相信《绝地求生》的多数玩家都遇到过网络卡顿的情况，影响心情是常有的事情。早年间，无论是魔兽世界还是DOTA，延迟问题也一直没有彻底解决，通信网络的重要性不言而喻。如今，人工智能已经渗透到各行各业，并且改变了企业自身的运营模式。举个例子，利用人工智能管理网络已成为不少云服务商的选择。
云智能了网络傻也白搭（图片来自PCMag）
新场景让网络承压
通常在用手机玩有游戏时，设备的4G或WiFi连接到运营商网络，后者会将访问请求传输到千里之外的数据中心，期间任何一个环节出现差错都可能导致网络包请求失败，反映到用户端就是断网或者卡顿。此外，者运营商长期的链路拥堵、路由器老化也会导致丢包。随着游戏、视频等内容的质量越来越高，逐渐衍生出了基于AR、VR等场景的新玩法，对网络信号传输的压力与日俱增。
让网络智能化
以往，云主机之间的解耦关系对设备管理来说相对容易，就像局域网内的100台PC或者200台PC相互通信，数量增长是线性的。不过要是网络节点从100涨到200，还要考虑到每个节点之间的秒级互联，管理难度就是指数级增长的，数百个网络节点能衍生出数万个网络连接。如果再想用传统人力去管理，成本势必是不小的开销。此时，人工智能出现了。总体来看，用AI管理网络主要体现在五个方面。
有效管理网络资源
AI可以借助大数据对历史的通讯信息进行筛查，例如一天中某个时间段会比其他时间段产生更高的流量，以及流量峰值和谷值会达到的比例。此前，每逢电商促销都会出现流量峰值，但这个峰值会在哪个时间点出现，让人预测数万条链路显然是非常困难的，而AI却可以在几分钟内预测出未来3个月的网络使用情况。这样一来，云服务商或电商企业就可以提前向运营商发起网络扩容申请。
拓扑优化节点互联
考虑到成本方面的问题，让网络节点完全彼此互联并不容易，有些流量较少的通路可能会被忽略。如果某两点之间是直连关系，遇到拥堵最好的办法局势扩容。然而要是有突发连接请求出现，就要考虑流量绕行分流，因此会导致前端运行不稳定。接入AI之后，不仅会对整个平台的成本计算出最优结果，而且通过结合网络拓扑、历史流量、操作日志等数据进行分析，就可以找到需要在哪些节点之间建立新链路、哪些节点之间直接扩容。
网络异常排查
游戏过程中的卡顿背后是网络链路宕机，传统流程是运维人员先要查看告警信息（可能是数百条），之后找到出现问题的机房，再去研究网络环境中端到端的拓扑关系、对应机房和主机的网络结构......整个流程下来至少要半小时的时间，而用户肯定是忍受不了。如果利用AI对故障进行分析，就会筛检出可能性较高的部分，提升排查效率，将查错时间缩短至3分钟。
确定故障优先级
网络运维工程师的痛苦在于，经常在半夜爬起来解决宕机问题，而AI则可以依据预先设定对故障分级。例如，外网问题会通过DSN、BGP调度或DDoS封堵解决，内网问题则会通过弹性扩容、Qos保障、断口隔离、切换路径解决。一般情况下，85%的故障是不需要人为介入的，故障处理时间也可以降低60%左右。
用AI防御AI
AI是把双刃剑，黑客也可以用其来扫描互联网上哪些数据库可能会有高危端口、哪些平台有哪些漏洞，并且借助AI机器人来诈骗。对此，防御者也要“以彼之道还施彼身”。例如，可以使用AI来构建用户行为画像，对访问信息、操作行为、节点分布进行监测，找到仿冒或者流量异常，从而识破黑客的伪装。更重要的是，AI的自我学习和迁移学习能力可以拓展到其他场景，这是传统人力所不能比的。
结语
通过笔者与腾讯云工程师的交流，应用AI管理网络可以在业务高峰时的网络抖动减少90%、时延减少35%、业务封顶丢包率降低50%。当然，现有的AI方案还是基于人的理解所设定，尚且无法“读懂”网络底层架构，遇到重大故障仍需人工介入。未来，随着神经网络等技术的逐级深入，AI对网络的掌握程度将有望超过人类，那一天才是真正的智能网络来临。
