未來網(wǎng)絡白皮書-數(shù)據(jù)中心自動駕駛網(wǎng)絡技術-白皮書

未來網(wǎng)絡白皮書(2021版)第五屆未來網(wǎng)絡發(fā)展大會組委會2021年6月版權聲明本白皮書版權屬于網(wǎng)絡通信與安全紫金山實驗室、華為技術有限公司和北京郵電大學所有并受法律保護，任何個人或是組織在轉載、摘編或以其他方式引用本白皮書中的文字、數(shù)據(jù)、圖片或者觀點時，應注明來源。否則將違反中國有關知識產(chǎn)權的相關法律和法規(guī)，對此網(wǎng)絡通信與安全紫金山實驗室、華為技術有限公司和北京郵電大學有權追究侵權者的相關法律責任。編寫說明學華興I云計算技術興起將企業(yè)數(shù)據(jù)中心推向又一個高速發(fā)展階段。云化數(shù)據(jù)中心為企業(yè)提供按需自助、泛在接入、資源池化、快速彈性以及可度量的標準服務能力。數(shù)據(jù)中心不再只是一種資源支撐系統(tǒng)，而成為一種新的生產(chǎn)力，改變企業(yè)研發(fā)、生產(chǎn)和運營模式，并驅(qū)動企業(yè)業(yè)務模式創(chuàng)新，帶動產(chǎn)業(yè)轉型。隨著軟件定義網(wǎng)絡(Software-definedNetworking,SDN)技術興起，企業(yè)數(shù)據(jù)中心云化改造快速落地，數(shù)據(jù)中心網(wǎng)絡滿足了計算、存儲動態(tài)發(fā)放、彈性擴縮訴求。然而，在企業(yè)信息化進程快速推進的同時，企業(yè)數(shù)據(jù)中心OPEX隨著網(wǎng)絡規(guī)模擴大而逐年增加，網(wǎng)絡運營在規(guī)劃、建設、維護和優(yōu)化各階段仍嚴重依賴于人員經(jīng)驗和技能，結構化矛盾日益凸顯。而想要消除數(shù)據(jù)中心網(wǎng)絡全生命周期運維的人工斷裂點，原有網(wǎng)絡技術已經(jīng)無能為力。數(shù)據(jù)中心自動駕駛網(wǎng)絡這一新系統(tǒng)體系旨在通過自動化與智能化手段逐步減少和消除人工操作，逐步向自服務、自維護、自優(yōu)化的無人值守數(shù)據(jù)中心網(wǎng)絡演進。本白皮書介紹數(shù)據(jù)中心自動駕駛網(wǎng)絡的內(nèi)涵、分級標準、網(wǎng)絡架構、尤其是關鍵技術，包括數(shù)字孿生網(wǎng)絡、網(wǎng)絡引入的AI技術、網(wǎng)絡仿真與推演、意圖管理和回滾、智能搜索技術，并通過測試用例介紹數(shù)據(jù)中心自動駕駛網(wǎng)絡的關鍵能力。本白皮書旨在吸引更多研究、工程和產(chǎn)業(yè)人員參與自動駕駛網(wǎng)絡的理論研究、技術攻關和應用落地；通過自動駕駛網(wǎng)絡架構實現(xiàn)未來網(wǎng)絡變革，推動各行業(yè)朝著信息化、數(shù)字化、網(wǎng)絡化和智能化的方向 I 5 5 8 2.2數(shù)據(jù)中心自動駕駛網(wǎng)絡分級 2.3數(shù)據(jù)中心自動駕駛網(wǎng)絡架構 3.2AI推薦技術 3.3仿真平臺技術 3.6智能搜索技術 4.1測試拓撲 4.4測試用例列表 附錄A:術語與縮略語 參考文獻 5一、數(shù)據(jù)中心網(wǎng)絡發(fā)展與挑戰(zhàn)1.1數(shù)據(jù)中心網(wǎng)絡發(fā)展面臨新挑戰(zhàn)自上世紀90年代至今，企業(yè)數(shù)據(jù)中心無論是在技術上還是部署時，隨著軟件定義網(wǎng)絡(Software-definedNetworking,SDN)技術存儲動態(tài)發(fā)放、彈性擴縮訴求。截至2018年底，大部分企業(yè)數(shù)據(jù)中與TOP30金融客戶的深入探討，我們發(fā)現(xiàn)數(shù)據(jù)中心平均每千臺設備的運營維護需要約30名工程師。另一方面，數(shù)據(jù)中心網(wǎng)絡也存在業(yè)6我們與企業(yè)客戶在數(shù)據(jù)中心網(wǎng)絡領域深入合作，對數(shù)據(jù)中心網(wǎng)絡全生命周期進行研究和分析，識別出如下重大問題：●規(guī)劃階段：企業(yè)數(shù)據(jù)中心在未來3年仍處于高速建設期，服務器規(guī)模將翻倍增加。網(wǎng)絡設計人員需要完成業(yè)務需求轉化為網(wǎng)絡設計、評估應用安全要求、規(guī)劃網(wǎng)絡資源使用等繁瑣工作，這消耗了企業(yè)中約一半的網(wǎng)絡人力，急需通過系統(tǒng)化、自動化手段改變疲于奔命的狀態(tài)。由原來的周級降至天級，壓力日趨增大。另一方面，企業(yè)關鍵核心業(yè)務對可靠性要求極高。據(jù)Gartner統(tǒng)計，近40%網(wǎng)絡事故由人為失誤導致，如何保障配置發(fā)放的正確性至關重要。以某銀行網(wǎng)絡為例，2019年累計變更14500余次，而變更工作量巨大，已超出人工處理極限，應接不暇的變更評審使變更成功率不斷下降，造成5起網(wǎng)絡中斷事故。同時網(wǎng)絡對于客戶的實際業(yè)務感官較少，仍然停留在網(wǎng)絡的具體某些IP、配置的策略、路由協(xié)議上，業(yè)務出現(xiàn)問題后，再經(jīng)過人工轉換為具體的網(wǎng)絡元素，故障解決處理周期無形中拉長，甚至由于轉換信息不明確，導致故障未定位，給客戶造成更大影響。當前企業(yè)數(shù)據(jù)中心大多采用4個9(99.99%)高可用標準，即數(shù)據(jù)中心全年中斷時間應小于26分鐘；部分核心業(yè)務應達到5個9(99.999%)標準，即全年中斷時間應小于57分鐘。為此，金融行業(yè)、運營商及一些大企業(yè)均提出5分鐘故還是監(jiān)測周期(10min)都無法滿足云化數(shù)據(jù)中心的運維要求。易存在局部熱點，如不及時調(diào)度將可能導致業(yè)務上線失敗問絡微突發(fā)情況加劇和亞健康狀態(tài)頻發(fā)，嚴重影響業(yè)務運行效點，旦消除這些人工斷裂點，數(shù)據(jù)中心網(wǎng)絡將實現(xiàn)全生命周期高度以網(wǎng)絡語言作為主要編排方式以業(yè)務意圖驅(qū)動，網(wǎng)絡智能推薦業(yè)務正確性人工校驗，層層評審8業(yè)務秒級就緒人工恢復時間長故障主動發(fā)現(xiàn)，智能定位，自動閉環(huán)人工經(jīng)驗巡檢，網(wǎng)絡優(yōu)化滯后基于業(yè)務體驗，AI持續(xù)預測健康度體系，持續(xù)優(yōu)化1.2技術創(chuàng)新驅(qū)動結構性問題解決事實上，想要消除數(shù)據(jù)中心網(wǎng)絡全生命周期運維的人工斷裂點，原有網(wǎng)絡技術已經(jīng)無能為力，而隨著意圖抽象、數(shù)字孿生、人工智能等重大創(chuàng)新技術的迅猛發(fā)展，數(shù)據(jù)中心網(wǎng)絡高度自治才成為可能。意圖網(wǎng)絡、數(shù)字孿生等技術與AI結合，可逐步消除數(shù)據(jù)中心網(wǎng)絡運維的人工斷裂點，不僅可以代替人工處理大量重復性、復雜性的操作，還可基于海量數(shù)據(jù)提升網(wǎng)絡預測和預防能力，通過數(shù)據(jù)更懂客戶，基于數(shù)據(jù)驅(qū)動差異化的產(chǎn)品服務，使能高度自動化和智能化的數(shù)據(jù)中心網(wǎng)絡運維。(1)意圖網(wǎng)絡業(yè)務對網(wǎng)絡的意圖(簡稱意圖)指以應用為中心，用業(yè)務語言描述對特定網(wǎng)絡服務及操作的期望。它是意圖網(wǎng)絡最重要的外部輸入。意圖網(wǎng)絡是ADN自動駕駛的抽象層面的直觀體現(xiàn)，將過去客戶繁瑣的網(wǎng)絡語言抽象為便于客戶直觀理解，可度量的業(yè)務應用語言，作為輸入，由系統(tǒng)去達成客戶意愿。9意圖網(wǎng)絡需將業(yè)務意圖轉換為網(wǎng)絡可理解、可配置、可度量、可優(yōu)化的對象及屬性。通過對現(xiàn)有網(wǎng)絡資源規(guī)格、網(wǎng)絡SLA及安全能力等方面的綜合評估，實現(xiàn)可靠性最優(yōu)、資源最優(yōu)、安全最優(yōu)的網(wǎng)絡設計方案推薦，并提供持續(xù)業(yè)務網(wǎng)絡保障優(yōu)化能力。例如：某賬單查詢系統(tǒng)需要上線。它包含3個微服務，業(yè)務對網(wǎng)絡的意圖描述如下：安全分區(qū)賬單查詢服務WEB區(qū)數(shù)據(jù)庫支付服務應用服務APP區(qū)數(shù)據(jù)庫/數(shù)據(jù)庫服務關系數(shù)據(jù)庫2DB區(qū)支付/賬單查詢/該意圖語言描述了客戶的一個訴求：客戶需要上線賬單查詢系統(tǒng)，包含3個微服務，一個存儲，一個用于支付，一個用戶查詢，對應客戶的規(guī)劃網(wǎng)段對三個服務都有明確要求。基于安全級別需要規(guī)劃三個安全分區(qū)去部署這三個服務，并要求了可靠性，同時定義了三個服務之間的互聯(lián)通信關系。從而可以描述出客戶的業(yè)務意圖：{Name:“賬單查詢服務”/“Web區(qū)”/20/“/24”,“支付服務”/“APP”/20/“/24”,“數(shù)據(jù)庫服“/24”|Communication:“賬單查詢->數(shù)據(jù)庫”,“支付->數(shù)據(jù)庫”,“數(shù)據(jù)庫->支付，賬單查詢”|externalDomain:“web”/“賬單查詢服務”}?？蛻裘枋龊靡鈭D語言后，系統(tǒng)需要的做的事就是將業(yè)務對網(wǎng)絡的意圖轉換為網(wǎng)絡語言：業(yè)務需要部署三個服務，分別位于不同的安全分區(qū)。系統(tǒng)推薦資源消耗最低，保持業(yè)務安全隔離性的組網(wǎng)方案，因此推薦每個安全分區(qū)一個LogicRouter部署一個服務，需要部署三個LogicRouter,名分別為三個LogicRouter分配一個24位網(wǎng)段子網(wǎng)，需要賬單查詢系統(tǒng)總體有一個外部出口，位置在web區(qū)，由賬單查詢服務接入，因此需要為賬單查詢查詢的logicRouter綁定一個web區(qū)的外部網(wǎng)關。三個服務有訪問訴求，轉換為對應三層互訪網(wǎng)絡訴求，配置互通，系統(tǒng)根據(jù)網(wǎng)絡情況及安全要求決定互訪控制點，如防火墻還是轉發(fā)設備，是否過多次墻等推薦。根據(jù)網(wǎng)絡資源與計算業(yè)務分布，推薦實例上線位置。網(wǎng)絡訴求完成后，系統(tǒng)基于專家樣本庫推薦最合適的網(wǎng)絡方案推薦給客戶，客戶部署后可設置業(yè)務重點保障監(jiān)控。依托意圖網(wǎng)絡可實現(xiàn)網(wǎng)絡設計簡化，降低管理復雜度；屏蔽異構網(wǎng)絡設備及多云業(yè)務差異。使得管理員無需在網(wǎng)絡技術細節(jié)上耗費時間，大大縮短業(yè)務上線周期。(2)數(shù)字孿生Gartner將數(shù)字孿生(DigitalTwin)定義為物理對象的數(shù)字化表事件，異常，業(yè)務狀態(tài)，協(xié)議狀態(tài)等),靜態(tài)信息(設備類型、容量、拓撲、配置等)、動態(tài)信息(流量、表項、性能)、關聯(lián)關系(對象模型、屬性關聯(lián)等)等。它為網(wǎng)絡實現(xiàn)設計推薦、故障處理、資源性能數(shù)字孿生的目的是構建一張與實際現(xiàn)網(wǎng)網(wǎng)絡一比一的數(shù)字化網(wǎng)字化網(wǎng)絡的認知，直接反應到實際網(wǎng)絡的認知，比如網(wǎng)絡故障(故障點，故障級別，故障原因)都將在數(shù)字化網(wǎng)絡中直觀呈現(xiàn)，客戶可以同時，數(shù)字孿生提供的其他豐富功能，孿生實例，數(shù)據(jù)治理，timeline歷史切片等都幫助了客戶更好開展自己的業(yè)務和基于數(shù)字(3)人工智能意圖網(wǎng)絡完成外部對網(wǎng)絡的訴求輸入，網(wǎng)絡數(shù)字孿生完成對網(wǎng)絡可視化直觀感知，而人工智能(ArtificialIntelligence,AI)技術的引入，進一步實現(xiàn)人工斷點的消除。目前，廣泛使用的人工智能算法有如下幾類：●強化學習強化學習(ReinforcementLearning,RL)是不斷地重復、不斷強化認知的學習過程。在數(shù)據(jù)中心，大量業(yè)務上線和變更導致網(wǎng)絡頻繁變更。如果通過人工方式變更網(wǎng)絡，很難以最優(yōu)方案部署或得到最佳體驗。而通過引入強化學習，根據(jù)不同組網(wǎng)方式、不同業(yè)務場景和流量大小等多種因素，對變更的參數(shù)進行動態(tài)選擇，則可以實現(xiàn)網(wǎng)絡的最佳部署?！裥问交炞C形式化驗證(Formalverification)最早應用于軟件驗證領域，通過窮舉程序的所有輸入和所有執(zhí)行路徑來診斷代碼的質(zhì)量和功能。將形式化方法引入到網(wǎng)絡配置中，可構建事前仿真、事后驗證的能力。在網(wǎng)絡變更前，進行配置面驗證，保證變更100%無錯誤。在配置下發(fā)后，定時采集設備的表項進行數(shù)據(jù)面驗證，對網(wǎng)絡運行狀態(tài)提供持續(xù)性可靠保障。●知識圖譜知識圖譜(KnowledgeGraph)技術主要包括知識表示與建模、知識獲取、知識融合與知識應用四部分。它以結構化形式描述數(shù)據(jù)實體及其之間的關系，并提供了一種更好地組織、管理和理解海量信息系，可實現(xiàn)故障場景下多KPI指標異常傳播關系的模糊推理，快速識二、數(shù)據(jù)中心自動駕駛網(wǎng)絡介紹Network,ADN)體系，希望幫助Agreement,服務水平協(xié)議)等需求；結合資源預測、安全策略推薦、風險主動規(guī)避、故障自動閉環(huán)的自維護系統(tǒng)以提升業(yè)務連續(xù)性與體系統(tǒng)通過智能監(jiān)控、健康度分析預測、仿真驗證，業(yè)務意圖比對等手段，實現(xiàn)網(wǎng)絡參數(shù)的持續(xù)優(yōu)化。最大限度提升業(yè)務運行效率，提升算力，并優(yōu)化網(wǎng)絡資源開銷。數(shù)據(jù)中心網(wǎng)絡作為自動駕駛網(wǎng)絡的積極踐行者，相比園區(qū)、城域等網(wǎng)絡領域具有架構單一，網(wǎng)絡邊界清晰，模型抽象完備，自動化、智能化程度高等優(yōu)勢。只要聚焦關鍵業(yè)務場景人工斷裂點，充分運用大數(shù)據(jù)與AI技術進行持續(xù)聯(lián)合創(chuàng)新，數(shù)據(jù)中心網(wǎng)絡有望率先實現(xiàn)限定條件下的網(wǎng)絡自治，并向高度、完全自動駕駛網(wǎng)絡演進。2.2數(shù)據(jù)中心自動駕駛網(wǎng)絡分級要實現(xiàn)網(wǎng)絡完全的自動駕駛，必然是一個長期的過程，不可能一從人工和系統(tǒng)的協(xié)作關系，將自動駕駛網(wǎng)絡定義為五個等級[3]:L0手工操作：所有操作全部通過人工執(zhí)行，包括配置下發(fā)，狀態(tài)查詢均通過命令行完成，這是網(wǎng)絡的最初始階段。L1工具輔助：針對已知重復性任務，通過工具或腳本批量操作 (如批處理工具),輔助用戶提高效率，通常是針對一個或多個網(wǎng)元L2部分自治網(wǎng)絡：核心理念是從網(wǎng)元視角轉變?yōu)榫W(wǎng)絡視角，例L4高度自治網(wǎng)絡：相比L3階段，網(wǎng)絡智能化程度更高。系統(tǒng)可L5全自治網(wǎng)絡：這是數(shù)據(jù)中心網(wǎng)絡發(fā)展的終極目標，系統(tǒng)具備在任數(shù)字化網(wǎng)絡數(shù)字化網(wǎng)絡人在流程外決策以數(shù)據(jù)為中心知傳統(tǒng)網(wǎng)絡以流程為中心人在流程里L2部分白治3有條件白治4高度自治10手工操作2.3數(shù)據(jù)中心自動駕駛網(wǎng)絡架構數(shù)據(jù)中心自動駕駛網(wǎng)絡方案架構主要分為網(wǎng)絡基礎設施、管控系云云端訓練系統(tǒng)數(shù)據(jù)湖服務Al訓練服務自動駕駛網(wǎng)絡管控析系統(tǒng)意圖引擎自動化引擎網(wǎng)絡基礎設施CPUAI芯片LeafSwitchSwitchSwitchSwitch分析引擎智能引擎云端智能●網(wǎng)絡基礎設施：依托數(shù)據(jù)中心交換機實現(xiàn)數(shù)據(jù)中心物理網(wǎng)絡采高速配置能力。同時網(wǎng)絡設備內(nèi)嵌AI芯片，具備智能邊緣推理能力，可實現(xiàn)網(wǎng)絡KPI及流量異常行為分析、網(wǎng)絡KPI自優(yōu)化能力?！窆芸叵到y(tǒng)：依托自動駕駛網(wǎng)絡管控析系統(tǒng)，以意圖引擎、自動化引擎、分析引擎、智能引擎及網(wǎng)絡數(shù)字孿生底座為核心，面向數(shù)據(jù)中心網(wǎng)絡“規(guī)-建-維-優(yōu)”全生命周期的自動化管理以及智能運維業(yè)務全場景，提供意圖管理、仿真校驗、業(yè)務發(fā)放、健康度評估等獨立、微服務化組件?！裨贫擞柧毾到y(tǒng)：集成海量AI算法庫，支持高性能AI訓練能力?；谠贫薃I模型訓練引擎、管控系統(tǒng)智能訓練&推理引擎、設備智能邊緣推理引擎，可實現(xiàn)三層智能引擎間的模型與推理參數(shù)主動優(yōu)化，持續(xù)向高級網(wǎng)絡自動駕駛能力演進。其中，數(shù)據(jù)中心自動駕駛網(wǎng)絡管理控制析系統(tǒng)，是集管理、控制和分析一體化的自動化與智能化平臺，是數(shù)據(jù)中心自動駕駛網(wǎng)絡的大腦，意圖引擎、自動化引擎、分析引擎、智能引擎及數(shù)字智能平臺實現(xiàn)數(shù)據(jù)中心網(wǎng)絡全生命周期高度自動化和智能運維。意圖引擎意圖引擎應急處置設備替換智能引擎異常檢測根因分析網(wǎng)絡預測網(wǎng)絡調(diào)優(yōu)健康度數(shù)字智能平臺ServerLeafSerivceLeafBorderLeaf仿真系統(tǒng)在線仿真What-if離線仿真事后驗收分析引擎網(wǎng)絡拓撲業(yè)務拓撲動態(tài)數(shù)字地圖自動化引擎自動發(fā)現(xiàn)開發(fā)編程海量并發(fā)快速回滾故障演練版本規(guī)劃產(chǎn)品分析用戶體驗方案規(guī)劃開通鏈路建設《》《》維護優(yōu)化規(guī)劃(1)意圖引擎：意圖引擎是自動駕駛網(wǎng)絡的中樞，是從L2自動化走向L3意圖驅(qū)轉換為網(wǎng)絡設計。提供IP地址推薦、網(wǎng)絡資源位置推薦、安全方案最佳路徑、安全最優(yōu)原則，通過智能推薦算法，實現(xiàn)最優(yōu)網(wǎng)(2)自動化引擎：滿足數(shù)據(jù)中心業(yè)務極速發(fā)放的要求。同時，還提供業(yè)務、租通過網(wǎng)絡建模和形式化驗證算法，基于現(xiàn)網(wǎng)仿真剩余網(wǎng)絡資源是否足夠、呈現(xiàn)詳細的連通性互訪關系、數(shù)字化模擬用戶重大意圖的執(zhí)行、驗證意圖的預期效果、分析和評估變更對(3)分析引擎：排查和配置表項比對等手段，實現(xiàn)網(wǎng)絡故障根因快速定位?？梢愿鶕?jù)網(wǎng)絡流量等數(shù)據(jù)，提前識別和分析出故障風險，進(4)智能引擎：智能引擎是整體方案架構中的AI平臺化組件，提供應用識別、質(zhì)差分析等多個AI通用算法學件能力。基于聯(lián)邦學習技術，智能引擎可實現(xiàn)與其他端AI平臺聯(lián)動，持續(xù)優(yōu)化算法庫。同時，智能引擎與設備EAI(EmbeddedArtificialIntelligence,嵌入式AI)組件(5)數(shù)字智能平臺：●D-Agent:持續(xù)、自動的發(fā)現(xiàn)全網(wǎng)運行藍圖，包括私有云、公有云、混合云以及容器和云原生環(huán)境，滿足高度動態(tài)的環(huán)境●D-Scape:自動、實時的發(fā)現(xiàn)全棧拓撲，捕獲并統(tǒng)一所有可視化數(shù)據(jù)之間的依賴關系，以便智能地組合度量、日志、跟蹤位的智能網(wǎng)絡運維，包括智能基線自動學習“網(wǎng)絡正?！睜顟B(tài)，并隨著環(huán)境的變化動態(tài)調(diào)整，針對業(yè)務故障提供更精準●D-Simulation:還原生成網(wǎng)絡，建設1:1的仿真環(huán)境，提供CDC訂閱等，并且支持OpenTracing、OpenTelemetry等協(xié)議?！馜-Plugin:支持插件化的三方對接，完成數(shù)據(jù)及功能協(xié)同，包 ●D-Data:大數(shù)據(jù)平臺，統(tǒng)一集中存儲網(wǎng)絡全棧數(shù)據(jù)，包括關系自動架構平臺可以搞定一切，網(wǎng)絡運維的Everything盡在其中。不三、數(shù)據(jù)中心自動駕駛網(wǎng)絡關鍵技術剖析3.1數(shù)字孿生網(wǎng)絡技術3.1.1概述數(shù)字孿生常用于工業(yè)4.0,通過將物理對象數(shù)字化呈現(xiàn)，實現(xiàn)對產(chǎn)效率。呈現(xiàn)一些物理網(wǎng)絡信息，內(nèi)容離散，頁面分散，每頁呈現(xiàn)信顯示，方便用戶在一張圖上查看所需要的信息，動態(tài)疊加信息，形成客戶腦海中的網(wǎng)絡畫像圖樣?？蛻艨磳嵗臄?shù)據(jù)最新，減少用戶在其他實例上設計到具體自動化下發(fā)由于生產(chǎn)變更導致的錯誤發(fā)生。數(shù)字孿生網(wǎng)絡交互能力如下圖所示。數(shù)據(jù)孿生作為數(shù)據(jù)底座組件，接收數(shù)據(jù)采集模塊和上層各引擎及APP的數(shù)據(jù)注入。采集完成網(wǎng)絡生產(chǎn)數(shù)據(jù)物理層面的數(shù)據(jù)注入，當前主要包括物理網(wǎng)絡信息，比如網(wǎng)元，鏈路，網(wǎng)元配置等信息；上層引擎和業(yè)務數(shù)據(jù)注入主要注入網(wǎng)絡業(yè)務側數(shù)據(jù)，全部匯入數(shù)字孿生數(shù)據(jù)底座。數(shù)字孿生對內(nèi)提供幾個功能模塊，模型管理，數(shù)據(jù)存儲，多實例機制，數(shù)據(jù)治理，圖層機制，整體對外實現(xiàn)了存儲和開放，豐富的可視化展示，基于模型的多實例機制能力。意圖引擎自動化引擎智能引擎數(shù)據(jù)獲取數(shù)據(jù)獲取數(shù)據(jù)獲取數(shù)字李生+數(shù)據(jù)采集圖3-1數(shù)字孿生網(wǎng)絡交互能力(1)多實例下及數(shù)據(jù)存儲關鍵技術：數(shù)字孿生多實例技術在數(shù)字孿生中起著比較重要的作用，數(shù)字孿生可產(chǎn)生多實例數(shù)據(jù)環(huán)境，同時基于沙盒的實現(xiàn)機制，能快速構建和銷毀，不同用戶在某個實例數(shù)據(jù)上的操作都是一樣的體驗，所做的操作不會影響其他實例的數(shù)據(jù)。性能上通過沙盒和存儲機制提升性能，提升客戶操作體驗。如下圖所示。管理時間客戶圖3-2數(shù)字孿生多實例關鍵的兩個技術點：●多實例機制：構建生產(chǎn)和鏡像實例，數(shù)字孿生負責這兩個實例之間的數(shù)據(jù)同步，沖突處理和一致性處理，保證兩個實例之間數(shù)據(jù)一致，提供數(shù)據(jù)沖突的解決機制?！裉搶嵉刂返拇鎯Ψ绞阶钚』Y源和提升性能：基于數(shù)據(jù)真實實際物理地址存儲和虛擬地址存儲的方式，實現(xiàn)多實例的數(shù)據(jù)的最小開銷存儲，互不干擾。每個沙箱內(nèi)生產(chǎn)的數(shù)據(jù)基于實際地址保存；非沙箱產(chǎn)生的數(shù)據(jù)采用虛擬地址保存，其實際數(shù)據(jù)地址在鏡像實例。基于該實現(xiàn)機制，能提高沙箱的資源消耗，同時提供較高的性能體驗。(2)前臺技術體系網(wǎng)絡數(shù)字化依賴前后臺技術的搭配，前臺帶給客戶的是數(shù)字化的直觀體驗。前臺采用多個技術，使用到了lightTopo2D,lightTopo3DLightTopo3D關鍵能力如下：覽器即可在PC和手機等多端瀏覽，協(xié)助用戶更好地洞悉網(wǎng)絡●性能優(yōu)異效果絢麗：基于Three自主研發(fā)3D引擎，高效輕量，深度優(yōu)化，可承載超大數(shù)據(jù)量、超大場景展示，支持各種貼圖紋理、燈光效果，動畫場景特效，帶來革命性的視覺體驗?！駝討B(tài)交互實時響應：3D場景360度全方位展示，支持室內(nèi)運維場景，豐富的動效和交互操作能力。支持動態(tài)、實時的數(shù)據(jù)刷新和動態(tài)呈現(xiàn)，避免用戶淹沒在海量信息之中?！皲秩酒鳎憾嗦穭赢嫛⒘鞴馓匦У?。通過抽象鏡頭追蹤算法，構建物體的虛焦和實焦能力、陰影分辯率、透明高光等效果。通過前臺構建的網(wǎng)絡數(shù)字化世界可以給客戶呈現(xiàn)最直觀的體驗。3.2AI推薦技術3.2.1概述人工智能應用在當今世界各個領域，特別圖像識別、機器人等領域得到了很好的廣泛應用。在網(wǎng)絡中的AI應用相對較少，一方面是網(wǎng)絡組網(wǎng)復雜，故障復雜，每個客戶的網(wǎng)絡都不一樣，基本都靠客戶自己設計和維護；一方面對于網(wǎng)絡的模型建模，實體間關系等建模研究時間不長，網(wǎng)絡的專業(yè)人員對于模型這塊不擅長，熟悉AI的專業(yè)人員對網(wǎng)絡又不擅長，是一個逐步發(fā)展的過程。但隨著對網(wǎng)絡的理解輸入和知識圖譜等技術的應用，網(wǎng)絡的AI會很快發(fā)展起來，系統(tǒng)可自己找到網(wǎng)絡中的故障或者推薦符合客戶網(wǎng)絡業(yè)務發(fā)展要求的業(yè)務規(guī)劃和部署，系統(tǒng)也可以通過自學習的方式逐步學習訓練新的網(wǎng)絡和故障，最終逐步達到整體網(wǎng)絡的自治，自愈，釋放大量人力。當前網(wǎng)絡自動駕駛人工智能的兩個重要場景如下：●網(wǎng)絡專家推薦：通過機器學習大量的標準網(wǎng)絡或者客戶網(wǎng)絡，系統(tǒng)訓練并推薦出適合客戶業(yè)務訴求的業(yè)務網(wǎng)絡部署?！窬W(wǎng)絡故障自診斷：通過知識圖譜構建網(wǎng)絡的故障模型，通過AI算法，系統(tǒng)自發(fā)現(xiàn)故障問題，匹配最合適的故障解決方案。3.2.2關鍵能力數(shù)據(jù)中心自動駕駛網(wǎng)絡管控析系統(tǒng)采用機器學習專家模式，通過幾個步驟完成網(wǎng)絡的智能化。設備角色，冗余特征，端口特征，流量特征，業(yè)務特征等。基于每一張網(wǎng)絡，通過抽取的特征構建生成知識圖譜，闡明實體及實體的表示關系。客戶輸入業(yè)務訴求，系統(tǒng)轉換為實際的網(wǎng)絡訴求，知識圖譜聚類匹配發(fā)現(xiàn)與網(wǎng)絡訴求相似度最高的網(wǎng)絡方案和次高的方案，分別作為最優(yōu)方案，次優(yōu)方案推薦給客戶。AI推薦的方案，系統(tǒng)提供了修改的能力，即客戶可以基于推薦的方案做一些細微的修改，修改后的網(wǎng)絡會基于特征、客戶習慣重新生成網(wǎng)絡知識圖譜，參與到下次的網(wǎng)絡推薦中。網(wǎng)絡推薦的原理圖如下，系統(tǒng)意圖管理組件負責意圖的輸入，理解及翻譯轉換成實際的網(wǎng)絡特征訴求，進而進入樣本和算法組件進行推存網(wǎng)絡設計網(wǎng)絡關鍵意圖理解意圖翻譯特征網(wǎng)絡設計意圖理解意圖翻譯意圖管理網(wǎng)絡設計意圖管理A推薦輸入網(wǎng)絡樣網(wǎng)絡樣練學習網(wǎng)絡數(shù)學習生成業(yè)學習生成業(yè)匹配推薦樣本和算法海量數(shù)據(jù)中心網(wǎng)絡3.3仿真平臺技術3.3.1概述仿真能力在自動駕駛網(wǎng)絡系統(tǒng)中的位置很關鍵。系統(tǒng)自治的關鍵點是系統(tǒng)的決策，比如方案推薦，系統(tǒng)的決策離不開驗證可行性的支撐，推薦方案經(jīng)過驗證系統(tǒng)驗證是否能滿足基本的客戶訴求，不能只推薦而不驗證，否則無法保證推薦的網(wǎng)絡是符合要求且正確可行的。同時，針對客戶日常運維頻繁的網(wǎng)絡變更在變更期發(fā)生錯誤而導致事故時有發(fā)生的問題，仿真也能避免該問題的發(fā)生：針對任何變更，客戶可以先利用仿真平臺能力進行仿真驗證，提前發(fā)現(xiàn)此次變更對現(xiàn)網(wǎng)原子粒度接口對外提供，比如驗證<源IP,目的IP,源端口，目的端應用應用數(shù)據(jù))控制流算法組件模型管理數(shù)居流網(wǎng)絡數(shù)據(jù)采集南向?qū)釉鰪娬故緦嵗芾砟Ｐ凸芾韺嵗芾硎虑胺抡媸潞篁炞C圖3-7_仿真子系統(tǒng)架構架構上，管理適配組件完成仿真系統(tǒng)的控制流和數(shù)據(jù)流的外部交互，對內(nèi)完成與算法組件的交互，包括建模及控制流驅(qū)動。算法組件為可替換的架構，跟隨業(yè)界最先進的算法演進。數(shù)據(jù)接收層接收采集層上送的采集數(shù)據(jù)，作為仿真基線的數(shù)據(jù)建模的數(shù)據(jù)來源，根據(jù)網(wǎng)絡變更持續(xù)刷新數(shù)據(jù)。仿真數(shù)據(jù)結果可以注入增強展示，在網(wǎng)絡數(shù)字化中呈現(xiàn)，直觀可視。3.4網(wǎng)絡變更推演技術網(wǎng)絡變更推演的核心是“what-If”思想。其基于一定的假設來考慮如果發(fā)生了會產(chǎn)生什么情況。網(wǎng)絡中，在日常的變更，業(yè)務發(fā)放中可以復用這個想法去執(zhí)行預判斷，預先判斷業(yè)務如果下發(fā)了，變更如果執(zhí)行了會有什么結果，對網(wǎng)絡的影響如何。因為這是一個模擬發(fā)生的事，而非真實發(fā)生，所有操作不會影響實際現(xiàn)網(wǎng)的業(yè)務數(shù)據(jù)，從安全面上來說是安全可靠的。3.4.2關鍵能力網(wǎng)絡變更推演，針對物理網(wǎng)絡的變更進行推演，預先返回變更的影響性分析，給客戶真實實施前的指導建議。網(wǎng)絡變更推演使用數(shù)字孿生，仿真平臺技術實現(xiàn)，架構實現(xiàn)如下圖所示。驗證請求邏輯處理流程如下：●變更推演接收網(wǎng)絡變更的邏輯操作處理，同步會通知數(shù)字孿生創(chuàng)建一個鏡像實例，并根據(jù)變更改變鏡像實例中的網(wǎng)絡，客戶直觀呈現(xiàn)感知那些變更?！褡兏蒲萃ㄖ炞C子系統(tǒng)增量建立新網(wǎng)絡模型，便于應對后續(xù)的驗證請求；驗證子系統(tǒng)增量對網(wǎng)絡建模。●變更推演基于變更，按客戶的主要驗證訴求調(diào)用驗證子系統(tǒng)的平臺化接口去執(zhí)行仿真驗證，并接收驗證結果。●變更推演接收結果后將結果疊加到數(shù)字孿生鏡像實例中，直觀呈現(xiàn)，客戶直接感知變更分析影響報告3.5意圖管理和回滾技術3.5.1概述客戶的抽象網(wǎng)絡意圖輸入，對于系統(tǒng)的一個必然要求就是能基于輸入意圖的管理和追溯。管理是為了直觀呈現(xiàn)對應的意圖操作的狀態(tài)和數(shù)據(jù)，比如部署情況，具體的業(yè)務詳細信息等，方便客戶運維；同操作時間，操作結果和具體操作內(nèi)容，操作報告等信息，方便客戶事后追溯歷史記錄?；貪L，在業(yè)務不需要執(zhí)行或者業(yè)務下發(fā)有問題時能快速回退，做到快速回收業(yè)務或者盡快恢復業(yè)務的目的。管理和回滾兩者的結合從體驗上能更好的支撐客戶操作系統(tǒng)，基于管理的數(shù)據(jù)呈現(xiàn)歷史追溯，并可基于操作記錄一鍵回滾，同時也能查看每次操作的具體業(yè)務數(shù)據(jù)，提供更方便的用戶管理體驗。術來支撐管理和回滾框架能力實現(xiàn)：業(yè)務的注冊機制和數(shù)據(jù)/操作的管理/回滾記錄操作回滾數(shù)據(jù)存儲第業(yè)務正向存儲管理記錄呈現(xiàn)回滾機制對應業(yè)務操作的對應執(zhí)行URL,把數(shù)據(jù)同步傳遞給各業(yè)3.6智能搜索技術3.6.1概述搜索的目的在于快速查詢符合客戶預期搜索對象的結果，控制器同的入口去查找，往往一個問題需要跳轉3、4個界面入口查基于上訴的痛點，控制器引入了搜索框架，提供類Google搜索●統(tǒng)一搜索入口●搜索聯(lián)想●搜索結果收藏●搜索結果智能推薦●搜索結果預覽●快速搜索開發(fā)框架3.6.2關鍵技術搜索引擎使用業(yè)界通用的ElasticSearch,集成到控制器中，作JumpI圖3-10搜索引擎架構數(shù)據(jù)中心自動駕駛網(wǎng)絡系統(tǒng)對外部的交互體驗集中在智能助手搜索引擎提供SDK(SoftwareDevelopmentKit,軟件開發(fā)工具包)和注冊，配置機制，對于其他服務業(yè)務通過SDK,注冊等機制將業(yè)務數(shù)據(jù)發(fā)布到搜索引擎，通過ini配置文件的簡單設置，能快速完成搜索鍵值及其他信息設置，非編碼方式完成搜索匹配。四、數(shù)據(jù)中心自動駕駛網(wǎng)絡優(yōu)秀實踐4.1測試拓撲4.2測試物料表4-1測試物料列表QSFP28接口卡*1,CE8861-4C-EI主機(4子卡槽位，2*交流電源，端口側QSFP28接口卡*2,SFP28,2端口100GEQSFP28接口卡*12CE8861-4C-EI主機(4子卡槽位，2*交流電源，端口側QSFP28接口卡*1,SFP28,2端口100GEQSFP28接口卡*122*40GEQSFP+,32G內(nèi)存，2用戶),固態(tài)硬盤-240GB-SATA6Gb/s-讀取密集型-2.5英寸1管理交換機S5731-H48T4XC(48個10/100/1000BASE-T以太網(wǎng)端口，4個萬兆SFP+,單子卡槽位，不含電源)1控制器集群NCE-Fabric部署在2288XV5服務器上2288XV5128G配置(2*Xeon3cache)Raid卡+超級電容，2*4GE+2*210GE光口，2*900WAC)