作者简介：毛厚君，16年IT从业经验，2006年至今就职于Juniper，负责Juniper企业市场售前技术支持；加入Juniper之前就职于港湾网络，担任过路由产品线经理及区域技术主管。
网络发展几十年，终端（用户）接入网络的主要方式还是有线与无线（这里无线主要指WIFI接入，移动通信的4G／5G接入侧不在企业用户自己手里自然也控制不了）。另外，这些年随着光网链路的大行其道，无源光网络也从电信运营商的家宽市场逐步渗透到企业、校园、政府等行业市场领域。
网络接是接入进来了，但是否就能享受优质的网络服务呢？ 未必！ 好比人民广场的地铁里面，手机信号基本都是满格，但经常微信的一个表情也发不出去。怎么发觉问题？被动发现还是主动发现？怎么提升用户满意度？其实在用户侧和网络侧之间有一个断层，网络侧关注的是接入成功与接入数量，用户侧关心的却是服务质量与使用体验。很多时候两侧根本不在一个频段上，如何打破这个断层是一件很有意思当然也很有意义的事情。
回顾一下业界网络侧的状况，网络发展了这么多年，技术迭代了这么多代，各种新概念新故事新名词不断，实际效果又如何呢？ SD-X（软件定义一切）是近10年一个不得不提的话题，SDN／SDWAN／SDDC／SDSN／SD-Sec／SD-access。。。。。。 貌似一夜之间，大家都变成了很牛叉的软件公司了，或许经羊头认证（定义）过的狗肉确实能卖出羊肉的自信与价格来。站在网络侧的视角上，也一直在进行着种种创新（折腾）：控制与转发分离、统一的Fabric、统一的Automated、统一的身份认证、360°可视化Insights、全方位的立体安全、underlay & overlay、多系统之间的API联动。。。。软件定义了一切、规范（规定）了一切，貌似终究还是没能定义／关注好用户的实际体验。“其他不重要，重要的还是能把硬件盒子卖出去”。我不否定业界厂家的诸多努力（我本人还赖在厂家里养家糊口），只是觉得这里面有个视角（视野）问题。折腾这么多除了多卖系统和设备外，实际的结果是方案复杂性大幅度提升，为了一个功能点联动／牵涉了太多的系统，结果用户的实际体验可能还不尽如人意，可行性不高而且也不适合大面积推广。
另外一方面，站在用户的角度来看，网络实际上不再只是一个通道，还包含了诸多配套的网络服务，DNS／DHCP／ARP解析／应用响应／报文拥塞等等都会造成用户体验的下降。对应到无线WIFI领域，问题点可能会更多，看不见摸不着的无线信号的覆盖／干扰／漫游等问题都会大幅度影响用户的接入体验。如何真正的关注到用户、了解“底层百姓疾苦”，成了一个切实又务实的话题。既然很多东西站在网络侧是既看不见又摸不着，那如何来关注和了解呢？
人工智能AI时代的来临
人工智能AI现在在很多领域已经演变为一种驱动力，其本质是降低事情的技术门槛，通过AI去替代人工甚至去超越人工所不能完成的内容，降低人工操作的复杂度，增加事件的可视化，增加服务体验的人性化。AI在网络侧也已然成为一种方法论，其践行的基础是大数据和机器学习，通过大数据去获取用户的所有网络行为（包含主动行为和被动行为），通过机器学习去识别／判断／定义用户的正常行为与异常行为。从这点来看，这与当前较为热门的未知威胁感知／态势感知 有着异曲同工之处。方法还是这些方法，数据还是这些数据，只是关注点不同，所能呈现/展现出来的功能（产品定位）也会有所区别。若关注点在安全事件，就能衍生为APT检测／态势感知类产品； 若关注点在用户侧，则能衍生出基于用户体验的感知系统。当然，在各自领域再做垂直延伸，可视化、智能交互、智能troubleshooting，甚至资产标识管理等内容业务都能展开。
我们已经进入一个数据为王的时代，前些年大家在抢占支付入口，现在则在抢占数据入口。有了数据，就有无限可能。落到网络侧紧接着问题来了：1）如何抓取数据；2）如何存储海量数据；3）如何筛选出有用数据并形成有效输出；
数据的抓取相对还是比较容易的，目前业界常用的做法有几种，端口镜像mirror、分光分流TAP、分布式探针sensor等。而抓取信息的方式有全数据抓取、报文头抓取、也有标签式抓取，主要依据后台大数据处理平台的要求。
数据的存储和处理通常都是个大问题，举例来说，现在规模大一些的高校每天的日志量（NAT日志为主）高峰期已经达到T级别，如果想抓全量数据简直不敢想象。因此目前大数据AI平台通常的做法是报文头抓取或标签抓取；报文头抓取忽略掉报文里面的payload；一方面节约了存储容量，另一方面也规避了用户信息泄漏的隐患。标签抓取通常会对报文的各部分内容（含payload）进行标签定义与归类，然后上传相应的标签到AI大数据后台。从布局结构上来讲，会有专门的前端探针抓取设备流量，探针设备完成报文头截取或贴标签等操作。
说了这么多，接下来我们来看看AI是如何介入和驱动边缘接入网络的。抱着务实的态度，我们还是以当下最为广泛使用的无线接入网络来举例说明。“Up is not the same as Good”，站在无线侧，用户已经接入Up；站在用户侧，WIFI is not good enough。 怎么破？折腾用户只会让厂家死得更快更惨，那就只能折腾厂家自己了。按照传统的思路来折腾，先找出一大堆能互通访问的方式SNMP/NetFlow/Syslog/streaming/Netconf/CLI/PnP/ZTP，然后再找几个羊头做帽子，软件定义一切／自动化下发与部署／可信安全／可视化／身份认证／数据分析。。。。 哎，好复杂啊，这年头做工程师越来越累，甲方累，乙方更累。结论是通过网管的思路和维度来做智能，只能是越做越复杂，越做越累。
那就换一个维度来思考和操作——完全基于用户数据来进行。在网络接入侧完成用户数据采集，采用AP内置的sensor／agent完成所有用户流量数据的报文头抓取，然后上送后台AI平台。AI基于用户所有流量的报文头做用户体验数据分析，跟踪用户DHCP拿地址过程、认证的过程、ARP解析过程、跟踪用户每一次DNS解析过程、跟踪每一个应用TCP交互过程、跟踪每一次漫游切换、性能转发吞吐。。。。 然后再来分析用户的体验。换角度／维度处理后，突然发现原来网络上的一切都是那么的栩栩如生和清晰清澈。
如下图中展示的信息，可以从接入用户连接时间、性能吞吐、漫游效果、成功连接、信号覆盖等多个领域和维度进行用户信息数据分析。然后相关深层状况及原因，可以进入相关领域进行细致查看。有了数据，就可以深究问题、追踪问题，当然更可以做用户侧关心的各种数据的展示和展现。
如果再配合上AI驱动的RFM（Radio Resource Management）做到用户无线信号的自动调节与优化。举例来所，一个公共区域内，AI可以计算统计出每块子区域／每个角落用户接入数量和无线信号覆盖情况，可以根据位置做到信号的自动增强与优化。设想一下无线维护网工，面对用户抱怨无线不好用时，直接可以基于人员账号去查看用户的实际上网体验（各类服务报文的交付情况及延时），可以基于区块去查看无线信号的覆盖状况。AI 能自动给出优化方案，例如增加AP来解决覆盖不足的问题。
再配合基于自然语言NLP交互的界面，可以直接让AI告诉您想知道的相关信息，例如“当前最不爽的10个用户”、“四毛今天的移动／漫游轨迹”、“哪些位置信号覆盖低于30%”、“王校长上网慢的原因”。。。。如下图基于自然语言交互查询出当前最不爽的用户，然后可以基于用户进行查看具体不爽的原因，到底是无线信号问题导致的，还是DHCP／认证／DNS等原因造成的。
由于是基于大数据的分析，即已经获取了用户的所有交互数据（报文头）。AI可以轻松调出之前一段时间内网络／用户的状况，即我们通常所说的历史时刻网络状态的回放。拥有大数据，一切不但皆有可能，而且轻松便捷。
SD-X时代里面的D是“Defined定义”的意思，而AI-D-X时代里面的D是“Driven驱动”的意思，我个人觉得佛语里的“加持”一词更加到位。AI加持之后网络原来还可以这么维护、用户体验还可以自动优化去保障，之前觉得很神奇的事情，现在通过AI赋能之后都可以逐步落地。这里还只是无线接入这一块，其他接入方式正在路上。欢迎对边缘接入AI有兴趣和想法的小伙伴来交流和沟通，也欢迎对无线有痛点或有更多期望的用户来体验和探讨。本人邮件联系方式：simon4mao@qq.com／simonmao@juniper.net 。回想起若干年某长辈老师聊天时的一句话：真正做技术的，如果能做些改变世界的事情，才是真正最酷的。
正如之前跟很多老师／用户沟通时所聊的那样，AI会带来无限可能，会突破现有的方法理论，甚至会突破很多领域的认知。落到我们传统的网络上，AI也能让网络技术如虎添翼，大幅度降低网络工作者的工作负荷与压力，同时也能大幅度提供网络使用者的应用体验。未知未到达的将来，俗称未来，AI或许能将未知升级为先知，也能拉近当前与未来的距离。未来有多远，或只在刹那间；基于用户体验的AI网络有多远，已然降临。
注：部分图片取自互联网及mist管理界面。
