智能云网分析

云计算、大数据、物联网、5G以及AI等创新技术的发展，不断推动数字化转型的深入，企业上云、政务上云等成为数字化转型的重要方向之一。云服务在各行各业中的占比逐渐增大，在带来优势的同时，也带来了让人难以忽略的挑战：

云网络难以被全面深度的可观测
云网络规模庞大，产生的数据量巨大，对数据采集、处理和分析能力提出极高的要求；云网络涉及多种技术栈和协议，要求可观测性工具具备广泛的兼容性和深入的理解能力；云环境的高度动态性导致网络拓扑频繁变化，给实时监测和追踪带来难度。

云内资产形成虚拟网络黑盒
云环境的动态性和规模使得传统网络监控工具难以有效跟踪和可视化所有网络连接、数据流动和组件状态；云内资产难以有效进行深入洞察及云网络资源难以调优，导致安全盲点，难以及时发现恶意活动或异常行为，增加了数据泄露和遭受攻击的风险。

云网络的故障排查与定位困难
由于虚拟网络的规模巨大、层级繁多，容器、虚机、主机、接入、核心、网络服务等访问和依赖关系复杂，策略灵活多变，当发生网络故障或性能下降时，如果不能迅速识别受影响的组件和流量路径，问题定位和解决过程将会十分耗时且低效。

解决方案

科来智能云网分析解决方案旨在实现对云内业务的全面深入的可观测性，保障云平台、云内应用的可靠稳定运行，方案包含了科来云魔方智能云网分析平台(简称科来云魔方，英文简称“CMC”)，并搭载专家级高质量知识库，能够提供全面的云上网络可视化与故障分析能力，帮助用户实现对云内通讯行为、性能指标的深度洞察，提高系统稳定性、降低故障响应时间，全面而智能的解决方案，还能够大幅降低云网运维门槛。

云网可观测性
通过对云网流量的分析能力，深化了云上可观测能力，能够充分掌握云内东西向流量通讯成分及通讯质量、分析网络、应用、资源间通讯行为及通讯质量。
业务可观测性
通过eBPF及流量特征自动识别云内应用，并根据全自动或半自动化方式构建业务调用链，实现零插码方式即可对业务系统网络、应用层性能的可观测性。
通讯路径追踪
通过终端用户会话信息，即可追踪该会话所经过的云内网关、宿主机、虚拟机、容器Pod、容器节点、物理网络设备等，可视化呈现路径节点中的信息，发生故障或性能问题时能够高效进行分析与定位。

全流量溯源
对于间歇性故障、低效的通讯路径、未知安全问题、非必要资源开支等提供溯源能力，是云网络运维、安全管理和成本控制的基础，也是确保云内业务连续性的关键。
智能精准告警
通过动态基线学习算法全自动学习云内监控对象的所有网络及应用性能指标，并根据内置知识库对异常信息进行交叉验证，精准告警同时极大程度减少误报率。

方案价值

实现云上云下统一运维
从云内虚拟资源到云外SDN网络，全栈式的流量分析能力，覆盖了专线、数据中心主干网络、云内网络、云资源，实现云上云下在网络、应用、业务侧的统一监控运维。
清晰掌握云内资产情况
能够全面发现云环境中的活跃资产及未知资产，掌握资产之间的通信关系及依赖性，资源分配情况与资产变化情况，增强了对资产的可见性和控制力，帮助提升安全能力、运营效率和成本效益。
高效故障定位及根因分析
基于关系数据，通过图形算法，结合指标逻辑，能够实现快速的智能的故障定位；通过递归推导、串联分析、交叉验证等智能算法，能够实现快速的智能的根因分析。

方案优势

领先的全流量分析技术
基于科来二十余年全流量分析经验，协议支持覆盖及指标覆盖行业领先，能够支撑更为深入的网络及业务系统的可观测性。
少消耗、高效益、提效率
极小的资源占用，高效的数据采集与利用，实现云内流量分级，保障重点、消除低效，提高云网组件工作效率，提升云平台运营效率。
被成功实践的智能运维技术
本方案包含应用自动识别、业务拓扑自动画像、开箱即用智能基线及预警、自动故障范围推导等智能识别及分析能力，详实精准的同时还可以大幅降低监控使用成本。