隨著數(shù)字化轉型企業(yè)對云計算基礎架構依賴程度的提高，融合了大數(shù)據(jù)和人工智能最新發(fā)展的智能運維(AIOps)逐漸成為提高基礎架構服務質(zhì)量的關鍵[1]。Gartner 在 AIOps 的研究報告[2]中指出，AIOps 平臺應由觀察(Observe)、處理(Engage)和行動(Act)三個部分結合大數(shù)據(jù)和機器學習組成一個閉環(huán)結構，而觀察是觸發(fā)整個閉環(huán)反饋的基礎和關鍵，沒有高質(zhì)量的全棧觀察，就缺乏人工智能所需的大數(shù)據(jù)源，因而也無法形成智能化的處理和相應的主動運維行為。但在性能飛速提升的數(shù)據(jù)中心，數(shù)據(jù)平面觀察是一直以來的難點。為網(wǎng)絡設備制定硬件可編程語言標準的開源組織 P4(p4.org)對帶內(nèi)網(wǎng)絡的遙測(In-band Network Telemetry，INT)定義了三種類型的技術思路 —— eMbed Data(MD)，eMbed instruct(X)ions(MX)和 INT eXport Data(XD)—— 基本涵蓋了主流的 INT 技術實現(xiàn)方式[3]。
從當前業(yè)內(nèi)云數(shù)據(jù)中心交換設備對這幾種思路的商業(yè)化實現(xiàn)上看，INT MD 功能全面但對資源和處理性能要求高，商用化多實現(xiàn)在 9.6T-25.6Tbps 級別的單芯片系統(tǒng)上;INT MX 相對輕量化，但功能有限，對系統(tǒng)功能整合度要求高，多實現(xiàn)在廠商特定功能集內(nèi);IN TXD 做到了功能和開銷的相對平衡，成本和實用性更有優(yōu)勢，但對芯片設計的門檻要求更高。采用不同權衡策略的商業(yè)化產(chǎn)品功能差異較大，需要不同企業(yè)在 AIOps 設計時根據(jù)需求詳細考查。從未來發(fā)展上看，通用企業(yè)數(shù)據(jù)中心會偏重將帶內(nèi)遙測通過 XD 方式實現(xiàn)，同時用 MX 做進一步功能補充;而運營商和互聯(lián)網(wǎng)企業(yè)在升級到 100/200G 接入或普遍引入智能網(wǎng)卡之后，會重點考慮 MD 功能。當然工程上的實現(xiàn)并不絕對，不同解決方案會走向某種模式為主、其他模式補充的混合形態(tài)，以追求性能、功能與代價的最優(yōu)平衡[4]。
參考文獻
[1]魏航,劉軍.構建數(shù)字化轉型企業(yè)以用戶體驗為中心的 IT 架構[J].數(shù)碼世界,2020(05).
[2]Pankaj Prasad,Padraig Byrne.Market Guide for AIOps Platforms[R].Gartner,2021
[3]P4.In-band Network Telemetry (INT) Dataplane Specification[EB/OL].https://p4.org, 2020-02-14
[4]魏航.數(shù)據(jù)中心網(wǎng)絡智能運維的帶內(nèi)遙測技術[J].數(shù)字通信世界,2021(09).
（轉載）
