2.2 MANO编排工作流

2.2 MANO 编排工作流

本节摘要：MANO 不只是个管理工具，它是一套把网络服务从"描述符模板"变成"运行中实例"的自动化引擎。本节讲清一个网络服务（NS）从 onboard、实例化、运行到终止的完整编排流程，以及监控-分析-决策-执行的闭环自动化怎么让 NFV 实现自愈和自适性扩缩容。

学习目标

阅读完本节，你应当能够：

1. 画出 NS 从 onboard 到终止的完整生命周期
2. 说清 NFVO、VNFM、VIM 在实例化流程里的协作
3. 解释闭环自动化的四个环节
4. 说明扩缩容和自愈的触发逻辑
5. 指出编排工作流里的几个关键决策点

一、问题与直觉

传统网络运维里，部署一个新服务是高度人工的过程：工程师写配置脚本、登录各台设备、按顺序执行、出错了手动排查。一个复杂服务（比如包含防火墙、负载均衡、多个路由器的企业 VPN）可能要几天才能上线，中间任何一个环节出错都得回滚重来。

MANO 的编排工作流就是为了消灭这种人工。它把"怎么部署一个网络服务"编码成描述符（NSD/VNFD），然后由 MANO 自动执行：读模板、分配资源、启动 VNF、配置互联、验证可用。整个过程分钟级完成，出错可自动回滚。这就是"网络即代码"的威力——部署不再是手艺活，而是可重复、可版本化、可自动化的工程。

更进一步，MANO 还能在服务运行期间持续监控，发现负载高了自动扩容、发现故障了自动愈合。这种"闭环自动化"让网络具备了自适应能力，运维人员从"救火队员"变成"策略制定者"。

二、核心原理

2.1 NS 的完整生命周期

一个网络服务（NS，Network Service）在 MANO 管理下，经历这几个阶段：

Onboard（上架）：把 NSD 和相关的 VNFD 上传到 NFVO。这一步是"注册模板"，告诉 MANO"有这么一种网络服务，长这样"。Onboard 后模板存在目录里，可以反复用来创建实例。

实例化（Instantiation）：NFVO 收到实例化请求后，按 NSD 的描述执行部署。这是最核心的流程，下面单独拆开讲。

运行与监控：NS 跑起来后，MANO 持续监控它的健康状态和性能指标（吞吐量、延迟、资源使用率）。监控数据是后续扩缩容和愈合决策的依据。

扩缩容（Scale）：负载变化时，增加或减少 VNF 实例数。比如流量涨了，把 vFirewall 从 2 个实例扩到 4 个。

愈合（Heal）：检测到某个 VNF 故障（崩溃、无响应）时，自动重启或替换它，恢复服务。

终止（Terminate）：业务结束时，按顺序关闭所有 VNF，释放资源。

2.2 实例化的协作流程

实例化是最能体现三组件协作的环节。一个 NS 实例化的完整流程：

这个流程的关键点：

• NFVO 是总指挥：它读 NSD，决定要起哪些 VNF、按什么顺序、怎么互联。
• VNFM 是中层执行：它接收 NFVO 的指令，具体管理每个 VNF 的创建和配置。
• VIM 是底层操作：它实际分配 CPU、内存、网络资源，启动虚拟机或容器。
• 服务链配置在最后：所有 VNF 起来后，NFVO 配置它们之间的流量路径，形成端到端服务。

整个流程全自动，从请求到完成通常几分钟。如果中间某步失败，NFVO 可以自动回滚（销毁已创建的部分），保证不留半成品。

2.3 闭环自动化

实例化是"一次性"的部署，闭环自动化是"持续"的运维。它的核心是四个环节的循环：

监控（Monitor）：持续采集 VNF 和 NS 的运行指标——CPU 使用率、内存占用、网络吞吐、延迟、错误率。数据来源是 VIM 的资源监控和 VNF 自身的功能监控。

分析（Analyze）：判断当前状态是否偏离预期。比如某 vFirewall 的 CPU 持续 90% 以上（过载）、某 vLB 的延迟超过阈值（性能劣化）、某 VNF 心跳停止（故障）。

决策（Decide）：根据分析结果和预设策略，决定采取什么行动。策略是预先定义的——比如"CPU 超过 80% 持续 5 分钟就扩容"、"VNF 无响应就重启"。

执行（Execute）：NFVO/VNFM 执行决策——扩容（加实例）、缩容（减实例）、愈合（重启或替换）、告警（通知运维）。

闭环自动化让网络具备了"自适应"能力。传统网络要运维人员盯着监控、人工判断、手动操作；NFV 的闭环自动化把这套流程自动化了，运维只需预设策略，系统自己应对常见波动。

💡 关键直觉：闭环自动化的价值不是"消灭运维"，而是"把运维从重复劳动升级到策略设计"。运维人员不再处理"CPU 高了赶紧加机器"这种事，而是思考"什么策略下该自动扩容、什么情况下该告警人工介入"。这是运维角色的升级。

2.4 愈合（Heal）的细节

愈合是闭环里最考验工程能力的环节。一个 VNF 故障了，MANO 怎么自动恢复？

检测故障的方式：

• 心跳检测：VIM 定期 ping VNF，无响应判定故障。
• 健康检查：VNFM 调用 VNF 的健康检查接口，返回异常判定故障。
• 性能异常：VNF 还活着但性能指标异常（比如丢包率飙升），可能是软件 bug。

恢复策略（按故障严重程度递进）：

愈合的难点在于"有状态恢复"。如果 VNF 崩溃前正在处理一批流量，简单重启可能丢失状态，导致连接中断。成熟的做法是 VNF 定期把状态检查点（checkpoint）保存到外部存储，重启后从检查点恢复，减少丢失。

三、工程实践要点

3.1 编排策略的设计

闭环自动化的效果，取决于预设策略的质量。设计策略时几个要点：

• 阈值要合理：扩容阈值定太高（如 95%），系统经常过载才响应；定太低（如 50%），频繁扩容浪费资源。要基于实际负载特征调。
• 要有冷却时间：扩容后给系统几分钟稳定期，避免抖动（刚扩容又缩容）。
• 区分自动和人工：常规波动自动处理，异常情况（如持续故障、容量耗尽）要告警人工介入。

3.2 描述符版本管理

NSD/VNFD 是"网络服务的代码"，必须做版本管理：

• 每次修改描述符都要有版本号和变更记录。
• 部署时记录用了哪个版本的描述符，便于回溯。
• 升级时灰度部署（先小范围上新版本，验证没问题再全量）。

把描述符当代码管（Infrastructure as Code），是 NFV 运维成熟度的标志。

⚠️ 常见坑：很多团队初期不重视描述符版本管理，手动改、口头传，等出问题时根本不知道线上跑的是哪个版本、改过什么。NFV 部署规模一上去，没有版本管理就是灾难。从第一天起就要把描述符纳入 Git 管理。

3.3 闭环的局限

闭环自动化能处理常规波动，但有局限：

• 无法处理未知故障模式：策略是预设的，遇到没见过的故障（新型攻击、罕见 bug），系统不知道该怎么响应。
• 过度自动化有风险：如果策略设计不当，自动化可能放大问题（比如错误判断导致疯狂扩容，耗尽资源）。
• 复杂场景仍需人工：跨域故障、根因分析、重大变更，人工介入更稳妥。

理性的做法是：常规波动自动化，异常情况人工介入，两者结合。不要追求"全自动无人值守"——那在复杂网络环境里不现实。

编排章要点

• NS 生命周期六阶段：Onboard、实例化、运行监控、扩缩容、愈合、终止。
• 实例化是三组件协作的核心：NFVO 规划指挥，VNFM 管理每个 VNF，VIM 分配底层资源，最后配置服务链。
• 闭环自动化四环节：监控、分析、决策、执行，让网络自适应常规波动。
• 扩缩容和愈合是闭环的两大应用：前者应对负载变化，后者应对故障。
• 愈合的难点是有状态恢复：状态检查点机制能减少重启时的状态丢失。
• 编排策略要合理设计：阈值合理、有冷却时间、区分自动和人工。
• 描述符必须做版本管理：把它当代码管，是 NFV 运维成熟度的标志。
• 闭环有局限：常规波动自动化，异常情况人工介入，不要盲目追求全自动。

下一章钻进 NFVI——底层基础设施怎么搭建，虚拟化层怎么做资源抽象，硬件加速怎么解决性能瓶颈。

四、一次业务开通的编排分解

图：NS 实例化时序分解

这张时序分解图给了 MANO 三组件一个可复述的协作故事：NFVO 把关全局与回滚，VNFM 管单个 VNF 的出生与体检，VIM 干最重的资源落地活。理解职责边界在故障定位时价值千金——业务开通失败，先按这六步定位卡在哪一步、归哪个组件，而不是三个团队互相拉扯。两处高发故障（互联参数失真、健康检查过浅）值得记住：前者是接口契约问题，后者是探针设计问题，第 5 章会再展开。

五、失败的回滚艺术

编排六步图讲的是成功路径，生产环境里同样重要的是失败路径——回滚的艺术。规则一，越早失败越便宜：校验阶段（步骤一）发现模板错误成本近乎零，资源预留阶段（步骤二）失败只涉及记账回退，实例化后（步骤三以后）失败则要逐台清理半成品；编排器应该把尽可能多的检查前移到校验阶段。规则二，回滚要有明确的所有者：跨组件的失败回滚由 NFVO 主导，它持有全局视图；让 VNFM 或 VIM 自行回滚会导致资源状态不一致的经典事故。规则三，回滚本身要有超时与人工兜底：回滚路径同样可能失败（清理脚本卡死），必须配超时告警与人工介入点，否则"自动回滚变自动挂起"。规则四，半成品状态要可查询：编排失败后的现场（哪些实例已拉起、哪些网络已配置）必须能一键导出，供人工决策"继续清理还是修复推进"。这四条规则合起来是一个工程认知：编排器的可靠性不在成功路径的速度，而在失败路径的完备——演示环境看前者，生产环境活下来靠后者。

补充一个编排六步的时间分布常识：成熟环境里一次标准业务开通的端到端时间，六成耗在实例化与配置段（虚拟机或容器的拉起与初始化）、三成在健康检查与验证段、一成在编排决策本身——知道时间花在哪，才知道优化什么（镜像预热与配置并行化是前两名的提速手段）。