如何通過機(jī)器學(xué)習(xí)和人工智能實(shí)現(xiàn)SDN？

服務(wù)提供商眼中的SDN現(xiàn)狀

憑借其對(duì)網(wǎng)絡(luò)簡(jiǎn)化和新收入流的優(yōu)勢(shì)，軟件定義網(wǎng)絡(luò)無(wú)疑已經(jīng)引起了服務(wù)提供商的強(qiáng)烈興趣。該技術(shù)的核心是將物理網(wǎng)絡(luò)功能與軟件控制分離，創(chuàng)建開放式交換機(jī)和控制軟件的生態(tài)系統(tǒng)，以實(shí)現(xiàn)快速創(chuàng)新和易于集成的新環(huán)境。

開放社區(qū)在為程序控制定義接口和協(xié)議方面投入了大量精力。開放式協(xié)議與開源控制器相結(jié)合，現(xiàn)已在許多展示中得到證明，突出了多供應(yīng)商和多運(yùn)營(yíng)商網(wǎng)絡(luò)中資源抽象和控制的優(yōu)勢(shì)。然而，盡管這一技術(shù)目前在數(shù)據(jù)中心得到廣泛應(yīng)用，但由于服務(wù)提供商網(wǎng)絡(luò)的業(yè)務(wù)挑戰(zhàn)，使用SDN技術(shù)的實(shí)時(shí)網(wǎng)絡(luò)的情況仍然很少。

雖然標(biāo)準(zhǔn)化和穩(wěn)定的接口確實(shí)是SDN廣泛采用的必要先決條件，但服務(wù)提供者需要一個(gè)積極的業(yè)務(wù)案例，從人工控制轉(zhuǎn)向自動(dòng)化網(wǎng)絡(luò)控制。目前，集成和維護(hù)新接口所需的額外工作以及額外的中央控制實(shí)例似乎抵消了自動(dòng)化的成本優(yōu)勢(shì)。

對(duì)SDN的更廣泛的看法

為了了解SDN的全部潛力，我們需要將重點(diǎn)從自動(dòng)化轉(zhuǎn)移到自動(dòng)化操作。要全面了解網(wǎng)絡(luò)狀態(tài)、可用資源和服務(wù)需求，智能算法是值得推薦的。閉環(huán)控制最初由人控制激活，通過開放的SDN接口，閉環(huán)控制將在網(wǎng)絡(luò)可編程的進(jìn)程中得到發(fā)展。

SDN是實(shí)現(xiàn)基于ML和AI的高級(jí)操作方法的關(guān)鍵推動(dòng)因素。簡(jiǎn)化對(duì)底層網(wǎng)絡(luò)的控制應(yīng)該是實(shí)現(xiàn)自治網(wǎng)絡(luò)路由的第一步。如果忽視這一點(diǎn)將會(huì)帶來(lái)巨大的損失，正如比爾蓋茨所強(qiáng)調(diào)的：“企業(yè)使用的任何技術(shù)的第一條規(guī)則是，將自動(dòng)化應(yīng)用于高效操作將提高效率。其次，自動(dòng)化應(yīng)用于低效率的操作將降低效率?！叭绻麤]有基于模型的層次化網(wǎng)絡(luò)抽象，網(wǎng)絡(luò)操作的簡(jiǎn)化就不可能成功。

ML和AI的力量

有很多證據(jù)證明了深度學(xué)習(xí)和（狹義）人工智能的力量。當(dāng)谷歌DeepMind的AlphaGo戰(zhàn)勝了最好的圍棋手時(shí)，專家群體對(duì)這種前所未有的游戲方式感到困惑。在診斷和治療方面，IBM Watson的表現(xiàn)始終優(yōu)于癌癥專家。顯然，在復(fù)雜程度很高和大量多樣信息的情況下，人工智能可以在速度和效率上與人類競(jìng)爭(zhēng)。

像這樣的案例讓服務(wù)提供商對(duì)AI抱有高度期望，他們希望AI在網(wǎng)絡(luò)成本和運(yùn)營(yíng)方面起作用。下圖顯示了去年年底TMF的調(diào)查結(jié)果（TMF趨勢(shì)分析：AI - 現(xiàn)在時(shí)間; 2017年12月）。供應(yīng)商被問及最相關(guān)的用例。

AI還希望被應(yīng)用到廣域網(wǎng)安全性方面。各種復(fù)雜的攻擊模式和零日攻擊顯然是人工智能的一個(gè)有趣應(yīng)用。但是期望最高的領(lǐng)域是網(wǎng)絡(luò)優(yōu)化。

供應(yīng)商在改進(jìn)業(yè)務(wù)方面寄予厚望，主要是為了提高資源利用的效率。如上文所述，運(yùn)營(yíng)工作應(yīng)建立在簡(jiǎn)化和精簡(jiǎn)的網(wǎng)絡(luò)之上。具有開放控制和層次抽象的SDN是實(shí)現(xiàn)這一前提的最有希望的方法。更重要的是，應(yīng)該有一個(gè)機(jī)制來(lái)快速捕獲來(lái)自網(wǎng)絡(luò)及其操作的任何有用數(shù)據(jù)。基于模型的遙測(cè)流被認(rèn)為是從分散的網(wǎng)絡(luò)有效地收集所需數(shù)據(jù)的首選方法。

用例

在我們的網(wǎng)絡(luò)中引入人工智能是一個(gè)重大舉措，它影響到網(wǎng)絡(luò)技術(shù)，但也以一種破壞性的方式影響著運(yùn)營(yíng)流程。有針對(duì)性的解決已有明確定義的應(yīng)用程序領(lǐng)域的問題是一個(gè)明智的選擇。這樣不僅可以獲得經(jīng)驗(yàn)，而且可以將對(duì)網(wǎng)絡(luò)的改進(jìn)方法穩(wěn)定地運(yùn)用到操作中并與底層網(wǎng)絡(luò)架構(gòu)保持一致。下面概述了兩個(gè)實(shí)際例子，并強(qiáng)調(diào)了SDN的相關(guān)性。

預(yù)測(cè)性維護(hù)

服務(wù)提供者經(jīng)常為觸發(fā)修復(fù)過程或網(wǎng)絡(luò)擴(kuò)展定義特定的閾值。如今，決策通?；趩蝹€(gè)數(shù)據(jù)點(diǎn)，例如資源利用率閾值或誤碼率?？墒沁@種方法忽略了許多有用的信息。另一方面，預(yù)測(cè)性維護(hù)可全面了解網(wǎng)絡(luò)及其所應(yīng)用組件的特性。而且這種預(yù)測(cè)性維護(hù)可以在由故障導(dǎo)致的停機(jī)之前生成警告。。

ADVA的網(wǎng)絡(luò)運(yùn)營(yíng)中心采用了這種方法，管理多個(gè)客戶的網(wǎng)絡(luò)。網(wǎng)絡(luò)中數(shù)據(jù)是不斷地被捕獲的，然后再用神經(jīng)網(wǎng)絡(luò)的方法分析這些數(shù)據(jù)，因此故障組件可以在網(wǎng)絡(luò)故障發(fā)生之前被識(shí)別出來(lái)。將AI與自動(dòng)流量控制相結(jié)合，這使服務(wù)提供商能夠搶先檢測(cè)到受影響的接口/組件并在零停機(jī)時(shí)進(jìn)行維修，即使對(duì)于網(wǎng)絡(luò)的非冗余部分也是如此。這樣可以以更具成本效益的方式開辟了設(shè)計(jì)和運(yùn)營(yíng)網(wǎng)絡(luò)的新方法。

光子網(wǎng)絡(luò)中的網(wǎng)絡(luò)優(yōu)化

設(shè)計(jì)一個(gè)光學(xué)層需要一個(gè)高技能的光子傳輸專家，該專家需要具有多能級(jí)調(diào)制、光纖色散和非線性以及放大光學(xué)系統(tǒng)的瞬態(tài)特性的知識(shí)。如果必須激活一個(gè)新的波長(zhǎng)，則需要應(yīng)用復(fù)雜的軟件工具來(lái)計(jì)算性能。這使得在大型光學(xué)系統(tǒng)中的自動(dòng)波長(zhǎng)路由變得復(fù)雜。

機(jī)器學(xué)習(xí)開辟了解決這一問題的新途徑。代替數(shù)值計(jì)算，系統(tǒng)行為通過由從大量網(wǎng)絡(luò)收集的真實(shí)數(shù)據(jù)訓(xùn)練的神經(jīng)算法來(lái)估計(jì)。事實(shí)證明，這種方法在預(yù)測(cè)光子網(wǎng)絡(luò)中的信號(hào)性能方面是完全準(zhǔn)確的，與自動(dòng)SDN控制相結(jié)合，構(gòu)建了自主操作的基礎(chǔ)。

下圖顯示了智能算法預(yù)測(cè)的信號(hào)性能與實(shí)際網(wǎng)絡(luò)數(shù)據(jù)之間的比較。隨著數(shù)據(jù)集的不斷增加，該方法達(dá)到了適合實(shí)時(shí)網(wǎng)絡(luò)部署的準(zhǔn)確度。

將AI和ML運(yùn)用到網(wǎng)絡(luò)規(guī)劃，設(shè)計(jì)和運(yùn)營(yíng)方面我們?nèi)蕴幱谠缙陔A段。預(yù)測(cè)性維護(hù)或網(wǎng)絡(luò)優(yōu)化等使用案例為降低網(wǎng)絡(luò)成本帶來(lái)了希望。SDN是閉環(huán)自動(dòng)化的關(guān)鍵先決條件。