CN105554786B - 一种定位网络问题的方法及装置 - Google Patents
一种定位网络问题的方法及装置 Download PDFInfo
- Publication number
- CN105554786B CN105554786B CN201510920461.5A CN201510920461A CN105554786B CN 105554786 B CN105554786 B CN 105554786B CN 201510920461 A CN201510920461 A CN 201510920461A CN 105554786 B CN105554786 B CN 105554786B
- Authority
- CN
- China
- Prior art keywords
- correlation
- network
- result
- degree
- network service
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012360 testing method Methods 0.000 claims description 349
- 230000007774 longterm Effects 0.000 claims description 63
- 238000001514 detection method Methods 0.000 claims description 49
- 230000005856 abnormality Effects 0.000 claims description 22
- 238000011835 investigation Methods 0.000 claims description 15
- 230000006641 stabilisation Effects 0.000 claims description 10
- 238000011105 stabilization Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 235000013399 edible fruits Nutrition 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013215 result calculation Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000002693 Multiple Abnormalities Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- 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
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Abstract
本发明公开了一种定位网络问题的方法及装置,涉及通信技术领域,用于对网络问题进行定位。该方法包括:确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度;根据所述一组网络业务指标的相关程度对网络问题进行定位。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种定位网络问题的方法及装置。
背景技术
目前,通过对网络业务质量的评测,可以有效的监控网络运行的状态,现有的方法中,在获取到大量的业务指标的测试数据后,从不同运营商、不同地区、不同时段或不同服务提供商等方面对测试数据进行对比,通过对测试数据的对比可以看出不同运营商、不同地区、不同时段或不同服务提供商的网络业务质量的高低,当网络业务质量下降时,说明网络中存在网络问题,但是单纯的通过对比这些测试数据无法对网络问题进行定位,从而使得解决网络问题的难度较大。
发明内容
本发明的实施例提供一种定位网络问题的方法及装置,用于对网络问题进行定位。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,提供一种定位网络问题的方法,包括:
确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度;
根据所述一组网络业务指标的相关程度对网络问题进行定位。
结合第一方面,在第一种可能的实现方式中,所述一组网络业务指标包括两个网络业务指标,所述确定一组网络业务指标的相关程度,包括:
通过计算相关性假设检验结果和/或相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度和/或所述两个网络业务指标之间的互相关程度;
其中,所述相关性假设检验结果为:采用显著性检验的方式,对两个等长时间序列进行计算后得到的第一类错误发生的概率,原假设为所述两个等长时间序列所代表的两个变量不相关,所述相关系数为Pearson相关系数。
结合第一方面的第一种可能的实现方式,在第二种可能的实现方式中,所述网络业务指标分为正向类业务指标和负向类业务指标,所述正向类业务指标是指网络业务指标数值越高代表网络业务质量越好的业务指标,所述负向类业务指标是指网络业务指标数值越低代表网络业务质量越好的业务指标。
第二方面,提供一种定位网络问题的装置,包括:
确定单元,用于确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度;
定位单元,用于根据所述一组网络业务指标的相关程度对网络问题进行定位。
结合第二方面,在第一种可能的实现方式中,所述一组网络业务指标包括两个网络业务指标,
所述确定单元,用于通过计算相关性假设检验结果和/或相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度和/或所述两个网络业务指标之间的互相关程度;
其中,所述相关性假设检验结果为:采用显著性检验的方式,对两个等长时间序列进行计算后得到的第一类错误发生的概率,原假设为所述两个等长时间序列所代表的两个变量不相关,所述相关系数为Pearson相关系数。
结合第二方面的第一种可能的实现方式,在第二种可能的实现方式中,所述网络业务指标分为正向类业务指标和负向类业务指标,所述正向类业务指标是指网络业务指标数值越高代表网络业务质量越好的业务指标,所述负向类业务指标是指网络业务指标数值越低代表网络业务质量越好的业务指标。
本发明实施例提供的方法及装置,由于在出现网络问题时,网络业务质量会受到相应影响,而一种网络业务的业务指标可以表征该种网络业务的业务质量的高低,因此,通过对一个或多个网络业务指标的自相关程度和/或多个网络业务指标的互相关程度的分析,可以对网络问题进行定位,从而为解决网络问题提供了方向,降低了解决网络问题的难度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种定位网络问题的方法的流程图;
图2为本发明实施例提供的相关程度与网络问题的关系示意图;
图3为本发明实施例提供的一种定位网络问题的方法的应用场景示意图;
图4为本发明实施例提供的又一种定位网络问题的方法的流程图;
图5为本发明实施例提供的一种定位网络问题的装置的结构示意图;
图6为本发明实施例提供的又一种定位网络问题的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中的“多个”是指两个或者两个以上。
本发明实施例提供了一种定位网络问题的方法,如图1所示,该方法包括:
101、确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度。
本发明实施例的执行主体可以为网络问题分析设备或平台,该网络问题分析设备或平台具备数据处理和分析能力,具体可以为服务器、计算机等。
本发明实施例提供的方法可以应用在有线或无线网络中,该方法具体可以用于对网络问题进行定位,网络问题可能是随机的网络问题,也可能是网络质量问题,网络质量问题包括忙闲时波动(即由于不同时间段网络用户的变化造成的网络业务质量的变化)、突发的网络质量问题、网络稳定性问题等。
具体的,网络业务指标是指网络业务的业务指标,网络业务的种类包括某网站的网页浏览、某网站的视频播放和文件下载等,一种网络业务的业务指标是指能够表征该种网络业务的业务质量高低的参数,例如,某网站的网页浏览的业务指标可以为该网站的DNS(Domain Name System,域名系统)解析时间、该网站的TCP(Transmission ControlProtocol,传输控制协议)建立时间、该网站的网页响应时间和该网站的网页首屏打开时间等,某网站的视频播放的业务指标可以为该网站的DNS解析时间、该网站的TCP建立时间和该网站的网页首屏打开时间,文件下载的业务指标可以为文件下载速率等。
需要说明的是,本发明实施例中的一个网络业务指标是指运行在一个服务器上的一种网络业务的一个业务指标,当一种网络业务运行在多个服务器上时,运行在多个服务器上的该种网络业务的一个业务指标被认为是多个网络业务指标,即运行在5个服务器上的百度的网页浏览的网页响应时间被认为是5个网络业务指标。
其中,一个网络业务指标的自相关程度是指在不同天中的同一时间段内该一个网络业务指标数值高低的关联程度,即在不同天中的同一时间段内该网络业务的业务质量好坏的关联程度,多个网络业务指标的互相关程度是指在同一时间段内多个网络业务指标数值高低的关联程度,即在同一时间段内该多个网络业务的业务质量好坏的关联程度。
需要说明的是,当一组网络业务指标仅仅包括一个网络业务指标时,一组网络业务指标的相关程度仅仅包括该一个网络业务指标的自相关程度。
102、根据所述一组网络业务指标的相关程度对网络问题进行定位。
本发明实施例提供的方法,由于在出现网络问题时,网络业务质量会受到相应影响,而一种网络业务的业务指标可以表征该种网络业务的业务质量的高低,因此,通过对一个或多个网络业务指标的自相关程度和/或多个网络业务指标的互相关程度的分析,可以对网络问题进行定位,从而为解决网络问题提供了方向,降低了解决网络问题的难度。
可选的,所述一组网络业务指标包括两个网络业务指标,步骤101包括:通过计算相关性假设检验结果和/或相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度和/或所述两个网络业务指标之间的互相关程度。
其中,所述相关性假设检验结果为:采用显著性检验的方式,对两个等长时间序列进行计算后得到的第一类错误发生的概率,原假设为所述两个等长时间序列所代表的两个变量不相关,所述相关系数为Pearson相关系数。
其中,显著性检验方式为统计学中常用的相关性假设检验方法,“原假设”、“第一类错误”、“Pearson相关系数”等为统计学专有名词。
可选的,所述网络业务指标分为正向类业务指标和负向类业务指标,所述正向类业务指标是指网络业务指标数值越高代表网络业务质量越好的业务指标,所述负向类业务指标是指网络业务指标数值越低代表网络业务质量越好的业务指标。
例如,由于当文件下载速率越高时,网络业务质量越好,用户体验越好,因此,文件下载速率为正向类业务指标;当网页响应时间越短时,网络业务质量越好,用户体验越好,因此,网页响应时间为负向类业务指标。
可选的,当步骤101具体包括通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标之间的互相关程度时,所述通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标之间的互相关程度,包括:
11)获取所述两个网络业务指标的测试结果;
12)根据所述两个网络业务指标的测试结果构建两个第一等长时间序列,一个第一等长时间序列对应一个网络业务指标,所述两个第一等长时间序列均包括N个有效测试结果,所述两个第一等长时间序列中的第n个有效测试结果对应同一测试时间点,所述有效测试结果是指测试成功的测试结果,N≥1,1≤n≤N,N、n均为整数;
13)根据所述两个第一等长时间序列计算所述两个网络业务指标的互相关假设检验结果和互相关系数;
14)根据所述互相关假设检验结果和所述互相关系数确定所述两个网络业务指标的互相关程度。
需要说明的是,步骤11)在具体实现时,可以在同一时间段确定多个测试时间点,在每个测试时间点获取两个网络业务指标的测试结果,由于可能存在测试失败的情况,因此,获取到的两个网络业务指标的测试结果的个数可能相同,也可能不同。在某一测试时间点测试失败可能为在该测试时间点未获取到测试结果,或在该测试时间点测试到的测试结果无法识别,或在该测试时间点测试到的测试结果为预设的不满足条件的测试结果。
上述同一时间段可以为任意一个时间段,例如,可以为2015年11月13日8时至2015年11月15日16时,也可以为2015年11月15日8时至2015年11月15日16时。本发明实施例中对该同一时间段内的测试时间点的个数不进行限制,由于测试结果过多会增加计算的复杂度,测试结果过少会使得计算结果不具有代表性,因此,可以在考虑这两方面的基础上,合理的设置测试时间点的个数。
示例性的,在上述同一时间段为2015年11月15日8时至2015年11月15日16时的情况下,5个测试时间点、以及两个网络业务指标中的每个网络业务指标的测试结果可以参见表1,表1中的E11、E12、E13、E14和E15为两个网络业务指标中的第一网络业务指标的测试结果,E21、E22、E23和E24为两个网络业务指标中的第二网络业务指标的测试结果,其中,在第5个测试时间点时,对第二网络业务指标测试失败,该测试时间点时第二网络业务指标的测试结果不存在。
表1
在构建两个第一等长时间序列的过程中,可以选取两个网络业务指标的有效测试结果中的全部的对应同一测试时间点的有效测试结果。基于表1所述的示例,若E14为另一测试失败的测试结果,则得到的两个第一等长时间序列为[E11、E12、E13]和[E21、E22、E23]。
具体的,可以通过显著性检验的方式,对两个第一等长时间序列进行计算得到第一类错误发生的概率,该概率即互相关假设检验结果,原假设为两个网络业务指标不相关。可以采用互相关算法计算两个第一等长时间序列的相关系数,该相关系数即互相关系数。
其中,互相关算法可以为Pearson相关系数计算、Spearman相关系数计算、Kendall相关系数计算等统计学相关性指标计算方法。
具体的,根据两个网络业务指标的互相关假设检验结果和互相关系数可以将两个网络业务指标的互相关程度分为三种情况:互相关程度为高,互相关程度为不相关和互相关程度为低。
当两个网络业务指标的互相关假设检验结果小于第一阈值、且互相关系数大于第二阈值时,互相关程度为高;当互相关假设检验结果大于第三阈值时,互相关程度为不相关;当互相关假设检验结果和互相关系数为其他情况时,互相关程度为低。
其中,第三阈值大于或等于第一阈值,示例性的,第一阈值可以为0.01,第三阈值可以为0.05,第二阈值可以为0.7。
可选的,当所述两个网络业务指标均为负向类业务指标时,在步骤12)之前,所述方法还包括:剔除所述两个网络业务指标的测试结果中的异常测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果;该情况下,步骤12)具体包括:根据剔除异常测试结果后的所述两个网络业务指标的测试结果构建两个第一等长时间序列。
需要说明的是,由于在网络业务质量下降时,正向类业务指标的测试结果是向下波动的,正向类业务指标的测试结果的波动范围存在下限,而负向类业务指标的测试结果是向上波动的,负向类业务指标的测试结果的波动范围不存在上限,当网络业务指标为负向类业务指标时,若一个测试结果为突发的超高异常值,会将测试结果原本的规律性波动弱化,从而对相关性分析(包括互相关假设检验和互相关系数的计算)造成负面影响,因此,当网络业务指标为负向类业务指标时,在进行相关性分析之前,首先需要对获取到的测试结果进行异常测试结果的剔除,从而避免其对相关性分析产生较大的影响。
其中,预设阈值可以根据实际应用场景确定,例如,当网络业务指标为网页响应时间时,预设阈值可以为30s。
可选的,当步骤101具体包括通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度时,对于所述两个网络业务指标中的目标网络业务指标,通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标中的目标网络业务指标的自相关程度,包括:
21)确定所述目标网络业务指标的H组有效测试结果,一组有效测试结果对应一天,H≥2,H为整数;
22)根据所述H组有效测试结果计算至少一个目标参数,一个目标参数为根据两个第二等长时间序列计算得到的自相关假设检验结果和自相关系数,所述两个第二等长时间序列均包括M个有效测试结果,一个第二等长时间序列对应一组有效测试结果,所述两个第二等长时间序列中的第m个有效测试结果为对应不同天中的同一测试时间点的有效测试结果,所述目标网络业务指标为所述两个网络业务指标中的任意一个网络业务指标,所述有效测试结果是指测试成功的测试结果;M≥1,1≤m≤M,M、m均为整数;
23)将所述至少一个目标参数中的自相关假设检验结果取平均得到所述目标网络业务指标的自相关假设检验结果,将所述至少一个目标参数中的自相关系数取平均得到所述目标网络业务指标的自相关系数;
24)根据所述目标网络业务指标的自相关假设检验结果和自相关系数确定所述目标网络业务指标的自相关程度。
需要说明的是,在获取用于确定目标网络业务指标的H组有效测试结果的测试结果时,可以在至少H天中的每天的同一时间段中的多个测试时间点获取目标网络业务指标的测试结果,每天获取到的目标网络业务指标的测试结果的个数可能相同,也可能不同。
根据H组有效测试结果中的每两组有效测试结果可以确定两个第二等长时间序列,该两个第二等长时间序列可以计算得到一个目标参数,则根据H组有效测试结果可以计算得到个目标参数。
通过显著性检验的方式,对两个第二等长时间序列进行计算得到第一类错误发生的概率,采用自相关算法计算该两个第二等长时间序列的相关系数,得到一个目标参数。其中,自相关算法可以为Pearson相关系数计算、Spearman相关系数计算、Kendall相关系数计算等统计学相关性指标计算方法。
示例性的,在H=3时,当目标网络业务指标的测试结果对应的三天分别为11月15日、11月16日和11月17日时,3天的同一时间段为8时至14时,若该同一时间段包含4个测试时间点,该同一时间段、4个测试时间点、3天的测试结果的对应关系可以参见表2。表2中的F11、F12和F14为在11月15日获取的目标网络业务指标的测试结果,F21、F22、F23和F24为在11月16日获取的目标网络业务指标的测试结果,F31、F32、F33和F34为在11月17日获取的目标网络业务指标的测试结果。
表2
该情况下,H组有效测试结果为:第一组:F11,F12,F14;第二组:F21,F22,F23,F24;第三组:F31,F32,F33,F34。根据H组有效测试结果可以计算得到3个目标参数,第1组有效测试结果和第2组有效测试结果组成的两个第二等长时间序列为:[F11、F12、F14]和[F21、F22、F24],第2组有效测试结果和第3组有效测试结果组成的两个第二等长时间序列为:[F31、F32、F33、F34]和[F21、F22、F23、F24],第1组有效测试结果和第3组有效测试结果组成的两个第二等长时间序列为:[F11、F12、F14]和[F31、F32、F34]。
具体的,根据一个网络业务指标的自相关假设检验结果和自相关系数可以将一个网络业务指标的自相关程度分为三种情况:自相关程度为高,自相关程度为不相关和自相关程度为低。
当一个网络业务指标的自相关假设检验结果小于第一阈值、且自相关系数大于第二阈值时,自相关程度为高;当自相关假设检验结果大于第三阈值时,自相关程度为不相关;当自相关假设检验结果和自相关系数为其他情况时,自相关程度为低。
其中,第三阈值大于或等于第一阈值,示例性的,第一阈值可以为0.01,第三阈值可以为0.05,第二阈值可以为0.7。
需要说明的是,上述均以根据自相关假设检验结果和自相关系数确定自相关程度为例进行说明,实际上,也可以仅仅根据自相关假设检验结果或自相关系数确定自相关程度。例如,当根据自相关系数确定自相关程度时,当自相关系数大于0.7时,自相关程度为高,当自相关系数小于0.5时,自相关程度为不相关,其他情况时,自相关程度为低。确定互相关程度同理,在此不再赘述。
可选的,当所述目标网络业务指标为负向类业务指标时,步骤21)具体包括:在H天中的每天获取所述目标网络业务指标的测试结果,剔除该测试结果中的异常测试结果和测试失败的测试结果,得到所述目标网络业务指标的H组有效测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果。
具体的,剔除异常测试结果的原因可参见上文,在此不再赘述。
可选的,当所述一组网络业务指标的相关程度包括所述两个网络业务指标中的每个网络业务指标的自相关程度或所述两个网络业务指标之间的互相关程度时,所述根据所述一组网络业务指标的相关程度对网络问题进行定位,包括:
当相关程度为高时,将网络问题定位在公共段存在网络质量问题,以便于对该公共段的网络质量问题进行重点排查;
当相关程度为不相关、且目标测试结果随机波动范围超出预设范围时,将网络问题定位为公共段存在网络稳定性问题,以便于对该公共段的网络稳定性进行重点排查;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第一预设条件时,确定不存在对网络业务质量产生影响的网络质量问题;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第二预设条件时,将网络问题定位为公共段存在长期网络质量问题,以便于对该公共段的长期网络质量问题进行重点排查;
其中,当相关性假设检验结果小于第一阈值、且相关系数大于第二阈值时,相关程度为高;当相关性假设检验结果大于第三阈值时,相关程度为不相关;当所述相关程度为一个网络业务指标的自相关程度时,所述相关性假设检验结果为该网络业务指标的自相关假设检验结果,所述相关系数为该网络业务指标的自相关系数,所述公共段为不同天中的同一时间段,所述目标测试结果为用于计算该自相关假设检验结果和该自相关系数的测试结果;当所述相关程度为所述两个网络业务指标的互相关程度时,所述相关性假设检验结果为所述两个网络业务指标的互相关假设检验结果,所述相关系数为所述两个网络业务指标的互相关系数,所述公共段为所述两个网络业务指标所对应端到端路径的公共段,所述目标测试结果为用于计算该互相关假设检验结果和该互相关系数的测试结果;满足第一预设条件的目标测试结果优于满足第二预设条件的目标测试结果。
下文中将相关程度为自相关程度时的公共段称为公共时间段,将相关程度为互相关程度时的公共段称为公共路径段。
如图2所示,图2中示出了根据相关程度及目标测试结果定位的网络问题。
其中,当目标测试结果满足第一预设条件时,目标测试结果较好,目标测试结果表明网络业务质量较好,当目标测试结果满足第二预设条件时,目标测试结果较差,目标测试结果表明网络业务质量较差。
具体的,当网络业务指标为正向类业务指标时,第一预设条件可以为:目标测试结果中的百分之八十的测试结果大于第四阈值,当目标测试结果为其他情况时,认为目标测试结果满足第二预设条件。当网络业务指标为负向类业务指标时,第一预设条件可以为:目标测试结果中的百分之八十的测试结果小于第五阈值,当目标测试结果为其他情况时,认为目标测试结果满足第二预设条件。其中,百分之八十也可以替换为百分之九十、百分之百等。第四阈值和第五阈值可以根据实际应用场景进行设置,本发明实施例对此不进行限制。
其中,当相关程度为自相关程度时,若自相关程度为高,将网络问题定位在公共时间段存在网络质量问题,以便于对该公共时间段的网络质量问题进行重点排查。由于一个网络业务指标的自相关程度的计算是根据不同天中获取到的测试结果计算得到的,因此,当一个网络业务指标的自相关程度为高时,说明在公共时间段可能存在网络质量问题。
具体的,确定公共时间段可能存在网络质量问题后,进一步的,若每天的测试结果周期性波动,则网络质量问题可能为忙闲时波动。
其中,当相关程度为互相关程度时,若互相关程度为高,将网络问题定位在公共路径段存在网络质量问题,以便于对该公共路径段的网络质量问题进行重点排查。由于两个网络业务指标的互相关程度的计算是根据同一时间段获取到的测试结果计算得到的,因此,当两个网络业务指标的互相关程度为高时,说明在公共路径段可能存在网络质量问题,该网络质量问题有可能为忙闲时波动,也可能为突发的网络质量问题。
具体的,若两个网络业务指标中的网络业务指标的自相关程度为不相关时,该网络质量问题可能为突发的网络质量问题,当两个网络业务指标中的网络业务指标的自相关程度为高时,该网络质量问题可能为忙闲时波动。
当相关程度(自相关程度或互相关程度)为不相关、且目标测试结果随机波动范围超出预设范围时,说明目标测试结果的波动较大,此时公共段可能存在网络稳定性问题。
当相关程度(自相关程度或互相关程度)为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第一预设条件时,说明目标测试结果的波动较小,且目标测试结果表明网络业务质量较好,该情况下,说明当前的网络状况比较好,认为不存在对网络业务质量产生影响的网络质量问题,但可能存在丢包等网络问题。
当相关程度(自相关程度或互相关程度)为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第二预设条件时,说明目标测试结果的波动较小,且目标测试结果表明网络业务质量较差,说明在很长的一段时间内,网络业务质量较差,则公共段可能存在长期网络质量问题。
本发明实施例还提供了一种定位网络问题的方法,在一种具体的应用场景下对上述实施例提供的方法进行示例性说明,如图3所示,为本发明实施例中提供的方法的一种应用场景示意图,其中,网站1和网站2分别为运行在服务器1和服务器2上的网站,网站1和网站2可以为相同的网站也可以为不同的网站。服务器1和服务器2均位于SP(ServiceProvider,服务提供商)网络侧,通过SP路径段、省际路径段和本地路径段与探针连接。图3中所示的省际网络通常指运营商的全国骨干网,本地网络通常指用户侧所在城域网和省网部分,也可理解为用户侧全国骨干网以外部分,SP网络通常指SP侧所在城域网和省网部分,也可理解为SP侧全国骨干网以外部分。在该应用场景下,两个网络业务分别为网站1的网页浏览和网站2的网页浏览,业务指标为网页响应时间,如图4所示,该方法包括:
401、在同一时间段内的多个测试时间点上获取网站1的网页响应时间的多个测试结果和网站2的网页响应时间的多个测试结果。
具体的,本发明实施例的执行主体可以为服务器,服务器可以接收探针获取到的网站1的网页响应时间和网站2的网页响应时间的测试结果,具体的,可以通过探针拨测的方法获取测试结果。
具体的,本发明实施例中的网站可以为百度、谷歌、搜狐、淘宝或亚马逊等网站,当然还可以是其他的网站,本发明实施例对此不进行限制。
示例性的,如表3所示,表3示例性的示出了网站1的网页响应时间的多个测试结果和网站2的网页响应时间的多个测试结果,其中,t1至t6为该同一时间段内的6个测试时间点,无是指在该测试时间点测试失败,其他均为有效测试结果:
表3
402、剔除网站1的网页响应时间的多个测试结果和网站2的网页响应时间的多个测试结果中的异常测试结果。
由于网站的网页响应时间为负向类业务指标,因此,在构造第一等长时间序列之前,应当剔除测试结果中的异常测试结果。
基于表3所述的示例,若预设阈值为30s,假设G15的值大于30s,则G15为异常测试结果,应当剔除。
403、根据剔除异常测试结果之后的网站1的网页响应时间的多个测试结果和网站2的网页响应时间的多个测试结果构造两个第一等长时间序列。
构造两个第一等长时间序列的方法可以参见上述实施例,基于步骤402所述的示例,两个第一等长时间序列为:[G11、G12、G13、G16]和[G21、G22、G23、G26]。
404、根据该两个第一等长时间序列计算网站1的网页响应时间和网站2的网页响应时间的互相关假设检验结果和互相关系数。
具体的,可以采用显著性检验的方式计算得到互相关假设检验结果,采用互相关算法计算互相关系数,具体可参见上文。
405、根据互相关假设检验结果和互相关系数确定网站1的网页响应时间与网站2的网页响应时间的互相关程度,根据该互相关程度对网络问题进行定位。
具体的,当互相关假设检验结果小于第一阈值、且互相关系数大于第二阈值时,互相关程度为高。第一阈值可以为0.01,第二阈值可以为0.7。
当互相关假设检验结果大于第三阈值时,互相关程度为不相关,第三阈值可以为0.05。
其中,若互相关程度为高,将网络问题定位在省际路径段或本地路径段可能存在网络质量问题,以便于对省际路径段或本地路径段的网络质量问题进行重点排查。由于网站1的网页响应时间与网站2的网页响应时间的互相关程度的计算是根据同一时间段获取到的测试结果计算得到的,因此,当该互相关程度为高时,说明在省际路径段或本地路径段可能存在网络质量问题,该网络质量问题有可能为忙闲时波动,也可能为突发的网络质量问题。
具体的,还可以通过计算网站1和网站2的网页响应时间的自相关程度对网络质量问题进行进一步的定位,当网站1和网站2的网页响应时间的自相关程度为不相关时,该网络质量问题可能为突发的网络质量问题,当网站1和网站2的网页响应时间的自相关程度为高时,该网络质量问题可能为忙闲时波动。
当互相关程度为不相关时,可以参见上述实施例的描述对网络问题进行定位,在此不再赘述。
需要说明的是,当确定省际路径段或本地路径段可能存在网络质量问题时,为了进一步确定省际路径段还是本地路径段存在网络质量问题,可以进一步的计算网站2的网页响应时间和网站3的网页响应时间之间的互相关程度,若该互相关程度为高,则确定本地路径段可能存在网络质量问题,若该互相关程度为不相关,则确定省际路径段可能存在网络质量问题。如图3所示,网站3为运行在服务器3上的网站,服务器3、服务器2和服务器1共用本地路径段。
本发明实施例提供的方法,由于在出现网络问题时,网络业务质量会受到相应影响,而一种网络业务的业务指标可以表征该种网络业务的业务质量的高低,因此,通过对一个或多个网络业务指标的自相关程度和/或多个网络业务指标的互相关程度的分析,可以对网络问题进行定位,从而为解决网络问题提供了方向,降低了解决网络问题的难度。
本发明实施例还提供了一种定位网络问题的装置50,用于执行上述方法,如图5所示,包括:
确定单元501,用于确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度;
定位单元502,用于根据所述一组网络业务指标的相关程度对网络问题进行定位。
可选的,所述一组网络业务指标包括两个网络业务指标,所述确定单元501,用于通过计算相关性假设检验结果和/或相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度和/或所述两个网络业务指标之间的互相关程度;
其中,所述相关性假设检验结果为:采用显著性检验的方式,对两个等长时间序列进行计算后得到的第一类错误发生的概率,原假设为所述两个等长时间序列所代表的两个变量不相关,所述相关系数为Pearson相关系数。
可选的,所述网络业务指标分为正向类业务指标和负向类业务指标,所述正向类业务指标是指网络业务指标数值越高代表网络业务质量越好的业务指标,所述负向类业务指标是指网络业务指标数值越低代表网络业务质量越好的业务指标。
可选的,当所述确定单元501用于通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标之间的互相关程度时,如图6所示,所述确定单元501包括:
获取子单元5011,用于获取所述两个网络业务指标的测试结果;
构建子单元5012,用于根据所述两个网络业务指标的测试结果构建两个第一等长时间序列,一个第一等长时间序列对应一个网络业务指标,所述两个第一等长时间序列均包括N个有效测试结果,所述两个第一等长时间序列中的第n个有效测试结果对应同一测试时间点,所述有效测试结果是指测试成功的测试结果,N≥1,1≤n≤N,N、n均为整数;
计算子单元5013,用于根据所述两个第一等长时间序列计算所述两个网络业务指标的互相关假设检验结果和互相关系数;
确定子单元5014,用于根据所述互相关假设检验结果和所述互相关系数确定所述两个网络业务指标的互相关程度。
可选的,当所述两个网络业务指标均为负向类业务指标时,如图6所示,所述确定单元501还包括:
剔除子单元5015,用于剔除所述两个网络业务指标的测试结果中的异常测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果;
所述构建子单元5012,具体用于根据剔除异常测试结果后的所述两个网络业务指标的测试结果构建两个第一等长时间序列。
可选的,当所述确定单元501用于通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度时,对于所述两个网络业务指标中的目标网络业务指标,如图6所示,所述确定单元501包括:
确定子单元5014,用于确定所述目标网络业务指标的H组有效测试结果,一组有效测试结果对应一天,H≥2,H为整数;
计算子单元5013,用于根据所述H组有效测试结果计算至少一个目标参数,一个目标参数为根据两个第二等长时间序列计算得到的自相关假设检验结果和自相关系数,所述两个第二等长时间序列均包括M个有效测试结果,一个第二等长时间序列对应一组有效测试结果,所述两个第二等长时间序列中的第m个有效测试结果为对应不同天中的同一测试时间点的有效测试结果,所述目标网络业务指标为所述两个网络业务指标中的任意一个网络业务指标,所述有效测试结果是指测试成功的测试结果;M≥1,1≤m≤M,M、m均为整数;
所述计算子单元5013,还用于将所述至少一个目标参数中的自相关假设检验结果取平均得到所述目标网络业务指标的自相关假设检验结果,将所述至少一个目标参数中的自相关系数取平均得到所述目标网络业务指标的自相关系数;
所述确定子单元5014,还用于根据所述目标网络业务指标的自相关假设检验结果和自相关系数确定所述目标网络业务指标的自相关程度。
可选的,当所述目标网络业务指标为负向类业务指标时,
所述确定子单元5014,具体用于在H天中的每天获取所述目标网络业务指标的测试结果,剔除该测试结果中的异常测试结果和测试失败的测试结果,得到所述目标网络业务指标的H组有效测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果。
可选的,当所述一组网络业务指标的相关程度包括所述两个网络业务指标中的每个网络业务指标的自相关程度或所述两个网络业务指标之间的互相关程度时,所述定位单元502,具体用于:
当相关程度为高时,将网络问题定位在公共段存在网络质量问题,以便于对该公共段的网络质量问题进行重点排查;
当相关程度为不相关、且目标测试结果随机波动范围超出预设范围时,将网络问题定位为公共段存在网络稳定性问题,以便于对该公共段的网络稳定性进行重点排查;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第一预设条件时,确定不存在对网络业务质量产生影响的网络质量问题;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第二预设条件时,将网络问题定位为公共段存在长期网络质量问题,以便于对该公共段的长期网络质量问题进行重点排查;
其中,当相关性假设检验结果小于第一阈值、且相关系数大于第二阈值时,相关程度为高;当相关性假设检验结果大于第三阈值时,相关程度为不相关;当所述相关程度为一个网络业务指标的自相关程度时,所述相关性假设检验结果为该网络业务指标的自相关假设检验结果,所述相关系数为该网络业务指标的自相关系数,所述公共段为不同天中的同一时间段,所述目标测试结果为用于计算该自相关假设检验结果和该自相关系数的测试结果;当所述相关程度为所述两个网络业务指标的互相关程度时,所述相关性假设检验结果为所述两个网络业务指标的互相关假设检验结果,所述相关系数为所述两个网络业务指标的互相关系数,所述公共段为所述两个网络业务指标所对应端到端路径的公共段,所述目标测试结果为用于计算该互相关假设检验结果和该互相关系数的测试结果;满足第一预设条件的目标测试结果优于满足第二预设条件的目标测试结果。
本发明实施例提供的装置,由于在出现网络问题时,网络业务质量会受到相应影响,而一种网络业务的业务指标可以表征该种网络业务的业务质量的高低,因此,通过对一个或多个网络业务指标的自相关程度和/或多个网络业务指标的互相关程度的分析,可以对网络问题进行定位,从而为解决网络问题提供了方向,降低了解决网络问题的难度。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (16)
1.一种定位网络问题的方法,其特征在于,包括:
确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度;
根据所述一组网络业务指标的相关程度对网络问题进行定位。
2.根据权利要求1所述的方法,其特征在于,所述一组网络业务指标包括两个网络业务指标,所述确定一组网络业务指标的相关程度,包括:
通过计算相关性假设检验结果和/或相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度和/或所述两个网络业务指标之间的互相关程度;
其中,所述相关性假设检验结果为:采用显著性检验的方式,对两个等长时间序列进行计算后得到的第一类错误发生的概率,原假设为所述两个等长时间序列所代表的两个变量不相关,所述相关系数为Pearson相关系数。
3.根据权利要求2所述的方法,其特征在于,所述网络业务指标分为正向类业务指标和负向类业务指标,所述正向类业务指标是指网络业务指标数值越高代表网络业务质量越好的业务指标,所述负向类业务指标是指网络业务指标数值越低代表网络业务质量越好的业务指标。
4.根据权利要求3所述的方法,其特征在于,当所述确定一组网络业务指标的相关程度包括通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标之间的互相关程度时,所述通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标之间的互相关程度,包括:
获取所述两个网络业务指标的测试结果,根据所述两个网络业务指标的测试结果构建两个第一等长时间序列,一个第一等长时间序列对应一个网络业务指标,所述两个第一等长时间序列均包括N个有效测试结果,所述两个第一等长时间序列中的第n个有效测试结果对应同一测试时间点,所述有效测试结果是指测试成功的测试结果,N≥1,1≤n≤N,N、n均为整数;
根据所述两个第一等长时间序列计算所述两个网络业务指标的互相关假设检验结果和互相关系数;
根据所述互相关假设检验结果和所述互相关系数确定所述两个网络业务指标的互相关程度。
5.根据权利要求4所述的方法,其特征在于,当所述两个网络业务指标均为负向类业务指标时,在所述根据所述两个网络业务指标的测试结果构建两个第一等长时间序列之前,所述方法还包括:
剔除所述两个网络业务指标的测试结果中的异常测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果;
所述根据所述两个网络业务指标的测试结果构建两个第一等长时间序列,包括:
根据剔除异常测试结果后的所述两个网络业务指标的测试结果构建两个第一等长时间序列。
6.根据权利要求3所述的方法,其特征在于,当所述确定一组网络业务指标的相关程度包括通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度时,对于所述两个网络业务指标中的目标网络业务指标,通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标中的目标网络业务指标的自相关程度,包括:
确定所述目标网络业务指标的H组有效测试结果,一组有效测试结果对应一天,H≥2,H为整数;
根据所述H组有效测试结果计算至少一个目标参数,一个目标参数为根据两个第二等长时间序列计算得到的自相关假设检验结果和自相关系数,所述两个第二等长时间序列均包括M个有效测试结果,一个第二等长时间序列对应一组有效测试结果,所述两个第二等长时间序列中的第m个有效测试结果为对应不同天中的同一测试时间点的有效测试结果,所述目标网络业务指标为所述两个网络业务指标中的任意一个网络业务指标,所述有效测试结果是指测试成功的测试结果;M≥1,1≤m≤M,M、m均为整数;
将所述至少一个目标参数中的自相关假设检验结果取平均得到所述目标网络业务指标的自相关假设检验结果,将所述至少一个目标参数中的自相关系数取平均得到所述目标网络业务指标的自相关系数;
根据所述目标网络业务指标的自相关假设检验结果和自相关系数确定所述目标网络业务指标的自相关程度。
7.根据权利要求6所述的方法,其特征在于,当所述目标网络业务指标为负向类业务指标时,所述确定所述目标网络业务指标的H组有效测试结果,包括:
在H天中的每天获取所述目标网络业务指标的测试结果,剔除该测试结果中的异常测试结果和测试失败的测试结果,得到所述目标网络业务指标的H组有效测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果。
8.根据权利要求4-7任一项所述的方法,其特征在于,当所述一组网络业务指标的相关程度包括所述两个网络业务指标中的每个网络业务指标的自相关程度或所述两个网络业务指标之间的互相关程度时,所述根据所述一组网络业务指标的相关程度对网络问题进行定位,包括:
当相关程度为高时,将网络问题定位在公共段存在网络质量问题,以便于对该公共段的网络质量问题进行重点排查;
当相关程度为不相关、且目标测试结果随机波动范围超出预设范围时,将网络问题定位为公共段存在网络稳定性问题,以便于对该公共段的网络稳定性进行重点排查;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第一预设条件时,确定不存在对网络业务质量产生影响的网络质量问题;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第二预设条件时,将网络问题定位为公共段存在长期网络质量问题,以便于对该公共段的长期网络质量问题进行重点排查;
其中,当相关性假设检验结果小于第一阈值、且相关系数大于第二阈值时,相关程度为高;当相关性假设检验结果大于第三阈值时,相关程度为不相关;当所述相关程度为一个网络业务指标的自相关程度时,所述相关性假设检验结果为该网络业务指标的自相关假设检验结果,所述相关系数为该网络业务指标的自相关系数,所述公共段为不同天中的同一时间段,所述目标测试结果为用于计算该自相关假设检验结果和该自相关系数的测试结果;当所述相关程度为所述两个网络业务指标的互相关程度时,所述相关性假设检验结果为所述两个网络业务指标的互相关假设检验结果,所述相关系数为所述两个网络业务指标的互相关系数,所述公共段为所述两个网络业务指标所对应端到端路径的公共段,所述目标测试结果为用于计算该互相关假设检验结果和该互相关系数的测试结果;满足第一预设条件的目标测试结果优于满足第二预设条件的目标测试结果。
9.一种定位网络问题的装置,其特征在于,包括:
确定单元,用于确定一组网络业务指标的相关程度,所述一组网络业务指标包括至少一个网络业务指标,所述一组网络业务指标的相关程度包括所述一组网络业务指标中的每个网络业务指标的自相关程度,和/或,所述一组网络业务指标中的多个网络业务指标之间的互相关程度;
定位单元,用于根据所述一组网络业务指标的相关程度对网络问题进行定位。
10.根据权利要求9所述的装置,其特征在于,所述一组网络业务指标包括两个网络业务指标,
所述确定单元,用于通过计算相关性假设检验结果和/或相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度和/或所述两个网络业务指标之间的互相关程度;
其中,所述相关性假设检验结果为:采用显著性检验的方式,对两个等长时间序列进行计算后得到的第一类错误发生的概率,原假设为所述两个等长时间序列所代表的两个变量不相关,所述相关系数为Pearson相关系数。
11.根据权利要求10所述的装置,其特征在于,所述网络业务指标分为正向类业务指标和负向类业务指标,所述正向类业务指标是指网络业务指标数值越高代表网络业务质量越好的业务指标,所述负向类业务指标是指网络业务指标数值越低代表网络业务质量越好的业务指标。
12.根据权利要求11所述的装置,其特征在于,当所述确定单元用于通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标之间的互相关程度时,所述确定单元包括:
获取子单元,用于获取所述两个网络业务指标的测试结果;
构建子单元,用于根据所述两个网络业务指标的测试结果构建两个第一等长时间序列,一个第一等长时间序列对应一个网络业务指标,所述两个第一等长时间序列均包括N个有效测试结果,所述两个第一等长时间序列中的第n个有效测试结果对应同一测试时间点,所述有效测试结果是指测试成功的测试结果,N≥1,1≤n≤N,N、n均为整数;
计算子单元,用于根据所述两个第一等长时间序列计算所述两个网络业务指标的互相关假设检验结果和互相关系数;
确定子单元,用于根据所述互相关假设检验结果和所述互相关系数确定所述两个网络业务指标的互相关程度。
13.根据权利要求12所述的装置,其特征在于,当所述两个网络业务指标均为负向类业务指标时,所述确定单元还包括:
剔除子单元,用于剔除所述两个网络业务指标的测试结果中的异常测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果;
所述构建子单元,具体用于根据剔除异常测试结果后的所述两个网络业务指标的测试结果构建两个第一等长时间序列。
14.根据权利要求11所述的装置,其特征在于,当所述确定单元用于通过计算相关性假设检验结果和相关系数确定所述两个网络业务指标中的每个网络业务指标的自相关程度时,对于所述两个网络业务指标中的目标网络业务指标,所述确定单元包括:
确定子单元,用于确定所述目标网络业务指标的H组有效测试结果,一组有效测试结果对应一天,H≥2,H为整数;
计算子单元,用于根据所述H组有效测试结果计算至少一个目标参数,一个目标参数为根据两个第二等长时间序列计算得到的自相关假设检验结果和自相关系数,所述两个第二等长时间序列均包括M个有效测试结果,一个第二等长时间序列对应一组有效测试结果,所述两个第二等长时间序列中的第m个有效测试结果为对应不同天中的同一测试时间点的有效测试结果,所述目标网络业务指标为所述两个网络业务指标中的任意一个网络业务指标,所述有效测试结果是指测试成功的测试结果;M≥1,1≤m≤M,M、m均为整数;
所述计算子单元,还用于将所述至少一个目标参数中的自相关假设检验结果取平均得到所述目标网络业务指标的自相关假设检验结果,将所述至少一个目标参数中的自相关系数取平均得到所述目标网络业务指标的自相关系数;
所述确定子单元,还用于根据所述目标网络业务指标的自相关假设检验结果和自相关系数确定所述目标网络业务指标的自相关程度。
15.根据权利要求14所述的装置,其特征在于,当所述目标网络业务指标为负向类业务指标时,
所述确定子单元,具体用于在H天中的每天获取所述目标网络业务指标的测试结果,剔除该测试结果中的异常测试结果和测试失败的测试结果,得到所述目标网络业务指标的H组有效测试结果,所述异常测试结果包括测试结果大于预设阈值的测试结果。
16.根据权利要求12-15任一项所述的装置,其特征在于,当所述一组网络业务指标的相关程度包括所述两个网络业务指标中的每个网络业务指标的自相关程度或所述两个网络业务指标之间的互相关程度时,所述定位单元,具体用于:
当相关程度为高时,将网络问题定位在公共段存在网络质量问题,以便于对该公共段的网络质量问题进行重点排查;
当相关程度为不相关、且目标测试结果随机波动范围超出预设范围时,将网络问题定位为公共段存在网络稳定性问题,以便于对该公共段的网络稳定性进行重点排查;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第一预设条件时,确定不存在对网络业务质量产生影响的网络质量问题;
当相关程度为不相关、所述目标测试结果随机波动范围未超出预设范围、且所述目标测试结果满足第二预设条件时,将网络问题定位为公共段存在长期网络质量问题,以便于对该公共段的长期网络质量问题进行重点排查;
其中,当相关性假设检验结果小于第一阈值、且相关系数大于第二阈值时,相关程度为高;当相关性假设检验结果大于第三阈值时,相关程度为不相关;当所述相关程度为一个网络业务指标的自相关程度时,所述相关性假设检验结果为该网络业务指标的自相关假设检验结果,所述相关系数为该网络业务指标的自相关系数,所述公共段为不同天中的同一时间段,所述目标测试结果为用于计算该自相关假设检验结果和该自相关系数的测试结果;当所述相关程度为所述两个网络业务指标的互相关程度时,所述相关性假设检验结果为所述两个网络业务指标的互相关假设检验结果,所述相关系数为所述两个网络业务指标的互相关系数,所述公共段为所述两个网络业务指标所对应端到端路径的公共段,所述目标测试结果为用于计算该互相关假设检验结果和该互相关系数的测试结果;满足第一预设条件的目标测试结果优于满足第二预设条件的目标测试结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920461.5A CN105554786B (zh) | 2015-12-11 | 2015-12-11 | 一种定位网络问题的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920461.5A CN105554786B (zh) | 2015-12-11 | 2015-12-11 | 一种定位网络问题的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105554786A CN105554786A (zh) | 2016-05-04 |
CN105554786B true CN105554786B (zh) | 2019-08-09 |
Family
ID=55833671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510920461.5A Active CN105554786B (zh) | 2015-12-11 | 2015-12-11 | 一种定位网络问题的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105554786B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106502815B (zh) * | 2016-10-20 | 2019-08-02 | 北京蓝海讯通科技股份有限公司 | 一种异常原因定位方法、装置和计算设备 |
CN106658595B (zh) * | 2016-12-02 | 2019-08-09 | 中国联合网络通信集团有限公司 | 一种问题定位方法及装置 |
CN112996015B (zh) * | 2019-12-18 | 2023-11-03 | 中国移动通信集团河南有限公司 | 一种指标关联关系的构建方法及装置 |
CN112584192B (zh) * | 2020-12-14 | 2022-07-29 | 广州虎牙科技有限公司 | 一种网络质量监控方法、装置及服务器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101442762A (zh) * | 2008-12-29 | 2009-05-27 | 中国移动通信集团北京有限公司 | 网络性能分析以及网络故障定位方法和装置 |
CN104052612A (zh) * | 2013-03-13 | 2014-09-17 | 中国移动通信集团广东有限公司 | 一种电信业务的故障识别与定位的方法及系统 |
CN104322043A (zh) * | 2012-04-13 | 2015-01-28 | 适应性频谱和信号校正股份有限公司 | 基于线路数据分布分析的双绞电话线路诊断方法 |
CN105024765A (zh) * | 2014-04-17 | 2015-11-04 | 中国移动通信集团广东有限公司 | 一种室内天线分布系统故障快速定位方法及装置 |
-
2015
- 2015-12-11 CN CN201510920461.5A patent/CN105554786B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101442762A (zh) * | 2008-12-29 | 2009-05-27 | 中国移动通信集团北京有限公司 | 网络性能分析以及网络故障定位方法和装置 |
CN104322043A (zh) * | 2012-04-13 | 2015-01-28 | 适应性频谱和信号校正股份有限公司 | 基于线路数据分布分析的双绞电话线路诊断方法 |
CN104052612A (zh) * | 2013-03-13 | 2014-09-17 | 中国移动通信集团广东有限公司 | 一种电信业务的故障识别与定位的方法及系统 |
CN105024765A (zh) * | 2014-04-17 | 2015-11-04 | 中国移动通信集团广东有限公司 | 一种室内天线分布系统故障快速定位方法及装置 |
Non-Patent Citations (1)
Title |
---|
大规模通信网络流量异常检测与优化关键技术研究;郑黎明;《中国博士学位论文全文数据库 信息科技辑》;20140415;第2014卷(第4期);第1.2.2节、第4.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN105554786A (zh) | 2016-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105554786B (zh) | 一种定位网络问题的方法及装置 | |
CN106357622B (zh) | 基于软件定义网络的网络异常流量检测防御系统 | |
CN108322351A (zh) | 生成拓扑图的方法和装置、故障确定方法和装置 | |
CN110312279A (zh) | 一种网络数据的监测方法及装置 | |
CN103257989B (zh) | 网页下载时间分析 | |
EP3039821B1 (en) | Apparatus and method for processing data streams in a communication network | |
CN102449957B (zh) | Ip网络故障定位方法、装置及系统 | |
JP5104738B2 (ja) | パケットロス率計測方法、パケットロス率計測装置、およびコンピュータプログラム | |
CN108989136A (zh) | 业务端到端性能监控方法及装置 | |
CN106156055B (zh) | 搜索引擎爬虫的识别、处理方法及装置 | |
US20150207696A1 (en) | Predictive Anomaly Detection of Service Level Agreement in Multi-Subscriber IT Infrastructure | |
US11669751B2 (en) | Prediction of network events via rule set representations of machine learning models | |
CN108092854A (zh) | 基于iec61375协议的列车级以太网设备的测试方法及装置 | |
ES2382964A1 (es) | Sistema y procedimiento de diagnostico de incidentes y soporte tecnico con respecto a servicios de comunicacion. | |
KR101842088B1 (ko) | 시그널링 세트들 또는 호들의 분석 및 분류 | |
Mohammed et al. | Machine learning-based network status detection and fault localization | |
CN107766234A (zh) | 一种基于移动设备的网页健康度的测评方法、装置及系统 | |
CN108206769A (zh) | 过滤网络质量告警的方法、装置、设备和介质 | |
CN107168850A (zh) | 一种url页面监控方法和装置 | |
Javali et al. | Network web traffic generator for cyber range exercises | |
CN101296122B (zh) | 告警相关性的分析方法和装置 | |
CN108270753A (zh) | 注销用户账号的方法及装置 | |
CN115086140A (zh) | 宽带业务的质量评估方法、装置、电子设备及存储介质 | |
CN110896544B (zh) | 故障定界方法及装置 | |
CN111181796B (zh) | 一种基于能动器的区块链共识协议测试方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |