東北财經大學校園網作為資訊化校園的基礎服務設施，在2015年主要完成了校内部分區域(主要是學生宿舍區)的無線校園網三期覆寫，目前共計部署無線ap資訊點1300多個，覆寫樓宇30餘座，覆寫房間數量6770個，涉及教工約2000人，涉及學生約20000人。無線校園網使用人數峰值突破9000人，峰值下行流量超過1gbps。當無線網迅猛發展的同時，運維人員面臨的是巨大的運維壓力，無線運維不同于傳統網絡運維，尤其是學校自建無線網，在人員保障、技術實力等方面均存在一定程度缺陷。我們把主要的運維煩惱歸結如下：
無線運維的三大煩惱
1、網絡故障難以重制，很多時候師生反映無線網問題，需要至現場反複确認，很多問題由于無法重制當時情景，導緻無法及時得到處理，進而影響使用者體驗和服務效率;
2、難搞的網優參數，無線網的優化相對來說複雜，設計許多層面的知識，同時諸如功率、信道規劃，效果驗證難度大，其他優化參數更是專業而複雜，對于一般高校運維人員來說上手比較繁瑣;
3、難寫的報告，每到年底最頭疼的一件事就是年終的網絡簡報，之是以頭疼其實還是網絡體驗資料的難以收集和展現，因為很多時候，單憑文字描述已經很難達到預期效果，如何量化網絡服務水準，将在未來直接制約高校網絡資訊部門的工作成果評價。
如何提升無線網使用者體驗
而這三大類煩惱中，網絡優化又是一切的基礎，為什麼這麼說呢?因為之前從網優層次上來說大體分為：網絡規劃優化、網絡優化及均衡，這三個層次分别對應無線網前期規劃設計階段，無線網使用階段的接入網優、漫遊網優、幹擾網優，流量均衡、負載均衡等。其實這些優化層面本身劃分并沒有問題，但是為何取得的效果卻不是很讓人滿意，舉個例子：網規階段，傳統方法将信道按照實體位置規劃後一個一個配置進去，而功率呢一般就是通過多踩點測試，通過覆寫區域信号強度進行調整;而網優階段諸如：遠端關聯、漫遊粘滞等對使用者體驗影響較大的問題，都是通過簡單粗暴的參數閥值一類方法進行操作，實際效果不好。而落到最根本的原因就是無線網缺乏量化的資料評價，也就是說一切的優化操作應該基于廣泛全面的資料支撐，而不是憑感覺、憑經驗。這才是一直以來無線網使用者體驗難有提升空間的原因。
wis智能運維管理系統，其實我更願意稱其為無線網絡品質評價系統。依靠系統形成無線校園網品質評價體系，即通過建立一套完整的由各類名額組成的資料、圖示等組合來對無線校園網的整體運作狀況進行評價。評價：基于無線校園網品質評價體系廣泛收集無線資料，依托于資料産生評價名額;優化：基于評價名額，針對性的對無線校園網進行優化調整，增強使用者體驗。這個理念其實從10年我們學校一期無線網建設的時候，我們就有過，因為網絡建設隻是開始，最大的工作，最能展現價值的部分是網絡運維。wis可以稱為智能運維，也可以稱為品質評價系統或是稱為無線網絡大資料分析平台，這說明基于wis實際大有可為，不僅僅是網絡運維，其實它能夠在學校的資訊化程序中發揮更大的作用。
wis智能運維：“全生命周期的服務體系”
wis的智能運維特性展現在它是一個周期閉環的運維體系，從使用者終端、無線裝置的24小時網絡體驗資料跟蹤、評估區域體驗、使用者體驗、問題不用重制都能診斷分析問題，這在以前的運維過程中是無法想象的;之後通過機器學習算法，感覺各項名額的變化，為使用者提供更加聰明的網絡服務;通過資料收集、自分析，對各項名額進行綜合比較，列出網絡風險、實作智能網優、優化效果自檢等工作，将運維人員從無線運維的困境中解脫出來。下面我們來看wis的幾個基本功能：
圖1 東北财經大學無線網覆寫情況
現在看到的是我們學校wis系統的截圖，根據學校自身情況，規劃設計區域，從覆寫效果上進行識别，同時針對特定時段特定裝置上的各項性能名額進行全程追蹤，進而發現覆寫效果不佳等問題。基于使用者上線速度、接入穩定性、正常下線率、上線成功率、漫遊成功率五個重要參數，精準評估使用者上網體驗，量化使用者接入效果。
圖2 使用者線上體驗效果
圖3 sta終端體驗水準
如圖2根據使用者吞吐、信号強度、接入速率等諸多因素，精準評估網内使用者體驗，以圖中7月5日資料為例，全網使用者體驗名額平均高于80分。如圖4同時基于體驗量化資料形成網絡體驗變差原因分布圖，以7月5日全網資料為例，根據各項名額的分布構成以及互相的關聯關系，可以直覺發現造成網内使用者體驗差的主要原因：時延大、丢包率較高，之後沿着主要原因向下探索發現該類故障出現的具體區域及具體原因，進而針對性地解決無線體驗問題。
圖4 終端體驗差原因分析
完整收集引起使用者體驗差的原因，進而實作一鍵網絡優化，同時提供網絡優化建議及優化前後效果對比。
具體優化手段包括：rrm2.0自動規劃全網信道和功率，無需人工幹預;智能接入，識别遠端關聯終端并且後續優化;智能漫遊，識别和解決漫遊粘滞等問題;接入體驗，關聯認證體驗度量和可靠性提升;應用加速，解決遊戲跳ping，視訊卡頓等問題優化;高密會議，一鍵切入高密會議模式，解決高密區域上網問題。
下面就幾個問題簡單說一下：遠端關聯解決方案，其方法是通過全網的終端探測行為，全天候分析終端是否發生遠端關聯情況，并分析出cov過高或者過低的射頻信号，自動持續調整;漫遊粘滞解決方案，通過wis平台、分析終端各種接入行為、智能識别終端進入粘滞狀态後，通過引導終端漫遊到最佳ap以達到體驗最佳效果。除此之外引起網絡體驗不同還取決于終端本身，終端行為會因為廠商、支援标準的能力等方面有所不同。終端和無線強相關的特征問題都在陸續識别中。正是通過全網的多元度資料收集及可視化呈現準确呈現網絡品質水準。
下面拿我們學校的一個具體智能分析執行個體來說明，圖5上是我們學校梓楠樓（主辦公樓）的實際資料，可直覺看到全天使用者上網數量，上下行流量情況等資料。
圖5 梓楠樓使用者流量關系趨勢圖
梓楠樓7月4日資料為例，可看到線上最高終端數量超過300，最大下行流量超過20mbps，最大上行流量不足5mbps。同樣以梓楠樓7月4日資料為例圖6。
圖6 梓楠樓終端體驗覆寫
可以看到全天使用者體驗度量情況，優質使用者占比約30%，良好使用者占比約50%，品質較差使用者占比約20%，整體使用者體驗評分高于80分。同時影響使用者體驗的主要因素為丢包率高、rssi值低、時延大等問題圖7，針對具體問題制定優化解決方案。
圖7 梓楠樓終端體驗差原因分析
如圖8我們可以看到全網各區域分時的綜合評分情況，可以看到上午10點中，梓楠樓區域評分出現一定程度的下降，區域變成橙色，點選區域進行資料向下探索，可以看到分ap接入點的分時評分表，可以看到某台ap10點鐘評分出現77分，繼續向下探索可看到影響其評分的主要因素是存在大量使用者的關聯失敗事件，繼續向下探索可以看到具體是哪一台ap，發生了何種關聯失敗事件，可以看到引起關聯失敗的主要原因是ap終端數量已滿，針對這種情況，我們就能夠通過增加ap緩解使用者上網壓力了。
圖8 梓楠樓無線體驗深度分析
另外，wis是一個智能服務體系，是一個全生命周期的服務體系，從規劃設計階段的wis雲勘，到實施部署階段的wis
app，到傳遞驗收階段的wis用戶端，再到後續運維的wis大資料分析平台。正是這樣完整的服務體系，讓無線網建設、運維不再是一件難事，讓無線網體驗終于得到量化評估，終于讓我們的報告不再蒼白，未來依托wis我們仍然大有可為。
原文釋出時間為： 2016年10月12日
本文來自雲栖社群合作夥伴至頂網，了解相關資訊可以關注至頂網。