HuaweiDCN。インテントドリブンデータセンターネットワーク：新しいネットワーク管理ソリューション

最新のデータセンターのネットワークインフラストラクチャの複雑さが増すにつれて、最適なパフォーマンスと信頼性のために制御する必要のあるパラメータの数が雪崩に増加します。 Huaweiのインテントドリブンネットワークソリューションは、ネットワークプロセスに関する管理者の意識を高め、新たな問題を迅速に特定するのに役立つように設計されています。「自動化から自律化まで」の原則を満たす自己調整および自己管理ネットワークを作成するように設計されています。







本日は、ネットワーク機器の特定のモデルを参照せずに、「自動化から自律化まで」の原則がFabricInsight製品の新機能にどのように組み込まれているかを説明します。実際、近年、その構成が変更されただけでなく、ネットワークの現在の状態を判別し、ネットワークで発生する可能性のある問題を予測することを可能にする多数の新しいシナリオが登場しました。

データセンター開発の4つの段階

データセンターネットワークの開発のベクトルを決定すると、従来のデータセンターアーキテクチャが仮想化システムの猛攻撃に徐々に陥り、リソースとサービスのクラウドへの大規模な移行を乗り越え、人工知能システムと400 Gb / sの高速インターフェイスの広範な導入に近づいたことが簡単にわかります。無損失のイーサネットネットワークを構築し、遅延の影響を完全に受けないアプリケーションを作成するには、AI機能が必要です。



AIのアプリケーションの別の領域は、データセンターの運用の分析と監視です。一部の「ブラックボックス」の状態の機能的に制限された監視を意味するイデオロギーから、すべてが知られている完全に透過的なネットワークの概念に移行する必要があります。







データセンターネットワークを構築するための主要なインフラストラクチャネットワークユニットとして、Huaweiは現在、400 Gbpsアップリンクを備えた4、8、および16スロットのCloudEngine16800スイッチのラインを提供しています。それらのリリースは今年に予定されています。また、新製品の中には、CloudEngine6881および6863ToRスイッチが、それぞれ10Gbpsおよび25Gbpsのインターフェイスを備えた独自の要素ベースで構築されていることがあります。







この図は、古典的な直交アーキテクチャを備えたCloudEngine 16800ラインのスイッチのモデルを示しています。これらのスイッチには、前面から背面への冷却システムと、10、40、および100 Gb / sのインターフェイスを備えた互換性のあるラインカードが装備されています。



CloudEngine 16800の重要な基本機能のうち、NSH（ネットワークサービスヘッダー）と連携する機能を強調します。これにより、データセンター内の複数のスイッチに分散されたマイクロセグメンテーションの実装（仮想マシンレベルでの分離）が可能になり、幅広いテレメトリ機能が提供され、ネットワークエッジでトラフィックが分析されます（エッジインテリジェンス）。 ）HuaweiAIチップに基づく人工知能技術を使用します。



V1R19C10は本当に革新的です。その中には、EVPN VXLANルーティングの第1および第4タイプのルートに基づくM-LAG（マルチスイッチリンクアグリゲーション）の形式の「ジャンパー」なしのEVPNマルチホーミングを含む、多くの待望の機能を実装する必要があります。

おなじみのアーキテクチャと新しい可能性

この図は、3層の「ファクトリ」ノンブロッキングスイッチングの使い慣れた直交アーキテクチャを示しています。その主な利点には、「工場」ボード、ラインカード、​​コネクタ、および可変速ファンに基づくブロワーシステムの最適な配置が含まれます。







BFD（双方向転送検出）プロトコルが新しいスイッチモデルに実装されたハードウェアであり、IPv6アドレススペースでVXLANを構成できることが重要です。基本的なアーキテクチャは同じままで、プロセッサ、コプロセッサ、および転送チップに基づいています。各ノードの機能を図に示します。 2020年の主な変更点は、Broadcomの対応するチップと完全に競合するフラッグシップスイッチのHuawei独自のチップへの移行です。







ネットワークサービスヘッダー操作のサポートにより、新しいスイッチでデフォルトのVXLANパケットルートを変更し、ファイアウォール（FW）、侵入検知システム（IDS）、ロードバランサー（SLB）、NATなどのサービスを有効にすることができます。







前述の分割マイクロセグメンテーションに簡単に戻りましょう。同じNSHを使用する新しいHuaweiToRスイッチを使用すると、仮想マシン名のレベルでワークロードを分離できます。これらのマシンは、ポート番号、優れたプロトコルなどに基づいてサブネットレベルでさらにグループ化できるため、アプリケーショングループを形成できます。

テレメトリデータの全範囲

デバイスからの情報は、いくつかの主要なプロトコルを使用してリアルタイムで収集されます。 ERSPAN +のタスクは、データセンター内のTCPストリームのその後の詳細な分析のためにTCPヘッダーを収集することです。追加のデータは、gRPCプロトコルとフローテーブルを使用してマイニングされます。これはすべて、UDPを介してProtobufで収集されます。







HuaweiでのO＆Mツールの開発の主な方向性は、人工知能技術に基づく手動または半自動のネットワーク制御から完全自動への移行です。かなり大規模なサイトの包括的なテレメトリシステムは、膨大な量のデータを生成します。その分析は、AIを使用する場合にのみ短時間で可能です。これは、障害やダウンタイムが単に受け入れられないデータセンターでは特に重要です。







ネットワークの問題を防止するために設計された予防策には、まず、ネットワークの「健全性」の監視が含まれます。チャネルの負荷の監視、パケット損失の原因の特定（たとえば、時刻やアプリケーションの動作期間との相関関係の検索）、「ボトルネック（容量予測）など。



それでも問題が観察される場合、Huaweiが提唱する1-3-5の原則は、診断と回復の時間を最小限に抑えるのに役立ちます。検索に1分、ローカライズに3分、問題を解消するために5分です。このフレームワーク内にとどまるために、Huawei製品は、自動的に検出される典型的な障害の絶えず拡大するリストをサポートします。

小規模データセンター用のモデルV100R019C10

V100R019C10の主な革新の1つは、すべてのタイプのシナリオでのテレメトリデータに基づく視覚化のサポートです。実際、私たちはネットワークの変化を視覚的に表示することについて話しています。さらに、デバイスは特定の問題の75を超える根本原因を識別できるようになり、それらを排除するためのアクション（スクリプトの起動など）の概要を示すのに役立ちます。



重要なニュースとして、iMaster NCEとFabricInsightの両方を含むスタンドアロンバージョンは、主に、ネットワークの管理に複数のサーバーを必要としない小規模なデータセンターで利用できます。

ライセンスシステムの変更

FabricInsightの機能をよりよく理解するには、Huaweiネットワーク製品の配布のビジネスモデルにどのような変更が発生したかを説明する必要があります。スイッチの数が100に達しない場合、このオプションはスタンドアロンエディションとして分類され、N1ライセンスを意味します。 3つ以上のサーバーのクラスターには、すでにビッグデータ分析プラットフォームがバンドルされています。数百のスイッチを含む高度なソリューションは、ネットワークフローを分析するためのツールと組み合わせて使用​​することをお勧めします。 3つのオプションはすべて、N1ライセンスでFabricInsight機能を許可します。







すべてのライセンスは、高度なソリューションでのみ使用可能なTCPストリーム分析ツールを除いて、テレメトリツールとシナリオ1〜3〜5のセット全体の使用を意味します。







標準および高度なソリューション用に設計されたサーバー構成については、まだ説明していません。現在、スタンドアロンノード（1ノード）はTaishan 200サーバーでのみ使用できます。3ノードクラスターには、16以上のコンピューティングコア、128 GBのRAMなどが必要です（図を参照）。データディスクのサイズは、統計を保存する期間に直接依存します。

KPIモニタリング

KPIモニタリングを詳しく見てみましょう。これを使用するには、時間間隔と特定のしきい値を設定するだけで十分です。これらのしきい値の達成は、受信したテレメトリデータに基づいてチェックされます。利用可能なメトリックには、次のような多くの種類があります。

• CPUとメモリの使用量。
• FIB / MACの使用;
• チップの三元連想メモリ（TCAM）の使用。
• ポートパラメータ;
• キューのバッファーのサイズ。
• さまざまなAIファブリックメトリック。
• 光学モジュールの信号レベル、温度、およびその他のパラメータ。
• パケットロス。

予備チェック

事前検証ツールは、テレメトリデータでも動作します。 CTスキャナーを使用すると、特定の不要なイベントがネットワーク上で発生したかどうかを理解できます。一部のメトリックは、「ファクトリ」のKPI監視メトリックと一致します（主に容量とパフォーマンスに関連します）。残りは、トップレベル分析（VXLAN、BGPなど）および構成分析の結果に基づいています。 CTスキャナーを起動すると、必要な情報が収集され、ネットワークの状態に関する包括的なレポートが生成されます。







このようなチェックは、時間間隔を決めて定期的に行う必要があります。これにより、定期的な変更と非定期的な変更の両方を含め、ネットワークに出現する傾向を時間内に簡単に見つけることができます。これにより、何が起こっているのかをより完全かつ迅速に理解できます。さらに、特に関心のあるパラメータを選択して、より詳細な監視を行うことができます。

デバイスの問題

監視により、デバイスレベルで発生するさまざまな問題を特定できます。この場合、検証の対象はスイッチであり、登録されている動作パラメータのうち36個で、29種類の障害を検出することができます。



図の表に、障害の種類を示します。 FabricInsightが問題を検出できるようにするモデルを切り替えます。 FabricInsightで使用される関数。問題が検出されたときに実行される自動アクション（警告、推奨事項、スクリプトの起動）。







デバイスのリソースが不足しているため、サービスレベルが低下しているとします。システムログのデータとFIBリソースのテレメトリデータを組み合わせることで、手動チェックモードで状況をすばやく評価できます。







デバイスはそのようなエラーを構成に導入することを許可しないため、ハードウェアレベルでループが発生することは単純に不可能です。ただし、上の図のように、ソフトウェアスイッチが正しく構成されていないために、たとえば2番目のレベル（仮想マシンレベル）でループが発生する可能性があります。FabricInsightを使用すると、問題を検出できるだけでなく、ネットワークの目的のセクションを分離して、「ファブリック」全体の機能への影響を排除できます。

ネットワークの問題

分析に利用できる18のメトリックに基づいて、FabricInsightは10種類のネットワーク問題を識別します。この図は、それらの完全なリストと、デバイスの問題の場合と同様に、FabricInsightが問題を検出できるようにするスイッチモデル、使用されている機能、および使用可能な自動アクションを示しています。







光学モジュールの劣化または誤動作がその性能の低下につながると仮定します：リンクが不安定になります。これらの状況は不規則に発生し、再現が困難です。これは、問題を見つけるのに長い時間がかかる場合があります。 FabricInsightを使用すると、信号レベルの低下またはモジュール全体の電圧の変化にすぐに気付くことができます。







また、fabricInsightネットワーク診断では、ビッグデータ処理専用のサーバーが多数あるシステムで頻繁に発生するバッファーの問題を迅速に特定できます。従来のNMS（ネットワーク管理システム）は、5分ごとにバッファー関連のパラメーターをチェックします。FabricInsightテレメトリ機能は、これらの間隔を100ミリ秒に短縮し、最短のマイクロインシデントも検出できます。

プロトコルレベルでの問題

ここで、FabricInsightは、M-LAGの2つのマスタースイッチ間の競合を含む、6種類の問題を識別できます。隣接するスイッチの相互作用などの問題。この機能は、スイッチV200R005C00以降を使用している場合に使用できます。







マスタースイッチの競合を考慮してください。M-LAGテクノロジーのすべての利点により、リンクの切断やピアツーピアネットワークの障害が発生した場合、2つのマスタースイッチがシステムに表示されます。FabricInsightは、ピアリンクとDFSの状態を常に監視することにより、このような状況にプロアクティブに対応できます。

オーバーレイネットワークの問題

10種類のメトリックを監視することにより、7種類のオーバーレイネットワークの問題を特定できます。FabricInsightは、VXLANライセンスのステータスの確認、構成エラーの検出、サブインターフェイスのクラッシュの検出などを行うことができます。応答オプションは、前述のオプションと同様です。

サービスの問題

6種類のサービスレベルの問題を特定するために、7つのメトリックが監視されます。IPアドレスの競合、接続の問題、TCP SYNフラッド攻撃などを検出できます。FabricInsightのこれらの機能をサポートするには、TCPストリームアナライザーが必要になる場合があることに注意してください。



トラブルシューティングを広く見ると、FabricInsightは単なるデバイスコレクターではなく、さまざまな種類の問題に対処するスクリプトの拡張可能なライブラリです。

自動化から自律へ

要約すると、インテントドリブンネットワークのイデオロギーは、情報の収集、AIを使用した分析、および自動モードを含むネットワークの状態を変更するための提案を含む3段階の応答モデルに基づいているとしましょう。

***

専門家がHuawei製品とそれらが使用するテクノロジーに関するウェビナーを定期的に開催していることをお知らせします。今後数週間のウェビナーのリストは、こちらから入手できます。