Πώς το Optus βελτιώνει την ευρυζωνική εμπειρία και την εμπειρία πελατών για κινητά χρησιμοποιώντας την πλατφόρμα Network Data Analytics στο AWS

Αυτή είναι μια φιλοξενούμενη ανάρτηση ιστολογίου που συντάχθηκε από τον Rajagopal Mahendran, Διευθυντή Ανάπτυξης στην Ομάδα Καινοτομίας Πληροφορικής της Optus.

---

Η Optus είναι μέρος του ομίλου The Singtel, ο οποίος δραστηριοποιείται σε μια από τις ταχύτερα αναπτυσσόμενες και πιο δυναμικές περιοχές του κόσμου, με παρουσία σε 21 χώρες. Η Optus παρέχει όχι μόνο βασικές τηλεπικοινωνιακές υπηρεσίες, αλλά και ένα ευρύ φάσμα ψηφιακών λύσεων, συμπεριλαμβανομένου του cloud, της ασφάλειας στον κυβερνοχώρο και της ψηφιακής διαφήμισης σε επιχειρήσεις, καθώς και ψυχαγωγικές και κινητές χρηματοοικονομικές υπηρεσίες σε εκατομμύρια καταναλωτές. Η Optus παρέχει υπηρεσίες κινητής επικοινωνίας σε περισσότερους από 10.4 εκατομμύρια πελάτες και ευρυζωνικές υπηρεσίες σε περισσότερα από 1.1 εκατομμύρια σπίτια και επιχειρήσεις. Επιπλέον, το Optus Sport συνδέει σχεδόν 1 εκατομμύριο οπαδούς με την Premier League, το διεθνές ποδόσφαιρο και το περιεχόμενο γυμναστικής.

Σε αυτήν την ανάρτηση, εξετάζουμε πώς χρησιμοποιούσε το Optus Amazon Kinesis να απορροφήσει και να αναλύσει δεδομένα σχετικά με το δίκτυο σε μια λίμνη δεδομένων στο AWS και να βελτιώσει την εμπειρία των πελατών και τη διαδικασία σχεδιασμού υπηρεσιών.

Η πρόκληση

Μια κοινή πρόκληση για τους παρόχους τηλεπικοινωνιών είναι να σχηματίσουν μια ακριβή, σε πραγματικό χρόνο άποψη για την ποιότητα των υπηρεσιών και τα ζητήματα που αντιμετωπίζουν οι πελάτες τους. Η ποιότητα της συνδεσιμότητας οικιακού δικτύου και ευρυζωνικής σύνδεσης έχει σημαντικό αντίκτυπο στην παραγωγικότητα και την ικανοποίηση των πελατών, ιδίως αν ληφθεί υπόψη η αυξημένη εξάρτηση από τα οικιακά δίκτυα για εργασία, σύνδεση με την οικογένεια και φίλους και ψυχαγωγία κατά τη διάρκεια της πανδημίας COVID-19.

Επιπλέον, οι ομάδες λειτουργιών δικτύου και σχεδιασμού συχνά δεν έχουν πρόσβαση στα σωστά δεδομένα και πληροφορίες για να σχεδιάσουν νέες κυκλοφορίες και να διαχειριστούν τον τρέχοντα στόλο συσκευών τους.

Η πλατφόρμα ανάλυσης δικτύου παρέχει δεδομένα και πληροφορίες αντιμετώπισης προβλημάτων και προγραμματισμού στις ομάδες Optus και τους πελάτες τους σε σχεδόν πραγματικό χρόνο, γεγονός που συμβάλλει στη μείωση του μέσου χρόνου για τη διόρθωση και τη βελτίωση της εμπειρίας του πελάτη. Με τα σωστά δεδομένα και πληροφορίες, οι πελάτες έχουν καλύτερη εμπειρία, επειδή αντί να ξεκινούν μια κλήση υποστήριξης με πολλές ερωτήσεις, το προσωπικό υποστήριξης και ο πελάτης έχουν μια τρέχουσα και ακριβή εικόνα των υπηρεσιών και του οικιακού δικτύου του πελάτη.

Οι ομάδες κατόχων υπηρεσιών εντός του Optus μπορούν επίσης να χρησιμοποιήσουν τις πληροφορίες και τις τάσεις που προέρχονται από αυτήν την πλατφόρμα για να σχεδιάσουν καλύτερα το μέλλον και να παρέχουν υπηρεσίες υψηλότερης ποιότητας στους πελάτες.

Ζητήματα σχεδιασμού

Για να αντιμετωπίσουμε αυτήν την πρόκληση και τις απαιτήσεις της, ξεκινήσαμε ένα έργο για να μετατρέψουμε το τρέχον σύστημα συλλογής και επεξεργασίας παρτίδων σε ένα σύστημα επεξεργασίας βασισμένο σε ροή, σχεδόν σε πραγματικό χρόνο και να εισαγάγουμε API για πληροφορίες, ώστε τα συστήματα υποστήριξης και οι εφαρμογές πελατών να μπορούν να δείχνουν το πιο πρόσφατο στιγμιότυπο της κατάστασης δικτύου και υπηρεσίας.

Είχαμε τις ακόλουθες λειτουργικές και μη λειτουργικές απαιτήσεις:

• Η νέα πλατφόρμα πρέπει να μπορεί να υποστηρίζει τη συλλογή δεδομένων από μελλοντικούς τύπους εξοπλισμού πελατών, καθώς και νέους τρόπους απορρόφησης (νέα πρωτόκολλα και συχνότητα) και νέες μορφές δεδομένων.
• Θα πρέπει να υποστηρίζει πολλούς καταναλωτές (ένα API σχεδόν σε πραγματικό χρόνο για το προσωπικό υποστήριξης και τις εφαρμογές πελατών και τις επιχειρησιακές και επιχειρηματικές αναφορές) για την κατανάλωση δεδομένων και τη δημιουργία πληροφοριών. Στόχος είναι η πλατφόρμα να εντοπίζει προληπτικά ζητήματα και να δημιουργεί κατάλληλες ειδοποιήσεις στο προσωπικό υποστήριξης καθώς και στους πελάτες.
• Μετά την άφιξη των δεδομένων, οι πληροφορίες από τα δεδομένα θα πρέπει να είναι έτοιμες με τη μορφή ενός API σε λίγα δευτερόλεπτα (5 δευτερόλεπτα το πολύ).
• Η νέα πλατφόρμα θα πρέπει να είναι αρκετά ανθεκτική ώστε να συνεχίζει την επεξεργασία όταν αποτυγχάνουν τμήματα της υποδομής, όπως οι κόμβοι ή οι ζώνες διαθεσιμότητας.
• Μπορεί να υποστηρίξει αυξημένο αριθμό συσκευών και υπηρεσιών καθώς και πιο συχνή συλλογή από τις συσκευές.
• Μια μικρή διαλειτουργική ομάδα σε επιχειρήσεις και τεχνολογία θα δημιουργήσει και θα λειτουργήσει αυτήν την πλατφόρμα. Πρέπει να διασφαλίσουμε ελάχιστες υποδομές και λειτουργικά έξοδα μακροπρόθεσμα.
• Ο αγωγός θα πρέπει να είναι πολύ διαθέσιμος και να επιτρέπει νέες αναπτύξεις χωρίς χρόνο διακοπής λειτουργίας.

Επισκόπηση λύσεων

Έχοντας κατά νου τον στόχο της πλατφόρμας και τα σχεδιαστικά ζητήματα, αποφασίσαμε να χρησιμοποιήσουμε υπηρεσίες υψηλότερης τάξης και υπηρεσίες χωρίς διακομιστές από την AWS όπου είναι δυνατόν, για να αποφύγουμε περιττά λειτουργικά έξοδα για την ομάδα μας και να επικεντρωθούμε στις βασικές επιχειρηματικές ανάγκες. Αυτό περιλαμβάνει τη χρήση της οικογένειας υπηρεσιών Kinesis για απορρόφηση και επεξεργασία ροής. AWS Lambda για επεξεργασία; Amazon DynamoDB, Υπηρεσία σχεσιακής βάσης δεδομένων Amazon (Amazon RDS) και Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) για διατήρηση δεδομένων. και AWS Elastic Beanstalk και Amazon API Gateway για την εξυπηρέτηση εφαρμογών και API. Το παρακάτω διάγραμμα δείχνει τη συνολική λύση.

Η λύση απορροφά αρχεία καταγραφής από χιλιάδες εξοπλισμό δικτύου πελατών (οικιακούς δρομολογητές) σε προκαθορισμένες περιόδους. Ο εξοπλισμός πελατών μπορεί να στείλει μόνο απλά αιτήματα HTTP PUT και POST για τη μεταφορά αρχείων καταγραφής. Για να λάβουμε αυτά τα αρχεία, χρησιμοποιούμε μια εφαρμογή Java που εκτελείται σε μια ομάδα Auto Scaling Amazon Elastic Compute Cloud (Amazon EC2) περιπτώσεις. Μετά από ορισμένους αρχικούς ελέγχους, η εφαρμογή του δέκτη εκτελεί καθαρισμό και μορφοποίηση και, στη συνέχεια, μεταδίδει τα αρχεία καταγραφής σε ροή Ροές δεδομένων Amazon Kinesis.

Χρησιμοποιούμε σκόπιμα μια προσαρμοσμένη εφαρμογή δέκτη στο επίπεδο απορρόφησης για να παρέχουμε ευελιξία στην υποστήριξη διαφορετικών συσκευών και μορφών αρχείων.

Για να κατανοήσουμε την υπόλοιπη αρχιτεκτονική, ας ρίξουμε μια ματιά στις αναμενόμενες ιδέες. Η πλατφόρμα παράγει δύο τύπους πληροφοριών:

• Ατομικές πληροφορίες – Οι ερωτήσεις που απαντήθηκαν σε αυτήν την κατηγορία περιλαμβάνουν:
  • Πόσα σφάλματα αντιμετώπισε μια συγκεκριμένη συσκευή πελάτη τα τελευταία 15 λεπτά;
  • Ποιο ήταν το τελευταίο λάθος;
  • Πόσες συσκευές είναι συνδεδεμένες αυτήν τη στιγμή σε ένα συγκεκριμένο σπίτι πελάτη;
  • Ποιο είναι το ποσοστό μεταφοράς/λήψης όπως καταγράφεται από μια συγκεκριμένη συσκευή πελάτη;
• Βασικές γνώσεις – Όσον αφορά μια ομάδα ή ολόκληρη τη βάση χρηστών, οι ερωτήσεις αυτής της κατηγορίας περιλαμβάνουν:
  • Πόσες συσκευές πελατών ανέφεραν διακοπή της υπηρεσίας τις τελευταίες 24 ώρες;
  • Ποιοι τύποι συσκευών (μοντέλα) παρουσίασαν τον μεγαλύτερο αριθμό σφαλμάτων τους τελευταίους 6 μήνες;
  • Μετά τη χθεσινοβραδινή ενημέρωση κώδικα σε μια ομάδα συσκευών, έχουν αναφέρει σφάλματα; Ήταν επιτυχής η συντήρηση;

Η επάνω λωρίδα στην αρχιτεκτονική δείχνει τον αγωγό που δημιουργεί τις μεμονωμένες πληροφορίες.

Η αντιστοίχιση πηγής συμβάντων της συνάρτησης Lambda έχει ρυθμιστεί ώστε να καταναλώνει εγγραφές από τη ροή δεδομένων Kinesis. Αυτή η λειτουργία διαβάζει τις εγγραφές, τις μορφές και τις προετοιμάζει με βάση τις απαιτούμενες πληροφορίες. Τέλος, αποθηκεύει τα αποτελέσματα στη θέση Amazon S3 και ενημερώνει επίσης έναν πίνακα DynamoDB που διατηρεί μια περίληψη και τα μεταδεδομένα των πραγματικών δεδομένων που είναι αποθηκευμένα στο Amazon S3.

Για να βελτιστοποιήσουμε την απόδοση, διαμορφώσαμε δύο μετρήσεις στην αντιστοίχιση πηγών συμβάντων Lambda:

• Μέγεθος παρτίδας – Εμφανίζει τον αριθμό των εγγραφών που πρέπει να σταλούν στη συνάρτηση σε κάθε παρτίδα, γεγονός που βοηθά στην επίτευξη υψηλότερης απόδοσης
• Ταυτόχρονες παρτίδες ανά θραύσμα – Επεξεργάζεται πολλές παρτίδες από το ίδιο θραύσμα ταυτόχρονα, κάτι που βοηθά στην ταχύτερη επεξεργασία

Τέλος, το API παρέχεται μέσω του API Gateway και εκτελείται σε μια εφαρμογή Spring Boot που φιλοξενείται στο Elastic Beanstalk. Στο μέλλον, μπορεί να χρειαστεί να διατηρήσουμε κατάσταση μεταξύ των κλήσεων API, γι' αυτό χρησιμοποιούμε το Elastic Beanstalk αντί για μια εφαρμογή χωρίς διακομιστή.

Η κάτω λωρίδα στην αρχιτεκτονική είναι ο αγωγός που δημιουργεί αναφορές βάσης.

Χρησιμοποιούμε Ανάλυση δεδομένων Amazon Kinesis, εκτέλεση υπολογισμού κατάστασης σε δεδομένα ροής, για να συνοψιστούν ορισμένες μετρήσεις, όπως τα ποσοστά μεταφοράς ή τα ποσοστά σφαλμάτων σε δεδομένα χρονικά παράθυρα. Αυτές οι περιλήψεις στη συνέχεια ωθούνται σε ένα Amazon-Aurora βάση δεδομένων με ένα μοντέλο δεδομένων που είναι κατάλληλο για σκοπούς δημιουργίας πίνακα ελέγχου και αναφοράς.

Στη συνέχεια, οι πληροφορίες παρουσιάζονται σε πίνακες εργαλείων χρησιμοποιώντας μια διαδικτυακή εφαρμογή που εκτελείται στο Elastic Beanstalk.

Διδάγματα

Η χρήση μοτίβων χωρίς διακομιστές και υπηρεσιών υψηλότερης τάξης, ιδίως τα Lambda, Kinesis Data Streams, Kinesis Data Analytics και DynamoDB, παρείχαν μεγάλη ευελιξία στην αρχιτεκτονική μας και μας βοήθησαν να προχωρήσουμε περισσότερο προς τις μικροϋπηρεσίες και όχι τις μεγάλες μονόλιθες ομαδικές εργασίες.

Αυτή η αλλαγή μάς βοήθησε επίσης να μειώσουμε δραματικά τα λειτουργικά έξοδα και τα γενικά έξοδα διαχείρισης υπηρεσιών. Για παράδειγμα, τους τελευταίους μήνες από την κυκλοφορία, οι πελάτες αυτής της πλατφόρμας δεν αντιμετώπισαν καμία διακοπή της υπηρεσίας.

Αυτή η λύση μας επέτρεψε επίσης να υιοθετήσουμε περισσότερα DevOps και ευέλικτους τρόπους εργασίας, με την έννοια ότι μια μικρή ομάδα αναπτύσσει και τρέχει το σύστημα. Αυτό με τη σειρά του επέτρεψε στον οργανισμό να είναι πιο ευέλικτος και καινοτόμος σε αυτόν τον τομέα.

Ανακαλύψαμε επίσης μερικές τεχνικές συμβουλές μέσα από την πορεία ανάπτυξης και παραγωγής που αξίζει να μοιραστούμε:

Αποτελέσματα και οφέλη

Έχουμε πλέον ορατότητα σχεδόν σε πραγματικό χρόνο της απόδοσης των δικτύων σταθερής και κινητής τηλεφωνίας μας, όπως βιώνουν οι πελάτες μας. Στο παρελθόν, είχαμε μόνο δεδομένα που έρχονταν σε λειτουργία δέσμης με καθυστέρηση και επίσης μόνο από τους δικούς μας ανιχνευτές δικτύου και εξοπλισμό.

Με την προβολή σχεδόν σε πραγματικό χρόνο του δικτύου όταν συμβαίνουν αλλαγές, οι επιχειρησιακές μας ομάδες μπορούν επίσης να πραγματοποιούν αναβαθμίσεις και συντήρηση σε όλο το στόλο των συσκευών πελατών με μεγαλύτερη εμπιστοσύνη και συχνότητα.

Τέλος, οι ομάδες σχεδιασμού μας χρησιμοποιούν αυτές τις πληροφορίες για να σχηματίσουν μια ακριβή, ενημερωμένη προβολή απόδοσης διάφορου εξοπλισμού και υπηρεσιών. Αυτό οδηγεί σε υπηρεσίες υψηλότερης ποιότητας για τους πελάτες μας σε καλύτερες τιμές, επειδή οι ομάδες σχεδιασμού υπηρεσιών μας έχουν τη δυνατότητα να βελτιστοποιούν το κόστος, να διαπραγματεύονται καλύτερα με τους προμηθευτές και τους παρόχους υπηρεσιών και να σχεδιάζουν για το μέλλον.

Ατενίζοντας το μέλλον

Με την πλατφόρμα ανάλυσης δικτύου σε παραγωγή εδώ και αρκετούς μήνες και σταθερή τώρα, υπάρχει ζήτηση για περισσότερες πληροφορίες και νέες περιπτώσεις χρήσης. Για παράδειγμα, εξετάζουμε μια περίπτωση χρήσης κινητού για καλύτερη διαχείριση της χωρητικότητας σε εκδηλώσεις μεγάλης κλίμακας (όπως αθλητικές εκδηλώσεις). Στόχος είναι οι ομάδες μας να βασίζονται σε δεδομένα και να είναι σε θέση να αντιδρούν σε σχεδόν πραγματικό χρόνο στις ανάγκες χωρητικότητας σε αυτές τις εκδηλώσεις.

Ένας άλλος τομέας ζήτησης είναι η προγνωστική συντήρηση: προσπαθούμε να εισαγάγουμε τη μηχανική εκμάθηση σε αυτούς τους αγωγούς για να βοηθήσουμε στην ταχύτερη και ακριβέστερη αύξηση των πληροφοριών χρησιμοποιώντας το χαρτοφυλάκιο υπηρεσιών Μηχανικής Μάθησης AWS.

---

Σχετικά με τους συγγραφείς

Rajagopal Mahendran είναι Διευθυντής Ανάπτυξης στην Ομάδα Καινοτομίας της Optus IT. Η Mahendran έχει πάνω από 14 χρόνια εμπειρίας σε διάφορους οργανισμούς που παρέχουν εταιρικές εφαρμογές από μεσαίας έως πολύ μεγάλης κλίμακας χρησιμοποιώντας αποδεδειγμένες έως αιχμής τεχνολογίες σε μεγάλα δεδομένα, εφαρμογές ροής δεδομένων, κινητές συσκευές και εγγενείς εφαρμογές cloud. Το πάθος του είναι να τροφοδοτεί καινοτόμες ιδέες χρησιμοποιώντας τεχνολογία για καλύτερη ζωή. Στον ελεύθερο χρόνο του, λατρεύει το περπάτημα και το κολύμπι.

Μοσταφά Σαφιπούρ είναι αρχιτέκτονας λύσεων στο AWS με έδρα το Σίδνεϊ. Συνεργάζεται με πελάτες για να πραγματοποιήσει επιχειρηματικά αποτελέσματα χρησιμοποιώντας τεχνολογία και AWS. Την τελευταία δεκαετία βοήθησε πολλούς μεγάλους οργανισμούς στην περιοχή ANZ να δημιουργήσουν τους φόρτους εργασίας δεδομένων, ψηφιακών και επιχειρήσεων στο AWS.

Masudur Rahaman Sayem είναι ειδικός αρχιτέκτονας λύσεων για το Analytics στο AWS. Συνεργάζεται με πελάτες AWS για να παρέχει καθοδήγηση και τεχνική βοήθεια σε έργα δεδομένων και ανάλυσης, βοηθώντας τους να βελτιώσουν την αξία των λύσεών τους όταν χρησιμοποιούν το AWS. Είναι παθιασμένος με τα κατανεμημένα συστήματα. Του αρέσει επίσης να διαβάζει, ειδικά τα κλασικά κόμικς.

Πηγή: https://aws.amazon.com/blogs/big-data/how-optus-improves-broadband-and-mobile-customer-experience-using-the-network-data-analytics-platform-on-aws/