敏捷性の秘密: iPCA ネットワーク パケット保存アルゴリズム

敏捷性の秘密: iPCA ネットワーク パケット保存アルゴリズム

次世代ネットワークにおける「見える化」への欲求

ネットワークが複雑になるにつれて、ネットワーク管理に対する要求も変化しています。ネットワーク管理は、可視化、自動化、インテリジェンスなど、さまざまな方向に発展していることがわかります。特に、可視化は、エンドツーエンドのトラフィックの観点やネットワーク全体のセキュリティポリシー管理など、ネットワーク全体のパフォーマンス管理や運用・保守に非常に重要であり、ネットワークベンダーにとって新たな焦点となっています。

ガートナーの調査結果によると、「ネットワーク パフォーマンスの問題の予防」は現在のエンタープライズ カスタマーの運用および保守投資の主な推進要因であり、総投資額の 27% を占めています。一方、「迅速なネットワーク障害診断」と「サービス品質保証 SLA」はそれぞれ 15% と 12% の投資推進要因で、それぞれ 2 位と 3 位にランクされています。

従来、IP ネットワークの運用と保守には「目に見えない」ポイントが数多く存在します。たとえば、ビジネス パフォーマンスは目に見えません。つまり、従来のネットワーク管理ではネットワーク パフォーマンスしか提供されず、ネットワーク上で伝送されるコンテンツを確認できないため、障害認識に多くの盲点が生じ、障害箇所の特定効率が低下します。たとえば、従来のネットワーク管理ルートは可視ではなく、サービス パスも確認できないため、運用および保守担当者はルート振動によるネットワーク全体の障害を防ぐことができません。

ネットワーク運用・保守における上記のような「盲点」を完全に解決する方法はあるのでしょうか?

ファーウェイの見解では、まずやるべきことは、考え方を変えて、従来の受動的なネットワーク運用・保守を能動的なネットワーク運用・保守に転換し、エンドユーザーのサービス体験の監視を実現し、潜在的な障害点と弱点を正確に判断して、科学的かつ効率的な「土をもって水を覆い、将軍をもって兵に抵抗する」ことを実現することです。

従来の障害検出の「弱点」

ネットワーク障害診断や品質評価などの問題は、ネットワーク保守の中心的な課題の 1 つです。通常、IT 管理者は、ネットワークに潜在的な障害があるかどうか、または障害が発生した場所を判断できないため、ビデオ、音声、インターネット アクセスなどのサービスのパフォーマンス品質を客観的に評価できません。従来のキャンパス ネットワーク サービスのパフォーマンス障害診断には、効果的な E2E ポジショニング方法が欠けており、障害診断に時間がかかり困難で、ユーザーの要件を満たすことが困難でした。

ネットワークパフォーマンスの障害診断と品質評価は非常に重要です。現在、多くの研究グループと標準化団体が技術研究と標準策定に取り組んでいます。 IETFは、IPネットワークのパフォーマンス統計と障害検出のためにRFC5357(双方向アクティブ測定プロトコル)とRFC4656(片方向アクティブ測定プロトコル(OWAMP))を開発しました。同時に、シスコはプライベートSAA(サービス保証エージェント)ソリューションを開始し、ファーウェイはNQA(ネットワーク品質分析)メカニズムを採用して、保守可能で運用可能なIPネットワークの要求に応えました。これらのIPの障害検出メカニズムには共通点が1つあります。それは、専用の検出パケットを挿入し、検出パケットのパケット損失率を計算して間接的にサービスパケット損失率を導き出す間接測定方法です。ただし、IP通信はコネクションレスであり、検出パケットが通過するパスは必ずしもサービスパケットが通過するパスとは限らず、検出されたパス品質はサービスパケットの伝送状態を真に反映することができません。

ネットワークパケット節約アルゴリズム iPCA

エンタープライズ キャンパス ネットワークの運用と保守では、ネットワークの機能とパフォーマンスだけでなく、ユーザーと企業のネットワークに対する要件に基づいたユーザー エクスペリエンスとネットワーク品質にも重点を置く必要があります。 Huawei S12700 アジャイル スイッチの iPCA が提供するネットワーク パケット節約アルゴリズムは、あらゆるユーザーのビデオ、音声、その他のサービスの品質を迅速に検出し、障害が発生したリンク、ボード、チップの場所を即座に特定できるため、運用と保守の効率が大幅に向上します。ネットワークが使えることと使いやすいことは全く別の世界です。iPCA は間違いなく「使える」から「使いやすい」への飛躍を遂げました。

iPCA (Packet Conservation Algorithm for Internet) は、直接測定に基づいてネットワーク品質を検出するパイプライン監視テクノロジです。ネットワーク パケット損失、遅延、遅延ジッター、トラフィックを測定し、ホップバイホップ検出によって障害を正確に特定できます。既存の検出方法における障害箇所特定に要する時間が長い、障害の境界があいまい、評価精度が低いといった問題に対処するため、ファーウェイは新しいS12700アジャイルスイッチを発売しました。柔軟でプログラム可能な機能を活用してiPCA機能を先駆けて開発し、ネットワーク品質の検出と障害箇所特定機能を全面的に向上させ、ネットワークの運用と保守のコストを削減しました。

図1-1 iPCA原理の概略図

上の図に示すように、iPCA ソリューションは、測定制御サーバーとアジャイル スイッチの 2 つの部分で構成されています。計測制御サーバは、対象サービスフローの品質検出を実行するユーザの要求を受信し、アジャイルスイッチに検出を実行するように通知し、各アジャイルスイッチの統計情報を収集し、計算してレポートを生成します。

一般的に、iPCA には次の機能があります。

ファーウェイの特許技術がIP運用・保守業界の問題を解決

Huawei は、これまで予約されていた IPv4 パケット ヘッダー内の唯一のビット、つまり Flags フィールドのビット 0 を創造的に使用して、対象のサービス フローに色を付けます。 IP 通信を利用するほとんどのサービスでは標準の IP パケット ヘッダーが必要なため、この色分け方法はサービスの種類に依存せず、デバイスがハードウェア処理を実行しやすくなります。

直接検出メカニズム、正確な障害検出

テストフローを挿入せずに、サービスフローの品質を直接測定します。検出パスは実際のサービスパスと統合されており、リンク、ボード、さらにはチップに障害が正確に配置されます。遅延、ジッター、パケット損失の検出精度は 99% 以上に達しますが、他の IP 障害検出メカニズム (Cisco SAA など) の検出精度は約 30% にしか達しません。

ENPイーサネットプロセッサをベースに、あらゆるビジネスフローを簡単に検出できます。

対象のサービス フローの障害を検出するには、サービス フローを区別して色分けする必要があります。従来のスイッチでは、サービス フローを識別するために使用できる ACL リソースが限られており、メッセージの色分けには CPU しか使用できないため、パフォーマンスが低下し、大規模に展開することができません。 ENP ベースの S12700 アジャイル スイッチは、最大 256K の ACL をサポートし、任意のサービス フローを識別し、マイクロコードを使用してサービス フローを色分けしてリニア転送を実現します。

iPCA アプリケーション シナリオ

iPCA は、キャンパス、電力、IP RAN、ISP リンク リースなどのさまざまなシナリオで使用されます。パケット損失、遅延、ジッターなどのネットワーク品質を検出し、ビデオ、音声、有線および無線ネットワークなどのアプリケーションにおける障害の原因を迅速に特定します。

図1-2 iPCAキャンパスアプリケーションシナリオ

上図に示すように、iPCA はアクセス、集約、コア、さらには広域を含む各セグメントのネットワーク インジケーターを検出できます。障害の境界設定は高速かつ正確で、ネットワーク内の特定のボードまたは特定のチップで障害が発生したことを即座に判断できるため、トラブルシューティングが確実に行えます。 WAN が iPCA 機能をサポートしていない場合でも、WAN の両端のキャンパス出力を分析することで、WAN で障害が発生したかどうかを確認し、責任者を特定することができます。

<<:  プログラマーが面接でアルゴリズムについて素早く準備する方法

>>:  Tmall のプログラマーがハイエンド アルゴリズムを使用して女の子を探す

ブログ    
ブログ    
ブログ    

推薦する

心が開かれました! Adobeなどの研究者が「自撮り」を「他人が撮った写真」に変え、感動的な魔法の写真編集効果を実現

自撮り写真を他人が撮った写真に変えることもできます。魔法の写真編集の世界に新しいトリックが登場し、そ...

インタビュアー: アルゴリズムについての理解について教えてください。応用シナリオ?

[[424227]] 1. 何ですかアルゴリズムとは、問題に対する解決策の正確かつ完全な説明を指し...

IT リーダーが避けるべき 6 つの生成 AI の危険性

多くの場合、さまざまな組織がさまざまな方法で生成 AI テクノロジーを適用しますが、それがもたらす悪...

文脈学習 = 対照学習?人民大学が ICL 推論の背後にある暗黙の更新メカニズムを明らかに: 勾配は更新されるのか? 「さらに」

近年、Transformer に基づく大規模言語モデルは、驚くべきコンテキスト内学習 (ICL) 機...

金融分野における機械学習の7つの主要な応用例をカウントダウン

[[269614]]ビッグデータダイジェスト制作編集者:劉兆娜機械学習は市場の新しいトレンドであり、...

...

ディープラーニングモデルの知的財産権をどのように保護するか? IJCAI 2021ワークショップの内容をご覧ください

先日終了したIJCAI 2021カンファレンスでは、「ディープラーニングモデルの知的財産保護に関する...

今後 20 年間で、人工知能ロボットが介護士に取って代わり、高齢者の世話をすることになり、介護士よりも信頼できる存在になるでしょう。

人工知能の発達により、数十年、あるいは12年後には、人々は介護者やロボットを使って高齢者の世話をする...

...

...

ロボットも「感情カード」を切るが、人間の本性もアルゴリズムに変えられるのか?

[[228280]]画像出典: Visual Chinaもし人工知能がゆっくりと「感情を理解し」、...

階段を登るための最小コストを使用するデータ構造とアルゴリズム

[[443068]]最小限のコストで階段を登るLeetCode の問題へのリンク: https://...

各行列乗算には1光子未満が使用され、手書き数字認識の精度は90%を超え、光ニューラルネットワークの効率は数桁向上します。

現在、ディープラーニングは、ゲーム、自然言語翻訳、医療画像分析など、ますます多くのタスクで人間を上回...

DeepFMアルゴリズムを使用して推奨システムを設計する方法

[[239303]] [51CTO.com クイック翻訳] 10年以上の開発を経て、推奨システムはイ...

人工知能変革の転換点をどう乗り越えるか

Milvus は、オープンソースの人工知能エコシステムにデータ サービス機能を提供するオープンソース...