CN100388691C - 一种自动定位故障的方法和系统 - Google Patents

Abstract

本发明公开了一种自动定位故障的方法及系统，用于根据系统中的告警事件定位故障发生的原因；该方法为：执行告警相关性分析获得导致告警事件的根源告警；获得可能产生所述根源告警的所有故障原因；并将检测动作的实际检测结果与该检测动作的预期结果进行匹配来确定对应的故障原因是否导致所述告警事件。

Description

一种自动定位故障的方法和系统

技术领域

本发明涉及网络中的故障管理技术，尤其涉及一种自动定位故障的方法及系统。

背景技术

SDH信号具有丰富的段开销，为实现网络的操作维护管理提供了有力的支撑。故障管理作为监视网络运行状况的一个手段在网络维护中起着重要的作用，由于SDH丰富的段开销，SDH网络具有丰富的告警供网络维护人员分析网络运行状况。然而一个故障的发生往往会导致连锁产生告警，经常使网络维护人员陷入告警风暴之中，无法迅速，准确定位故障原因。因此需要一种解决方案使网络维护人员可以迅速有效地排除网络故障。智能故障管理(IFM)可以实现这一目标。IFM根据故障的产生到最终的排除过程，关注三个方面的管理：第一是告警相关性分析(是指分析收到的告警，标识告警之间抑制关系的过程)，在这个阶段需要从网络产生的大量告警中过滤出根源告警(由故障源直接导致的告警，其本身可能导致产生其他告警)；第二是故障自动定位，在这个阶段根据已分析出的根源告警，定位告警产生的原因，真正的故障源位置；第三是故障排除，在这个阶段需要根据故障定位结果，引导客户排除故障。这三个方面实现难度依次递增，告警相关性分析，已经有了基于分析引擎的实现方案，并且应用已日趋成熟；故障排除可以采用基于经验库的策略，目前在IFM体系中还没有成熟的方案；故障自动定位在这三部分中起着承前启后的作用。

参阅图1所示，已有的故障定位是将经过分析后的根源告警送往故障定位模块进行故障定位，在数据库中保存有告警事件到故障原因的映射，这些故障原因罗列了与该告警相关的所有可能原因。故障定位模块只是简单地匹配到告警事件，然后输出导致该告警的所有可能原因，故障定位主要是依靠手工的环回操作，以及维护人员的经验完成。

这种方案实际上没有进行任何故障定位工作，它只是提示给用户告警发生的一些可能原因，具体是哪一种原因还需要维护人员进一步定位。这种方案适用于故障原因与告警事件有比较确定关系的情况，比如单板不在位(BD_STATUS)之类的设备告警，对于业务告警，由于故障原因的不确定性，这种方案对实际操作人员几乎没有任何帮助，还需要依靠维护人员手工的环回操作和经验来定位故障。

发明内容

本发明提供一种自动定位故障的方法及系统，以解决现有的故障定位中因只罗列可能的故障原因而存在需要手工检测和凭经验来定位故障的问题。

一种自动定位故障的方法，根据系统中的告警事件定位故障发生的原因；该方法为：

执行告警相关性分析获得导致告警事件的根源告警；

根据预先设置的故障定位参考表获得可能产生所述根源告警的所有故障原因，所述故障定位参考表包括故障原因列表与告警事件之间映射关系；

根据故障原因列表获得所有故障原因中各故障原因对应的动作检测模式，并执行该检测模式中包含的检测动作，所述故障原因列表包含故障原因与动作检测模式列表的映射关系；以及

将检测动作的实际检测结果与该检测模式中检测动作的预期结果进行匹配；如果匹配不成功，则排除该故障原因，否则确定该故障原因可能导致所述告警事件。

其中：

当检测模式中检测动作的实际检测结果均为未知，或部分实际检测结果为未知而其余与对应的检测动作预期结果匹配时，则确定该故障原因可能导致所述告警事件。

如果一个故障原因对应的多种动作检测模式，只要其中任意一种检测模式的检测动作的实际检测结果与预期结果匹配，则确定该故障原因可能导致所述告警事件。

根据查询预先设置的故障定位参考表获得根源告警的所有故障原因后，通过该所有故障原因形成一个故障原因列表。

所述动作检测模式列表包含一种或多种动作检测模式。

一种故障定位系统，包括：

故障定位数据库，用于存储故障定位参考信息；

相关性分析模块，根据告警事件之间的抑制关系，从输入的告警流中分析出根源告警；

故障定位模块，用于根据所述根源告警从所述故障定位数据库中的故障定位参考表查询所有可能的故障原因及相关信息，并根据故障定位数据库中故障原因与动作检测模式列表的映射关系发出故障检测指示；

故障检测模块，用于根据故障定位模块的故障检测指示向检测设备发起相应的检测动作，并将输出检测结果；

故障匹配模块，在所述故障定位模块的控制下，将故障检测模块输出的检测结果与预期的结果匹配，从所有可能的故障原因中定位出可能导致所述告警的故障原因。

本发明根据告警事件自动查找到产生该告警事件的所有可能故障原因，并通过执行各故障原因的检测手段来从可能的故障原因中确定导致告警的故障原因，无需手工操作进行检测，因而能够大幅度地缩小故障范围，便于用户准确、及时地定位故障原因和故障位置，提高工作效率；通过采用故障定位参考表、故障原因列表和动作检测模式列表等构成故障定位框架，因此，本发明的故障定位方案具有扩充容易和适用性强的特点。

附图说明

图1为现有技术的故障定位示意图；

图2为本发明中故障原因匹配关系示意图；

图3为本发明的定位流程图。

具体实施方式

要实现故障定位自动化，需要在故障发生后有完备的检测手段和通用的故障定位模型。

目前的故障定位主要是依靠手工的环回操作，以及维护人员的经验完成。在本发明中，使单板、主机和网管等共同协作，根据各种不同的故障原因，制定相应的检测手段，然后为网管提供这些检测手段的接口，网管通过这些接口就作进一步的故障定位。根据目前的接口，可以进行定位的告警事件不是很多，主要是光纤信号丢失(R_LOS)以及一些误码告警。虽然可定位的告警事件不多，但是如果能够对这些告警(比如R_LOS)进行有效的故障定位，仍然可以极大提高故障定位的效率。通用的故障定位模型，是指网管必须有一套通用的故障定位机制，这套机制必须兼顾有效性和可扩展性。它必须保证迅速，正确地进行故障定位，同时当出现新的检测手段后，可以很方便地加以扩展，对新告警事件进行故障定位。

故障自动定位的输入是经过告警相关性分析的根源告警，这些告警又可以分为三类，一类是物理设备的告警，这些告警由于其故障原因的确定性不需要自动定位，直接输出告警的原因即可；一类是现阶段无法定位的告警，这类告警由于检测手段的缺乏，目前还不能进行自动定位，对于这些告警也是直接列出其所有可能原因；最后一类是现阶段可以定位告警，对于这类告警将触发自动定位过程。

目前可以进行自动定位的告警有：光纤信号丢失(R_LOS)，B1信号劣化(B1_SD)，B1误码过量(B1_EXC)，B2信号劣化(B2_SD)，B2误码过量(B2_EXC)，B3信号劣化(B3_SD)，B3误码过量(B3_EXC)。以下分别对每个可定位告警的检测进行介绍。

每个检测方案由三部分组成：首先是确定该告警对应的可能的故障原因；然后是针对该告警的检测动作(包括检测动作的结果)；最后是故障原因和检测动作的匹配关系，如果检测动作的结果能够匹配故障原因所在列要求的检测结果模式，那么该故障原因就是一个“可能的故障原因”，如果其中一些检测动作的结果是“未知的”(未知)，而其他检测动作结果匹配，则该故障原因也是一个“可能的故障原因”，对于其他情况该故障原因是一个“不可能的故障原因”，这个关系是故障定位的依据。

1、R_LOS告警

该告警可能的故障原因如表11所示：

表11

对端光板不在位
	对端发光器故障
断纤
	光路衰减过大
本板光模块故障
	对端时钟板故障
对端交叉板故障

该告警的检测动作如表12所示：

表12

检测动作	动作结果
		对端光板是否不在位	[未知，是，否]
对端光口是否有TF告警	[未知，是，否]
		对端光口发送光功率	[未知，正常，低，高，无]
本端光口接收先功率	[未知，正常，低，高，无]
		对端时钟板是否正常	[未知，正常，不正常]
对端交叉板是否正常	[未知，正常，不正常]

该告警的匹配关系如表13所示：

表13

故障原因匹配关系表是故障自动定位的关键，故障自动定位就是通过表中描述的匹配关系决定该原因是否是可能的故障原因。故障原因匹配关系表包含故障原因、检测动作和预期的检测结果。检测动作作为行，故障原因作为列，预期的检测结果作行和列的值。如果检测动作的实际结果能够匹配故障原因所在列要求的检测结果模式，那么该故障原因就是一个“可能的故障原因”。

2、B1_EXC/B1_SD告警

该告警可能的故障原因如表21所示：

表21

对端发光器异常
	光路衰减过大
时钟质量异常

该告警的检测动作如表22所示：

表22

检测动作	动作结果
		对端光口发送光功率	[未知，正常，低，高，无]
本端光口接收光功率	[未知，正常，低，高，无]
		本端时钟板是否正常	[未知，正常，不正常]

该告警的匹配关系如表23所示：

表23

3、B2_EXC/B2_SD告警

该告警可能的故障原因如表31所示：

表31

对端发光器异常

光路衰减过大
	时钟质量异常
单板温度异常

该告警的检测动作如表32所示：

表32

检测动作	动作结果
		B1误码数量是否正常	[未知，正常，不正常]
对端光口发送光功率	[未知，正常，低，高，无]
		本端光口接收光功率	[未知，正常，低，高，无]
本端时钟板是否正常	[未知，正常，不正常]
		单板温度是否正常	[未知，正常，不正常]

该告警的匹配关系如表33所示：

表33

4、B3_EXC/B3_SD告警

该告警可能的故障原因如表41所示：

表41

对端发光器异常
	光路衰减过大
时钟质量异常
	单板温度异常

该告警的检测动作如表42所示：

表42

检测动作	动作结果
		B1误码数量是否正常	[未知，正常，不正常]
对端光口发送光功率	[未知，正常，低，高，无]
		本端光口接收光功率	[未知，正常，低，高，无]
本端时钟板是否正常	[未知，正常，不正常]

单板温度是否正常

[未知，正常，不正常]

该告警的匹配关系如表43所示：

表43

图2为故障定位模型内部描述故障原因匹配关系的信息结构，是故障定位的参考依据。

故障定位参考表(FaultPositionMap)，是告警事件到故障原因列表(FaultReasonList)的映射，每一个告警事件对应一个故障原因列表。如，告警事件1对应故障原因列表1，告警事件2对应故障原因列表2，...。

故障原因列表，包括一系列可能导致告警事件的故障原因(FaultReason)，每种故障原因除了包含该故障原因的详细描述之外，还包括匹配该故障原因的动作检测模式列表(PatternList)。

动作检测模式列表，包括一种或多种动作检测模式(Pattern)，因为一种故障原因有可能对应一种或多种匹配模式。

一种故障原因可能对应一种动作检测模式，是因为许多故障原因都可以通过一个动作检测模式判断出。比如，以表13中R_LOS的故障原因“断纤”为例，“断纤”所在列就构成了一个检测模式，如果判断出：

对端光板在位、对端光口没有TF和对端光口发送光功率正常(三者必须同时满足)，那么这个动作检测模式被匹配了，“断纤”这个故障原因是导致R_LOS告警的一个可能的故障原因。

另一方面，一个故障原因也可能有多种动作检测模式，仍以表13为例，“对端发光器故障”这个故障原因，对应了两列，也就是两个动作检测模式，

检测模式1包括检测动作：对端光板在位和对端光口有TF告警。

检测模式2：包括检测动作：对端光板在位、对端光口没有TF和对端光口发送光功率很低。

这两个模式只要有一个模式完全符合，就可以判定“对端发光器故障”这个故障原因是导致R_LOS告警的一个可能原因。

动作检测模式是一系列检测动作和该动作预期检测结果的列表，检测动作提供了检测函数信息，检测结果指明该模式需要检测动作返回的结果。

为了使图2所示的模型成为通用故障定位框架，故障定位模型内部描述故障原因匹配关系的信息结构可以采用常用的数据库表示，通过数据库提供的接口在故障定位参考表中方便地建立故障定位参考表、故障原因列表、检测模式列表和故障原因匹配关系表；也可对各表进行相应的扩充，以增加更多的故障检测手段。

为了以通用形式表示故障原因匹配关系，也可采用故障原因描述语言(FRD)描述故障原因匹配关系，由解析器将FRD描述的关系转化为如图2所示的内部表示形式，解析器既可以直接编码实现，也可以借助词法分析器(YACC/LEX)实现。通过FRD可以方便地对自动故障定位加以扩展，只要引入故障位置查询函数和故障检测动作函数，通过FRD就可以扩展故障定位的告警事件范围。

参阅图3所示，故障定位系统包括：

故障定位数据库，用于存储故障定位参考信息；

相关性分析模块，根据告警事件之间的抑制关系，从输入的告警流中分析出根源告警；

故障定位模块，用于根据所述根源告警从所述故障定位数据库查询所有可能的故障原因及相关信息，并发出故障检测指示；

故障检测模块，用于根据故障定位模块的故障检测指示向检测设备发起相应的检测动作，并将输出检测结果；

故障匹配模块，在所述故障定位模块的控制下，将故障检测模块输出的检测结果与预期的结果匹配，从所有可能的故障原因中定位出可能导致所述告警的故障原因。

告警流首先进入相关性分析引擎。相关性分析引擎是一个基于规则的引擎，也就是说它根据预定义的分析规则分析告警记录之间的关系。分析规则是根据同步数字系统(SDH)告警的产生机理用来定义告警关系的一套规则，表明了告警间的抑制关系。分析规则可以通过分析引擎提供的接口加载到工作区。工作区定时从分析缓存获取告警流，根据加载的规则进行告警相关性分析。分析引擎最终输出的就是根源告警。分析过程如图3所示。

根源告警然后进入故障定位系统模块，启动故障定位过程如下：

1、故障定位模块首先向数据库查询该根源告警的故障定位参考信息；

2、数据库返回故障定位参考表；

3、故障定位模块根据故障定位参考表，指示故障检测模块向SDH设备发起相应的检测动作；

4、故障检测模块向SDH设备发起检测动作，并接收SDH设备返回的检测动作结果；

5、故障检测模块将检测动作以及结果发给故障匹配模块；

6、故障匹配模块根据检测动作和结果生成动作检测模式匹配表，并通知故障检测模块动作检测模式匹配表构造完成；

7、动作检测模块收到动作检测模式匹配表完成的消息后通知故障定位模块；

8、故障定位模块指示故障匹配模块遍历可能的故障原因；

9、故障匹配模块根据检测模式匹配表生成故障可能原因的列表，并返回给故障定位模块。

最后故障定位模块输出导致告警事件可能的故障原因。

Claims (8)

1.一种自动定位故障的方法，根据系统中的告警事件定位故障发生的原因；其特征在于，包括步骤：

执行告警相关性分析获得导致告警事件的根源告警；

根据预先设置的故障定位参考表获得可能产生所述根源告警的所有故障原因，所述故障定位参考表包括故障原因列表与告警事件之间映射关系；

根据故障原因列表获得所有故障原因中各故障原因对应的动作检测模式，并执行该检测模式中包含的检测动作，所述故障原因列表包含故障原因与动作检测模式列表的映射关系；以及

将检测动作的实际检测结果与该检测模式中检测动作的预期结果进行匹配；如果匹配不成功，则排除该故障原因，否则确定该故障原因可能导致所述告警事件。

2.如权利要求1所述的方法，其特征在于，当检测模式中检测动作的实际检测结果均为未知，或部分实际检测结果为未知而其余与对应的检测动作预期结果匹配时，则确定该故障原因可能导致所述告警事件。

3.如权利要求1所述的方法，其特征在于，如果一个故障原因对应多种动作检测模式，只要其中任意一种检测模式的检测动作的实际检测结果与预期结果匹配，则确定该故障原因可能导致所述告警事件。

4.如权利要求1、2或3所述的方法，其特征在于，根据所述故障定位参考表获得根源告警的所有故障原因后，通过该所有故障原因形成所述故障原因列表。

5.如权利要求4所述的方法，其特征在于，所述动作检测模式列表包含一种或多种动作检测模式。

6.如权利要求1所述的方法，其特征在于，所述根源告警包括：光纤信号丢失R_LOS告警、B1信号劣化B1_SD告警、B1误码过量B1_EXC告警、B2信号劣化B2_SD告警、B2误码过量B2_EXC告警、B3信号劣化B3_SD告警和B3误码过量B3_EXC。

7.一种自动定位故障的系统，包括：故障定位数据库，用于存储故障定位参考信息；相关性分析模块，根据告警事件之间的抑制关系，从输入的告警流中分析出根源告警；其特征在于，还包括：

故障定位模块，用于根据所述根源告警从所述故障定位数据库中的故障定位参考表查询所有可能的故障原因及相关信息，并根据故障定位数据库中故障原因与动作检测模式列表的映射关系发出故障检测指示；

故障检测模块，用于根据故障定位模块的故障检测指示向检测设备发起相应的检测动作，并将输出检测结果；

故障匹配模块，在所述故障定位模块的控制下，将故障检测模块输出的检测结果与预期的结果匹配，从所有可能的故障原因中定位出可能导致所述告警的故障原因。

8.如权利要求7所述的系统，其特征在于，所述故障定位数据库包括：故障定位参考表、故障原因列表和检测模式列表；

所述故障定位参考表包含告警事件与故障原因列表的对应关系；

所述故障原因列表包含故障原因与检测模式列表的对应关系；

所述检测模式列表包含动作检测模式。

Images