構建網絡知識圖譜 混合雲網絡監控診斷需要這樣的利器

　　在國内，雲計算經過十多年的發展，企業在IT基礎設施以及雲原生的業務應用上穩步推進，上雲業務規模大幅增加。但企業面對複雜的虛拟網絡，越來越難以保障業務的安全性和監管的要求。企業監控診斷的工具手段亟需提升，以滿足IT基礎設施逐漸向混合雲架構演變的過程中不斷湧現的業務需求。

　　　　企業上雲的網絡挑戰

　　企業上雲過程中，基礎設施在不斷雲化，随着容器技術的快速發展，上雲後的應用架構逐漸微服務化。雲服務高頻動态變化的特性滿足了業務快速變化的需求，但更多的業務上雲使得東西向網絡流量激增，基礎設施的雲化進一步模糊了網絡的邊界，種種因素疊加在一起使得上雲後業務的安全和運維難度陡增。

　　網絡的監控診斷伴着網絡的發展始終存在，網絡的邊界随着基礎設施的雲化尤其是網絡虛拟化層次的延伸而不斷擴大。相應地，網絡監控診斷的觸手也需要随之增加。但在混合雲環境中，網絡監控診斷遇到了新的挑戰。企業現有的監控診斷方案無法覆蓋日益增加的東西向流量，由此形成的網絡“黑盒”已成為企業上雲的一大障礙。

　　　　混合雲網絡的八卦圖

　　古人用八卦圖表示一切自然現象的動靜狀态，從事生産活動時參考卦象以趨利避害。與網絡而言，最重要的表象無非是網元的配置信息和運行狀态。要解決混合雲網絡的監控診斷難題，需要對網元的配置信息和運行狀态進行望聞問切。一幅刻畫雲網絡的“八卦圖”呼之欲出。

　　網絡的點、線、面

　　在網絡監控診斷的場景下，如果我們将具體數據包看做是“點”，完整的業務訪問路徑(一條流)則是由多個“點”連成的“線”。流信息包含了關鍵的網絡元數據，但在多地數據中心、資源池化，并且涉及公有雲資源、專線鍊路的IT環境中，市場上的方案缺少全局的網絡狀态視角，即一張關聯IaaS資源、PaaS資源、服務應用的知識圖譜——混合雲網絡的全景圖。

　　雲杉網絡的DeepFlow提供了針對雲網絡的點、線、面操作邏輯，為混合雲的監控診斷提供了全面的信息保障。知識圖譜(網絡全景圖)包含網絡所涉及的對象實體映射關系，顯示結構拓撲與現網流量的一系列不同視角的視圖展示，應用可視化技術和搜索技術描述資源實體全面、豐富的運行信息，為雲中業務的監控診斷提供按圖索骥的指導。

　　　　雲網絡八卦圖的繪制

　　要繪制一幅混合雲網絡的全(八)景(卦)圖，首先要獲取的是生産網絡的拓撲，其次是全網的流量信息，最後是根據流量與網元的映射關系，梳理出與業務有關的知識圖譜并識别出異常或惡意的流量，為企業上雲後的監控診斷提供可靠的依據。

　　雲杉網絡DeepFlow監控診斷方案由DeepFlow的采集器、控制器以及數據節點組成，滿足KVM、ESXi、容器、公有雲等各類資源池的網絡監控診斷需求;并支持IPv4、IPv6協議環境。獲取混合雲環境的網絡流、數據包并非易事，需要兼顧性能和侵入性，方案的設計要充分考慮企業已有的生産環境。

　　DeepFlow控制器首先通過與生産環境尤其是雲平台的對接，自動學習雲中的資源和網絡拓撲信息。通過對接關鍵物理設備，DeepFlow完成全(八)景(卦)圖繪制的第一步。

　　考慮到網絡監控框架的可擴展性，流量采集與後端監控診斷工具必須解耦，在采集側，各類型号的DeepFlow采集器為全網流量采集方案提供基礎信息的捕獲能力，支持物理網絡、KVM、ESXi、容器、公有雲等資源池網絡環境。對于多數據中心、多雲異構的混合雲基礎設施，DeepFlow控制器以集群方式實現對不同平台下衆多采集器的管理。控制器能秒級啟停海量采集器，采集器通過接收控制器的指令，在本地對流量做預處理。至此，DeepFlow完成全(八)景(卦)圖繪制的第二步。

　　控制器作為整個系統的中樞大腦，結合采集到的流量和已經對接的生産環境網絡拓撲，借助機器學習和大數據等技術，自動對全網流量進行梳理，結合數據類型、監控指标、資源屬性、展示方式等多個維度，生成全局業務真實的網絡流量知識圖譜，亦即DeepFlow全(八)景(卦)圖繪制的第三步。

　　　　雲網絡八卦圖的展示

　　不同角色的使用者對全景圖的展示各有偏好，全面覆蓋這些需求并提供統一的呈現，是滿足各方對網絡卦象解讀的重要前提。

　　企業通過DeepFlow平台已經掌握了混合雲環境中的網絡數據。核心的監控指标是用以描述網絡狀态、性能的各類指标，主要包括吞吐量、時延、異常、傳輸狀态等;展示方式根據使用場景主要有分布、關聯、對比及回溯等。網絡流量數據又是典型的時間序列數據，同時具備相應的網絡特性。因此DeepFlow提供了分布式的網絡時序數據庫服務，在滿足快速寫入、數據持久化的同時，不斷優化多維度的聚合查詢能力。平台不同角色用戶可以在核心視圖的基礎上，定制自己更關心的監控面闆并設置告警策略。

　　　混合雲網絡監控診斷方案的部署

　　整體方案包括DeepFlow采集器、DeepFlow控制器、DeepFlow數據節點三部分。對于整體規劃的方案，建議對整體混合雲規劃獨立的網絡監控平面，對于混合雲的監管流量統一、獨立地進行管理。在完成整體方案規劃後，可分區域、分資源池、按階段投入建設，最終使企業具備對混合雲基礎設施全網絡監控診斷能力，保障應用業務穩定運行。

　　由于大部分企業已經具備對傳統物理網絡的監控能力，通常重點選擇KVM、容器資源池網絡為第一階段建設，重點解決資源池内網絡東西向流量“黑盒”不可見的問題，實現資源池網絡可視化，提高運維排障效率，保證網絡服務等級協議。

　　第二階段納入更多資源池，與新建擴容的資源池同步部署，接入物理網絡中分光鏡像流量，實現對整體數據中心網絡監控。

　　第三階段面向混合雲中的公有雲資源，對運行其上的網絡進行監控，部署采集器，具備對Workload或其上容器流量采集能力，完成對混合雲IT環境網絡整體監控管理。

　　對于已經運行的混合雲環境，可以在不影響生産環境運行的情況下部署實施，網絡規劃上将DeepFlow平台所涉及的管理、監控分發平面複用在已有的網絡平面中，通常可以複用已經存在的網絡管理平面。

　　　　雲網絡八（全）卦（景）圖總結

　　DeepFlow混合雲網絡監控診斷解決方案通過有效的網絡流量采集、數據分類存儲以及網絡點、線、面的緊密結合，為企業在混合雲、雲原生等新型IT基礎設施環境演進過程中，補齊網絡監控的空白，避免重複建設;應對雲原生特點，緊密結合業務，解決實際網絡監控難題，支撐企業基礎設施向網絡智能化邁進。