运维可视化 | 漫谈内网连通性可视化

对于运维可视化，在前面的文章《运维可视化 | 漫谈内网监控可视化》中详细介绍了能将内网监控中的异常情况可视化的事件流图。本文将从可视化角度继续分析，百度内网监测系统（NetRadar）如何通过可视化手段展示在某个时刻内网中存在哪些异常，从而让运维工程师直观地知道内网的哪些部分受到了异常的影响。

机房连通性可视化

当运维工程师发现自己的系统出现异常，并通过事件流图得知内网存在异常后，他需要进一步得知这些异常影响了内网的哪些部分，从而判断内网的异常是否造成了自己系统的故障。在这种情况下，运维工程师希望能够有一个视图直观地展示异常的影响范围。具体来说影响范围包括：

1. 哪些机房之间的连通性有异常

2. 哪些机房的内部网络存在异常

3. 连通性异常是否是地域性的

备注：一个区域包含多个机房，比如有华北区域包括4个机房，华东区域包括4个机房，华南区域包括3个机房。区域之间通常用跨区域的链路连接。跨区域链路出现故障时，会导致两个区域中的机房互相不能连通。

可视化网络状态的方法包括两种：图（graph）和连通性矩阵。在图中，每个节点代表一个网络实体，比如交换机、路由器、主机等，每条边代表网络实体之间的链路。在连通性矩阵中，网络实体对应矩阵的行和列，矩阵中的元素表示所在行和列对应的网络实体之间的链路。根据上述的需求，我们可以看出工程师们主要关注机房之间的连通性情况。如果用图的方式表达，就会形成一个全连通图，图中大量的边不利于工程师掌握网络总体状态。因此，我们决定使用连通性矩阵的可视化方法。

1连通性矩阵

假设有a1, a2, a3, a4四个机房，可以用一个4行4列连通性矩阵来表示，其中机房ai对应矩阵中的第i行和第i列。矩阵中第i行第j列的元素描述的就是机房ai到机房aj的连通性状态，如下图：

图1  连通性矩阵

我们不妨用bij来表示矩阵中位于第i行第j列的元素。图中存在一个红色的圆点，位于b32，以及一个灰色的三角形，位于b44。

b32的红色的圆点代表机房a3到机房a2的链路出现了异常。在矩阵中，与b32对称的元素b23代表的是机房a2到机房a3的链路状态。b23和b32说的都是机房a2和机房a3之间的链路，只是方向不同，这正好可以表达内网监控系统的探测方向。为了探测网络连通性，监控系统在服务器之间发送探测包。比如，服务器x给服务器y发送了一个探测包，y收到探测包后给x发送一个响应包。如果x收到了响应包，就认为x到y的链路没有问题。反过来，y也可以给x发送探测包，x发送响应包。这说明内网监控系统的探测是存在方向性的。所以图中b32有红点，b23没有点的意思就是：机房a3的服务器主动发送探测包探测机房a2中的服务器，存在大量丢失响应包或者延迟显著增大的情况，连通性有异常；而机房a2的服务器主动发送探测包探测机房a3中的服务器，响应包基本都能正常到达。两个探测方向结论不一致主要是由机房的网络出口和入口设备不同，并且单一设备出故障导致。

b44的灰色三角形代表的是机房a4的机房内网络存在异常。连通性矩阵的主对角线元素bii都代表机房内网络的状态。为了能够与机房间网络有更直观的区分，我们选择了三角形来表示。

最后，颜色代表了异常的程度，红色代表异常程度比较严重，灰色代表异常程度比较轻微。所以图1中a3到a2的机房间网络存在比较严重的连通性异常，而a4的机房内网络则存在比较轻微的连通性异常。

当连通性矩阵中存在多个异常点时，这些点可以形成特定的模式，分别代表不同的网络问题。下面，我们就来分析几种常见的模式。

2单机房出/入口链路问题

在连通性矩阵图中，可能会出现整行红色圆点。

图2.1  单机房出口链路问题

图2.1存在三个红色的圆点，分别位于b31, b32, b34位置。这就是整行红色圆点的情况。 每个点的含义如下：b31代表的是a3到a1的链路有异常，b32是a3到a2的链路有异常, b34 表示a3到a4链路有问题, 从这几个链路问题来看，链路都是从a3出来的，所以a3的出口链路出现了故障。

当然有可能出现整列红色圆点的情况，如下图所示：

图2.2  单机房入口链路问题

图2.2的三个红色圆点，分别在b13, b23, b43位置， 同理： b13表示a1到a3的链路有问题, b23说明a2到a3链路有故障, b43呈现a4到a3的链路问题，这一列的链路问题，说明a3的入口链路出现的异常。

是不是有整行，整列的红点情况呢？

图2.3  单机房出入口链路问题

图2.3包含了6个红色圆点，是图2.1与图2.2的集合， 整行与整列的异常代表a3的出/入链路都出现异常。

3单机房核心设备问题

图2.1，图2.2，图2.3都看到b33这个点是没有状态的，那如果在b33的点的异常情况也加上有表示什么呢？看如下可视化方式：

图3  单机房核心设备问题

图3所示，除了图2.2中的6个红色圆点，还在b33中有个红色的三角， b33位置的三角刚好在矩阵图的主对角线上，代表a3机房内网络出现故障。图3的6个红色圆点说明a3的出/入链路出现网络异常，红色三角说明a3单机房核心设备也出现故障。

4区域链路问题

通常，网络不是只在某一个区域，有可能同时有华北区域a1, a2, a3, a4四个机房，华东区域b1, b2, b3, b4四个机房，华南区域c1, c2, c3, c4四个机房，如下图所示。

图4.1  区域链路问题

图4.1，我们可以看出机房分别用三个颜色来标识：紫色，蓝色，绿色。这几个颜色在右上角有说明分别代表华北区域，华东区域与华南区域。同时，图中在蓝色区块的华东区域（b1, b2, b3, b4机房）两个区块有大批红点出现，呈现两个矩阵形状的圆点，这说明华东区域的链路问题导致机房互相不能连通。那如果，我们想对区域进行筛选，只查看华北，华南的区域之间的情况呢？如下图所示：

图4.2  区域筛选链路问题

如图4.2中只有一个红色三角与红色圆点，与图4.1相比，这里筛选掉了图4.1华东区域的所有异常， 我们从图4.2中，能看到一个细节问题，鼠标移动到异常点的时候，出现“进入c3-a4机房详情页 ”tooltip信息，点击这个异常点，可以进一步查看这俩机房间的异常事件与相关的指标趋势。如果想要知道a4机房内的详情情况，可以点击这个异常点详情查看，然后我们可以进一步观察a4内部集群之间的网络连通性， 集群的网络连通性跟机房连通性矩阵的方式是一样的，就不详细展开了。

总  结

矩阵图的最大优点在于，寻找对应元素的交点很方便，而且不会遗漏，显示对应元素的关系也很清楚。所以是一种很好的方式来可视化机房连通性的异常状况。从内网连通性矩阵图来看，可视化能让运维由繁化简，关键是我们如何从业务角度出发，用可视化手段来表达运维数据，在智能运维场景中，我们结合业务，抽象出这些可视化组件，单独看这些可视化组件没那么神奇，如果我们把它们放在一起，就得到了运维通用的解决方案。后面我们还会持续发布可视化相关的文章，请持续关注百度的AIOps智能运维公众号。