无线网为什么需要“像素级”精准运维？

当我们拿起手机，轻击屏幕，感受掌心里生动的画面时，成千上万的像素们正在忙碌地变队组合……

像素，是组成图像的最小单位，一粒像素十分微小，很难靠肉眼看见，但正由于微尘一般的他们，才有了屏幕里色彩缤纷的大千世间。对于一张图片来说，像素越多，细节就越丰富，画面就越清晰。高清，已经成为我们对图像品质必要的考量条件。

其实，运维也在追求“清晰”。

事与愿违的无线网

从WiFi6的普及到WiFi7的兴起，无线网从千兆时代大步跨入了万兆时代。相对于有线网来说，无线网少了那根线的束缚，部署更灵活、使用更便捷，“无线优先”已成为企业的共识，移动办公早已不是什么新鲜事。

俗话说得好，“断网如断电”，无线让我们感受到了科技幸福感，同时也催生了“WiFi依赖”。用户对网络品质的心理预期，从一开始的能用就行，到现在要求任何时间、任何位置都要好用，即使是一分钟的网络波动都可能带来生产线停工、收银服务掉线，在双十一促销、重大会议活动等关键节点的故障，将造成不可估量的损失。

与稳定这一需求相悖的是，无线天生自带“易变”属性，外部环境、用户规模、业务模型都是随时变化的，常见的如：装修、私设热点、新增微波炉、开启蓝牙……这些因素随时会造成信号阻拦和干扰。移动终端随来随去，业务量激增不可控，突发大流量会随时造成网络拥塞。一方面是瞬息万变的无线网，一方面是不断提升的用户需求，无线运维在双向压力下亟需寻找破局之道。

如何抓住瞬息？

传统的运维方式，主要基于SNMP（Simple Network Management Protocol）标准，AP（无线接入点）的数据需要汇聚到AC（无线控制器），统一由AC上报至网管平台。SNMP标准仅支持简单的“一问一答”，即使用“网管请求-设备响应”的方式采集数据，每次采集都需要运维系统发出请求，当AP数量增多时，这种数据采集方式对网络资源消耗较大，为避免性能问题，采集周期一般为5分钟，被动低效、数据实时性差，无法匹配当前的运维需求。

支撑精准运维，更值得青睐的是Telemetry（即遥测）技术，其使用“网管定阅-设备实时推送”的方式采集数据，一次定制可多次响应，节省了反复请求带来的资源消耗，采集周期可达秒级，传效比更高、数据粒度更细、类型更丰富。

大型园区场景AP数量较大，一台AC下管理的AP往往可达上千台，为进一步降低设备管理报文对AC的压力，在大型园区中保证秒级采集效果，部分数据可考虑使用UDP协议（用户数据报协议）上报，此方式下，AP可直接将管理数据上报至网管平台，无需经过AC汇聚，更加轻量化。

协议的进化，让秒级数据采集变得触手可及，看清瞬息万变的无线网成为可能。

像素级运维的剑法

手持Telemetry这把利剑，运维平台可以实现极致的数据采集，要做到精准运维还需要一套“剑法”来解决以下问题：

体验可视化

全量化数据是精准运维的基础。对于无线网监控这道题目来说，做到有线链路的可视化只能算解了一半，还有关键的另一半——AP（无线接入点）和终端之间的链路，这段链路看不见又摸不着，最容易出现问题，我们形象地称之为“空口”。评价空口质量的指标有信号覆盖、干扰、接入速度、选速、速率、时延、漫游……

空口数据的缺失将导致无线排障陷入盲人摸象的境地，运维人员往往需要亲赴现场才能定位问题。尤其对于微观问题，需要深入到报文维度精细分析终端与AP（无线接入点）的协议交互过程，如关联接入过程、认证过程、DHCP过程、ARP过程、DNS过程、网关首包通信过程等，在报文级监控的帮助下，IT人员进入运维平台点击鼠标就能随时回放指定局点、任何时间、任一终端的网络体验，让看不见的体验问题也能有据可依，打破现场排障、人工复现的难题。

工具易用性

类型众多的网络设备、成千上万的终端用户、秒级上报的设备报文，运维平台面临的数据体量呈指数级暴增，忽略易用性问题，仍然奉行简单粗暴的“拿来主义”，将会适得其反。运维人员学得上手、用着顺手才能更好地提升运维效率。易用性的优化需从以下几个方面着手：

•  清晰易懂-界面逻辑清晰、命名易懂、提供使用向导和提示，减少学习成本，帮助新用户快速上手；
•  删繁就简-减少鼠标点击的次数、减少页面层级、减少重复操作、减少非必要信息；
•  前后关联-运维场景下经常会遇到需要同时查看多种数据的情况，需要基于业务逻辑和使用习惯，将相关数据、相关操作、前后流程相互关联；
•  善用检索-当网络规模扩大，如何从海量信息中快速找到目标？通过分组、模糊搜索、排序、多维筛选、打标签等手段可有效提升信息查找的体验。
•  善用图形-列表式的数据够详细但具有局限性，无法直观从整体掌握网络健康，通过地图、趋势图、分布图等可视化的图表可帮助呈现事件趋势、影响范围、分布占比等规律性信息，减少人工计算和分析工作。

平台智能化

前面我们说到，Telemetry技术，可以极大地拓展运维平台数据采集的丰富性和精度，那么如何让数据帮我们做更多的事情？比如像ChatGTP一样为提问者排忧解难，比如像自动驾驶一样为司机保驾护航……

无线运维的核心诉求是保障，尽可能地降低故障以维持业务稳定，告警是实现这一目标的常用手段。在SNMP时代，告警可发现的异常局限于设备指标，如设备离线、CPU高、内存高，想要获取业务层面的信息往往需要再次人工分析。而且在“善变”的无线网中，设备指标没问题并不代表用户体验就好，终端能力、所处位置、外部环境干扰等原因也会导致网络不好用，而这些因素设备侧无法感知更无法控制，因此存在严重的运维盲区。

继续沿袭传统告警方案，显然无法做到精准告警，我们需要转变思路。利用大数据和AI技术，将发现问题的经验和方法总结成算法模型，基于AP（无线接入点）和终端数据判断用户体验、空口质量以及发生的具体问题。

我们开拓了告警的边界，由仅关注设备，扩展到用户体验和空口质量后，必须要面临一个问题——告警风暴，当推送消息如洪水般袭来时，告警也失去了原本价值。为避免陷入无效告警的境地，运维平台需要一双火眼金睛：

• 过滤“伪问题”，识别哪些是真正的问题。比如感知连网终端正常的业务空闲和休眠状态，此时发生网速慢的问题并不具有代表性。
• 结合实际需求，筛选有价值的问题。比如提供更加精细的告警策略，让运维人员可灵活制定触发阈值、告警级别。
• 信息整合，联动相关信息。比如某终端触发漫游异常问题时，在告警消息内同时提供其上连AP、无线服务、AC（无线控制器）的数据，便于快速全面地掌握问题；当某问题在短时间内高频触发时，合并推送，为运维“降噪”。
• 分重点，重要业务特别关注。比如针对不同的重要程度为AP（无线接入点）分组，为VIP
  AP制定特别关注告警、选择特定的推送途径，将其与普通业务区别开来，提高优先级。

结束语

借助技术的力量，无线运维的广度和深度在不断刷新，从有线链路到无线链路，从分钟级数据采集到秒级故障定位，从单一指标到多维可视，从设备维度到业务视角。在精准运维的帮助下，我们可以看的更清更准，更重要的是，它可以帮助运维人员尽可能地贴合用户的场景需求，与业务紧密同步，让网络越用越好。