無線運維的三大煩惱
1.網絡故障難以重現。很多時候師生反映無線網問題，需要至現場反複确認，很多問題由于無法重現當時情景，導緻無法及時得到處理，從而影響用戶體驗和服務效率；
2.難做的網優參數。無線網的優化相對來說複雜，設計許多層面的知識，同時諸如功率、信道規劃，效果驗證難度大，其他優化參數更是專業而複雜，對于一般高校運維人員來說上手比較繁瑣；
3.難寫的報告。每到年底最頭疼的一件事就是年終的網絡簡報，之所以頭疼其實還是網絡體驗數據難以收集和展現，因為很多時候，單憑文字描述已經很難達到預期效果，如何量化網絡服務水平，将在未來直接制約高校網絡信息部門的工作成果評價。
如何提升無線網用戶體驗
而這三大類煩惱中，網絡優化又是一切的基礎，為什麼這麼說呢？因為之前從網優層次上來說大體分為：網絡規劃、網絡優化及均衡，這三個層次分别對應無線網前期規劃設計階段，無線網使用階段的接入網優、漫遊網優、幹擾網優，流量均衡、負載均衡等。其實這些優化層面本身劃分并沒有問題，但是取得的效果卻不是很讓人滿意。舉個例子：規劃階段，傳統方法将信道按照物理位置規劃後一個一個配置進去，而功率一般就是通過多踩點測試，通過覆蓋區域信号強度進行調整；而網優階段諸如：遠端關聯、漫遊粘滞等對用戶體驗影響較大的問題，都是通過簡單粗暴的參數阈值值一類方法進行操作，實際效果不好。而落到最根本的原因就是無線網缺乏量化的數據評價，也就是說一切的優化操作應該基于廣泛全面的數據支撐，而不是憑感覺、憑經驗。這才是一直以來無線網用戶體驗難有提升空間的原因。
WIS智能運維管理系統，其實筆者更願意稱其為無線網絡質量評價系統。依靠系統形成無線校園網質量評價體系，即通過建立一套完整的由各類指标組成的數據、圖标等組合來對無線校園網的整體運行狀況進行評價。評價基于無線校園網質量評價體系廣泛收集無線數據，依托于數據産生評價指标；優化基于評價指标，針對性地對無線校園網進行優化調整，增強用戶體驗。這個理念其實從東北财經大學一期無線網建設的時候就有過，因為網絡建設隻是開始，最大的工作，最能體現價值的部分是網絡運維。WIS可以稱為智能運維，也可以稱為質量評價系統或是稱為無線網絡大數據分析平台，這說明基于WIS實際大有可為，不僅僅是網絡運維，其實它能夠在學校的信息化進程中發揮更大的作用。
WIS智能運維：全生命周期的服務體系
WIS的智能運維特性體現在它是一個周期閉環的運維體系，從用戶終端、無線設備的24小時網絡體驗數據跟蹤、評估區域體驗、用戶體驗、問題不用重現都能診斷分析問題，這在以前的運維過程中是無法想象的；之後通過機器學習算法，感知各項指标的變化，為用戶提供更加聰明的網絡服務；通過數據收集、自動分析，對各項指标進行綜合比較，列出網絡風險、實現智能網優、優化效果自檢等工作，将運維人員從無線運維的困境中解脫出來。下面我們來看WIS的幾個基本功能。
圖1東北财經大學無線網覆蓋情況這裡是東北财經大學WIS系統的一些截圖，根據學校自身情況，規劃設計區域，從覆蓋效果上進行識别，同時針對特定時段特定設備上的各項性能指标進行全程追蹤，從而發現覆蓋效果不佳等問題。基于用戶上線速度、接入穩定性、正常下線率、上線成功率、漫遊成功率五個重要參數，精準評估用戶上網體驗，量化用戶接入效果。
圖2用戶在線體驗效果
圖3STA終端體驗水平
圖4終端體驗差原因分析如圖2根據用戶吞吐、信号強度、接入速率等諸多因素，精準評估網内用戶體驗，以圖中2016年7月5日數據為例，全網用戶體驗指标平均高于80分。如圖3實現單一終端全周期體驗水平追蹤，精确呈現各項數據指标。如圖4同時基于體驗量化數據形成網絡體驗變差原因分布圖，以7月5日全網數據為例，根據各項指标的分布構成以及相互的關聯關系，可以直觀發現造成網内用戶體驗差的主要原因：時延大、丢包率較高，之後沿着主要原因向下探索發現該類故障出現的具體區域及具體原因，從而針對性地解決無線體驗問題。
完整收集引起用戶體驗差的原因，從而實現一鍵網絡優化，同時提供網絡優化建議及優化前後效果對比。
具體優化手段包括：RRM2.0自動規劃全網信道和功率，無需人工幹預；智能接入，識别遠端關聯終端并且後續優化；智能漫遊，識别和解決漫遊粘滞等問題；接入體驗，關聯認證體驗度量和可靠性提升；應用加速，解決遊戲跳ping，視頻卡頓等問題優化；高度保密會議，一鍵切入“高密”會議模式，解決“高密”區域上網問題。
下面就幾個問題簡單說一下：遠端關聯解決方案，其方法是通過全網的終端探測行為，全天候分析終端是否發生遠端關聯情況，并分析出COV過高或者過低的射頻信号，自動持續調整；漫遊粘滞解決方案，通過WIS平台、分析終端各種接入行為、智能識别終端進入粘滞狀态後，通過引導終端漫遊到最佳AP以達到體驗最佳效果。除此之外引起網絡體驗不同還取決于終端本身，終端行為會因為廠商、支持标準的能力等方面有所不同。終端和無線強相關的特征問題都在陸續識别中。正是通過全網的多維度數據收集及可視化呈現準确的網絡質量水平。
下面以東北财經大學的一個具體智能分析實例來說明。圖5是東北财經大學梓楠樓（主辦公樓）的實際數據，可直觀看到全天用戶上網數量，上下行流量情況等數據。
以梓楠樓7月4日數據為例，可看到在線最高終端數量超過300，最大下行流量超過20Mbps，最大上行流量不足5Mbps。同樣以梓楠樓7月4日數據為例，可以看到全天用戶體驗度量情況，優質用戶占比約30%，良好用戶占比約50%，質量較差用戶占比約20%，整體用戶體驗評分高于80分。同時影響用戶體驗的主要因素為丢包率高、RSSI值低、時延大等問題，針對具體問題制定優化解決方案。
在圖8，我們可以看到全網各區域分時的綜合評分情況，可以看到上午10點中，梓楠樓區域評分出現一定程度的下降，區域變成橙色，點擊區域進行數據向下探索，可以看到分AP接入點的分時評分表，可以看到某台AP在10點鐘評分出現77分，繼續向下探索可看到影響其評分的主要因素是存在大量用戶的關聯失敗事件，繼續向下探索可以看到具體是哪一台AP，發生了何種關聯失敗事件，可以看到引起關聯失敗的主要原因是AP終端數量已滿，針對這種情況，我們就能夠通過增加AP緩解用戶上網壓力了。
另外，WIS是一個智能服務體系，是一個全生命周期的服務體系，從規劃設計階段的WIS雲端，到實施部署階段的WISAPP，到交付驗收階段的WIS客戶端，再到後續運維的WIS大數據分析平台。正是這樣完整的服務體系，讓無線網建設、運維不再是一件難事，讓無線網體驗終于得到量化評估，終于讓我們的報告不再蒼白，未來依托WIS我們仍然大有可為。
圖5梓楠樓用戶流量關系趨勢
圖6梓楠樓終端體驗覆蓋
圖7梓楠樓終端體驗差原因分析
圖8梓楠樓無線體驗深度分析（作者單位為東北财經大學網絡信息管理中心）