运营基于NFV的服务和网络是进步的通信服务提供商（CSP）的下一个服务重点，但实现这一目标并不容易。事实上，CSP表示花费了大量时间和精力来构建VNF并在NFV环境中实际运行VNF。NFV正在从技术向运营演进，从如何实施NFV到如何运营NFV。关键挑战之一是如何将NFV网络和服务管理集成到现有运营中，以便CSP能够有效运营当前网络和NFV云网络。未来我们如何在网络和服务上运行NFV？我们如何保证按需服务？我们如何提供动态SLA？如果不能解决这些问题，服务提供商将无法将这些服务作为商业服务提供，也无法实现支持NFV和云网络转型的商业案例。一个比较大的风险是，NFV会成为一个技术孤岛，一个很好的实验室项目，但最终会被排除在运营商的服务体系之外。令人尴尬的是，SDN和NFV的主要驱动力是服务提供商的关键业务导向，即需要快速推出个性化服务并能够运行标准化、可扩展的网络。全球100多家网络运营商和服务提供商参与了HeavyReading于2017年第四季度完成的NFV服务保障和分析研究。包括内部知识和软件技能差距；网络和IT团队对新要求的分歧；如何填补现有IT系统的空白；对于服务保障所需的行业方向缺乏明确的指导。至少40%的CSP将几乎所有与服务保证有关的问题都评为重大/重大挑战。CSP在运营NFV方面被评为“大规模”或“重要”的前五项挑战包括：对于已经在其网络中部署NFV的CSP，主要挑战包括跨多个VNF供应商管理互操作性和性能。移动信令、管理系统、网元管理器（EMS）/配置等传统接口相对落后，而云端只需要一个VIM管理器来处理单个VNF的性能。但是，当CSP将来自不同供应商的VNF组合起来以提供面向用户的服务时，需要对其进行配置、保护和监控以提供端到端的服务质量，因此在实施过程中存在差距。CSP需要具有实时可操作数据的集中式平台来主动管理多个网络和服务层。通用CPE平台正在成为真正的服务保障问题，运营商需要超越单一供应商SD-WANVNF，部署来自不同供应商的多个轻量级VNF（例如防火墙、IPPBX、负载均衡器和应用程序加速）。在这种情况下，CSP将主动测试和监控视为管理服务质量、解决用户问题并确保服务准确运行并在配置或重新配置后满足动态SLA。服务提供商还希望虚拟探测器或测试代理具有轻量级、小型CPU和内存占用空间，可以容器化，以便可以在不中断实时流量的情况下以非侵入式方式执行主动测试。CSP表示，一旦部署了VNF，就需要一个高度自动化的虚拟循环或从订单管理到重新执行的生命周期。这必须以非常有序的自动化方式进行，并使用非常好的引擎，而不会对最终用户造成任何明显的干扰。62%的CSP认为主动测试非常有价值，尤其是在由VNF编排器自动化和驱动时，Netrounds等许多提供商通过API提供编排和闭环保证。这反映了业界提高网络可编程性和自动化的愿望，以及服务提供商希望在尽可能少的人工干预下实现服务编排的愿望，从而推动自动化和流程改进以提供服务。根据Netrounds产品战略总监StefanVallin博士的说法，来自主动测试和监控的数据会产生详细的实时服务KPI，称为“小数据”。这些数据本身提供了巨大的价值，同时也是大数据和人工智能成功应用的驱动因素。从主动测试和监控中获得的小数据直接回答了许多重要的服务保证问题。StefanVallin说：“当服务质量可以直接测量时，为什么要从数据不完整的资源层逆向工程服务质量？”对于以客户为中心的服务保证，服务提供商需要可视化他们的端到端服务，这些服务能够确定问题的优先级并避免影响用户的错误，并减少无意义的数据过载。专注于销售企业服务的CSP的担忧是，由于用户或服务的影响，他们可能无法对数据进行适当的优先级排序，他们希望未来不再关注设备实时警报，而只关心服务警报和服务监控，因为MANO将处理策略/重新路由决策。他们将使用大数据分析来关联层以进行故障排除和取证，以及根本原因分析。这使得能够以更有效的方式进行故障管理，摆脱人为故障和非时间敏感警报，并专注于修复网络域和解决问题，同时提高自动修复影响用户的问题所需的服务级别故障预防或修复。亚太地区一家一级运营商表示：“NFV环境需要还原用户服务，服务意识，管理用户服务，并对这些服务负责。”简而言之，服务提供商迫切需要大数据和小数据来有效运营NFV网络。在大数据分析、机器学习和人工智能的服务保障中，最突出的功能之一是基于相关的高质量数据输入，而不是来自资源层的大量低级数据。为此，服务提供商开始与VNF厂商合作，对来自VNF的数据量进行实时管理，对设备提供更少的高质量数据提出更强的要求，从而更好地回答上述问题。高质量的数据将有助于训练算法预测将要发生的事情，以防止停机或服务降级。第二个重点是采用新的数据源，可以实时衡量实际交付的服务质量。站在客户的角度，上述小数据可以直接为用户服务商提供相关的服务关键指标。这是了解用户眼中的服务质量和体验的最好方式，而不是试图利用资源数据，根据下层的信息生成上层的服务KPI。在关键时刻或持续的基础上实时配置服务、快速回滚服务以及实时体验用户需求非常重要。
