Wi－Fi故障排除和工具集

我们的参与者注意到，用于验证性能的软件或硬件工具集在进行故障排除时也是适用的，因此数据收集拥有涵盖RF、无线网络行为、有线网络和某些数据的数据收集和分析功能。

Leibovitz建议安装应尽可能多地收集操作数据，因为当有大量数据可用时，更容易发现模式。分析功能在这里显得至关重要。

Olla建议检查网络价值链的其余部分是否存在问题，尽管用户认为该问题的定义是“无线”，Chinitz补充说，与最终用户交谈可以产生有价值的见解。

Youssef建议使用独立于所选管理控制台的第三方独立Wi－Fi分析和保证工具，以获得管理控制台之外的第二意见，并获得对不同故障排除策略的访问权限。

Friday表示，实时的基于云的管理堆栈和API访问，可以为最终用户和第三方工具供应商提供更好的自动化和故障排除，从而可以快速开发和部署新的用例。他还指出，自然语言查询系统的可用性，这些系统可以回答与网络领域专家相关的问题，并期望在未来几年内获得更高的速度和准确性。

Perahia建议使用来自不同供应商的第二个AP来测试特别棘手的情况。如果两者的结果都很差，那么很可能是客户的错。他还建议使用包嗅探软件，甚至像Iperf这样的简单基准测试工具也可以用于快速隔离麻烦的客户机、AP和流量类型。

即使在各地企业中广泛使用无线局域网近三十年之后，显然仍有许多工作可以用来增强性能优化和相关的操作元素。

Wi－Fi性能优化的未来趋势

我们采访的Wi－Fi专家表示，他们希望看到更先进的分析工具，包括基于人工智能（AI）和机器学习（ML）的高级功能。这些功能已经能够在操作人员意识到之前自动修复问题。Friday将这些视为自动驾驶网络。

Chinitz讨论了虚拟基准测试，其中涉及在一系列非常大的条件下，在一个专门设计的射频隔离室中测试接入点（甚至可能是客户端设备），然后将结果量化成一个概要文件，以便用于预测实际结果。

根据Perahia的说法，未来的运营绩效分析和优化将取决于直接从客户端设备收集的信息，而不仅仅是基础设施。其原因是波束成形，多用户MIMO和其他技术的使用日益增加，这些技术可导致传统传感器和保证工具在特定传输期间处于RF零点。WLAN芯片组供应商可能需要在此处增强客户端功能，以便收集所需的性能数据。

MacPherson表示，SDN可能会在组织网络的无线部分中的数据收集和优化中发挥越来越大的作用。他还指出，管理控制台界面需要更简单，更精确，并利用AI和ML的兴起。

至少，有一个基本的基准测试服务器，可能像speedtest．net，以及像在AP中实现的iperf一样简单，这样可以很容易地分析给定空中链路的实际性能。从仅知道报告的信令速率开始，这是一个很大的进步，信号速率可以在操作中广泛且快速地变化，并且无论如何在性能优化中用处不大。

（作者： 李雪薇）