CN103051481B - 网络元件的适应性统一性能管理(aupm)的方法和系统 - Google Patents

网络元件的适应性统一性能管理(aupm)的方法和系统 Download PDF

Info

Publication number
CN103051481B
CN103051481B CN201210585242.2A CN201210585242A CN103051481B CN 103051481 B CN103051481 B CN 103051481B CN 201210585242 A CN201210585242 A CN 201210585242A CN 103051481 B CN103051481 B CN 103051481B
Authority
CN
China
Prior art keywords
network element
cluster
performance
data
characteristic vector
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
Application number
CN201210585242.2A
Other languages
English (en)
Other versions
CN103051481A (zh
Inventor
陈少平
苗家豪
王晓东
陈俊成
肖圣龙
夏华
廖庆华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hong Kong Applied Science and Technology Research Institute ASTRI
Original Assignee
Hong Kong Applied Science and Technology Research Institute ASTRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hong Kong Applied Science and Technology Research Institute ASTRI filed Critical Hong Kong Applied Science and Technology Research Institute ASTRI
Publication of CN103051481A publication Critical patent/CN103051481A/zh
Application granted granted Critical
Publication of CN103051481B publication Critical patent/CN103051481B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/02—Standardisation; Integration
    • H04L41/022—Multivendor or multi-standard integration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/0636—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis based on a decision tree analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

示出了一种系统和方法，其提供适应性统一性能管理(AUPM)架构，以使用适于操作条件的技术与全异的网络元件相互配合，从而提供网络性能适应性根本原因分析(ARCA)。本发明的实施方式的AUPM架构实施基于代理的结构，在该结构中，使用多个代理与全异的网络元件连接并执行与全异的网络元件通信的数据。集中性能管理与代理通信以获取和统一用于性能监测、警报报告和/或根本原因分析的网络元件数据。本文的实施方式的集中性能管理提供的性能监测、警报报告和根本原因分析实施适应性的基于集群的分析，以提供适于接收诸如包括时间变化条件和基于获取内容的结构的各种操作脚本的健全的操作。

Description

网络元件的适应性统一性能管理(AUPM)的方法和系统
技术领域
本发明大体涉及一种网络系统，并且更具体地，涉及网络元件的适应性统一性能管理。
背景技术
现在，使用各种网络提供的无线和/或有线通信链接的很多形式的网络系统获得了广泛应用。尤其是，一般使用网络系统来促进个人和/或设备(例如，计算机、移动电话、个人数字助理(PDA)、平板设备、网络应用设备等)之间的数据、音频、图像和/或其他信息的通信(共同地称为数据通信)。网络通信链接由各种网络配置及其组合提供，例如，公用电话交换网络(PSTN)、蜂窝电话网络、电缆传输网络、个人局域网络(PAN)、局域网络(LAN)、城域网络(MAN)、广域网络(WAN)、因特网等。
用于提供促进数据通信的网络配置的基础设施可能在其管理上出现重要的挑战。例如，典型的宽带无线接入(BWA)网络(在该网络中，设置诸如计算机、智能电话和PDA的各种基于移动处理器的设备来用于宽带数据通信)通常包含大量的在地理上分散的网络元件(例如，基站、存取点、移动管理实体、网关、路由器、交换器等)，该网络元件一般由不同的制造商提供。虽然不同的制造商可能提供一个集中装置，通过该装置，可以从它们各自的网络元件收集操作数据以供网络操作者分析和管理这些网络元件，但是，管理来自不同制造商的网络元件一般需要不同的网络元件管理装置。也就是说，在此之前，网络元件管理装置未提供统一用于所有或大量不同的网络元件(即，来自不同制造商或提供不同或专用管理数据接口的网络元件)的性能管理方案。
除了无法提供统一的性能管理方案之外，现在可用的网络元件管理装置提供相对简单的警报条件类型模式。例如，很多卖家的网络元件管理方案提供固定的阈值用于被监控的参数，其中如果确定被监控的参数已经越过了对应的阈值，相关的警报条件就会启动。这种固定阈值的使用不能够提供对时间变化情况的适应性，例如，经常经历无线通信链接的时间变化环境和信道条件。此外，通过使用这种阈值触发的警报提供网络操作表现的通知，但是不能够提供引起问题的任何根源的表示。因此，留下网络管理人员继续工作于多个不同的网络元件管理装置和与它们各自的网络元件有关的任何警报消息，从而冥思苦想网络操作和管理其性能。
发明内容
本发明涉及一种系统和方法，其提供适应性统一性能管理(AUPM)架构，以使用适于操作条件(例如，时间变化条件)的技术与全异的网络元件(例如，来自不同制造商的网络元件、具有不同或专用管理数据接口的网络元件等)相互配合，从而提供网络性能适应性根本原因分析(ARCA)。本发明的实施方式的AUPM架构实施基于代理的结构，在该结构中，使用多个代理与全异的网络元件连接并执行与全异的网络元件通信的数据。集中性能管理与代理通信以获取和统一用于性能监测、警报报告和/或根本原因分析的网络元件数据。本文的实施方式的集中性能管理提供的性能监测、警报报告和根本原因分析实施适应性分析，以提供适于接收诸如可以包括时间变化条件和基于获取内容的结构的各种操作脚本的健全的操作。
本发明的实施方式的AUPM架构的结构包括多层数据收集、聚合和分析结构。例如，实施方式的多层结构包括多网络元件(MNE)数据分离器层、性能监测层和ARCA层。至少一部分的MNE数据分离器层由本发明的实施方式的前述的代理实施。性能监测层和ARCA层以及可能的一部分MNE数据分离器层由根据本发明的实施方式的前述的集中性能管理实施。
实施方式的MNE数据分离器层实施数据收集引擎，以与全异的网络元件交互并提供与全异的网络元件通信的数据。MNE数据分离器层优选地处理数据收集引擎收集的与全异的网络元件相关联的数据，以提供一个或多个共用数据模式，其可以用于AUPM架构提供的不同的性能监测应用。
实施方式的性能监测层用于询问和关联MNE数据分离器层提供的数据，以提供端对端的网络性能监测。性能监测层优选地访问和分析来自前述共用数据模式的数据，以用于诸如警报报告、根本原因分析等的性能管理操作中。例如，实施方式的性能监测层处理从各种网络元件获取的数据，以生成表示网络的特定方面的性能的特征向量(例如，干扰特征向量、覆盖孔特征向量、网络阻塞特征向量等)。
实施方式的ARCA层用于性能监测层提供的数据，以分析网络性能的方面并提供根本原因和/或严重度信息。例如，本文的实施方式的ARCA层实施基于集群的分析技术，以例如通过前述特征向量的分析来确定网络性能的各种方面的根本原因和/或严重度。本发明的实施方式的ARCA层实施的分析技术适于操作条件，例如通过使用适应性的中心点基于集群的分析技术，以提供健全的分析和性能管理。
应该理解，本文的实施方式的AUPM架构的多层结构可以包括除了前述之外的或前述替换的功能(无论是否设置在附加/备选层中和/或由前述层中的一层或多层提供)。例如，AUPM架构多层结构可以包括诸如在ARCA层中或除此之外的警报报告功能。
前述已经相当广泛地列出了本发明的特征和技术优点，以使本发明的下列详细描述可以被更好地理解。在下文中将描述本发明的附加的特征和优点，其形成了本发明的权利要求的主题。所属领域技术人员应该理解，可以将所公开的概念和具体实施方式容易地用作修改或设计实现本发明的相同目的的其他结构的基础。所属领域技术人员还应该容易理解这种等效构造并未背离所附权利要求书所阐述的本发明的精神和范围。在结合附图考虑时，将从下列描述中更好地理解作为本发明的性质的新颖性特征以及进一步的目的和优点，本发明的性质和新颖性特征均与操作的组织和方法有关。但是，应该清楚地理解，每幅附图仅出于图示和描述的目的而提供，并不旨在作为对本发明的限制性限定。
附图说明
为了更完整地理解本发明，现在结合附图参考下列说明，在附图中：
图1示出了根据本发明的实施方式的系统，在该系统中，适应性统一性能管理(AUPM)架构耦接至网络基础设施以提供性能管理；
图2示出了图1的AUPM架构的实施方式的多层数据收集、聚合和分析结构；
图3A示出了与示例性条件关联的性能参数表现；
图3B示出了性能指标监测图，其示出了根据本发明的实施方式的示例性性能参数的监测；
图4示出了特征向量集群图，其示出了根据本发明的实施方式的根本原因分析；
图5示出了根据本发明的实施方式的用于训练操作以初始地确定表示特定情况或条件的集群的中心点的流程图；
图6示出了使用群集提供根本原因分析的操作的流程图；
图7A示出了性能指标监测图，其示出了根据本发明的实施方式的示例性性能参数的监测；以及
图7B示出了特征向量集群图，其示出了根据本发明的实施方式的严重度分析。
具体实施方式
图1示出了系统100，在该系统中，本发明的实施方式的适应性统一性能管理(AUPM)架构110耦接至网络基础设施120以提供根据本文概念的性能管理。网络基础设施120可以提供各种网络配置及其组合，例如，PSTN、蜂窝电话网络、电缆传输网络、PAN、LAN、MAN、WAN、因特网等，并且可以利用无线和/或有线链接提供网络通信。作为一个例子，网络基础设施120提供的网络可以包括宽带无线接入(BWA)网络，其可操作于提供与多个移动和其他终端(例如，用户设备121a-121c例如可以包括计算机、智能电话、PDA、平板设备、网络应用设备等)的宽带无线数据通信。
图示的实施方式的网络基础设施120由各种网络元件组成，例如可以提供不同形式的网络连通性(例如，蜂窝通信基础设施、互联网协议(IP)网络基础设施、无线IP网络基础设施等)和/或不同的连通性功能(例如，网关、路由器、交换机、接入点、基站等)。例如，基站122a-122c(例如，增强型节点B)、服务网关(SGW)123a-123b和路由器124a-124b可以包括接入网络部分(例如，蜂窝网络)的一部分，路由器125a-125b(例如，多协议标签交换(MPLS)路由器)可以包括骨干网(例如，回程网络)的一部分，控制节点126a(例如，移动管理实体)和网关127a-127b(例如，SGW、分组数据网络网关(PGW)等)可以包括分组核心网络部分(例如，长期演进(LTE)封包核心(EPC)网络)的一部分。在操作中，这些各种网络部分的网络元件可以例如协作以提供用于将宽带网络通信传递给各种终端(例如，用户设备121a-121c)的BWA网络配置。
各种不同形式的网络基础设施的出现给性能管理提出了挑战，原因在于基础设施功能和操作上的不同。此外，除了网络基础设施包括不同形式的网络连通性和/或不同的连通性功能之外，网络元件可以由不同的制造商制造，从而利用不同的(例如，专用的)数据接口等。因此，来自网络基础设施120的各种网络元件的数据的统一收集和使用一般不会被自然地支持，使得网络的端对端监测和性能管理困难。
图示的实施方式的AUPM架构110包括基于代理的结构，其适于与网络基础设施120的全异的网络元件(例如，来自不同制造商的网络元件，具有不同的或专用的管理数据接口的网络元件等)交互以促进用于网络监测和性能管理的网络元件数据的统一收集和使用。因此，AUPM架构110的图示的实施方式实施基于代理的结构，在该结构中，代理服务器111a-111c与网络基础设施120的相应的网络元件通信。实施方式的代理服务器111a-111c用来连接至网络基础设施120的全异的网络元件中相关联的网络元件并且与之进行数据通信。应该理解，可以通过网络基础设施120的一个或多个其他网络元件而不是与被提供通信的特定代理服务器相关联的网络元件使用网络链接，提供代理服务器和与代理服务器相关联的网络元件之间的通信。根据实施方式使用与代理服务器111a-111c通信的集中性能管理服务器112来获得和统一来自代理服务器的网络元件数据，以提供性能监测、警报报告和/或根本原因分析。
应该理解，除了前述的代理服务器和集中性能管理服务器之外或在其替代方式中，AUPM架构110可以包括基础设施。例如，实施方式的AUPM架构110包括一个或多个数据库(例如，在图示实施方式中的数据库113)，所述数据库可以例如由代理服务器111a-111c使用以存储数据收集文件、网络元件数据等，和/或由集中性能管理服务器112使用以存储共用数据模式、特征向量数据、根本原因分析数据等。虽然将数据库113图示为设置在代理服务器111a-111c和集中性能管理服务器112的外部，但是这样的数据库也可以设置在根据实施方式的AUPM架构110的任何或所有这种服务器和/或其他系统的内部。
实施方式的代理服务器111a-111c、集中性能管理服务器112和数据库113可以包括基于处理器的系统，其可以在指令集(例如，软件、固件等)的控制下操作以提供如本文所述的操作。这种基于处理器的系统可以包括基于通用目的的处理器的系统(例如，基于IntelCORE系列处理器的计算机系统)，其具有适当的存储器(例如，随机存取存储器(RAM)、只读存储器(ROM)、磁盘存储器、光盘存储器、闪存等)和用于执行本文所述功能的输入/输出(例如，网络接口卡(NIC)、键盘、数字转换器、显示器、音频发生器、打印机等)。附加地或备用地，这种基于处理器的系统可以包括基于专用目的的处理器的系统(例如，基于专用集成电路(ASIC)的系统、现场可编程门阵列(FPGA)等)，其具有执行本文所述功能必要的外围电路(例如，存储器、输入/输出等)。因此，本发明的元件可以包括执行本文所述的任务的程序或代码段。程序或代码段能够存储在处理器可读或计算机可读的媒介中，例如前述的RAM、ROM、磁盘存储器、光盘存储器、闪存等。
AUPM架构110的实施方式的代理服务器111a-111c均适于与网络架构120中发现的全异的网络元件的特定网络元件类型或结构交互，以促进网络元件数据的收集和使用。例如，代理服务器111a可以实施与网络元件的第一子集兼容的一个或多个网络元件数据模式和数据收集文件(例如，来自相同制造商的网络元件、实施相同数据接口的网络元件、实施相同通信协议的网络元件等)(第一子集例如可以包括用户设备121a-121c、基站122a-122c和服务网关123a-123b)，以连接至网络基础设施120网络元件的该子集并执行与该子集通信的数据。因此，代理服务器111b可以实施与网络元件的第二子集兼容的一个或多个网络元件数据模式和数据收集文件(第二子集例如可以包括路由器124a-124b和路由器125a-125b)，以连接至网络基础设施120网络元件的该子集并执行与该子集通信的数据。相似地，代理服务器111c可以实施与网络元件的第三子集(例如，路由器125a-125d、控制节点126a和网关127a-127b)兼容的一个或多个网络元件数据模式和数据收集文件，以连接至网络基础设施120网络元件的该子集并执行与该子集通信的数据。
应该理解，根据本发明的实施方式实施的代理可以提供与所有或不到所有的任何特定网络元件子集的通信。例如，提供与特定类型的网络元件或特定制造商的网络元件通信的代理服务器不需要与网络基础设施中的这种网络元件的所有例程通信。通过使用每个都与特定类型或特定制造商的网络元件的一部分通信的多个代理服务器容易地容纳比例，其中多个这样的网络元件出现在网络基础设施中。此外，如从前述和图示实施方式中理解的那样，根据本发明的实施方式实施的多个代理可以提供与特定网络元件子集的通信。例如，多个代理服务器可以提供与特定类型或来自特定制造商的网络元件的通信。此外，多个代理服务器可以提供与根据本文的实施方式的相同网络元件的通信(例如，实施不同数据收集文件的代理服务器均可以与相同的网络元件通信)。
在操作中，根据本发明的实施方式实施的代理适于与网络元件的相关联的子集通信，以从其获得网络元件数据、存储网络元件数据、聚合网络元件数据等。例如，图示实施方式的代理服务器111a-111c可以与网络基础设施120的网络元件的相关联的子集通信，以接收网络元件报告的各种信息和/或询问或收获来自网络元件的各种信息，其中接收和/或询问的网络信息可以包括周期性或非周期性的性能报告、警报消息、状态报告等。此外，根据本发明的实施方式实施的代理适于与网络元件的相关联子集通信，以向网络元件提供信息。例如，图示实施方式的代理服务器111a-111c可以与网络基础设施120的网络元件的相关联子集通信，以向网络元件提供各种信息，其中该信息可以包括控制命令、结构设置、网络元件数据等。
AUPM架构110的实施方式的集中性能管理服务器112适于与代理通信以从获取和统一来自代理服务器的网络元件数据，从而提供根据实施方式的性能监测、警报报告和/或根本原因分析。例如，图示实施方式的集中性能管理服务器112可以与代理服务器111a-111c通信以收集适当的网络元件数据并根据全异的网络元件的网络元件数据产生共用数据模式。集中性能管理服务器112可以用于分析共用数据模式的数据，从而提供性能监测、警报报告和根本原因分析功能。由实施方式的集中性能管理服务器112提供的性能监测、警报报告和根本原因分析实施适应性分析，以提供适于接收各种操作脚本的健全的操作，操作脚本例如可以包括时间变化条件和基于获取内容的结构。此外，本文实施方式的集中性能管理服务器112适于与代理通信，以提供将与网络元件通信的信息。例如，集中性能管理服务器112可以通过代理服务器111a-111c提供各种信息给网络元件，其中这种信息可以包括控制命令、结构设置、网络元件数据等。
图2示出了AUPM架构110实施方式的多层数据收集、聚合和分析结构。图2中图示的实施方式的多层结构包括多网络设备(MNE)数据分离器层250、性能监测层260和适应性根本原因分析(ARCA)层270。在本发明的实施方式中，MNE数据分离器层250的一部分由代理服务器111a-111c(例如，可在基于处理器的代理服务器系统下操作的计算机可执行代码)实施，而MNE数据分离器层250的一部分、性能监测层260和ARCA层270由集中性能管理服务器112(例如，可在基于处理器的性能管理服务器系统下操作的计算机可执行代码)实施。应该理解，图示实施方式的数据模式252a-252c和共用数据模式253a-253b可以存储在一个或多个数据库中，例如图1的数据库113、一个或多个代理服务器111a-111c的数据库、集中性能管理服务器112的数据库等。
利用适于操作条件(例如，时间变化条件)的技术来提供网络性能适应性根本原因分析操作，AUPM架构110的图示实施方式的多层结构的各个层相互协作以与全异的网络元件(这里表示为网络元件220a-220c)交互。应该理解，图2中示出的网络元件220a-220c包括来自不同制造商的网络元件、具有不同或专用管理数据接口的网络元件等(即，全异的网络元件)，因此可以对应于图1的任何或所有的网络元件(例如，用户设备121a-121c、基站122a-122c、路由器124a-124b、路由器125a-125d、控制节点126a和/或网关127a-127b)。
实施方式的MNE数据分离器层250实施用于与全异的网络元件交互并提供与全异的网络元件通信的数据的数据收集引擎251。在操作中，实施方式的MNE数据分离器层250处理与全异的网络元件相关联的数据，以提供一个或多个共用数据模式(在这里表示为共用数据模式253a-253b)。由MNE数据分离器层250提供的共用数据模式可以用于由AUPM架构110的性能监测层260提供的不同的性能监测应用。
为了促进数据集成引擎251与全异的网络元件交互并执行与全异的网络元件通信的数据，图示实施方式的MNE数据分离器层250包括代码和数据库发生器254、数据收集文件255和数据模式252a-252c。实施方式的代码和数据库发生器254使用专用于特定网络元件或网络元件分组的信息(例如，网络元件类型、特定制造商的网络元件等)(该信息例如可以由管理信息库(MIB)256和网络元件元数据257提供)，以产生专用于特定网络元件的数据模式(例如，数据模式252a-252c)，用于特定网络元件的网络元件数据由数据收集引擎251根据数据收集文件255(也由实施方式的代码和数据库发生器254提供)收集。因此，代码和数据库发生器254可以基于网络元件元数据和MIB产生数据库模式(例如，数据模式252a-252c)和数据收集文件(例如，数据收集文件255)。
根据实施方式使用的MIB256限定如下所述的参数：可以被轮询或从对应的网络元件获取和/或推入或提供至对应的网络元件(例如，用于为网络元件限定简单的网络管理协议(SNMP)的数据格式)。根据实施方式使用的网络元件元数据257包括限定的数据以描述用于执行本文所述的检测的MIB特性的特征，例如从特定网络元件或网络元件分组轮询的参数。
实施方式的代码和数据库发生器254使用前述MIB和网络元件元数据，以自动地生成用于指令数据收集引擎251如何收集期望的网络元件数据的数据库模式和数据收集文件。例如，产生的数据库模式可以将数据模式252a-252c的任何特定数据库限定成包括将从网络元件收集以用于特定性能监测任务的特定参数等。产生的数据收集文件255的数据收集文件可以限定下述指令：可用于告诉数据收集引擎251根据对应的数据库模式将从网络元件收集哪些数据，而且还告诉数据收集引擎251将收集的数据存储在哪个数据模式中以及存储在数据模式的哪个位置。此外，根据本文实施方式产生的数据收集文件的指令还可以限定何时和在什么样的环境下收集数据(例如，周期性地、非周期性地、在发生事件时等)，例如可以表示在网络元件元数据257中。
可以进一步地将根据数据收集文件255的指令通过数据收集引擎251存储在数据模式252a-252c的适当模式中的网络元件特定数据聚合并变换成非卖家专用、非网络元件类型的特定的共用数据模式。例如，MNE数据分离器层250优选地处理与全异的网络元件相关联的由数据收集引擎251收集的数据，以提供可以用于由AUPM架构110提供的不同性能监测应用的一个或多个共用数据模式(在这里表示为共用数据模式253a-253b)。在根据本发明的实施方式的操作中，通过将来自网络元件专用数据模式的编程的映射和转换用到带有聚合的通用表现中而将来自全异的网络元件的数据转换为共用数据模式。用在实施方式的编程的映射和转换中的特定逻辑取决于上层性能监测需求和需要。例如，如果测量潜伏期并将其以毫秒(ms)为单位用在上层性能监测中(例如，为了计算其他成本功能)，那么可以通过将微秒(μs)映射到毫秒(ms)来转换提供以微秒(μs)为单位的值的那些网络元件。接着，可以将产生的转换数据存储到共用数据模式中。
在根据实施方式的操作中，性能监测层260询问(例如，使用数据询问引擎262)和关联或处理(例如，使用性能监测逻辑261)MNE数据分离器层250的数据收集引擎251提供的网络元件数据，以提供端对端的网络性能监测。性能监测层260优选地访问和分析来自共用数据模式253a-253b的数据以用于执行性能管理操作，例如，警报报告(例如，可以由警报报告逻辑272提供)、根本原因分析(例如，可以由ARCA逻辑271提供)等。例如，实施方式的性能监测层260可以处理从各种网络元件获得的数据，以产生表示网络的特定方面的性能的特征向量(例如，干扰特征向量、覆盖孔特征向量、网络阻塞特征向量等)，如以下进一步详细讨论。性能监测逻辑261的数据处理优选地基于不同的性能监测应用(例如，如果测量数据潜伏期，则可以利用相应的规则以聚合用于数据潜伏期的数据和特征向量，如果测量干扰等级，则可以利用相应的规则以聚合用于干扰等级的数据和特征向量)。因此，性能监测逻辑261的实施方式将实施与如何根据将执行的性能监测功能聚合数据和/或如何转换数据有关的不同指令。
实施方式的ARCA层270用于性能监测层260提供的数据，以分析网络性能的方面并提供根本原因和/或严重度分析。例如，例如通过前述特征向量的分析，ARCA逻辑271可以实施基于群集的分析技术以确定网络性能的各个方面的根本原因和/或严重度，如下进一步详细描述。例如通过使用基于适应性中心点集群的分析技术，由本发明的实施方式的ARCA层270实施的分析技术适于操作条件，以提供健全的分析和性能管理。
如可以在图2图示的实施方式中所见，除了前述方案之外或在前述的备选方案中，本文实施方式的AUPM架构110的多层结构可以包括功能性(无论是否提供在附加/备选层中和/或由前述层中的一层或多层提供)。具体地，图示实施方式的AUPM架构110的ARCA层270包括由警报报告逻辑272提供的警报报告功能性。
实施方式的警报报告逻辑272用于由性能监测层260提供的数据，以分析网络性能的方面并提供警报报告(例如，通知的发出，例如email警报、短报文服务(SMS)警报、IP协议消息、控制操纵台处的警报消息的显示等)。这种警报报告可以基于阈值分析，例如可以包括将性能监测层260提供的参数或特征向量与一个或多个警报阈值比较。附加地或备选地，这种警报报告可以实施适应性分析，以提供适于接收各种操作脚本的健全的操作，例如可以包括时间变化条件和基于获取内容的结构。例如，通过前述特征向量的分析，本文实施方式的警报报告逻辑272实施基于集群的分析技术以确定警报条件。
为了帮助理解根据本发明的实施方式实施的适应性分析，在本文中将用两个无线情况(例如，高度干扰和覆盖孔)作为例子。应该理解，本发明的概念并不限于特定数量的性能参数、特定的性能参数或在本文给出的例子中提到的性能情况。
使用射频(RF)统计和测量，可以观察到不同性能指标展现不同无线情况下的可预测的性能表现。例如，如图3A中所示，前述的高度干扰情况可能伴随有载波与干扰和噪声比(CINR)降低、接收到的信号强度指示器(RSSI)增加和误码率(BER)增加。相似地，也如图3A中所示，前述的覆盖孔情况可以伴随有CINR降低、RSSI降低和BER增加。因此，作为无线接收器运行的网络元件(例如，图1的用户设备121a-121c和基站122a-122c等中任一个)的性能指标的测量可以不仅用来检测性能衰退(例如，可以用来报告警报条件)，还可以用来识别性能衰退的根本原因(例如，可以用来管理网络元件以提供改进的性能)。
图3B的性能指标监测图图示了前述三个性能指标(即，CINR、RSSI和BER)的监测和所监测的性能指标的表现的分析，以提供性能衰退的根本原因分析。例如，代理服务器111a-111c中的一个或多个可以从网络基础设施120的一个相关联的网络元件收集与三个性能指标有关的信息。使用全异的网络元件监测的性能参数可以聚合到共用数据模式(例如，共用数据模式253a-253b中的共用数据模式)和集中性能管理服务器112在数据上执行的根本原因分析中。
本发明的实施方式将多维K均值聚类用在适应性分析中，例如，警报条件判断和根本原因分析。例如，可以将不同群集(Ci)限定为根本原因或严重度等级(例如，Ci＝{C1,C2,…,CK}，其中K是根本原因的数量或严重度等级的数量)。性能指标(Mi)可以被限定用于集群(例如，Mi＝{M1,M2,…,MN}，其中N是指标或维度的数量，指标值被归一化在0和1之间)。特征向量(Fi)可以从用于确定测量的性能指标和集群之间的关联性的性能指标(例如，Fi＝[M1i,M2i,…,MNi])中限定。
在实施根据本发明的实施方式的多维K均值聚类中，例如使用提供多个维度的性能参数的训练值，确定每个集群的初始的中心点。例如，中心点可以提供表示性能参数的多个多维特征向量的均值、平均或其他静态表征(例如，在上述例子中，特征向量应该是由CINR、RSSI和BER性能参数形成的三维向量)。因此，每个这样的中心点及其相关集群可以表示特定的情况或条件。
例如，(参考图4的特征向量集群图)可以根据表示各种网络元件的期望的“正常”CINR、RSSI和BER表现的训练信息，初始地确定中心点411，因此可以将集群410限定在中心点411附近以识别落在代表“正常”性能的集群410中的随后监测的CINR、RSSI和BER性能参数的特征向量。另一方面，可以从表示各种网络元件的期望的“高度干扰”CINR、RSSI和BER表现的训练信息中初始地确定中心点421，因此可以将集群420限定在中心点421附近以识别落在表示“高度干扰”性能的集群420中的随后监测的CINR、RSSI和BER性能参数的特征向量。相似地，可以从表示各种网络元件的期望的“覆盖孔”CINR、RSSI和BER表现的训练信息初始地确定中心孔431，因此可以将集群430限定在中心孔431附近以识别落在表示“覆盖孔”性能的集群430中的随后监测的CINR、RSSI和BER性能参数的特征向量。
如可以从前述所理解，在根据实施方式的操作中，可以使用与多维特征向量有关的训练信息来训练初始群集。例如，可以计算初始中心点值，以用于将使用本文中的多维K均值聚类识别的各个情况或条件。此后，可以将当前测量的特征向量(即，源于适当监测的性能参数的特征向量)分配给“最接近的”群集，以确定性能状态和/或根本原因。再次参考图4，由于集群420在三维空间中的接近性，例如可以将当前测量的特征向量401(例如，源于由AUPM架构收集的CINR、RSSI和BER表现数据的多维向量)分配给集群420，因此根本原因分析可以确定高度干扰出现于一个或多个网络元件。应该理解，虽然前述例子涉及将当前测量的特征向量分配给最接近的群集，但是实施方式也可以实施集群接近阈值和/或将特征向量分配给集群的其他指标。在该实施方式中，在确定特征向量未落在与任何集群有关的特定相对位置的情况下，可以不将该特征向量分配给现有的集群。实施方式可以根据这种情况的出现启动警报或误差条件，可以限定新的集群等。
本发明的实施方式实施与前述的基于集群的分析技术有关的适应性技术。因此，在根据本文实施方式的操作中，可以在每次给集群分配特征向量时，再计算和更新集群的中心点。例如，继续利用前述例子：由于集群420接近当前测量的特征向量401而给集群420分配当前测量的特征向量401的例子，可以更新集群420的中心点421以包括特征向量401的影响。因此，用于确定特定情况或条件(例如，严重度、根本原因等)的基于集群的分析技术适于网络操作。因此，这种基于集群的分析技术适于网络的操作条件(例如，时间变化条件)。
图5和6示出了提供与前述的基于适应性集群的分析技术的实施有关的细节情况的流程图。具体地，图5示出了表示特定情况或条件的集群的初始确定的中心点的训练操作，图6示出了使用这种集群提供根本原因分析的操作。应该理解，如图5和6所示的流程500和600的操作可以由本发明的实施方式的ARCA逻辑271提供。可以通过性能监测逻辑261将各种特征向量(例如，可以源于数据收集引擎251收集的网络元件数据，数据收集引擎251可以设置在共用数据模式253a-253b的共用数据模式中)提供给ARCA逻辑271。
在图5图示的训练实施方式的流程500的操作中，选择包括L特征向量的训练集的第一k特征向量作为K初始中心点(方框501)。训练集的特征向量可以包括源于网络基础设施的模拟和/或初始操作的、从相似的网络布置的操作中捕获的特征向量等。可以选择第一k特征作为期望表示网络中的特定情况或条件的训练集的那些特征向量，所述网络将被提供有性能监测。选择训练集中剩余的(L-k)特征向量的训练的特征向量，并将其分配给具有最接近的中心点的集群(方框502)。在将剩余的特征向量的特征向量分配给集群之后，图示的实施方式用于再计算获得的集群的中心点(方框503)。例如，可以根据特征向量的统计学组合(平均、均值、加权等)或其一些子集(例如，在收集特征向量的数据时，使用时间阈值)再计算中心点，以在特征向量被确定为与相关联的集群有关联时提供更新的中心点。根据与是否已经分配了所有的训练特征向量以及更新时没有中心点继续移动有关的图示实施方式，进行确定(方框504)。如果训练特征向量依然将被分配或者更新的中心点继续移动(例如，超过一些阈值量的移动)，那么根据图示实施方式的处理返回给最接近的中心点分配训练集的训练特征向量。但是，如果没有训练特征向量依然将被分配并且更新的中心点没有继续移动，那么结束图5中图示的流程500的训练实施方式。
在前述例子中，假设训练集获得的特征向量提供充分的数据来完成训练处理(例如，能够在没有进一步移动的情况下获得中心点)。但是，在已经分配了所有训练特征向量并且中心点继续移动的情况下，可以获得附加的训练特征向量，并且训练处理继续直到中心点没有进一步移动。
在图6中图示的根本原因分析实施方式的流程600的操作中，获得当前测量的特征向量(例如，从性能监测逻辑26)(方框601)。根据图示的实施方式，计算当前测量的特征向量到每个集群的中心点的距离(方框602)。将当前测量的特征向量分配给带有最接近的中心点的集群(方框603)。因此，可以根据被分配有特征向量的集群确定与当前测量的特征向量有关联的性能的根本原因(例如，在例如已经选择初始中心点时，被分配有当前测量的特征向量的集群已经与特定根本原因相关联)(方框604)。再计算被分配有当前测量的特征向量的集群的中心点，从而基于测量的网络操作更新中心点(方框605)。此后，根据图示实施方式的处理返回来获得新的当前测量的特征向量。
应该理解，在前述例子中实施的适应性的基于集群的分析技术并不限于根本原因分析。这种适应性的基于集群的技术可以用于各种情况和/或条件分析，例如用于警报报告的严重度分析。因此，本文中的实施方式的警报报告逻辑272可以实施与上述相似的适应性的基于集群的分析技术。
参照图7A和7B，示出了性能指标监测图(图7A)以及用于提供严重度分析的相应的特征向量集群图(图7B)。如可以从附图中所理解，图7B的特征向量集群图的集群与性能严重度相关联，而不是如前述例子的集群的根本原因。
图7A的性能指标监测图图示了三个性能指标(即，CINR、RSSI和BER)的监测和被监测的性能指标的表现的分析以提供性能严重度分析。例如，一个或多个代理服务器111a-111c可以收集与来自网络基础设施120的相关联的网络元件的三个性能指标有关的信息。使用全异的网络元件监测的性能参数可以聚合到共用数据模式(例如，共用数据模式253a-253b的一个共用数据模式)和通过集中性能管理服务器112在数据上执行的严重度分析中。如可以从图7A所示的性能指标理解，低度干扰情况可能伴随有CINR的稍微降低、RSSI的稍微增加和BER的稍微增加。相似地，高度干扰情况可能伴随有CINR的显著降低、RSSI的显著增加和BER的显著增加。因此，通过用作无线接收器(例如，图1的用户设备121a-121c和基站122a-122c中的任意一个等)的网络元件实现的这种性能指标的测量可以用来检测性能指标的严重度(例如，可以用于报告警报条件)。
在提供严重度分析时，每个中心点及其关联的集群可以代表表示性能严重度的特定情况或条件。例如，(参照图7B的特征向量集群图)中心点711可以代表各种网络元件的“正常”CINR、RSSI和BER表现(例如，测量、倾向等)，因此可以将集群710限定在中心点711附近以识别落在表示“正常”性能的集群710中的随后监测的CINR、RSSI和BER性能参数的特征向量。中心点721可以表示各种网络元件的“低度干扰”CINR、RSSI和BER表现，因此可以将集群720限定在中心点721附近以识别落在表示“低度干扰”性能的集群720中的随后监测的CINR、RSSI和BER性能参数的特征向量。另一方面，中心点731可以表示各种网络元件的“高度干扰”CINR、RSSI和BER表现，因此可以将集群730限定在中心点731附近以识别落在表示“高度干扰”性能的集群720中的随后监测的CINR、RSSI和BER性能参数的特征向量。
应该理解，虽然参照监测的特定性能参数、使用的特定数量的性能参数、特定数量的集群、与集群相关联的特定情况或条件、使用的特定数量的网络元件数据模式、产生的特定数量的共用数据模式等，描述了实施方式，但是这些细节是示例性的并且被包括以促进理解本文的概念，而不会限制本发明。所属领域技术人员应该容易理解，本文的概念可用于除了示例性实施方式之外的结构。例如，对于作为用在严重度或根本原因分析中的性能参数使用的CINR、RSSI和/或BER没有限制。同样地，不限于使用三维的性能参数。可以基于待监测和待分析的特定情况或条件选择使用的特定性能参数和使用的维度的数量。例如，在监测网络阻塞的情况下，可以使用诸如潜伏期、抖动和/或丢包率的性能参数。
虽然已经详细地描述了本发明及其优点，但是应该理解可以在不背离所附权利要求限定的发明的精神和范围的情况下，进行各种改变、替换和变更。此外，本申请的范围并不旨在限于说明书描述的物质、装置、方法和步骤的处理、生产、制造、组合。因为所属领域技术人员能从本发明的公开内容中容易地理解物质、装置、方法或步骤的处理、生产、制造和组合，所以可以根据本发明使用当前存在的或稍后研发的基本上执行与本文描述的相应实施方式相同功能或获得基本上相同结果的技术方案。因此，所附权利要求旨在包括这种物质、装置、方法或步骤的处理、生产、制造和组合。

Claims (25)

1.一种适应性统一性能管理方法，包括
从监测的宽带无线接入网络的网络通信基础设施的多个网络元件获取多个性能指标，其中获取多个性能指标包括使用对于多个网络元件中的不同网络元件的多个不同数据模式利用多网络元件数据分离器收集网络元件数据以及根据多个不同数据模式的网络元件数据产生共用数据模式，其中产生共用数据模式包括将根据多个不同数据模式的网络元件数据聚合并变换成非卖家专用、非网络元件类型的特定的共用数据模式；
根据包括在共用数据模式中的多个性能指标产生特征向量，其中特征向量表示网络通信基础设施的监测的性能方面；以及
将特征向量与多个集群中的集群相关联，以识别监测的性能方面的至少一个严重度或根本原因。
2.根据权利要求1所述的方法，还包括：
使用管理信息库和网络元件元数据产生专用于多个网络元件中的特定网络元件的多个不同的数据模式。
3.根据权利要求2所述的方法，其中管理信息库限定能够从多个网络元件中的相应网络元件获得的参数，并且，网络元件元数据包括对用于性能检测的从相应网络元件获得的管理信息库参数进行描述的数据。
4.根据权利要求2所述的方法，其中多个网络元件包括全异的网络元件，以及其中多个不同的数据模式中的数据模式与在全异的网络元件之间的网络元件分组相关联。
5.根据权利要求4所述的方法，其中全异的网络元件是由不同制造商提供的网络元件。
6.根据权利要求4所述的方法，其中全异的网络元件是具有不同或专用管理数据接口的网络元件。
7.根据权利要求1所述的方法，其中将特征向量与多个集群中的集群相关联包括：
计算特征向量和多个集群中的每个集群的中心点之间的距离；以及
将特征向量分配给具有最接近特征向量的中心点的集群。
8.根据权利要求7所述的方法，其中多个集群中的一个或者多个集群与不同的性能方面根本原因相关联，以及其中将监测的性能方面的根本原因识别为与分配有特征向量的集群相关联的根本原因。
9.根据权利要求7所述的方法，其中多个集群中的一个或者多个集群与不同的性能方面严重度相关联，以及其中将监测的性能方面的严重度识别为与分配有特征向量的集群相关联的严重度。
10.根据权利要求7所述的方法，还包括：
根据特征向量，更新分配有特征向量的集群的中心点。
11.根据权利要求1所述的方法，还包括：
使用训练数据初始化多个集群，其中初始化多个集群包括根据训练数据的特征向量确定多个集群中的每个集群的中心点以及使用训练数据的其他特征向量反复精炼中心点；以及
根据特征向量，更新与所获得的性能指标的特征向量有关的多个集群中的每个集群的中心点。
12.一种适应性统一性能管理系统，包括：
多网络元件数据分离器，其适于与监测的宽带无线接入网络的网络通信基础设施的全异的网络元件通信以及使用与全异的网络元件对应的多个数据模式从全异的网络元件中获取性能指标，多网络元件分离器还适于根据多个数据模式的性能指标提供至少一个共用数据模式，其中至少一个共用数据模式的数据包括在多个不同的数据模式中均匀分布的全异的网络元件性能指标；
性能监测逻辑单元，其适于从至少一个共用数据模式中的共用数据模式获取性能指标以及提供表示网络通信基础设施的监测的性能方面的特征向量；
适应性根本原因分析逻辑单元，其适于实施表示监测的性能方面的特征向量中的特征向量的适应性的基于集群的分析，以及确定监测的性能方面的根本原因；以及
警报报告逻辑单元，其适于实施特征向量中的表示监测的性能方面的特征向量的适应性的基于集群的分析，以及确定用于警报报告的监测的性能方面的严重度。
13.根据权利要求12所述的系统，其中多网络元件数据分离器包括与网络通信基础设施的网络元件通信的数据收集引擎。
14.根据权利要求13所述的系统，其中数据收集引擎根据多网络元件数据分离器的数据收集文件操作。
15.根据权利要求14所述的系统，其中多网络元件数据分离器还包括代码和数据库发生器，以及其中代码和数据库发生器通过使用与全异的网络元件中的网络元件相关联的管理信息库和网络元件元数据生成数据收集文件。
16.根据权利要求15所述的系统，其中代码和数据库发生器通过使用与全异的网络元件中的网络元件相关联的管理信息库和网络元件元数据生成多个数据模式中的数据模式。
17.根据权利要求13所述的系统，还包括：
与全异的网络元件通信的一个或多个代理服务器以及与一个或多个代理服务器通信的集中性能管理服务器，其中包括数据收集引擎的多网络元件数据分离器的至少一部分基于一个或多个代理服务器操作，以及性能监测逻辑单元和适应性根本原因分析逻辑单元基于集中性能管理服务器操作。
18.根据权利要求12所述的系统，其中全异的网络元件是由不同的制造商提供的网络元件。
19.根据权利要求12所述的系统，其中全异的网络元件是具有不同或专用管理数据接口的网络元件。
20.根据权利要求12所述的系统，其中由适应性根本原因分析逻辑单元提供的适应性的基于集群的分析适于计算特征向量和多个集群中的每个集群的中心点之间的距离以及将特征向量分配给具有最接近特征向量的中心点的集群。
21.根据权利要求20所述的系统，其中多个集群中的集群与不同的性能方面根本原因相关联，以及其中将监测的性能方面的根本原因限定为与分配有特征向量的集群相关联的根本原因。
22.根据权利要求20所述的系统，其中适应性根本原因分析逻辑单元还适于根据特征向量更新分配有特征向量的集群的中心点。
23.一种适应性统一性能管理方法，包括：
使用多个不同的数据模式从监测的网络基础设施的全异的网络元件中收集网络元件数据，其中多个不同的数据模式中的数据模式与全异的网络元件之间的网络元件分组相关联；
根据多个不同的数据模式中的网络元件数据生成共用数据模式，其中共用数据模式包括多个性能指标；
从共用数据模式获取多个性能指标；
根据多个性能指标生成特征向量，其中特征向量表示网络基础设施的监测的性能方面；
计算特征向量和多个集群中的每个集群的中心点之间的距离；
将特征向量分配给多个集群中具有最接近特征向量的中心点的集群；以及
根据分配有特征向量的集群，识别监测的性能方面的根本原因或监测的性能方面的严重度中的至少一个。
24.根据权利要求23所述的方法，还包括：
根据特征向量，更新分配有特征向量的集群的中心点。
25.根据权利要求23所述的方法，还包括：
使用训练数据初始化多个集群，其中初始化多个集群包括根据训练数据的特征向量确定多个集群中的每个集群的中心点以及使用训练数据的其他特征向量反复精炼中心点；以及
根据所述特征向量，更新与所获取的性能指标的特征向量相关联的多个集群中的每个集群的中心点。
CN201210585242.2A 2012-11-15 2012-12-28 网络元件的适应性统一性能管理(aupm)的方法和系统 Active CN103051481B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/678,362 2012-11-15
US13/678,362 US9246747B2 (en) 2012-11-15 2012-11-15 Adaptive unified performance management (AUPM) with root cause and/or severity analysis for broadband wireless access networks

Publications (2)

Publication Number Publication Date
CN103051481A CN103051481A (zh) 2013-04-17
CN103051481B true CN103051481B (zh) 2016-04-20

Family

ID=48063986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210585242.2A Active CN103051481B (zh) 2012-11-15 2012-12-28 网络元件的适应性统一性能管理(aupm)的方法和系统

Country Status (2)

Country Link
US (1) US9246747B2 (zh)
CN (1) CN103051481B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9699058B2 (en) * 2013-05-13 2017-07-04 Empire Technology Development Llc Datacenter health analysis using DNS switching
CN104753689B (zh) * 2013-12-30 2018-05-11 成都鼎桥通信技术有限公司 一种宽带集群通信系统的用户管理方法
US10027547B1 (en) * 2014-03-28 2018-07-17 EMC IP Holding Company LLC Autonomic self-optimization of protection storage
CN105591775B (zh) * 2014-10-23 2019-10-25 华为技术有限公司 一种网络的操作管理维护oam方法、装置和系统
CN105591787B (zh) * 2014-11-13 2019-07-23 华为技术有限公司 一种网络中的根本原因分析方法、装置和系统
US10389573B2 (en) 2014-11-14 2019-08-20 Apstra, Inc. Configuring a network
US10592328B1 (en) * 2015-03-26 2020-03-17 Amazon Technologies, Inc. Using cluster processing to identify sets of similarly failing hosts
JP6634835B2 (ja) * 2016-01-08 2020-01-22 富士通株式会社 無線通信異常検出方法、無線通信異常検出プログラム及び無線通信異常検出装置
US10038792B2 (en) 2016-11-02 2018-07-31 Microsoft Technology Licensing, Llc Data center centroid metric calculations for PSTN services
US10778728B2 (en) 2016-12-02 2020-09-15 Microsoft Technology Licensing, Llc. Cognitive resource selection
US10361943B2 (en) 2017-02-06 2019-07-23 Ca, Inc. Methods providing performance management using a proxy baseline and related systems and computer program products
IT201700016599A1 (it) * 2017-02-15 2018-08-15 Telecom Italia Spa Metodo e sistema per la gestione di apparati di rete di telecomunicazioni
US10999167B2 (en) 2018-04-13 2021-05-04 At&T Intellectual Property I, L.P. Varying data flow aggregation period relative to data value
US10797938B2 (en) * 2018-06-08 2020-10-06 Accenture Global Solutions Limited Automatic monitoring, correlation, and resolution of network alarm conditions
CN110879774B (zh) * 2019-11-27 2024-03-29 北京天元创新科技有限公司 一种网元性能数据告警方法及装置
CN111555921B (zh) * 2020-04-29 2023-04-07 平安科技（深圳）有限公司 告警根因的定位方法、装置、计算机设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101719849A (zh) * 2009-11-03 2010-06-02 清华大学 一种基于模式聚类的并行网络流特征检测方法
CN102209958A (zh) * 2008-09-11 2011-10-05 霍尼韦尔国际公司 用于对批处理进行实时分类和性能监控的系统和方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6707795B1 (en) * 1999-04-26 2004-03-16 Nortel Networks Limited Alarm correlation method and system
US6421467B1 (en) * 1999-05-28 2002-07-16 Texas Tech University Adaptive vector quantization/quantizer
US7143153B1 (en) * 2000-11-09 2006-11-28 Ciena Corporation Internal network device dynamic health monitoring
FI114749B (fi) * 2000-09-11 2004-12-15 Nokia Corp Poikkeamien ilmaisujärjestelmä ja menetelmä sen opettamiseksi
US7028228B1 (en) * 2001-03-28 2006-04-11 The Shoregroup, Inc. Method and apparatus for identifying problems in computer networks
US6738933B2 (en) * 2001-05-09 2004-05-18 Mercury Interactive Corporation Root cause analysis of server system performance degradations
US7076695B2 (en) 2001-07-20 2006-07-11 Opnet Technologies, Inc. System and methods for adaptive threshold determination for performance metrics
US20030225876A1 (en) * 2002-05-31 2003-12-04 Peter Oliver Method and apparatus for graphically depicting network performance and connectivity
US7388839B2 (en) * 2003-10-22 2008-06-17 International Business Machines Corporation Methods, apparatus and computer programs for managing performance and resource utilization within cluster-based systems
US7103504B1 (en) * 2003-11-21 2006-09-05 Qlogic Corporation Method and system for monitoring events in storage area networks
US7092707B2 (en) 2004-02-13 2006-08-15 Telcordia Technologies, Inc. Service impact analysis and alert handling in telecommunications systems
US7565610B2 (en) * 2004-03-30 2009-07-21 Emc Corporation System and method providing detailed network object performance information to locate root cause
US7606895B1 (en) * 2004-07-27 2009-10-20 Cisco Technology, Inc. Method and apparatus for collecting network performance data
US20060023638A1 (en) * 2004-07-29 2006-02-02 Solutions4Networks Proactive network analysis system
US20060178898A1 (en) * 2005-02-07 2006-08-10 Babak Habibi Unified event monitoring system
US7936694B2 (en) 2006-04-03 2011-05-03 Hewlett-Packard Development Company, L.P. Sniffing-based network monitoring
US7779101B1 (en) * 2006-06-27 2010-08-17 Emc Corporation Method and apparatus for mapping and identifying the root causes of performance problems in network-based services
US9003010B1 (en) * 2007-05-30 2015-04-07 Expo Service Assurance Inc. Scalable network monitoring system
US7778165B2 (en) * 2007-11-08 2010-08-17 University Of Washington Information plane for determining performance metrics of paths between arbitrary end-hosts on the internet
US7855977B2 (en) * 2008-08-01 2010-12-21 At&T Mobility Ii Llc Alarming in a femto cell network
US8385662B1 (en) * 2009-04-30 2013-02-26 Google Inc. Principal component analysis based seed generation for clustering analysis
US20110141914A1 (en) * 2009-12-15 2011-06-16 Chen-Yui Yang Systems and Methods for Providing Ethernet Service Circuit Management
US8538897B2 (en) 2010-12-03 2013-09-17 Microsoft Corporation Cross-trace scalable issue detection and clustering
US8989740B2 (en) * 2011-12-17 2015-03-24 Motorola Solutions, Inc. Method and apparatus for selecting one of a plurality of networks for an application service based upon performance metrics for the application service
US9020271B2 (en) * 2012-07-31 2015-04-28 Hewlett-Packard Development Company, L.P. Adaptive hierarchical clustering algorithm

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102209958A (zh) * 2008-09-11 2011-10-05 霍尼韦尔国际公司 用于对批处理进行实时分类和性能监控的系统和方法
CN101719849A (zh) * 2009-11-03 2010-06-02 清华大学 一种基于模式聚类的并行网络流特征检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Intrusion detection alarms reduction using root cause analysis and clustering";Safaa O. Al-Mamory , Hongli Zhang;《Computer Communications》;20081121(第32期);第4.3.2节 *

Also Published As

Publication number Publication date
US20140136685A1 (en) 2014-05-15
US9246747B2 (en) 2016-01-26
CN103051481A (zh) 2013-04-17

Similar Documents

Publication Publication Date Title
CN103051481B (zh) 网络元件的适应性统一性能管理(aupm)的方法和系统
US10827366B2 (en) System and methods for monitoring performance of slices
CN111612153B (zh) 训练模型的方法和装置
JP7159347B2 (ja) モデル更新方法および装置、ならびにシステム
CN102668622B (zh) 网络瓶颈管理
CN110463141B (zh) 通信方法、装置和系统
CN102790699B (zh) 一种网络服务质量的分析方法及装置
CN110169016A (zh) 处理电信网络中网络事件的方法、控制节点、网络元件和系统
CN102480759B (zh) 基于瘦无线接入点架构的网管实现方法及系统
EP2934037B1 (en) Technique for Evaluation of a Parameter Adjustment in a Mobile Communications Network
CN101420714A (zh) 用于对从通信网络中的元件收集关键性能指示器进行调度的方法
KR20120103752A (ko) 전기통신 네트워크의 동작 및 유지보수
CN100477839C (zh) 在移动无线电中的与制造商无关的运维中心-网管中心接口上更新制造商特有的硬件信息的方法和系统
CN115146691A (zh) 管控模型训练的方法及装置、系统
CN115733728A (zh) 通过网络范围故障的检测来标识故障的根本原因
WO2014040646A1 (en) Determining the function relating user-centric quality of experience and network performance based quality of service
Rizwan et al. A zero-touch network service management approach using AI-enabled CDR analysis
Muñoz et al. A method for identifying faulty cells using a classification tree-based UE diagnosis in LTE
CN117295080A (zh) 自治系统的网络优化功能的指标确定方法和装置
EP3457634B1 (en) Collection of management plane performance data
WO2024047775A1 (ja) 通信システムに係る所与の予測目的で用いられる機械学習モデルの決定
Lembo et al. Communication supervision function for verticals in 4G networks and beyond: Traffic anomaly detection from aggregated LTE MAC layer reports using a LSTM-RNN
WO2023233470A1 (ja) ネットワークの異常の原因推定
WO2024047774A1 (ja) 通信システムに係る所与の予測目的で用いられる機械学習モデルの決定
US20240291740A1 (en) Cause inference regarding network trouble

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