分布式员工及其使用的分布式应用和服务，使企业的网络模式发生了巨大的改变。现在，私有云、互联网、公共云、多云和软件即服务 (SaaS) 网络等许多连接的发起和终止位置都在传统的企业基础设施之外。这些复杂连接共存，使运维团队在确保性能和服务质量方面要应对日益加剧的难度。

想要解决这种复杂性，一个能够提供真正端到端可视性功能的网络状态感知平台必不可少。这种可视性不仅需要洞察用户及其设备、位置和连接的事物，还必须全面洞悉接入网络、网络服务、多个云以及企业数据中心和应用。如果解决方案能够合并上述各种不同数据集并采用人工智能和机器学习 (AI/ML) 技术来分析数据，就可以帮助企业团队做出明智决策，转变其网络运维模式，化被动反应为主动出击和预测前瞻。



根据我们《2023 年全球网络趋势报告》中的数据，近半数 (47%) 的受访者表示，他们未来两年内的首要任务是采用预测性网络分析，主要用于帮助管理远程员工的连接和数字体验。

预测性网络分析解决方案必须能够大规模地实时关联海量网络数据。通过持续分析性能数据并运用预测式建模来预测状况和提出操作建议，就能成功实现预测能力。预测性分析能帮助团队避免应用对分布式员工造成不利影响，确保提供最佳的用户体验。

适用于 SD-WAN 和以互联网为中心的环境的预测性分析

对于软件定义广域网 (SD-WAN)，采用面向 IT 运维的人工智能 (AIOps) 的平台可提供用于预测性能的预测性分析功能。AIOps 是指策略化地使用 AI、ML 和机器推理 (MR) 技术来简化和精简 IT 流程并优化 IT 资源的使用。通过关联和分析实时及历史 SD-WAN 性能数据并应用预测模型，AIOps 就可以使用这些预测结果按应用类型为每个站点提供最佳路径选择建议，从而基于可用路径实现最佳体验。

通过将预测性分析功能集成到 SD-WAN 解决方案中，IT 团队可以促进备用路径间的智能路由，改善应用服务级别的动态实施，从而避免网络性能下降。



结合来自组织生态系统（由 ISP、云提供商、SaaS 应用和其他外部服务组成）的流量数据集，可以进一步丰富预测性分析系统的数据。运维团队能够利用互联网遥测数据快速发现、上报并修复提供商遇到的问题。如果检测到网络中断行为，运维团队可以找出根本原因并告知提供商，以便他们优先修复问题或将问题上报至其他服务提供商和传输服务提供商。

预测性分析的实际应用

美国最大的人力资源代理机构之一 In sight Global 在允许员工返岗复工时，利用来自 ThousandEyes WAN In sights 的信息，化被动为主动，持续优化 SD-WAN 策略并改善应用体验。在部署该解决方案后，他们对关键网络环境和路由的可视性大幅提升，Insight Global 的 IT 团队能够更好地检测和避免潜在问题，以防这些问题对业务造成影响。

预测性的主动式运维是发展方向

当今时代，要求组织通过端到端可视性以及由 AI/ML 技术提供支持的预测性分析，从被动式运维管理转变为主动式运维管理；也要求组织采用一致的方式进行自动化操作以及问题分析和诊断，并跨所有不同网域确保提供一致的用户体验。

我们坚信这是未来的发展方向。它也是思科网络状态感知方法和 Cisco Networking Cloud 愿景的基石。Cisco Networking Cloud 是统一管理体验平台，可以同时支持本地和云运维模式，从而大规模全面简化 IT 运维。