【IT168评论】随着供应商希望优化操作流程，降低成本并优化现代云时代的WAN功能，软件定义广域网（SD-WAN）得到了AIOps的大力推动。

SD-WAN将互联网的控制多方面与硬件分离，以创建虚拟化的网络数据覆盖，而AIOps则将机器学习和数据分析使用于it技术运营，以实现工作流程智能化。二者的融合（也称为AI驱动的广域网）有望开启广域网的新起点，使it技术不仅可以优化网络和应用程序体验，还可以为单个用户提供最佳体验。

在过去的五年中，SD-WAN是通信领域最火爆的技术之一。

广域网十分重视变革，于是出现了SD-WAN。它为互联网提供了更大的灵活性，并使企业能够利用低成本的互联网，代替高费用的电信宽带服务。此外，SD-WAN通过自动系统故障转移提高了互联网弹性。在“万物互联”的时代，互联网正常运作时间对于维持工作运营至关重要。

在2020年之前，SD-WAN的使用已经很普遍了，而疫情的爆发影响了它更快的被使用。在2020ZKResearchAnywhere的研究中，有46％的受访者表示，新冠疫情加快了他们的SD-WAN布署。

尽管使用迅速，但是SD-WAN并不能处理全部网络问题。无论是软件定义还是其他方式的网络运营，遭遇的挑战是策略配置和持续管理及系统故障解决都是人工完成的。全部的SD-WAN厂商都已经做好了优化布署的工作，虽然是零接触的配置，但这只解决了零天的操作流程。一旦互联网运作起来，寻找广域网突然中断源头的过程仍然是一个需要大量人工复杂工作的过程。如果没有一个智能事件关联的智能化模型，在LAN、WLAN和WAN域之间隔离问题的难度成倍增加，而且完全不可能。

在某些多方面，SD-WAN加剧了系统故障解决问题。它通过隐藏突然中断的多路径互联网，为互联网增加了一定程度的弹性。这导致互联网操作流程仪表板可以显示全部内容均为“绿色”，但应用程序的功能较差的情况。随着视频直播系统的流行起来，互联网功能问题变得异常明显，网络工程师们不断地争相尝试和解决问题。

这时人工智能可以更好地发挥的空间。人工智能系统可以摄取互联网基础设施（LAN，WLAN和WAN）带来的大量数据，以“查看”即使最精明的网络工程师也看不到的东西。曾几何时，当互联网比较简单且数据流量较低时，经验丰富的互联网专业人员就有可能“了解”互联网，并通过结合领域知识和对数据流量的快速检查来快速找出问题的根源。但是伴随着机器设备，应用程序和信息量的激增，现象就截然不同了。最大的变化之一，周期性的轮询数据已经被实时的流式遥测技术所取代，这将增加一个数量级或更多的数据。

人工智能系统会发现互联网中的小问题，这些小问题可能会导致应用程序出现异常现象，最终用户不容易注意到这些问题，但稍后会引起更大的问题。网络工程师可以使用人工智能系统的所在，在问题对业务产生影响之前（即自动驾驶互联网）主动解决问题。

谈到人工智能计划，数据科学家使用了一个公理，提出“好的数据可以带来好的见解”。这当然是正确的，但是部分数据导致部分洞察也是正确的，这可能是人工智能驱动的WAN产品的局限性之一。更具体地说，如果解决方案只看互联网而没有理解对实际用户体验和应用程序的影响，那么它就失去了很大一部分。如果存在多个网络问题，则应优先考虑那些影响核心应用程序和/或用户的问题。如果某些问题根本不影响应用程序性能，则可以将这些问题放到后燃器上，然后再修复。

此外，如果解决方案仅看到WAN数据，而没有将其与互联网的其他区域（即LAN和WLAN）相关联，则可能会导致转化率低下，从而增加互联网成本。更糟糕的是，这可能导致有关互联网性能问题以及如何解决这些问题的错误假设或结论。在这些方面，必须从总体上看待人工智能驱动的WAN，这时人工智能驱动的互联网更大端到端故事的核心部分。

AIOps是SD-WAN演进的核心，它为互联网的核心部分带来了急需的自动化和洞察力。由人工智能驱动的WAN必须超出互联网范围，才能在应用程序和用户级别带来有意义的见解（和操作）。这不仅可以带来性能更好，成本更低的互联网，还可以确保用户的生产力和客户服务保持较高水平。

想了解更多SD-WAN系统软路由相关信息，可以上网咨询专业软路由工控机广州长帆智能科技有限公司的在线客服或电话咨询。