檢測、發(fā)現(xiàn)和糾正網(wǎng)絡(luò)故障從來都不是容易的事情。過去是客戶端服務(wù)器“統(tǒng)治”、應(yīng)用運行在指定服務(wù)器、最終用戶通過以太網(wǎng)、租用WAN鏈路或其他服務(wù)連接的時代，彼時網(wǎng)絡(luò)故障管理已經(jīng)比較麻煩了，而現(xiàn)在大型數(shù)據(jù)中心和云網(wǎng)絡(luò)讓網(wǎng)絡(luò)故障管理更具挑戰(zhàn)性。

技術(shù)在變化，但最終結(jié)果是最重要的。這里的問題是：用戶是否在接受所需的服務(wù)質(zhì)量?答案取決于應(yīng)用和網(wǎng)絡(luò)性能?，F(xiàn)在的應(yīng)用通常在公共、私有或混合云上運行，應(yīng)用作為負載轉(zhuǎn)移在服務(wù)器之間遷移。服務(wù)器和數(shù)據(jù)存儲之間的吞吐量取決于其他應(yīng)用放在共享鏈路的負載。

網(wǎng)絡(luò)性能取決于連接用戶到應(yīng)用的網(wǎng)絡(luò)的類型和容量。本地用戶可能通過以太網(wǎng)或無線網(wǎng)絡(luò)連接，遠程用戶則通過各種WAN技術(shù)連接，包括公共互聯(lián)網(wǎng)或蜂窩網(wǎng)絡(luò)等。每種連接都需要專門的方法來維持所需的性能。任何這些位置(應(yīng)用或網(wǎng)絡(luò))的故障都可能降低客戶滿意度。

云故障檢測

很多拓撲結(jié)構(gòu)和設(shè)計(其中包括虛擬化服務(wù)器、多個虛擬局域網(wǎng)和覆蓋網(wǎng)絡(luò))讓云故障檢測和網(wǎng)絡(luò)故障管理變得更加復(fù)雜。一個租戶的應(yīng)用出現(xiàn)性能問題可能與影響另一個租戶的問題并沒有什么關(guān)聯(lián)，但它們可能來自同一來源。每個租戶的應(yīng)用可能在相同超載或配置錯誤的服務(wù)器上執(zhí)行，或者兩個租戶的覆蓋網(wǎng)絡(luò)通過相同超載或故障鏈接來路由。

海量的服務(wù)器、網(wǎng)絡(luò)組件和鏈接是故障的一大來源?，F(xiàn)代硬件極為可靠，盡管每個組件有多年故障平均時間，但對于數(shù)千獨立的設(shè)備來說，依舊會有硬件故障發(fā)生。

配置錯誤是另一個問題來源，該問題可由網(wǎng)絡(luò)故障管理進行跟蹤。服務(wù)器和網(wǎng)絡(luò)設(shè)備不斷添加、升級或取代。大型云計算通常包括來自不同供應(yīng)商的組件，甚至來自同一供應(yīng)商的相同組件也可能運行著不同的軟件版本。在這種環(huán)境中，任何變更都可能導(dǎo)致錯誤的出現(xiàn)，同時，對一個組件的改變還可能影響到其他組件。

簡單地檢測和報告錯誤已經(jīng)不夠，每個錯誤可能導(dǎo)致幾十份錯誤報告。鏈路故障會在鏈路兩端的交換機生成硬件故障指示，并且每次鏈路故障和恢復(fù)時都會發(fā)出新報告。2層和3層網(wǎng)絡(luò)協(xié)議路由會改變，在備用路由流量水平接近***數(shù)值時鏈路流量監(jiān)控也會變化。同時，應(yīng)用性能監(jiān)控器會從通過該鏈路路由流量的每個應(yīng)用報告問題。

故障相關(guān)性及其在網(wǎng)絡(luò)中的作用

沒有哪個網(wǎng)絡(luò)管理員能夠整理完單一故障生成的海量報告，并快速發(fā)現(xiàn)其根本原因。對此，故障相關(guān)性軟件很重要，這是每個主流系統(tǒng)供應(yīng)商網(wǎng)絡(luò)管理產(chǎn)品的重要組成部分。

故障相關(guān)性產(chǎn)品利用各種機制來發(fā)現(xiàn)問題，其中包括SNMP trap、TL1消息、應(yīng)用日志和SYSLOG條目。SNMP和特定產(chǎn)品輪詢監(jiān)控器運行在服務(wù)器、交換機和鏈路。相關(guān)性工具還可監(jiān)控設(shè)備問題、電源電壓和磁盤可用空間來預(yù)測未來的問題。

網(wǎng)絡(luò)故障管理軟件必須提供對網(wǎng)絡(luò)準確的且***的視圖。該軟件必須保持更新(無論是通過手動或者通過網(wǎng)絡(luò)映射)，以追蹤添加的、移除的或更新的組件。它必須維護每種組件的內(nèi)部型號，介紹其配置和功能，并包含網(wǎng)絡(luò)運營政策的描述。當添加應(yīng)用時，還必須更新服務(wù)水平協(xié)議(SLA)等信息。

此外，故障相關(guān)性軟件必須與云編排軟件來交互，追蹤正在運行的應(yīng)用、它們在哪些服務(wù)器運行和VLAN以及與每個租戶相關(guān)的覆蓋網(wǎng)絡(luò)。網(wǎng)絡(luò)故障管理軟件還必須不斷根據(jù)SLAN監(jiān)控應(yīng)用性能水平。

當出現(xiàn)問題時，相關(guān)性軟件會獲取所有接收到的故障指示，并利用有關(guān)的網(wǎng)絡(luò)拓撲以及在故障出現(xiàn)前數(shù)據(jù)如何移動的信息來確定根本原因，并為網(wǎng)絡(luò)管理人員提供簡要的報告。

SDN網(wǎng)絡(luò)

云計算與SDN技術(shù)管理的數(shù)據(jù)中心面臨著與依靠傳統(tǒng)技術(shù)的數(shù)據(jù)中心相同的潛在問題。它們都需要故障相關(guān)性軟件，但SDN架構(gòu)需要將相關(guān)性軟件內(nèi)置到網(wǎng)絡(luò)控制器或與其緊密連接。

這種差異的原因是Spanning Tree和Open Shortest Path First等傳統(tǒng)協(xié)議在網(wǎng)絡(luò)設(shè)備內(nèi)部部署。它們在鏈路或端口問題阻止流量時根據(jù)需要重新路由流量。通過SDN，所有路由都由控制器來確定，故障相關(guān)性軟件必須告知控制器問題的類型，以便它能夠確定備用路由。

OpenFlow兼容的白盒交換機支持各種供應(yīng)商的操作系統(tǒng)，每個都有自己的檢測和故障報告方法。Big Switch和Pica8的操作系統(tǒng)都支持SNMP，但Big Switch的控制器和交換機操作系統(tǒng)利用OpenFlow消息來與設(shè)備進行通信。相關(guān)性軟件通過接口與控制器通信，從設(shè)備處接收消息，并輪詢其狀態(tài)。

無線網(wǎng)絡(luò)和廣域網(wǎng)

Wi-Fi依靠一組專門的工具來診斷問題。Wi-Fi連接可受到很多問題的影響，例如信號干擾、墻壁或阻止信號的固態(tài)物體，以及安全漏洞?，F(xiàn)在有各種故障排除產(chǎn)品，包括免費軟件和專業(yè)的軟件產(chǎn)品。還需要專門的硬件產(chǎn)品來診斷某些類型的問題。

在網(wǎng)絡(luò)服務(wù)提供商擁有和管理的WAN連接的情況下，關(guān)鍵參數(shù)是吞吐量和往返時間，這方面也有免費和專業(yè)產(chǎn)品可供選擇。

滿足最終用戶性能要求需要應(yīng)用性能的各方面都正常運行。在出現(xiàn)問題時，網(wǎng)絡(luò)故障管理和故障檢測產(chǎn)品必須能夠查明原因，使它們可快速被修復(fù)以及恢復(fù)正常運作。