ICT智慧大腦檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

ICT智慧大腦中企網絡通信技術有限公司，簡稱中企通信，是中信集團旗下的子公司，於2000年8月成立，總部位於北京，在上海、蘇州、廣州、深圳、東莞、天津、杭州、武漢、成都、西安、重慶等地設有分公司，致力為企業提供可信賴及綜合的一站式信息通信技術（ICT）服務。 中企通信的服務涵蓋大部分企業ICT關鍵領域，包括中企通CeOne-CONNECT專用網絡服務、TrustCSI信息安全管理服務、雲時代SmartCLOUD雲計算管理服務，DataHOUSE雲數據中心。這四大旗艦產品與其一系列的增值管理服務，可互相融合，並可配合網絡運營中心，安全運營中心及雲計算運營中心，成為企業用戶強有力的後盾。中企通信創新的ICT整合方案，不僅屢獲殊榮，並通過多項國際認證，憑藉其在高端製造業、專業服務、科技創新、航運、貿易和金融等不同領域的經驗優勢，結合優質服務，為企業提升信息通信技術水平，穩步邁入數字化轉型之路，成就創新價值。

案例概述

ICT智慧大腦旨在實現以數據為核心將人工智能和ICT服務進行深度融合，幫助客戶主動感知網絡狀態和業務的變化；滿足客戶精細化分析的需求，以應用體驗為重點，為客戶數字化轉型提供智能化升級；最終打造出基於ICT服務的智能分析平台。

目前通過為客戶定製化分析，完成了部分客戶VPN線路，SD-WAN和安全產品的智能分析，輸出了融入AI元素的客戶網絡分析月報；完成了內部的數據對接；以及為部分客戶SD-WAN產品的智能分析頁面，通過建模實現了故障定位、發現異常應用以及問題背後的邏輯鏈、以及預測分析。並通過自主搭建Hortonworks Data Platform（HDP）大數據平台，實現數據整合，分布式接收、處理和存儲。解決了海量數據處理困難的問題，縮短了計算響應時間。

成果突破性

在通信網絡技術發展中，網絡流量狀態一直備受關注，但是，傳統的網絡狀態預測大部分僅僅是基於網絡流量，帶寬利用率等進行統計性分析，並且沒有充分挖掘網絡流量，應用質量，鏈路質量和站點健康狀態的數據價值，以及隱性的特點如關聯性、未來趨勢等。

一、成果主要特點

1.能面向應用體驗的指標分析，能動態感知應用健康體驗情況，對應用的多個關鍵特徵所建立的體驗基線進行匹配，動態實時當前主要應用的體驗情況，並快速定位與量化。

2.能進行智能關聯分析，將不同的設備、路徑、數據包、時延、抖動等應用體驗與網絡結構、信息安全態勢等從時間、空間、業務的多維感知中進行智能關聯，尋找根因與解決方案。

3.向業務智能分析進行進化，以業務為對象的感知模式，從比特流的級別向業務BI級別的上中下游進行聯動感知，面向業務主動分析，呈現業務的運行狀態。

4.實現智能預警與預測，我們通過優化後的BP神經網絡算法可以實現接下來一段時間內如1周時間內的預測預警，化被動為主動，及時響應，不斷提升網絡服務水平。

二、貢獻和影響

1.在IT側，通過構建業務慶用基建，動態識別異常與關聯分析、消除業務、管理與運維的壁壘，實現端到端體驗感知與根因朔原，可以動態進行策略優化持續改進IT服務水平和能力。

2、在業務側，通過IT水平能力的智能化升級與提升，來實現面向業務與未來的運營能力，以此將ICT價值與業務價值進行融合與創新，實現數據與智能對業務的拉動力。

3、問題發生前：幫助客戶提前預判問題，做出合理的網絡使用規劃；幫助客戶通過總部和各分支站點間的流量走勢，應用組成來理解業務，幫助企業制定未來戰略方向和經營策略。問題發生後：快速定位問題，找到問題背後的邏輯鏈，給出相應的解決方案。

技術要點

行業痛點及解決思路

隨着互聯網的不斷發展，客戶業務量的不斷增加，各種應用、軟件成為日常辦公不可缺少的一部分，企業正在通過數字化轉型，重塑服務流程、智能化服務能力以及創新產品，以獲得更強大的競爭力。

1. ICT架構直接關係業務效率，一旦發生應用連接問題，企業需要直接問題洞察與根因分析，但現在的傳統的網絡分析手段，很難協助客戶給出端到端的精準判斷。如發生業務連接不穩定的狀態，企業的IT無法快速判斷問題的準確位置，也無法判斷影響了多少用戶，更不知道已造成多大的影響。

2.業務變化越來越快，企業需要更加快速的響應甚至是預警能力，將問題在發生的最初期，甚至是未發生之前快速解決。但傳統監控方式偏被動與滯後。企業IT只能「救火式」響應，但不知下一次又是什麼時間暴發問題，客戶需要更主動的響應。

3.當前，數字化需要對企業業務有更大的支持和引領作用，企業的IT需要主動運用ICT技術，支持服務的數字化改造。比如客戶需要知道，當有新的業務應用上線時，會對現有網絡架構產生什麼樣的影響，網絡架構需要怎麼樣的調整？流量可能會有多大？網絡路徑如何設計等。

二、技術方案：

1. 數據採集層面：

方法一：

自動化代碼向廠商 （已授權）restful API 自動、實時（1小時請求一次）的請求、獲取數據。使用部署在（HDP大數據平台組件）Dolphin Scheduler ，一個可視化的分布式大數據工作流任務調度系統，可以實現數據自動採集。

方法二：

通過內部數據對接，獲得網絡線路產生的網絡流量數據，可以直接存入大數據平台下的數據倉庫

3. 選擇部分清洗好數據作為輸入，選擇數學模型，模型訓練

根據擬合結果調參，優化參數。智能算法實現主要基於從網絡、應用、至業務層面的特徵建模與分析。基於機器學習如無監督聚類分析進行會話級別的矩陣與層次、密度聚類，構建端到端的會話與應用聚類模型。洞悉關聯性進行關聯性與根因的分析。在行為的預測和異常的識別方面，以動態變化的基於事件的概率運算跟蹤變化的行為與應用網絡架構，能過細微變化與時序性識別表徵網絡行為和進行預測。

4. 為了能夠有更高的時效性和實時性分析

我們基於實時流特徵工程的神經網絡算法，實時整體網絡與應用結構的動態實時計算、感知與迭代預測

5. 將模型部署在高性能服務器上

保障在實時大量數據輸入時的高效輸出。

6. 利用訓練好的數學模型

進行應用異常檢測（聚類），並找出問題的邏輯關係（關聯的鏈路，發生的頻率等）；鏈路質量和應用質量的預測（神經網絡算法）以及基線的計算；通過觀察應用組成，構造客戶業務畫像

7. 結果可視化

將模型產生的結論通過可視化圖表展現出來，會有定製化的頁面呈現。