Los 5 mejores tickets de soporte de red para automatizar
¿Qué es lo que más te frustra del soporte de red? Nada se siente mejor que jugar al detective en un problema de red oscuro y ser el héroe de TI que lo resuelve. Pero demasiado...
Big Data de TI
Cuando surgen problemas de TI, la clave para una resolución rápida se esconde en los datos: datos producidos cuando ocurre la falla, datos históricos y datos en vivo obtenidos durante la resolución de problemas. Garantizar que tenemos los datos correctos en el momento correcto para el problema correcto es fundamental. Por lo tanto, los datos de TI son fundamentales para todo lo que hacen las operaciones de red y son clave para automatizar la resolución de la avalancha de alertas y tickets que afectan a los equipos de operaciones de TI todos los días.
Figura 1: datos de máquina sin procesar de la infraestructura
Las infraestructuras complejas de hoy en día contienen más datos que nunca, bloqueados dentro de dispositivos y distribuidos a través de la recuperación de SNMP u otros sistemas que contienen detalles sobre topología, rendimiento, design intenty el estado actual y el comportamiento de todos los dispositivos en su red.
Los datos más esenciales para la solución de problemas se obtienen a través de la CLI o la API del dispositivo, que generalmente se extraen de forma manual y secuencial, un dispositivo a la vez. De hecho, la mayor parte del tiempo de solución de problemas se dedica a navegar por estos diagnósticos de línea de comandos.
Dado que este es un proceso principalmente manual, ¿cómo podemos esperar escalar nuestros esfuerzos de solución de problemas para abordar el mar interminable de tickets? Para escalar más allá de las capacidades humanas, necesitamos utilizar la automatización de redes.
NetBrainEl modelo de datos de es la base para la automatización de redes
Como sabemos, la ingeniería de redes es muy ineficiente a nivel procedimental. Los ingenieros ejecutan comprobaciones de forma secuencial en muchos dispositivos para obtener uno o dos números o resultados. Las herramientas de TI contienen una gran cantidad de otros análisis y datos útiles, pero acceder a los datos de las herramientas de TI implica hacer clic en varias GUI o consolas y correlacionar los hallazgos.
Recopilar los datos necesarios para solucionar problemas es un proceso muy largo para los ingenieros, que a menudo lleva más tiempo que el tiempo necesario para analizar los datos. Además, los datos de hoy en día son multidimensionales, multiformatos y se distribuyen en muchos dispositivos y sistemas diferentes, lo que presenta desafíos considerables para analizar la información de manera eficiente.
Además de la complejidad de Big Data de TI, al abordar cualquier problema, los equipos de ingeniería también deben tener una perspectiva de serie temporal sobre estos datos. En otras palabras, necesitamos datos contextuales obtenidos de diferentes puntos en el tiempo para reducir y aislar la causa raíz de cualquier problema.
Sin la ayuda de la automatización, los ingenieros luchan por recuperar y ensamblar manualmente los datos necesarios de manera oportuna, lo que genera demoras en la resolución de problemas y tickets.
NetBrain La automatización resuelve esto al (1) descubrir automáticamente su red híbrida, (2) extraer sus datos enriquecidos y (3) basar su infraestructura compleja y toda su gran cantidad de información, creando un modelo de datos matemáticos y dinámicos de todo su entorno.
Descubrimiento de red automatizado
NetBrain es compatible con todos los entornos de TI híbridos, de extremo a extremo, incluidas las redes heredadas o tradicionales, las definidas por software o las redes virtuales, y public cloud infraestructuras Utilizando una combinación de mecanismos SNMP, CLI y API automatizados y NetBrainalgoritmos patentados de descubrimiento de vecinos, NetBrain puede rastrear los entornos más grandes con eficiencia escalable.
Si bien SNMP se usa para la identificación de plataformas y otra telemetría útil, el diagnóstico y design intent los datos se extraen a través de la recuperación automatizada de CLI o API. Esto asegura que NetBrainEl modelo de datos de contiene no solo la información detallada sobre la configuración, el tipo de plataforma, el nombre de host y el direccionamiento IP, sino también la complejidad de design intent y topologías de capa 2, capa 3, definida por software y de red virtual.
Figura 2 - NetBraindescubrimiento de nodos
Extracción automatizada de datos
El primer paso del análisis de datos es la extracción de datos: garantizar que tenemos datos de calidad y datos multidimensionales es esencial para un análisis de alta calidad.
Los datos de TI de hoy viven en máquinas en forma de telemetría de condición, diciéndonos el estado de los mecanismos de rendimiento como la CPU, la memoria, las estadísticas de la interfaz de red y información del estado. Esto proporciona datos sobre el comportamiento actual de la red, incluidas las rutas de aplicaciones de extremo a extremo, las tablas de reenvío, los estados activos/de conmutación por error, etc. Cuando ocurre una falla en la red, se generan estos dos tipos de datos críticos.
Figura 3: datos generados por fallas en la red
Con los datos de condición, los ingenieros pueden revisar los cambios en las métricas de estado, como la CPU, la memoria, los errores de interfaz, etc. Por lo general, esto sería información de respaldo, pero puede ayudar a identificar el radio de impacto y la causa raíz.
Figura 4 – Línea base de la variable de condición
Con los datos de cambio de estado, los ingenieros pueden determinar si existe una variación con respecto al comportamiento de la red previamente establecido. Los ejemplos aquí incluyen conmutación por error de cortafuegos, cambios en el plano de control y cambios en el emparejamiento de BGP.
Figura 5 – Línea de base variable de estado
Al analizar los datos combinados de condición y estado, los ingenieros pueden reducir la causa principal. NetBrain automatiza toda la extracción de datos de la red, asegurando que siempre tenga una imagen actualizada y completa de su infraestructura y que todos los datos relevantes de la condición y el estado de la red estén siempre al alcance de su mano.
Análisis de datos automatizado
Al investigar los tickets de TI, los ingenieros deberán determinar rápidamente si los datos que están viendo son normalo que ha cambiado. Vital para esta actividad es tener múltiples puntos de datos en el tiempo para el análisis de series temporales. Los ingenieros deben comparar (1) datos en tiempo real, (2) datos de la hora del evento, y (3) datos de referencia, calculado en el tiempo.
Núcleo a NetBrainEl modelo de datos de son sus algoritmos de línea de base de datos: al calcular automáticamente el estado o valor "normal" para variables completas dentro de su red, los ingenieros pueden saber rápidamente cuándo hay desviaciones de los estados de red saludables anteriores.
Figura 6 – análisis de series de tiempo
Con estos tres puntos de datos críticos (datos en vivo, datos de la hora del evento y datos de referencia) NetBrain la automatización puede abordar cualquier ticket de TI desde las tres perspectivas necesarias esenciales para aislar la causa raíz:
- Datos de referencia: para comprender qué ha variado de lo normal de la red
- Hora de los datos del evento: recopile automáticamente diagnósticos y datos potencialmente transitorios en el momento en que ocurre una falla
- Datos en vivo: alimentados por automatización pero iniciados por el ingeniero durante el análisis de los dos puntos de datos anteriores
Visualización de datos automatizada
En el campo de TI, sin importar qué datos desee analizar, aplicar la visualización de datos parece ser un paso necesario. NetBrain absorbe Big Data de TI, con detalles sobre cada nodo, enlace, métricas de rendimiento, design intent, y lo convierte en un análogo visual en forma de NetBrain Dynamic Map.
A Dynamic Map actúa como un mecanismo visual para diagnosticar su infraestructura de TI y contener los datos de diagnóstico que se analizan. Al habilitar vistas detalladas y en capas de su red y datos de TI, los ingenieros pueden revisar problemas complejos desde múltiples ángulos en tiempo real.
NetBrainEl modelo de datos combinado con la visualización automatizada de datos del Dynamic Map facilita una vista de usuario fácil de entender sobre la complejidad de sus datos de TI y es su interfaz de usuario para la automatización de la red.
Figura 7 – Arquitectura de software de visualización de datos
Gemelo digital de Live Network
El resultado de NetBrainEl descubrimiento profundo, la extracción de datos y la línea de base automatizada de es un modelo de datos matemáticos integral de su entorno en vivo, completo con detalles sobre design intent, topología y el funcionamiento interno de todas las piezas.
Figura 8 - NetBrainArquitectura del modelo de datos integrado de
NetBrainEl modelo de datos de proporciona la base para toda la automatización y los poderes de la red. NetBrainLas dos tecnologías de automatización fundamentales de Dynamic Map para la visualización automatizada de datos y su interfaz de usuario para la automatización de la red, y la Ejecutable Runbook para codificar y automatizar todos sus procedimientos operativos y de diagnóstico.
NetBrainPor lo tanto, el modelo de datos actúa como un "gemelo digital" de su red en vivo, que contiene todos los datos y el análisis de referencia que los equipos de operaciones de TI necesitan para automatizar diagnósticos complejos en todo el entorno y abordar cada ticket de TI con una velocidad y eficiencia que eclipsa a la de ayer. métodos manuales.