在性能決定生死成敗的時刻，通過知識和先驗手段激發的自信心尤為重要。讓我們一起了解網絡主動保障方案是如何實現這一點的。——
讓我們設想下面一個場景：興奮的球迷涌入由5G網絡支持的世界杯決賽直播間。比賽開始三分鐘后，網絡崩潰。觀眾們抓狂了，而社交媒體也炸開了鍋。更麻煩的是，無論運營商如何努力地想要去定位并解決這一問題，仍然看不到光明的盡頭。這應該是所有移動運營商避之不及的噩夢。
也許在比賽前一天晚上，運營商應該試試運行一系列大規模主動保障測試——這些測試使用機器學習(ML)并能夠基于歷史事件識別端到端流媒體的性能問題。在測試中，對簽名閾值的違反將自動觸發一個工作流，該工作流在端到端路徑的關鍵網絡接口處部署額外的主動測試代理，以識別問題的根源——也許是回傳網絡問題？流量被疏導至輔助鏈路，并在幾分鐘內恢復所需的性能。網絡經過主動保障測試八小時后，決賽開始，此時的運營商的網絡由于提前預判了問題并采取措施，從而使得運行無比流暢。上述兩個場景中的后者，應該才是我們想要看到的。在性能決定生死成敗的時刻，通過知識和先驗手段激發的自信心尤為重要。
無論是關于低延遲網絡切片還是5G網絡的任何其他新功能，在客戶遇到問題之前發現問題，對于持續保證為客戶承諾的服務水平協議（SLA）至關重要?，F在，通過在網絡運維中適當平衡主動保障、機器學習與自動化，我們可以迅速識別并解決問題。
主動保障：5G網絡的耳目
通過在網絡中任意位置部署主動測試軟件代理，主動保障可以主動模擬網絡上的用戶，無論這一網絡屬于運營商、科技巨頭還是一般企業。它可以根據需要生成或大或小的流量，從而精確模擬用戶可能產生的流量。與剛才世界杯那個例子一樣，人們可以部署更多的測試代理，從而通過網絡分段找到問題的根本原因。
主動測試代理可以放置于網絡中的任何位置，通過測量端到端或分段的重點區域，使用逐步隔離方法對問題進行識別。人工智能與機器學習：快速的智能與洞察力
機器學習（ML）是人工智能（AI）的核心，它創建神經網絡和預測模型并將其嵌入人工智能系統中。AI是數據的仲裁者，可以根據行業要求和其他因素做出結論并付諸行動。
ML根據歷史數據來學習網絡每個部分的性能閾值，并能夠隨著環境變化不斷學習，從而能夠以驚人的速度與準確度對網絡問題進行檢測。
自動化：執行速度
為什么主動測試與AI/ML對5G網絡如此重要呢？有人說5G比上一代網絡復雜50倍——這其實并不足為奇，因為網絡功能、網絡切片、加密、邊緣設備、應用程序和基礎設施都處于不斷變化的狀態中。持續集成/持續交付（CI/CD）的方式意味著需要對生產網絡進行持續性的更新，而這些更新必須在上線之前進行驗證。由于網絡資源在網絡中是動態實例化的，因此也需要對其進行測試。如果發生了滯后，網絡就會變得混亂不堪，無法提供新興應用所需的高質量和性能。然而人工處理這個問題是不可能的。
自動化保證：向自我修復網絡邁進
用于性能監控、根本原因分析和SLA管理的傳統人工方法無法應對5G網絡的復雜性及其巨大流量。通過采用AI與ML觸發的工作流程以及網絡拓撲信息，主動保障系統與網絡編排器合力在網絡中的任何時間和地點插入主動測試代理，從而實現：
對新激活的功能、網絡切片和基礎設施在上線之前、期間及之后進行驗證測試。
從最終用戶的角度主動并持續監控關鍵連接與服務。
通過部署端到端和分段級別的測試來隔離根本原因，從而對任何問題進行故障排除。
運用變更管理用例確認修復，從而完成從激活、監控、故障隔離到變更驗證的保障周期。
通過使用AI/ML，再加上擁有在任何地方自動部署及重新部署代理的便利性，可以更快地解決問題從而避免客戶遭受影響。這是朝著閉環編排和自我修復網絡邁出的重要一步。
恒景動態
