现如今，无线技术是首选的、默认的一门技术。在大多数的建筑、校园、地铁热点和广域网的设置中，实现无线非常好的的性能，是IT部门的一个关键目标。

　　由于射频(RF)传播总会涉及到高度的可变性，因此通常难以预测给定装置的精确行为。变量包括操作条件，用户和应用程序流量需求以及各个供应商产品的功能和设置。在考虑移动性，Wi-Fi测试和验证时，其性能评估确实会变得非常复杂。

　　性能变量包括吞吐量、覆盖范围，有时间限制的流量(主要是电话和流视频)、可靠性、安全性、速率等，最重要的是容量，它能够在任何地点和时间满足所有的交通需求。

　　随着Wi-Fi设备的价格/性能比率随着标准、技术和实施的进步而不断提高，许多IT企业采取了一种蛮力方法：只需升级或添加接入点(AP)和Wi-Fi控制器，以太网交换机和相关硬件。

　　遗憾的是，这种方法通常不会优化性能，并且在设备和网络运营专业人员所需的时间方面都是昂贵的。

　　为了找到更好的方法，我们采访了一些专家，得出了一组Wi-Fi性能优化的非常好的实践。我们专注于任何大规模Wi-Fi安装的三个主要阶段：规划和预安装; 安装后功能和性能测试和验证; 并处理临时性能问题(故障排除)。我们还寻求了必要的操作工具集的建议，以及Wi-Fi性能优化的未来方向。

　　被受访者包括Aruba CTO办公室的杰出技术专家Eldad Perahia博士; 来自思科的WLAN高级主管Matthew MacPherson、高级技术市场工程师Jim Florwick和软件测试经理Nilesh Doshi; Ekahau首席执行官Mika Hakala和产品经理Jerry Olla; Extreme Networks产品管理高级总监Mike Leibovitz; 亨利福特健康系统的首席移动架构师Henry Youssef; Mist Systems的联合创始人兼首席技术官Bob Friday; 和octoScope首席技术官Leigh Chinitz博士。

　　Wi-Fi性能优化：规划阶段

　　专家表示，即使在决定特定设备及其后续安装之前，也可以做很多工作来优化解决方案性能并防止操作问题。

　　Hakala建议针对最终用户质量体验(QoE)、容量和延迟进行设计，而不仅仅是覆盖范围。Olla补充说，了解用户位置、密度和应用需求是确保容量的关键。Olla还指出，通过测量物理空间来了解射频行为，可以避免以后出现大量令人头疼的问题。

　　Chinitz建议在实际操作条件和负载下测试各个接入点，可以帮助了解各个AP的局限性以及容量的计算。添加第二个AP可以测试漫游、负载平衡和波段转向，并且在大多数情况下可以显示特定位置的路径丢失和盲区。

　　Youssef表示，在医院这样的潜在困难环境中进行一次“AP-on-a-stick”测试是有用的。他甚至看到内饰涂料对射频性能产生的负面影响。

　　Mist Systems是将室内蓝牙低功耗(BLE)定位技术与室外GPS技术的主要倡导者。Friday认为，适用于室内应用案例的高密度AP间距也有利于优化Wi-Fi部署。

　　Florwick建议对未经许可的频段，Wi-Fi或其他潜在干扰进行初始RF扫描，并相应地选择初始Wi-Fi信道。非常好的信道带宽通常是干扰和信道利用率的函数。

　　Perahia建议，建立预期负荷的分析模型，即使只是使用电子表格，也可用于分析容量假设。

　　Leibovitz表示仔细检查网络的其余部分(不仅限Wi-Fi)的容量、管理和本地服务(如DHCP)，可以避免出现问题，因为线路方面的问题往往会在网络的无线元素中显现出来。同样重要的是，要考虑新兴的、潜在的和预期的流量需求，而不仅仅是当前的流量需求，比如物联网的流量需求。

　　Wi-Fi性能验证

　　我们所有的参与者都同意，安装后的功能测试和性能验证是必不可少的，并且至少应包括在实际操作条件下具有生产应用程序的最小用户样本。

　　Youssef说，他通常会看到与产品相关的更多问题，特别是客户端设备，而不是RF。客户端行为和兼容性的广泛变化很常见，以及诸如驱动程序设置等问题被其他善意的最终用户不适当地更改。他建议对每年部署的空间进行粗略的重新调查，并指出设施组织有时也会为了其他目的而移动或停用AP。

　　Perahia补充道，不恰当的(不合规格)或有缺陷的AP接线可能会导致意外性能下降。

　　Doshi建议在允许用户使用之前对新部署进行alpha测试，测量语音质量和漫游行为等元素。MacPherson建议使用分析工具并利用管理控制台中常用的设施。

　　Leibovitz建议在具有特定最终用户设备的多个位置偶尔进行抽查，即使在看似正常运行的安装中也是如此。

　　Olla指出，文档在部署的所有阶段都至关重要的，在验证功能性能时，即使是观察性注释也可以在验证功能性能时提供可靠的线索。

　　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。