運營基于NFV的服務和網絡是漸進式通信服務提供商（CSP）的下一個服務重心，然而要實現這個目標并不容易。事實上，CSP表示在構建VNF并且在NFV環境下實際運行VNF都耗費了大量的時間和精力。

NFV正在從技術轉向運行，從如何實現NFV向如何運營NFV演變。其中一個關鍵的挑戰是如何將NFV網絡和服務管理整合到現有的運營中，以便CSP能夠有效地運行當前網絡和NFV云網絡。

我們如何在線以后的網絡和服務上運行NFV？如何確保按需服務？如何提供動態SLA？如果這些問題無法解決，服務提供商就無法將這些服務作為商業服務提供，并且也無法實現向NFV和云網絡的商業案例的轉型。

一個比較大的風險是，NFV將成為一個技術孤島，一個不錯的實驗室項目，但是最終被排除在運營商的服務體系之外。尷尬的是，SDN和NFV的主要驅動因素是服務提供商的關鍵業務導向，即需要快速啟動個性化服務，并能夠運行標準化、可擴展的網絡。

全球超過100家網絡運營商和服務提供商參加了Heavy Reading在2017年第四季度完成的NFV服務保證和分析研究。CSP表示他們正在努力實施NFV，且正在努力脫離組織內部的影響，包括內部知識和軟件技能差距；網絡和IT團隊之間對新需求的意見分歧；如何填補現有IT系統的空白；以及對NFV服務保證所需要的行業方向缺乏明確的指導。

幾乎每個圍繞服務保證的問題都被至少40％的CSP評為巨大/重大挑戰。CSP在運營NFV中評級為“大規模”或“重要”的前五大挑戰包括：

對于已經在網絡中部署NFV的CSP來說，關鍵挑戰包括管理多個VNF廠商之間的互操作性和性能。傳統的接口如移動信令、管理系統和元件管理器（EMS）/配置等都比較落后，而在云端只需要一個VIM管理器就能處理單個VNF的性能。但是，當CSP結合不同廠商的VNF來提供面向用戶的服務時，在實施上存在差距，這些服務需要進行配置、保障和監控，以提供端到端的服務質量。CSP需要具有實時可操作數據的集中平臺來主動管理多個網絡和服務層。

通用CPE平臺逐漸成為真正的服務保障方面的問題，運營商需要超越單一廠商的SD-WAN VNF，從不同的廠商部署多個輕量級VNF（如防火墻、IP PBX、負載均衡器和應用加速）。在這種情況下，CSP將主動測試和監控看做是管理服務質量，解決用戶問題和確保服務在配置或重新配置后準確工作并滿足動態SLA。

服務提供商還希望虛擬探測器或測試代理具有輕量級的小型CPU和內存占用空間，可以實現容器化，因此可以在不中斷實時流量的情況下以非侵入方式進行主動測試。CSP表示一旦部署了VNF，就需要一個高度自動化的涵蓋了訂單管理到重新執行的虛擬圈或生命周期。這必須以一種非常有序的自動化方式進行，并且是一個非常好的引擎，對最終用戶沒有任何明顯的干擾。

62%的CSP認為主動測試非常有價值，特別是在由VNF編排器自動化和驅動的情況下，有很多提供商（如Netrounds）通過API提供編排和閉環保證。

這反應了業界渴望提高網絡的可編程性和自動化，服務提供商也希望通過盡可能少的人工干預來實現服務編排，從而推動自動化和流程改進，進而提供服務。

Netrounds公司產品戰略總監Stefan Vallin博士表示，來自主動測試和監控的數據產生了詳細的實時服務KPI被稱為“小數據”。這些數據本身提供了很大的價值，但是也是大數據和AI成功應用的推動因素。從主動測試和監控中獲得的小數據直接回答了很多重要的服務保障問題。

Stefan Vallin表示：“如果能夠直接衡量服務質量，為什么要從資源層中用不完整的數據來對其進行逆向工程？”

對于以客戶為中心的服務保障，服務提供商需要可視化他們的端到端服務，能夠優先考慮問題并避免影響用戶的錯誤，并減少毫無意義的數據過載。專注于銷售企業服務的CSP擔心之處在于，他們可能會因為用戶或服務影響而無法正確確定優先級的數據，他們希望在將來，他們應該停止實時關注設備警報，而只需要關心服務警報和服務監控，因為MANO將處理策略/重新路由決策。他們將使用大數據分析來進行各層之間的關聯，以進行故障排除和取證，以及根本原因分析。

這能夠實現以更有效的方式管理故障，擺脫人工故障和非時間敏感警報，并專注于使網絡域得到補救并解決問題，同時提高需要的服務級故障阻止或修復，從而自動修復影響用戶的問題。

亞太地區某一級運營商表示：“NFV環境需要恢復用戶服務本身、服務意識、管理用戶的服務，并對這些服務負責。”

總之，服務提供商急需要大數據又需要小數據來有效地運營NFV網絡。在大數據分析、機器學習和人工智能的服務保障中，最顯著的一個功能就是基于相關的高質量數據輸入，而不是來自資源層的大量低級數據。為此，服務提供商開始于VNF廠商合作，實時管理來自VNF的數據量，并對設備提出更強的要求，以提供更少的高質量的數據，從而更好地回答上述問題。

高質量的數據將有助于訓練算法在預測將要發生的事情以防止停機或服務退化。第二個重點是采用新的數據源，可以實時測量實際交付的服務質量，從客戶的角度來看，上述的小數據可以直接為用戶服務提供商提供相關的服務關鍵指標。這是理解用戶眼中的服務質量和體驗的最佳方式，而不是試圖使用資源數據來根據較低層的信息在較高層生成服務KPI。在配置服務、快速回滾服務、以及在關鍵時刻或持續的基礎上實時地體驗用戶需求，這一點非常重要。