当网络遇到AI，可以为我们带来什么？

2017 年5月23日-5月27日AlphaGo与世界棋王柯洁的人机大战，机器以3:0战胜了人类。AlphaGo在围棋上的强大得到了人们的赞叹，同时也将人工智能引入了大家的视线。

什么是人工智能？人工智能（Artificial Intelligence），英文缩写为AI。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程进行模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。如同科幻电影里呈现的：机器逐步替代人来工作正逐步成为现实。当前人工智能已经在金融、电商、自动驾驶、医疗、教育等领域得到了广泛的应用。

如今的IT架构相比五年前、十年前，规模和复杂度都呈倍数增长，管理和维护成本也水涨船高。从企业的角度而言，早期的运维方式已经无法负荷愈加沉重的工作量，人力又无法像网络规模一样成倍增长，这使网络运维成为企业发展的道路上不得不面对的难题。如何走出当前的困境？大家将目光投向了人工智能，希望通过机器学习和算法解决企业在数字化转型过程中遇到的问题：

✓ 难于衡量，无法主动发现问题

随着企业的业务发展，网络已经遍布企业的每个角落。一个大型办公园区，可能会涉及到上百台交换机、几千台AP、上万人接入。但是如何衡量成百上千个设备构成的网络是否运转正常？每个接入网络的人员、终端、系统应用在网络上体验是什么样的？是否有人员无法接入网络？是否存在网络服务质量差的情况？是单点故障还是群体故障？传统的方式，更多是被动等待员工报障，运维人员定位，现场人员修复的模式；这就导致网络处于不可衡量的状态，一切都是未知。网络人员时刻都处于“提心吊胆”和“随时救火”的状态。

✓ 场景繁多，故障修复效率低

以Wi-Fi网络为例，一个简单的故障Case：Wi-Fi网络经常连接不上。仅从网络侧来看，可能的原因包含了好几种：认证失败导致，接入用户数过多导致，信号强度弱导致，漫游失败导致等等。不同的故障场景，最终在用户侧体现出来的现象经常是类似的。这就导致每次出现故障的时候，都需要将可能的原因进行遍历，最终才能判断出具体的原因。而网络环境每时每刻都在发生变化，运维人员介入时，故障无法复现或者故障现象改变的情况，导致故障修复效率及其低下。这种状况对于一刻都不能中断的业务应用而言，是不可容忍的。

✓ 专家资源匮乏，网络难于优化调整

以某汽车4S店为例，该店在全国有440家分店，主要集中在一二线城市。总部有大约20人的团队进行日常运维和管理。由于每家4S店的情况各不相同，即使在同一家店，网络状况也在不停动态变化。如何对现有的网络进行优化调整，保障每个4S店网络均能提供良好的服务质量？依靠总部的运维专家，答案是明显的。假定每个4S店的网络优化，投入4个人，5天时间，包含现网情况分析，历史问题分析，未来发展规划分析，现网部署调整等，这个已经是非常短的时间了。那么440家4S店全部评估优化完，需要全部运维管理人员专职投入将近2年时间。如果选择专业服务商提供服务，每次业务变化，都需要服务厂商进行评估，其成本又是企业的“难以承受之重”。

网络结合AI，体验智能化网络服务

2016年，Gartner提出了AIOps的概念，即基于算法的IT运维（Algorithmic IT Operations）。AIOps为网络运维插上了机器学习和人工智能的虎翼，致力于为网络运维提供更加高效的决策方案。

举个例子：当异常发生时，在线系统中可能出现响应变慢，甚至服务中断的情况，给用户体验带来负面影响。AIOps可以通过机器学习算法找到问题的核心影响因素，从而将人工排查的时间缩短到分钟级，甚至秒级。确定故障根因后， AIOps可以根据问题库中相似问题的修复方案来自动处理问题，让运维人员从重复繁琐的日常工作中解放出来。当然，更加理想的是使用AIOps对故障进行自动预测，提前识别有风险的网络节点，虽然目前我们离这一天还有很长一段路要走，但经过在AIOps领域的持续深耕，相信时间一定会给我们越来越多的惊喜。

AIOps时代的网络运维应该如何构建？还能完成什么以前无法想象的任务？基于AIOps的理念，华为近期将在2018西欧渠道大会上发布意图驱动的CloudCampus新方案及关键组件，新的园区网络解决方案将为各行业客户带来预测性运维的能力，让客户真实体验网络运维的“人工智能之路”。敬请期待！