隨著數字化轉型企業(yè)對云計算基礎架構依賴程度的提高，融合了大數據和人工智能最新發(fā)展的智能運維(AIOps)逐漸成為提高基礎架構服務質量的關鍵[1]。Gartner 在 AIOps 的研究報告[2]中指出，AIOps 平臺應由觀察(Observe)、處理(Engage)和行動(Act)三個部分結合大數據和機器學習組成一個閉環(huán)結構，而觀察是觸發(fā)整個閉環(huán)反饋的基礎和關鍵，沒有高質量的全棧觀察，就缺乏人工智能所需的大數據源，因而也無法形成智能化的處理和相應的主動運維行為。但在性能飛速提升的數據中心，數據平面觀察是一直以來的難點。為網絡設備制定硬件可編程語言標準的開源組織 P4(p4.org)對帶內網絡的遙測(In-band Network Telemetry，INT)定義了三種類型的技術思路 —— eMbed Data(MD)，eMbed instruct(X)ions(MX)和 INT eXport Data(XD)—— 基本涵蓋了主流的 INT 技術實現方式[3]。

　　從當前業(yè)內云數據中心交換設備對這幾種思路的商業(yè)化實現上看，INT MD 功能全面但對資源和處理性能要求高，商用化多實現在 9.6T-25.6Tbps 級別的單芯片系統上;INT MX 相對輕量化，但功能有限，對系統功能整合度要求高，多實現在廠商特定功能集內;IN TXD 做到了功能和開銷的相對平衡，成本和實用性更有優(yōu)勢，但對芯片設計的門檻要求更高。采用不同權衡策略的商業(yè)化產品功能差異較大，需要不同企業(yè)在 AIOps 設計時根據需求詳細考查。從未來發(fā)展上看，通用企業(yè)數據中心會偏重將帶內遙測通過 XD 方式實現，同時用 MX 做進一步功能補充;而運營商和互聯網企業(yè)在升級到 100/200G 接入或普遍引入智能網卡之后，會重點考慮 MD 功能。當然工程上的實現并不絕對，不同解決方案會走向某種模式為主、其他模式補充的混合形態(tài)，以追求性能、功能與代價的最優(yōu)平衡[4]。

　　參考文獻

　　[1]魏航,劉軍.構建數字化轉型企業(yè)以用戶體驗為中心的 IT 架構[J].數碼世界,2020(05).

　　[2]Pankaj Prasad,Padraig Byrne.Market Guide for AIOps Platforms[R].Gartner,2021

　　[3]P4.In-band Network Telemetry (INT) Dataplane Specification[EB/OL].https://p4.org, 2020-02-14

　　[4]魏航.數據中心網絡智能運維的帶內遙測技術[J].數字通信世界,2021(09).

（轉載）