در حمل و نقل هوایی ، “دید” تعیین می کند که خلبانان می توانند دیدنی های مهم – کوه ها ، آهنگ ها یا هواپیماهای دیگر – را برای ناوبری ایمن ، حتی بدون ابزار پیشرفته مشاهده کنند. به همین ترتیب ، دید شبکه به تیم های IT اجازه می دهد تا خطوط پایه را برای اجرای به وضوح درک کنند ، به سرعت مشکلات را تعیین کرده و خطرات را قبل از تشدید کاهش دهند.
با این حال ، منابع و شاخص های قابل اعتماد و دارای زمان قابل اعتماد که به طور سنتی برای نظارت بر ترافیک ، عملکرد و امنیت مورد استفاده قرار می گیرند ، مورد اختلاف قرار می گیرند. معماری های پیچیده ترکیبی و چند خطی شبکه ، اضافه بار داده ها و انتقال به کار از راه دور ، سازمان ها را به سمت تجدید نظر در استراتژی های خود سوق داده است. بسیاری از آنها سفر به انتقال از شیوه های سنتی را برای نظارت بر تفکر برای مشاهده ، گسترش دامنه و دامنه دید آنها انجام داده اند. اما در این تکامل ، آیا می توان پاسخ را در بررسی اصول – مانند گرفتن بسته ها – برای بازیابی وضوح و کنترل پنهان کرد؟
مشاهده
همانطور که سازمانها بر عملیات شبکه ای کارآمدتر و ایمن تر اصرار دارند ، دسترسی به داده ها بهبود یافته ، سیستم عامل های نظارت خودکار و تله متری در زمان واقعی ، دید قابل توجهی از شبکه دارند. با این وجود ، جستجوی بینش های عمیق تر و مرتبط تر همچنان در حال رشد است. با توجه به وضعیت VIAVI 2024/25 شبکه ، 95 ٪ سازمان ها در انتقال واقعی یا واقعی به استراتژی های نظارت بر شبکه حرکت می کنند. در این تغییر ، اصول اولیه – مانند گرفتن بسته ها – بسیار ارزشمند است. با ارائه داده های دقیق و گرانول ، ضبط بسته ها همچنان سنگ بنای شناسایی مشکلات عملکرد و افشای تهدیدها ، و وضوح و دقت لازم برای شکوفایی در محیط پیچیده شبکه امروز را ارائه می دهد.
مانند هواپیما که به ابزارهای ناوبری ایمن در هوای نامطلوب متکی است ، مفهوم مشاهده بر اساس توانایی ارزیابی دقیق وضعیت داخلی سیستم بر اساس اطلاعات خارجی است. مشاهده از جایی شروع می شود که با استفاده از یک زمینه موقعیتی و الگوریتم های پیش بینی شده ، سطح پیچیده تری از بینش شبکه فراهم می شود.
استراتژی هایی برای بهبود دید
جستجوی افزایش دید ، یک مسابقه مداوم است ، با زیرساخت های مداوم در حال رشد ، تهدیدهای مربوط به امنیت و افزایش انتظارات مشتری به طور مداوم شرط بندی را افزایش می دهد. غلبه بر این چالش ها با شناخت محدودیت های موجود و استراتژی های تجدید نظر برای از بین بردن نقاط کور آغاز می شود.
رسیدن به ابرها
از آنجا که انتظار می رود بازار محاسبات ابر تا سال 2026 به 1 تریلیون دلار نزدیک شود ، گزینه های ابر خصوصی و عمومی به بخشی جدایی ناپذیر از معماری شبکه مدرن تبدیل شده اند. با این حال ، اگر اصطلاح ابری این به معنای ناشناخته است ، داده ها موافق هستند – وضعیت بررسی شبکه شما نشان داد که 80 ٪ از پاسخ دهندگان چالش های مهمی را برای دید ابر گزارش می دهند.
برای مقابله با این ، استراتژی های مشاهده برای ادغام انواع منابع داده داخلی و خارجی در یک نمای شبکه واحد در حال توسعه هستند. این تلاش شامل استفاده از داده های ابری مفصل مانند Microsoft Azure NSG Logs Flow Flow و خدمات وب آمازون Services VPC برای بهبود وضوح است. با این حال ، دید فقط مربوط به تجمع داده های سطح بالا نیست ، مانند گرفتن بسته ها نقش مهمی در اطمینان از بینش های خام و گرانول مورد نیاز برای عیب یابی و بهینه سازی بهره وری دارند.
با ترکیب دیدگاه ابر متمرکز با دقت داده های بسته بندی کامل ، سازمان ها می توانند به سرعت مشکلات را شناسایی کنند – صرف نظر از مشتری ، سرور ، برنامه یا شبکه. این رویکرد عیب یابی را بهینه می کند ، زمان وضوح متوسط (MTTR) را کاهش می دهد و به تیم های IT اجازه می دهد تا با اطمینان در محیط های پیچیده گرایش پیدا کنند.
دید در بسته های کوچک
در مورد دید شبکه ، همه داده ها به طور برابر ایجاد نمی شوند. منابع سنتی تله متری به قطعات تکه تکه شده برای پازل کمک می کنند ، اما داده های بسته تاریخچه کامل را ارائه می دهند. این همه چیز را ضبط می کند – کاربران ، برنامه ها ، زمان و پروتکل ها – ارائه زمینه کامل ارتباطات شبکه. جای تعجب نیست که 97 ٪ از پاسخ دهندگان ضبط بسته ها را به عنوان یک بحرانی یا منحصرا برای حفظ دید مهم است.
سالهاست که ضبط بسته ها ، تجزیه و تحلیل و ذخیره سازی شخصیت های سوء تفاهم از عملیات سنتی مرکز داده ها بوده است. اما بازی در حال تغییر است. ابزارهای امروز برای بهبود نظارت ، گسترش این قابلیت ها در ابر ، باز کردن پتانسیل داده های بسته بندی مبتنی بر ابر ، مانند گذشته. راه حل های رعایت اکنون این بینش داده های خزانه داری و بینش های مفید محلی را تغییر می دهد و به تیم های IT اجازه می دهد تا سریعتر ، بهینه سازی کارآیی را عیب یابی کنند و با توسعه چالش ها روبرو شوند.
نقش AI و ML
مطالعه ما بر یک چالش کلی تأکید می کند: بسیاری از سازمان ها در تلاشند تا نحوه ادغام فناوری جدید در استراتژی های نظارت بر شبکه خود را انجام دهند. با این حال ، غلبه بر این موانع ضروری است ، زیرا یادگیری هوش مصنوعی و ماشین (ML) برای تقویت دید و مشاهده در ارتفاعات جدید مهم است.
در حالی که هنوز در مراحل اولیه خود قرار دارد ، هوش مصنوعی در حال حاضر اجازه می دهد تا تابلوهای پیچیده شبکه و کارتهای پویا به برنامه وابسته باشند. این فناوری ها نه تنها زمان متوسط را به وضوح (MTTR) کاهش می دهند ، مکان های باریک و پیکربندی های اشتباه را تعریف می کنند ، بلکه بینش مفیدی را نیز ارائه می دهند که قبلاً از دسترس خارج شده اند. ML با تجزیه و تحلیل مقادیر عظیمی از داده های شبکه ، تولید نتایج قابل توجهی از کاربر نهایی و تشخیص مدل ها یا ناهنجاری ها قبل از تأثیرگذاری بر کیفیت خدمات ، این امر را بیشتر می کند.
از آنجا که خواسته های شبکه ها پیچیده تر می شوند ، نیاز به منابع و استراتژی های پیشرفته برای تضمین کارآیی و امنیت بیشتر و بیشتر ناشناخته می شود. یافته های وضعیت مطالعه شبکه ویاوی 2024/25 یک ایده ارزشمند در مورد چگونگی گرایش سازمانها بر این چالش ها و درک رویکردهای نوآورانه برای دید و مشاهده ارائه دهید. نگاهی به گزارش کامل برای افشای استراتژی های قابل اجرا و ماندن در این چشم انداز در حال توسعه.
معرفی وضعیت VIAVI 2024/25
ایالت ویاوی از بررسی شبکه 2024/2025 از نتایج صدها سازمان شرکت در سراسر جهان استفاده می کند تا بیشترین روند در مدیریت کارآیی شبکه را نشان دهد. نتایج تشخیص چشم بر لزوم کاهش پیچیدگی از طریق ابزارهای مدیریت شبکه تخمین زده شده و ترکیبی تأکید دارد.
