流量智能化助力网络满足未来需求

持续改变是移动运营商不变的主题。当移动运营商开始为消费者提供通信、银行、娱乐和商务服务时，就标志着它们已进入全新发展阶段。

越来越快的连接和永远在线的企业文化正助长客户的无限制需求，加之新应用程序和设备的创新性交付，这些在一定程度上正迫使企业实现转型。从本质上来说，移动通信正越来越少地依赖话音而越来越多地依赖于无线数据，尽管这种转变增加了每用户平均收入（ARPU），但流经网络的数据流量相应也在一路飙升，迫使运营商面临新的挑战和成本压力。

运营商急需全新架构以应对网络流量激增对流量可视化带来的巨大挑战，因此新的基础架构需提高用户活动的可视化，提升服务转化利润的可能性，提高运行效率，并提供新的方法以阻止单位用户平均收入的减少。

作者：Gigamon服务提供商解决方案总监Andy Huckridge

大数据时代是一个事实，也是一个难题

Gigamon始终认为，数据速率正经历快速增长，由此带来的问题急需解决。尽管“大数据，大问题”这句话已是陈词滥调，但它绝对具有现实意义，许多网络运营商已经发现大数据带来的难题。

移动网络传输的数据量是巨大的--事实上，仅在2012年，全球移动数据流量增长了70%；根据思科公司数据统计，2017年每月全球移动数据流量将超过10艾字节(exabytes)。到2017年，一般的智能手机每月可产生2.7GB的流量，与2012年平均每月342MB的流量相比，增加了八倍。运营商不仅要管理这些数据还要从中获益，这对他们来说是潜在的难题。

一个主要问题是移动通讯上的新媒体和视频占据大量的网络空间，已远远大于传统的语音数据所占空间，很多运营商正在努力应对这一难题。为了解决这个难题，运营商开始更仔细地监控和管理他们的网络-不过这是很昂贵的，并且不幸的是，网络分析工具并没有随着网络速度的提高而变得便宜。对此运营商不但不能获得足够的收益去支付监控和管理网络带来的费用，而且还不得不花费额外费用用于传输不断增长的数据和管理传输这些数据的网络，由此带来的不良后果是加重了运营商负担。

好消息是我们看到越来越多的运营商采用了下一代架构，该架构将容量、端口密度以及网络规模相结合，可把正确的分析工具连接到相应的大型管道上。同时，我们提供的解决方案通过先进的过滤和操控手段来调节数据，以减少到达各个工具的数据量，并确保数据通过精确格式化以减少工具的消耗。这意味着每个工具能够处理更多的数据而不需要分解输入的信息，可减少网络流量超载以及由于流量超载引起的工具故障事故。

这种创新的网络流量传输方法可以帮助许多运营商维持目前的业务模式以及现有成本结构，但尽管如此，流量传输也只是大数据带来的其中一个难题。

另一个主要问题是随着数据负载的持续上升，许多运营商的网络不能实现必要的可视化，从而产生盲点，进而影响网络性能。虽然市场上大多数解决方案可以为网络活动提供一定可视化，可他们往往不能智能地连接应用使用模式和个人用户，导致不能实现端到端的可视化。此外，移动设备的碎片化发展、手机设置有可能会影响到网络性能，应用开发者生态系统的动态变化，受以上诸多因素影响，运营商不久就会发现他们网络管理将变得复杂和困难。更重要的是，由于网络不能实现可视化，新的收入渠道也就无从说起。

因此，大数据带来的挑战分为两大类：一是流量传输问题，二是智能化处理数据以了解用户活动，增加收益来源。后者是大数据必须要面对的挑战—也是目前运营商最为困扰的问题。

实现网络智能化

长期以来，移动运营商一直致力于寻求某种高效手段，可有效监控网络性能和用户体验质量（QoE），并在此基础上研发出并新的服务产品。对所有运营商来说，让创新服务实现利润，并为用户提供个性化和高水平的客户体验是其重要的竞争优势，但是随着移动数据呈大规模增长，运营商在平衡成本和收益之间面临巨大压力，为了保持差异化优势，他们还必须考虑除基本花费之外的投入。

然而，运营商需要从用户的角度更好地了解流量，如使用情况、位置、设备、时间和日期甚至网络资源方面的情况---这只能通过端到端的流量可视化来实现。如果实现了端到端流量的可视化，运营商不仅可以提供更多个性化和更高水平的用户体验，同时也可以优化利用网络资源，从而降低总体拥有成本（TCO），吸引那些高附加值的大规模使用数据的用户，从而获得新的收益良机。

然而，由于传统端口级别的复制和汇聚解决方案不能为状态型用户感知会话提供可视化，导致运营商也无法提供更精细的信息。此外，由于这些网络环境中的监测工具无法应付目前的流量容量，所以运营商正努力寻找有成本效益的应用程序使用模式，这就是大数据的价值所在。

应对大数据难题的新方法

目前部署的可视化解决方案是基于第2、3或4层的包头参数来处理孤立的数据包，根本不能扩大规模以应对整个现代移动网络产生的海量数据。此外，运营商需寻求专为大数据时代而设计的基础架构，它能够提供从融合边缘到云的全面可视化。这种架构能够智能地处理一个管理域内各种网络的相关数据，并将这些数据发送到一个集中的工具集上，其中管理域包括校园网络、分支机构网络、私有云或SDN“孤岛”。

先进的过滤功能如状态关联、用户感知和深度数据包可视化也成为关键。流量智能化的提升可以为运营商提供更精细的流量过滤和分发，以此确保其工具可以管理、分析和保障网络安全，同时也确保用户只接收相关的流量。解决方案可以灵活地把用户感知的流量采样智能地发送到相关的工具上。例如，Gigamon FlowVUE可提供突破性的流量采样，借此把大数据转换成可管理的数据。该项技术可以智能地管理流量，帮助运营商实现监测工具的连接，如果没有该项技术，监测工具将无法处理如此庞大的数据量。这可以帮助运营商通过保持或提高工具使用率解决日益增加的工具成本以及通过使用工具如客户体验管理（CEM）产品实现大数据处理的效益化，从而与每用户平均收入（ARPU）的减少相抵消。这种方法可以采集大型管道中的网络流量，并可以控制被转发到工具上的数据量 –借助会话感知功能可精确地实现数据以较小的规模再现。这减少了大数据流量附带工具上的压力，通过把复杂的GPRS隧道协议（GTP）压缩到可视化层，可以实现效率的最大化。

同样地，GTP关联技术使客户能够过滤和转发在3G/4G/LTE环境中使用GTP封装的相关用户业务流。卸载GTP关联功能有助于工具供应商解决分析处理功能损失。运营商正确地把相关的GTP-C和 GTP-U连接到工具层，可以降低成本，简化网络互连复杂性，同时可以更一步地实现数据传输和回程链路的利润化。

此类应用程序有助于实现不断增长流量的智能化，而流量的智能化是实现不断发展的网络和工具可视化的关键一步。随着网络技术的不断演进以及非可视叠加流量的猛增，流量可视化成为一个更大的挑战。如果部署合适的技术以监测网络，同时关联数据包和流量以实现流量优化，流量智能化水平一定会为运营商提供附加值，但是相对于未来运营商不断变化的网络，流量智能化还有很长的路要走。