數(shù)智融合的網(wǎng)絡(luò)閉環(huán)優(yōu)化技術(shù)研究與實(shí)踐

［劉曉軍 武娟 徐曉青］

1 引言

隨著移動(dòng)通信技術(shù)的不斷發(fā)展和互聯(lián)網(wǎng)需求的爆發(fā)式增長(zhǎng)，對(duì)通信網(wǎng)絡(luò)的要求越來(lái)越高[1]；同時(shí)各種新技術(shù)、新協(xié)議的層出不窮，在增加了網(wǎng)絡(luò)服務(wù)能力的同時(shí)，也帶來(lái)了網(wǎng)元設(shè)備品牌、型號(hào)碎片化等問(wèn)題。在如此錯(cuò)綜復(fù)雜的網(wǎng)絡(luò)環(huán)境下，如何有效智能管控成為急需解決的關(guān)鍵環(huán)節(jié)。采用數(shù)智融合方式，通過(guò)實(shí)時(shí)或準(zhǔn)實(shí)時(shí)采集不同網(wǎng)元設(shè)備的數(shù)據(jù)，再經(jīng)數(shù)據(jù)實(shí)時(shí)處理、建模分析和預(yù)測(cè)，最終實(shí)現(xiàn)網(wǎng)元設(shè)備的優(yōu)化配置，從而形成一整套的閉環(huán)操作過(guò)程[2][3]，具備提供網(wǎng)絡(luò)智能管控和優(yōu)化的能力。

目前可采用多種技術(shù)實(shí)現(xiàn)或接近實(shí)現(xiàn)上述目標(biāo)，包括DPI數(shù)據(jù)采集與分析、基于P4的網(wǎng)絡(luò)遙測(cè)等技術(shù)[4]等。其中DPI數(shù)據(jù)采集與分析，是基于網(wǎng)絡(luò)數(shù)據(jù)包的深度檢測(cè)技術(shù)，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的關(guān)鍵點(diǎn)的流量和報(bào)文內(nèi)容進(jìn)行檢測(cè)分析，可以根據(jù)事先定義的策略對(duì)檢測(cè)流量進(jìn)行過(guò)濾控制。DPI數(shù)據(jù)采集與分析，能夠?qū)崿F(xiàn)對(duì)多種維度的網(wǎng)絡(luò)行為分析和應(yīng)用層面的策略控制，如果要實(shí)現(xiàn)對(duì)網(wǎng)元狀況的獲取和配置，需要進(jìn)行海量數(shù)據(jù)的挖掘和處理，并外接對(duì)應(yīng)的控制器完成。該種解決方法，需要基于DPI采集設(shè)備和海量的DPI數(shù)據(jù)挖掘與處理，存在較為突出的處理時(shí)效性問(wèn)題，難以有效滿足實(shí)時(shí)網(wǎng)絡(luò)優(yōu)化處理的業(yè)務(wù)需求。

基于P4的網(wǎng)絡(luò)遙測(cè)技術(shù)，其可很好應(yīng)用于可編程數(shù)據(jù)平面的帶內(nèi)網(wǎng)絡(luò)遙測(cè)（INT）技術(shù)[5]，而且具有網(wǎng)元設(shè)備品牌的無(wú)關(guān)性，能夠直接在轉(zhuǎn)發(fā)數(shù)據(jù)分組時(shí)獲取設(shè)備內(nèi)部更為細(xì)粒度和準(zhǔn)確的遙測(cè)數(shù)據(jù)。不過(guò)該種技術(shù)方案，需要網(wǎng)元設(shè)備具備SDN能力[6][7]，其普適性存在一定的局限，從而影響到其規(guī)?；渴鸷蛻?yīng)用。

正是由于上述解決方案都存在一定局限性和適用性等問(wèn)題，本文提出基于Network Telemetry網(wǎng)絡(luò)遙測(cè)技術(shù)，實(shí)現(xiàn)針對(duì)網(wǎng)元設(shè)備的數(shù)據(jù)采集和控制指令下發(fā)，并結(jié)合數(shù)據(jù)處理和分析能力，構(gòu)建網(wǎng)絡(luò)智能優(yōu)化閉環(huán)操作的一體化解決方案。

Network Telemetry是一種具備遠(yuǎn)程網(wǎng)絡(luò)設(shè)備采集數(shù)據(jù)的技術(shù)，能夠周期性主動(dòng)上報(bào)流量、CPU或內(nèi)存等網(wǎng)元數(shù)據(jù)信息，相對(duì)傳統(tǒng)網(wǎng)絡(luò)監(jiān)控方式，例如SNMP等的問(wèn)答式交互，提供了更實(shí)時(shí)、有效和便捷的數(shù)據(jù)采集功能。

Network Telemetry技術(shù)，具備支持更多設(shè)備承載，更高的數(shù)據(jù)精度，更實(shí)時(shí)控制及對(duì)設(shè)備功能、性能影響較小等特點(diǎn)，為網(wǎng)絡(luò)快速排障、快速優(yōu)化提供數(shù)據(jù)基礎(chǔ)，并且具備與通用大數(shù)據(jù)處理平臺(tái)良好銜接等能力。

Network Telemetry，因其需要廠商內(nèi)嵌到設(shè)備協(xié)議堆棧和管理模塊中，也存在接口私有化和官方授權(quán)等局限。不過(guò)通信網(wǎng)絡(luò)設(shè)備，例如路由器、交換機(jī)等，具有一定的品牌集中性，該問(wèn)題是可通過(guò)針對(duì)主流設(shè)備有效適配而得以解決。

本文提出基于Network Telemetry技術(shù)，融合大數(shù)據(jù)處理和人工智能機(jī)制，實(shí)現(xiàn)網(wǎng)絡(luò)閉環(huán)智能優(yōu)化，采用底層構(gòu)建Telemetry適配層，完成兼容各種品牌網(wǎng)元設(shè)備的私有Telemetry接口，實(shí)現(xiàn)主流的交換機(jī)和路由器的準(zhǔn)實(shí)時(shí)數(shù)據(jù)采集；同時(shí)將Telemetry采集器功能集成到Hadoop集群[8]，完成網(wǎng)元狀態(tài)數(shù)據(jù)的實(shí)時(shí)處理與分析；并融合AI處理框架，一站式進(jìn)行優(yōu)化智能計(jì)算；最終通過(guò)NetConf協(xié)議實(shí)現(xiàn)針對(duì)網(wǎng)元設(shè)備的控制指令下發(fā)，完成基于網(wǎng)元實(shí)時(shí)數(shù)據(jù)的一體化智能優(yōu)化處理過(guò)程。本文實(shí)踐環(huán)節(jié)中，采用在實(shí)驗(yàn)室環(huán)境下搭建基于Network Telemetry的數(shù)智融合處理環(huán)境，驗(yàn)證該種方法的有效性，并模擬完成路徑優(yōu)化處理過(guò)程。

2 數(shù)智融合架構(gòu)

構(gòu)建數(shù)智融合的一體化架構(gòu)，關(guān)鍵就是將Network Telemetry數(shù)據(jù)采集、大數(shù)據(jù)處理、AI計(jì)算和Netconf控制指令下發(fā)等關(guān)鍵步驟和功能有機(jī)融合。其中為了減少數(shù)據(jù)的傳輸路徑和提升數(shù)據(jù)的傳輸效率，將Network Telemetry的采集器功能內(nèi)置到大數(shù)據(jù)+AI融合平臺(tái)內(nèi)，相關(guān)的處理架構(gòu)如圖1所示。

圖1 基于Network Telemetry數(shù)智融合架構(gòu)

在現(xiàn)網(wǎng)部署過(guò)程中，需要在通信網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)（核心交換機(jī)、路由器等）設(shè)備配置Telemetry能力，使其具備基于Telemetry訂閱功能；并通過(guò)大數(shù)據(jù)平臺(tái)的前置機(jī)采集器，實(shí)現(xiàn)基于Telemetry機(jī)制的數(shù)據(jù)采集策略配置下發(fā)和網(wǎng)元數(shù)據(jù)實(shí)時(shí)采集；大數(shù)據(jù)+AI融合平臺(tái)基于實(shí)時(shí)數(shù)據(jù)獲取、流式數(shù)據(jù)處理和AI分析能力，實(shí)現(xiàn)將網(wǎng)元數(shù)據(jù)進(jìn)行計(jì)算、智能訓(xùn)練/預(yù)測(cè)；之后最終通過(guò)控制器將大數(shù)據(jù)+AI融合平臺(tái)生產(chǎn)的優(yōu)化配置指令通過(guò)Netconf協(xié)議下發(fā)到網(wǎng)絡(luò)中各交換機(jī)、路由器網(wǎng)元設(shè)備，實(shí)現(xiàn)網(wǎng)絡(luò)優(yōu)化配置，完成網(wǎng)絡(luò)優(yōu)化的自循環(huán)閉環(huán)過(guò)程。

如果采用網(wǎng)元控制的專用術(shù)語(yǔ)采集器、分析器和控制器來(lái)展示的話，上述處理過(guò)程相關(guān)的軟件堆棧如圖2所示。

圖2 基于Network Telemetry數(shù)智融合軟件堆棧

其中網(wǎng)絡(luò)設(shè)備部分，需要配置Telemetry數(shù)據(jù)采集協(xié)議、基于XML網(wǎng)絡(luò)配置的Netconf協(xié)議、Google遠(yuǎn)程過(guò)程調(diào)用gRPC協(xié)議等，同時(shí)需要支持YANG模型等。

采用采集器、分析器統(tǒng)一部署的方式，可分為采集服務(wù)、數(shù)據(jù)處理、AI分析和可視工具等四個(gè)部分組成。

（1）采集服務(wù)：適配主流網(wǎng)元設(shè)備的Telemetry能力，實(shí)現(xiàn)針對(duì)各主流品牌的網(wǎng)元設(shè)備智能發(fā)現(xiàn)、智能配置和智能數(shù)據(jù)獲取等功能。具備通過(guò)gRPC協(xié)議與網(wǎng)元建立相應(yīng)的遠(yuǎn)程調(diào)用，基于YANG模型實(shí)現(xiàn)數(shù)據(jù)的采集，并通過(guò)GPB進(jìn)行數(shù)據(jù)結(jié)構(gòu)描述等。

（2）數(shù)據(jù)處理：采用GPB編碼實(shí)現(xiàn)網(wǎng)元上傳原始數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)譯，并通過(guò)kafka消息隊(duì)列實(shí)現(xiàn)數(shù)據(jù)流式傳輸，并通過(guò)Structed Streaming實(shí)時(shí)流式計(jì)算完成數(shù)據(jù)的初步處理和hadoop集群的存儲(chǔ)，針對(duì)實(shí)時(shí)發(fā)現(xiàn)的設(shè)備故障及時(shí)反饋到控制器；同時(shí)將網(wǎng)元數(shù)據(jù)，基于hive、hbase等分布式數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)。

（3）AI分析：基于TFonSpark和BigDL等融合組件，實(shí)現(xiàn)基于hadoop集群的AI架構(gòu)的運(yùn)行。通過(guò)底層的大數(shù)據(jù)、AI融合組件，能夠?qū)崿F(xiàn)通用的AI框架基于hadoop分布式集群運(yùn)行和無(wú)縫的數(shù)據(jù)提取、分析和預(yù)測(cè)等深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等功能。

（4）可視工具：該層是對(duì)接數(shù)據(jù)處理和AI分析結(jié)果，實(shí)現(xiàn)基于開(kāi)源的可視化工具，例如JupyteR、Tableau等，能夠?qū)?shí)時(shí)將Telemetry采集處理完成的數(shù)據(jù)建模和AI預(yù)測(cè)、分析的結(jié)果進(jìn)行圖表展示。

當(dāng)然采集器、分析器部分軟件或者工具，是采用開(kāi)放式的思路，具備基于hadoop集群按需添加，并非局限于上圖所示軟件或者工具。

控制器通過(guò)Telemetry對(duì)應(yīng)的配置機(jī)制，通過(guò)相應(yīng)的配置工具/接口實(shí)現(xiàn)對(duì)各網(wǎng)元設(shè)備的數(shù)據(jù)采集策略的配置操作；通過(guò)對(duì)接分析器，獲取對(duì)應(yīng)的網(wǎng)絡(luò)優(yōu)化指令，通過(guò)NetConf等協(xié)議實(shí)現(xiàn)針對(duì)網(wǎng)元設(shè)備優(yōu)化指令下發(fā)，達(dá)到針對(duì)網(wǎng)元設(shè)備的優(yōu)化處理。

3 應(yīng)用場(chǎng)景分析

為了實(shí)現(xiàn)針對(duì)通信網(wǎng)絡(luò)的實(shí)時(shí)數(shù)據(jù)采集和監(jiān)控功能，需要在關(guān)鍵的網(wǎng)元設(shè)備上配置Telemetry功能，并架設(shè)對(duì)應(yīng)的采集功能前置機(jī)，實(shí)現(xiàn)對(duì)就近交換機(jī)或路由器的Telemetry數(shù)據(jù)采集。在實(shí)際的網(wǎng)絡(luò)部署過(guò)程中，一般可采用將數(shù)據(jù)采集前置機(jī)和控制器合并部署，該種架構(gòu)雖然在軟件架構(gòu)方面存在一定的不足，但是減少對(duì)應(yīng)的硬件資源的投入和數(shù)據(jù)傳輸路徑[9]。

3.1 應(yīng)用場(chǎng)景分類

基于設(shè)備層面的Telemetry機(jī)制，在網(wǎng)元設(shè)備硬件板卡ASIC層面植入代碼，直接從板卡數(shù)據(jù)層面導(dǎo)出數(shù)據(jù)；具備低于秒級(jí)上報(bào)實(shí)時(shí)或準(zhǔn)實(shí)時(shí)數(shù)據(jù)的能力；能夠提供超過(guò)50種以上的數(shù)據(jù)指標(biāo)，能夠有效支持多方面的網(wǎng)絡(luò)優(yōu)化智能決策。通過(guò)結(jié)合大數(shù)據(jù)和AI處理能力，具備異常檢測(cè)、故障定位、流量預(yù)測(cè)和網(wǎng)絡(luò)調(diào)優(yōu)等方面的應(yīng)用場(chǎng)景。

（1）異常檢測(cè)：提供準(zhǔn)實(shí)時(shí)的網(wǎng)元異常狀況追蹤和分析，包括單指標(biāo)異常、多指標(biāo)異常、流量異常和閥值異常等，并根據(jù)網(wǎng)元異常情況實(shí)時(shí)調(diào)整對(duì)應(yīng)的處理和控制策略，提升網(wǎng)絡(luò)的穩(wěn)定性[10]。

（2）故障定位：綜合網(wǎng)元各種指標(biāo)數(shù)據(jù)，實(shí)時(shí)跟蹤故障點(diǎn)，并根據(jù)歷史數(shù)據(jù)分析，采用多維度數(shù)據(jù)精準(zhǔn)定位故障網(wǎng)元、追蹤故障位置變更[11]；并結(jié)合已有的故障數(shù)據(jù)訓(xùn)練AI模型，進(jìn)行有效的故障預(yù)測(cè)。

（3）流量預(yù)測(cè)：通過(guò)持續(xù)化獲取各個(gè)核心網(wǎng)元的流量情況，具備由點(diǎn)到面的流量分析和預(yù)測(cè)功能，包括單一網(wǎng)元的流量預(yù)測(cè)、網(wǎng)絡(luò)鏈路流量情況分析、鏈路流量預(yù)測(cè)，通過(guò)并與網(wǎng)元/鏈路的狀況結(jié)合，根據(jù)預(yù)測(cè)結(jié)果進(jìn)行相關(guān)的網(wǎng)元/鏈路的限流控制等。

（4）網(wǎng)絡(luò)調(diào)優(yōu)：按照時(shí)間序列，基于以往時(shí)段的網(wǎng)元、鏈路情況，并結(jié)合業(yè)務(wù)需求預(yù)測(cè)分析，有效指導(dǎo)網(wǎng)絡(luò)擴(kuò)容、優(yōu)化資源配置[12]、選擇最優(yōu)鏈路和業(yè)務(wù)流量?jī)?yōu)化等。第四節(jié)將重點(diǎn)針對(duì)路由優(yōu)化部分進(jìn)行闡述和研究。

3.2 異常檢測(cè)應(yīng)用分析

采用Telemetry機(jī)制的異常檢測(cè)，是基于持續(xù)性的網(wǎng)元設(shè)備板卡信息，包括告警信息、板卡信息等，進(jìn)行網(wǎng)元健康狀況跟蹤和預(yù)測(cè)，是網(wǎng)絡(luò)優(yōu)化的基礎(chǔ)工作內(nèi)容之一。其中告警信息包括CPU、內(nèi)存、網(wǎng)絡(luò)丟包、緩存使用情況等相關(guān)信息，并結(jié)合網(wǎng)元上線時(shí)長(zhǎng)、部署位置等情況，實(shí)現(xiàn)針對(duì)網(wǎng)元異常和網(wǎng)元狀況的實(shí)時(shí)跟蹤[13]，其處理過(guò)程如圖3所示。

承擔(dān)分析器作用的大數(shù)據(jù)和AI融合平臺(tái)，基于海量的網(wǎng)元已有故障數(shù)據(jù)，采用CPU、內(nèi)存、網(wǎng)絡(luò)傳輸?shù)榷鄠€(gè)維度，構(gòu)建面向單個(gè)網(wǎng)元的故障模型，并通過(guò)該模型導(dǎo)現(xiàn)網(wǎng)相關(guān)網(wǎng)元異常和狀態(tài)，實(shí)現(xiàn)針對(duì)該網(wǎng)元健康狀態(tài)的預(yù)測(cè)；并對(duì)處于臨界狀態(tài)的網(wǎng)元，根據(jù)預(yù)測(cè)結(jié)果，基于控制器下發(fā)閥值調(diào)優(yōu)控制等方式，動(dòng)態(tài)調(diào)節(jié)網(wǎng)元的CPU過(guò)載閥值和內(nèi)存過(guò)載閥值等，實(shí)現(xiàn)網(wǎng)絡(luò)服務(wù)能力的可控性和故障提前預(yù)判。

圖3 采用Telemetry機(jī)制的異常檢測(cè)過(guò)程

以上應(yīng)用方式是基于單個(gè)網(wǎng)元的故障預(yù)測(cè)，基于Telemetry具有規(guī)律的數(shù)據(jù)上報(bào)和采集機(jī)制，能夠形成整條鏈路/區(qū)域網(wǎng)絡(luò)的故障追蹤和預(yù)測(cè)，即可實(shí)現(xiàn)故障檢測(cè)由點(diǎn)到線、由線到面的覆蓋能力外延。

同時(shí)結(jié)合流量等相關(guān)維度的數(shù)據(jù)，亦可外延到網(wǎng)絡(luò)鏈路選優(yōu)、網(wǎng)絡(luò)路由優(yōu)化等方面，該部分內(nèi)容將在第四章中重點(diǎn)針對(duì)網(wǎng)絡(luò)路由優(yōu)化進(jìn)行研究和闡述。

4 路由優(yōu)化實(shí)踐

基于實(shí)驗(yàn)室環(huán)境搭建路由優(yōu)化的應(yīng)用場(chǎng)景，實(shí)現(xiàn)針對(duì)網(wǎng)元設(shè)備Telemetry數(shù)據(jù)采集的閉環(huán)網(wǎng)絡(luò)智能優(yōu)化的流程打通和可行性驗(yàn)證。

試驗(yàn)環(huán)境包括將Network Telemetry采集器、控制器和分析器混合搭建方式，構(gòu)建基于Telemetry的數(shù)智融合系統(tǒng)，具備簡(jiǎn)易的Telemetry數(shù)據(jù)采集、處理和優(yōu)化運(yùn)算能力。該套系統(tǒng)，采用hadoop集群架構(gòu)內(nèi)置Telemetry能力，從而構(gòu)建采集器、分析器和控制器功能。

在網(wǎng)絡(luò)設(shè)備方面，通過(guò)選用4臺(tái)內(nèi)置Telemetry能力的思科ASR9000路由器，構(gòu)成如下圖的網(wǎng)絡(luò)相關(guān)鏈路，如圖4所示。

圖4 采用Telemetry路由優(yōu)化實(shí)驗(yàn)組網(wǎng)

通過(guò)預(yù)先設(shè)置，通過(guò)Network Telemetry采集到的信息得到鏈路AB、鏈路BC（可分配的帶寬）為15G、其余鏈路的流量閥值為10G。由Network Telemetry采集到的信息，還可得到各個(gè)鏈路的狀態(tài)，例如時(shí)延，丟包率，抖動(dòng)等。假設(shè)用一個(gè)狀態(tài)系數(shù)來(lái)衡量一段鏈路的綜合狀態(tài)，例如，狀態(tài)系數(shù)=時(shí)延，其狀態(tài)系數(shù)越大，該段鏈路狀態(tài)就越差，傳輸質(zhì)量就越低。Telemetry能夠?qū)W(wǎng)絡(luò)狀態(tài)進(jìn)行更細(xì)致的感知，提供更加精準(zhǔn)的網(wǎng)絡(luò)狀態(tài)信息，基于這些信息，為路由選路提供了依據(jù)，路由優(yōu)化算法能在這些網(wǎng)絡(luò)狀態(tài)信息的基礎(chǔ)上，確定候選路徑。

Telemetry的意義在于其能提供實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的網(wǎng)元信息，并在此基礎(chǔ)上可結(jié)合各種路由優(yōu)化算法，提升網(wǎng)絡(luò)服務(wù)質(zhì)量。假設(shè)存在如下兩個(gè)流量需求，需求A →B，為25G，需求A →C，為15G。由Telemetry得到各段鏈路信息，綜合得出需求的各個(gè)路徑的狀態(tài)：路徑A →B的狀態(tài)為1，路徑A →C的狀態(tài)為1.5，路徑A →B →C的狀態(tài)為2，路徑A →C →B狀態(tài)為2.5，路徑A →D →C為6，路徑A →D →C →B的狀態(tài)為7。對(duì)需求A →B的路徑進(jìn)行按狀態(tài)排序，得到候選路徑表:[A →B，A →C →B，A →D →C →B]。同樣對(duì)需求A →C的路徑進(jìn)行按狀態(tài)排序，得到候選路徑表:[A →C，A →B →C，A →D →C]。

為提高鏈路利用率和吞吐量，應(yīng)該盡量使用多個(gè)路徑進(jìn)行路由，當(dāng)然這些路徑的狀態(tài)必須滿足QoS要求；同時(shí)帶寬的分配需要滿足一定的公平性。如果都按最短路徑路由，需求A →B，只采用路徑A →B路由，只能得到帶寬15G；需求A →C，只采用路徑A →C路由，只能得到帶寬10G。在Telemetry采集得到鏈路信息的基礎(chǔ)上，對(duì)各個(gè)路徑進(jìn)行分析，針對(duì)每個(gè)需求確定了候選路徑，采用了最大最小公平算法[14]，對(duì)各個(gè)需求進(jìn)行多路徑帶寬分配。最大最小公平算法，能夠?qū)⒕W(wǎng)絡(luò)的帶寬公平地分給需求，直到帶寬分配完畢，能比較好地兼顧公平性和吞吐量。最大最小公平算法得到的路由及路徑帶寬分配結(jié)果

由于交換機(jī)規(guī)則有限等的硬件約束，無(wú)法做到多路徑任意比例的流量分割，只能采用一定的比例分割流量。這里設(shè)流量分割比例為0.25，即對(duì)需求分配流量時(shí)，最小比例為0.25。再次用貪心算法在最大最小公平分配的基礎(chǔ)上進(jìn)行對(duì)各個(gè)路徑流量分割比例離散化，得到盡可能公平的結(jié)果和盡可能大的吞吐量，結(jié)果為：

可以看出，相比最短路徑路由，最大最小公平算法使每個(gè)需求多了5G和3.33G的帶寬分配，吞吐量一共多了8.33G，提高了鏈路的利用率。在最大最小公平路由的基礎(chǔ)上，可以進(jìn)一步結(jié)合機(jī)器學(xué)習(xí)算法對(duì)各個(gè)需求的流量進(jìn)行分類，如分類成對(duì)QoS需求低的流量和對(duì)QoS要求高的流量。在最大最小公平分配及其流量分割離散化得到的路徑中，盡可能地將需求中對(duì)QoS要求高的流量安排在狀態(tài)較優(yōu)路徑，進(jìn)一步優(yōu)化傳輸質(zhì)量。此外，Telemetry持續(xù)監(jiān)控網(wǎng)絡(luò)狀態(tài)，一旦某段鏈路發(fā)生故障，可迅速地進(jìn)一步評(píng)估并更新可用候選路徑；或者預(yù)測(cè)故障，提前更新并切換候選路徑，避免出現(xiàn)較為嚴(yán)重的故障影響。

5 結(jié)束語(yǔ)

本文基于Network Telemetry機(jī)制，實(shí)現(xiàn)針對(duì)網(wǎng)元設(shè)備運(yùn)行狀態(tài)、告警等數(shù)據(jù)實(shí)時(shí)或準(zhǔn)實(shí)時(shí)采集，并通過(guò)將采集器與分析器融合，基于Hadoop大數(shù)據(jù)/AI融合架構(gòu)，進(jìn)行網(wǎng)元原生數(shù)據(jù)實(shí)時(shí)流計(jì)算處理和智能分析、預(yù)測(cè)，最終實(shí)現(xiàn)基于控制器的優(yōu)化指令下發(fā)，完成網(wǎng)絡(luò)優(yōu)化一體化閉環(huán)處理過(guò)程。通過(guò)分析典型的應(yīng)用場(chǎng)景，并將其在實(shí)驗(yàn)室環(huán)境下應(yīng)用于路由優(yōu)化實(shí)踐，不但驗(yàn)證可行性，并且得到了預(yù)期的效果。