智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)白皮書

1、華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)白皮書目錄華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)引言1 HYPERLINK l _TOC_250005 簡(jiǎn)介2理念：從SDN自動(dòng)化網(wǎng)絡(luò)，走向自動(dòng)駕駛網(wǎng)絡(luò).2目的：打破商業(yè)訴求和網(wǎng)絡(luò)之間的鴻溝3華為智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)方案方案架構(gòu).4商業(yè)意圖層4數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)層5 HYPERLINK l _TOC_250004 3.3.1 概述.5 HYPERLINK l _TOC_250003 意圖引擎6 HYPERLINK l _TOC_250002 自動(dòng)化引擎7網(wǎng)絡(luò)基礎(chǔ)設(shè)施層7 HYPERLINK l _TOC_250001 方案五大特征極簡(jiǎn)84.2 智慧.84.3 超寬.84.4 開放.94.5

2、安全.9 HYPERLINK l _TOC_250000 方案客戶價(jià)值網(wǎng)絡(luò)全自動(dòng)化，助力業(yè)務(wù)分鐘級(jí)上線10意圖閉環(huán)驗(yàn)證，保障網(wǎng)絡(luò)與意圖一致性.10提升運(yùn)營效率，節(jié)省網(wǎng)絡(luò)運(yùn)營成本.10演進(jìn)到智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)11華為智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò) PAGE 8 PAGE 7 華為智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)1企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)入快車道當(dāng)今世界，幾乎所有的企業(yè)都在如火如荼地實(shí)施數(shù)字化轉(zhuǎn)型。Gartner的一項(xiàng)調(diào)查中，預(yù)計(jì)到2019年，完成數(shù)字化轉(zhuǎn)型的企業(yè)比 例將達(dá)到83%。數(shù)字化轉(zhuǎn)型對(duì)社會(huì)進(jìn)步帶來深刻的影響，成為經(jīng)濟(jì)發(fā)展的新引擎。甚至未來20年，第四次工業(yè)革命生產(chǎn)力的增長(zhǎng)將是由數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)的。企業(yè)所在行業(yè)不同，數(shù)字化轉(zhuǎn)型舉措

3、也有所不同。但總的來說，數(shù)字化轉(zhuǎn)型舉措分成三大類：改善客戶體驗(yàn)、提升員工生產(chǎn)率和創(chuàng)造新的商業(yè)模式。雖然這些類別可能看起來截然不同，但它們有一個(gè)采取行動(dòng)的共同要素?cái)?shù)據(jù)成為企業(yè)的核心財(cái)富，成功取決于能夠比競(jìng)爭(zhēng)對(duì)手搶先一步創(chuàng)造數(shù)據(jù)、利用數(shù)據(jù)、從數(shù)據(jù)分析中獲得新的洞察?，F(xiàn)在，計(jì)算無處不在、數(shù)據(jù)驅(qū)動(dòng)一切的AI時(shí)代已經(jīng)到來。AI時(shí)代有以下幾個(gè)特征：第一，萬物互聯(lián)。各種各樣的物件與網(wǎng)絡(luò)互聯(lián)，成為AI成千上萬的觸角，也讓萬物更加智能第二，海量數(shù)據(jù)。萬物互聯(lián)的結(jié)果就會(huì)產(chǎn)生海量的數(shù)據(jù)，AI模型訓(xùn)練需要海量數(shù)據(jù)。第三，模型復(fù)雜。AI應(yīng)用為了提升效率和精度，模型越來越大，算法所需計(jì)算資源越來越多。第四，時(shí)效敏感。AI

4、應(yīng)用需要大規(guī)模的并行計(jì)算，要求極速的開發(fā)環(huán)境和生產(chǎn)上線以及低時(shí)延網(wǎng)絡(luò)。網(wǎng)絡(luò)需匹配ICT轉(zhuǎn)型節(jié)奏數(shù)據(jù)中心作為AI應(yīng)用的載體，尤其是數(shù)據(jù)中心網(wǎng)絡(luò)，承擔(dān)著AI應(yīng)用、云、大數(shù)據(jù)的聯(lián)接關(guān)鍵作用，面臨著新的挑戰(zhàn)和更高要求：多云協(xié)同物聯(lián)網(wǎng)帶來的邊緣計(jì)算，推動(dòng)著邊緣云的快速發(fā)展， 那么如何實(shí)現(xiàn)邊緣云與中心云的多云協(xié)同、統(tǒng)一部署上升為越來越多企業(yè)的主要訴求?；旌显频募骖檭?yōu)勢(shì)使得其往往作為大中型企業(yè)客戶的首選策略，那么如何實(shí)現(xiàn)私有云與運(yùn)營商公有云的對(duì)接協(xié)作、自由切換也成為越來越多企業(yè)的主要訴求。極簡(jiǎn)體驗(yàn)數(shù)據(jù)中心規(guī)模飛速擴(kuò)張，經(jīng)常需要新建和擴(kuò)容數(shù)據(jù)中心。以大型互聯(lián)網(wǎng)公司為例，其數(shù)據(jù)中心服務(wù)器建設(shè)量每年以50%到10

5、0%爆發(fā)式的增長(zhǎng)，其數(shù)據(jù)中心網(wǎng)絡(luò)每2到3年便面臨劇烈改造，急需實(shí)現(xiàn)網(wǎng)絡(luò)新建和擴(kuò)容極簡(jiǎn)自動(dòng)化。數(shù)據(jù)中心業(yè)務(wù)需求，從需求提出到網(wǎng)絡(luò)實(shí)施部署，需要繁瑣的流程工單和人工干預(yù)， 耗時(shí)長(zhǎng)且易出錯(cuò)，無法匹配全數(shù)字化業(yè)務(wù)環(huán)境的極速要求。智能網(wǎng)絡(luò)應(yīng)用快速上線的需求，要求網(wǎng)絡(luò)實(shí)現(xiàn)秒級(jí)部署，而基于多云、容器云的業(yè)務(wù)調(diào)度以每天超過200次地頻繁進(jìn)行網(wǎng)絡(luò)配置變更。當(dāng)前網(wǎng)絡(luò)缺乏校驗(yàn)機(jī)制，評(píng)估業(yè)發(fā)下發(fā)或變更影響、檢查配置正確性等依賴運(yùn)維人員專業(yè)經(jīng)驗(yàn)和人工檢查。一個(gè)應(yīng)用上線需要2天甚至更多時(shí)間。應(yīng)用狀態(tài)關(guān)乎客戶體驗(yàn)，實(shí)時(shí)感知應(yīng)用狀態(tài)、自適應(yīng)優(yōu)化以及預(yù)測(cè)性運(yùn)營是企業(yè)提升競(jìng)爭(zhēng)力和運(yùn)營效率的有效路徑。傳統(tǒng)網(wǎng)絡(luò)以網(wǎng)元為中心，無法實(shí)時(shí)

6、感知應(yīng)用狀態(tài)，也無法對(duì)網(wǎng)絡(luò)進(jìn)行動(dòng)態(tài)故障診斷和處理，且沒有提前預(yù)防的手段?？梢哉f，隨著數(shù)據(jù)中心日益增長(zhǎng)的規(guī)模和復(fù)雜性，其網(wǎng)絡(luò)新建和擴(kuò)容、業(yè)務(wù)極速上線和頻繁調(diào)整、快速排障等的復(fù)雜性已經(jīng)超出了人工可處理的極限。網(wǎng)絡(luò)成為制約加速企業(yè)數(shù)字化轉(zhuǎn)型的瓶頸，急需匹配ICT轉(zhuǎn)型節(jié)奏。2.1理念：從SDN自動(dòng)化網(wǎng)絡(luò)，走向自動(dòng)駕駛網(wǎng)絡(luò)華為認(rèn)為未來的數(shù)據(jù)中心網(wǎng)絡(luò)必將走向無人值守，是自治自愈的網(wǎng)絡(luò)、具有生命的網(wǎng)絡(luò)、能夠進(jìn)行自我學(xué)習(xí)的網(wǎng)絡(luò)。2018年世界移動(dòng)通信大會(huì)上，華為正式發(fā)布了IDN（Intent-Driven Network，意圖驅(qū)動(dòng)的智簡(jiǎn)網(wǎng)絡(luò)）解決方案，通過在物理網(wǎng)絡(luò)和商業(yè)邏輯之間，構(gòu)建一個(gè)數(shù)字孿生世界，驅(qū)動(dòng)網(wǎng)

7、絡(luò)從SDN向超越自動(dòng)化的完全自治的網(wǎng)絡(luò)方向演進(jìn)，實(shí)現(xiàn)用戶商業(yè)價(jià)值最大化。IDN擴(kuò)展了SDN的價(jià)值主張。對(duì)于兩者的差異，汽車行業(yè)的變化是一個(gè)易理解的比喻。多年前，汽車就已經(jīng)裝載了自動(dòng)化工具， 如縱列泊車輔助和巡航控制，但它仍然需要駕駛員選擇駕駛路線、判斷駕駛的速度或在某個(gè)地點(diǎn)停車是否合法。也就是說，駕駛員做決定，自動(dòng)化工具執(zhí)行指令。而對(duì)于自動(dòng)駕駛汽車，駕駛員只需要發(fā)出基于意圖的指令，例如“開車以最短時(shí)間送我回家”，然后汽車 理解駕駛員的意圖，根據(jù)路況、限行規(guī)則等自動(dòng)選擇最優(yōu)路線、并自動(dòng)到達(dá)駕駛員居住的小區(qū)，但可能不會(huì)選擇在駕駛員的首選地點(diǎn)進(jìn)行縱列式停車，因?yàn)樗肋@天晚上會(huì)清理清掃街道，違法車輛

8、將會(huì)被拖走。自動(dòng)駕駛汽車了解所有規(guī)則、實(shí)時(shí)路況、速度限制及擁塞點(diǎn)等，這些它在執(zhí)行任務(wù)時(shí)都會(huì)自動(dòng)考慮到。與自動(dòng)駕駛汽車類似，IDN是一種由商業(yè)策略驅(qū)動(dòng)的意圖而自運(yùn)行的網(wǎng)絡(luò)。例如，對(duì)于某金融行業(yè)客戶，其應(yīng)用部門需要“擴(kuò)展購物商城應(yīng)用，新增紀(jì)念幣秒殺業(yè)務(wù)”，而IDN數(shù)據(jù)中心（暨智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)）能夠理解這一意圖，并通過擴(kuò)展物理/邏輯網(wǎng)絡(luò)、配置安全策略、配置QoS策略等自動(dòng)化流程實(shí)施，同時(shí)通過持續(xù)的網(wǎng)絡(luò)校驗(yàn)確保這一意圖準(zhǔn)確實(shí)現(xiàn)。事實(shí)上，數(shù)據(jù)中心從SDN網(wǎng)絡(luò)到自治自愈的網(wǎng)絡(luò)還需要長(zhǎng)期的演進(jìn)，企業(yè)面臨的最大問題是商業(yè)訴求和網(wǎng)絡(luò)之間存在著巨大的鴻溝。2.2目的：打破商業(yè)訴求和網(wǎng)絡(luò)之間的鴻溝商業(yè)訴求通常由一

9、個(gè)或多個(gè)業(yè)務(wù)意圖組成。當(dāng)前，數(shù)據(jù)中心實(shí)施一個(gè)業(yè)務(wù)意圖需要大量的人工操作，并且需要業(yè)務(wù)與網(wǎng)絡(luò)部門甚至更多領(lǐng)域配合，經(jīng)過耗費(fèi)很長(zhǎng)時(shí)間的流程，才能夠保證業(yè)務(wù)意圖最終落實(shí)。這個(gè)過程中，業(yè)務(wù)意圖首先需要由人工識(shí)別和理解，再將其轉(zhuǎn)化為可在網(wǎng)絡(luò)中應(yīng)用的策略。例如，上述“擴(kuò)展購物商城應(yīng)用，新增紀(jì)念幣秒殺業(yè)務(wù)”這一意圖，需要由應(yīng)用管理員、網(wǎng)絡(luò)管理員等分解為多個(gè)流程、策略和步驟執(zhí)行。也就是需要從“我要什么”轉(zhuǎn)化為“我如何做”。而這一過程中，保障機(jī)制也尤為重要，從“我要什么”轉(zhuǎn)化為“我如何做”并最終執(zhí)行和落地，網(wǎng)絡(luò)需要持續(xù)的保障措施來確保意圖能夠被準(zhǔn)確執(zhí)行和始終準(zhǔn)確。保障機(jī)制至少涵蓋以下幾個(gè)方面：在部署之前部署期間

10、和之后不斷驗(yàn)證包括在部署之前，對(duì)于網(wǎng)絡(luò)的規(guī)劃、設(shè)計(jì)或者變更，可通過仿真演練評(píng)估是否能夠得到意圖結(jié)果；在部署期間，檢查網(wǎng)絡(luò)的業(yè)務(wù)資源是否足夠等等，以確保是否能夠部署成功且有效；在部署之后，通過建模等方式檢查業(yè)務(wù)是否準(zhǔn)確運(yùn)行、是否真正達(dá)成意圖結(jié)果等等。通過大數(shù)據(jù)及AI感知和驗(yàn)證網(wǎng)絡(luò)以及預(yù)測(cè)性維護(hù)包括網(wǎng)絡(luò)和應(yīng)用的雙向智能感知，深層次可視性，實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)中所承載應(yīng)用的運(yùn)行狀態(tài)、互訪關(guān)系等，以驗(yàn)證意圖與網(wǎng)絡(luò)一致性、同時(shí)快速感知和定位故障。同時(shí)通過數(shù)據(jù)和模型來標(biāo)識(shí)異常、預(yù)測(cè)系統(tǒng)性能及故障等，如光模塊故障預(yù)測(cè)等實(shí)例已得到廣泛應(yīng)用。通過閉環(huán)操作來優(yōu)化和自治網(wǎng)絡(luò)包括對(duì)于已發(fā)現(xiàn)的異常和故障、預(yù)測(cè)性的故障，能夠自動(dòng)

11、糾正或優(yōu)化，保障網(wǎng)絡(luò)在每時(shí)刻與意圖的一致性。華為智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)旨在在商業(yè)訴求和網(wǎng)絡(luò)基礎(chǔ)設(shè)施之間構(gòu)建一個(gè)數(shù)字網(wǎng)絡(luò)世界，打破商業(yè)與網(wǎng)絡(luò)之間的鴻溝。其核心就是通過建立一個(gè)數(shù)字世界，將用戶的業(yè)務(wù)意圖轉(zhuǎn)換為網(wǎng)絡(luò)可執(zhí)行操作的路徑，暨將用戶的意圖語言翻譯成網(wǎng)絡(luò)能夠理解的策略和語言， 同時(shí)通過持續(xù)的保障機(jī)制確保網(wǎng)絡(luò)與意圖始終對(duì)齊。3.1方案架構(gòu)華為智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)如圖3-1所示，包括商業(yè)意圖、數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)以及極簡(jiǎn)超寬的云化網(wǎng)絡(luò)基礎(chǔ)設(shè)施。私有云公有云電信云 VM VM NGFW 3rd VAS智能無損數(shù)據(jù)中心網(wǎng)絡(luò)數(shù)據(jù)搜集配置下發(fā)網(wǎng)絡(luò)基礎(chǔ)設(shè)施Digital Twin 網(wǎng)絡(luò)平臺(tái)HUAWEI Manage

12、OneSDN階段多云業(yè)務(wù)編排意圖設(shè)計(jì)編排系統(tǒng)IDN階段意圖管理系統(tǒng)商業(yè)意圖Intelligence EngineBig DataAnalytics EngineIntent Engine意圖模型Automation Engine3rd意圖/業(yè)務(wù)管理系統(tǒng)圖3-1 智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)3.2商業(yè)意圖層商業(yè)意圖即企業(yè)用戶的商業(yè)邏輯/決策，隨著SDN向IDN演進(jìn)，商業(yè)意圖層的平臺(tái)也從SDN階段向IDN階段逐步演進(jìn)，可按如下歸類：SDN階段多云業(yè)務(wù)編排系統(tǒng)：包括華為數(shù)據(jù)中心管理系統(tǒng)ManageOne、云平臺(tái)FusionSphere以及業(yè)界主流的云平臺(tái)OpenStack 和容器云平臺(tái)Kubernetes

13、等。IDN階段意圖管理系統(tǒng)：華為開放的商業(yè)意圖設(shè)計(jì)/編排平臺(tái)，用戶可聲明、定義和定制商業(yè)意圖。通過開放基于意圖的API，用戶可以利用業(yè)務(wù)/網(wǎng)絡(luò)模型、大數(shù)據(jù)分析、算法等模型自定義其意圖。商業(yè)/業(yè)務(wù)意圖我今天要上線一個(gè)安全的分布式應(yīng)用我要擴(kuò)展我的應(yīng)用數(shù)據(jù)庫網(wǎng)絡(luò)意圖示例我要擴(kuò)容100臺(tái)服務(wù)器我要快速升級(jí)10GE 網(wǎng)絡(luò)到25GE網(wǎng)絡(luò)， 批量替換交換器和服務(wù)器事實(shí)上，關(guān)于數(shù)據(jù)中心的意圖，根據(jù)當(dāng)前不同企業(yè)、不同行業(yè)的組織分工和運(yùn)營情況，也可歸納為商業(yè)/業(yè)務(wù)意圖和網(wǎng)絡(luò)意圖。華為商業(yè)意圖平臺(tái)支持上述兩類意圖，滿足不同客戶的多樣化訴求，平滑向意圖驅(qū)動(dòng)的數(shù)據(jù)中心自治網(wǎng)絡(luò)演進(jìn)。第三方客戶自研或定制系統(tǒng)：可與華為數(shù)字

14、孿生的網(wǎng)絡(luò)平臺(tái)層對(duì)接，從而實(shí)現(xiàn)基于意圖的網(wǎng)絡(luò)規(guī)劃、設(shè)計(jì)、自動(dòng)化部署和持續(xù)驗(yàn)證、預(yù)測(cè)性維護(hù)等。3.3數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)層數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)是智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)的核心大腦，是實(shí)現(xiàn)自治網(wǎng)絡(luò)的關(guān)鍵部件，從商業(yè)意圖到網(wǎng)絡(luò)基礎(chǔ)設(shè)施的落地，需要通過數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)進(jìn)行轉(zhuǎn)換和處理。概述數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)包括意圖、自動(dòng)化、分析和智能四大引擎:意圖引擎主要完成意圖理解/轉(zhuǎn)換和意圖驗(yàn)證。自動(dòng)化引擎將網(wǎng)絡(luò)設(shè)計(jì)和規(guī)劃變成具體的網(wǎng)絡(luò)命令，通過標(biāo)準(zhǔn)的接口讓網(wǎng)絡(luò)設(shè)備自動(dòng)化執(zhí)行。分析引擎基于實(shí)時(shí)遙測(cè)等技術(shù)，采集分析數(shù)據(jù)中心網(wǎng)絡(luò)數(shù)據(jù)，如上下行速率、延遲、丟包率等，但不涉及用戶隱私。智能引擎在分析引擎的基礎(chǔ)上，通過人工智能等算法和

15、不斷升級(jí)的經(jīng)驗(yàn)庫，給出風(fēng)險(xiǎn)預(yù)測(cè)和處理建議。四大引擎相互作用，對(duì)上接收商業(yè)意圖，對(duì)下通過意圖驅(qū)動(dòng)的自動(dòng)化服務(wù)作用于網(wǎng)絡(luò)基礎(chǔ)設(shè)施，并實(shí)時(shí)感知網(wǎng)絡(luò)狀態(tài)，建立數(shù)字化網(wǎng)絡(luò)模型，以持續(xù)驗(yàn)證網(wǎng)絡(luò)與意圖一致性，及進(jìn)行預(yù)測(cè)性維護(hù)，從而數(shù)據(jù)中心網(wǎng)絡(luò)形成一個(gè)完整閉環(huán)系統(tǒng)。模型抽象算法和經(jīng)驗(yàn)庫定位定界故障定界根因分析事后事后驗(yàn)證健康巡檢雙向可視自動(dòng)感知可視事前事前仿真事前驗(yàn)證資源監(jiān)控歷史回放MPV(管理面校驗(yàn))CPV(配置面校驗(yàn))DPV(數(shù)據(jù)面校驗(yàn))專家經(jīng)驗(yàn)庫同時(shí)，意圖引擎與自動(dòng)化引擎形成一個(gè)小的閉環(huán)系統(tǒng)，應(yīng)用于數(shù)據(jù)中心網(wǎng)絡(luò)部署和調(diào)整場(chǎng)景，確保用戶意圖被正確有效執(zhí)行。Network實(shí)時(shí)監(jiān)控配置下發(fā)意圖引擎（驗(yàn)證）影響

16、分析仿真校驗(yàn)事前檢查自動(dòng)化引擎意圖翻譯意圖設(shè)計(jì)/編排意圖引擎（轉(zhuǎn)換）數(shù)據(jù)采集物理模型邏輯模型應(yīng)用模型專家經(jīng)驗(yàn)?zāi)Ｐ挽o態(tài)配置動(dòng)態(tài)表項(xiàng)TOPO資源信息圖3-2 意圖引擎與自動(dòng)化引擎閉環(huán)流程圖3-3 數(shù)字化網(wǎng)絡(luò)模型邏輯架構(gòu)數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)通過收集網(wǎng)絡(luò)數(shù)據(jù)等，建立數(shù)字化網(wǎng)絡(luò)模型，以持續(xù)驗(yàn)證網(wǎng)絡(luò)與意圖一致性及進(jìn)行預(yù)測(cè)性維護(hù)。意圖引擎意圖理解和轉(zhuǎn)換：識(shí)別用戶商業(yè)意圖，并將用戶商業(yè)意圖翻譯成網(wǎng)絡(luò)能夠理解的策略及語言。提供開放的架構(gòu)，包括易于使用的自定義可編程界面、可自定義的意圖編排模型等，用戶可靈活地表述和編排業(yè)務(wù)意圖。意圖驗(yàn)證：通過仿真校驗(yàn)、事前和事后驗(yàn)證、實(shí)時(shí)分析等技術(shù)，模擬網(wǎng)絡(luò)規(guī)劃和設(shè)計(jì)，分析網(wǎng)絡(luò)配置

17、影響，并持續(xù)驗(yàn)證下發(fā)配置/策略與用 戶業(yè)務(wù)意圖的一致性。意圖引擎主要完成意圖理解和轉(zhuǎn)換以及對(duì)意圖的驗(yàn)證。意圖理解和轉(zhuǎn)換如上文所述，AI時(shí)代，隨著物聯(lián)網(wǎng)邊緣計(jì)算等技術(shù)的蓬勃發(fā)展、數(shù)據(jù)中心規(guī)模的迅速膨脹，企業(yè)的業(yè)務(wù)跨云、跨數(shù)據(jù)中心部署已成為常態(tài)，而涉及多云、多數(shù)據(jù)中心復(fù)雜的調(diào)度流程，使得企業(yè)新增或變更業(yè)務(wù)意圖非常緩慢。意圖理解和轉(zhuǎn)換模塊旨在解決用戶這一痛點(diǎn)。它提供易于使用的自定義可編程界面、可自定義的意圖編排模型，支撐一個(gè)業(yè)務(wù)意圖的完整表述。甚至提供智能語音識(shí)別系統(tǒng)，用戶可直接口頭表達(dá)業(yè)務(wù)意圖。而后，業(yè)務(wù)意圖被抽象成為一個(gè)個(gè)連接，網(wǎng)絡(luò)能夠理解的策略和語言。由此，多云、多數(shù)據(jù)中心或者多廠商多類別設(shè)備

18、的復(fù)雜調(diào)度流程不再被感知，用戶直接表述業(yè)務(wù)意圖，意圖引擎完成識(shí)別和自動(dòng)轉(zhuǎn)換。從傳統(tǒng)以網(wǎng)元為中心的網(wǎng)絡(luò)演進(jìn)到以用戶為中心的意圖網(wǎng)絡(luò)，是一個(gè)需要逐步演進(jìn)的過程。面向不同行業(yè)、不同場(chǎng)景，用戶的業(yè)務(wù)訴求也呈現(xiàn)多樣化形態(tài)，意圖網(wǎng)絡(luò)也具備可定制化的特點(diǎn)。意圖驗(yàn)證意圖驗(yàn)證通過仿真校驗(yàn)、事前檢查、事后驗(yàn)證、網(wǎng)絡(luò)實(shí)時(shí)分析、故障定位和自愈實(shí)現(xiàn)的閉環(huán)設(shè)計(jì)，確保用戶意圖被準(zhǔn)確有效執(zhí)行。仿真校驗(yàn)：基于特定的場(chǎng)景和配置進(jìn)行校驗(yàn)，模擬設(shè)備上的配置下發(fā)和運(yùn)行，驗(yàn)證設(shè)備配置中的一些常見問題，例如，地址沖突，路由環(huán)路，路由不可達(dá)等。仿真校驗(yàn)多應(yīng)用于以下場(chǎng)景：工程師擬在網(wǎng)絡(luò)中進(jìn)行大量配置，而對(duì)這部分配置下發(fā)到設(shè)備上所產(chǎn)生的影響無法

19、預(yù)估，所以希望能夠在準(zhǔn)備階段提前進(jìn)行仿真校驗(yàn)和模擬下發(fā)。通過仿真校驗(yàn)，能夠發(fā)現(xiàn)配置中的常見問題，工程師可進(jìn)行及時(shí)修改和調(diào)整，而不會(huì)對(duì)網(wǎng)絡(luò)產(chǎn)生影響。在仿真校驗(yàn)中，使用的關(guān)鍵技術(shù)是配置面（CPV）校驗(yàn)，配置面校驗(yàn)會(huì)實(shí)時(shí)地收集網(wǎng)絡(luò)中設(shè)備上的配置信息、網(wǎng)絡(luò)的拓?fù)湫畔?，然后結(jié)合本次配置的變更數(shù)據(jù)進(jìn)行拓?fù)淠Ｐ偷慕?，進(jìn)行網(wǎng)絡(luò)驗(yàn)證。事前檢查：配置下發(fā)前，事前檢查通過收集網(wǎng)元的資源信息、與待下發(fā)配置進(jìn)行比對(duì)，自動(dòng)確認(rèn)網(wǎng)絡(luò)中的剩余資源是否足夠，避免因資源不足導(dǎo)致下發(fā)失敗，其中可以檢查的資源包括ACL、路由VRP等。事后驗(yàn)證：基于用戶的意圖翻譯，驗(yàn)證用戶意圖在網(wǎng)絡(luò)設(shè)備中執(zhí)行的最后結(jié)果是否滿足用戶對(duì)意圖的期望。事后

20、驗(yàn)證主要應(yīng)用于以下場(chǎng)景：當(dāng)用戶輸入意圖、意圖經(jīng)過理解翻譯后下發(fā)，出于可靠性的考慮，用戶也要嘗試對(duì)自己輸入的意圖進(jìn)行驗(yàn)證。在這種情況下，用戶可以在意圖理解的前端界面上輸入意圖的預(yù)期結(jié)果，由意圖引擎負(fù)責(zé)將意圖實(shí)際理解轉(zhuǎn)換的配置和用戶的期望進(jìn)行比對(duì)校驗(yàn)。在意圖一致性驗(yàn)證中，除了配置面校驗(yàn)之外，還使用了數(shù)據(jù)面（DPV）校驗(yàn)。數(shù)據(jù)面校驗(yàn)技術(shù)要求實(shí)時(shí)地從網(wǎng)絡(luò)中收集設(shè)備上的流表信息、設(shè)備拓?fù)湫畔?，從而進(jìn)行網(wǎng)絡(luò)連通性的驗(yàn)證。網(wǎng)絡(luò)實(shí)時(shí)分析：對(duì)網(wǎng)絡(luò)中的設(shè)備如告警日志以及KPI信息實(shí)時(shí)監(jiān)控，進(jìn)行健康度的檢查。網(wǎng)絡(luò)巡檢和分析同樣主要應(yīng)用在網(wǎng)絡(luò)配置和運(yùn)維階段，但是與故障定位和自愈不同的是，網(wǎng)絡(luò)巡檢是通過分析網(wǎng)絡(luò)中的一些

21、有價(jià)值的KPI數(shù)據(jù)，分析網(wǎng)絡(luò)的健康度，提前預(yù)判網(wǎng)絡(luò)中的故障。在網(wǎng)絡(luò)巡檢和分析中，借助BigData+AI的關(guān)鍵技術(shù)，首先采集網(wǎng)絡(luò)中設(shè)備上的告警，日志和KPI數(shù)據(jù)(內(nèi)存，CPU占用率等)，通過這些數(shù)據(jù)利用AI技術(shù)分析網(wǎng)絡(luò)的健康度，提前預(yù)判風(fēng)險(xiǎn)。故障定位和自愈：在網(wǎng)絡(luò)運(yùn)行過程中，自動(dòng)啟動(dòng)故障的診斷分析，當(dāng)出現(xiàn)網(wǎng)絡(luò)故障時(shí)，能夠快速進(jìn)行故障的定界和定位分析，縮小故障的范圍，快速定位問題，快速進(jìn)行恢復(fù)。故障定位和自愈主要應(yīng)用于網(wǎng)絡(luò)配置和運(yùn)維階段，當(dāng)網(wǎng)絡(luò)中出現(xiàn)了問題時(shí)，工程師必須在其客戶可容忍的時(shí)間內(nèi)快速進(jìn)行排障，定位，糾錯(cuò)，盡一切可能把業(yè)務(wù)在極短的時(shí)間內(nèi)恢復(fù)。故障定位和自愈中，借助BigData+AI的

22、關(guān)鍵技術(shù)，首先將網(wǎng)絡(luò)中的故障生成故障模式庫，然后將故障模式庫中的樣本提交給AI訓(xùn)練。在之后的故障觸發(fā)中，將會(huì)通過AI分析輸入的故障，提供可能的故障原因，幫助工程師縮小故障范圍，快速故障定界。自動(dòng)化引擎Underlay自動(dòng)化對(duì)于Underlay網(wǎng)絡(luò)，自動(dòng)化引擎提供極簡(jiǎn)界面，輸入少量必要參數(shù)甚至一鍵式實(shí)現(xiàn)網(wǎng)絡(luò)的初始開局、擴(kuò)容和設(shè)備替換。Overlay自動(dòng)化對(duì)于Overlay網(wǎng)絡(luò)，自動(dòng)化引擎將已設(shè)計(jì)的邏輯網(wǎng)絡(luò)模型轉(zhuǎn)化成具體的網(wǎng)絡(luò)配置，批量自動(dòng)化下發(fā)到網(wǎng)絡(luò)各個(gè)設(shè)備上，實(shí)現(xiàn)網(wǎng)絡(luò)秒級(jí)發(fā)放。安全策略自動(dòng)化自動(dòng)化引擎調(diào)度數(shù)據(jù)中心網(wǎng)絡(luò)的安全資源池，實(shí)現(xiàn)多種安全策略的靈活編排和調(diào)整，顯著提升安全策略部署效率?；A(chǔ)

23、運(yùn)維自動(dòng)化自動(dòng)化引擎提供路徑探測(cè)、環(huán)路檢測(cè)、一致性對(duì)賬等多樣化運(yùn)維手段，可自動(dòng)對(duì)網(wǎng)絡(luò)進(jìn)行檢查，實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)和快速故障定位。自動(dòng)化引擎將網(wǎng)絡(luò)設(shè)計(jì)和規(guī)劃變成具體的網(wǎng)絡(luò)命令，通過標(biāo)準(zhǔn)的接口讓網(wǎng)絡(luò)設(shè)備自動(dòng)化執(zhí)行。自動(dòng)化引擎實(shí)現(xiàn)數(shù)據(jù)中心網(wǎng)絡(luò)方方面面的自動(dòng)化：自動(dòng)化引承接意圖引擎下發(fā)的網(wǎng)絡(luò)部署策略，意圖引擎正是通過驅(qū)動(dòng)自動(dòng)化引擎來保證自治網(wǎng)絡(luò)中的網(wǎng)絡(luò)自動(dòng)化部署、調(diào)整、修正這一環(huán)節(jié)的實(shí)施。3.4網(wǎng)絡(luò)基礎(chǔ)設(shè)施層網(wǎng)絡(luò)基礎(chǔ)設(shè)備層包括網(wǎng)絡(luò)中各種物理和虛擬設(shè)備組成的底層網(wǎng)絡(luò)（Underlay Network）、以及在底層網(wǎng)絡(luò)之上疊加的邏輯網(wǎng)絡(luò)（ Overlay Network）。在Underlay Network方面

24、，華為基于開放Ethernet進(jìn)行技術(shù)創(chuàng)新，創(chuàng)新地打造了下一代智能無損低時(shí)延的AI Fabric，依靠AI芯片和獨(dú)特的iLossless算法，實(shí)現(xiàn)RDMA業(yè)務(wù)流的零丟包、高吞吐和超低時(shí)延，加速AI時(shí)代的計(jì)算和存儲(chǔ)效率，最終獲得專網(wǎng)的性能、以太網(wǎng)的價(jià)格，整體ROI達(dá)到45倍。Underlay network組成部件如下:網(wǎng)絡(luò)設(shè)備物理交換機(jī)采用CloudEngine系列，它是華為面向下一代數(shù)據(jù)中心的高性能交換機(jī)，包括旗艦級(jí)核心交換機(jī)CloudEngine 12800系列和業(yè)界首款面向AI時(shí)代的數(shù)據(jù)中心交換機(jī)CloudEngine 16800 ，以及高性能的匯聚/接入交換機(jī)CloudEngine 8

25、800/7800/6800/5800系列，支持豐富的數(shù)據(jù)中心和園區(qū)業(yè)務(wù)特性。虛擬交換機(jī)采用CloudEngine 1800V，它是華為針對(duì)企業(yè)和行業(yè)數(shù)據(jù)中心虛擬化環(huán)境推出的一款智能軟件交換機(jī)產(chǎn)品。CloudEngine 1800V 可以運(yùn)行于KVM環(huán)境下，支持虛擬交換技術(shù)，可以提供二層網(wǎng)絡(luò)智能交換，VXLAN接入、NSH等功能。VAS設(shè)備采用華為NGFW/vNGFW，為數(shù)據(jù)中心提供NAT、VPN、虛擬化和多種安全特性。采用領(lǐng)先的LB設(shè)備為數(shù)據(jù)中心業(yè)務(wù)提供靈活的負(fù)載均衡服務(wù)。通過開放可編程框架實(shí)現(xiàn)對(duì)接第三方VAS，包括Checkpoint等設(shè)備納管。可配置到第三方VAS設(shè)備的引流，兼容第三方VA

26、S設(shè)備在數(shù)據(jù)中心使用。在Overlay Network方面，目前由自動(dòng)化引擎構(gòu)建VxLAN Overlay Network, 來支撐業(yè)務(wù)的自動(dòng)化發(fā)放和自由遷移。Overlay Network支持與BM、VM、容器等多形態(tài)計(jì)算資源自動(dòng)創(chuàng)建連接，從而滿足不同應(yīng)用的部署訴求和安全合規(guī)，保證客戶網(wǎng)絡(luò)平滑演進(jìn)。44.1極簡(jiǎn)極簡(jiǎn)架構(gòu)同一套數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)，支持BM、VM、容器等混合部署，實(shí)現(xiàn)私有云、公有云等多種云形態(tài)的跨DC多云協(xié)同，統(tǒng)一資源調(diào)度和自動(dòng)化業(yè)務(wù)布放。智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)，提供彈性靈活的擴(kuò)張能力，當(dāng)前支持 4200臺(tái)Leaf、50000臺(tái)服務(wù)器超大規(guī)模網(wǎng)絡(luò)管控，滿足至少五年的網(wǎng)絡(luò)演進(jìn)訴求。極簡(jiǎn)

27、操作用戶僅需要表述業(yè)務(wù)意圖，由智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)自動(dòng)轉(zhuǎn)換、自動(dòng)下發(fā)，從網(wǎng)絡(luò)規(guī)劃和設(shè)計(jì)、網(wǎng)絡(luò)開局和部署、業(yè)務(wù)發(fā)布到運(yùn)維和驗(yàn)證，全生命周期實(shí)現(xiàn)自動(dòng)化，從而助力業(yè)務(wù)分鐘級(jí)上線。4.2智慧智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)通過 Telemetry 方式進(jìn)行數(shù)據(jù)實(shí)時(shí)監(jiān)控，收集真實(shí)業(yè)務(wù)流和網(wǎng)絡(luò)KPI數(shù)據(jù)，以業(yè)務(wù)為中心，主動(dòng)識(shí)別80%問題包括應(yīng)用質(zhì)量、網(wǎng)絡(luò)服務(wù)和安全合規(guī)等相關(guān)的十幾種典型故障，全景呈現(xiàn)當(dāng)前活躍和歷史發(fā)生的故障。并將應(yīng)用-網(wǎng)絡(luò)路徑-設(shè)備關(guān)聯(lián)分析，結(jié)合智能算法和專家經(jīng)驗(yàn)庫提供一鍵故障自動(dòng)排查，實(shí)現(xiàn)了典型故障秒級(jí)自動(dòng)識(shí)別和一鍵式診斷排除，快速定位到故障點(diǎn)。智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)將機(jī)器學(xué)習(xí)算法結(jié)合大數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)行為模型

28、，呈現(xiàn)設(shè)備、隊(duì)列、端口級(jí)的動(dòng)態(tài)基線，實(shí)現(xiàn)了在服務(wù)等級(jí)下降過程中主動(dòng)監(jiān)測(cè)異常。另外還可預(yù)測(cè)光模塊等故障風(fēng)險(xiǎn)，轉(zhuǎn)被動(dòng)運(yùn)維為主動(dòng)運(yùn)維，網(wǎng)絡(luò)先于業(yè)務(wù)發(fā)現(xiàn)隱患。目前通過華為IT網(wǎng)絡(luò)實(shí) 踐證實(shí)，數(shù)據(jù)中心網(wǎng)絡(luò)故障率最高可降低68%。4.3超寬華為基于開放Ethernet進(jìn)行技術(shù)創(chuàng)新，構(gòu)建AI Fabric，能夠達(dá)到保證網(wǎng)絡(luò)零丟包的效果，同時(shí)能夠兼顧網(wǎng)絡(luò)時(shí)延和吞吐，在保證網(wǎng)絡(luò)最大吞吐率的情況下，將網(wǎng)絡(luò)時(shí)延降到最小，來支撐分布式存儲(chǔ)和AI/HPC計(jì)算，以及實(shí)時(shí)性的分布式計(jì)算，如Ceph存儲(chǔ)， Memcached和Spark等。AI Fabric針對(duì)AI訓(xùn)練和分布式存儲(chǔ)的效果進(jìn)行了大量的驗(yàn)證：相對(duì)傳統(tǒng)的IP網(wǎng)絡(luò)，

29、AI Fabric有 40%的性能提升。相對(duì)InfiniBand網(wǎng)絡(luò)，能達(dá)到其性能的90%以上，在大規(guī)模場(chǎng)景下，擁塞加重的情況下可以超越IB。華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò) PAGE 10 PAGE 11 華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)4.4開放智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)是一個(gè)高度開放的架構(gòu)，提供多層次的開放性和可編程能力，致力于為用戶構(gòu)建完整的開放生態(tài)系統(tǒng)。意圖層面開放智簡(jiǎn)數(shù)據(jù)中心網(wǎng)絡(luò)是一個(gè)開放可編程的網(wǎng)絡(luò)，通過開放基于意圖的 API ，用戶可以利用業(yè)務(wù)/網(wǎng)絡(luò)模型、大數(shù)據(jù)分析、算法等模型、自定義use case，實(shí)現(xiàn)網(wǎng)絡(luò)規(guī)劃、設(shè)計(jì)以及業(yè)務(wù)的編排。同時(shí)，通過開放Restful接口與業(yè)務(wù)主流云平臺(tái)，包括 OpenStac

30、k 、Kubernetes 等無縫對(duì)接，實(shí)現(xiàn)業(yè)務(wù)與網(wǎng)絡(luò)的協(xié)同。網(wǎng)絡(luò)平臺(tái)層面開放與VMware NSX以及自動(dòng)化管理運(yùn)維工具Ansible完美對(duì)接，實(shí)現(xiàn)對(duì)物理、虛擬網(wǎng)絡(luò)的統(tǒng)一發(fā)放，業(yè)務(wù)編排和自動(dòng)化運(yùn)維管理。網(wǎng)絡(luò)基礎(chǔ)設(shè)施層面開放基于Open API 和OpenFlow 等南向接口，實(shí)現(xiàn)與業(yè)界領(lǐng)先的應(yīng)用交付網(wǎng)絡(luò)廠商和安全解決方案供應(yīng)商無縫集成，為數(shù)據(jù)中心提供全面的安全、負(fù)載、均衡、DHCP 等服務(wù)。4.5安全智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)方案會(huì)顯著提升網(wǎng)絡(luò)的安全性與合規(guī)性:關(guān)于安全性與合規(guī)性的意圖被持續(xù)驗(yàn)證，保障網(wǎng)絡(luò)與意圖的持續(xù)一致性，達(dá)到安全性與合規(guī)性的意圖目標(biāo)。例如，意圖驗(yàn)證會(huì)驗(yàn)證待下發(fā)的安全策略是否與現(xiàn)網(wǎng)

31、已配置運(yùn)行的安全策略有沖突，評(píng)估下發(fā)影響。大數(shù)據(jù)實(shí)時(shí)收集、分析和監(jiān)控應(yīng)用間的互訪關(guān)系，包括整網(wǎng)的應(yīng)用互訪關(guān)系圖、單個(gè)應(yīng)用互訪關(guān)系明細(xì)、應(yīng)用與網(wǎng)絡(luò)對(duì)應(yīng)關(guān)系等多維度可視，能夠?qū)崟r(shí)報(bào)告網(wǎng)絡(luò)安全性與合規(guī)性；同時(shí)實(shí)時(shí)收集和監(jiān)控異常，及時(shí)發(fā)現(xiàn)攻擊等威脅情況，并通過自動(dòng)化引擎的安全模塊閉環(huán)消除威脅或遏制威脅擴(kuò)散。微分段技術(shù)提供最細(xì)粒度的安全防護(hù)，防止遭受安全攻擊或病毒感染的范圍擴(kuò)大，使得受影響的范圍降到最低，保護(hù)核心資產(chǎn)的安全性、可用性。5華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)，通過數(shù)字孿生的網(wǎng)絡(luò)平臺(tái)，智能理解商業(yè)意圖，實(shí)現(xiàn)基于商業(yè)意圖的網(wǎng)絡(luò)業(yè)務(wù)和策略自動(dòng)化部署，新業(yè)務(wù)快速上線；實(shí)時(shí)的用戶體驗(yàn)感知和自動(dòng)調(diào)優(yōu)，則保障了用戶業(yè)

32、務(wù)的優(yōu)質(zhì)體驗(yàn)；開放的API接口，實(shí)現(xiàn)了華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)和眾多行業(yè)應(yīng)用、云平臺(tái)的快速集成，支持更廣泛的行業(yè)創(chuàng)新。5.1網(wǎng)絡(luò)全自動(dòng)化，助力業(yè)務(wù)分鐘級(jí)上線華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)，能夠大大降低網(wǎng)絡(luò)工程師用于網(wǎng)絡(luò)規(guī)劃、設(shè)計(jì)、開局、部署、驗(yàn)證和故障排除的時(shí)間，也由此降低了網(wǎng)絡(luò)運(yùn)營支出（OPEX）。用戶直觀地表達(dá)業(yè)務(wù)意圖，意圖引擎理解用戶意圖并將轉(zhuǎn)換為基于模型的策略，同時(shí)進(jìn)行通過一致性和完整性檢查，確保策略與意圖的一致性。意圖和策略可以重復(fù)利用，比如可利用之前表達(dá)的意圖再次進(jìn)行應(yīng)用的擴(kuò)展?；谀Ｐ偷牟呗宰詣?dòng)化轉(zhuǎn)換為標(biāo)準(zhǔn)、具體的網(wǎng)絡(luò)配置，一鍵式部署到網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)秒級(jí)發(fā)放。另外，智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)支持Z

33、TP開局和擴(kuò)容，實(shí)現(xiàn)初始網(wǎng)絡(luò)的自動(dòng)化搭建。通過閉環(huán)設(shè)計(jì)，意圖網(wǎng)絡(luò)保障過程中驗(yàn)證網(wǎng)絡(luò)配置與意圖的一致性，可以在潛在問題發(fā)生之前發(fā)現(xiàn)問題，或者快速地給出網(wǎng)絡(luò)故障根因，保障數(shù)據(jù)中心網(wǎng)絡(luò)頻繁動(dòng)態(tài)調(diào)整的場(chǎng)景下，業(yè)務(wù)正確、正常運(yùn)行。綜上所述，通過理解和轉(zhuǎn)換用戶意圖、全自動(dòng)化部署網(wǎng)絡(luò)、持續(xù)保障網(wǎng)絡(luò)與意圖的一致性等步驟，華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)讓業(yè)務(wù)更加敏捷，助力業(yè)務(wù)分鐘級(jí)上線。5.2意圖閉環(huán)驗(yàn)證，保障網(wǎng)絡(luò)與意圖一致性SDN時(shí)代實(shí)現(xiàn)了網(wǎng)絡(luò)自動(dòng)化部署，但是缺乏驗(yàn)證機(jī)制。定義一個(gè)邏輯網(wǎng)絡(luò)模型后，點(diǎn)擊部署鍵后，就開始自動(dòng)化向網(wǎng)絡(luò)下發(fā)，而沒有保障下發(fā)是否能夠成功、下發(fā)后對(duì)已有網(wǎng)絡(luò)產(chǎn)生怎樣的影響。用通俗的話說就是“管下不管對(duì)”。華為智簡(jiǎn)云數(shù)據(jù)中心網(wǎng)絡(luò)在整個(gè)閉環(huán)過程中對(duì)網(wǎng)絡(luò)進(jìn)行保障和驗(yàn)證，確保業(yè)務(wù)的準(zhǔn)確運(yùn)行。意圖轉(zhuǎn)化為網(wǎng)絡(luò)配置后，通過配置建模，預(yù)校驗(yàn)配置與意圖的一致性；預(yù)校驗(yàn)物理網(wǎng)絡(luò)基礎(chǔ)設(shè)施剩余資源是否足夠；預(yù)校驗(yàn)當(dāng)前配置是否對(duì)原有配置產(chǎn)生影響。