Big Data ganhou fama - e com razão - ao ajudar os comerciantes a melhorarem a eficiência de suas campanhas, ajudando os médicos a fazerem diagnósticos, na luta contra o fraude, na detecção de ataques dos “hackers” e mesmo predizendo os mercados financeiros.
Enquanto a maior parte da atenção tem sido voltada para as aplicações de consumo, as análises e técnicas de Big Data podem ser aplicadas também às telecomunicações e às redes de operadoras.
Neste artigo vamos discutir como as técnicas de orquestração da vida útil de serviços (“Lifecycle Service Orchestration” - LSO) podem ser usadas para cortar os custos operacionais de redes de operadoras, melhorar a qualidade dos serviços prestados e permitir um provisionamento mais rápido de novos serviços de rede.
Em primeiro lugar, vamos rever de onde vem o Big Data em uma rede. Dependendo da arquitetura de rede e de como ela é equipada com instrumentos, dados brutos podem ser extraídos a um nível bastante detalhado – como a origem e destino dos pacotes individuais, a rota tomada e o tempo decorrido para calcular a rota.
Em um nível bem elevado, os dados podem incluir clientes, serviços, o tipo de informação, bem como a natureza da conexão para cada ligação (ligação de fibra em metro, dados celulares, empresa de rede local – LAN: Local Area Network).
Nem todos os dados em tempo real podem estar disponíveis para todas as rotas e ligações, mas quanto mais informação, mais correta é a imagem que emerge da rede, da sua capacidade e utilização, bem como do desempenho de seus serviços de rede.
O que pode ser feito com esses dados? O lugar para se começar é através da compreensão da própria rede, englobando tanto a topologia física da rede, bem como os serviços nela em execução. Enquanto as ferramentas de gerenciamento de rede têm sido capazes de descobrir e mapear por muitos anos a topologia estática de uma rede, a capacidade de compreender verdadeiramente os serviços é muito mais complicada.
Em parte, porque para isto se requer a análise de todos os dados brutos, e em parte porque o modelo de informações sobre o serviço está constantemente em mudança em tempo real, assim como os usuários mudam o que estão fazendo, os endereços IP mudam seus pontos de extremidades (pense nos usuários de redes móveis), balanceadores de carga se adaptam à demanda dinâmica e as rotas de rede são atualizadas para melhorar o desempenho.
É aí que as técnicas modernas de análise de Big Data entram em ação. Em primeiro lugar, é preciso dar sentido aos dados brutos de uma infinidade de sistemas operacionais, e da própria rede, para construir um modelo de informação de serviço da rede em tempo real, num mundo real.
Este passo crítico requer técnicas de aprendizado de máquina para determinar como os elementos de rede estão interligados e como os serviços são entregues ao longo dessa infra-estrutura. Em segundo lugar, o modelo preciso e atualizado de informações de serviço forma então a base para as análises preditivas sofisticadas baseadas em medições, que são recebidas da rede em tempo real.
Isso ajuda os operadores a compreendem onde o desempenho em sua rede está sendo degradante, quais os recursos são mais utilizados e onde podem ocorrer futuros problemas de tráfego, de modo que os planos possam ser elaborados para se construir ou realocar recursos.
A fim de obter resultados analíticos de Big Data são necessárias interfaces de usuário gráficas (GUI) avançadas. As equipes de operações de rede podem, em seguida, exibir em um único painel de vidro, uma representação precisa da sua rede e dos seus serviços, como sua infra-estrutura de rede está sendo usada e a capacidade, utilização e análise de desempenho.
Concluindo o ciclo completo, o software da orquestração da vida útil de serviços automatiza as ações necessárias para se manter a qualidade do serviço a um nível mais elevado possível.
Em outras palavras, Big Data e análise preditiva se combinam para tornarem grandes redes de operadoras mais resilientes. Com grandes redes com escala para milhões de caminhos de rede e terabytes de medições de rede por dia, apenas técnicas do Big Data podem fornecer a orientação pró-ativa que os operadores requerem para antecipar e satisfazer a demanda futura do cliente.
Embora haja uma série de áreas onde as análises de Big Data e a aprendizagem de máquina podem beneficiar a orquestração da vida útil de serviços, vamos voltar aos três pontos listados acima: reduzir os custos operacionais das redes de operadoras, melhorando a qualidade dos serviços prestados e permitindo o provisionamento mais rápido de novos serviços de rede - ao realizar esses serviços através de ambos os elementos de rede física ou funções de rede virtual (VNFs).
Reduzindo os custos operacionais: OPEX pode ser reduzido evitando problemas antes que eles ocorram.
Ao se fornecer equipes de operações de rede com um modelo de informação de serviço disposto em camadas acima da topologia física também se fornece informações úteis sobre o desempenho, capacidade e utilização que podem permitir uma alocação mais pró-ativa de recursos - não só reduzindo potencialmente visitas de manutenção de emergência ao cliente, mas também permitindo a alocação de recursos menos caros (ou mais eficientes).
Melhorando a qualidade do serviço: O modelo de informação de serviços engloba não só as rotas, mas também a natureza dos serviços. Por exemplo, sabendo que os serviços de VoIP ou de vídeo devem ficar dentro de parâmetros específicos, os algoritmos de Big Data podem determinar quando e quais os problemas são susceptíveis de ocorrer.
Medidas pró-ativas podem então ser tomadas para que se possa garantir que a qualidade seja cumprida, satisfazendo assim ou sequer ultrapassando as necessidades do cliente em relação ao tráfego.
Provisionando serviços mais rápidos: No caso seja feito um pedido de serviço para se adicionar ou se aumentar a conectividade entre as localidades em uma enorme rede de operadora já carregada, pode ser bastante difícil de se determinar se a capacidade já é existente ou se melhoramentos têm de ser feitos para que a rede possa acomodar as novas exigências dos clientes. Além disso, as etapas de implantação podem ser meticulosamente manuais.
Graças à orquestração da vida útil de serviços (“Lifecycle Service Orchestration” - LSO) utilizando o Big Data, novos serviços aos clientes poderão ser implementados em um dia somente – ao invés de em várias semanas.
Dado ao vasto âmbito, à escala e à complexidade das redes de provedores de serviço de hoje, abrangendo IP VPNs, MPLS, Carrier Ethernet, acesso Ethernet sobre infraestrutura SONET (EoS), e tecnologias móveis, “Lifecycle Serviço Orchestration” está se tornando um elemento essencial da agilidade da rede.
Os transportadores devem ser capazes de responder rapidamente às necessidades dos clientes e às mudanças da utilização da rede – “Lifecycle Serviço Orchestration”, reforçada por análises de Big Data, será o \"molho secreto\", que irá permitir que as transportadoras se tornem cada vez mais competitivas e ágeis. O mercado está crescendo rapidamente e as novas tecnologias como SDN e NFV geram ainda mais redes de Big Data.
É essencial ser capaz de compreender a rede em tempo real e responder em tempo real. Usando dados em tempo real para se construir e manter um modelo de informações de serviço e em seguida análises preditivas em camadas e capacidades de pesquisa baseada em GUI no topo deste modelo, o prestador de serviços, pela primeira vez, poderá realmente entender toda a rede - e para onde é que esta rede está indo.
Em muitos aspectos, a forma de como o Big Data está sendo usado por operadores de rede nos bastidores é semelhante às aplicações do Big Data que ouvimos falar dos varejistas, da área da saúde, dos cientistas e do setor financeiro.
As análises de Big Data conecta milhões - ou bilhões - de pequenos pedaços de informação para tirar uma conclusão, fazer previsões, resolver problemas, criar oportunidades e melhorar o serviço ao cliente. É na NASA, é em Wall Street, e agora é na rede.
* Chris Purdy é diretor de Tecnologia da CENX, uma empresa líder global de soluções de serviços de orquestração para redes definidas por software.