Когда ваша сеть выходит из строя, поиск корневой причины обычно занимает часы расследований, при этом необходимо просматривать коррелированные сигналы тревоги, которые часто ведут к симптомам, а не к самой проблеме. Системы анализа корневой причины (RCA) часто строятся на жёстко закодированных правилах, статических порогах и заранее определенных паттернах, которые работают отлично, пока не перестают работать. Независимо от того, вы отлаживаете сбои на уровне сети или ухудшения сервиса, эти жёсткие наборы правил не могут адаптироваться к каскадным сбоям и сложным взаимозависимостям. В этом посте мы демонстрируем нашу архитектуру решения AWS, которая включает в себя цифровую двойника сети с использованием графов и искусственного интеллекта Agentic. Мы также делимся четырьмя шаблонами дизайна рунбука для RCA на основе графов и искусственного интеллекта Agentic на AWS. Наконец, мы демонстрируем, как DOCOMO предоставляет реальное валидацию из своих коммерческих сетей нашего первого шаблона дизайна рунбука, демонстрируя значительное улучшение MTTD с 15 секундами для изоляции сбоев в транспортных и радиодоступных сетях.