לקראת אירוע - כנס הלקוחות השנתי של אואזיס, יום ג', 24 באוקטובר, אולם אושן, גני התערוכה, תל אביבהמסע לעבר ה-Self-Driving Network
כתב: גולן רגב, סמנכ"ל מכירות, ג'וניפר (Juniper) ישראל
בחודש מרץ 2004 התקבצו מספר רכבים אוטונומיים במסלול מדברי במדינת קליפורניה. זאת הייתה הפעם הראשונה שבה הושק ה-DARPA Grand Challenge עבור רכבים אוטונומיים. לרכב הראשון שיגיע לעיירה Primm במדינת נבדה הובטח פרס של מליון דולר.
האירוע הזה הצית את התחרות ההיסטורית לפיתוח הרכב האוטונומי – ללא ספק אירוע מכונן אשר ממשיך להתפתח עד היום.
בצורה דומה, ג’וניפר החליטה להתחיל במסע לעבר הרשת האוטונומית Self-Driving Network.
על מנת לתאר את הדרישות מאותה רשת Self-Driving Network נציג את הדרישות והיישום של חזון הרכב האוטונומי שכבר מתחיל לרקום עור וגידים.
היעדים של חזון ה-Self-Driving Network של ג’וניפר הינם:
הרשת תצטרך לבצע באופן אוטונומי את הפעולות הבאות (רשימה חלקית):
● תזהה אוטונומית את מרכיבי חלקיה.
● תשנה אוטונומית את התצורה כנדרש.
● תבצע ניטור עצמי אוטונומי.
● תזהה אוטונומית ותוסיף אוטונומית משתמשים חדשים.
● תבצע אנליזה אוטונומית של תהליכים רשתיים תוך שימוש ביכולות Machine Learning.
נבחן עתה את חמשת המאפיינים הנדרשים על מנת ליישם את החזון של Self-Driving Network:
טלמטריה – Telemetry
הרכב האוטונומי חייב להיות בעל אמצעיים טכנולוגיים שיזהו את תנאי הדרך, חלקם קיימים כבר הרבה שנים בכל רכב, כגון מד מהירות, מד לחץ אוויר בגלגלים, וחלקם יתווספו כדי להשלים מידע שיחליף את הנהג כמו ה-LiDAR
ב-Self-Driving Network נצטרך להשתמש ביכולות Telemetry מתקדמות, אשר יחליפו את ה-SNMP הוותיק, תוך שימוש בכלים כמו NETCONF ובכלי צד שלישי אשר יאספו וינתחו את כל מרכיבי הרשת.
בעוד גילוי טופולוגיה, חישוב נתיבים והגדרת נתיבים כבר נעשים בצורה אוטומטית, ג’וניפר מציגה את Juniper Extension Toolkit (JET) אשר מאפשרת לאפליקציות צד שלישי למכן אוטומטית פעולות רבות אחרות.
Multidimensional views
כמו ש-Waze הפכה את הניווט להרבה יותר רלוונטי מכיוון שהוסיפו מידע מרבדים שונים (שבמקרה זה הגיע מחוכמת ההמונים) כגון מידע על עומסים, חסימות כבישים וכו, גם ה-Self-Driving Network יאסוף מידע רב שכבתי משכבות שונות ברשת ויעשה קורלציה של המידע על מנת לספק קישוריות מבוססת על טרנדים שאינם נסמכים רק על הרשת עצמה.
לדוגמה, ניתוח של מידע ברשתות החברתיות השונות יכול לעזור בקבלת החלטה האם מדובר בהתקפה על הרשת או בעומס לגיטימי, כי פורסם פרק חדש בסדרה פופולרית.
Automation אוטומציה של הרשת
זה למעשה היישום של פעולות בצורה אוטונומית אשר עד היום נעשו בצורה ידנית על ידי הנהג ברכב או על ידי מהנדס הרשת במקרה שלנו.
ה-Self-Driving Network צריך להיות מושתת על מערכות הפעלה פתוחות אשר מספקות כלים יעודיים או של צד שלישי (Ansible לדוגמה) כדי לאפשר מימוש של אוטומציה.
להלן דוגמא לבדיקה חיצונית של מערכות הפעלה שונות והפתיחות שלהן לכלי אוטומציה.
Declarative Statement of Intent
ברכבים אוטונומיים המטרה היא להגדיר להיכן אני רוצה להגיע ובנוסף לתת "רמז" על העדפה כלשהי, לדוגמה, בחר את הדרך הקצרה ביותר בזמן, או הקצרה במרחק.
ב-Self-Driving Network נשתמש בבקרים (Controllers) כמו Contrail או NorthStar, על מנת להגיד לרשת "מה" אנחנו צריכים, ולא "איך" אנחנו רוצים לעשות זאת.
קבלת החלטות באמצעות Machine Learning
רכב אוטונומי אשר נוסע בכבישים, יכול לאסוף מידע רב ועל כן להיות "מנוסה" במגוון רחב של תרחישים. נוסיף על כך את טעויות האנוש אשר ניתן להוציא מהמשוואה.
ב-Self-Driving Network נעשה שימוש בכלי Machine Learning כמו AppFormix כדי להוסיף יכולות אנליזה, תזמור, תכנון וניטור אוטונומיים.
אואזיס (Oasis) וג’וניפר, בשיתוף פעולה של כ-10 שנים, החלו לא מכבר את המסע לעבר ה-Self-Driving Network. הרשתות המתוכננות כבר כיום על ידי מהנדסי החברה, משתמשות בחלק מהרכיבים שתוארו לעיל כגון שימוש נרחב ביכולות טלמטריה (Telemetry) וכן ביכולות נרחבות של אוטומציה לרשתות דטה סנטר.
קישורים שימושיים
Contrail Service Orchestration
