使能運(yùn)維智能化：華為AIOps讓電信網(wǎng)絡(luò)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(lái)越“重資產(chǎn)”的電信網(wǎng)絡(luò)，如何才能輕裝上陣？華為以AIOps使能服務(wù)給出了答案。

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

在將AIOps應(yīng)用于電信網(wǎng)絡(luò)方面，華為顯然有著獨(dú)到的視野與優(yōu)勢(shì)。一方面，華為深耕ICT行業(yè)多年，對(duì)于電信業(yè)務(wù)以及網(wǎng)絡(luò)的“規(guī)、建、維、優(yōu)”有著深刻的理解和豐富的實(shí)踐；另一方面，這家公司在各種數(shù)字技術(shù)上長(zhǎng)期投入，具備有全棧全場(chǎng)景的人工智能能力。

華為開發(fā)者大會(huì)2021（Cloud）期間，華為NAIE AI模型與訓(xùn)練服務(wù)部部長(zhǎng)楊建接受了C114等媒體的采訪，就電信網(wǎng)絡(luò)運(yùn)維所面臨的挑戰(zhàn)，以及華為NAIE AIOps服務(wù)的能力、進(jìn)展和成功實(shí)踐作出分享。

數(shù)字經(jīng)濟(jì)時(shí)代，AIOps勢(shì)在必行

牛津經(jīng)濟(jì)研究院的《數(shù)字溢出，衡量數(shù)字經(jīng)濟(jì)的真正影響力》報(bào)告指出，在過去三十年里，數(shù)字技術(shù)投資每增加1美元，便可撬動(dòng)GDP增加20美元；數(shù)字化技術(shù)的長(zhǎng)期投資回報(bào)是非數(shù)字化技術(shù)的6.7倍，數(shù)字經(jīng)濟(jì)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(shí)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(shù)革命與產(chǎn)業(yè)變革的焦點(diǎn)，全球已有50多個(gè)國(guó)家制定了數(shù)字化發(fā)展戰(zhàn)略，我國(guó)亦發(fā)布了一系列相關(guān)政策。5G商用和新冠疫情刺激下，更是加快了生產(chǎn)消費(fèi)線上化、經(jīng)濟(jì)運(yùn)行數(shù)字化乃至社會(huì)治理智能化的進(jìn)程。

電信網(wǎng)絡(luò)作為“底座基石、行業(yè)動(dòng)脈”，擔(dān)負(fù)著將數(shù)據(jù)、算力輸送到社會(huì)各個(gè)角落的職能，重要性日益彰顯。與此同時(shí)，伴隨網(wǎng)絡(luò)基礎(chǔ)設(shè)施的升級(jí)、聯(lián)接對(duì)象的變化和所承載業(yè)務(wù)的驟增，網(wǎng)絡(luò)問題復(fù)雜化與業(yè)務(wù)質(zhì)量高要求成為了數(shù)字經(jīng)濟(jì)時(shí)代兩大挑戰(zhàn)，運(yùn)維能力的演進(jìn)將是電信網(wǎng)絡(luò)能否持續(xù)發(fā)揮效能的關(guān)鍵因素。

Gartner調(diào)研發(fā)現(xiàn)，當(dāng)前，60%運(yùn)營(yíng)商的運(yùn)維系統(tǒng)處于割裂狀態(tài)，致使新功能上線周期長(zhǎng)；75%的問題通過用戶投訴發(fā)現(xiàn)，運(yùn)維模式被動(dòng)；運(yùn)維人員90%的時(shí)間都用在識(shí)別故障發(fā)生的原因上，人工積累的經(jīng)驗(yàn)難以應(yīng)對(duì)網(wǎng)絡(luò)復(fù)雜化帶來(lái)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(yùn)維轉(zhuǎn)型的腳步，已經(jīng)有63%的電信運(yùn)營(yíng)商開始投資人工智能、大數(shù)據(jù)分析等技術(shù)，實(shí)現(xiàn)故障“自愈”與進(jìn)行主動(dòng)維護(hù)。AIOps被廣泛視作一項(xiàng)關(guān)鍵手段——其核心價(jià)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(shù)的應(yīng)用仍面臨技術(shù)門檻高、投入產(chǎn)出難、數(shù)據(jù)準(zhǔn)備度低等挑戰(zhàn)。2019年，企業(yè)人工智能實(shí)際應(yīng)用率為19%，較上年僅增長(zhǎng)了5%，遠(yuǎn)低于行業(yè)23%的預(yù)估增長(zhǎng)。單以電信網(wǎng)絡(luò)運(yùn)維智能化本身而論，亦存在人員技能缺乏、開發(fā)周期較長(zhǎng)等痛點(diǎn)亟需攻克。

華為AIOps讓開發(fā)更簡(jiǎn)單，應(yīng)用更高效

“我們的目標(biāo)就是讓網(wǎng)絡(luò)人功智能開發(fā)更簡(jiǎn)單、應(yīng)用更高效，從而支持運(yùn)營(yíng)商及合作伙伴快速降低門檻，更好地應(yīng)對(duì)瞬息萬(wàn)變的市場(chǎng)需求。”楊建談到。

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

據(jù)介紹，華為AIOps架構(gòu)包含數(shù)據(jù)管理層、原子能力層、編排層和應(yīng)用層四個(gè)層面，相對(duì)應(yīng)地提供四大價(jià)值能力。

首先是多場(chǎng)景的數(shù)據(jù)采集治理：華為AIOps預(yù)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(chǔ)工具鏈，以及智能輔助數(shù)據(jù)標(biāo)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(lǐng)域端管云數(shù)據(jù)采集，可與30多類網(wǎng)元、100多種主流設(shè)備自動(dòng)對(duì)接；在數(shù)據(jù)治理上，內(nèi)置10多種通信業(yè)務(wù)場(chǎng)景治理模板，可節(jié)省90%數(shù)據(jù)準(zhǔn)備時(shí)間；在數(shù)據(jù)標(biāo)注上，通過智能輔助，可提升10倍標(biāo)注效率、降低80%標(biāo)注成本。

其次是豐富的人工智能原子能力：作為最核心的競(jìng)爭(zhēng)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(chǔ)組件，不僅提高了人工智能應(yīng)用開發(fā)效率、降低開發(fā)門檻，也避免了公共能力的重復(fù)開發(fā)所造成的資源浪費(fèi)。當(dāng)前，華為AIOps能夠提供超過20種人工智能原子能力，涉及預(yù)測(cè)、檢測(cè)、診斷、識(shí)別等運(yùn)維全場(chǎng)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(yùn)維場(chǎng)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(yīng)用將極為耗時(shí)耗力，華為AIOps提供零編碼流程編排能力，針對(duì)不同場(chǎng)景，只需從組件庫(kù)中拖拽數(shù)據(jù)及原子能力進(jìn)行組合，即可完成應(yīng)用場(chǎng)景端到端的圖形化編排，并支持進(jìn)行業(yè)務(wù)泛化的參數(shù)配置，大幅提升應(yīng)用開發(fā)效率。同時(shí)，其編排框架提供數(shù)據(jù)可視化服務(wù)，支持輕松按需搭建可視化大屏，還集成了RPA功能，實(shí)現(xiàn)跨系統(tǒng)工作流程自動(dòng)化對(duì)接。

最后是開箱即用的APP：華為AIOps針對(duì)典型運(yùn)維場(chǎng)景，提供10多類開箱即用的APP，包括KPI異常檢測(cè)與分析、IT應(yīng)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(yīng)用市場(chǎng)上。

服務(wù)超110個(gè)現(xiàn)網(wǎng)局點(diǎn)，成功實(shí)踐解讀

經(jīng)過一年多時(shí)間發(fā)展，華為AIOps使能服務(wù)贏得了眾多運(yùn)營(yíng)商的青睞，進(jìn)入到規(guī)模應(yīng)用階段。截至今年1月份，已應(yīng)用于運(yùn)營(yíng)商網(wǎng)絡(luò)、園區(qū)網(wǎng)絡(luò)、數(shù)據(jù)中心和IT應(yīng)用四大領(lǐng)域，服務(wù)110多個(gè)現(xiàn)網(wǎng)局點(diǎn)，管理10萬(wàn)多個(gè)KPI，核心API月調(diào)用次數(shù)超過4.1億次，每天處理千萬(wàn)量級(jí)的告警和3T的日志。

在采訪中，楊建還介紹了華為AIOps一些實(shí)踐案例。以無(wú)線接入智能故障管理為例，無(wú)線網(wǎng)絡(luò)包含無(wú)線、傳輸、動(dòng)環(huán)多個(gè)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(zhǔn)確率差；同時(shí)跨域定位難，電力等問題會(huì)導(dǎo)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(fù)無(wú)效派單、縮短定位定位時(shí)間和恢復(fù)時(shí)長(zhǎng)。在某運(yùn)營(yíng)商的應(yīng)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(cè)方面，運(yùn)營(yíng)商普遍面臨的挑戰(zhàn)包括，核心網(wǎng)重復(fù)故障少、定位難、故障分析耗時(shí)較長(zhǎng)；人工設(shè)置閾值工作量巨大，且KPI難以全面監(jiān)控；靜態(tài)闕值無(wú)法適配業(yè)務(wù)動(dòng)態(tài)變化，存在漏報(bào)、誤報(bào)。部署華為AIOps后，可基于AI/ML生成動(dòng)態(tài)閾值，適應(yīng)各種日常KPI監(jiān)控場(chǎng)景；通過多指標(biāo)關(guān)聯(lián)分析，分鐘級(jí)內(nèi)給出TopN根因指標(biāo)；支持智能動(dòng)態(tài)閾值自動(dòng)調(diào)整，指標(biāo)監(jiān)控對(duì)象可擴(kuò)大到10萬(wàn)個(gè)以上。在某運(yùn)營(yíng)商的應(yīng)用中，去年4月提前5小時(shí)識(shí)別異常并主動(dòng)預(yù)警，降低業(yè)務(wù)損失，7月在DNS腳本指向配置錯(cuò)誤的情況下第一時(shí)間上報(bào)變更異常并發(fā)送告警短信，保障5G高端用戶上網(wǎng)體驗(yàn)。

數(shù)據(jù)中心硬盤異常檢測(cè)方面，眾所周知硬盤故障后數(shù)據(jù)修復(fù)難度高，需要投入大量人力物力，并且傳統(tǒng)的運(yùn)維模式高度依賴人工，無(wú)法提前規(guī)避硬盤硬件故障對(duì)業(yè)務(wù)造成的不良影響。華為AIOps能夠從歷史數(shù)據(jù)中識(shí)別硬盤不同屬性的突變模式，對(duì)當(dāng)前狀態(tài)進(jìn)行預(yù)測(cè)；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(yù)測(cè)精度。目前為止可以做到提前14天預(yù)測(cè)故障，變被動(dòng)運(yùn)維為主動(dòng)智能運(yùn)維?，F(xiàn)已服務(wù)于全球200多家企業(yè)，累計(jì)預(yù)測(cè)硬盤超過18萬(wàn)塊、每年識(shí)別故障盤4000余塊、識(shí)別數(shù)據(jù)備份場(chǎng)景1000多個(gè)。

“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(luò)運(yùn)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(lǐng)域的創(chuàng)新積累，完美契合運(yùn)營(yíng)商的網(wǎng)絡(luò)現(xiàn)狀與轉(zhuǎn)型訴求；并且基于機(jī)器學(xué)習(xí)、開放生態(tài)等方式，未來(lái)還能不斷迭代、常用常新，必將助力運(yùn)營(yíng)商的智能化之路走得更快更遠(yuǎn)。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。