华为AIOps，让“智慧”在网络中流淌

Posted 2021-04-24 科技正能量

5G、AI、物联网、云等新技术的不断叠加，让联接变得无处不在，也让网络当中不断增加大量、种类繁多的新设备，并大幅增加了网络的复杂性。

 

随着“5G新基建”的加速实施，数字经济发展迎来新动能。不仅推动投资消费的快速增长，还将驱动各行各业的数字化转型升级。随之而来的是网络与业务的高复杂化与高质量的挑战，运维能力的演进成为电信网络能否持续发展效能的关键影响因子。

 

电信行业一直是网络智能化转型的探索者，此前就一直在利用SDN、NFV和云技术，来提升业务和网络敏捷性，降低运维复杂性和成本。如自动驾驶网络，就是电信用不通过应用多种智能技术从自动化迈向智能化的尝试。

 

实际上，网络变得越复杂，一方面说明了网络与新兴科技结合愈加紧密，作为新基建的“基石”，网络的价值得以日益凸显；而另一方面，越是复杂的网络，越让传统人力为主导的运维模式捉襟见肘。智能化运维能力的演进，也成为了电信网络能否持续创新的关键。

 

所谓“欲善新基建，必先利运维”。正是这些行业需求，成就了AIOps智能运维表演的舞台。

 

AIOps已成电信智能化转型的关键

早在2016年之前，Gartner就在其词库就添加了AIOps这一词条，彼时AIOps是AlgorithmicIT Operations的缩写，按照字面理解，AIOps是一种基于算法的运维方式。Gartner还预测，到2020年，AIOps的采用率将会达到50%。

 

研究机构marketsandmarkets的报告则显示：出全球AIOps市场规模，到2023年将达到110.2亿美元，这个数字显然代表着一个非常大的市场机遇。

 

正是对AIOps智能运维模式的热望，2018年在国内运维市场也层形成了一股风口效应，在这一年里，传统ITOM/ITSM厂商、新兴APM/NPM厂商、各大云厂商纷纷转战智能运维，市场的热情，进一步推动了AIOps智能运维被用户所认可。

 

简单地说，AIOps是通过人工智能的方式，对系统运行过程中所产生的数据，运用AI和算法、运筹理论等相关技术，对运维数据进行分析，进一步提升运维效率的新一代运维手段和方法。

 

它之所以对电信行业有足够的市场价值，则是因为电信网络运维面临的挑战引发的。

 

数据统计显示，电信网络运维问题发现非常被动，有75%的问题是由用户发现的，而非电信运营商本身；同时，网络故障根因定位更难，日常运维有90%时间都花在了问题定位方面；而各专业运维支撑系统功能也面临开发周期长，闭环流程自动化程度低的技术瓶颈。所以，运营商们期望引入AI智能运维，来实现主动维护和故障自愈。

而从场景化的角度看，网络运维也已成为电信领域最大的AI应用场景。因此，AIOps成为了电信行业运维智能化转型的趋势和共识。预计在未来五年内，电信行业市场的运维系统和平台将加速AI 能力的升级，成为电信领域AI 应用的核心场景，投资占比可以达到60%。

 

的确，随着互联网业务的高速发展，电信客户在业务场景上丰富多彩，复杂和多变，新业务和新场景也在不断涌现。导致运营商系统里面有大量软硬件模块、日志、监控告警指标也纷繁复杂，无法提前做出预判，也无法快速确定根因，对AIOps的需求就愈发明显。

 

四大价值

读懂华为AIOps使能服务

华为早在2018年就提出了自动驾驶网络的理念。华为希望实现自动、自愈、自优的自治网络，使能电信业务的敏捷创新、极致体验和自动运维，并实现高效的资源和能源的利用。

而华为AIOps 使能服务作为自动驾驶网络AI引擎NAIE的核心能力，基于AI 平台，提供了一系列的电信领域AIOps原子能力以及组合编排能力，使能网络管控析单元、智能运维解决方案等运维系统，最终帮助运营商打破原有的烟囱式建设方式，将各专业运维系统的应用与AI 能力解耦，采用分层的服务化架构对接共享数据中心，集中提供AIOps 能力，适配运维场景应用百花齐放的需求。

 

总体来看，华为AIOps使能服务的核心竞争力集中四个方面：

 

首先，AI原子能力解决了AI场景方案可以快速复制的难题，这种能力越丰富，可以解决的场景化问题就越多。

 

华为就提供了丰富的AIOps原子能力，可以覆盖运维全流程，包括预测、检测，定位、执行。同时，原子能力库支持流量预测，故障预测，KPI 异常检测，日志异常检测，CHR 异常检测，异常关联分析，事件聚合，根因定位等20+原子能力。

 

其次，组合编排与DevOps能力，可以将AI原子能力快速串联，使得AIOps能力做到不断扩展。

 

华为通过组合编排功能，让使用者可选择业务场景所需的AIOps原子能力，通过可视化方式完成流程串接，并进行业务泛化参数配置，包括数据接入方式，模型参数，内置电信领域泛化参数，事件通知方式、可视化Dashboard 等配置。同时，这些能力还支持可视化编排或接口调用方式实现。

 

第三，AI训练和推理，依靠大量有效的数据，而电信网络的数据来源则非常的复杂，甚至包括异构数据，所以满足通用数据源的要求，也是一个重要的考量因素。

 

华为的解决方案，做到了支持电信领域通用数据源，如KPI 、告警、日志、xDR 等电信领域主流运维数据。同时，支持Kafka，数据库，文件系统，Restful 等电信运维系统的主流数据对接方式。AIOps 使能服务提供通用的数据源对接和标准化数据治理组件，通过配置项快速建立与运维系统的数据源连接，通过SDK将不同的数据类型和格式治理成标准化的AIOps 原子能力输入集，用于模型训练和推理。

 

第四，在场景组合服务方面，要实现快速的接入运维流程，就要将典型的场景进行预集成。

 

华为AIOps使能服务作为自动驾驶网络的组成部分，目前已经和AUTIN/NCE/MAE等网络管控析单元、智能运维解决方案等系统的预集成。围绕运维全流程提供预制的典型场景组合应用，通过AI 特性或者服务方式快速接入运维流程。

 

不难发现，AIOps使能服务，融合了AI的技术优势与华为在电信领域的专业优势，为运维系统的智能化演进提供AIOps平台能力支持，以四大能力集，解决了电信网络在AIOps智能运维上的所有难题。

 

沉入场景化，击破行业痛点

华为之所以总能能成为电信用户的首选，是因为华为总是能够站在用户的视角去看待需求，华为甚至可以引导用户，主动去发现问题，并提前帮用户解决问题。

例如在某地市运营商的运维实践当中，华为帮助其提前5小时发现故障，保障了地市用户业务体验不间断，降低了业务损失。华为还帮助某能源企业实现分钟级故障根因定位和分析，提升网络运维效率4-5倍。

 

这些看得见的成绩，一方面是华为沉入行业，对用户需求的深刻理解，另一方面则是华为AIOps使能服务，在电信网络的几大关键场景中，已经具备了完善的能力。

 

如在通信网络中，通过KPI来预测和检测网络问题是最普遍的场景。NAIE融合了电信领域的运维业务特点，提供单指标/多指标检测，异常原因关联分析，模型的自学习调优等关键能力。目前已经用在核心网，无线，数通等不同业务领域。

 

告警根因定位则是另一个典型的场景，在异常发生后，准确的将多维度的异常，告警等事件进行汇聚和准确定位，过去主要依赖专家经验或者手工分析。而NAIE AIOps通过AI算法，支持多类异常/告警等事件的智能故障定位，自动实现时间，拓扑和故障传播图等维度的事件汇聚和根因定位，大幅提高了运维效率。

 

除此之外，华为的日志异常检测服务，可实现日志的自动分类和统计规律发掘，实时监控出系统的异常行为和相关日志，可广泛应用在IT及电信网络场景；硬盘异常预测服务，可智能预测短期内（14天）的硬盘故障，以采取规避预防措施，以免对业务产生影响。

 

总结而言，AIOps就像是电信网络中流淌的“智慧”，既可以加快网络异常问题检测的速度，也可以准确定位故障的位置，并对网络设备亚健康问题进行提前预警，实现了电信网络智能化运维效率的大幅提升。