Telemetry

3 秒看懂

网络遥测（Network Telemetry）是从交换机、路由器、网卡/DPU 等网络设备中，以推送模式实时、连续、高精度地采集状态数据并输送至分析系统的技术范式。它替代传统 SNMP 拉取，通过流式推送（Streaming Telemetry）实现亚秒级感知，支撑闭环自动化、意图驱动网络与 AIOps。

3 分钟产业解释

传统网络监控以 SNMP 轮询为主，每隔 5–15 分钟拉拉计数器，数据稀疏、对 CPU 有压力，无法检测微突发（microburst）或毫秒级抖动。云数据中心、运营商骨干与 AI 集群要求毫秒/微秒级感知、逐跳路径追查、动态负载均衡与智能排障，倒逼行业转向推送式、模型驱动、高速采样的遥测。

产业技术栈一般分为四层：

• 数据面：交换机 ASIC 内的 INT（In-band Network Telemetry）/带内遥测、硬件时间戳、队列深度寄存器。
• 采集与传输层：gRPC/gNMI 协议、NETCONF+YANG Push（IETF RFC 8641）、OpenTelemetry 标准化管道。
• 处理层：流处理引擎（Kafka、Flink）订阅遥测流，实时关联事件，做窗口聚合。
• 应用层：容量规划、异常根因定位、意图保障闭环。

产业主导者来自云巨头与芯片原厂：Google 贡献的 gRPC/gNMI + OpenConfig 模型已成事实标准；Intel（Tofino）、Broadcom、Marvell、NVIDIA 在芯片中内嵌高级遥测功能；Cisco、Arista、Juniper 提供全栈遥测平台；电信领域 O-RAN 将遥测作为 RIC 近实时控制的基础。

技术原理

推送模式与模型驱动

传统 SNMP 的“管理者主动请求”被反转为“设备自主推送”。设备基于定时、阈值超限或事件变化主动发出遥测数据，极大减少无效传输。数据结构也从扁平 OID 升级为树形 YANG 模型，通过 gNMI.Subscribe 实现 ON_CHANGE（变化即推）或 SAMPLE（周期采样）模式。

带内遥测（INT）工作机制

INT 在数据包穿越网络时让交换芯片逐跳插入元数据，原理如下（以 P4 定义的典型模式为例）：

数据包结构：[ 原始头部 | INT头部 | INT元数据栈 ]
INT头部包含指令位图（需采集哪些字段）。
元数据栈每跳追加：
 - 交换机ID
 - 入口/出口端口
 - 纳秒级出口时间戳
 - 队列深度/排队时延
 - 丢包原因、自定义字段

关键细节：

• 插入开销：INT 头部约 12–20 字节，每跳元数据通常 16–32 字节，需考虑对 MTU 的影响。
• 硬件触发：可由每包、每流首包、1/N 采样率或队列深度阈值触发。
• 精度依赖：硬件时间戳精度可达纳秒级，依赖芯片内部 PTP 时钟同步。

后端数据流水线

遥测收集器（如 Cisco MDT、Telegraf、开源 gNMI网关）接收 INT 镜像包或 gRPC 流，拆解出带时间标签的事件序列，注入 Kafka 等消息中间件。Flink/Spark Streaming 执行窗口聚合（例如 1 ms 窗口内队列深度超过阈值即为微突发），结果写入时序数据库（ClickHouse、InfluxDB、Prometheus），最终通过 Grafana 等呈现并触发告警。

协议栈细节

• gNMI：基于 gRPC+Protobuf，提供 Capabilities, Get, Set, Subscribe 四个操作。订阅支持 STREAM、ONCE、POLL。
• NETCONF + YANG Push：IETF 推出的 XML-RPC 路径，RFC 8641 定义了订阅推送机制，支持周期性与按变化推送。
• IPFIX/NetFlow v9：侧重流量统计导出，采样率有限，无法提供逐跳排队细节。
• OpenTelemetry：定义统一的采集规范，网络遥测可作为 OTel 的信号源，将指标、日志、跟踪关联。

大规模系统的挑战

• 数据量：中等规模数据中心一台交换机每秒可产生上万条遥测记录，需要高效 Protobuf 序列化与压缩。
• 后端存储：海量事件面向时序写入与快速查询，常用分布式时序数据库。
• 芯片差异：不同代际芯片的 INT 深度、监控寄存器数量差异巨大，P4 可编程芯片可定制，但商用固定功能芯片功能受限。

关键参数

以下参数直接影响遥测系统的表现与成本，具体数值受芯片型号、软件版本和部署规模约束。

• 单交换机订阅密度：可并行维持的 gNMI 订阅数量，主流平台支持数百到数千个（例：部分平台宣称支持 500 个 ON_CHANGE 订阅，公开资料未对全部厂商验证）。
• 最小推送间隔：SAMPLE 模式最短周期通常为 1–5 秒；亚秒级推送需硬件辅助（如 Broadcom Jericho3 可提供毫秒级快照）。
• 单跳可收集的元数据字段数：INT 指令位图决定，商用芯片通常支持 6–12 跳堆叠，每跳包含交换机 ID、端口、时间戳、队列深度等；P4 可编程芯片堆叠深度不受此限。
• 端到端处理延迟：从数据产生到分析平台可视化的滞后，轻载时可控制在百毫秒级，大规模部署中常需 1–5 秒（来源：Cisco Live 2023 演讲《MDT in Production》，NANOG 87 用户案例）。
• 吞吐与扩展：单收集器进程 gNMI 流吞吐约数十万条/秒（公开资料未见普遍基准，取决于 Protobuf 编码复杂度和压缩）。

技术路线

路线演进已从“事后采集”走到“实时推送”再到“数据路径内联感知”。未来 DPU/IPU 将把遥测边界推向主机网络栈和 RDMA 队列。

上游

上游核心是制造网络芯片、DPU、光模块等硬件的供应商，其技术能力决定遥测的原始数据丰富度。

• 交换芯片：Broadcom（Jericho3、Trident 系列）支持硬件表项导出、缓存监控、镜像；Intel Tofino（现归属 Intel，2023 年后路线图不确定性上升，公开资料未见后续新代际明确计划）；Marvell（Prestera、Falcon）与 Cisco Silicon One 提供 INT 触发、流表导出。
• DPU/IPU：NVIDIA BlueField-3 / ConnectX-7 支持 RDMA 队列遥测、拥塞控制统计；Intel IPU（Mount Evans）可卸载网络遥测收集；Marvell Octeon 10 DPU 提供类似能力。
• SmartNIC 与光模块：光模块的诊断接口（DMI/DDM）可上报光功率、温度、误码率等物理层指标，构成全栈遥测的 L0 层数据源。

下游

下游为采集、处理、分析及应用平台，消费遥测数据形成运维决策与闭环控制。

• 采集与传输：Telegraf、Cisco MDT、Arista TerminAttr、Juniper JTI、开源 gNMI 网关（如 gnmi-gateway）、OpenTelemetry Collector 网络插件。
• 可观测性与存储：Prometheus + Thanos / Mimir、Grafana; Datadog 网络观测模块；ClickHouse、InfluxDB 等时序存储。
• 网络分析/AIOps：Cisco Crosswork、Arista CloudVision、Juniper Paragon Insight、Kentik、SevOne，以及基于 ML 的异常检测平台（Augtera、Anodot 等）。
• 闭环控制：应用遥测事件触发控制器（如 SDN 控制器）通过 gNMI Set 或 P4Runtime 调整 QoS 队列、路由策略、拥塞控制参数。

受益公司

以下分类基于公开产品组合与市场地位，不构成任何投资建议。

• 芯片厂商：Broadcom（多数交换机 OEM 采用其芯片，遥测特性持续迭代）；NVIDIA（Spectrum-4 + BlueField/ConnectX DPU 强化端到端网络计算）；Intel（虽 Tofino 路线未明，IPU 与以太网产品仍集成遥测）。
• 网络设备商：Cisco（Catalyst/Nexus/ASR + Crosswork 闭环）；Arista（EOS + TerminAttr + CloudVision 软件驱动）；Juniper（Junos JTI + Mist AI）；华为（NetEngine/CloudEngine 支持 YANG Push 与 iFIT 随流检测）；H3C（SeerAnalyzer）。
• 开源/独立软件：Grafana Labs（可观测栈）；Kentik（云网络流量遥测）；Aviz Networks（SONiC 生态）；Flowmon/Progress（NetFlow/IPFIX 分析）。
• 云厂商自研：Google（B4 SDN、gRPC/OpenConfig 发起方）；Microsoft（Azure Boost DPU、SONiC 遥测）；AWS（自研交换机芯片及内部遥测系统）；Meta（FBOSS + 自有监控）。

市场规模

网络遥测作为网络可观测性与 AIOps 的子赛道，其独立市场规模尚缺乏统一口径。公开资料未给出精确一致的数字，可综合参考以下间接数据：

• 根据 Gartner《Market Guide for Network Performance Monitoring and Diagnostics》（2023 年 12 月），网络性能监控与诊断工具市场 2023 年预估约 22 亿美元，年增长约 10%。该市场涵盖 SNMP 与流遥测功能，但不完全对应纯遥测软件。
• 根据 IDC《Worldwide ITOA and AIOps Software Forecast, 2023–2027》，全球 IT 运营分析软件（含网络分析）2022 年市场约 48 亿美元，预计 2027 年达 85 亿美元，CAGR 约 12%。遥测采集和存储是该市场的重要组成部分。
• 第三方机构（如 650 Group）在 2023 年发布的报告中指出，数据中心交换机市场持续增长，其中支持高级遥测的高端设备占比提升，推算遥测相关芯片与软件机会复合年增长率超 20%。
• 综合多家定性描述，2023 年网络遥测整体市场规模（含硬件、软件、服务）估算在 十亿至数十亿美元 区间，且预计今后 5 年保持 >20% 的复合增长率。因各机构划分边界不同，具体数字仅供参考，建议查询最新 IDC、Gartner 或 650 Group 专项报告。

玩家对比

对比说明：芯片与设备商侧重硬件集成和平台锁定；独立软件商主打异构兼容与智能运维。公有云厂商自研路线（AWS、Azure、Google）虽未对外直接售卖，但定义事实标准，对商业厂商形成压力。

风险

• 标准碎片化：OpenConfig、IETF YANG、厂商原生 YANG 三套模型并行，导致适配成本高，互操作性差。例如部分厂商 interfaces 模型与 OpenConfig 接口不兼容。
• 协议迁移阻力：大量存量网络仍依赖 SNMP，短期无法全面替换为 gNMI，长期面临双栈运维负担。
• 数据洪流成本：亚秒级高频遥测产生的数据量巨大，后端点时序数据库与流处理集群的采购和运营成本激增，可能侵蚀收益。
• 自研内化风险：超大规模云厂商（Google、Amazon、Meta）自研交换机、DPU 及遥测系统，使商业软件和传统设备商在该市场领域面临天花板。
• 安全与隐私：遥测包含详细流量特征和拓扑信息，若传输未加密（gRPC 通常基于 TLS，但部署中忽视证书）或分析平台权限管控不足，可能造成敏感信息暴露。
• 闭环控制误动作：基于遥测的自动策略调整可能因数据异常或模型幻觉引发网络故障，生产环境仍以人工审核为主，闭环商用成熟度有限。

误读纠偏

误读 1：“Streaming Telemetry 就是高频 SNMP。” 纠正：SNMP 为拉模式，使用 OID 扁平结构，依赖管理器定时请求；流式遥测是推送模式，采用层次化 YANG 模型，支持 ON_CHANGE 事件和增量更新，数据丰富度和带宽效率显著提高。两者在架构、协议、数据模型上完全不同。

误读 2：“有遥测就能实现全自动闭环运维。” 纠正：遥测提供感知基础，闭环还需决策引擎（ML 模型、策略）和执行通道（控制器），且要解决干预速度与业务安全的矛盾。当前多数现网仅实现“告警+建议”，最终动作多由人工审批后下发。

误读 3：“INT 带内遥测没有成本，随包携带数据即可。” 纠正：INT 会在数据包中插入元数据，增加包长，可能引发 MTU 分片或挤压有效载荷，需要全网升级支持 INT 头解析，部署成本与技术复杂度不低，目前主要用于小范围高性能场景。

最新事件

• 2023 年 9 月：思科宣布以约 280 亿美元收购 Splunk，旨在强化端到端全栈可观测性与安全分析，将 Splunk 平台与 Cisco 遥测数据深度整合（来源：Cisco 官方新闻稿）。
• 2023 年 11 月：Arista 发布 CloudVision 2023 版本，增强基于遥测的拓扑感知与爆炸半径分析，集成 GPU 失联网络故障定位（Arista 年度分析师日）。
• 2024 年 2 月：NVIDIA 宣布 Spectrum-4 交换机大规模量产，提供自适应路由和纳秒级遥测，用于 AI 工厂连接（NVIDIA 2024 财年 Q4 电话会议）。
• 2024 年 3 月：SONiC 社区版本 202311 发布，优化 gNMI 订阅稳定性和遥测压缩功能，强化多厂商 DPU 遥测适配（SONiC GitHub Release Notes）。
• 2024 年 4 月：OpenTelemetry 网络工作组提出 Network Metric Semantic Conventions 草案，统一网络指标、流日志和事件的属性定义（OTel GitHub 仓库）。
• 2024 年 5 月：微软 Ignite 披露 Azure Boost 中 DPU 遥测架构，通过 INT 和队列分析减少尾部延迟，用于 GPT 等大规模推理（Microsoft Azure 官方博客）。
• 2024 年 6 月：Broadcom 在行业会议上介绍 Jericho3-AI 芯片特性，支持深度 INT 和端到端传输质量监控，对比 InfiniBand 强调可见性优势（Broadcom 技术峰会演示）。

跟踪指标

• 设备遥测功能启用率：主流交换机/路由器出货中默认启动 Streaming Telemetry 的百分比（参考厂商财报技术章节、社区调查）。
• gNMI 订阅部署规模：公开案例中的单集群订阅数、节点数，反映生产化程度（如 Netflix、Facebook 有分享相关技术博客）。
• OpenTelemetry 网络贡献者活跃度：GitHub 网络相关仓库的 Commit、PR 数量，衡量标准化进展。
• 芯片代际 INT 支持：Broadcom、NVIDIA、Marvell 等芯片路线图中 INT/带内遥测的堆叠深度、采样精度是否提升。
• 网络 AIOps 初创融资：Crunchbase 等数据中网络智能运维赛道种子轮/A 轮融资笔数与金额，反映资本热度。
• 云厂商自研 DPU 遥测功能开源比例：AWS Nitro、Azure Boost、Google IPU 相关遥测技术对社区的开放程度。
• 标准互操作测试次数：IETF Hackathon、OpenConfig Plugfest 等活动中多厂商互操作测试的结果和覆盖率。

信源

• IETF YANG Push: RFC 8641, RFC 7950
• OpenConfig gNMI Specification: https://github.com/openconfig/gnmi
• P4 INT Specification v2.1: https://p4.org/p4-spec/docs/INT_v2_1.pdf
• Google Streaming Telemetry 系列博客（搜索 “Streaming Telemetry – The Next Generation of Network Monitoring”）
• SONiC Telemetry 文档: https://github.com/sonic-net/SONiC
• Cisco MDT 技术白皮书与 Cisco Live 演讲（BRKARC-3000 等）
• Arista EOS TerminAttr 文档与 CloudVision 发布说明
• Juniper Junos Telemetry Interface 用户指南
• NVIDIA Spectrum-4 与 BlueField DPU 技术简报
• Gartner《Market Guide for Network Performance Monitoring and Diagnostics》（2023 年 12 月）
• IDC《Worldwide ITOA and AIOps Software Forecast, 2023–2027》（2023 年 6 月）
• 650 Group 数据中心交换机市场报告（2023 年 Q4）
• NANOG 社区会议演讲（NANOG 87、88 关于生产遥测的案例）
• OpenTelemetry Network Semantic Conventions: https://github.com/open-telemetry/semantic-conventions