HOẠCH ĐỊNH NĂNG LỰC MẠNG DỰA TRÊN AI

Hoạch định năng lực mạng nhằm đảm bảo đủ băng thông để giải quyết các vấn đề về độ trễ, kết nối chập chờn, mất kết nối, và tính khả dụng. Đây là một nhiệm vụ phức tạp, tốn kém. Lâu nay, việc hoạch định năng lực mạng thường dựa vào dữ liệu mạng từ các báo cáo tĩnh, lịch sử, sau sự kiện. Nhưng đang có thay đổi cùng sự phát triển của công nghệ.

“Bằng cách kết hợp khoa học từ dữ liệu tiên tiến và công nghệ nhận thức như AI và máy học (Machine Learning), bộ phận CNTT sẽ có cái nhìn thấu đáo để lập dự báo mới thông minh hơn nhằm cải thiện chất lượng hoạch định năng lực mạng”, Ashish Verma, giám đốc quản lý tại Deloitte Consulting, một chuyên gia phân tích nhận thức cho biết. “Điều này giúp các tổ chức khai thác dữ liệu để ra quyết định nhanh hơn, cải thiện hoạt động, tránh được thời gian “chết” và đem lại trải nghiệm người dùng tốt hơn”.

Mặc dù việc hoạch định năng lực mạng dựa trên AI vẫn còn mới mẻ, nhưng hầu hết các nhà cung cấp giải pháp như Cisco, NetBrain, Aria Networks, Flowmon và SolarWinds, đã bắt đầu kết hợp một số dạng công nghệ AI vào các sản phẩm của họ, hoặc có những kế hoạch tương tự trong tương lai gần. Các nhà cung cấp công nghệ AI, như IBM Watson, cũng đang tìm cách nhảy vào sân chơi mới này.

AI tăng cường giám sát mạng truyền thống

Tận dụng AI để phân tích dữ liệu từ nhiều nguồn đem lại độ chính xác cao hơn so với các công cụ giám sát mạng truyền thống, Fredrik Lindstrom, giám đốc CIO Advisory tại công ty tư vấn kinh doanh KPMG (Mỹ) cho biết. “AI cũng cho phép mô hình hoá các kịch bản hiệu suất khác nhau và liên kết hiệu suất mạng với hiệu suất ứng dụng để xác định các ứng dụng bị ảnh hưởng ra sao trong các kịch bản hiệu suất khác nhau”.

Máy học dựa trên AI áp dụng cho hiệu suất mạng cho phép một bộ điều khiển mạng học hỏi kinh nghiệm trong khi tăng cường mạng.

“Khi nó học, mô hình phân tích được sử dụng để ra quyết định sẽ tối ưu hoá và trở thành một đại diện tốt hơn cho mục đích thực sự của mạng và các mục tiêu hoạt động của nó”, Duval Yeager, chuyên gia phân tích máy học tại Cisco cho biết “Điều này cho phép hoạch định năng lực chính xác khi mạng phát triển, thay đổi và các ứng dụng và người dùng được thêm vào - cả cục bộ và đám mây”.

Các phương pháp AI và máy học có thể được áp dụng một cách hiệu quả vào dự báo lưu lượng, xác định mô hình truyền dữ liệu, học hỏi trực tuyến và ra quyết định tự động, Yan Huang, giáo sư công nghệ kinh doanh tại trường kinh doanh Tepper thuộc ĐH Carnegie Mellon cho biết.

“Các thuật toán máy học tiên tiến có thể thu thập dữ liệu mạng hết sức chi tiết ở quy mô lớn làm dữ liệu đầu vào để dự báo nhu cầu chính xác cho từng nút mạng và phát hiện các mô hình/xu hướng liên kết trong lưu lượng và sử dụng mạng”, Huang giải thích. “Lưu lượng tăng cao và dự báo nhu cầu được cải thiện sẽ cho phép đánh giá chính xác hơn các yêu cầu về năng lực mạng và giảm nhu cầu dự trữ tài nguyên dư thừa”.

Phát hiện sớm và khám phá các mô hình liên kết hoặc thay đổi trong lưu lượng mạng cho phép các tổ chức hành động để đảm bảo hiệu suất mạng. “Các mô hình dự báo tinh vi có thể được kết hợp với các kỹ thuật tối ưu và/hoặc mô phỏng để tự động tạo ra cấu trúc hoặc các cấu trúc mạng tối ưu hoặc hoạch định năng lực và nguồn lực tương ứng”, Huang cho biết. Những kế hoạch như vậy có thể được điều chỉnh về sau theo các số liệu hiệu suất cụ thể mà tổ chức quan tâm nhất.

Công nghệ AI cũng có thể xử lý dữ liệu truyền trong thời gian thực và đưa ra quyết định định tuyến và phân bổ linh hoạt, dựa trên các điều kiện mạng trong thời gian thực. “Nó cũng cho phép các mô hình theo yêu cầu để gia tăng dữ liệu năng lực”, Huang giải thích. Tất cả những yếu tố này có thể giúp giảm đáng kể kinh phí đầu tư và chi phí vận hành liên quan đến phát triển, bảo trì và cải tiến mạng, đồng thời giảm gánh nặng quản lý cho các chuyên gia CNTT.

Sau khi được cài đặt và cấu hình thích hợp, công nghệ AI có thể tự động hoá việc hoạch định năng lực mạng, tính toán kinh phí và khả năng rủi ro có thể xảy ra. “AI có thể phân tích nhiều điểm dữ liệu khác nhau trong thời gian thực hoặc gần như tức thời, điều này rất quan trọng khi các tổ chức chuyển sang các lớp mạng ảo hoá trong các trung tâm dữ liệu, môi trường đám mây và mang WAN của họ”, Lindstrom nói.

“Chi tiết này hữu ích cho việc hoạch định năng lực ngắn hạn và dài hạn”, Doug Tamasanis giải thích, ông là kiến trúc sư tưởng và giám đốc cao cấp mảng mạng và bảo mật tại Kronos, một nhà cung cấp phần mềm và dịch vụ quản lý nhân lực.

Trong ngắn hạn, AI có thể dự báo sự bùng nổ lưu lượng hàng ngày ở mức chi tiết, như ứng dụng, địa điểm, công nghệ và giao thức. Những phát hiện này sau đó có thể được sử dụng để bảo vệ chống lại sự suy giảm hiệu suất vào lúc cao điểm. “Về lâu dài, một hệ thống AI có thể thực hiện hoạch định năng lực tối ưu, dự đoán khi nào những bùng nổ trong ngắn hạn không thể được đáp ứng và khi nào cần nâng cấp toàn bộ”, Tamasanis lưu ý.

Hoạch định năng lực dựa trêb AI: Bắt đầu

Cách tốt nhất để bắt đầu với công nghệ hoạch định năng lực dựa trên AI là mua một công nghệ đã chứng tỏ thành công ở mức độc nào đó, Marcel Shaw, kỹ sư hệ thống của công ty Ivanti, một nhà cung cấp phần mềm quản lý tài sản và dịch vụ IT đề xuất.

“Trong khi đó, quản trị viên nên tiếp cận thận trọng những đề xuất từ các thuật toán học tập AI”, ông nói. “Các thuật toán học tập AI sẽ cải tiến mạnh trong vài năm tới, do vậy điều quan trọng đối với khách hàng là phải kiên nhẫn chờ đợi công nghệ AI hoàn thiện hơn trước khi đặt tất cả niềm tin vào những yêu cầu năng lực được đề xuất bởi giải pháp AI”.

Hãy bắt đầu với các nguồn dữ liệu và phạm vi giám sát nhỏ, Lindstrom khuyên. “Điều quan trọng là các nguồn dữ liệu phải đáng tin cậy và nhất quán và hệ thống AI hoạt động đầy đủ trong ít nhất một chu kỳ kinh doanh”, ông giải thích.

Triển khai sao chép cổng mạng cho các thiết bị mạng chính là cách tốt nhất để cung cấp luồng dữ liệu có khả năng cung cấp luồn dữ liệu có khả năng cung cấp nền tảng AI”.

Điều quan trọng là cung cấp dữ liệu phù hợp bối cảnh. “Chuẩn bị dữ liệu của bạn để dễ dàng đưa vào giải pháp và đảm bảo nó mang lại cái nhìn về năng lực mạng phù hợp với mục tiêu của bạn”, Murthy Garikiparthi, giám đốc kỹ thuật của nhà phát triển nền tảng đám mây OpsRamp cho biết. Khi đường truyền dữ liệu đã được thiết lập, và tốc độ và nguồn cung cấp dữ liệu được căn chỉnh, giải pháp AI có thể bắt đầu giám sát dữ liệu cho những hành vi cụ thể. “Cuối cùng, khi AI bắt đầu đưa ra những khuyến nghị, bộ phận CNTT có thể lập ra những chính sách tự động hoá để hoạt động dựa vào đó”, Garikiparthi gợi ý.

Theo Tamasanis, việc chọn nền tảng AI phù hợp là rất quan trọng, vì không phải công ty nào cũng giống công ty nào. Ông cũng khuyên tránh xa những cấu hình tự động, vì được lợi về thời gian nhưng với dữ liệu không phù hợp có thể dẫn đến giảm hiệu suất mạng.

Quan niệm sai về tài nguyên, độ chính xác của AI

Có lẽ quan niệm sai lầm lớn nhất về việc sử dụng AI để hoạch định năng lực mạng là công nghệ không quá “đói” tài nguyên, đặc biệt là về mặt tương tác của con người. Thêm vào đó, “bạn còn bị ảo tưởng bởi một số nhà cung cấp thuyết phục rằng chỉ cần cài công cụ, và nó sẽ làm mọi thứ không cần ai quản lý”, Lindstrom cho biết.

Một quan niệm sai lầm khác là việc hoạch định năng lực mạng dựa trên AI là trò chơi hoàn toàn hoặc không ích lợi gì. Doanh nghiệp nên hợp tác với nhà cung cấp của họ theo cách tiếp cận triển khai giải pháp từng bước theo mô-đun và tập trung vào các trường hợp sử dụng đem lại giá trị lớn nhất, Yeager đề xuất. Cách tiếp cận như vậy đặc biệt quan trọng trong thực tế mà nhiều yếu tố mạng trong tương lai sẽ phụ thuộc đám mây và đăng ký thuê bao. “Triển khai từng giai đoạn, trường hợp sử dụng sẽ đảm bảo rằng các nhà quản lý CNTT không trả tiền cho thuê bao đám mây trên các dịch vụ và những giải pháp chưa được triển khai”, Yeager giải thích.

Quan niệm sai lầm lớn nhất về việc sử dụng AI để hoạch định năng lực là giải pháp AI luôn luôn đúng, Shaw nói. “Cho đến khi các giải pháp AI tốt hơn, điều quan trọng với các quản trị viên là phải xác minh và đặt câu hỏi về các đề xuất mà được cung cấp bởi một giải pháp hoạc định năng lực do AI cung cấp”.

Cạm bẫy của hoạch định năng lực dựa trên AI

Như mọi công nghệ mới nổi khác, việc dùng AI để hoạch định năng lực kèm theo đó là mầm mống, sẵn sàng gây hậu hoạ cho nhưng ai mất cảnh giác. Những người hăng hái cái mới thường có xu hướng làm lớn, thật sớm và hy vọng các kết quả tức thì mà không cần bất kỳ sự điều chỉnh hệ thống, Lindstrom nói. “Nếu hệ thống không đủ dữ liệu để phân tích, hoặc dữ liệu không đáng tin cậy hoặc thiếu nhất quán, các công cụ sẽ không tạo ra được một bức tranh chính xác về mạng hay các vấn đề hiệu suất của mạng”, ông cảnh báo.

Điều quan trọng nữa là tránh xa các nhà cung cấp sản phẩm hay dịch vụ không đầy đủ. “Hầu hết giải pháp hiện có trên thị trường mang lại lợi thế lớn cho một phần nhỏ của mạng không cung cấp giải pháp mạng đầy đủ cho có dây, không dây, các thiết bị, trạm đầu cuối, ứng dụng, bảo mật, chính sách, liên miền, WAN, đám mây và trung tâm dữ liệu”, Yeager cho biết.

Sử dụng các sản phẩm và dịch vụ AI không dựa trên một nền tảng mở sẽ khiến các dịch vụ theo hướng thông minh khó có thể lan toả sang các phần khác của tổ chức. “Các hoạt động trong tương lai sẽ không còn bị cản trở, và các bộ phận sẽ chia sẻ mạng, dịch vụ và dữ liệu vận hành và hữu ích để tăng cường cho toàn bộ các phòng ban trong doanh nghiệp”, Yeager nói.

Vì AI là công nghệ tương đối mới, việc áp dụng thường gặp phải sự phản kháng từ những nhà quản lý và nhân viên thủ cựu. “Cách làm việc cũ không thể cứng nhắc tới mức từ chối lợi ích của AI”, Garikiparthi cảnh báo.

Tamasanis cũng cho biết, việc tích hợp một công cụ AI với các ký sư và thiết bị mạng hiện hữu sẽ là một quá trình phát triển.

Kỳ Hà
Khám phá tháng 05/2019