数据驱动的运营

好的分析需要好的数据

只有当用来进行评估的信息质量非常好的时候，评估的质量才能好。对于数据驱动的运营，这意味着对网络及其所承载的服务都有一套完整的实时、精确的关键性能指标（KPI）。事实上，在SDN/NFV网络中，物理拓扑和服务拓扑之间可能没有直接关联，获得每个服务的KPI非常重要。将服务KPI的变化关联起来，即使在它们揭示问题之前，也可能会发现隐藏但更广泛的问题，从而影响许多服务。

理想情况下，KPI生成应该是服务定义本身的一部分，以一致的方式在服务端点处测量所有服务的KPI。这种端到端的视图可提供最接近客户实际体验的测量结果。

大海捞针

有个好消息，那就是您可以为网络中的每个服务都生成KPI100%的服，即获得100%的服务可见性。但也有个坏消息，您现在正被海量的KPI所淹没——200000个服务每秒生成5个KPI，这意味着每天会生成14.4亿个KPI！在这么多的数据中，检测出重大的服务问题对人类来说可能是一个挑战。但是，试着寻找那些刚刚开始出现问题苗头的服务，或者查看可能引发网络扩展的利用率发展趋势会怎么样？

这就是大数据分析可以大显身手的地方。弄清海量数据的意义，就意味着找出可能被忽视的KPI细微变化。而且，如果在多个可能不相关的服务间将KP I的变化关联起来，就可能获得原本可能隐藏起来的网络洞察力。主动检测和管理网络与服务的变化是实现数据驱动运营的关键。

这绝非一件小事

任何运营团队面临的挑战都是确定首先要解决哪个问题。问题很少单独出现，造成问题的根源也不太可能就在最初发现问题的地方。以延迟为例。如果在某个端点延迟出现增加的趋势，这经常是网络某处变得拥挤的迹象——很可能是某个以太网端口过度使用或别处保护倒换引起的问题。如果不能扫描数以百万计的KPI，检测那些朝错误方向发展的KPI，然后将它们关联起来，以找出可能存在的共同来源，那么您的团队可能会花费数天时间来寻找错误的问题。

看到“大局”并能够关联和优先处理所有已知问题是数据驱动运营的关键。首先解决正确的问题往往意味着同时解决许多问题。

追踪不断变化的网络

基于SDN/NFV的网络的主要优点之一是能够不断优化基础设施和服务拓扑以应对变化。如果虚拟路由器即将达到容量极限，可创建新的虚拟路由器来分担负载。如果某个链路出现故障或高度拥塞，可重新路由流量以避免出现问题的链路。而且，由于SDN/NFV网络依赖编排来实现这些更改，因此甚至可能都不需要任何人工参与。

实时追踪网络和服务的变化对于提供服务和隔离故障都是至关重要的。知道有足够的带宽来提供新服务，或者知道通过哪些虚拟和物理网元来提供服务，对于高效运营至关重要。

对于虚拟和混合的虚拟/物理网络，实时拓扑映射必须成为任何解决方案的基本组成部分。如果没有它，运营团队可能会浪费大量的精力将他们所需要的东西拼凑起来，即使这样，由于存在自动化的编排，情况可能会在毫无征兆的情况下发生变化。

经济高效的运营

随着网络规模和复杂程度不断增长，毫无疑问，自动化将需要涉及运营的几乎每个方面——从容量规划到服务提供，再到排障和维护。运营商正在进行重大投资，以采用自动化并尽可能将其纳入业务的各个方面。这种转变的一大好处是减轻了许多手工密集型任务的负担，这些任务通常需要训练有素和经验丰富的技术人员。例如，排障和根源分析通常需要深入了解网络工作方式的中级或高级技术人员，才能提出合适的解决方案。在数据驱动的运营模型中，这些知识被纳入自动化系统中，使得能够在几分钟内而不是几小时或几天内开发出最佳的解决方案，这种解决方案会考虑到更多的依赖关系和网络影响，需要更少的技术人员，出现人为错误的机率更低，并且与网络策略保持一致。

在运营中化被动为主动

想象一下，能够在小毛病变成大问题之前识别并解决它们。想象一下，如果您的客户从来没有抱怨过服务质量，因为它从来都不是问题。想象一下，您从不会因为没有满足SLA要求而受到惩罚。

虽然这看起来像是一个梦想，但这正是数据驱动运营的意义所在。发现出现的负面趋势，了解对客户和网络造成的潜在影响，确定修复方案的优先级，以最大限度地降低影响并减少服务问题，降低运营成本，提供对容量和服务规划的洞察力，以便您的网络能够继续发展。

拥有100%的服务和网络性能可见性，并知道如何最好地解决问题，是在这些问题影响服务之前主动解决它们的关键所在。

重要的事情优先做

任何在网络或服务运营中心工作的人都可以告诉您，根本就不存在没有无问题的网络。事实上，有时候会觉得网络是一片“红海”。在这样的日子里，当需要恢复和运行最重要的服务时，有时最大的问题是不知道该从哪里入手开始。哪些客户最重要？是否存在共同的问题根源？是否可以在不引起更多问题的情况下传输服务？哪些故障“必须修复”还是“修复了更好”？随着网络虚拟化，人们越来越难看到服务和网络拓扑结构，更难知道该从哪里入手。

数据驱动的运营可以全部解决这些问题。通过应用大数据分析，在所有的网络和服务KPI上都执行一致的策略，可以快速制定一个将一切都考虑进去的行动计划——从恢复关键的客户和服务到总停机时间，再到对收入和成本的影响，而无需任何猜测或情感上的偏见。

管理变更

客户管理的服务出现了一种新的模式。由于竞争和对更多特定应用的服务的需求，客户现在能够获得和管理自己的服务。通过在线门户，客户现在可以做一些事情，比如订购新的服务或更改现有的服务，这也许会要求更多的带宽，并在几分钟内完成。虽然这对吸引和留住客户很有帮助，但会使服务和容量规划工作更具挑战性。网络能否在不影响现有服务的情况下支持更多服务？是否有足够的容量支持所要求的更多带宽？

如果没有这些信息，就会有无法履行客户承诺的风险。数据驱动的运营可以实时解决这些问题。通过查看未使用的容量等内容，可以快速配置新的或修改过的服务。此外，如果新服务可能会导致在网络中其它地方出现问题，可以迅速在网络的较大部分里优化服务路由，以确保可以添加新服务。最后，由于系统始终了解整个网络的容量，因此可以开发容量规划方法来支持及时升级，从而减少或消除未使用的容量。