EMA研究了各個企業(yè)如何使用多個網(wǎng)絡性能管理（NPM）工具，以及他們?nèi)绾握线@些工具以提高效率。在本文中，EMA的網(wǎng)絡管理研究主管Shamus McGillicuddy介紹了“當今數(shù)字企業(yè)的網(wǎng)絡性能管理 ”的研究結果，該研究對250位網(wǎng)絡管理人員進行了調(diào)查，提出了處理這一問題的做法。

目前，IT企業(yè)安裝三到六個網(wǎng)絡性能管理（NPM）工具已是常態(tài)。如果它們?nèi)匀惶幱诠铝⒌臓顟B(tài)，網(wǎng)絡運營將是分散且效率低下的。這對網(wǎng)絡管理員來說是一個持續(xù)面臨的挑戰(zhàn)。

EMA要求250名網(wǎng)絡管理人員，確定他們對NPM工具的首選采購策略，并發(fā)現(xiàn)企業(yè)對完全集成的多功能平臺有強烈的偏好。EMA發(fā)現(xiàn)，目前擁有11個或更多NPM工具的企業(yè)，最有可能表示對這種完全集成戰(zhàn)略的偏好。因此，盡管他們表示希望整合工具，但他們并沒有取得成功。

為什么使用多個NPM工具？

部分問題是企業(yè)使用NPM工具收集和分析這么多不同類型的數(shù)據(jù)。通過SNMP MIBs和trap收集的基礎設施指標是NPM的基礎數(shù)據(jù)源，但它們不包含網(wǎng)絡管理員從NPM工具所需的答案。

大多數(shù)企業(yè)還收集流量數(shù)據(jù)，包括網(wǎng)絡流量、數(shù)據(jù)包或兩者兼而有之。EMA研究還發(fā)現(xiàn)，人們對主動監(jiān)測工具產(chǎn)生的合成流量非常感興趣。用于NPM分析的最流行的數(shù)據(jù)源是管理系統(tǒng)API。換句話說，網(wǎng)絡管理員對從其他IT管理系統(tǒng)提取數(shù)據(jù)到NPM工具進行上下文分析非常感興趣。

考慮到這種數(shù)據(jù)的多樣性，工具碎片化是不可避免的。畢竟，沒有哪家供應商擅長收集和分析上面提到的每一類數(shù)據(jù)。他們通常擅長一類或兩類數(shù)據(jù)類型，這意味著企業(yè)不可避免地需要額外的NPM工具來彌補可見性方面的差距。

NPM工具之間的關聯(lián)性

EMA要求調(diào)查參與者透露，他們?nèi)绾螌⒍鄠€NPM工具的洞察力聯(lián)系起來。最受歡迎的方法（25%的受訪者）是使用網(wǎng)絡運營管理平臺或管理人員之間的集成，從多個NPM工具中獲取洞察力。這些平臺通常擅長跨多個NPM源的事件管理和警報關聯(lián)。

其次，19%的人提到了point工具之間的直接集成，這樣一個工具就可以將另一個工具中獲取的洞察力關聯(lián)起來。如果企業(yè)使用兩個以上的工具，這種方法可能會變得復雜。

另外19%的人將他們的NPM工具與人工智能的IT運營（AIOps）高級IT分析平臺集成，15%的人將NPM工具與服務管理平臺集成，14%的人將NPM數(shù)據(jù)流傳輸?shù)綌?shù)據(jù)湖進行相關分析。只有7%的人聲稱手動執(zhí)行這些關聯(lián)性。這很好，因為它是一種低效且容易出錯的方法。少數(shù)人聲稱他們在各種工具之間沒有關聯(lián)性。

EMA還詢問企業(yè)在這種交叉工具關聯(lián)中的成功程度。27%表示他們非常成功，49%表示成功。其余的則有些成功，有些不成功，或者不確定。EMA將這24%歸類為“不太成功”。這個關于成功的問題讓EMA能夠尋找潛在的最佳實踐。

手動將工具間的洞見關聯(lián)起來的企業(yè)往往屬于“不太成功”的一類。最常用的關聯(lián)方法 - 工具之間的直接集成以及與管理人員之間的集成 - 與成功之間沒有統(tǒng)計上顯著的關聯(lián)。

優(yōu)秀實踐

成功企業(yè)首選的三種不太流行的跨工具關聯(lián)方法。

成功的企業(yè)更喜歡與服務管理平臺集成，或者通過將NPM數(shù)據(jù)流傳輸?shù)綌?shù)據(jù)湖中進行分析來關聯(lián)。非常成功的企業(yè)將他們的NPM工具與AIOps平臺集成在一起。

EMA認為，后三種方法是解決NPM工具無序擴散問題的最佳實踐。AIOps工具似乎是很好的選擇。

EMA建議企業(yè)調(diào)查AIOps平臺，如果他們正在努力應對網(wǎng)絡管理工具蔓延。但是，與服務管理平臺集成或使用帶有數(shù)據(jù)分析堆棧的數(shù)據(jù)湖也可能有所幫助。

責任編輯：ct