깨끗한 네트워크 데이터로 AIOps 성공을 위한 기반 마련

AI는 네트워크 운영의 획기적인 향상을 약속합니다. 하지만 여러분의 네트워크 데이터는 AIOps 전환을 위한 탄탄한 기반이 될 만큼 충분히 깨끗한 상태인가요? 이 블로그에서는 Marie Fiala는 여러분이 AI 여정을 순조롭게 시작할 수 있도록 현재 사용 가능한 도구를 소개합니다.

차세대 애플리케이션과 AI의 요구에 맞게 네트워크가 진화하고 확장됨에 따라 운영 효율성이 무엇보다도 중요해졌습니다. AI는 운영 업무를 더 빠르게 완료하도록 도와 서비스 제공과 문제 해결 속도를 높이고 고객 만족도를 유지한다는 점에서 이러한 운영 효율성 측면에 도움을 줄 수 있습니다. 그렇지만, AIOps(AI 기반 운영)로 전환하려면 그 출발점으로 정확한 실시간 데이터의 신뢰할 수 있는 소스 역할을 하는 깨끗한 네트워크 기반이 필요합니다. 흔히 말하듯 '콩 심은 데 콩 나고 팥 심은 데 판 나는 법'입니다. 좋은 데이터가 없으면 AI는 부정확한 응답이나 근거 없는 환각(hallucination)을 생성할 수 있습니다. 다행히도 이미 사용할 수 있는 도구들이 있어, 에이전트 AI 프레임워크를 설정하는 데 필요한 전략적 결정을 병행하면서 지금 당장 네트워크 정리 작업을 수행할 수 있습니다.

실제로, 구축된 네트워크는 시간이 지날수록 초기의 계획된 설계에서 벗어나게 됩니다. 이는 일반적인 현상이지만, 사람의 실수나 국지적 변경 때문에 의도하지 않은 잘못된 구성이 네트워크에 유입될 수도 있습니다. 이러한 잘못된 구성이 공공연하게 문제를 유발하지는 않지만, 그래도 전체 네트워크 성능에는 부정적인 영향을 미칠 수 있습니다. Navigator NCS(Navigator Network Control Suite)는 잘못된 구성을 자동으로 식별하고 이를 신속하게 해결할 수 있는 포괄적인 네트워크 감사 기능을 제공합니다. Navigator NCS는 NE(네트워크 요소)가 수십 개부터 수천 개에 이르는 다양한 규모의 고객 네트워크에서 사용됐으며, 일반적으로 네트워크 크기의 최대 10~20%에 달하는 상당한 수의 문제점을 발견했습니다!

데이터 무결성을 보장하기 위해서는 복잡한 다중 계층 네트워크의 모든 측면을 검증하는 것이 중요합니다. Ciena의 포괄적인 네트워크 감사는 여러 수준에서 작동하며, 직관적인 인터페이스를 사용하여 발견된 모든 문제를 수정할 수 있는 옵션을 제공합니다.

• NE 수준에서 사용자는 요소 유형별로 이상적인 목표 프로파일을 정의하고 네트워크에서 해당 유형의 모든 NE에 대해 감사를 실행하여 NE의 구성 매개 변수가 예상 범위를 벗어나는지 확인할 수 있습니다. 범위에서 벗어난 경우, 이러한 편차에 플래그가 지정되어 쉽게 조정할 수 있습니다.

• 광 케이블 연결 수준에서 네트워크 감사는 인접 관계 불일치, 또는 누락되거나 잘못되었거나 중복된 원격 주소 등을 확인하여 끊어진 링크를 식별합니다.

• 광 전송 수준에서 네트워크 감사는 불완전한 추가 또는 삭제 작업으로 인해 발생했을 수 있는 서비스 조각을 찾아 디버깅이 어려운 프로비저닝 실패 문제를 해결합니다.

• IP 링크 수준에서는 IP 링크 상태를 감사하여 성능 문제를 일으킬 수 있는 엔드포인트 간 불일치가 있는지 확인합니다. 이러한 불일치에는 서브넷, MTU 또는 TE 지표 불일치가 포함됩니다. IP 다양성도 감사하여 다양성이 요구되는 IP 링크가 중복 SRLG(공유 위험 논리 그룹) 세트를 보유하지 않도록 보장할 수 있습니다. 이 SRLG에는 지원하는 광 계층에서 전파되었을 수 있는 SRLG도 포함됩니다.

• 또한, 특수 매개변수에 대한 감사도 수행하여 네트워크가 의도한 대로 작동하고 있는지 확인할 수도 있습니다. 예를 들어, 모든 논리적 G.8032 링에서 일관성 없는 타이머 값 간의 불일치 또는 트랜스폰더와 회선 시스템 속성 간의 불일치 등을 확인합니다.

구성 정리 외에도, 네트워크 감사에는 교차 연결 감사 기능도 있어 네트워크 내 유휴 대역폭을 식별합니다. 이러한 대역폭을 정리하면 인지하지 못했던 추가 용량을 확보할 수도 있습니다.