header-glossary-dynamic-baseline-hero

什么是动态基线?

动态基线使用 AI 建立网络连接和性能基线,而不依赖于通用的默认阈值。之后,基线将根据网络和用户/物联网设备行为自动调整。

采用 AI 技术的动态基线释义

动态基线对网络数据使用 AI 和机器学习 (ML) 以确定该网络的正常状态(“基线”)。基线以动态方式自行调整,尽可能地减少假阴性和假阳性情况。
  • 默认阈值可通过人工方式设置为较低的值,但动态基线并不使用默认阈值,而是基于实际的 Wi-Fi、有线和广域网活动近乎实时地反映每个站点的情况。
  • 每个网络设备和端点客户端提供遥测,有助于了解哪些方面正常运作、哪些方面有待优化。
  • 然后,使用 AI 和 ML 来找出网络设备、端点客户端、用户或应用/服务可能存在问题的地方以及原因。
AI-powered baseline

为什么要设置动态基线?

在传统环境中,IT 凭直觉以及为单个项目设置警报阈值来确保网络照常运行且尽可能提供最佳体验。AI 和自动化带来了彻底的改变。以下列出了动态基线重要的原因:

  • 静态阈值无法提供在分布式和不断变化的环境中确定问题所需的信息。
  • 鉴于网络自身的动态化特性,自动化是监控和发现异常的唯一可行方法。

动态基线的优势

设想在今天部署一个网络,并使用与任何其他环境(无论大小)相同的阈值作为网络性能的基础。预定义阈值是否考虑了设备漫游的情况或环境中物联网设备的数量? 或使用的无线接入点数量和类型以及交换机类别?

借助动态基线,我们能够:

  • 以自动化方式直接从环境中收集数据。
  • 轻松查看各个地点位置随时间的变化情况。
  • 了解类似站点(如商店、教室、远程办公室)互相之间以及与同类第三方站点的比较情况(如支持云计算的同行比较)。

采用自动化体验级别协议,无需基于人工水平手动设置和调整服务级别阈值。

体验级别协议和服务级别协议有什么区别?

与传统的服务级别协议或服务级别期望相比,体验级别协议在更细层面实现了自动化,包括:

特性采用 AI 技术的动态基线传统 SLA/SLE
阈值与警报随着环境变化以自动化方式动态设置。根据通用默认值设置并手动调整。
基于位置的实时基线包括在内否 — 使用预定义的默认阈值。
多维度数据点包括在内,且提供成果(根本原因、解决方式等)。否 — 需要将数据点串起来且手动排查故障。
同行比较包括在内,提供优化优势。
重点以用户为中心的价值观以技术为中心的过程衡量。

准备好开始了吗?