企业如今不仅仅是将应用迁移到云端,网络基础设施本身也在向云端迁移。
越来越多的组织正在关闭数据中心,将网络基础设施直接迁移至云端。BGP会话、虚拟防火墙、中转网关以及VPN终端节点都在随着计算资源一同迁移。对许多组织来说,如何在本地和多云网络之间实现统一的可观测性,已成为一大挑战。
NetOps厂商Selector正是为了应对这一挑战,于本周对其平台进行了更新。新增功能为网络团队提供了一个跨分支机构、托管设施、本地数据中心及公有云基础设施的统一关联视图。
Selector联合创始人兼CEO Kannan Kothandaraman在接受Network World采访时表示:"我需要对云端网络构件拥有与数据中心同等级别的详细信息、AIOps能力和可观测性,就像我过去连接分支机构时所做的那样。"
多云能力作为平台扩展而非独立产品
Selector将此次多云新功能定位为现有平台的延伸扩展,而非独立产品。其目标是让网络团队能够在完整的混合路径上追踪连通性问题,无需在不同工具或不同操作界面之间来回切换。
这条路径可能横跨SD-WAN提供商、运营商线路、托管设施互联、Direct Connect网关,以及VPC中转网关,最终才到达云端托管的应用程序。Kothandaraman表示,大多数应用性能管理(APM)工具在网络路径分析方面不够深入,无法覆盖这种端到端的全链路追踪。
在早期部署中,该平台已发现了一些此前不可见的问题。在一次迁移评估中,Kothandaraman表示,平台发现了客户自己都不知道存在的一条应用流量路径。
"如果分支机构反映无法访问某个应用,问题出在SD-WAN上?还是运营商线路?是Equinix的Direct Connect网关出了问题?还是VPC中转网关的问题?"Kothandaraman说,"必须有人把这一切串联起来,这就是我们打造这套解决方案的初衷。"
数据虚拟化层实现跨域遥测标准化
Selector方案的核心是一个该公司称为"数据虚拟化层"(data hypervisor)的标准化组件。它位于遥测数据采集层与上层AI及机器学习引擎之间,其功能是在数据进入分析层之前,消除数据来源的差异性,无论数据来自何处。
在云环境中,数据采集主要基于API。平台收集VPC流量日志,并订阅超大规模云服务商的事件流以获取基础设施变更数据,同时从虚拟防火墙、负载均衡器等第三方工具中提取遥测数据。
在本地环境方面,SNMP和流式遥测仍在使用范围之内。平台所覆盖的云原生构件包括AWS中转网关、Direct Connect网关以及Google Cloud Router,同时也支持云环境中的虚拟VRF和BGP配置。
云端特有的一项能力是追踪超大规模云服务商侧发生的变更。由于企业并不掌控底层物理基础设施,当超大规模云服务商发布变更事件时,平台会将其与观测到的网络行为进行关联分析,以判断该变更是否对客户侧造成了影响。
Kothandaraman指出,云端遥测数据的标准化处理比本地数据更为直接。本地环境中各厂商的数据格式差异显著,而在云环境中,超大规模云服务商发布的结构化事件数据可被平台稳定一致地采集处理。
生成式AI全面集成计划于今秋发布
用于跨本地与云域进行遥测标准化的数据虚拟化层,同时也是Selector构建下一层能力的基础。自创立以来,该公司持续研发面向网络基础设施的基础AI模型,并在近期将生成式AI融入产品的各个模块,初期重点聚焦于用户体验层。
Kothandaraman表示,公司采取了一种审慎的方式——先构建基础设施AI模型,再在其上叠加生成式AI能力。覆盖整个平台的完整生成式AI版本计划于今年秋季发布。
"我们今秋将有一次重大发布,届时将展示我们在产品层面的全面生成式AI转型与解决方案,其能力令人叹为观止。"他说道。
Q&A
Q1:Selector的多云可观测性平台能解决哪些具体的网络问题?
A:Selector平台能够帮助网络团队追踪跨越SD-WAN、运营商线路、托管设施互联、Direct Connect网关及VPC中转网关的完整混合路径连通性问题。当分支机构无法访问某应用时,平台可快速定位问题根源,同时还能发现企业自身不知道存在的隐藏应用流量路径,大幅提升多云与本地混合网络环境的可见性。
Q2:Selector的"数据虚拟化层"是什么,有什么作用?
A:数据虚拟化层(data hypervisor)是Selector平台的核心组件,位于遥测数据采集层与AI及机器学习引擎之间。其主要作用是在数据进入分析层之前,消除来自不同来源的数据格式差异,使数据具备来源无关性。云端环境中,它通过API采集VPC流量日志和云服务商事件流;本地环境中,则支持SNMP和流式遥测,实现跨域数据的统一标准化处理。
Q3:Selector平台的生成式AI功能目前处于什么阶段?
A:目前Selector已将生成式AI融入产品的部分模块,初期重点聚焦于用户体验层。公司采取先构建基础设施AI模型、再叠加生成式AI能力的渐进式策略。覆盖整个平台的完整生成式AI版本计划于2025年秋季正式发布,届时将全面展示其在网络基础设施领域的AI转型成果。
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
北京中关村学院与中关村人工智能研究院发布PhysBrain 1.0,通过从人类第一视角视频中提取结构化物理知识,训练出能"先理解再行动"的机器人控制系统,在多项机器人操控基准上刷新纪录。
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
上海交大团队提出MMSkills框架,用图文结合的技能包让AI视觉助手大幅提升操作准确率。