鳥瞰大數據

認識生命周期服務編排技術，大數據[注]不僅只是供營銷人使用，更關乎電信的成本質量和服務速度!

“大數據”因為可以幫助營銷人員提高活動效率、幫助醫生作出診斷、打擊欺詐、檢測黑客攻擊，甚至預測金融市場而贏得贊譽，這也是理所當然的。

雖然大多數人的注意力一直集中在消費應用上，但大數據分析和技術也可以應用到電信和運營商網絡上。本文我們將討論生命周期服務編排技術如何被用于降低運營商網絡的運營成本、提高所交付服務的質量，并使得新的網絡服務能夠更快速的供給。

首先，讓我們回顧一下網絡上的大數據來自何方。根據網絡架構和它是如何裝置的，原始數據可以在一個非常精細的水平被提取，例如個別數據包的來源和目的地、所走的路線和穿越路徑所經過的時間。在一個較高的水平，數據可以包括客戶、服務、信息類型，以及每個鏈路(如城域光纖鏈路、蜂窩數據和企業局域網)連接的性質。不是每個實時數據都可用于所有路由和鏈路，但信息越多，網絡顯現出的畫面就越真實，包括其容量和利用率，以及其網絡服務的性能。

這些數據可以用來做什么呢?

它可以從通過了解網絡本身開始，包括網絡的物理拓撲結構以及在它上面運行的服務。盡管多年來網絡管理工具已經能夠發現和映射網絡的靜態拓撲，但要有能力真正地了解服務則是更為棘手的。這一部分是因為它需要分析所有的原始數據，另一部分是因為服務信息模型是實時不斷變化的，當用戶更改自己在做什么時、IP地址改變他們的邊緣接入點(想想移動用戶)時、負載平衡器適應動態需求時，以及網絡路由被更新以提高性能時，服務信息模型就變更了。

這就是現代的大數據分析技術可以進來效勞之處，首先，需要弄清楚來自無數操作系統的原始數據，及網絡本身的意義，以打造網絡的實時、真實的服務信息模型。這個關鍵步驟需要機器學習技術，來確定網絡元素是如何互連的，以及服務在該基礎設施上是如何被交付的。其次，基于實時從網絡接收來的測量值，精確的最新服務信息模型然后形成了精細的預測分析基礎。這樣可以幫助運營商了解他們網絡性能降低的地方、了解哪些資源過度使用，以及未來流量問題可能發生的地方，以便可以制定計劃擴建或重新分配資源。

為了使大數據分析的結果方便使用，先進的圖形用戶界面(GUI)是必需的。網絡運營團隊就可以在玻璃窗格上查看以下的精確表現：他們的網絡和服務、他們的網絡基礎設施如何在使用、以及產能、利用率和性能分析。完成完整的周期后，生命周期服務編排軟件會自動化需采取的行動，以保持服務質量到達盡可能高的水平。

換句話說，大數據和預測分析相結合，使大型運營商網絡更有彈性。隨著大型網絡擴展至數以百萬計的網絡路徑和每天TB級的網絡測量值，只有大數據技術可以提供積極主動的指導，這些指導是運營商需要用來預測和滿足未來客戶需求的。

因為有許多大數據分析和機器學習領域能有益于生命周期服務編排，讓我們回到上面列出的三點：降低運營商網絡的運營成本、提高所交付服務的質量和使得新的網絡服務能夠更快速的供給。當處理物理網絡的功能以及虛擬網絡的功能時，這三點都成立。

降低運營成本：可以通過在問題發生之前就將問題避免掉而降低運營成本。只要網絡運營團隊與分層在物理拓撲上的服務信息模型提供了關于性能、容量和利用率的有用信息，這些信息能夠允許更積極主動的資源分配，不僅有可能減少緊急的上門服務，同時也允許更便宜(或更有效的)資源分配。

提高服務質量：大數據分析服務信息模型理解的不僅是路線，而且也理解服務的性質。例如，知道VoIP或視頻服務必須保持在特定的參數范圍內，大數據的算法可以確定何時及何處問題可能發生。然后可以采取積極主動的措施，以確保質量得到滿足，從而滿足或超過客戶對該流量的要求。

更快速的服務供給：在大規模、負荷的運營商網絡上，要添加或升級站點間的連接這樣的服務請求事件時，可能很難確定容量是否已經存在(+微信關注網絡世界)，或是否需要對網絡升級以適應新的客戶需求。此外，部署步驟可能要費力地用人工作業。由于生命周期服務編排使用大數據，新的客戶服務可以在一天之內實施 – 而不需數周。

鑒于今天服務提供商網絡的巨大范圍、規模和復雜性，包含IP VPN、MPLS、運營商級以太網、以太網SONET和移動技術等等，生命周期服務編排正在成為網絡敏捷性的關鍵推動者。運營商必須能夠快速響應客戶的需求和不斷變化的網絡利用率。被大數據分析增強的生命周期服務編排，將是使運營商能夠成為越來越具有競爭性和響應力的“秘密武器”。市場正在快速增長，而新技術如SDN[注]和NFV[注]也產生甚至更多的網絡大數據。能夠了解實時的網絡，并且能夠實時的回應，是至關重要的。

像CENX的Cortx服務編排器這類工具，對網絡運營商展示了大數據分析和機器學習的好處，幫助削減運營成本，改善服務交付，并驅動新服務的快速部署。通過使用實時數據來建立和維護服務信息模型，然后將預測分析和在該模型上基于GUI的搜索功能分層，使服務提供商首次能真正了解整個網絡，以及該網絡將走向何方。

在許多方面，網絡運營商幕后使用大數據的方式類似于我們從零售商、從醫療界、科學家和金融行業聽說的大數據應用。大數據分析連接了數以百萬計，或數十億計的信息微小位元以得出結論、做出預測、解決問題、創造機會，并改善客戶服務。過去它在美國航空航天局，后來它在華爾街，現在它在網絡中。