Så kan AI se till att ditt nätverk klarar topparna

Karin Lindström
Reporter

Ai 2019-02-09 06:24 Så kan AI se till att ditt nätverk klarar topparna

Att se till att ha den kapacitet som krävs i nätverket vid alla tillfällen är en konst. Men med nya AI-verktyg kan den konsten bli enklare att bemästra.

Facebook 0 Twitter 0 Reddit LinkedIn 0 Totalt 0 Kopiera

För att nätverket ska klara de mål man satt upp för fördröjning, förlust och tillgänglighet i nätet krävs kapacitetsplanering. En komplex uppgift där det står stora pengar på spel om man inte lyckas.

Fram till nyligen har man fått använda sig av de data som stått till buds för att kunna planera kapaciteten – det vill säga historiska, statiska rapporter. Men nu har det börjat röra på sig. Vår amerikanska systertidning Network World har tittat närmare på hur AI nu förändrar förutsättningarna.

– Genom att para ihop avancerad dataanalys med kognitiv teknik som AI och maskininlärning så kan it driva nya och smartare prediktiva insikter och göra planeringen för nätkapaciteten mer exakt, säger Ashish Verma, expert på kognitiv analys på Deloitte till tidningen.

Även om AI-stödd kapacitetsplanering fortfarande är i sin linda så börjar många leverantörer också lägga in någon form av AI i sina erbjudanden.

Stöd till traditionell nätövervakning

Att låta AI analysera data från många källor ger en större noggrannhet än den traditionella nätövervakningen som strikt tittar på länkanvändning

– AI möjliggör också modellering av olika prestandascenarior och knyter nätets prestanda till applikationsprestanda för att se hur applikationer påverkas i olika prestandascenarior, säger Fredrik Lindstrom, som är rådgivare till amerikanska cio:er på KPMG.

Medan systemet lär optimeras analysmodellen den använder konstaterar Duval Yeager som är maskininlärningsexpert på Cisco.

– Det gör att planeringen blir mer exakt när nätverket växer, förändras och när applikationer och användare läggs till. – både lokalt och i molnet, säger han.

Yan Huang, biträdande professor i affärsteknik vid universitetet Carnegie Mellon pekar på att maskininlärning också är effektivt för att förutse trafik och trafikmönster.

– Avancerade maskininlärningsalgoritmer kan ta både storskaliga och mycket detaljerade data och genom dem generera exakta efterfrågeprognoser för varje nod i nätet och upptäcka olika tidsmönster för nättrafik och nätanvändning.

Följden blir en mer exakt bedömning av krav på nätkapacitet och det minskar behovet av överutnyttjande av resurser.

Att tidigt kunna upptäcka mönster i hur saker i dåtid, nutid och framtid påverkar varandra ger en möjlighet att agera proaktivt för att säkra nätverkets prestanda.

– Sofistikerade prediktiva modeller kan kombineras med optimerings- eller simuleringsteknik för att automatiskt skapa den optimala nätverksstrukturen eller strukturerna, och motsvarande kapacitet och resursplaner, säger Yan Huang.

Planerna kan sedan skräddarsys för exakt de nyckeltal som anses viktigast.

Genom att använda AI till att analysera trafikmönster i nätet på olika sätt kan organisationerna få insikter i exakt vad som körs över nätverket och den totala nätverksbelastningen.

På kort sikt kan AI förutsäga dagliga trafikproblem på detaljnivåer, exempelvis applikation, plats, teknik och protokoll vilket kan göra att prestandan kan hållas uppe även under toppar.

– På lång sikt kan ett AI-system utföra optimal kapacitetsplanering, förutse när korta toppar inte kan mötas och när det krävs helskaliga uppgraderingar, säger Doug Tamasanis, chefsarkitekt för nät och säkerhet på Kronos.

Så kommer du igång

Bästa sättet att komma igång med AI-driven kapacitetsplanering är att köpa teknik som redan visat att den fungerar och lyckats nå någon typ av framgång råder Marcel Shaw, systemingenjör på Ivanti.

– Samtidigt bör administratörer vara försiktiga med att följa rekommendationer som produceras av AI-lärandealgoritmer. De kommer att förbättras drastisk de kommande åren så det är viktigt att kunderna är tålmodiga och tillåter AI-tekniken att mogna innan de litar fullt ut på de kapacitetskrav som rekommenderas av AI-lösningen.

Börja i liten skala när det gäller datakällor och hur mycket som ska övervakas – det är Fredrik Lindstroms råd.

– Det är avgörande att datakällorna är pålitliga och stämmer överens, säger han.

Det är också viktigt att rätt data används i rätt kontext.

– Förbered dina data så att du så enkelt som möjligt kan gå in i lösningen och se till att den ger den nätverkskapacitet som är relevant för dina mål, säger Murthy Garikiparthi, chefsingenjör vid molnplattformsutvecklaren OpsRamp.

När pipelinen av data väl etablerats och hastigheter och flöden ligger i linje kan AI-lösningen börja övervaka data för specifika beteenden.

– Till sist när AI börjar komma med rekommendationer kan it-driftteamet skapa policyer för automatisering utifrån dessa insikter, säger han.

Vanliga missuppfattningar

En vanlig missuppfattning angående hur AI kan användas för att planera kapaciteten i näten är att tekniken inte kräver särskilt mycket resurser, särskilt inte mänsklig handpåläggning. Men det är en illusion som föds av vissa leverantörer som låter påskina att det i princip räcker med att installera verktyget och sedan fungerar det av sig själv enligt Fredrik Lindstrom.

Ett annat vanligt missförstånd är att det är allt eller inget som gäller. Men det avfärdar Duval Yeager som i stället rekommenderar att företag att införa AI-verktygen stegvis och fokusera på de områden där värdet är som störst. Att många delar av framtida nät kommer att vara molnbaserade gör det här ännu viktigare menar han.

Men den allra största missuppfattningen enligt Marcel Shaw är att AI-lösningen alltid kommer att ha rätt.

– Tills AI-lösningarna mognat kommer det att vara viktigt för administratörer att verifiera och ifrågasätta rekommendationer från AI-drivna lösningar för kapacitetsplanering.

Fallgropar på vägen

Som all annan ny teknik så kommer även denna med sin beskärda del av landminor. Den som är för ivrig riskerar att satsa för mycket, för tidigt och vänta sig omedelbara resultat utan att finjustera systemet varnar Fredrik Lindstrom.

– Om systemet inte har tillräckligt med data att analysera, eller om datan inte är pålitlig eller konsekvent så kommer inte verktygen att ge en rättvisande bild av nätet eller nätets prestanda, säger han.

Det gäller också att se upp för leverantörer som erbjuder ett ofullständigt utbud av produkter och tjänster.

– De flesta lösningar på marknaden som erbjuder stora vinster för någon liten del av nätverket erbjuder inte en komplett nätverkslösning för trådbundna, trådlösa enheter, klienter, applikationer, säkerhet, policyer, korsdomän, wan, moln och datacenter, säger Duval Yeager.

Och använder man produkter och tjänster som inte baseras på en öppen plattform så blir det svårt att sprida ut tjänsterna till andra delar av organisationen.

Läs också:
Nu står god AI mot ond AI i säkerhetskriget
Nu börjar företagen skala upp sin AI – sju tips för att lyckas

Ai Maskininlärning Nätverk

Karin Lindström
Karin Lindström
Reporter

Karin Lindström Facebook 0 Twitter 0 Reddit LinkedIn 0 Totalt 0 Kopiera Facebook 0 Twitter 0 Reddit LinkedIn 0 Totalt 0 Kopiera

Senaste nytt

  • 2019-02-09 06:24Computer Sweden Karin Lindström Så kan AI se till att ditt nätverk klarar topparna
  • 2019-02-08 14:37Computer Sweden Mattias Malmqvist Nu ska Google säkra också billiga mobiler – med ny krypteringsmetod
  • 2019-02-08 11:27Computer Sweden Mattias Malmqvist Chefer och män mer utsatta för nätmobbning på jobbet
  • 2019-02-08 10:51Computer Sweden Karin Lindström Inte bara Apple som kan – i Raspberry Pi:s butik får man känna och testa
  • 2019-02-08 10:41Computer Sweden Karin Lindström Huawei räds inte övervakning från EU

100 Senaste

Bli först med att kommentera

Kommentera