为了能够满足下一代网络的需求,管理系统必须具有可扩展性、动态性以及智能化。专家Lee Doyle表示,SDN监控工具可以实现这些要求。
对很多企业的IT组织来说,对端到端网络的管理的挑战在不断增长。分布式网络元素、IT孤岛,以及数据中心网络虚拟化,这些使得从应用程序到终端用户的流量跟踪和解决网络中断问题越来越难。
软件定义网络(SDN)技术可以扩展监控平台,确保它们能够处理如今的大规模复杂网络流量。管理系统必须能够动态适应IT环境中的各种变化,包括物理和虚拟基础设施中所有的应用程序更新或变化。SDN监控工具可以满足这些需求,同时还能捕捉并分析这些大数据流量,识别可操作的信息。对于网络中断问题,下一代网络管理平台就像是大海捞针,找出问题,然后为网络管理员提供一个明确的下一步解决方案。
云计算和SaaS阻碍了端到端的可视性
大型数据中心和基于云的应用程序的出现,使得IT应用环境更复杂,并增加了对网络操作中心的依赖性。数据流量的增加和流量平台的变化增加了识别和解决应用程序以及网络性能问题的复杂性。不断增长的移动性需求(比如BYOD)更是增加了确定性能、合规性以及安全性的难度。
基于软件即服务的应用程序的数量的增长,比如Office 365、Salesforce、Lync/Skype、WebEx、Box、Dropbox等等,使得IT管理者监控应用程序性能和管理网络更加复杂。
IT孤岛带来的挑战
IT孤岛往往会掩盖整个网络的可视性。一个典型的IT组织通常有一个“多厂商”网络,这对提供端到端的管理更是增加了难度。各个供应商可能在部分给定网络方面有特殊的优势:
• 数据中心网络:思科、Arista、Juniper和F5网络公司
• 存储区域网络:博科、思科以及Emulex
• 校园网:思科和惠普
• 无线局域网:思科、Aruba以及Ruckus
• 广域网(包括路由器、广域网优化以及SD-WAN元素):思科、Juniper、Riverbed等等
• 网络安全:思科、Check Point、Palo Alto、Fortinet、戴尔等等
其中每一个供应商都有一个特定的管理系统,能够报告其部分网络的状态和性能。但没有一个网络供应商能够很容易提供整个端到端网络的可视性。
IT运营团队也有很多工具可以提供对某个应用程序或者部分网络的性能监控。很多组织甚至有6到10种不同的监控工具。IT专业人员从很多厂商中挑出了一些产品组合,并验证了其可用性:
• 网络数据包代理商:Gigamon、VSS以及Big Switch公司
• 网络性能监控:Riverbed和NetScout
• 应用程序性能监控:New Relic和Riverbed
• 网络配置和变更管理:思科和IBM
• IT运营管理:惠普和IBM
其实,这些来自多个供应商的工具组合限制了IT人员的运营效率。用户很可能会收到大量警告,限制了可操作的信息。有些产品虽然有各种各样的接口,但是通常不能一起运行。因此,IT运营团队虽然有很多工具和原始信息,但是却不能快速识别并解决性能问题。
SDN监控可以满足网络可视性需求
IT管理者需要SDN监控工具来提高端到端网络的可视性,并很容易集成到DevOps IT环境中,打破应用程序、存储、计算以及网络之间的孤岛问题。具体而言,网络管理元素应该:
• 把流量和数据关联到特定设备
• 确定网络上的用户
• 实时监测网络拓扑结构和流量
• 确定性能下降点
• 了解并管理虚拟和物理网络元素
IT运营团队需要很容易识别、隔离并且修复应用下降和中断情况,同时还要能够解决安全性和合规性问题。SDN监控平台可以满足这些企业对网络可视性的需求。
好文章,需要你的鼓励
文章探讨了CIO在2025年应该重点投资的五个AI领域:可信工作流的代理AI、智能文档管理、营销客户数据需求、从数据驱动转向AI驱动、重新审视IT架构以支持AI目标。这些投资可以在短期内带来效益,同时成为长期财务回报的倍增器。CIO需要在这些领域制定务实的AI应用策略,简化平台,加强风险管理,以应对未来的挑战和机遇。
Instabase 公司完成 1 亿美元 D 轮融资,估值 12.4 亿美元。该公司提供非结构化数据处理平台,可从多种文件中提取信息并标准化。新资金将用于增强数据提取、分析和搜索功能,以满足企业 AI 需求。
人工智能在建筑设计领域正展现出惊人潜力。从生成令人赏心悦目的建筑效果图,到创造无限游戏世界,AI 正逐步改变设计流程。尽管人类仍是核心创作者,但 AI 辅助工具正迅速普及,未来可能会大幅提升设计效率和质量。这一趋势引发了对 AI 取代人类建筑师的担忧,也带来了硬件革命和地缘政治影响。
研究显示,高收入公司的CEO正将人工智能置于业务战略的核心地位。欧美企业声称已具备AI项目的基础条件。专家建议避免过度乐观,关注投资回报,构建稳健的数据基础,并优先考虑循序渐进的推广策略。研究还发现,最成功的公司往往是那些高层领导有意识地不直接参与AI战略制定的公司。