iMaster NCE-CampusInsight

• Ermöglicht Administratoren, mehrdimensionale Dateistatistiken basierend auf verschiedenen Ebenen und Bereichen zu nutzen.
• Ermöglicht Administratoren, Probleme beim Netzwerkzugang, Netzwerkengpässe, Gerätestatus und Fehlerpakete aus Perspektive von Gebäuden zu nutzen.
• Netzwerk-Benutzer können basierend auf Gebäuden gesucht werden, wobei Informationen über Gebäude angezeigt werden, an denen die Benutzer in einer spezifischen Zeitperiode vorbeigegangen sind.
• Ermöglicht Administratoren, Topologieansichten zu importieren und AP-Standorte zu planen, um die Fehlerort-Verteilung anzeigen zu lassen.
• Ermöglicht Administratoren, die Funk-Heatmap nach AP-Standort anzusehen.
• Ermöglicht Administratoren, Netzwerkplanungsdaten zu importieren, damit er diese mit den tatsächlichen Netzwerkdaten vergleichen kann.
• Zeigt Spektrumsanalyse-Ergebnisse basierend auf APs, einschließlich kanalübergreifender Statusüberwachung, Wi-Fi-Interferenzquellen und Nicht-Wi-Fi-Interferenzquellen.
• Erstellt ein Wähltestberichte für einen anwenderübergreifenden Netzwerkvergleich in Echtzeit und ermöglicht Administratoren, über Einwähltests bei verschiedenen Apps das Wi-Fi-Netzwerkerlebnis intuitiv zu erfassen.
• Ermöglicht Administratoren, das Benutzererlebnis vollumfänglich nachzuvollziehen, einschließlich wer, wann und mit welchem AP verbunden wurde, einschließlich Probleme.
• Unterstützt Geräteprofile und ermöglicht Administratoren, den Status von Switches und APs zu überprüfen.
• Verfolgt den Netzwerkzugangsp-Prozess nach, einschließlich detaillierter Protokoll-Informationen über die Authentifizierung (unterstützt das 802.1X-Portal und MAC-Adressen) und DHCP-Phasen. Die Protokollinformationen umfassen unter anderen die Interaktions-Ergebnisse und die aufgewendete Zeit. Wenn die Interaktion fehlschlägt, werden ebenfalls die Fehlerursachen angezeigt.
• Analysiert Zusammenhänge bei schlechten Benutzererlebnissen. Wenn sich das Benutzererlebnis verschlechtert, identifiziert CampusInsight die quantifzierten Korrelations-KPIs basierend auf dem KPI-Analyse-Agorithmus, der die Genauigkeit der Ursachen-Identifizierung effizient verbessert.

• Unterstützt die automatische Identifizierung allgemeiner Netzwerkprobleme basierend auf Big Data-Analysen und ML-Algorithmen: Konnektivität, Air Interface-Performance, Roaming, Geräte-Umgebung, Geräte-Kapazität, Netzwerk-Performance und Netzwerkstatus-Probleme. Die Probleme umfassen Fehler bei der Authentifizierung, schlechte Signalabdeckung, Dualband-fähige Clients priorisieren 2,4 G und Netzwerkengpässe.
• Unterstützt das Lernen und die Dynamic Baseline-Erstellung über das Netzwerkverhalten, um Verhaltenstrends vorherzusagen und Ausnahmen durch Datenvergleich erkennen zu können.
• Analysiert die berichteten Daten auf Sekundenebene und erstellt ein Netzwerk-Status-Bewertungssystem aus verschiedenen Perspektiven. CampusInsight bewertet Bereiche basierend auf Indikatorengewichtung, sorgt für eine kontinuierliche Verbesserung des Benutzererlebnisses und verbessert graduell die Netzwerkqualität. Der Dynamic Baseline-Vergleich zwischen dem lokalen Bereich und anderen Bereichen kann für jeden Indikator angezeigt werden. CampusInsight bietet die dazugehörigen Fehleranalyse-Indikatoren und ermöglicht so eine tiefgehende Fehlerursachen-Analyse. Verschiedene Zeiträume oder Bereiche können für Vergleiche und Analysen ausgewählt werden und als Netzwerkstatusberichte in Echtzeit oder regelmäßig per E-Mail an Administratoren gesendet werden.

• Die Fehlerverteilungsa-Asicht ermöglicht Administratoren, die Anzahl der Fehler auf verschiedenen Geräten und die Anzahl der betroffenen Kunden anzeigen zu lassen. So können sich die Administratoren schnell auf die betroffenen Geräte konzentrieren sowie auf die Zeitbereiche, in denen viele Fehler auftreten.
• Die Ansicht Problemauswirkungs-Analyse ermöglicht Administratoren, beeinflussende Faktoren aus vielen Perspektiven herauszufiltern und Ebene für Ebene zu untersuchen, um die Fehlerursache schnell lokalisieren zu können.
• Analysiert die Fehlerursachen und bietet Vorschläge zur Fehlerbehebung.

• Unterstützt verschiedene sekundäre Entwicklungsfähigkeiten basierend auf Datencharakteristika. Die Rohdaten können mit drei Arten von Interfaces geöffnet und in Drittanbieteranwendungen analysiert werden, einschließlich Netzwerk-Betriebs- und Wartungs-Systeme sowie IT-Service-Systeme, damit eine umfassendere Datenanalyse ermöglicht wird.

(1) RESTful NBI: Öffnet Quelldaten (Gerät, Interface, Link und Board-Daten), Statusdaten, Problem- und Status-Bewertungsdaten) und Session-Daten von Geräten für externe Systeme.

(2) SNMP NBI: Sendet Alarmdaten an ein Drittanbietersystem über SNMP.

(3) Kafka NBI: Verarbeitet von CampusInsight gesammelte Daten über Telemetrie durch die API von Kafka.

• Echtzeit-Simulations-Feedback: CampusInsight bewertet Kanalkonflikte bei kabellosen Netzwerken, basierend auf Geräteinformationen auf jeder Etage, und bietet Kalibrierungsvorschläge. (Simulations-Feedback wird nicht unterstützt für Bereiche ohne Etagen-Planung).
• Eine vorausschauende Kalibrierung, basierend auf Big Data, und eine Anzeige des Gewinns nach der Kalibrierung: CampusInsight identifiziert APs unter hoher Arbeitslast und Edge-APs durch KI-Algorithmen basierend auf Big Data, führt eine differenziert Funk-Kalibrierung basierend auf Analyse-Ergebnissen durch und zeigt alle Kalibrierungs-Aufzeichnungen und -Gewinne an. Die Aufzeichnungen umfassen sowohl die intelligente Funk-Kalibrierung als auch lokale Kalibrierungsdaten.

• Identifiziert mehr als 1.000 gebräuchliche Anwendungen, einschließlich Zoom, Microsoft Teams, DingTalk und WeChat.
• Identifiziert vom Administrator definierte Anwendungen.
• Analysiert den netzwerkweiten Anwendungs-Datenverkehr und die Anzahl der Benutzer basierend auf Anwendungen. Zeigt die Anwendungsnutzung jedes Benutzers auf der Client Journey-Seite.
• Sammelt Statistiken über den Anwendungs-Datenverkehr von Interfaces, Geräten und Hosts.

Einschränkungen:

• Nicht verschlüsselte RTP- und TCP-Anwendungen werden in IPv4-Szenarien unterstützt.
• Switches und ACs (außer nativen ACs) von V200R020C10 und höheren Versionen werden unterstützt. Zusätzlich unterstützt diese Version nur Weiterleitungsszenarien und die Anwendungs-Identifizierung oder NetStream müssen auf den Geräten aktiviert sein. Weitere Details zu den Spezifikationen finden Sie im CampusInsight-Spezifikations-Tool.

• Verwendet eine exklusive eMDI-Technologie und KI-Algorithmen, um die Qualität von gebräuchlichen Anwendungen in Echtzeit zu erkennen und Anwendungen mit schlechtem QoE zu identifizieren.
• Nutzt iPCA 2.0, um eine Netzwerkqualitäts-Messung basierend auf den tatsächlichen Service-Flows zu implementieren und zeigt die Service-Flow-Pfade in Echtzeit, einschließlich der Geräte an beiden Enden und der Geräte und Ports, durch die jeder Service-Flow geht. Führt eine Fehlermodus-Analyse über die Pfade durch, um fehlerhafte Geräte oder Ports innerhalb kürzester Zeit zu identifizieren.

Einschränkungen:

• Nicht verschlüsselte RTP- und TCP-Anwendungen werden in IPv4-Szenarien unterstützt.
• Switches und ACs (außer nativen ACs) und APs von V200R020C10 und höheren Versionen werden unterstützt, und eMDI und iPCA 2.0 müssen auf Geräten aktiviert werden. Weitere Details zu den Spezifikationen finden Sie im CampusInsight-Spezifikations-Tool.

• Zeigt die Client-Verteilungs-Heatmap basierend auf dem festgelegten Zeitraum.
• Ermöglicht Nutzern die Standorte aller Endgeräte mit aktiviertem Wi-Fi anzuzeigen, den Standort einzelner Nutzer sowie verfügbare Pfade innerhalb eines spezifischen Zeitraums.
• Anonymisiert MAC-Adressen von Endgeräten.
• Lokalisiert Wi-Fi- und Nicht-Wi-Fi-Interferenzquellen, einschließlich der Identifizierung und Anzeige der Standorte von Interferenzquellen.
• Unterstützt Wi-Fi-Benutzerstandort-Analyse, einschließlich neuer und alter Benutzererkennungs-Statistiken, Frequenzverteilung, Erkennungsdauer-Verteilung, Benutzer-Erfassungsrate und entsprechende Benutzerrate.

Einschränkungen:

• Nur Wi-Fi RSSI-basierte Netzwerk-Positionierung wird unterstützt.
• Nur kabellose Positionierung im Innenbereich wird unterstützt.
• Positionierungsgenauigkeit: < 10 m, 60 % Genauigkeit (unabhängiges Funk-Scanning), 50% Genauigkeit (abhängiges Funk-Scanning); Positionierungs-Verzögerung: < 20s
• Positionierungsdaten können maximal 7 Tage gespeichert werden.