Wenn IT-Probleme auftreten, liegt der Schlüssel zur schnellen Lösung in den Daten – Daten, die beim Auftreten des Fehlers erzeugt werden, historische Daten und Live-Daten, die während der Fehlerbehebung gewonnen werden. Es ist entscheidend sicherzustellen, dass wir die richtigen Daten zum richtigen Zeitpunkt für das richtige Problem haben. IT-Daten sind daher von zentraler Bedeutung für alles, was der Netzwerkbetrieb tut, und sind der Schlüssel zur Automatisierung der Lösung der Flut von Warnungen und Tickets, die IT-Betriebsteams täglich treffen.
Abbildung 1 – Maschinenrohdaten von Infrastructure
Die komplexen Infrastrukturen von heute enthalten mehr Daten als je zuvor, die in Geräten eingeschlossen und über SNMP-Abruf- oder andere Systeme verteilt sind, die Details zu Topologie, Leistung, design intent, sowie den aktuellen Zustand und das Verhalten aller Geräte in Ihrem Netzwerk.
Die wichtigsten Daten für die Fehlerbehebung werden über die Geräte-CLI oder -API abgerufen, normalerweise manuell und sequenziell, ein Gerät nach dem anderen abgerufen. Tatsächlich wird die meiste Zeit für die Fehlerbehebung mit der Navigation durch diese Befehlszeilendiagnosen verbracht.
Angesichts der Tatsache, dass dies ein größtenteils manueller Prozess ist, wie können wir hoffen, unsere Bemühungen zur Fehlerbehebung zu skalieren, um das endlose Meer von Tickets zu bewältigen? Um über die menschlichen Fähigkeiten hinaus zu skalieren, müssen wir die Netzwerkautomatisierung einsetzen.
Wie wir wissen, ist Network Engineering auf prozeduraler Ebene sehr ineffizient. Ingenieure führen nacheinander Prüfungen auf vielen Geräten durch, um ein oder zwei Zahlen oder Ergebnisse zu erhalten. IT-Tools enthalten eine Fülle anderer nützlicher Analysen und Daten, aber der Zugriff auf IT-Tool-Daten erfordert das Klicken durch mehrere GUIs oder Konsolen und das Korrelieren der Ergebnisse.
Das Sammeln der für die Fehlerbehebung erforderlichen Daten ist für Ingenieure ein sehr langwieriger Prozess, der oft länger dauert als die Analyse der Daten. Darüber hinaus sind die heutigen Daten mehrdimensional, in mehreren Formaten und über viele verschiedene Geräte und Systeme verteilt, was eine erhebliche Herausforderung bei der effizienten Analyse der Informationen darstellt.
Neben der Komplexität von Big Data in der IT müssen Engineering-Teams bei der Bewältigung eines Problems auch eine Zeitreihenperspektive auf diese Daten haben. Mit anderen Worten, wir benötigen kontextbezogene Daten, die zu verschiedenen Zeitpunkten erhoben wurden, um die Ursache eines Problems einzugrenzen und zu isolieren.
Ohne die Hilfe der Automatisierung haben Ingenieure Mühe, die erforderlichen Daten rechtzeitig manuell abzurufen und zusammenzustellen, was zu Verzögerungen bei der Problem- und Ticketlösung führt.
NetBrain Die Automatisierung löst dieses Problem, indem sie automatisch (1) Ihr hybrides Netzwerk erkennt, (2) seine reichhaltigen Daten extrahiert und (3) Ihre komplexe Infrastruktur und all ihre riesigen Informationsmengen als Basis definiert und ein dynamisches, mathematisches Datenmodell Ihrer gesamten Umgebung erstellt.
NetBrain unterstützt jede hybride IT-Umgebung, End-to-End, einschließlich Legacy- oder herkömmliche Netzwerke, softwaredefinierte oder virtuelle Netzwerke, und public cloud Infrastrukturen. Verwenden einer Kombination aus automatisierten SNMP-, CLI- und API-Mechanismen und NetBraindie patentierten Neighbor-Discovery-Algorithmen von , NetBrain kann mit skalierbarer Effizienz durch die größten Umgebungen kriechen.
Während SNMP für die Plattformidentifikation und andere nützliche Telemetrie verwendet wird, sind die umfangreicheren Diagnose- und design intent Daten werden über den automatisierten CLI- oder API-Abruf eingezogen. Dies stellt dies sicher NetBrainDas Datenmodell von enthält nicht nur die detaillierten Informationen zu Konfiguration, Plattformtyp, Hostname und IP-Adressierung, sondern auch die Komplexität von design intent und Schicht-2-, Schicht-3-, softwaredefinierte und virtuelle Netzwerktopologien.
Abbildung 2 - NetBrainKnotenerkennung von
Der erste Schritt der Datenanalyse ist die Datenextraktion – sicherzustellen, dass wir sowohl qualitativ hochwertige als auch mehrdimensionale Daten haben, ist für eine qualitativ hochwertige Analyse unerlässlich.
Die heutigen IT-Daten leben in Maschinen in Form von Zustand Telemetrie, die uns den Zustand von Leistungsmechanismen wie CPU, Speicher, Netzwerkschnittstellenstatistiken usw. mitteilt Zustandsinformationen. Dies liefert Daten zum aktuellen Verhalten des Netzwerks, einschließlich End-to-End-Anwendungspfade, Weiterleitungstabellen, Aktiv-/Failover-Status und so weiter. Wenn ein Netzwerkfehler auftritt, werden diese beiden kritischen Datentypen generiert.
Abbildung 3 – Von Netzwerkfehlern generierte Daten
Anhand von Zustandsdaten können Ingenieure Änderungen an Zustandsmetriken wie CPU, Arbeitsspeicher, Schnittstellenfehler usw. überprüfen. Dies wären in der Regel unterstützende Daten, können aber dabei helfen, den Aufprallradius und die Grundursache zu bestimmen.
Abbildung 4 – Baseline für Bedingungsvariablen
Mit Zustandsänderungsdaten können Ingenieure feststellen, ob es eine Abweichung vom zuvor festgelegten Netzwerkverhalten gibt. Beispiele hierfür sind Firewall-Failover, Änderungen der Steuerungsebene und Änderungen des BGP-Peerings.
Abbildung 5 – Baseline für Zustandsvariablen
Durch die Analyse kombinierter Zustands- und Zustandsdaten können Ingenieure die eigentliche Ursache eingrenzen. NetBrain automatisiert die gesamte Netzwerkdatenextraktion und stellt sicher, dass Sie immer ein aktuelles, vollständiges Bild Ihrer Infrastruktur haben und alle relevanten Netzwerkzustands- und Zustandsdaten immer zur Hand haben.
Bei der Untersuchung von IT-Tickets müssen Ingenieure schnell feststellen können, ob die Daten, die sie sich ansehen, es sind normal, oder auch Was hat sich verändert. Entscheidend für diese Aktivität ist die Verfügbarkeit mehrerer Datenzeitpunkte für die Zeitreihenanalyse. Ingenieure müssen vergleichen (1) Lebensdaten, (2) Daten aus der Zeitpunkt der Veranstaltungund (3) Basisdaten, über die Zeit berechnet.
Kern zu NetBrainDas Datenmodell von ist sein Datenbankalgorithmus – durch automatisches Berechnen des „normalen“ Zustands oder Werts für vollständige Variablen innerhalb Ihres Netzwerks können Ingenieure schnell erkennen, wenn es Abweichungen von früheren gesunden Netzwerkzuständen gibt.
Abbildung 6 – Zeitreihenanalyse
Mit diesen drei kritischen Datenpunkten – Live-Daten, Daten zum Zeitpunkt des Ereignisses und Basisdaten – NetBrain Die Automatisierung kann jedes IT-Ticket aus den drei erforderlichen Perspektiven angehen, die für die Isolierung der Grundursache unerlässlich sind:
Im IT-Bereich scheint die Anwendung von Datenvisualisierung ein notwendiger Schritt zu sein, egal welche Daten Sie analysieren möchten. NetBrain absorbiert Big Data der IT mit Details zu jedem Knoten, Link, Leistungskennzahlen, design intent, und wandelt es in ein visuelles Analogon in Form von a um NetBrain Dynamic Map.
A Dynamic Map fungiert als visueller Mechanismus zur Diagnose Ihrer IT-Infrastruktur und zur Containerisierung der analysierten Diagnosedaten. Durch detaillierte, mehrschichtige Ansichten Ihrer Netzwerk- und IT-Daten können Techniker komplexe Probleme in Echtzeit aus mehreren Blickwinkeln betrachten.
NetBrain's Datenmodell kombiniert mit der automatisierten Datenvisualisierung der Dynamic Map ermöglicht einen leicht verständlichen Benutzereinblick in die Komplexität Ihrer IT-Daten und ist Ihre Benutzeroberfläche für die Netzwerkautomatisierung.
Abbildung 7 – Architektur der Datenvisualisierungssoftware
Das Ergebnis von NetBrainDie Deep Discovery, Datenextraktion und automatisierte Baseline von ist ein umfassendes mathematisches Datenmodell Ihrer Live-Umgebung, komplett mit Details zu design intent, Topologie und das Innenleben aller Teile.
Abbildung 8 - NetBrain's integrierte Datenmodellarchitektur
NetBrainDas Datenmodell von bietet die Grundlage für alle Netzwerkautomatisierungen und -befugnisse NetBrain's zwei grundlegende Automatisierungstechnologien – die Dynamic Map für die automatisierte Datenvisualisierung und Ihre Benutzeroberfläche für die Netzwerkautomatisierung und die Ausführbar Runbook um all Ihre Diagnose- und Betriebsverfahren zu kodifizieren und zu automatisieren.
NetBrainDas Datenmodell von fungiert somit als „digitaler Zwilling“ Ihres Live-Netzwerks und enthält alle Daten und Basisanalysen, die IT-Betriebsteams benötigen, um komplexe umgebungsweite Diagnosen zu automatisieren und jedes IT-Ticket mit einer Geschwindigkeit und Effizienz anzugehen, die die von gestern in den Schatten stellt manuelle Methoden.