- 产品与解决方案
- 行业解决方案
- 服务
- 支持
- 合作伙伴
- 关于我们
设备零配置上线，其实我们并不陌生。传统网络中的零配置上线是需要给每台设备最一些基础配置，设备上线完毕后其实不能直接使用，还需要再做一些业务配置比如路由配置才能使用。而AD-Campus网络中，把网络设备按照设备位置分层，分为Spine、Leaf Access三个层级只需要维护三份配置文件就可以了，差异化的配置由控制器自动识别和填充。三个配置文件就可以完成整网设备的配置。设备上线后不需要手工部署，完成网络搭建和路由打通。
图 1三份配置打天下
设备自动化上线配置步骤如下：
图 2四步完成设备自动化上线
传统园区网络中，网络设备的业务配置需要在网络运维平台上，按组进行“伪批量”下发，在AD-Campus方案中，业务配置能够真正实现自动化，AD-Campus方案中业务自动化部署步骤如下图所示：
图 3业务自动化部署步骤
共分为三个步骤，第一步是资源抽象也就是预定义我们的用户组，和资源组，将角色的IP地址池，相应的二层网络与进行规划；第二步是策略编排，定义各个用户组以及资源组之间的访问策略，终端的安全策略等；第三步是终端自动上线，能实现用户接入控制、访客快速接入、物联终端的快速接入功能。
图4策略下发界面
AD-Campus控制器设计的一个初衷是网络运维人员更专注于应用，让应用去驱动底层设备，消灭命令行。所以在策略编排上，AD-Campus能够实现web页面配置，一键拖拽下发。
如图13所示，在控制器策略配置页面，我们将用户组和服务器所在的资源组，放在一个二维矩阵里，我们可以自定义安全策略，采用拖拽的方式一键下发全网设备。
我们不难发现，AD-Campus方案支持的设备自动化上线和业务自动化下发的两大特性，设备出现故障时，故障处理流程如下：
1. 快速定位故障
2. 还原出厂设置 or 更换设备：
3. 自动化部署与上线：
4. 完成自我修复，恢复网络：
整个过程中，故障现场无需有IT技术背景的人员参与，大部分工作和判断都在远端通过控制器完成，基本实现免现场运维。
上期所述，传统园区网面临着物联网终端数量爆发式增长，也包括许多哑终端，哑终端是不能通过802.1X和portal方式进行认证的，我们只能通过MAC地址进行认证。如何实现园区宽带物联终端的自动识别、快速上线和安全隔离也是只能园区方案的一大难点。
新华三AD-Campus智能园区方案支持多种手段进行终端识别：基于MAC、OUI、业务IP网段（静态IP）、DHCP指纹。完成终端识别后，物联网终端作为一个用户接入网路，控制器自动将其分配到预设的用户组，完成隔离。
新华三AD-Campus的SeerAnalyzer即网络分析平台将AI、大数据技术引入园区网络运维，使网络运维变的更加高效和智能。以下是网络分析平台的网络架构：
图 5 SeerAnalyzer架构
最下层是基础网络设备，作为SeerAnalyzer的Sensor持续提供智能运维所需的各种数据，网络分析平台使用分布式架构实现数据采集能力的横向扩展，通过GRPC、ERSPAN、INT等方式采集基础网络设备信息，将采集到的信息提供给智能分析平台，智能分析平台采用Spark、Flink等分布式计算引擎以及AI人工智能模型库完成数据在线/离线分析任务。SeerAnalyzer同时提供北向开放API，为智能运维应用及其他上层应用提供丰富的分析能力集。SeerAnalyzer使用AI算法将搜集上来的数据进行自动关联，最终实现用户在网络的全生命周期的呈现:即看到你是谁，在什么时间，在什么地方，是用什么终端，访问了什么业务，访问体验是怎么样的。
SeerAnalyzer平台应用举例：
如何评价网络的质量对运维人员来说是最头疼的问题之一，设备告警不断，网络是否运行良好，缺乏标准的评价体系。SeerAnalyzer平台通过Telemetry数据采集技术，将设备系统平面、控制平面、数据转发平面的关键指标参数实时采集并格式化存储，根据不断优化的健康度算法，建立健康度评估模型。
Figure 6 AP健康度评分1
Figure 7 AP健康度查看
无线用户上网体验受多种因素影响，弱信号覆盖是一类典型问题，但这类问题的根因可能是AP部署的原因，也可能是无线终端原因，快速、准确定位出问题根因是运维人员的迫切需求；
SeerAnalyzer平台可以对每个Radio的在线终端采样，包括：RSSI、上行流量值等数据。 根据弱覆盖算法，对采样数据做大数据分析，对弱信号覆盖区域做标识；记录受影响的终端列表与影响时长；对每个终端、AP的接入环境通过AI系统做根因分析，并给出故障修复建议。
Figure 8无线问题分析
相对于有线网络，无线网络更易受到外界干扰，园区中的问题大多来自于无线。然而，无线运维又极具难度，给管理人员带来极大挑战；无线用户接入分三阶段（关联、认证、DHCP），每个阶段都有可能出现问题。SeerAnalyzer平台通过对这三个阶段全流程数据采集，细化各个协议交互阶段结果与耗时，提供用户接入过程的精细化分析
Figure 10无线用户接入过程可视化
SeerAnalyzer平台使用光模块光功率历史数据及机器学习算法进行训练，提前预测光模块故障时间。
Figure 11光模块故障时间预测
SeerAnalyzer平台也支持使用链路历史流量历史数据及机器学习算法进行训练，预测链路流量大小，为链路运行状态提供数据支撑。
Figure 12链路流量预测
不难发现，新华三AD-Campus方案很好的解决了海量终端的接入问题，也解决了相关设备的运维复杂问题等，对于提升园区的智能化、简约化提供了巨大价值。
