CN102571406B - 数据业务节点质量分析方法、装置及数据业务短板分析系统 - Google Patents
数据业务节点质量分析方法、装置及数据业务短板分析系统 Download PDFInfo
- Publication number
- CN102571406B CN102571406B CN201010624526.9A CN201010624526A CN102571406B CN 102571406 B CN102571406 B CN 102571406B CN 201010624526 A CN201010624526 A CN 201010624526A CN 102571406 B CN102571406 B CN 102571406B
- Authority
- CN
- China
- Prior art keywords
- service node
- kpi index
- index
- kpi
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种数据业务节点质量分析方法、装置及数据业务短板分析系统，其中数据业务节点质量分析方法包括：A、提取业务节点中所有设备的KPI指标；B、对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；C、对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。本发明的数据业务节点质量分析方法、装置及数据业务短板分析系统，使具有相同量纲和相同意义、不同量纲和不同意义的指标之间具有了可比性，以此提高了业务短板分析的准确性；大大缩短分析时间、提高工作效率。
Description
技术领域
本发明涉及一种信息技术，尤其涉及一种数据业务节点质量分析方法、装置及数据业务短板分析系统。
背景技术
数据业务质量下降，会直接影响到用户使用业务的直观感受，因此必须及时定位业务质量劣化原因，提升数据业务服务质量。现有技术中，通常采用手工搜集数据、手工对比分析的方式，即通过话务网管系统查看业务相关的无线网指标变化情况，通过数据网管系统查看核心网及业务平台的相关业务指标变化情况，以找出究竟是哪些指标值下降。
例如用户反映经常打不开网页，现有的解决方法一般是分别去查看WAP网关的失败次数、GGSN的PDP激活失败次数、SGSN的附着失败次数和BSC的PDCH分配失败次数等指标，假设查看结果是WAP网关的请求失败次数非常高、GGSN的PDP激活失败次数也很高，这个时候一般会直接下结论：WAP上网业务的短板在WAP网关。果真如此吗？其实未必，因为用户一旦PDP激活后，即可多次发送页面访问请求，因此计算WAP网关请求成功率的分母比计算PDP激活成功率的分母大，所以WAP网关的失败次数虽然多，不一定WAP网关的请求成功率就低。假设计算后的结果发现WAP网关的请求成功率确实比PDP激活成功率要低，这时也不能下结论：WAP上网业务的短板在WAP网关。因为两个指标的门限定义是不同的，WAP业务请求成功率高低一方面取决于WAP网关本身，另一方面还取决于SP的服务质量，而GGSN的PDP激活成功率高低主要取决于设备本身，因此GGSN的PDP激活成功率的要求就应该比WAP网关的请求成功率高；所以不能直接对这两个指标进行比较。
现有的数据业务管理一般采用“烟囱式”的管理方式，缺少面向业务全流程的横向管理方式。当业务质量下降后，一般会分别去查看各业务节点的关键KPI，但由于这些KPI分别具有不同的量纲、不同的意义，不同的质量要求，无法直接进行横向比较，因此无法准确定位导致业务质量下降的原因究竟位于哪个环节。
发明内容
本发明的目的在于，提供一种数据业务节点质量分析方法、装置及数据业务短板分析系统，快速定位数据业务中的短板，准确获得业务服务质量情况。
为实现上述目的，根据本发明的一个方面，提供一种数据业务节点质量分析方法，包括：
A、提取业务节点中所有设备的KPI指标；
B、对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；
C、对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
为实现上述目的，根据本发明的另一个方面，提供一种数据业务节点质量分析方法，包括：
A、提取计算业务节点中所有设备的KPI指标的所有参数；
B、对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；
C、对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
其中，上述步骤C中，根据业务级别确定每个KPI指标的权重。
为实现上述目的，根据本发明的另一个方面，提供一种数据业务节点质量分析装置，包括：提取模块，用于提取每个业务节点中所有设备的KPI指标；同类聚合模块，用于对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；过渡聚合模块，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
为实现上述目的，根据本发明的另一个方面，提供一种数据业务节点质量分析装置，包括：提取模块，用于提取计算业务节点中所有设备的KPI指标的所有参数；同类聚合模块，用于对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；过渡聚合模块，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
其中，过渡聚合模块包括：得分计算子模块，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分；接通率计算子模块，用于根据每个KPI指标的得分及预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
为实现上述目的，根据本发明的另一个方面，提供一种数据业务短板分析系统，包括：数据业务节点质量分析装置，用于提取业务节点中所有设备的KPI指标；对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；分析装置，用于根据每个业务节点的接通率分析数据业务的短板。
为实现上述目的，根据本发明的另一个方面，提供一种数据业务短板分析系统，包括：数据业务节点质量分析装置，用于提取计算业务节点中所有设备的KPI指标的所有参数；对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；分析装置，用于根据每个业务节点的接通率分析数据业务的短板。
本发明的数据业务节点质量分析方法、装置及数据业务短板分析系统，通过对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，对于具有不同量纲和不同意义的KPI指标则预设的各个KPI指标的权重关系，计算所述业务节点的接通率，通过该接通率来分析业务中的短板。这样，使具有相同量纲和相同意义、不同量纲和不同意义的指标之间具有了可比性，以此提高了业务短板分析的准确性；大大缩短分析时间、提高工作效率；另外，由于可以及时、准确地发现业务中的短板，能够快速的解决用户使用业务过程中出现的问题，提高用户的感受度。
附图说明
图1a是本发明数据业务节点质量分析方法实施例的流程图；
图1b是本发明数据业务节点质量分析方法另一实施例的流程图；
图2是本发明数据业务短板分析的数据流程图；
图3是本发明彩信业务中用户通过界面完成业务流程先后顺序的配置的示意图；
图4是本发明数据业务节点质量分析装置实施例的结构图；
图5是本发明数据业务节点质量分析装置中过渡聚合模块的结构图；
图6是本发明数据业务短板分析系统实施例的结构图；
图7是本发明数据业务短板分析系统实施例的架构图。
具体实施方式
本发明对数据业务短板的分析以数据业务流程为主线，采用同类聚合算法计算各业务节点具有相同量纲，相同意义的指标；然后采用过渡聚合算法计算各业务节点具有不同量纲，不同意义的指标。以下结合附图对本发明进行详细说明。
方法实施例
如图1a所示，本发明数据业务节点质量分析方法实施例包括：
步骤102，提取业务节点中所有设备的KPI指标；
步骤104，对具有相同量纲和相同意义的KPI指标采用同类聚合计算，一般采用求平均值或最差值的计算，得到每个KPI指标的同类聚合值；最差值计算即通过计算确定具有相同量纲和相同意义的KPI指标中最差的KPI指标值；
步骤106，对每个KPI指标的同类聚合值进行过渡聚合计算，即根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
各KPI指标的权重由业务级别决定(业务级别一般可分为：会话级别、后台级别、交互级别、流级别)，对于各KPI指标的权重的设定详见本交底书第8部分。采用过渡聚合算法的优势在于可以使KPI指标尽可能少且直观，以便准确评价业务流程各环节的业务质量，使各环节的业务质量具有可比性。
本实施例的数据业务节点质量分析方法，通过对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，对于具有不同量纲和不同意义的KPI指标则预设的各个KPI指标的权重关系，计算所述业务节点的接通率，通过该接通率来分析业务中的短板。这样，使具有相同量纲和相同意义、不同量纲和不同意义的指标之间具有了可比性，以此提高了业务短板分析的准确性；大大缩短分析时间、提高工作效率；另外，由于可以及时、准确地发现业务中的短板，能够快速的解决用户使用业务过程中出现的问题，提高用户的感受度。
上述对于同一KPI指标的同类聚合计算，也可以首先提取计算该KPI指标的所有参数(该业务节点的所有设备)，直接利用这些参数计算出KPI指标的平均值或最差值。即如图1b所示，该方法包括：
步骤112，提取计算业务节点中所有设备的KPI指标的所有参数；
步骤114，对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；
步骤116的过渡聚合计算与上述步骤106相同。
例如：业务节点有设备1、设备2和设备3，对于该附着成功率指标进行同类聚合计算，设备1附着次数1000，成功次数800；设备2附着次数1000，成功次数900；设备3附着次数1000，成功次数920。
则计算该业务节点附着成功率指标有2种方式：
(1)分别计算每个设备的附着成功率，在将3个设备的附着成功率求平均值，
(800/1000+900/1500+920/1700)÷3＝(80％+60％+54.11％)÷3＝64.70％；
(2)将所有设备的附着请求次数和成功次数分别相加求和，再计算附着成功率，
(800+900+920)÷4200＝62.38％。
可见通过上述2种方式计算的附着成功率指标并不相同，实际计算中，一般采用第二种方法，计算出的指标相对比较准确；因为业务短板分析强调的是业务层面的指标，不是网络层面更不是设备层面的指标，所以只有站在业务的层面对指标进行统计，才能更准确的反映业务服务质量的健康状况。
如图2所示，本发明针对数据业务短板分析的数据流程如下：
(1)首先确定该数据业务的所属业务类别，业务级别一般可分为：会话级别、后台级别、交互级别、流级别等，每种级别队业务质量的要求不同：
A、后台级别：用户在使用该类业务产品时只处于接收地位，业务过程的快慢程度对用户影响较小，用户使用该类业务时往往只关注该业务是否能成功进行；该级别的业务重点关注的是业务各环节的成功率指标；
B、会话级别：用户在使用该类业务产品时需要与服务端进行一定程度的交互操作(用户←→服务器)，业务过程的快慢对用户的体验有较大影响，用户使用该类业务时不仅关心业务操作的成功率还对业务进行过程中所需要等待的时间较为敏感；该级别的业务重点关心的业务各环节的成功率和各网元的交互时延；
C、交互级别：用户在使用该类业务产品时需要通过服务器与其他用户进行大量的信息交互(用户A←→服务器←→用户B)，因此用户在使用该类业务时不仅对业务成功率、时延有较高的要求，还对信息的上传/下载速率有较高的要求，此类业务往往需要给用户带来较高的交互体验；
D、流级别：使用流传输的业务，用户使用此类业务时注重该类业务的顺畅度，该级别的业务重点关心：业务成功率，时延抖动，时延，下载速率等；
(2)根据该类别取定影响该业务的关键因素，即QoE KPI指标，如下表1所示；
表1
(3)根据QoE KPI与各业务节点的KPI的关系映射表，提取各业务节点相应的KPI指标；
QoE KPI与业务平台、设备的KPI关系映射表(以SGSN和WAP GW节点的指标为例)如下表2所示；
表2
(4)提取KPI指标后，对这些指标按照业务节点进行计算，计算过程如上所述，最终得到每个业务节点的质量评价结果；
其中，KPI指标的指标权重评估表(以SGSN业务节点为例)如下表3所示，
表3
SGSN业务节点的整体质量为：所有指标的“评价得分”与“权重”乘积之和；
(5)根据该结果，可以清楚地找到业务短板。
下面，以彩信业务短板分析为例，对短板分析过程进行具体说明：
一、业务流程配置
1)如下图3所示，首先有用户通过界面完成业务流程先后顺序的配置，彩信业务主要经过BSC、SGSN、GGSN、WAP网关、彩信中心和短信中心等6个业务节点；
2)选择每个业务节点下包含的网元，以SGSN业务节点为例，需要包含河北全部的22个SGSN等。具体包含哪些网元根据业务监视范围和业务系统之间的连接关系确定；
3)查询“业务类型定义表”得出彩信属于“交互级别”，交互级别的业务对业务各环节的成功率和时延要求非常高，对丢包率的要求也高；
4)查询“QoE KPI与业务平台、设备的KPI关系映射表”得出每个业务节点需要采集的KPI指标，以SGSN节点为例“成功率”指标需要采集“附着成功率”、“PDP激活成功率”、“路由更新成功率”和“DNS解析成功率”；“时延”指标需要采集“附着请求时延”、“PDP激活时延”、“路由更新时延”和“DNS响应时延”；“丢包率”需要包含“Gn接口丢包率”；
5)添加业务流程描述。
二、单网元的业务质量计算及呈现
在已经确定了数据业务短板的情况下，如果想要具体知道每个环节的多个相同设备中，具体是哪个设备出现了问题，则可以在根据预先设定的各个指标的权重关系，计算每个设备的接通率，再比较这些同类设别中那个出现问题。
1)计算每个网元的业务质量。还以SGSN业务节点为例，分别计算每个SGSN的业务质量，采用过滤聚合算法。以“CZSGSN01”设备为例，采集到的指标值分别为：
成功率指标
| 指标名称 | 附着成功率 | PDP激活成功率 | 路由更新成功率 | DNS解析成功率 |
| 指标值 | 83.19％ | 87.47％ | 97.36％ | 100％ |
时延指标
| 指标名称 | 附着请求时延 | PDP激活时延 | 路由更新时延 | DNS响应时延 |
| 指标值 | 12.17 | 24.41 | 37.42 | 8.67 |
丢包率指标
| 指标名称 | Gn接口丢包率 |
| 指标值 | 0.03％ |
2)根据“指标权重评估表”得出每个指标的主观评价得分，如下表所示
成功率指标得分
| 指标名称 | 附着成功率 | PDP激活成功率 | 路由更新成功率 | DNS解析成功率 |
| 得分 | 85 | 85 | 98 | 100 |
时延指标得分
| 指标名称 | 附着请求时延 | PDP激活时延 | 路由更新时延 | DNS响应时延 |
| 得分 | 98 | 98 | 98 | 98 |
丢包率指标得分
| 指标名称 | Gn接口丢包率 |
| 得分 | 90 |
3)根据“指标权重评估表”计算“CZSGSN01”的整体业务质量。即：85*15％+85*30％+98*10％+100*10％+98*7％+98*10％+98*6％+98*6％+90*6％＝91.87％；
4)可以通过界面图形呈现各业务节点下的网元业务质量，在图中每个业务节点下的柱形分别通过“红、橙、黄、蓝、绿”五种颜色来标识该节点对业务质量的整体要求，图中的每个“黑点”表示一个网元，鼠标放到“黑点“后系统自动提示对应网元的整体业务质量。
三、整体业务质量计算及呈现
1)对每个业务节点下的同一指标进行同类聚合。还以SGSN节点为例，分别计算“附着成功率”、“PDP激活成功率”、“路由更新成功率”、“DNS解析成功率”、“附着请求时延”、“PDP激活时延”、“路由更新时延”、“DNS响应时延”和“Gn接口丢包率“。这里要强调的是在进行“成功率”计算时，不能简单的将22个SGSN的成功率加在一起除以22，而是应该将22个SGSN的成功次数和除以请求次数和。以“附着成功率”指标的计算为例，采集到的指标值如下表4所示，
表4
| 设备名称 | 设备名称 | 附着请求次数 |
| CAZSGSN01 | 23518 | 19032 |
| CAZSGSN02 | 23638 | 16305 |
| CAZSGSN03 | 26506 | 18736 |
| CAZSGSN04 | 19206 | 15387 |
| CAZSGSN05 | 14177 | 11610 |
| TSHSGSN01 | 23976 | 20590 |
| TSHSGSN02 | 34790 | 25025 |
| TSHSGSN03 | 5680 | 4368 |
| TSHSGSN04 | 32486 | 22262 |
| TSHSGSN05 | 27986 | 21959 |
| SJSGSN02 | 56661 | 51639 |
| SJSGSN03 | 96707 | 87887 |
| SJSGSN10 | 28413 | 28235 |
| SJSGSN11 | 151693 | 151633 |
| SJSGSN04 | 130766 | 121002 |
| SJSGSN05 | 109327 | 89686 |
| BDSGSN01 | 81975 | 78605 |
| BDSGSN02 | 64694 | 59425 |
| BDSGSN03 | 69094 | 65479 |
| BDSGSN04 | 105055 | 105020 |
| BDSGSN05 | 164944 | 131392 |
| BDSGSN06 | 28950 | 28945 |
| 合计 | 1320242 | 1174222 |
即SGSN整体附着成功率为1174222/1320242＝88.94％；
2)计算每个业务节点的整体质量。同“单网元的业务质量计算”方法，即仍采用过渡聚合算法，不再类述；
3)可以通过图形界面呈现整体业务质量，即通过曲线的形式将各业务节点的接通率串在一起，通过此图可以快速定位出是哪个环节造成的彩信业务质量下降。由于不同业务节点对业务质量的要求不一致，系统还通过“红、橙、黄、蓝、绿”五种颜色来标识该节点对业务质量的整体要求。
采用上述分析方法，可以将不具有可比性的各指标，通过一种直观的方式展现给业务质量分析人员，使业务短板的分析更准确、更快捷。
装置实施例
如图4所示，本发明数据业务节点质量分析装置实施例包括：
提取模块42，用于提取每个业务节点中所有设备的KPI指标；
同类聚合模块44，用于对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；
过渡聚合模块46，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
其中，如图5所示，过渡聚合模块46包括：得分计算子模块462，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分；接通率计算子模块464，用于根据每个KPI指标的得分及预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
本实施例的数据业务节点质量分析装置，通过对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，对于具有不同量纲和不同意义的KPI指标则预设的各个KPI指标的权重关系，计算所述业务节点的接通率，通过该接通率来分析业务中的短板。这样，使具有相同量纲和相同意义、不同量纲和不同意义的指标之间具有了可比性，以此提高了业务短板分析的准确性；大大缩短分析时间、提高工作效率；另外，由于可以及时、准确地发现业务中的短板，能够快速的解决用户使用业务过程中出现的问题，提高用户的感受度。
另外，本发明数据业务节点质量分析装置实施例中，提取模块42，用于提取计算每个业务节点中所有设备的KPI指标的所有参数；同类聚合模块44，用于对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值。
数据业务节点质量分析装置具体计算过程在上述方法实施例中已经详细说明，在此不再赘述。
系统实施例
如图6所示，本发明数据业务短板分析系统实施例包括：
数据业务节点质量分析装置，用于提取业务节点中所有设备的KPI指标；对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
分析装置，用于根据每个业务节点的接通率分析数据业务的短板。
其中，数据业务节点质量分析装置也可以提取计算业务节点中所有设备的KPI指标的所有参数；对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值。
本实施例的系统，通过对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，对于具有不同量纲和不同意义的KPI指标则预设的各个KPI指标的权重关系，计算所述业务节点的接通率，通过该接通率来分析业务中的短板。这样，使具有相同量纲和相同意义、不同量纲和不同意义的指标之间具有了可比性，以此提高了业务短板分析的准确性；大大缩短分析时间、提高工作效率；另外，由于可以及时、准确地发现业务中的短板，能够快速的解决用户使用业务过程中出现的问题，提高用户的感受度。
具体地，如图7所示，本系统采用了三层架构：
1、数据采集层
数据采集层负责从GPRS流量分析系统采集业务流量识别数据，从No.7信令分析系统采集用户访问信令数据，从业务拨测系统提取业务拨测结果，从各专业网管系统提取网元性能数据等。同时对接口管理模块进行统一、集中管理。数据抽取后，对数据进行格式化，归一化处理。
2、数据管理层
数据管理层位于数据采集层和呈现管理层之间，它主要完成以下功能：
1)业务资源和网络资源的标准化建模，提供业务模型服务和资源模型服务、业务数据服务和资源数据服务等系统关键服务；
2)对原始数据进行清洗，并经过数据模型的组织和整理，形成系统需要的数据；
3)负责完成指标的计算，以及相关数据的关联性匹配；
4)向其它层次的应用提供标准化的数据分析结果和其它管理数据的访问接口；
5)提供数据管理层自身管理的能力，并向外提供接口。
数据管理层在工作时需要与其它功能系统之间进行交互，以完成访问权限管理、日志管理、数据备份与恢复，并融入系统自身管理的体系之中。
3、呈现管理层
呈现管理层位于全业务端到端管理系统的最上层，它主要完成基于不同用户群体的视图关联呈现，包括运维视图和领导视图。
运维视图主要解决的是日常的运维管理活动，包括：业务质量监视、业务短板分析和故障原因诊断等。
领导视图主要解决的是在宏观层面上了解业务总体运行质量、了解全网业务业务运行情况，了解用户使用业务的真实感受等。
应说明的是：以上实施例仅用以说明本发明而非限制，本发明也并不仅限于上述举例，一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围中。
Claims (8)
1.一种数据业务节点质量分析方法，其特征在于，包括：
A、提取业务节点中所有设备的KPI指标；
B、对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；
C、对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
其中，所述C是属于对每个KPI指标的同类聚合值进行过渡聚合计算得到业务节点的接通率。
2.一种数据业务节点质量分析方法，其特征在于，包括：
A、提取计算业务节点中所有设备的KPI指标的所有参数；
B、对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；
C、对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
其中，所述C是属于对每个KPI指标的同类聚合值进行过渡聚合计算得到业务节点的接通率。
3.根据权利要求1或2所述的数据业务节点质量分析方法，其特征在于，所述步骤C中，根据业务级别确定每个KPI指标的权重。
4.一种数据业务节点质量分析装置，其特征在于，包括：
提取模块，用于提取业务节点中所有设备的KPI指标；
同类聚合模块，用于对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；
过渡聚合模块，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
其中，所述过渡聚合模块是属于对每个KPI指标的同类聚合值进行过渡聚合计算得到业务节点的接通率。
5.一种数据业务节点质量分析装置，其特征在于，包括：
提取模块，用于提取计算业务节点中所有设备的KPI指标的所有参数；
同类聚合模块，用于对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；
过渡聚合模块，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
其中，所述过渡聚合模块是属于对每个KPI指标的同类聚合值进行过渡聚合计算得到业务节点的接通率。
6.根据权利要求4或5所述的数据业务节点质量分析装置，其特征在于，所述过渡聚合模块包括：
得分计算子模块，用于对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分；
接通率计算子模块，用于根据每个KPI指标的得分及预设的各个KPI指标的权重关系，计算所述业务节点的接通率。
7.一种数据业务短板分析系统，其特征在于，包括：
数据业务节点质量分析装置，用于提取业务节点中所有设备的KPI指标；对具有相同量纲和相同意义的KPI指标进行求平均值或最差值的计算，得到每个KPI指标的同类聚合值；对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
分析装置，用于根据每个业务节点的接通率分析数据业务的短板；
其中，所述对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率是属于对每个KPI指标的同类聚合值进行过渡聚合计算得到业务节点的接通率。
8.一种数据业务短板分析系统，其特征在于，包括：
数据业务节点质量分析装置，用于提取计算业务节点中所有设备的KPI指标的所有参数；对所述参数分别进行求平均值或最差值的计算，根据得出的各个参数的平均值或最差值计算所述KPI指标的同类聚合值；对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率；
分析装置，用于根据每个业务节点的接通率分析数据业务的短板；
其中，所述对每个KPI指标的同类聚合值，根据预先设定的指标评估表，获得每个KPI指标的得分，再根据预设的各个KPI指标的权重关系，计算所述业务节点的接通率是属于对每个KPI指标的同类聚合值进行过渡聚合计算得到业务节点的接通率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010624526.9A CN102571406B (zh) | 2010-12-30 | 2010-12-30 | 数据业务节点质量分析方法、装置及数据业务短板分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010624526.9A CN102571406B (zh) | 2010-12-30 | 2010-12-30 | 数据业务节点质量分析方法、装置及数据业务短板分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102571406A CN102571406A (zh) | 2012-07-11 |
| CN102571406B true CN102571406B (zh) | 2015-03-11 |
Family
ID=46415935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010624526.9A Active CN102571406B (zh) | 2010-12-30 | 2010-12-30 | 数据业务节点质量分析方法、装置及数据业务短板分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102571406B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103501503B (zh) * | 2013-09-06 | 2016-11-23 | 大唐移动通信设备有限公司 | 一种网络问题分析方法和装置 |
| CN104683998A (zh) * | 2013-12-02 | 2015-06-03 | 中兴通讯股份有限公司 | 业务质量的处理方法及装置 |
| CN105703959B (zh) * | 2016-04-08 | 2019-09-17 | 合一网络技术(北京)有限公司 | 网络设备的分级方法及设备 |
| CN105959312A (zh) * | 2016-07-04 | 2016-09-21 | 合网络技术（北京）有限公司 | 网络设备的分级方法及装置 |
| CN107678905B (zh) * | 2016-08-01 | 2020-08-04 | 大唐移动通信设备有限公司 | 一种监控方法和装置 |
| CN107769848B (zh) * | 2016-08-19 | 2020-02-11 | 国网江苏省电力公司南京供电公司 | 一种检测光纤通道质量的方法及装置 |
| CN108632104B (zh) * | 2017-03-20 | 2021-04-30 | 上海中兴软件有限责任公司 | 一种网络质量评估工具的指标权重验证方法及装置 |
| CN108696368B (zh) | 2017-04-05 | 2021-04-20 | 华为技术有限公司 | 一种网元健康状态的检测方法及设备 |
| CN111324471B (zh) * | 2020-01-22 | 2023-07-21 | 远景智能国际私人投资有限公司 | 服务调整方法、装置、设备及存储介质 |
| CN113468248B (zh) * | 2021-09-06 | 2021-12-21 | 天津中新智冠信息技术有限公司 | 数据统计方法、装置、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101330709A (zh) * | 2008-06-12 | 2008-12-24 | 中国移动通信集团设计院有限公司 | 一种确定数据业务服务质量的方法和装置 |
| CN101783754A (zh) * | 2010-02-23 | 2010-07-21 | 浪潮通信信息系统有限公司 | 一种互联网业务客户感知QoE的测量方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19857822A1 (de) * | 1998-12-15 | 2000-06-29 | Siemens Ag | Verfahren zur Bereitstellung einer stabilen Qualitätsgüte für Datendienste innerhalb eines paketvermittelnden Netzes |
| CN101640609A (zh) * | 2009-08-31 | 2010-02-03 | 北京邮电大学 | 评价通信业务质量指标的方法和装置 |
-
2010
- 2010-12-30 CN CN201010624526.9A patent/CN102571406B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101330709A (zh) * | 2008-06-12 | 2008-12-24 | 中国移动通信集团设计院有限公司 | 一种确定数据业务服务质量的方法和装置 |
| CN101783754A (zh) * | 2010-02-23 | 2010-07-21 | 浪潮通信信息系统有限公司 | 一种互联网业务客户感知QoE的测量方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102571406A (zh) | 2012-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102571406B (zh) | 数据业务节点质量分析方法、装置及数据业务短板分析系统 | |
| CN110312279A (zh) | 一种网络数据的监测方法及装置 | |
| CN109271793B (zh) | 物联网云平台设备类别识别方法及系统 | |
| CN102446171B (zh) | 基于加权平均点进率评测推广关键词质量度的方法与设备 | |
| CN106164945A (zh) | 情景建模和可视化 | |
| CN105721187A (zh) | 一种业务故障诊断方法及装置 | |
| CN102388634B (zh) | 一种流量业务计费方法、装置和系统 | |
| EP3361703B1 (en) | Load balancing method, related device and system | |
| CN105608517B (zh) | 基于流的业务交易性能管理及可视化方法和装置 | |
| CN109672582A (zh) | 全路径监测方法、设备、存储介质及装置 | |
| CN101197875A (zh) | 局数据核查方法及装置 | |
| CN102404126A (zh) | 一种云计算在应用过程中的收费方法 | |
| CN100465918C (zh) | 基于事务处理的性能模型的自动化确认和校准系统和方法 | |
| CN102647299A (zh) | 基于内容分发网络的层次化报警分析方法和系统 | |
| CN107094086A (zh) | 一种信息获取方法和装置 | |
| CN106487612A (zh) | 一种服务器节点监控方法、监控服务器及系统 | |
| CN105873113A (zh) | 无线质量问题定位方法及系统 | |
| CN110162445A (zh) | 基于主机日志及性能指标的主机健康评价方法及装置 | |
| CN105743705A (zh) | 一种基于分级策略的数据中心网络可用性评估方法及评估装置 | |
| WO2015081685A1 (zh) | 业务质量的处理方法及装置 | |
| CN109117341A (zh) | 一种虚拟机的监控方法、装置、设备及介质 | |
| WO2015027954A1 (en) | Management of operational data from multiple data sources | |
| WO2014071776A1 (zh) | 通信业务用户感知度评估方法及系统 | |
| CN106789283A (zh) | 一种互联网业务质量感知分析系统 | |
| CN102158886A (zh) | 通过用户感知信息进行网络运行维护的方法和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |