβλημάτων στις αίθουσες δίπλα στην αίθουσα συνεδριάσεων.
Ανιχνεύοντας τις τάσεις στην ανάπτυξη των ασύρματων δικτύων, μπορούμε να περιμένουμε ότι στο άμεσο μέλλον όχι μόνο οι γίγαντες, των οποίων τα δίκτυα έχουν χιλιάδες σημεία πρόσβασης, θα αντιμετωπίσουν προβλήματα εξυπηρέτησης, αλλά και οι μεσαίες επιχειρήσεις, οι οποίες προς το παρόν ενδέχεται να περιορίζονται στην εργασία σε περιστατικά. Υποθέτοντας τέτοιες εξελίξεις, είναι λογικό να εξετάσουμε προσεκτικά νέα, πιο αποτελεσματικά πρότυπα και εξοπλισμό υψηλής απόδοσης. Αξίζει όμως να θυμηθούμε ότι υπάρχει μια απαραίτητη αλλαγή παραδείγματος στη συντήρηση του δικτύου προτού οι πελάτες ξεκινήσουν τη μαζική μετανάστευση προς τους ανταγωνιστές λόγω της ποιότητας των υπηρεσιών.
Φυσικά, ένα προϊόν onsight της κατηγορίας CampusInsight θα αποφέρει το μεγαλύτερο όφελος σε υλοποιήσεις μεγάλης κλίμακας, αλλά τώρα είναι διαθέσιμη και μια συνδρομή cloud στην υπηρεσία από το τοπικό Huawei Public Cloud, σχεδιασμένη για υλοποιήσεις στον τομέα SMB. Σε γενικές γραμμές, όσοι επιθυμούν μπορούν να δοκιμάσουν τα πάντα και να τα «στρίψουν» τώρα.
Πηγή: www.habr.com
