使能運維智能化：華為AIOps讓電信網(wǎng)絡輕裝上陣

4月27日專稿（蔣均牧）數(shù)字化浪潮洶涌而至，越來越“重資產(chǎn)”的電信網(wǎng)絡，如何才能輕裝上陣？華為以AIOps使能服務給出了答案。

所謂AIOps，即智能運維（Artificial Intelligence for IT Operations），指的是通過大數(shù)據(jù)、人工智能技術解決IT運維問題。這個最初由Gartner 2016年提出并定義、起源于算法IT運維（Algorithmic IT Operations）的概念，在今天已經(jīng)成為了一個非?；鸨脑掝}。

在將AIOps應用于電信網(wǎng)絡方面，華為顯然有著獨到的視野與優(yōu)勢。一方面，華為深耕ICT行業(yè)多年，對于電信業(yè)務以及網(wǎng)絡的“規(guī)、建、維、優(yōu)”有著深刻的理解和豐富的實踐；另一方面，這家公司在各種數(shù)字技術上長期投入，具備有全棧全場景的人工智能能力。

華為開發(fā)者大會2021（Cloud）期間，華為NAIE AI模型與訓練服務部部長楊建接受了C114等媒體的采訪，就電信網(wǎng)絡運維所面臨的挑戰(zhàn)，以及華為NAIE AIOps服務的能力、進展和成功實踐作出分享。

數(shù)字經(jīng)濟時代，AIOps勢在必行

牛津經(jīng)濟研究院的《數(shù)字溢出，衡量數(shù)字經(jīng)濟的真正影響力》報告指出，在過去三十年里，數(shù)字技術投資每增加1美元，便可撬動GDP增加20美元；數(shù)字化技術的長期投資回報是非數(shù)字化技術的6.7倍，數(shù)字經(jīng)濟的增速是全球GDP增速的2.5倍。傳統(tǒng)行業(yè)可以借助“+智能”引擎，實現(xiàn)數(shù)字溢出最大化。

“數(shù)字化”業(yè)已成為世界范圍新一輪技術革命與產(chǎn)業(yè)變革的焦點，全球已有50多個國家制定了數(shù)字化發(fā)展戰(zhàn)略，我國亦發(fā)布了一系列相關政策。5G商用和新冠疫情刺激下，更是加快了生產(chǎn)消費線上化、經(jīng)濟運行數(shù)字化乃至社會治理智能化的進程。

電信網(wǎng)絡作為“底座基石、行業(yè)動脈”，擔負著將數(shù)據(jù)、算力輸送到社會各個角落的職能，重要性日益彰顯。與此同時，伴隨網(wǎng)絡基礎設施的升級、聯(lián)接對象的變化和所承載業(yè)務的驟增，網(wǎng)絡問題復雜化與業(yè)務質(zhì)量高要求成為了數(shù)字經(jīng)濟時代兩大挑戰(zhàn)，運維能力的演進將是電信網(wǎng)絡能否持續(xù)發(fā)揮效能的關鍵因素。

Gartner調(diào)研發(fā)現(xiàn)，當前，60%運營商的運維系統(tǒng)處于割裂狀態(tài)，致使新功能上線周期長；75%的問題通過用戶投訴發(fā)現(xiàn)，運維模式被動；運維人員90%的時間都用在識別故障發(fā)生的原因上，人工積累的經(jīng)驗難以應對網(wǎng)絡復雜化帶來的新問題。

在這樣的背景下，傳統(tǒng)以人力為主的工具、流程、模式變得難以跟上運維轉(zhuǎn)型的腳步，已經(jīng)有63%的電信運營商開始投資人工智能、大數(shù)據(jù)分析等技術，實現(xiàn)故障“自愈”與進行主動維護。AIOps被廣泛視作一項關鍵手段——其核心價值就在于由人工智能取代人力決策，快速給出故障處理建議，或者提前規(guī)避故障。

但在硬幣的另一面，人工智能技術的應用仍面臨技術門檻高、投入產(chǎn)出難、數(shù)據(jù)準備度低等挑戰(zhàn)。2019年，企業(yè)人工智能實際應用率為19%，較上年僅增長了5%，遠低于行業(yè)23%的預估增長。單以電信網(wǎng)絡運維智能化本身而論，亦存在人員技能缺乏、開發(fā)周期較長等痛點亟需攻克。

華為AIOps讓開發(fā)更簡單，應用更高效

“我們的目標就是讓網(wǎng)絡人功智能開發(fā)更簡單、應用更高效，從而支持運營商及合作伙伴快速降低門檻，更好地應對瞬息萬變的市場需求。”楊建談到。

2019年4月，華為iMaster NAIE正式對外發(fā)布，同時NAIE亦是華為自動駕駛網(wǎng)絡（ADN）的人工智能引擎，AIOps使能服務則是其中的核心組成?；谌嗄甑腎CT專業(yè)積累，經(jīng)過“點-線-面”的運維智能化能力拓展，華為目前已經(jīng)構建起完善的AIOps框架，基本完成電信網(wǎng)絡運維的全流程覆蓋。

據(jù)介紹，華為AIOps架構包含數(shù)據(jù)管理層、原子能力層、編排層和應用層四個層面，相對應地提供四大價值能力。

首先是多場景的數(shù)據(jù)采集治理：華為AIOps預制數(shù)據(jù)采集治理能力，提供一站式的數(shù)據(jù)采集、解析、治理等基礎工具鏈，以及智能輔助數(shù)據(jù)標注能力，從源頭上提升數(shù)據(jù)質(zhì)量。在數(shù)據(jù)產(chǎn)生上，支持通用接口采集、通信領域端管云數(shù)據(jù)采集，可與30多類網(wǎng)元、100多種主流設備自動對接；在數(shù)據(jù)治理上，內(nèi)置10多種通信業(yè)務場景治理模板，可節(jié)省90%數(shù)據(jù)準備時間；在數(shù)據(jù)標注上，通過智能輔助，可提升10倍標注效率、降低80%標注成本。

其次是豐富的人工智能原子能力：作為最核心的競爭力，華為AIOps沉淀核心人工智能資產(chǎn)，采用自主研發(fā)+生態(tài)合作相結(jié)合的方式，提供數(shù)字化基礎組件，不僅提高了人工智能應用開發(fā)效率、降低開發(fā)門檻，也避免了公共能力的重復開發(fā)所造成的資源浪費。當前，華為AIOps能夠提供超過20種人工智能原子能力，涉及預測、檢測、診斷、識別等運維全場景，支持多種類型數(shù)據(jù)，具備廣泛的適用性，且開放生態(tài)合作。

第三是靈活的組合編排與DevOps能力：運維場景靈活多變，如果人工編碼開發(fā)不同組網(wǎng)的人工智能應用將極為耗時耗力，華為AIOps提供零編碼流程編排能力，針對不同場景，只需從組件庫中拖拽數(shù)據(jù)及原子能力進行組合，即可完成應用場景端到端的圖形化編排，并支持進行業(yè)務泛化的參數(shù)配置，大幅提升應用開發(fā)效率。同時，其編排框架提供數(shù)據(jù)可視化服務，支持輕松按需搭建可視化大屏，還集成了RPA功能，實現(xiàn)跨系統(tǒng)工作流程自動化對接。

最后是開箱即用的APP：華為AIOps針對典型運維場景，提供10多類開箱即用的APP，包括KPI異常檢測與分析、IT應用健康監(jiān)控分析等，支持公有云和私有云部署、云地協(xié)同，還支持合作伙伴自行開發(fā)APP和一鍵發(fā)布到華為人工智能應用市場上。

服務超110個現(xiàn)網(wǎng)局點，成功實踐解讀

經(jīng)過一年多時間發(fā)展，華為AIOps使能服務贏得了眾多運營商的青睞，進入到規(guī)模應用階段。截至今年1月份，已應用于運營商網(wǎng)絡、園區(qū)網(wǎng)絡、數(shù)據(jù)中心和IT應用四大領域，服務110多個現(xiàn)網(wǎng)局點，管理10萬多個KPI，核心API月調(diào)用次數(shù)超過4.1億次，每天處理千萬量級的告警和3T的日志。

在采訪中，楊建還介紹了華為AIOps一些實踐案例。以無線接入智能故障管理為例，無線網(wǎng)絡包含無線、傳輸、動環(huán)多個環(huán)節(jié)，一旦出現(xiàn)故障，告警量大、人工派單效率低、工單準確率差；同時跨域定位難，電力等問題會導致各域都派單，依賴跨部門專家協(xié)同，效率低下。借助華為AIOps的能力，可以顯著提升根因定位效率、消除重復無效派單、縮短定位定位時間和恢復時長。在某運營商的應用中，早在2019年7月就能減少10%的工單，提升監(jiān)控室30%的工作效率。

核心網(wǎng)KPI異常檢測方面，運營商普遍面臨的挑戰(zhàn)包括，核心網(wǎng)重復故障少、定位難、故障分析耗時較長；人工設置閾值工作量巨大，且KPI難以全面監(jiān)控；靜態(tài)闕值無法適配業(yè)務動態(tài)變化，存在漏報、誤報。部署華為AIOps后，可基于AI/ML生成動態(tài)閾值，適應各種日常KPI監(jiān)控場景；通過多指標關聯(lián)分析，分鐘級內(nèi)給出TopN根因指標；支持智能動態(tài)閾值自動調(diào)整，指標監(jiān)控對象可擴大到10萬個以上。在某運營商的應用中，去年4月提前5小時識別異常并主動預警，降低業(yè)務損失，7月在DNS腳本指向配置錯誤的情況下第一時間上報變更異常并發(fā)送告警短信，保障5G高端用戶上網(wǎng)體驗。

數(shù)據(jù)中心硬盤異常檢測方面，眾所周知硬盤故障后數(shù)據(jù)修復難度高，需要投入大量人力物力，并且傳統(tǒng)的運維模式高度依賴人工，無法提前規(guī)避硬盤硬件故障對業(yè)務造成的不良影響。華為AIOps能夠從歷史數(shù)據(jù)中識別硬盤不同屬性的突變模式，對當前狀態(tài)進行預測；結(jié)合用戶反饋數(shù)據(jù)，定期執(zhí)行模型自優(yōu)化，持續(xù)提升預測精度。目前為止可以做到提前14天預測故障，變被動運維為主動智能運維?，F(xiàn)已服務于全球200多家企業(yè)，累計預測硬盤超過18萬塊、每年識別故障盤4000余塊、識別數(shù)據(jù)備份場景1000多個。

“工欲善其事，必先利其器”，選擇適合自身的AIOps產(chǎn)品顯然是電信網(wǎng)絡運維智能化轉(zhuǎn)型的重要一步。而華為NAIE AIOps憑借在ICT和人工智能兩大領域的創(chuàng)新積累，完美契合運營商的網(wǎng)絡現(xiàn)狀與轉(zhuǎn)型訴求；并且基于機器學習、開放生態(tài)等方式，未來還能不斷迭代、常用常新，必將助力運營商的智能化之路走得更快更遠。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。