AIOps成電信行業(yè)智能化方向，華為AIOps服務(wù)四大核心價值

“5G新基建”加速實施，為數(shù)字經(jīng)濟發(fā)展注入新動能，不僅推動投資消費的快速成長，還將驅(qū)動千行百業(yè)的數(shù)字化轉(zhuǎn)型升級。但凡事都有兩面性，網(wǎng)絡(luò)問題復雜化與業(yè)務(wù)質(zhì)量高要求的挑戰(zhàn)也隨之而來，運維能力的演進成為電信網(wǎng)絡(luò)能否持續(xù)發(fā)揮效能的關(guān)鍵因素。

在運維中引入AI，基于算法和機器學習的智能運維（AIOps）被公認為是一個行之有效的解決途徑。2019年4月，華為正式發(fā)布iMaster NAIE網(wǎng)絡(luò)AI云服務(wù)，成為網(wǎng)絡(luò)智能化戰(zhàn)略實施的重要里程碑，AIOps使能服務(wù)正是其中的核心組成。那么它擁有哪些核心價值，又如何破解電信網(wǎng)絡(luò)運維痛點？在華為全聯(lián)接2020的一場媒體圓桌上，華為網(wǎng)絡(luò)人工智能（NAIE）產(chǎn)品部首席技術(shù)官程磊作出了精彩解讀。

“引入AI并不意味著拋棄原有的規(guī)則。華為兼具電信和AI兩方面視野，因此我們的AIOps服務(wù)能力是與電信作業(yè)系統(tǒng)、運維流程、專家經(jīng)驗緊密結(jié)合在一起形成的，從而更精準地定位、更有效地解決電信領(lǐng)域的運維問題?！彼@樣說道。

AIOps成電信行業(yè)智能化方向

在互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及層出不窮的APP改變世人生活、工作方式的背后，很大程度上得益于運營商們數(shù)十年來不懈努力、大力投入所興建的連接與覆蓋全球的電信網(wǎng)絡(luò)。

隨著數(shù)字經(jīng)濟成為經(jīng)濟增長的主旋律、數(shù)字轉(zhuǎn)型的需求不斷涌現(xiàn)，電信網(wǎng)絡(luò)上承載的業(yè)務(wù)與應(yīng)用越來越多，網(wǎng)絡(luò)規(guī)模和復雜度也迅速攀升。特別是5G到來后，一些運營商甚至出現(xiàn)了2G/3G/4G/5G“四世同堂”的現(xiàn)象，帶來了巨大的運維管理挑戰(zhàn)。另一方面，OPEX的持續(xù)高漲也是運營商們不得不面對的難題，這意味著單純降低設(shè)備成本已經(jīng)不能改善其成本結(jié)構(gòu)。

程磊指出，電信網(wǎng)絡(luò)運維普遍存在被動式運維、故障解決困難以及運維系統(tǒng)割裂、自動化程度低等痛點。他引用Gartner的調(diào)查發(fā)現(xiàn)稱，37%的網(wǎng)絡(luò)故障是由于網(wǎng)絡(luò)變更造成的，當前網(wǎng)絡(luò)結(jié)構(gòu)越來越復雜，網(wǎng)絡(luò)的運維管理已遠遠超過人的能力；75%的網(wǎng)絡(luò)問題都是被最終使用者感知和發(fā)現(xiàn)，并通過投訴向運營商反饋問題，客戶體驗和滿意度很難得到保證；運維人員90%的時間都用來識別發(fā)現(xiàn)故障的原因。與此同時，各專業(yè)運維支撐系統(tǒng)功能也面臨開發(fā)周期長、閉環(huán)流程自動化程度低的技術(shù)瓶頸。對此，運營商期望引入AI、大數(shù)據(jù)分析等技術(shù)，實現(xiàn)智能運維，做到主動維護和故障“自愈”。

Tractica/Ovum預測，到2025年，全球電信業(yè)對AI軟件、硬件和服務(wù)的投資將達380億美元，成為最大的AI應(yīng)用市場。其中，網(wǎng)絡(luò)/IT運營監(jiān)控和管理將成為電信業(yè)最大的AI應(yīng)用場景，2018-2025年累計投入達到183億美元，占期間電信AI軟件支出的44%。AIOps平臺能力的構(gòu)建，已經(jīng)成為電信行業(yè)智能化演進的一大趨勢和主要方向。

華為AIOps服務(wù)四大核心價值

作為近年來被通信、IT、云服務(wù)廠商們競相追逐的熱點，AIOps在電信領(lǐng)域的落地關(guān)鍵在于行業(yè)知識與AI技術(shù)的深度融合。在這方面，既擁有30余年的專業(yè)積累，又具備全棧全場景AI能力的華為無疑優(yōu)勢顯著。

據(jù)程磊介紹，華為AIOps使能服務(wù)作為自動駕駛網(wǎng)絡(luò)AI引擎NAIE的核心能力，基于AI平臺，提供了一系列電信領(lǐng)域AIOps原子能力以及組合編排能力，使能網(wǎng)絡(luò)管控析單元、智能運維解決方案等運維系統(tǒng)，最終幫助運營商打破原有的煙囪式建設(shè)方式，將各專業(yè)運維系統(tǒng)的應(yīng)用與AI能力解耦，采用分層的服務(wù)化架構(gòu)對接共享數(shù)據(jù)中心，集中提供AIOps能力，適配運維場景應(yīng)用百花齊放的需求。

具體而言，華為AIOps使能服務(wù)擁有四大核心價值。首先是AI原子能力，它提供豐富的AIOps原子能力，覆蓋運維全流程，包括預測，檢測、定位、執(zhí)行等多個環(huán)節(jié)。原子能力庫支持流量預測、KPI異常檢測、日志異常檢測、CHR異常檢測、異常關(guān)聯(lián)分析、事件聚合、根因定位等20多類原子能力。

其次是編排與DevOps能力，使用者可零編碼定制場景組合應(yīng)用，實現(xiàn)數(shù)據(jù)源類型、處理流程、模型參數(shù)，通知方式、視圖呈現(xiàn)等靈活配置，并主動預防潛在的網(wǎng)絡(luò)問題。同時，可對確定的問題事件進行端到端配置，實現(xiàn)智能化和自動化。此外，基于NAIE AI訓練平臺，支持使用者的AI原子能力創(chuàng)新，不斷擴展AIOps能力。

第三是電信領(lǐng)域數(shù)據(jù)對接能力，支持日志、告警、KPI 、xDR等電信領(lǐng)域主流運維數(shù)據(jù)，支持Kafka、數(shù)據(jù)庫、文件系統(tǒng)、Restful等電信運維系統(tǒng)的主流數(shù)據(jù)對接方式。華為AIOps使能服務(wù)提供通用的數(shù)據(jù)源對接和標準化數(shù)據(jù)治理組件，通過配置項快速建立與運維系統(tǒng)的數(shù)據(jù)源連接，通過SDK將不同的數(shù)據(jù)類型和格式治理成標準化的AIOps原子能力輸入集，用于模型訓練和推理。

最后是場景組合服務(wù)能力，圍繞運維全流程（發(fā)現(xiàn)、分析、處理）提供預制典型場景組合應(yīng)用，快速接入運維流程。程磊表示，華為的AIOps能力可以通過多種形式被調(diào)用，比如作為云服務(wù)在云端由NAIE平臺提供、將平臺能力集成到智能運維解決方案中，抑或?qū)IOps特性內(nèi)置到設(shè)備管控單元中。

助力打造最佳實踐

在采訪中，程磊還分享了一系列AIOps使能服務(wù)助力運營商、企業(yè)打造最佳實踐的成功故事。

第一個案例是KPI異常檢測。電信網(wǎng)絡(luò)中，通過KPI來預測和檢測網(wǎng)絡(luò)問題是最普遍的場景，利用AI算法基于歷史數(shù)據(jù)自動生成每個KPI的動態(tài)門限，可有效避免傳統(tǒng)靜態(tài)門限帶來的誤報和漏報。NAIE融合了電信領(lǐng)域的運維業(yè)務(wù)特點，提供單指標/多指標檢測、異常原因關(guān)聯(lián)分析、模型的自學習調(diào)優(yōu)等關(guān)鍵能力。國內(nèi)某運營商采用了核心網(wǎng)KPI異常檢測服務(wù)以后，實現(xiàn)提前5小時發(fā)現(xiàn)故障并主動預警，降低了業(yè)務(wù)損失，保障四地市用戶業(yè)務(wù)體驗。

第二個案例是告警根因定位。發(fā)現(xiàn)異?；蛘吖收现蟮亩ㄎ皇沁\維流程中的難點，如何準確地將多維度的異常、告警等事件進行匯聚，減少故障噪聲？如何準確定位到具體原因？這些工作目前主要依賴專家經(jīng)驗或者手工分析，而且受限于分析算力和支知識信息，效果并不好。NAIE AIOps通過AI算法，支持多類異常/告警等事件的智能故障定位，自動實現(xiàn)時間、拓撲和故障傳播圖等維度的事件匯集和根因定位，去除重復無效工單，在提升運維效率的同時也降低了運維成本。華為以此幫助某能源企業(yè)實現(xiàn)分鐘級故障根因定位和分析，提升網(wǎng)絡(luò)運維效率4-5倍。

經(jīng)過一年左右的發(fā)展，華為AIOps使能服務(wù)目前已經(jīng)在多個運營商網(wǎng)絡(luò)中實際部署，包括無線接入、核心網(wǎng)、數(shù)據(jù)通信等六大網(wǎng)絡(luò)領(lǐng)域，管理著5萬多個KPI，API調(diào)用每月高達3.3億次，每天處理海量告警和日志。既懂電信、又懂AI，相信在華為AIOps四大核心能力的助力下，網(wǎng)絡(luò)運維管理將不再成為電信行業(yè)痛點。

責任編輯：gt