企业一直希望可获取整个网络的端到端可视性。并且，IT团队也一直在努力部署网络基础架构监控，以充分提供网络可见性。

现在网络监控领域最大发展来自自动化、人工智能和机器学习。供应商已开始整合这些功能到他们的监控工具中，他们希望能够彻底改变管理和可视性。但实际上，企业需要更长的时间来部署这些工具并获得优势。

企业需要提高端到端的可见性，很多企业已经部署了虚拟和基于云的网络，以简化流程和管理。但根据管理和监控供应商ScienceLogic委托Forrester Consulting发布的新报告显示，管理这些不同的环境可能很困难，主要因为繁琐的传统监控工具。

Forrester询问了207名北美地区的IT决策者，发现主要的问题是他们使用的众多遗留工具。三分之一的受访者表示他们在使用至少20种不同的基础架构和应用程序监控工具，而37%的受访者表示他们只是在使用缺乏新功能的旧版监控工具。

受访者还表示，这些遗留工具无法跨各种环境提供端到端的可见性。此外，它们通常不能充分支持虚拟或云环境，从而更难以过渡到新环境。

Forrester表示，除了遗留工具带来的复杂性之外，企业还面临着网络敏捷性和投资方面落后的风险。

报告称：“那些拥有遗留工具的企业更关注生存而不是转型。”

网络基础设施监控有什么新进展？

Forrester说，理想情况下，企业需要网络基础设施监控工具，但他们需要通过尽可能少的工具提供对内部部署、混合环境、多云环境和SaaS架构的可视性。因此，企业的目标是找到单一平台可监控80%到90%数据。

该报告称，企业正在投资于可利用集成AI和机器学习以“实现相关性并实时提供规定和预测性答案”的“监控工具”。这些更新的监控工具的其他好处包括最大限度地减少停机时间、提高运营效率、提高业务灵活性和降低安全风险。

监控和管理方面的改进包括：网络自动化、基于机器学习的智能运维(AIOps，AI for IT Operations)，NetOps和基于意图的网络（IBN）。网络自动化可以帮助改进配置过程和设备配置。AIOps利用人工智能和机器学习来最大限度地减少管理中的人类交互。NetOps专注于网络可编程性，以构建和支持敏捷网络。IBN则结合使用自动化、高级分析、人工智能和机器学习来运行、配置和验证网络的各个方面。

大多数这些概念并非完全革命性，它们都是基于简化网络基础设施监控的目标。但它们引发了关于网络团队如何更好地监控其网络的讨论，也许更重要的是，以最少的人工干预维持网络的理想状态。

但企业不应该认为现代工具将成为端到端可见性的灵丹妙药。根据Forrester的报告，12%仅使用现代基础设施监控工具的受访者（例如具有AIOps功能的工具）表示，他们仍然难以获得端到端的可见性和规模以支持整个企业。

企业在选购现代监控工具时，应该寻找包含以下功能的工具：

• 网络和应用程序监控
• 网络问题分析
• 应用数据和流量捕获分析
• 虚拟化和操作系统问题检测
• 根本原因分析