Submit Search
Upload
ネットワークの自動監視 - Intent Based Analytics -
•
0 likes
•
293 views
ApstraJapan
Follow
ネットワークの自動監視 - Intent Based Analytics -
Read less
Read more
Technology
Report
Share
Report
Share
1 of 31
Download now
Download to read offline
Recommended
Raspberry PiとGoogle Meetでお手軽ペットカメラ
Raspberry PiとGoogle Meetでお手軽ペットカメラ
KLab Inc. / Tech
スイッチ・ルータのしくみ
スイッチ・ルータのしくみ
ogatay
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
ARISE analytics
社内のマニュアルをSphinxで作ってみた
社内のマニュアルをSphinxで作ってみた
Iosif Takakura
範囲証明つき準同型暗号とその対話的プロトコル
範囲証明つき準同型暗号とその対話的プロトコル
MITSUNARI Shigeo
オブジェクト指向とSOLID原則の入門
オブジェクト指向とSOLID原則の入門
KISARAGIMakoto
ネットワークOS野郎 ~ インフラ野郎Night 20160414
ネットワークOS野郎 ~ インフラ野郎Night 20160414
Kentaro Ebisawa
Recommended
Raspberry PiとGoogle Meetでお手軽ペットカメラ
Raspberry PiとGoogle Meetでお手軽ペットカメラ
KLab Inc. / Tech
スイッチ・ルータのしくみ
スイッチ・ルータのしくみ
ogatay
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
ARISE analytics
社内のマニュアルをSphinxで作ってみた
社内のマニュアルをSphinxで作ってみた
Iosif Takakura
範囲証明つき準同型暗号とその対話的プロトコル
範囲証明つき準同型暗号とその対話的プロトコル
MITSUNARI Shigeo
オブジェクト指向とSOLID原則の入門
オブジェクト指向とSOLID原則の入門
KISARAGIMakoto
ネットワークOS野郎 ~ インフラ野郎Night 20160414
ネットワークOS野郎 ~ インフラ野郎Night 20160414
Kentaro Ebisawa
20190825 vins mono
20190825 vins mono
Takuya Minagawa
zk-SNARKsの仕組みについて
zk-SNARKsの仕組みについて
ts21
研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門
ryos36
OCHaCafe #4 Hyperledger Fabric アプリケーション設計入門ガイドでしゃべった内容+おまけ資料
OCHaCafe #4 Hyperledger Fabric アプリケーション設計入門ガイドでしゃべった内容+おまけ資料
オラクルエンジニア通信
ネットワークエンジニアはどこでウデマエをみがくのか?
ネットワークエンジニアはどこでウデマエをみがくのか?
Yuya Rin
Jetson活用セミナー ROS2自律走行実現に向けて
Jetson活用セミナー ROS2自律走行実現に向けて
Fixstars Corporation
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
Atsushi Watanabe
みんなのPython勉強会#77 パッケージングしよう
みんなのPython勉強会#77 パッケージングしよう
Atsushi Odagiri
FPGAアクセラレータの作り方
FPGAアクセラレータの作り方
Mr. Vengineer
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
IIJ Technical DAY 2019 ~ IIJのサーバインフラはここまでやっています
IIJ Technical DAY 2019 ~ IIJのサーバインフラはここまでやっています
IIJ
ネットワーク自動化の課題 - グラフデータベースによる解決
ネットワーク自動化の課題 - グラフデータベースによる解決
ApstraJapan
モノタロウの1900万商品を検索する Elasticsearch構築運用事例(2022-10-26 第50回Elasticsearch 勉強会発表資料)
モノタロウの1900万商品を検索する Elasticsearch構築運用事例(2022-10-26 第50回Elasticsearch 勉強会発表資料)
株式会社MonotaRO Tech Team
OpenID Connect 入門 〜コンシューマーにおけるID連携のトレンド〜
OpenID Connect 入門 〜コンシューマーにおけるID連携のトレンド〜
Masaru Kurahayashi
Brochure TurtleBot3(A4)
Brochure TurtleBot3(A4)
ROBOTIS Japan
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
ROSによるロボットソフトウェアの開発
ROSによるロボットソフトウェアの開発
Yuji Yamauchi
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII
安全性を証明するために知っておくべき4つのこと
安全性を証明するために知っておくべき4つのこと
shibataka000
VIOPS08: Behavior Analysis Solution for Bigdata
VIOPS08: Behavior Analysis Solution for Bigdata
VIOPS Virtualized Infrastructure Operators group ARCHIVES
Apstra AOS 3.2 機能一覧
Apstra AOS 3.2 機能一覧
ApstraJapan
More Related Content
What's hot
20190825 vins mono
20190825 vins mono
Takuya Minagawa
zk-SNARKsの仕組みについて
zk-SNARKsの仕組みについて
ts21
研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門
ryos36
OCHaCafe #4 Hyperledger Fabric アプリケーション設計入門ガイドでしゃべった内容+おまけ資料
OCHaCafe #4 Hyperledger Fabric アプリケーション設計入門ガイドでしゃべった内容+おまけ資料
オラクルエンジニア通信
ネットワークエンジニアはどこでウデマエをみがくのか?
ネットワークエンジニアはどこでウデマエをみがくのか?
Yuya Rin
Jetson活用セミナー ROS2自律走行実現に向けて
Jetson活用セミナー ROS2自律走行実現に向けて
Fixstars Corporation
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
Atsushi Watanabe
みんなのPython勉強会#77 パッケージングしよう
みんなのPython勉強会#77 パッケージングしよう
Atsushi Odagiri
FPGAアクセラレータの作り方
FPGAアクセラレータの作り方
Mr. Vengineer
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
IIJ Technical DAY 2019 ~ IIJのサーバインフラはここまでやっています
IIJ Technical DAY 2019 ~ IIJのサーバインフラはここまでやっています
IIJ
ネットワーク自動化の課題 - グラフデータベースによる解決
ネットワーク自動化の課題 - グラフデータベースによる解決
ApstraJapan
モノタロウの1900万商品を検索する Elasticsearch構築運用事例(2022-10-26 第50回Elasticsearch 勉強会発表資料)
モノタロウの1900万商品を検索する Elasticsearch構築運用事例(2022-10-26 第50回Elasticsearch 勉強会発表資料)
株式会社MonotaRO Tech Team
OpenID Connect 入門 〜コンシューマーにおけるID連携のトレンド〜
OpenID Connect 入門 〜コンシューマーにおけるID連携のトレンド〜
Masaru Kurahayashi
Brochure TurtleBot3(A4)
Brochure TurtleBot3(A4)
ROBOTIS Japan
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
ROSによるロボットソフトウェアの開発
ROSによるロボットソフトウェアの開発
Yuji Yamauchi
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII
安全性を証明するために知っておくべき4つのこと
安全性を証明するために知っておくべき4つのこと
shibataka000
What's hot
(20)
20190825 vins mono
20190825 vins mono
zk-SNARKsの仕組みについて
zk-SNARKsの仕組みについて
研究者のための Python による FPGA 入門
研究者のための Python による FPGA 入門
OCHaCafe #4 Hyperledger Fabric アプリケーション設計入門ガイドでしゃべった内容+おまけ資料
OCHaCafe #4 Hyperledger Fabric アプリケーション設計入門ガイドでしゃべった内容+おまけ資料
ネットワークエンジニアはどこでウデマエをみがくのか?
ネットワークエンジニアはどこでウデマエをみがくのか?
Jetson活用セミナー ROS2自律走行実現に向けて
Jetson活用セミナー ROS2自律走行実現に向けて
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
みんなのPython勉強会#77 パッケージングしよう
みんなのPython勉強会#77 パッケージングしよう
FPGAアクセラレータの作り方
FPGAアクセラレータの作り方
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
IIJ Technical DAY 2019 ~ IIJのサーバインフラはここまでやっています
IIJ Technical DAY 2019 ~ IIJのサーバインフラはここまでやっています
ネットワーク自動化の課題 - グラフデータベースによる解決
ネットワーク自動化の課題 - グラフデータベースによる解決
モノタロウの1900万商品を検索する Elasticsearch構築運用事例(2022-10-26 第50回Elasticsearch 勉強会発表資料)
モノタロウの1900万商品を検索する Elasticsearch構築運用事例(2022-10-26 第50回Elasticsearch 勉強会発表資料)
OpenID Connect 入門 〜コンシューマーにおけるID連携のトレンド〜
OpenID Connect 入門 〜コンシューマーにおけるID連携のトレンド〜
Brochure TurtleBot3(A4)
Brochure TurtleBot3(A4)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
ROSによるロボットソフトウェアの開発
ROSによるロボットソフトウェアの開発
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
安全性を証明するために知っておくべき4つのこと
安全性を証明するために知っておくべき4つのこと
Similar to ネットワークの自動監視 - Intent Based Analytics -
VIOPS08: Behavior Analysis Solution for Bigdata
VIOPS08: Behavior Analysis Solution for Bigdata
VIOPS Virtualized Infrastructure Operators group ARCHIVES
Apstra AOS 3.2 機能一覧
Apstra AOS 3.2 機能一覧
ApstraJapan
Azure monitoring and alert v0.2.21.0707
Azure monitoring and alert v0.2.21.0707
Ayumu Inaba
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
decode2016
Sum awsloft tko-iotloft-10-lt4-may-2020
Sum awsloft tko-iotloft-10-lt4-may-2020
Amazon Web Services Japan
Lagopus Project (Open Source Conference)
Lagopus Project (Open Source Conference)
Tomoya Hibi
Elastic Cloudを利用したセキュリティ監視の事例
Elastic Cloudを利用したセキュリティ監視の事例
Elasticsearch
Azure Monitor Logで実現するモダンな管理手法
Azure Monitor Logで実現するモダンな管理手法
Takeshi Fukuhara
hbstudy#06
hbstudy#06
tsakaguchi
Iot safety and security
Iot safety and security
Kiyoshi Ogawa
cloudpackサーバ仕様書(サンプル)
cloudpackサーバ仕様書(サンプル)
iret, Inc.
ラズパイでIoTをやってみよう! | なぜ今IoTなのか?
ラズパイでIoTをやってみよう! | なぜ今IoTなのか?
SORACOM,INC
AWSで作る分析基盤
AWSで作る分析基盤
Yu Otsubo
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Daiyu Hatakeyama
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
Akira Tateishi
第1回 静岡 IT Pro 勉強会 セッション1
第1回 静岡 IT Pro 勉強会 セッション1
Tatsuya Ueda
遠隔デバイスとの信頼を築くための技術とその標準(TEEP RATS)
遠隔デバイスとの信頼を築くための技術とその標準(TEEP RATS)
Kuniyasu Suzaki
FPGAによる大規模データ処理の高速化
FPGAによる大規模データ処理の高速化
Kazunori Sato
Ai sam 製品概要 4-5
Ai sam 製品概要 4-5
龍雄 炭田
Ai SAM 製品概要-4-5
Ai SAM 製品概要-4-5
龍雄 炭田
Similar to ネットワークの自動監視 - Intent Based Analytics -
(20)
VIOPS08: Behavior Analysis Solution for Bigdata
VIOPS08: Behavior Analysis Solution for Bigdata
Apstra AOS 3.2 機能一覧
Apstra AOS 3.2 機能一覧
Azure monitoring and alert v0.2.21.0707
Azure monitoring and alert v0.2.21.0707
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
Sum awsloft tko-iotloft-10-lt4-may-2020
Sum awsloft tko-iotloft-10-lt4-may-2020
Lagopus Project (Open Source Conference)
Lagopus Project (Open Source Conference)
Elastic Cloudを利用したセキュリティ監視の事例
Elastic Cloudを利用したセキュリティ監視の事例
Azure Monitor Logで実現するモダンな管理手法
Azure Monitor Logで実現するモダンな管理手法
hbstudy#06
hbstudy#06
Iot safety and security
Iot safety and security
cloudpackサーバ仕様書(サンプル)
cloudpackサーバ仕様書(サンプル)
ラズパイでIoTをやってみよう! | なぜ今IoTなのか?
ラズパイでIoTをやってみよう! | なぜ今IoTなのか?
AWSで作る分析基盤
AWSで作る分析基盤
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
Deep Learning Lab - Microsoft Machine Learning meetup 2018/06/27 - 推論編
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
JAWS-UG IoT専門支部 講演資料 IoT Analyticsによる構築事例説明
第1回 静岡 IT Pro 勉強会 セッション1
第1回 静岡 IT Pro 勉強会 セッション1
遠隔デバイスとの信頼を築くための技術とその標準(TEEP RATS)
遠隔デバイスとの信頼を築くための技術とその標準(TEEP RATS)
FPGAによる大規模データ処理の高速化
FPGAによる大規模データ処理の高速化
Ai sam 製品概要 4-5
Ai sam 製品概要 4-5
Ai SAM 製品概要-4-5
Ai SAM 製品概要-4-5
Recently uploaded
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
Recently uploaded
(14)
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
ネットワークの自動監視 - Intent Based Analytics -
1.
ネットワークの⾃動監視 Intent based Analytics July,
2020
2.
2© Apstra 2018
Confidential and Proprietary アジェンダ ネットワーク自動監視の仕組み(グラフデータベースのおさらい) Intent Based Analyticsの概要 マルチベンダーネットワーク機器の監視手法 グラフクエリを使用した監視の詳細とデモ AOSで監視データはどこまで取れるか
3.
3© Apstra 2018
Confidential and Proprietary SSOTのデータベース (例)NW機器間の関連とステータス スイッチA スイッチAのインタフェース2 スイッチB スイッチBのインタフェース1 物理リンク ステータスUP ステータスUP BGPネイバー Establiashed
4.
4© Apstra 2018
Confidential and Proprietary Graphスキーマ グラフのノード、プロパティ、そのリレーションはスキーマに依存
5.
5© Apstra 2018
Confidential and Proprietary ネットワーク⾃動化 監視サーバ 操作端末 Web UIREST API システム連携 やりたことをインプット 物理・論理 IPアドレス ルーティング設計 「意図」と「実態」を ⽐較・検証し 変化や障害を検知 コンフィグ⾃動作成 NW機器 NWの実態 Real-Time State 設計内容が正しいか判断 設定による影響を判断 デザインに沿った監視内容 の結果を報告 グラフデータベース SSOT トラフィック量など定期 的に取得するデータ 障害検知
6.
6© Apstra 2018
Confidential and Proprietary ネットワークの⾃動監視 やりたことをインプット 物理・論理 IPアドレス ルーティング設計 「意図」と「実態」を ⽐較・検証し 変化や障害を検知 コンフィグ⾃動作成 NW機器 NWの実態 Real-Time State 設計内容が正しいか判断 設定による影響を判断 デザインに沿った監視を定義 その結果を報告グラフデータベース SSOT トラフィック量など定期 的に取得するデータ障害検知 Intent = 監視サーバ 操作端末 Web UIREST API システム連携
7.
7© Apstra 2018
Confidential and Proprietary ネットワークの⾃動監視 SSOTを保持するAOSはグラフデータベースから 監視ステータスのあるべき状態を理解している。 (例) Layer1 インタフェース Layer2 LACP Layer3 BGP Layer3 ルーティングテーブル RIB 対向がスイッチなのでUPのはず。 何も接続されてないのでDownでOK。 L3ポートのためLACP不要。 MLAGのサーバポートのためLACPはUPのはず。 IP FabricポートのためUPのはず。 サーバポートのためBGP不要。 各スイッチのLoopbackIP、リンクのネットワークを学習しているはず。 「あるべき姿」と「実態」のギャップを⾒つけ障害として通知。
8.
8© Apstra 2018
Confidential and Proprietary 「Apstra DB」 「実態」 本番環境 ステータス⽐較 ネットワークの障害を報告 ネットワークの⾃動監視
9.
9© Apstra 2018
Confidential and Proprietary ネットワークの⾃動監視 監視設定の定義 設計書 実際の監視 ステータスの通知 期待値の通知 障害を報告
10.
10© Apstra 2018
Confidential and Proprietary 検証項目 内容 監視対象 BGP 各デバイスのBGP隣接関係(ネイバー)がIntentのとおりに確立されているか SS, Spine, Leaf, Server ケーブリング 各デバイス間の物理配線がIntentのとおりに行われているか SS, Spine, Leaf インタフェース 各デバイスのインタフェースのUp/DownステータスがIntentと一致しているか SS, Spine, Leaf, Server BGP(外部接続) 外部ルータと接続しているデバイスがIntentのとおりにBGP隣接関係を確立している か Spine or Leaf LAG/MLAG リンクアグリゲーションがIntentのとおりに確立できているか Leaf 死活状態 各デバイスがAOSによる制御通信に応答しているか SS, Spine, Leaf, Server デプロイ状態 各デバイスがAOSによるコンフィグレーションを正常に展開することができているか SS, Spine, Leaf, Server コンフィグ Intentに基づいてAOSが生成・投入したコンフィグレーションと、デバイス上の実際のコ ンフィグ(show run)に差異はないか SS, Spine, Leaf ルーティング テーブル 各デバイスが各BGPネイバーから想定どおりのプレフィックスを受信し、ルーティングテー ブルに反映できているか SS, Spine, Leaf, Server ネットワークの⾃動監視 デフォルトの自動監視
11.
11© Apstra 2018
Confidential and Proprietary Intent Based Analytics デバイスヘルス ネットワークレイヤ1 ネットワークレイヤ2 ネットワークレイヤ3 データプレーン マルチキャスト オーバーレイ トラフィックパターン キャパシティプランニング セキュリティ コンプラインス トラブルシューティング バーチャルインフラ Showコマンド等でネットワークOSが出⼒できるパラメータはほぼ監視可。 監視だけでなく拡張設計で必要なデータも取得可。 デフォルト以外は必要なものを手動設定
12.
12© Apstra 2018
Confidential and Proprietary (ネットワーク監視例) デバイスヘルス ネットワークレイヤ1 データプレーン ネットワークレイヤ3 オーバーレイ バーチャルインフラ Vmware, Nutanix側の 設定との整合性 EVPN Type3,5等 特定NWセグメントの学習状況 ルーティングテーブルの整合性 BGPステータス インタフェースエラーカウンタ インタフェースキュードロップ トランシーバ光レベル インタフェースフラップ メモリリーク、CPU使⽤率 電源・ファン レイヤ IP Fabric ネットワーク ネットワークを各レイヤ毎に監視して障害を早期に発⾒。 各スイッチのステータスだけでなくネットワーク全体の整合性をチェック。 (例)スイッチAはセグメントBを学習しているか︖ セグメントA セグメントB スイッチA スイッチB イベント発⽣時は即座に通知。定期取得する間隔は最短5秒。 Intent Based Analytics
13.
13© Apstra 2018
Confidential and Proprietary Intent Based Analytics デモ1 10.30.42.0/24 10.30.44.0/24 10.30.42.0/24 10.30.43.0/24vlan3 vlan3 vlan4 vlan5 Data Plane VXLAN L2/L3 VNI 10.30.42.0/24 10.30.43.0/24 10.30.44.0/24 EVPN Table ☓
14.
14© Apstra 2018
Confidential and Proprietary Intent Based Analytics ネットワーク全体のトラフィック量を可視化 デモ2
15.
15© Apstra 2018
Confidential and Proprietary Intent Based Analytics(以下、IBA)の仕組み。 Intent Based Analytics 監視パッケージグラフデータベース レスポンス IDを使い、欲しい データをクエリ デバイス、 メトリックのIDをクエリ レスポンス コレクター Linux OS Guest Linux Container AOS Agent EOS API NX-API Linux CLI データ取得パッケージ 監視データ ルール作成 アラート 共通フォーマット ベンダーA ※上記はマルチベンダーのイメージ。実際のAPIはベンダー毎に⼀つ使⽤。 ベンダーB ベンダーC 分散処理 分散処理
16.
16© Apstra 2018
Confidential and Proprietary Intent Based Analytics データ取得⼿法の⽐較 Apstra IBA Telemetry Streaming SNMPコントロールプレー ン ハードウェアベース 取得できるデータ ○ ○ △ △ 取得データの選別 ○ △(※1) △(※1) ○ リクエスター負荷 ○ ○ ○ △ コレクターの負荷 ○ △ △ ○ NOSの負荷 △ △ ○ △ HWコスト ○ ○ △ ○ ※1 コレクター次第
17.
17© Apstra 2018
Confidential and Proprietary IBA 監視パッケージ Time Series Alert s AlertingSLA データ抽出 デバイス選択 インタフェースカウンタ プロトコルステータス ハードウェア状態 IBAで使う監視パッケージをIBA Probeと呼ぶ。 IBA Probeは複数の監視プロセッサから構成される。 データ処理 平均値・標準偏差 単体処理 グループ化処理 履歴指定 しきい値 しきい値(絶対値) 範囲・割合(%) 事象の発⽣回数 継続時間 異常検知 SLA毎のアラート AOS画⾯表⽰ Syslog通知 外部サーバ通知 IBA Probe 監視プロセッサ
18.
18© Apstra 2018
Confidential and Proprietary IBA 監視パッケージ https://github.com/Apstra/iba IBA ProbeはGit Hubで公開されている。
19.
19© Apstra 2018
Confidential and Proprietary IBA 監視パッケージ IBA ProbeをONにするとAOS UIで監視を開始
20.
20© Apstra 2018
Confidential and Proprietary IBA 監視パッケージ Git Hubで公開されていないIBA Probeは⾃分で作成できる。 Interface Counters Service Data Collector Generic Service Data Collector Extensible Service Data Collector Generic Graph Collector(*1) データ取得プロセッサ グラフデータベース レスポンス IDを使い欲しい データをクエリ デバイス、 メトリックのIDをクエリ レスポンス コレクター 単⼀データ判定 プロセッサ range check state check anomaly match string time in state check 複数データ⼊⼒ プロセッサ comparison headroom 複数データ計算 プロセッサ match count std dev average Min,Max sum 蓄積・結合 プロセッサ accumulate Union (*1)グラフデータベースからの応答をそのまま出⼒(コレクターへの問い合わせをしない)
21.
21© Apstra 2018
Confidential and Proprietary IBA 監視パッケージ データタイプ 各データ取得プロセッサの⽤途とデータタイプ Interface Counters Service Data Collector Generic Service Data Collector Extensible Service Data Collector Generic Graph Collector インタフェースカウンターを取得 Genericの出⼒するデータがStringに対し、Extensibleは辞書型 BGP、LLDP、インタフェースのステータス、Hostname 上記以外のデータ取得 グラフデータベースのクエリに対する応答を出⼒ データ取得プロセッサ NS(Number Set) TS(Text Set) DSS(Discrete State Set) NSTS(Number Set Time Series) DSSTS(Discrete State Set Time Series) 時系列で複数の値を扱うもの(主にHistoryで使⽤) テキスト [ʻupʼ,ʼdownʼ]のように複数の中から⼀つ出⼒されるもの 時系列のデータ(主にHistoryで使⽤) 数値
22.
22© Apstra 2018
Confidential and Proprietary Interface Counters (例) 以下の条件に合致するインタフェースの 受信Discardパケット数を取得したい。 - L2サーバが接続している - 接続構成はLAGである - リンクスピード 10G - Tag VLANが設定されている - VLAN ID 2 - そのVLANはVXLANが有効である - デプロイモードはʼDeployʼorʼDrainʼ →取得するカウンターの種類 → グラフクエリのʼnameʼ.プロパティʼif_nameʼ → グラフクエリのʼnameʼ.プロパティʼsystem_idʼ → 外部サーバへデータを転送する場合はTrue → 追加でテーブルに表⽰させたい情報 IBA 監視パッケージ
23.
23© Apstra 2018
Confidential and Proprietary グラフクエリの結果、 2台のみかつ2ポートのみ監視対象 IBA 監視パッケージ
24.
24© Apstra 2018
Confidential and Proprietary Rangeプロセッサを追加 ⼀定の閾値以上でアラート →100PPS以上でアラート Discardが509PPSに 達し、アラートを発呼 IBA 監視パッケージ
25.
25© Apstra 2018
Confidential and Proprietary →履歴として残すサンプル数 IBA 監視パッケージ Discardパケット数の履歴を プロセッサとして追加
26.
26© Apstra 2018
Confidential and Proprietary アラート検知履歴の プロセッサを追加 →履歴として残すサンプル数 IBA 監視パッケージ
27.
27© Apstra 2018
Confidential and Proprietary AOSサーバ IBA データ取得パッケージ Linux OS Guest Linux Container AOS Agent EOS API NX-API Linux CLI データ取得パッケージ ネットワーク機器 ネットワークOS毎のデータ取得パッケージが Guest LXCにインストールされている
28.
28© Apstra 2018
Confidential and Proprietary IBA データ取得パッケージ 例:Arista EOS用 aosstdcollectors_custom_eos-0.1.0.post462-py2-none-any.whl データ取得パッケージの中⾝ 監視パッケージで必要とするデータを 取得するためのスクリプト AOS Agent Base File ス ク リ プ ト ス ク リ プ ト ス ク リ プ ト ス ク リ プ ト ス ク リ プ ト ス ク リ プ ト ス ク リ プ ト ス ク リ プ ト NOS Linux OS NOS API ベースファイルがあるため 新規スクリプト作成は容易
29.
29© Apstra 2018
Confidential and Proprietary IBA データ取得パッケージ スクリプトファイルの中⾝ ベースファイルからメソッド読み込み 監視パッケージが読み取るJSON作成 NOSからJSONで欲しいデータを取得
30.
30© Apstra 2018
Confidential and Proprietary IBA データ取得パッケージ ⾜りないデータ取得パッケージはApstraエンジニアが開発。 aos_developer_sdk 開発環境をDockerコンテナとして提供 aos_developer_sdk 作成 テスト ビルド AOSサーバ またはユーザによる作成も可
31.
Thank You! www.apstra.com @ApstraInc https://www.linkedin.com/company/apstra https://www.facebook.com/apstrainc/
Download now