江苏龙网

  1. 首页 > 资讯 > 科技 > >

网络|构建网络知识图谱 混合云网络监控诊断需要这样的利器( 二 )


控制器作为整个系统的中枢大脑 ， 结合采集到的流量和已经对接的生产环境网络拓扑 ， 借助机器学习和大数据等技术 ， 自动对全网流量进行梳理 ， 结合数据类型、监控指标、资源属性、展示方式等多个维度 ， 生成全局业务真实的网络流量知识图谱 ， 亦即DeepFlow全（八）景（卦）图绘制的第三步 。
云网络八卦图的展示
不同角色的使用者对全景图的展示各有偏好 ， 全面覆盖这些需求并提供统一的呈现 ， 是满足各方对网络卦象解读的重要前提 。
企业通过DeepFlow平台已经掌握了混合云环境中的网络数据 。 核心的监控指标是用以描述网络状态、性能的各类指标 ， 主要包括吞吐量、时延、异常、传输状态等；展示方式根据使用场景主要有分布、关联、对比及回溯等 。 网络流量数据又是典型的时间序列数据 ， 同时具备相应的网络特性 。 因此DeepFlow提供了分布式的网络时序数据库服务 ， 在满足快速写入、数据持久化的同时 ， 不断优化多维度的聚合查询能力 。 平台不同角色用户可以在核心视图的基础上 ， 定制自己更关心的监控面板并设置告警策略 。
混合云网络监控诊断方案的部署
整体方案包括DeepFlow采集器、DeepFlow控制器、DeepFlow数据节点三部分 。 对于整体规划的方案 ， 建议对整体混合云规划独立的网络监控平面 ， 对于混合云的监管流量统一、独立地进行管理 。 在完成整体方案规划后 ， 可分区域、分资源池、按阶段投入建设 ， 最终使企业具备对混合云基础设施全网络监控诊断能力 ， 保障应用业务稳定运行 。
由于大部分企业已经具备对传统物理网络的监控能力 ， 通常重点选择KVM、容器资源池网络为第一阶段建设 ， 重点解决资源池内网络东西向流量“黑盒”不可见的问题 ， 实现资源池网络可视化 ， 提高运维排障效率 ， 保证网络服务等级协议 。
第二阶段纳入更多资源池 ， 与新建扩容的资源池同步部署 ， 接入物理网络中分光镜像流量 ， 实现对整体数据中心网络监控 。
第三阶段面向混合云中的公有云资源 ， 对运行其上的网络进行监控 ， 部署采集器 ， 具备对Workload或其上容器流量采集能力 ， 完成对混合云IT环境网络整体监控管理 。
对于已经运行的混合云环境 ， 可以在不影响生产环境运行的情况下部署实施 ， 网络规划上将DeepFlow平台所涉及的管理、监控分发平面复用在已有的网络平面中 ， 通常可以复用已经存在的网络管理平面 。
云网络八（全）卦（景）图总结
DeepFlow混合云网络监控诊断解决方案通过有效的网络流量采集、数据分类存储以及网络点、线、面的紧密结合 ， 为企业在混合云、云原生等新型IT基础设施环境演进过程中 ， 补齐网络监控的空白 ， 避免重复建设；应对云原生特点 ， 紧密结合业务 ， 解决实际网络监控难题 ， 支撑企业基础设施向网络智能化迈进 。
（责任编辑：张洋 HN080）


推荐阅读


上一篇：技术|DIC EXPO显示展汇聚全球材料及装备企业，打响显示行业头炮

下一篇：UCloud|UCloud优刻得半年报：营收持续增长，加码新基建助力在线新经济