{"id":33660,"date":"2019-10-31T21:53:59","date_gmt":"2019-10-31T18:53:59","guid":{"rendered":"https:\/\/prohoster.info\/blog\/campusinsight-ot-monitoringa-infrastruktury-k-analizu-polzovatelskogo-opyta\/"},"modified":"2019-10-31T21:53:59","modified_gmt":"2019-10-31T18:53:59","slug":"campusinsight-ot-monitoringa-infrastruktury-k-analizu-polzovatelskogo-opyta","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/administrirovanie\/campusinsight-ot-monitoringa-infrastruktury-k-analizu-polzovatelskogo-opyta","title":{"rendered":"CampusInsight: de la monitorizaci\u00f3n de infraestructura al an\u00e1lisis de la experiencia del usuario","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

La calidad de la red inal\u00e1mbrica ya forma parte del concepto de nivel de servicio. Y si se desea satisfacer las altas exigencias de los clientes, no solo es necesario actuar r\u00e1pidamente ante los problemas de red que surgen, sino tambi\u00e9n predecir los que son m\u00e1s comunes.<\/p>\n

\u00bfC\u00f3mo lograrlo? Solo rastreando lo que realmente importa en este contexto: la interacci\u00f3n del usuario con la red inal\u00e1mbrica.<\/p>\n

\"CampusInsight:
\n<\/a><\/noindex>
\nLas cargas en las redes siguen creciendo, y esto afecta especialmente a los segmentos inal\u00e1mbricos, al menos debido a la apertura de sus interfaces. Con el aumento del n\u00famero de dispositivos y las velocidades de transferencia de datos, los problemas se multiplican en varios niveles. A nivel f\u00edsico, muchos transmisores de se\u00f1al de radio se afectan mutuamente, incluso si operan en secciones adyacentes del espectro de frecuencias. A nivel l\u00f3gico, un gran n\u00famero de dispositivos conectados comienzan a competir por el derecho a iniciar la transmisi\u00f3n en la frecuencia seleccionada, aumentando la latencia en la entrega de paquetes para cada usuario.\u00a0<\/p>\n

Al mismo tiempo, las expectativas de cada cliente respecto al uso de la red tambi\u00e9n aumentan. Una carga de p\u00e1gina en el navegador de 5 segundos, que hace unos 20 a\u00f1os parec\u00eda 'la cima de la tecnolog\u00eda', ya no sorprende a nadie. Los clientes demandan videoconferencias en HD sin interrupciones en la imagen.<\/p>\n

Las nuevas versiones de los est\u00e1ndares de transmisi\u00f3n inal\u00e1mbrica ayudan a abordar parcialmente el problema, utilizando de manera m\u00e1s eficiente el espectro de frecuencias. Cada nueva versi\u00f3n de Wi-Fi<\/a><\/noindex> est\u00e1 dise\u00f1ada para implementar redes cada vez m\u00e1s sobrecargadas. Pero en una red a gran escala, donde operan no solo unas pocas decenas de puntos de acceso, ya no es posible dejar todo a merced de un nuevo est\u00e1ndar (especialmente porque los dispositivos operan en modo de compatibilidad con versiones anteriores tan pronto como encuentran un dispositivo de usuario antiguo). Tampoco es viable seguir utilizando antiguos m\u00e9todos de monitoreo: el entorno de red se vuelve cada vez m\u00e1s complejo.<\/p>\n

Por qu\u00e9 la monitorizaci\u00f3n convencional ya no funciona<\/h2>\n

\nEl cl\u00e1sico estereotipo que todav\u00eda persigue a los administradores de todas las redes, incluidas las inal\u00e1mbricas, es trabajar \u00fanicamente bajo demanda. Suena la 'alarm' \u2014 despertamos y averiguamos qu\u00e9 sali\u00f3 mal. Y mientras no haya 'alarm', se puede limitar a comprobar la carga en los componentes principales: dispositivos de red y de usuario.\u00a0<\/p>\n

De acuerdo con esta tarea, las herramientas tradicionales de monitoreo y mantenimiento funcionan bajo principios r\u00edgidos y no siempre muestran de manera oportuna los problemas ya existentes, sin mencionar ning\u00fan tipo de an\u00e1lisis predictivo.\u00a0<\/p>\n

El principal problema aqu\u00ed radica en el intervalo de recolecci\u00f3n de datos. La informaci\u00f3n sobre el estado de las conexiones de red inal\u00e1mbrica se recopila cada pocos minutos, y los incidentes pueden ocurrir entre las recolecciones (un gran ejemplo son los picos de carga raros que 'congelan' la red). Sin datos en tiempo real, es bastante dif\u00edcil entender cu\u00e1l fue la causa fundamental del problema. \u00bfEs un mal manejo de la cobertura de red? \u00bfO, tal vez, interferencias externas no relacionadas con el negocio (por ejemplo, una unidad militar cercana 'interfiriendo' en la se\u00f1al)? No hay datos que permitan observar la degradaci\u00f3n gradual de ciertas caracter\u00edsticas de la red, y por lo tanto localizar el problema no es tan sencillo. El personal de TI tendr\u00e1 que gastar horas adicionales buscando esa 'aguja en un pajar'.
\nSin embargo, los usuarios finales notan el problema casi de inmediato. Errores de conexi\u00f3n, interrupciones en la transmisi\u00f3n de video son excelentes indicadores.<\/p>\n

Las herramientas de monitoreo cl\u00e1sicas informan que los paquetes de red est\u00e1n fluyendo. Pero no pueden responder a la pregunta de si el usuario ha resuelto su tarea.\n<\/p><\/blockquote>\n

\nPara obtener una respuesta a esta pregunta, ser\u00e1 necesario cambiar no solo la herramienta, sino tambi\u00e9n el enfoque para organizar el monitoreo. De la labor 'extintora' por solicitudes (de hecho, controlando el rendimiento y la carga de hardware espec\u00edfico) a centrarse en la experiencia del usuario y en identificar situaciones que puedan llevar a incidentes.<\/p>\n

Esta transformaci\u00f3n implica la implementaci\u00f3n de algoritmos m\u00e1s complejos para detectar problemas, en lugar de simples alertas al alcanzar ciertos valores. En la plataforma de an\u00e1lisis de red inteligente Huawei CampusInsight, estos algoritmos se basan en la experiencia de servicio de redes inal\u00e1mbricas y en t\u00e9cnicas de autoaprendizaje.<\/p>\n

Bajo el cap\u00f3 de CampusInsight<\/h2>\n

\nHuawei CampusInsight: una plataforma escalable para el monitoreo de redes inal\u00e1mbricas de diversas magnitudes. Construida sobre una arquitectura de microservicios. Cada servicio se despliega en m\u00faltiples instancias, cuyos mensajes son distribuidos por el bus correspondiente. Se pueden desplegar instancias adicionales de forma din\u00e1mica, aumentando la capacidad del instrumento.<\/p>\n

De hecho, CampusInsight recopila, analiza y muestra datos en su interfaz de usuario en cinco pasos.<\/p>\n

\"CampusInsight:
\n
\nEl primer y segundo paso<\/b> son el acceso a los datos (a los dispositivos que los generan) y la recopilaci\u00f3n de 'lecturas'. Utilizando la recolecci\u00f3n de telemetr\u00eda en tiempo real mediante el protocolo GPB de Google y Syslog 'tradicional' (donde sea posible), Huawei CampusInsight acumula datos pr\u00e1cticamente en tiempo real:<\/p>\n