机器学习如何解决无线网络问题

Wi-Fi对我们今天的工作方式至关重要。企业中快速，可靠且一致的无线覆盖对业务至关重要。企业中的许多日常操作都依赖于它。然而，在大多数情况下，IT团队在个人体验方面都是盲目的。这源于两个主要挑战。

第一个挑战是数据收集。我们想知道每个用户在每个给定时间的状态。但随着网络条件和用户位置的变化，这些状态会不断变化。随着数以万计的设备被跟踪，需要收集大量信息。在具有固定内存和CPU的设备上运行的访问点或控制器中，无法处理此数据量。

第二个挑战是数据分析。对事件日志和数据转储进行排序需要花费大量时间和精力才能获得有意义的见解。并且需要重要的Wi-Fi智能来实际从数据中产生正面或反面。

我相信，总有一天，大数据和机器学习将解决上述障碍。这将允许我向我的网络询问它的感受，它会告诉我它在哪里受伤，它将提供解决问题的详细处方(或将自动为我修复)。虽然这似乎是一种未来主义愿景，但实现它的基础已经通过大数据工具和机器学习技术(如无监督训练算法)进行布局。

使用这些技术，我们现在可以不断更新测量和实施无线用户体验的模型。例如，我们可以高精度地实时确保特定的互联网速度(即吞吐量)。这使得IT人员在他们意识到之前就知道无线用户正在遭受痛苦 - 因此他们必须在帮助台之前记录呼叫。

一旦检测到用户问题，机器学习分类算法就可以找出问题的根本原因。例如，由于干扰，容量或LAN / WAN问题导致吞吐量问题?在隔离问题之后，机器学习可以自动重新配置资源以调解问题。这可以最大限度地减少IT团队在故障排除上花费的时间和精力，同时提供最佳的无线体验。

我之前曾写过 人工智能将如何彻底改变Wi-Fi。我希望能够释放IT团队来筛选大量数据，以便他们能够收集有意义的信息。但这就像在大海捞针一样。机器学习是自动化数据包捕获，事件关联和根本原因分析等普通操作任务的关键。此外，它还可以提供预测性建议，以避免我们的无线网络出现问题。

此愿景的关键还在于现代云元素带来的弹性规模和可编程性。云是唯一适合将Wi-Fi视为大数据问题的媒介。它具有存储大量数据的能力，其分布式架构可以极快的速度分析这些数据。

Wi-Fi并不新鲜。但我们如何使用Wi-Fi已经发展。现在，Wi-Fi比以往任何时候都更需要完美无瑕地运行。我们正处在一个无线需要像服务一样进行管理的时代，具有其他关键业务平台的所有灵活性，灵活性和可靠性。借助机器学习，大数据和云，这种新模式正在迅速成为现实。