帮助运营商从容应对挑战

对于电信运营商来说，在以语音为主的时代，其网络静态且简单，但是在数据超越语音的时代，网络已经变得动态且复杂，因此，运营商网络需要新方法回归简约，这需要拓扑结构、物理、虚拟和未来SDN网络的全面可视化，解决TAP/SPAN端口之争，传输合适的流量到合适的工具上，实现工具基础设施集中化，通过智能包修复系统可规范和优化传输到工具上的流量，解决大数据问题并根据流量容量而不是连接购买工具，提高经营效率并节约资本支出。

移动通信中的无线数据越来越多，尽管这种转变增加了每用户平均收入（ARPU），但网络的数据流量也在一路飙升，迫使运营商面临新的挑战和成本压力。此外，大数据、VoLTE、网络虚拟化也是运营商面临的三大挑战。运营商急需全新架构以应对网络流量激增对流量可视化带来的巨大挑战，因此，新的基础架构需提高用户活动的可视化，提升服务转化利润的可能性，提高运行效率，并提供新的方法以阻止ARPU的减少。

解决大数据带来的难题

据悉，从2010年到2015年，全球移动数据流量将增长26倍。思科公司预计，到2017年，一般的智能手机每月可产生2.7GB的流量，而在2012年这个数据是仅仅342MB；到2017年，每月全球移动数据流量将超过10艾字节（exaby tes）。可见，移动网络传输的数据量是巨大的，运营商不仅要管理这些数据，还要从中获益，这要解决两个难题。

新媒体和视频等数据业务占据的网络空间已远远大于传统的语音业务，这是运营商要努力解决的第一个难题。为此，运营商开始更仔细地监控和管理自己的网络，不过这是很昂贵的，而且网络分析工具并没有随着网络速度的提高而变得便宜。对此，运营商不但不能获得足够的收益去支付监控和管理网络带来的费用，而且还不得不花费额外金钱用于传输不断增长的数据和管理网络，由此加重了运营商负担。Gigamon公司服务提供商解决方案总监Andy Huck ridge分析说，我们看到越来越多的运营商采用了下一代架构，该架构将容量、端口密度以及网络规模相结合，可把正确的分析工具连接到相应的大型管道上。同时，我们提供的解决方案通过先进的过滤和操控手段来调节数据，以减少到达各个工具的数据量，并确保数据通过精确格式化以减少工具的消耗。这意味着每个工具能够处理更多的数据而不需要分解输入的信息，可减少网络流量超载以及由于流量超载引起的工具故障事故。这种创新的网络流量传输方法可以帮助许多运营商维持目前的业务模式以及现有成本结构。

另一个需要解决的难题是，随着数据负载的持续上升，运营商的网络不能实现必要的可视化，从而产生盲点，进而影响网络性能。虽然市场上大多数解决方案可以为网络活动提供一定可视化，可它们往往不能智能地连接应用使用模式和个人用户，导致不能实现端到端的可视化。此外，移动设备的碎片化发展、手机设置有可能会影响到网络性能，应用开发者生态系统的动态变化，受以上诸多因素影响，运营商不久就会发现他们网络管理将变得复杂和困难。更重要的是，由于网络不能实现可视化，新的收入渠道也就无从说起。

因此，大数据带来的挑战分为两大类：一是流量传输问题，二是智能化处理数据以了解用户活动，增加收益来源。后者是大数据必须要面对的挑战—也是目前运营商最为困扰的问题。A ndyHuck ridge认为，运营商需要从用户的角度更好地了解流量，如使用情况、位置、设备、时间和日期甚至网络资源方面的情况，这只能通过端到端的流量可视化来实现。如果实现了端到端流量的可视化，运营商不仅可以提供更多个性化和更高水平的用户体验，同时也可以优化利用网络资源，从而降低总体拥有成本（TCO），吸引那些高附加值的大规模使用数据的用户，从而获得新的收益良机。由于传统端口级别的复制和汇聚解决方案不能为状态型用户感知会话提供可视化，导致运营商也无法提供更精细的信息。此外，由于这些网络环境中的监测工具无法应付目前的流量容量，所以运营商正努力寻找有成本效益的应用程序使用模式，这就是大数据的价值所在。

实现网络流量智能化

Andy Huck ridge介绍说，目前部署的可视化解决方案是基于第二、三或四层的包头参数来处理孤立的数据包，根本不能扩大规模以应对整个现代移动网络产生的海量数据。此外，运营商需寻求专为大数据时代而设计的基础架构，它能够提供从融合边缘到云的全面可视化。这种架构能够智能地处理一个管理域内各种网络的相关数据，并将这些数据发送到一个集中的工具集上，其中管理域包括校园网络、分支机构网络、私有云或SDN“孤岛”。先进的过滤功能如状态关联、用户感知和深度数据包可视化也成为关键。流量智能化的提升可以为运营商提供更精细的流量过滤和分发，以此确保其工具可以管理、分析和保障网络安全，同时也确保用户只接收相关的流量。

解决方案可以灵活地把用户感知的流量采样智能地发送到相关的工具上。Andy Huck ridge表示，G igam on Flow VUE可提供突破性的流量采样，借此把大数据转换成可管理的数据。该项技术可以智能地管理流量，帮助运营商实现监测工具的连接，如果没有该项技术，监测工具将无法处理如此庞大的数据量。这可以帮助运营商通过保持或提高工具使用率解决日益增加的工具成本以及通过使用工具如客户体验管理（CEM）产品实现大数据处理的效益化，从而与ARPU的减少相抵消。这种方法可以采集大型管道中的网络流量，并可以控制被转发到工具上的数据量，借助会话感知功能可精确地实现数据以较小的规模再现。这减少了大数据流量附带工具上的压力，通过把复杂的GPRS隧道协议（GTP）压缩到可视化层，可以实现效率的最大化。

Andy Huck ridge说，GTP关联技术使客户能够过滤和转发在3G/4G/LTE环境中使用GTP封装的相关用户业务流，卸载GTP关联功能有助于工具供应商解决分析处理功能损失。运营商正确地把相关的GTP-C和GTP-U连接到工具层，可以降低成本，简化网络互连复杂性，同时可以更一步地实现数据传输和回程链路的利润化。此类应用程序有助于实现不断增长流量的智能化，而流量的智能化是实现不断发展的网络和工具可视化的关键一步。随着网络技术的不断演进以及非可视叠加流量的猛增，流量可视化成为一个更大的挑战。如果部署合适的技术以监测网络，同时关联数据包和流量以实现流量优化，流量智能化水平一定会为运营商提供附加值，但是相对于未来运营商不断变化的网络，流量智能化还有很长的路要走。

让网络管理更轻松

Andy Huck ridge举例说，在多重服务100G的主干链路上部署VoLTE的亚洲某家大型运营商，最近花费两周的时间来调试众所周知的传统Vo IP难题“单向音频”。借助一个非标准的SDP会话描述符，这个难题最终归结到位于UE和P/S-CSCF之间的互通性问题上。薄监测层不能帮助运营商捕捉到工具层上的所需数据包，同时也不能把这些数据包传输到相对应的链路层元数据储存的低速工具上。Andy Huck ridge告诉记者，运营商应用了Gigamon技术，实施边缘滤波把所需的100G流量传输到工具部署的核心位置上，不到一个小时就解决了这个难题。

最后，Andy Huck ridge总结说，Gigam on公司产品具备以下优势：一是解决方案涵盖了从接入层、核心层、虚拟网、云计算、SDN等；二是可扩展的解决方案很多，提供100Gb解决方案，并且虚拟网络可视化，可把1Gb工具扩展到10Gb（或更多）网络；三是在核心基础设施层，“覆盖”可视化矩阵可为所有的网络片段中的中心工具（IDS，APM，DLP，网络，声音记录器），在提供可视化的同时，还能从生产网中删除管理流量；四是最大限度降低新部署风险，可以实现对基于现有流量基础上的新配置和新版本的基准问题测试，借助可视化矩阵，新的工具可以被部署而不影响生产；五是先进的数据操作，可实现传统网络的可视化，提高数据保密性，优化性能及真正扩展过滤引擎。总之，在网络数据流量越来越多的情况下，我们有能力和信心帮助运营商从容应对挑战。

（本刊记者/赵法彬）