CN106209432A - 基于动态阈值的网络设备亚健康预警方法及装置 - Google Patents

Abstract

一种基于动态阈值的网络设备亚健康预警方法及装置，该方法的步骤为：S1：采集网络设备性能参数数据；S2：评估网络交换设备健康值；通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态；S3：定义并划分预警类型；根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题；S4：设置网络设备预警的动态阈值区间；根据定义和划分的预警类型进行动态阈值区间的设置；S5：根据设定的动态阈值区间来进行网络设备亚健康预警。该装置用来执行上述预警方法。本发明具有原理简单、能够优化网络设备维稳效率、可进行自动监测和评价等优点。

Description

基于动态阈值的网络设备亚健康预警方法及装置

技术领域

本发明主要涉及到网络设备的健康预警技术领域，特指一种基于动态阈值的网络设备亚健康预警方法及装置，适用于数据中心网络、大规模企业网和高性能巨型机等网络设备。

背景技术

随着云计算及虚拟化技术的快速发展，数据中心具有高达数千个计算和存储节点，数据中心网络的发展面临着众多的挑战。网络资源作为数据中心的紧缺资源，往往会成为数据中心的性能瓶颈。网络配置错误、网络拥塞、负载不均衡等将导致服务瘫痪、丢包、重传、超时等，也严重影响数据中心性能，进而影响到服务质量、用户体验和投资回报。

当前的网络设备预警方法主要有以下几种：

(1)基于固定阈值的网络预警方法；

固定阈值网络预警方法是根据管理员的历史经验，为各个性能参数赋予固定阈值。当某个性能参数或者多个性能参数小于系统配置阈值，则判定当前网络运行状态正常，没有预警事件；相反，当出现大于阈值的性能参数，系统产生网络预警信息。该方法直观简单，能够及时快速的发现以往出现过的导致网络性能降低故障。

(2)基于统计预测相关算法的网络预警方法；

统计预测相关算法是采用统计学和概率论的方法来分析网络性能参数数据，通过研究一段时间内数据的分布规律和发展趋势，推测和判断当前网络状态的一种方法。该方法通过对当前网络数据统计分析，识别出可能的网络异常情况，并给出不同级别的预警，发现在固定性能阈值预警系统中无法识别的潜在故障或性能问题。

(3)基于一元回归模型的网络分析预警方法；

一元回归模型主要通过利用回归分析预测方法，建立网络性能与其他网络参数间的线性回归方程式，即回归模型。网络各种参数之间相互关联，回归分析预测方法就是根据已观察到的参数，推测出网络性能的是否稳定，是否存在波动。在网络故障可能发生前做出决策，避免造成更多的损失。

(4)基于支持向量机的网络预警方法；

基于支持向量机的网络预警方法是将网络预警问题转化成机器学习问题，通过对历史的重大告警信息进行特征抽取，预处理，SVM分类器训练等过程，建立一个针对特定告警的SVM的网络预警预测模型。该模型可以在训练样本较少的情况下，具有较高精度和召回率，实现网络重大告警事件的识别和预警。

(5)基于知识推理的网络预警方法；

知识推理是人工智能的一个研究方向，在网络预警领域，该方法主要是根据已经发生网络故障或预警情况，建立网络故障知识库，再结合应用知识库中的知识，采取特定的处理策略，对网络中遇到的问题进行推理求解，实现网络故障事件的识别、定位、自学习、以及相应告警信息的生成。

上述现有技术的网络预警方法存在的问题：1)网络环境复杂，固定阈值依赖管理员经验，无法预测各种突发异常情况；2)单纯依据网络流量情况来判定网络性能的正常与否，忽略了很多其他重要的判断因素，很可能导致做出过多无效的预警；3)对于潜在的性能瓶颈或不稳定设备节点，难以给出一个较为有效的预警方法。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的问题，本发明提供一种原理简单、持续优化网络设备维稳效率、进行自动监测和评价的基于动态阈值的网络设备亚健康预警方法及装置。

为解决上述技术问题，本发明采用以下技术方案：

一种基于动态阈值的网络设备亚健康预警方法，其步骤为：

S1：采集网络设备性能参数数据；

S2：评估网络交换设备健康值；通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态，实现网络交换设备性能的量化评估；

S3：定义并划分预警类型；根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题；

S4：设置网络设备预警的动态阈值区间；根据定义和划分的预警类型进行动态阈值区间的设置；

S5：根据设定的动态阈值区间来进行网络设备亚健康预警。

作为本发明方法的进一步改进：在所述步骤S1中，首次采集需要初始化得到整个网络设备集合，制定数据采集策略；然后，基于简单网络管理协议SNMP对整个网络设备集合进行轮询，获取设备性能参数；之后，每次进行数据采集，先获得数据库中故障设备或亚健康设备集合，及时更新采集策略中的特定设备集合，并根据数据采集策略对特定设备集合采用非定时重点采集。

作为本发明方法的进一步改进：在所述步骤S3中，分成三个大类，包括：静态故障预警，动态故障预警，以及动态性能预警，分别对应网络设备出现严重故障，存在故障隐患，可能出现某些性能瓶颈。

作为本发明方法的进一步改进：所述步骤S2的步骤为：

S2.1首先得到网络交换设备的掉线率、平均丢包率、平均错误率DropRate(S_i)，AvgDisRate(S_i)和AvgErrRate(S_i)，经过标准差系数公式后，最终得到各参数所对应的权重值w[DropRate(S)]，w[AvgDisRate(S)]和w[AvgErrRate(S)]；

S2.2首先分别统计参数DropRate(S_i)，AvgDisRate(S_i)和AvgErrRate(S_i)在评估时间点下，出现概率次数最多幂值p_most、最大幂值p_max；根据分布情况，分别得到各个参数p_most的历史频率最高值p_mid以及历史最大值p_maxhis，经过归一化处理后，最终各个参数的标准化值；

S2.3计算网络交换设备健康值并根据设备运行状况分级，即先初始化健康值计算模块，在检查性能参数和权值的合理性后，通过对网络设备集合中所有设备进行各个性能参数的累加和运算，得到整个网络所有交换设备的健康值分布；最后，结合网络设备的健康值，对分布在不同健康值区间的设备进行分级，并描述不同级别的网络设备性能指标的运行状况。

作为本发明方法的进一步改进：所述步骤S5的步骤为：

S5.1分析亚健康设备特征，即根据网络设备的历史运行情况判断出是否为亚健康设备；在网络中运行的设备，当具有以下两方面特征时，认定其为亚健康设备：1)长期处于合理阈值区间内，未出现过或较少出现告警情况，但在此时间段内，该设备健康值均处于网络所有设备健康值的历史均值之下；2)一直处于正常或者较高健康值水平，但在此时间段内，该设备历史健康值波动水平大于网络所有设备的历史平均波动水平；

S5.2初步判断亚健康设备，即检查预警信息表中的历史预警记录，查看该网络设备是否出现过预警信息，如果设备历史运行情况比较正常，没有历史不良预警记录，说明设备运行稳定较健康；相反，若多次出现过预警信息，则该设备为亚健康网络设备，给网络的稳定运行带来很大的危害，即当网络流量负担较小时，或者该网络设备整体运行负荷较轻时，设备的综合评估健康值在正常水平重；

S5.3综合判断亚健康设备，首先计算所有网络设备的历史健康值均值和方差值，即求出在一个时间段内，所有网络设备健康值的历史均值μ_a，以及所有设备健康值的历史方差σ_i；下一步，评估网络设备的性能情况，即求出该设备在该时间段内的设备健康值均值μ_i，并与此时间段内网络所有设备健康值的历史均值μ_a相比，如果μ_i<μ_a，则给出相应的动态性能预警提示；然后，判断网络设备的故障状态，计算出该设备在该时间段内的设备健康值方差σ_i，并与此时间段内网络所有设备健康值的历史方差σ_a相比，如果|σ_i|>|σ_a|，给出相应的动态故障预警提示；最后，生成完整的预警报告信息，结束设备亚健康预警。

作为本发明方法的进一步改进：所述步骤S4的步骤为：

S4.1：静态故障预警；甄别出显著故障症状的设备，即健康值小于60，处于D和E水平的网络设备，直接给出可能故障预警，直接跳转到步骤S4.6；

S4.2：初始化历史故障动态基线，设置动态故障阈值区间；在一个时间段[s,t]内，先求出所有设备健康值的历史均值μ_f，再求出来所有设备健康值的方差值σ_f，最后得到动态故障阈值区间[μ_f-σ_f,μ_f+σ_f]；

S4.3：动态故障预警；基于步骤S4.2中提到的动态故障预警区间，判断给定的网络设备是否在此区间内，如果出现逾越边界的情况，则给出故障预警；

S4.4：初始化历史性能动态基线，设置动态性能阈值区间；在一个时间段[s,t]内，先求出该设备健康值的历史均值μ_p，再求出来该设备的历史方差σ_p，最后得到动态性能阈值区间[μ_p-σ_p,μ_p+σ_p]；

S4.5：动态性能预警；基于步骤S4.4中提到的动态性能阈值区间，查看当前设备的性能情况，如果不正常，则给出性能预警提示；

S4.6：结合步骤S4.1和步骤S4.15给出的预警提示，生成预警报告信息，并结束网络设备预警判断操作。

本发明进一步提供一种基于动态阈值的网络设备亚健康预警装置，其包括：

第一模块，用来采集网络设备性能参数数据；

第二模块，用来评估网络交换设备健康值；即通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态，实现网络交换设备性能的量化评估；

第三模块，用来定义并划分预警类型；根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题；

第四模块，用来设置网络设备预警的动态阈值区间；根据定义和划分的预警类型进行动态阈值区间的设置；

第五模块，用来根据设定的动态阈值区间来进行网络设备亚健康预警。

与现有技术相比，本发明的优点在于：

本发明的基于动态阈值的网络设备亚健康预警方法及装置，是指根据网络设备运行状态的波动，或者自身评估健康值的大小及变化，进行的一系列网络设备运行状态监测。通过对网络设备各项性能指标或整体评估值的监测，实现设备性能降低告警，设备状态波动异常预警以及设备的故障告警等等多种网络设备预警功能，从而能够帮助管理员更方便的管理网络，有针对性的进行网络设备的检测，满足数据中心网络自动化预警管理的需求，大大提高数据中心网络的运维效率。本发明在具体应用之后，能够用来解决大规模数据中心网络潜在的性能瓶颈或不稳定设备节点评估难、故障分辨和识别效率低、容易漏判问题设备等问题。

附图说明

图1是本发明在具体应用实例中的原理示意图。

图2是本发明在具体应用实例中进行动态阈值区间设置的流程示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

本发明提出的基于动态阈值的网络设备亚健康预警方法，以具体应用于数据中心的网络设备为例，数据中心网络的拓扑信息描述如下，DN＝{S,C,E}，其中S＝{S₁,S₂,S₃,...,S_M}表示交换机设备集合，C＝{C₁,C₂,C₃,...,C_N}表示网络中终端计算节点的集合，M和N分别为网络中交换设备及计算节点的总数；E＝{E₁,E₂,E₃,...,E_N}表示交换机设备的网络接口集合，每一个交换设备S_i都含有X个接口，则有E_i＝{e_i1,e_i2,e_i3,...,e_iXi}，其中E_i是交换设备S_i的接口集合，e_i1,e_i2,e_i3,...,e_iXi是设备S_i的所有接口，X_i是S_i的接口总数。

如图1所示，本发明的具体步骤为：

S1：采集网络设备性能参数数据；

首次采集需要初始化得到整个网络设备集合，制定相关的数据采集策略。

然后，基于简单网络管理协议SNMP对整个网络设备集合进行轮询，获取设备性能参数。

之后，每次进行数据采集，首先获得数据库中故障设备或亚健康设备集合，及时更新采集策略中的特定设备集合，并根据数据采集策略对特定设备集合采用非定时重点采集，尽量平衡数据采集过程中采集性能以及采集数据的完整度。

S2：评估网络交换设备健康值；

通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态。再提出健康值概念，实现网络交换设备性能的量化评估。

S3：定义并划分预警类型；

根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题。

如在本实例中可以分成三个大类，包括：静态故障预警，动态故障预警，以及动态性能预警；即分别对应网络设备出现严重故障，或者存在故障隐患，亦或可能出现某些性能瓶颈。

S4：设置网络设备预警的动态阈值区间；

根据步骤S3定义和划分的预警类型进行动态阈值区间的设置。

由于不同类型的预警，阈值各不相同，计算方法也有较大差异，需要分别使用不同的判断方法来认定告警设备所属预警类型。整个动态阈值设定过程，基于分层思想来简化每一步的判断复杂度，减少断定过程所考虑的情况，提高故障分辨和识别效率，避免漏判问题设备。

如在本实例中，从最严重的静态故障情况开始，下一步基于历史数据的动态故障预警，最后再判断是否出现了性能问题。

S5：根据设定的动态阈值区间来进行网络设备亚健康预警；

网络设备是否能够正常运行由多种因素决定，当某些非关键因素出现问题后，网络设备本身可能并不会出现显著故障，或者明显的性能波动现象，但此时网络设备属于性能低下，且不稳定运行状态，这种在正常运行状态并且具有潜在运行隐患的网络设备称为亚健康设备。

在具体应用应用时，上述步骤S2的详细步骤为：

S2.1通过标准差系数法衡量各个性能参数的权值大小，即基于正常设备和问题设备的性能参数数据值差异性较大的特点，分析网络实际采集数据的规律，依据不同参数在所有参数中的变异程度，给出更客观的权重值。首先得到网络交换设备的掉线率、平均丢包率、平均错误率DropRate(S_i)，AvgDisRate(S_i)和AvgErrRate(S_i)，经过标准差系数公式后，最终得到各参数所对应的权重值w[DropRate(S)]，w[AvgDisRate(S)]和w[AvgErrRate(S)]。

S2.2根据性能参数的历史分布规律，改进自定义区间变换方法，实现一种针对不同量纲数据进行比较的数据归一化方法。首先分别统计参数DropRate(S_i)，AvgDisRate(S_i)和AvgErrRate(S_i)在评估时间点下，出现概率次数最多幂值p_most、最大幂值p_max；根据分布情况，分别得到各个参数p_most的历史频率最高值p_mid以及历史最大值p_maxhis，经过归一化处理后，最终各个参数的标准化值。

S2.3计算网络交换设备健康值并根据设备运行状况分级，即先初始化健康值计算模块，在检查性能参数和权值的合理性后，通过对网络设备集合中所有设备进行各个性能参数的累加和运算，得到整个网络所有交换设备的健康值分布。最后，结合网络设备的健康值，对分布在不同健康值区间的设备进行分级，并描述不同级别的网络设备性能指标的运行状况，提高监控管理效率，减轻人员负担。

在具体应用应用时，上述步骤S5的详细步骤为：

S5.1分析亚健康设备特征，为了减少影响网络正常运行的不稳定因素，提出亚健康设备的检测方法，即能够根据网络设备的历史运行情况判断出是否为亚健康设备。在网络中运行的设备，当具有以下两方面特征时，初步认定其为亚健康设备：1)长期处于合理阈值区间内，未出现过或较少出现告警情况，但在此时间段内，该设备健康值均处于网络所有设备健康值的历史均值之下；2)一直处于正常或者较高健康值水平，但在此时间段内，该设备历史健康值波动水平大于网络所有设备的历史平均波动水平。

S5.2初步判断亚健康设备，即检查预警信息表中的历史预警记录，查看该网络设备是否出现过预警信息，如果设备历史运行情况比较正常，没有历史不良预警记录，说明设备运行稳定较健康；相反，若多次出现过预警信息，则该设备很可能为亚健康网络设备，给网络的稳定运行带来很大的危害，即当网络流量负担较小时，或者该网络设备整体运行负荷较轻时，设备的综合评估健康值在正常水平，一旦网络或者该设备的整体负荷加重，让本来不稳定的网络设备出现各种突发性故障或者性能降低等情况。

S5.3综合判断亚健康设备，首先计算所有网络设备的历史健康值均值和方差值，即求出在一个时间段内，所有网络设备健康值的历史均值μ_a，以及所有设备健康值的历史方差σ_i；下一步，评估网络设备的性能情况，即求出该设备在该时间段内的设备健康值均值μ_i，并与此时间段内网络所有设备健康值的历史均值μ_a相比，如果μ_i<μ_a，则给出相应的动态性能预警提示；然后，判断网络设备的故障状态，计算出该设备在该时间段内的设备健康值方差σ_i，并与此时间段内网络所有设备健康值的历史方差σ_a相比，如果|σ_i|>|σ_a|，给出相应的动态故障预警提示；最后，生成完整的预警报告信息，结束设备亚健康预警。

如图2所示，为在具体应用实例中步骤S4进行动态阈值区间设定的流程示意图。它包括：

S4.1：静态故障预警。能够快速甄别出显著故障症状的设备，即健康值小于60，处于D和E水平的网络设备，直接给出可能故障预警，直接跳转到步骤S4.6；

S4.2：初始化历史故障动态基线，设置动态故障阈值区间。在一个时间段[s,t]内，先求出所有设备健康值的历史均值μ_f，再求出来所有设备健康值的方差值σ_f，最后得到动态故障阈值区间[μ_f-σ_f,μ_f+σ_f]；

S4.3：动态故障预警。基于步骤S4.2中提到的动态故障预警区间，判断给定的网络设备是否在此区间内，如果出现逾越边界的情况，则给出故障预警；

S4.4：初始化历史性能动态基线，设置动态性能阈值区间。在一个时间段[s,t]内，先求出该设备健康值的历史均值μ_p，再求出来该设备的历史方差σ_p，最后得到动态性能阈值区间[μ_p-σ_p,μ_p+σ_p]；

S4.5：动态性能预警。基于步骤S4.4中提到的动态性能阈值区间，查看当前设备的性能情况，如果不正常，则给出性能预警提示；

S4.6：结合步骤S4.1和步骤S4.15给出的预警提示，生成预警报告信息，并结束网络设备预警判断操作。

本发明进一步提供一种基于动态阈值的网络设备亚健康预警装置，它包括：

第一模块，用来采集网络设备性能参数数据；即，采集需要初始化得到整个网络设备集合，制定相关的数据采集策略。基于简单网络管理协议SNMP对整个网络设备集合进行轮询，获取设备性能参数。之后，每次进行数据采集，首先获得数据库中故障设备或亚健康设备集合，及时更新采集策略中的特定设备集合，并根据数据采集策略对特定设备集合采用非定时重点采集，尽量平衡数据采集过程中采集性能以及采集数据的完整度。

第二模块，用来评估网络交换设备健康值；即通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态。再提出健康值概念，实现网络交换设备性能的量化评估。

第三模块，用来定义并划分预警类型；即根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题。

第四模块，用来设置网络设备预警的动态阈值区间；

第五模块，用来根据设定的动态阈值区间来进行网络设备亚健康预警。

结合图1所示，为本发明装置在应用实例中的具体体现。它主要包括数据采集模块、数据库、网络设备健康度评估模块、健康值期望计算模块、不健康比率计算模块、健康值方差计算模块、设定动态预警阈值模块、网络设备亚健康预警模块。数据采集模块首先从数据库获取采集策略，采集到所有网络设备集合的性能参数数据，然后存入数据库中。数据库中存储着网络的拓扑信息、网络设备属性信息、采集策略、采集到的原始参数数据、历史设备健康值以及动态预警阀值等等，其中动态预警阀值包括静态故障预警，动态故障预警以及动态性能预警等多个类型阀值。网络设备健康度评估模块从数据库中获取原始的参数数据，结合历史分布规律的参数权值确定，进行归一化处理，综合评估各个网络设备的健康值，最后将各个时间点的网络设备健康值存储在数据库中。健康值期望计算模块是在一段时间内，评估网络设备的整体运行情况。不健康值比率计算模块是通过考量不健康值的频率，来判断设备在一段时间内出现不健康状态的概率，观察设备运行的稳定性。健康值方差计算模块利用标准方差值量化设备运行的波动大小，反映出在这段网络设备运行性能的稳定情况。设定动态预警阈值模块首先将预警情况进行分类判断，并结合设备运行的历史故障或性能波动情况，设定不同类别的静态或动态预警阈值。网络设备亚健康预警模块从数据库中获得静态及动态预警阈值，逐步判断网络设备的运行情况，筛选出故障设备或者性能不稳定设备，并将生成的预警信息存储在数据库中。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (7)

1.一种基于动态阈值的网络设备亚健康预警方法，其特征在于，步骤为：

S1：采集网络设备性能参数数据；

S2：评估网络交换设备健康值；通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态，实现网络交换设备性能的量化评估；

S3：定义并划分预警类型；根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题；

S4：设置网络设备预警的动态阈值区间；根据定义和划分的预警类型进行动态阈值区间的设置；

S5：根据设定的动态阈值区间来进行网络设备亚健康预警。

2.根据权利要求1所述的基于动态阈值的网络设备亚健康预警方法，其特征在于，在所述步骤S1中，首次采集需要初始化得到整个网络设备集合，制定数据采集策略；然后，基于简单网络管理协议SNMP对整个网络设备集合进行轮询，获取设备性能参数；之后，每次进行数据采集，先获得数据库中故障设备或亚健康设备集合，及时更新采集策略中的特定设备集合，并根据数据采集策略对特定设备集合采用非定时重点采集。

3.根据权利要求1所述的基于动态阈值的网络设备亚健康预警方法，其特征在于，在所述步骤S3中，分成三个大类，包括：静态故障预警，动态故障预警，以及动态性能预警，分别对应网络设备出现严重故障，存在故障隐患，可能出现某些性能瓶颈。

4.根据权利要求1～3中任意一项所述的基于动态阈值的网络设备亚健康预警方法，其特征在于，所述步骤S2的步骤为：

S2.1首先得到网络交换设备的掉线率、平均丢包率、平均错误率DropRate(S_i)，AvgDisRate(S_i)和AvgErrRate(S_i)，经过标准差系数公式后，最终得到各参数所对应的权重值w[DropRate(S)]，w[AvgDisRate(S)]和w[AvgErrRate(S)]；

S2.2首先分别统计参数DropRate(S_i)，AvgDisRate(S_i)和AvgErrRate(S_i)在评估时间点下，出现概率次数最多幂值p_most、最大幂值p_max；根据分布情况，分别得到各个参数p_most的历史频率最高值p_mid以及历史最大值p_maxhis，经过归一化处理后，最终各个参数的标准化值；

S2.3计算网络交换设备健康值并根据设备运行状况分级，即先初始化健康值计算模块，在检查性能参数和权值的合理性后，通过对网络设备集合中所有设备进行各个性能参数的累加和运算，得到整个网络所有交换设备的健康值分布；最后，结合网络设备的健康值，对分布在不同健康值区间的设备进行分级，并描述不同级别的网络设备性能指标的运行状况。

5.根据权利要求1～3中任意一项所述的基于动态阈值的网络设备亚健康预警方法，其特征在于，所述步骤S5的步骤为：

S5.1分析亚健康设备特征，即根据网络设备的历史运行情况判断出是否为亚健康设备；在网络中运行的设备，当具有以下两方面特征时，认定其为亚健康设备：1)长期处于合理阈值区间内，未出现过或较少出现告警情况，但在此时间段内，该设备健康值均处于网络所有设备健康值的历史均值之下；2)一直处于正常或者较高健康值水平，但在此时间段内，该设备历史健康值波动水平大于网络所有设备的历史平均波动水平；

S5.2初步判断亚健康设备，即检查预警信息表中的历史预警记录，查看该网络设备是否出现过预警信息，如果设备历史运行情况比较正常，没有历史不良预警记录，说明设备运行稳定较健康；相反，若多次出现过预警信息，则该设备为亚健康网络设备，给网络的稳定运行带来很大的危害，即当网络流量负担较小时，或者该网络设备整体运行负荷较轻时，设备的综合评估健康值在正常水平重；

S5.3综合判断亚健康设备，首先计算所有网络设备的历史健康值均值和方差值，即求出在一个时间段内，所有网络设备健康值的历史均值μ_a，以及所有设备健康值的历史方差σ_i；下一步，评估网络设备的性能情况，即求出该设备在该时间段内的设备健康值均值μ_i，并与此时间段内网络所有设备健康值的历史均值μ_a相比，如果μ_i<μ_a，则给出相应的动态性能预警提示；然后，判断网络设备的故障状态，计算出该设备在该时间段内的设备健康值方差σ_i，并与此时间段内网络所有设备健康值的历史方差σ_a相比，如果|σ_i|>|σ_a|，给出相应的动态故障预警提示；最后，生成完整的预警报告信息，结束设备亚健康预警。

6.根据权利要求1～3中任意一项所述的基于动态阈值的网络设备亚健康预警方法，其特征在于，所述步骤S4的步骤为：

S4.1：静态故障预警；甄别出显著故障症状的设备，即健康值小于60，处于D和E水平的网络设备，直接给出可能故障预警，直接跳转到步骤S4.6；

S4.2：初始化历史故障动态基线，设置动态故障阈值区间；在一个时间段[s,t]内，先求出所有设备健康值的历史均值μ_f，再求出来所有设备健康值的方差值σ_f，最后得到动态故障阈值区间[μ_f-σ_f,μ_f+σ_f]；

S4.3：动态故障预警；基于步骤S4.2中提到的动态故障预警区间，判断给定的网络设备是否在此区间内，如果出现逾越边界的情况，则给出故障预警；

S4.4：初始化历史性能动态基线，设置动态性能阈值区间；在一个时间段[s,t]内，先求出该设备健康值的历史均值μ_p，再求出来该设备的历史方差σ_p，最后得到动态性能阈值区间[μ_p-σ_p,μ_p+σ_p]；

S4.5：动态性能预警；基于步骤S4.4中提到的动态性能阈值区间，查看当前设备的性能情况，如果不正常，则给出性能预警提示；

S4.6：结合步骤S4.1和步骤S4.15给出的预警提示，生成预警报告信息，并结束网络设备预警判断操作。

7.一种基于动态阈值的网络设备亚健康预警装置，其特征在于，它包括：

第一模块，用来采集网络设备性能参数数据；

第二模块，用来评估网络交换设备健康值；即通过对影响网络设备性能的多个重要性能参数进行各个参数权重的动态确定，原始采集数据的归一化处理，最后综合评估网络设备的运行状态，实现网络交换设备性能的量化评估；

第三模块，用来定义并划分预警类型；根据网络设备的预警反映的各种原因，将预警分为若干类别以对应不同的故障问题；

第四模块，用来设置网络设备预警的动态阈值区间；根据定义和划分的预警类型进行动态阈值区间的设置；

第五模块，用来根据设定的动态阈值区间来进行网络设备亚健康预警。