Независимо от того, в чем или где проблема, для конечного пользователя вопрос просто «почему это не работает?».

Провайдеру услуг предоставляется выполнение комплексного анализа и диагностики, охватывающего все этапы пути от приложения-службы до сервера содержимого и обратно.

Алгоритм Domos является первым, кто полностью автоматизирует и оптимизирует эту сложную задачу. Ключевые компоненты оптимизируют сеть Wi-Fi, поскольку это, безусловно, самая частая причина разочарования конечных пользователей. Но он также будет отслеживать и решать проблемы, связанные с другими уровнями обслуживания - приложением конечного пользователя, потребительским устройством, сетью с фиксированным доступом и сервером контента.

В этом документе описываются ключевые компоненты алгоритма и то, как он учитывает качество взаимодействия (QoE) любых технологий и интернет-услуг, используемых в домашних условиях. На схеме ниже показано, как они применяются к каждому из 5 слоев:

Почему ИИ и машинное обучение?

Каждый дом уникален.

Все потребительские устройства разные.

Каждое приложение отличается.

Каждая сеть отличается

Все меняется все время.

Во всех проблемах виноват интернет-провайдер.

Только машина могла во всем разобраться.

Компоненты алгоритма

Таксономия устройства

У каждого устройства конечного пользователя разные потребности в обслуживании и техническом обслуживании. Мы используем различные индикаторы для разработки таксономии моделей устройств - своего рода «отпечатков пальцев», которые однозначно идентифицируют марку и модель каждого устройства. Когда мы знаем модель устройства, мы можем помочь производителю или поставщику услуг улучшить взаимодействие с пользователем для их конечных клиентов, а также выявить и исправить некорректное поведение конкретного устройства в сети.

Сильная таксономия устройств оказалась особенно полезной для нашего алгоритма управления скоростью, который контролирует антисоциальное поведение устройств в сети Wi-Fi.

Идентификация трафика

Видеопоток 4k потребляет огромные объемы данных. Сенсору может потребоваться отправить только один пакет.

В то же время видеопоток работает нормально, даже если есть некоторая задержка, в то время как пакет датчика может быть сверхчувствительным к любой задержке.

Для всех было бы лучше, если бы датчик просто мог «выйти из очереди» и быть послан перед пакетами видеопотока. Видеопоток даже не заметит.

Вот почему идентификация трафика имеет значительный эффект повышения производительности. Мы уже работаем с ведущим интернет-провайдером Северной Европы над прототипом, который отделяет игровой и потоковый трафик в реальном времени от стандартной игровой консоли.

Оптимизация на дому

Оптимизация на дому работает круглосуточно и без выходных для всех подключенных шлюзов и сетей, чтобы гарантировать, что все они оптимизированы и работают оптимально в данной среде.

Лучше всего этот процесс объясняется следующим:

Объективное качество, с которым сталкивается конечный пользователь, постоянно отслеживается и измеряется (1). Через регулярные промежутки времени полный набор данных собирается и отправляется алгоритму прогнозирования (2). Алгоритм предсказывает, какое влияние окажет внесение корректировок с помощью доступных рычагов (3). Если прогнозы показывают значительное улучшение, применяется один или несколько рычагов. Затем результат (4) детально измеряется в течение 24 часов, и процесс повторяется (5) ежедневно.

Оптимизация Domos в домашних условиях возможна благодаря двум ключевым возможностям:

  1. Мы можем постоянно измерять фактическое качество, ежесекундно отслеживая каждую скорость передачи данных.
  2. Мы можем уникальным образом обучить и улучшить модель прогнозирования с помощью непрерывного цикла обратной связи на всех маршрутизаторах, подключенных к нашему облаку (в настоящее время ›100 тыс. И растет)

Оптимизация площади

В многоквартирных городских условиях не хватает радиочастоты. Время, когда у нас есть доступ к передаче данных по радио, мы называем «эфирным временем». Когда нет помех от других передатчиков в той же сети, вы можете получить доступ к 100% эфирного времени. Но в многоквартирных домах будет много сетей, использующих одну и ту же радиочастоту, и каждая сеть обычно будет иметь доступ только к 10-20% эфирного времени в часы пик. Это то, к чему обращается наш алгоритм оптимизации площади.

Алгоритм может «волшебным образом» создать больше эфирного времени для общего пользования, выполнив две основные задачи:

  1. Оптимизируйте планирование каналов с помощью передовых генетических алгоритмов
  2. Уменьшение помех за счет оптимизации «объема» сигнала каждого маршрутизатора, также известного как мощность передачи. Это итеративный процесс, который можно описать как обучение маршрутизаторов использованию своего внутреннего голоса, при этом гарантируя, что все клиенты по-прежнему могут их громко и четко слышать.

При развертывании в реальных зданиях мы постоянно видим улучшения на 100–200% от фактической частоты, в зависимости от того, сколько шлюзов мы можем контролировать.

Т.е. мы более чем вдвое увеличиваем емкость Wi-Fi во всем здании.

Скорость рулевого управления

У нас есть множество данных, показывающих, что наиболее распространенная проблема QoE в сети Wi-Fi - это неправильно настроенные алгоритмы адаптации скорости, особенно для трафика, передаваемого обратно от бесконечного множества устройств конечных пользователей.

Таким образом, мощные возможности таксономии устройств являются ключом к пониманию и корректировке поведения устройства, которое влияет на производительность всей сети Wi-Fi.

Для этого мы разработали совершенно новый алгоритм под названием «Управление скоростью». По сути, этот алгоритм исправит антисоциальные модели поведения и обеспечит вежливость среди клиентов Wi-Fi. Вроде как нежная полиция Wi-Fi.

И охрана работает. Ранние реальные развертывания показывают, что управление скоростью постоянно увеличивает общую емкость Wi-Fi в доме более чем на 100%, то есть более чем вдвое превышает фактическую полосу пропускания или пропускную способность. Это означает огромные улучшения общего QoE, так как радикально сокращает прерывания качества.

Исправление проблем

Устранение неполадок - это процесс проведения диагностики в реальном времени, адресованной всем слоям в стеке, и возврата панели мониторинга в реальном времени для каждого запущенного теста и соответствующих результатов.

Устранение неполадок (в следующей версии) будет включать следующие тесты:

  1. Среда и производительность Wi-Fi (как сегодня)
  2. Проверить ответ от подключенных устройств (например, ping-тест по Wi-Fi)
  3. Убедитесь, что маршрутизатор (-ы) и другое домашнее сетевое оборудование в порядке
  4. Проверьте емкость и время отклика на интернет-линии, предоставленной интернет-провайдером.
  5. Убедитесь, что используемые в настоящее время, а также самые популярные облачные сервисы отвечают

Тесты проводятся в режиме реального времени и сравниваются с историческими данными. Таким образом, конечный пользователь быстро поймет, что вызывает любую воспринимаемую проблему QoE.

Проактивный мониторинг

Упреждающий мониторинг должен вызывать тревогу, когда проблемы QoE возникают на уровнях, которые напрямую не контролируются алгоритмом.

Для фиксированной сети WAN алгоритм может запускать тесты по запросу или по событию (т. Е. При подозрении на проблему). Он будет уведомлять интернет-провайдера в соответствии с настройками области и уровней серьезности. Поскольку QoE в целом контролируется на маршрутизаторе каждую секунду, сигналы о проблемах производительности на стороне WAN могут быть подняты на соответствующем уровне с полным анализом в течение нескольких секунд.

С помощью алгоритма идентификации трафика мы получаем представление о том, какие услуги использует пользователь в каждый момент времени. Каждый раз, когда пользователь инициирует новый сеанс обслуживания - скажем, запускает потоковую передачу фильма netflix - алгоритм может быть настроен на выполнение теста производительности на серверах контента netflix и сопоставление с историческими данными. Таким образом, конечный пользователь также может быть уведомлен о возможных проблемах на стороне сервера.

Упреждающий мониторинг также охватывает сам маршрутизатор, а также ключевые индикаторы сети Wi-Fi.

Нарезка сети

Сечение сети - новое модное слово в индустрии мобильных устройств и 5G. Обещание состоит в том, чтобы виртуализировать сетевые ресурсы от начала до конца, что позволит поставщикам фиксированных и мобильных сетей продавать дифференцированные услуги подключения также на уровне IP.

До полностью виртуализированной сквозной сети, готовой к нарезке, еще далеко. Между тем, наши возможности идентификации трафика позволяют нам почувствовать то, что принесет нам будущее: мы можем динамически расставлять приоритеты для трафика приложений, чувствительного к задержкам, над жадными потребителями пропускной способности, такими как стриминговые и видеосервисы. Стриминговые сервисы не заметят снижения QoE, в то время как трафик, чувствительный к задержкам, значительно улучшится.

Мы уже делаем прототип этого с одним из ведущих интернет-провайдеров Скандинавии для их специализированных игровых предложений. Мы отделяем игровой трафик от потоковой передачи на одно и то же устройство, и тем самым спасаем жизни. Потому что в играх убивает задержка.

Архитектура системы

Алгоритм доступен через открытые интерфейсы API южного и северного направлений. Наше облако по умолчанию размещено в Microsoft Azure, но может быть перенесено на другие облачные службы или размещено локально.

Мы предлагаем OEM и ISP справочный код и проекты, которые реализуют наши API-интерфейсы как для южных шлюзов, так и для бизнес-приложений северного направления.