Suchen

Ixia erweitert Monitoring-Plattform Hawkeye nutzt Machine Learning

| Autor / Redakteur: Bernhard Lück / Dipl.-Ing. (FH) Andreas Donner

Durch die Ergänzung um maschinelles Lernen könne die aktive Netzwerk-Monitoring-Plattform Hawkeye der Keysight-Tochter Ixia Unternehmen dabei helfen, Ausfälle zu verkürzen und die Netzwerkbetriebszeit zu verbessern. Netzwerkanomalien würden schnell erkannt, identifiziert und behoben.

Firmen zum Thema

Auf dem Ausreißer-Dashboard von Hawkeye sind potenzielle Probleme auf einen Blick zu erkennen.
Auf dem Ausreißer-Dashboard von Hawkeye sind potenzielle Probleme auf einen Blick zu erkennen.
(Bild: Keysight Technologies)

Da die Menge und die Geschwindigkeit der Rohdaten von Netzwerken und Anwendungen weiter zunehmen, sehen sich die Netzwerkbetriebsteams mit einer Flut von Warnungen konfrontiert, so der Hersteller. Diese Teams müssten die Ermüdung durch Alarme vermeiden und ihre Fähigkeit zur Fehlerbehebung bei Netzwerk- und Anwendungsproblemen verbessern. Als Reaktion darauf habe sich Machine Learning als eine innovative Methode zur Gewinnung von Erkenntnissen aus riesigen Datenmengen herauskristallisiert. Bis 2022 werden laut Gartner über 50 Prozent der neu entwickelten Unternehmensanwendungen Modelle des maschinellen Lernens oder der künstlichen Intelligenz enthalten.

„Keysights Hawkeye nutzt die Möglichkeiten des maschinellen Lernens, um Netzwerkbetriebsteams dabei zu unterstützen, ihre immer komplexer werdenden Netzwerke zu verstehen“, sagte Recep Ozdag, Vice President und General Manager of Visibility bei Keysights Network Applications & Security Group (ehemals Ixia Solutions Group). „Die Netzwerkbetriebsteams haben Schwierigkeiten, grundlegende Leistungsmetriken mit tatsächlichen Netzwerkproblemen zu korrelieren. Die neuen Machine-Learning-Funktionen von Hawkeye bieten Einblick in sinnvolle Variationen, sodass diese Teams schnell auf echte Ausfälle, Überlastungen und Probleme mit der Anwendungsleistung aufmerksam gemacht werden können.“

Hawkeye verfüge über eine automatische Schwellenwert- und Ausreißererkennung. Hierbei handle es sich um eine Kombination aus auf maschinellem Lernen basierender Problemerkennung und anpassbarer Empfindlichkeitskriterien. Die Netzwerkbetriebsteams würden bei potenziellen Problemen sofort benachrichtigt. Ein Ausreißer-Dashboard ermögliche es diesen Teams, potenzielle Probleme auf einen Blick zu erkennen, zudem biete es integrierte detaillierte Visualisierungen als Unterstützung bei der Analyse und Lösung der Grundursache.

(ID:46361901)