CN106685742A - 一种网络故障诊断方法及装置 - Google Patents
一种网络故障诊断方法及装置 Download PDFInfo
- Publication number
- CN106685742A CN106685742A CN201710119649.9A CN201710119649A CN106685742A CN 106685742 A CN106685742 A CN 106685742A CN 201710119649 A CN201710119649 A CN 201710119649A CN 106685742 A CN106685742 A CN 106685742A
- Authority
- CN
- China
- Prior art keywords
- coordinate detection
- path
- target
- paths
- node
- 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.)
- Granted
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
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种网络故障诊断方法及装置,方法包括:在预设的时间点,向故障检测路径集合中的每一故障检测路径发送目标探测包;获取每个故障检测路径对应的检测结果;基于失败的检测结果,确定候选故障节点集合;根据故障检测路径集合和候选故障节点集合,确定定位探测路径集合;计算每一定位探测路径的探测价值;根据计算得到的探测价值,确定目标定位探测路径;向目标定位探测路径发送第一探测包;获取定位探测结果;根据预设规则,选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行发送第一探测包;根据获取到检测结果和所有定位探测结果,确定故障节点。应用本发明实施例,提高了故障定位的时效性。
Description
技术领域
本发明涉及网络运维管理技术领域,特别是涉及一种网络故障诊断方法及装置。
背景技术
近些年来,随着网络及其应用的普及,人们对网络的依赖程度与日俱增,使得用户对网络服务的质量要求也越来越高。然而随着网络规模的扩大,网络拓扑日趋复杂,对网络的管理变得越来越困难。在网络传递信息的过程中,故障的发生是难以避免的,故障有可能导致网络无法正常提供服务,从而造成一定的经济损失和安全隐患,因此,准确及时地发现和解决网络中的故障是保证网络可靠运行,实现网络系统功能的基础。
现有技术中,网络故障诊断方法为:根据故障和症状多对多的不确定性构建二分图模型,在二分图模型下利用全概率和贝叶斯思想,将先验故障概率转化为条件概率,计算故障影响度,再利用可信参数对故障影响度的影响,结合覆盖度和贡献度,结合覆盖度和贡献度,选出既能完全合理的解释所发生的症状,且影响程度在可控参数范围下的疑似故障集合,从而完成网络故障进行诊断,得到了疑似故障节点的集合。上述对网络故障进行诊断的方法,只有在接收到网络告警信息后才进行网络故障的检测,从出现故障到确定出故障节点所经历的时间比较长,从而导致故障定位的时效性比较低。
发明内容
本发明实施例的目的在于提供一种网络故障诊断方法及装置,以提高故障定位的时效性。具体技术方案如下:
为达到上述目的,本发明实施例公开了一种网络故障诊断方法,所述方法包括:
在预设的时间点,调度预先部署的探针向故障检测路径集合中的每一故障检测路径发送目标探测包;其中,所述故障检测路径集合是基于目标网络和所述探针确定的,覆盖所述目标网络的所有节点,且包括至少一个故障检测路径;
获取针对每个故障检测路径的发送的目标探测包对应的检测结果;
在获取的检测结果中包括失败的检测结果情况下,基于所述失败的检测结果,确定候选故障节点集合;
根据所述故障检测路径集合和所述候选故障节点集合,确定定位探测路径集合,其中,所述定位探测路径集合中包括至少一个定位探测路径;
计算所述定位探测路径集合中每一定位探测路径的探测价值;
根据计算得到的各个定位探测路径的探测价值,确定目标定位探测路径;
调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包;
获取所述第一探测包对应的定位探测结果;
根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行所述调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包的步骤;
根据获取到检测结果和所有定位探测结果,确定故障节点。
可选的,所述根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,包括:
建立所述候选故障节点集合中的所有候选故障节点与所述定位探测路径集合中的所有定位探测路径的静态贝叶斯网络;
根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网;
选择所述定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径;
判断所选择的定位探测路径是否与当前目标定位探测在同一个贝叶斯子网中;
如果否,将目标定位探测路径更新为所选择定位探测路径;
如果是,重新计算所选择的定位探测路径的探测价值;
判断更新后的所选择的定位探测的探测价值,是否不小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值;
如果不小于,将目标定位探测更新为所选择的定位探测路径。
可选的,所述根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网,包括:
根据所述检测结果,确定目标网络中的状态近似已知节点;
基于所述状态近似已知节点,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
可选的,所述根据所述检测结果,确定目标网络中的状态近似已知节点,包括:
采用如下公式确定状态近似已知节点:
其中,dlk=|pi|xl∈pi,s(pi)=k,pi∈Pobs|,k=0,1,xl为节点l,l为正整数,Pobs为故障检测路径集合,pi为故障检测路径集合中的故障检测路径,s(pi)为故障检测路径pi的检测结果,λ表示状态近似已知节点应被探测的最少次数,0<λ<1;θ表示探测路径返回结果中一致结果至少需要满足的比例,0<θ<1,dl0表示对故障检测路径的检测结果为成功的个数,dl1表示对故障检测路径的检测结果为失败的个数;
所述基于所述状态近似已知节点,将所述静态贝叶斯网络划分为多个贝叶斯子网,包括:
将所述状态近似已知节点从所述静态贝叶斯网络移出;
基于移出所述状态近似已知节点后的静态贝叶斯网络,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
可选的,所述根据获取到检测结果和定位探测结果,确定故障节点,包括:
建立目标合集与所述候选故障节点集合的动态贝叶斯模型,其中,所述目标合集为所述故障检测路径集合与所有目标定位探测路径的合集;
基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态;
根据所述最有可能状态,确定故障节点。
可选的,所述基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态,包括:
采用如下公式确定所述目标网络中的所有节点的最有可能状态:
其中,为所述目标网络中节点的原始状态集合,为所述目标网络中节点的当前状态集合,为原始的目标定位探测路径的定位探测结果集合,为当前的目标定位探测路径的定位探测结果集合。
可选的,所述各个定位探测路径的探测价值的计算公式为:
V(pj)=αG(pj)+βI(pj)
其中,G(pj)为定位探测路径pj的信息增益,I(pj)为定位探测路径pj的重要程度,α为G(pj)的比重系数,β为I(pj)的比重系数;
G(pj)=H(X|T(m))-H(X|T(m)∪{pj})
其中,T(m)={p1,p2,...,pm}是前m次目标定位探测路径组成的向量,H(X|T)表示条件信息熵;
其中,xI表示重要节点。
为达到上述目的,本发明实施例还公开了一种网络故障诊断装置,所述装置包括:
第一调度模块,用于在预设的时间点,调度预先部署的探针向故障检测路径集合中的每一故障检测路径发送目标探测包;其中,所述故障检测路径集合是基于目标网络和所述探针确定的,覆盖所述目标网络的所有节点,且包括至少一个故障检测路径;
第一获取模块,用于获取针对每个故障检测路径的发送的目标探测包对应的检测结果;
第一确定模块,用于在获取的检测结果中包括失败的检测结果情况下,基于所述失败的检测结果,确定候选故障节点集合;
第二确定模块,用于根据所述故障检测路径集合和所述候选故障节点集合,确定定位探测路径集合,其中,所述定位探测路径集合中包括至少一个定位探测路径;
计算模块,用于计算所述定位探测路径集合中每一定位探测路径的探测价值;
第三确定模块,用于根据计算得到的各个定位探测路径的探测价值,确定目标定位探测路径;
第二调度模块,用于调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包;
第二获取模块,用于获取所述第一探测包对应的定位探测结果;
更新模块,用于根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行所述第二调度模块;
第四确定模块,用于根据获取到检测结果和所有定位探测结果,确定故障节点。
可选的,所述更新模块,包括:
第一建立子模块,用于建立所述候选故障节点集合中的所有候选故障节点与所述定位探测路径集合中的所有定位探测路径的静态贝叶斯网络;
划分子模块,用于根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网;
选择子模块,用于选择所述定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径;
第一判断子模块,用于判断所选择的定位探测路径是否与当前目标定位探测在同一个贝叶斯子网中;
第一更新子模块,用于在所述第一判断子模块的判断结果为否的情况下,将目标定位探测路径更新为所选择定位探测路径;
重新计算子模块,用于在所述第一判断子模块的判断结果为是的情况下,重新计算所选择的定位探测路径的探测价值;
第二判断子模块,用于判断更新后的所选择的定位探测的探测价值,是否不小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值;
第二更新子模块,用于在所述第二判断子模块的判断结果为不小于的情况下,将目标定位探测更新为所选择的定位探测路径。
可选的,所述划分子模块,包括:
确定单元,用于根据所述检测结果,确定目标网络中的状态近似已知节点;
划分单元,用于基于所述状态近似已知节点,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
所述确定单元,具体用于:
采用如下公式确定状态近似已知节点:
其中,k=0,1,xl为节点l,l为正整数,Pobs为故障检测路径集合,pi为故障检测路径集合中的故障检测路径,s(pi)为故障检测路径pi的检测结果,λ表示状态近似已知节点应被探测的最少次数,0<λ<1;θ表示探测路径返回结果中一致结果至少需要满足的比例,0<θ<1,dl0表示对故障检测路径的检测结果为成功的个数,dl1表示对故障检测路径的检测结果为失败的个数;
所述划分单元,具体用于:
将所述状态近似已知节点从所述静态贝叶斯网络移出;
基于移出所述状态近似已知节点后的静态贝叶斯网络,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
可选的,所述第四确定模块,包括:
第二建立子模块,用于建立目标合集与所述候选故障节点集合的动态贝叶斯模型,其中,所述目标合集为所述故障检测路径集合与所有目标定位探测路径的合集;
推断子模块,用于基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态;
确定子模块,用于根据所述最有可能状态,确定故障节点。
可选的,所述推断子模块,具体用于:
采用如下公式确定所述目标网络中的所有节点的最有可能状态:
其中,为所述目标网络中节点的原始状态集合,为所述目标网络中节点的当前状态集合,为原始的目标定位探测路径的定位探测结果集合,为当前的目标定位探测路径的定位探测结果集合。
可选的,所述各个定位探测路径的探测价值的计算公式为:
V(pj)=αG(pj)+βI(pj)
其中,G(pj)为定位探测路径pj的信息增益,I(pj)为定位探测路径pj的重要程度,α为G(pj)的比重系数,β为I(pj)的比重系数;
G(pj)=H(X|T(m))-H(X|T(m)∪{pj})
其中,T(m)={p1,p2,...,pm}是前m次目标定位探测路径组成的向量,X是候选故障节点组成的向量,H(X|T)表示条件信息熵;
其中,xI表示重要节点。
本发明实施例提供的网络故障诊断方法及装置,在预设的时间点调度探针发送用于故障检测的探测包,可以根据故障检测结果筛选出候选故障节点集合,然后根据检测结果和定位探测结果确定出故障节点,相较于现有技术,可以主动探测网络中是否存在故障,并且缩小了进行故障诊断时的网络规模,提高了故障定位的时效性。
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网络故障诊断方法的流程示意图;
图2为本发明实施例中目标网络的拓扑结构示意图;
图3为基于图2建立的静态贝叶斯网络的拓扑结构示意图;
图4为划分成的贝叶斯子的静态贝叶斯网络的拓扑结构示意图;
图5为本发明实施例提供的6个节点的静态贝叶斯网络的拓扑结构示意图;
图6为基于图5建立的多个时间片的动态贝叶斯网络的拓扑结构示意图;
图7为转换后的动态贝叶斯网络的拓扑结构示意图;
图8为本发明实施例提供的一种网络故障诊断装置的结构示意图。
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。
为了解决现有技术问题,本发明实施例提供了一种网络故障诊断方法及装置。下面首先对本发明实施例所提供的一种网络故障诊断方法进行介绍。
图1为本发明实施例提供的一种网络故障诊断方法的流程示意图,方法包括:
S101:在预设的时间点,调度预先部署的探针向故障检测路径集合中的每一故障检测路径发送目标探测包;其中,所述故障检测路径集合是基于目标网络和所述探针确定的,覆盖所述目标网络的所有节点,且包括至少一个故障检测路径。
在实际应用中,可以根据目标网络中节点相互之间的依赖关系,确定在哪些节点上部署探针,探针一般部署目标网络的中心部位,在给网络造成最小额外负担的前提下及时察觉网络故障的发生,具体的,探针部署位置可以依据现有技术中的方法确定,在这里不进行赘述。需要说明的是,这里所说的探针是主动探针,主动探针是根据预先设置的时间点,主动发送探测包的探针。一般情况下,目标网络中部署的探针的数量,可以根据目标网络的负载情况以及探针的价格等因素综合考虑确定的。该目标网络可以为有噪网络或动态网络。
可以理解的是,确定故障检测路径集合的目的是检测目标网络是否发生故障,这些故障检测路径集合并不需要定位故障节点的准确位置,仅需要覆盖目标网络的全部节点即可。可以根据目标网络的结构及探针部署的位置,确定故障检测路径集合,具体的,可以根据现有技术中的方法进行确定,在这里不进行赘述。在本发明实施例中,故障检测路径集合可以表示为:
Pobs={p10,p20,...}
其中,Pobs为故障检测路径集合。
示例性的,目标网络的拓扑结构示意图可以如图2所示,在图2所示的目标网络中部署了3个探针,这3个探针分别节点10、节点11和节点12上,基于图2所示的目标网络,故障检测路径集合可以如表1所示。
表1
故障检测路径 | 故障检测路径所经历的节点的顺序 |
P10 | 11→2→1→9→3→13 |
P20 | 10→4→1→6 |
P30 | 12→5→1→8 |
P40 | 11→2→7→14→19 |
P50 | 12→5→1→15 |
P60 | 11→2→16 |
P70 | 11→2→17 |
P80 | 10→4→1→18 |
P90 | 10→1→20 |
根据表1可知,节点10上部署的探针所对应故障检测路径为P20、P80和P90,节点11上部署的探针所对应故障检测路径为P10、P40、P60和P70,节点12上部署的探针所对应故障检测路径为P30和P50。假设预设的发送探测包的时间间隔是30秒,从发送当前目标探测包开始计时,当计时达到30秒时,可以认为是到达预设时间点,则可以调度这3个探针分别自身所对应的故障检测路径发送目标探测包。需要说明的是,这3个探针可以同时向自身所对应的路径发送探测包,相互之间不影响,但如果同一探针对应多个故障检测路径的情况下,为了区别具体哪个故障检测路径出现故障,需要在获取一个故障检测路径的对应的检测结果后,向下一个故障检测路径发送目标探测包。
需要说明的是,这里所说的目标探测包可以为Ping命令探测包;Ping命令是一种常用的网络命令,主要的功能是用来检测网络的连通情况。当然,目标探测包并不仅限于Ping命令探测包,还可以为其他用于测试网络连通性的探测包。
S102:获取针对每个故障检测路径的发送的目标探测包对应的检测结果。
在实际应用中,每个探针会接收自身所对应的故障检测路径对应的检测结果,然后,从每个探针处获取所有故障检测路径对应的检测结果。需要说明的是,一个故障检测路径对应的检测结果为成功或失败,如果检测结果是成功,说明该故障检测路径所包含的节点全部是正常节点,如果检测结果为失败,说明该故障检测路径所包含的节点中存在故障节点。示例性的,检测结果可以用0和1标识,0表示检测结果是成功,1表示检测结果是失败。
S103:在获取的检测结果中包括失败的检测结果情况下,基于所述失败的检测结果,确定候选故障节点集合。
如果获取的检测结果均是成功的检测结果,说明目标网络没有出现故障,也不存在故障节点,此时,会返回执行S101。如果获取的检测结果中包括失败的检测结果,说明目标网络中存在故障节点。在本发明实施例中,确定失败的检测结果所对应的故障检测路径,将确定的故障检测路径所包含的节点确定为候选故障节点;所有候选故障节点组成的集合为候选故障节点集合。示例性的,候选故障节点集合可以表示为:
X={xl|xl∈pi,pi∈Pobs&s(pi)=1}
其中,xl∈pi表示节点xl是故障检测路径pi路径上的节点;s(pi)表示针对故障检测路径pi的检测结果,s(pi)=1表示针对故障检测路径pi的检测结果为失败,s(pi)=0表示针对故障检测路径pi的检测结果为成功。
示例性的,以图2和表1为例进行说明,假设获取的检测结果集合为{1,0,0,1,0,1,1,0,0},根据检测结果,确定的失败的检测结果所对应的故障检测路径分别为P10、P40、P60和P70,根据表1,可以确定出候选故障节点集合为{X1,X2,X3,X7,X9,X11,X13,X14,X16,X17,X19}。
在本发明实施例中,通过检测结果筛选出候选故障节点集合,相较于现有技术中对网络中的所有节点进行故障定位,缩小了网络规模,节省了故障诊断时间。
S104:根据所述故障检测路径集合和所述候选故障节点集合,确定定位探测路径集合,其中,所述定位探测路径集合中包括至少一个定位探测路径。
可以理解的是,上述步骤只能确定候选故障节点,不能准确地定位出现故障的节点,需要利用定位探测路径定位故障节点。在本发明实施例中,定位探测路径集合可以表示为:
Pdia={pj|xl∈p,xl∈X}-Pobs
其中,Pdia为定位探测路径集合。
示例性的,根据上述确定出的故障检测路径集合和候选故障节点集合,确定出的定位探测路径可以如表2所示。
表2
定位探测路径 | 定位探测路径所经历的节点的顺序 |
P1 | 11→2→8→1→13 |
P2 | 10→14→19 |
P3 | 10→14 |
P4 | 10→4→7 |
P5 | 12→5→1→9 |
P6 | 12→3→13 |
P7 | 10→4→2→16 |
P8 | 12→5→1→2 |
P9 | 12→5→1→2→17 |
需要说明的是,上述表2中列举的定位探测路径只是举例说明,并不代表在实际应用中,确定的定位探测路径必须如表2所示。
S105:计算所述定位探测路径集合中每一定位探测路径的探测价值。
需要说明的是,在本发明实施例中,是根据定位探测路径的探测价值确定向该定位探测路径发送第一探测包的顺序,因此,需要先确定定位探测路径的探测价值。在本发明实施例中,定位探测路径作为目标定位探测路径的顺序越靠后,其探测价值相对越小。
在本发明实施例中,所述各个定位探测路径的探测价值的计算公式为:
V(pj)=αG(pj)+βI(pj)
其中,G(pj)为定位探测路径pj的信息增益,I(pj)为定位探测路径pj的重要程度,α为G(pj)的比重系数,β为I(pj)的比重系数。
信息增益是信息中的概念,用来衡量发送一个探测包所获得的系统信息量的大小,在本发明实施例中,信息增益的计算公式为:
G(pj)=H(X|T(m))-H(X|T(m)∪{pj})
其中,T(m)={p1,p2,...,pm}是前m次目标定位探测路径组成的向量,H(X|T)表示条件信息熵,为在T条件下,X的信息熵。
H(X|T)可以表示为:
在初始状态下系统的信息熵为:
其中,P(X)为X的概率。
信息熵是C.E.香农从热力学中借用过来的,热力学中的热熵是表示分子状态混乱程度的物理量,香农用信息熵的概念来描述信源的不确定度。
在本发明实施例中,定位探测路径pj的重要程度可以通过以下公式确定:
其中,xI表示重要节点,重要节点可以根据节点的度确定,在图论中,节点的度是指和该节点相关联的边的条数,具体的,可以设置节点的度不小于预设值的节点为重要节点,示例性的,预设值为3,节点2的度为5,则可以确定节点2是重要节点,当然,还可以通过其他方法确定重要节点,在这里不进行一一说明。
S106:根据计算得到的各个定位探测路径的探测价值,确定目标定位探测路径。
在实际应用中,可以将探测价值最大的定位探测路径,确定为目标定位探测路径,也可以随机选择一个定位探测路径,将选择的定位探测路径确定为目标定位探测路径。
S107:调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包。
需要说明的是,这里所说的目标定位探测路径对应的探针理解为部署有探针的节点是目标定位探测路径的起始节点,示例性的,假设,目标定位探测路径是P1,则目标定位探测路径所对应的探针是节点11上部署的探针。
S108:获取所述第一探测包对应的定位探测结果。
需要说明的是,获取定位探测结果的方法与上述获取检测结果的方法原理相同,在这里不进行赘述。
S109:根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行所述S107。
在实际应用中,可以更新目前没有被确定为目标定位探测路径的探测价值,根据更新后的探测价值,选择一个未确定为目标定位探测的定位探测,作为目标探测路径,并返回执行S107。
具体的,根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,包括:
建立所述候选故障节点集合中的所有候选故障节点与所述定位探测路径集合中的所有定位探测路径的静态贝叶斯网络;
根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网;
选择所述定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径;
判断所选择的定位探测路径是否与当前目标定位探测在同一个贝叶斯子网中;
如果否,将目标定位探测路径更新为所选择定位探测路径;
如果是,重新计算所选择的定位探测路径的探测价值;
判断更新后的所选择的定位探测的探测价值,是否不小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值;
如果不小于,将目标定位探测更新为所选择的定位探测路径。
具体的,所述根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网,包括:
根据所述检测结果,确定目标网络中的状态近似已知节点;
基于所述状态近似已知节点,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
具体的,所述根据所述检测结果,确定目标网络中的状态近似已知节点,包括:
采用如下公式确定状态近似节点:
其中,k=0,1,xl为节点l,l为正整数,Pobs为故障检测路径集合,pi为故障检测路径集合中的故障检测路径,s(pi)为故障检测路径pi的检测结果,λ表示状态近似已知节点应被探测的最少次数,0<λ<1;θ表示探测路径返回结果中一致结果至少需要满足的比例,0<θ<1,dl0表示对故障检测路径的检测结果为成功的个数,dl1表示对故障检测路径的检测结果为失败的个数;
具体的,所述基于所述状态近似已知节点,将所述静态贝叶斯网络划分为多个贝叶斯子网,包括:
将所述状态近似已知节点从所述静态贝叶斯网络移出;
基于移出所述状态近似已知节点后的静态贝叶斯网络,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
根据上述探测价值的计算公式可知,一个定位探测路径的探测价值会随着其他定位探测路径的定位探测结果而动态变化,因而,每向一个定位探测路径发送第一探测包,那些未确定为目标定位探测路径的定位探测路径的探测价值需要重新计算,导致计算量庞大。为方便探测价值的计算,在本发明实施例中,建立了候选故障节点集合中的所有候选故障节点与定位探测路径集合中的所有定位探测路径的静态贝叶斯网络。
贝叶斯网络是贝叶斯网络也被称为信念网络或者因果网络,是描述数据变量之间依赖关系的一种图形模式,是一种用来进行推理的模型。静态贝叶斯网络是数据变量之间依赖关系不会随时间变化的贝叶斯网络。示例性的,延续上述示例,图3为基于图2建立的静态贝叶斯网络的拓扑结构示意图。在图3中,候选故障节点指向定位探测路径的有向边表示该节点在该定位探测路径所包含的节点,现实含义为如果该节点出现故障,则指向的定位探测结果为失败,如节点X1、X2和X17分别有一条边指向定位探测路径P9,则定位探测路径P9的定位探测结果为这三个节点状态“或”的结果,即s(p9)=s(x1)|s(x2)|s(x17)。
在本发明实施例中,可以根据获取到的检测结果,对建立的静态贝叶斯模型进行分割,具体的,可以利用D-分割原理,将图3所示的静态贝叶斯网络划分为至少一个贝叶斯子网。D-分离原理大致可以为根据预先判断定位探测路径之间是否独立,根据定位探测路径之间的独立性,对静态贝叶斯网络进行划分。
在本发明实施例中,可以根据检测结果,确定状态近似已知节点,进而确定定位探测路径的之间的独立性,具体的,可以采用上述公式确定状态近似已知节点,λ和θ是预先设置的,具体数值可以根据实际情况而定,当候选故障节点中有节点满足上述两个公式,则可以认为该节点的状态近似已知。示例性的,λ=0.4,θ=0.8,计算出来的a1=0.45,b1=0.83,则可以认为节点1是状态近似已知节点。
将确定出的状态近似已知节点从静态贝叶斯网络中移出,移出的状态近似已知节点与定位探测路径之间被阻断,可以将移出状态近似已知节点后的静态贝叶斯网络划分成贝叶斯子网。示例性,延续上述示例,假设确定出的状态近似已知节点为节点1、节点2和节点11,则将划分成的贝叶斯子的静态贝叶斯网络的拓扑结构示意图如图4所示。从图4可以看出,定位探测路径P1与定位探测路径P7相关,定位探测路径P2与定位探测路径P3相关,其他定位探测路径之间相互独立。
假设当前目标定位探测路径是P1,则确定没有作为目标探测路径且探测价值仅次于当前目标定位探测路径的定位探测路径,如果是定位探测路径P3,因为定位探测路径P3与定位探测路径P1不属于同一个贝叶斯子网,定位探测路径P1定位探测结果不会影响定位探测路径P3的探测价值,而且,根据探测价值的计算公式,定位探测路径更新前的探测价值肯定不小于更新后的探测价值,则将定位探测路径P3确定为目标定位探测路径。
如果是定位探测路径P7,则更新定位探测路径P7的探测价值,如果更新后的定位探测路径P7的探测价值不小于所有未确定为目标定位探测路径的定位探测路径中的探测价值,即更新后的定位探测路径P7的探测价值不小于当前所有未确定为目标定位探测路径的探测价值中的最大值。将定位探测路径P7确定为定位探测路径。
更新后的所选择的定位探测的探测价值,小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值,则选择当前定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径,示例性的,假设定位探测路径P7更新后的探测价值小于定位探测路径P4,因为定位探测路径P4与定位探测路径P1不属于同一个贝叶斯子网,则将定位探测路径P4确定为目标定位探测路径。
需要说明的是,在本发明实施例中,为了减轻目标网络的负载,可以预先设置一个针对目标定位探测路径数量的阈值,当已经确定的目标定位探测路径的数量等于该阈值,则停止确定目标定位探测路径的操作,在获取定位探测结果后,执行S110;当已经确定的目标定位探测路径的数量小于该阈值,则继续确定目标定位探测路径的操作,直至确定的目标定位探测路径的数量等于该阈值。当然,如果预设的阈值大于定位探测路径集合中定位探测路径的数量,则在将所有定位探测路径均确定为目标定位探测路径,而且获取定位探测结果后,执行S110。当然,也可以不设置阈值,在这里不进行限定。
在本发明实施例中,借助定位探测路径与候选故障节点建立的贝叶斯网络,利用定位探测路径之间的条件独立性,减少目标定位探测路径的确定时间,同时,根据探测价值的计算公式,定位探测路径更新前的探测价值肯定不小于更新后的探测价值,不需要更新所有未确定为目标定位探测路径的探测价值,因此,极大地缩短了目标定位探测确定的时间。
S110:根据获取到检测结果和所有定位探测结果,确定故障节点。
具体的,所述根据获取到检测结果和定位探测结果,确定故障节点,包括:
建立目标合集与所述候选故障节点集合的动态贝叶斯模型,其中,所述目标合集为所述故障检测路径集合与所有目标定位探测路径的合集;
基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态;
根据所述最有可能状态,确定故障节点。
具体的,所述基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态,包括:
采用如下公式确定所述目标网络中的所有节点的最有可能状态:
其中,为所述目标网络中节点的原始状态集合,为所述目标网络中节点的当前状态集合,为原始的目标定位探测路径的定位探测结果集合,为当前的目标定位探测路径的定位探测结果集合。
在本发明实施例中,动态贝叶斯网络是在静态贝叶斯网络基础上加入时间片t以及节点在时间片之间的转移概率示例性的,6个节点的静态贝叶斯网络拓扑示意图可以如图5所示,建立的动态贝叶斯网络的拓扑示意图可以如图6所示。
在本发明实施例中,为了简化动态贝叶斯网络的推理,通常采用以下两个假设:
一、动态贝叶斯网络满足马尔科夫假设,即给出当前节点的状态后,将来的节点与过去是独立的;
二、每个时间片内的各个节点的条件概率和时间片间的转移概率不随时间的变化而变化。
根据上述两个假设,可以将图6所示的t个时间片的动态贝叶斯网络转化为2个时间片的动态贝叶斯网络,转化后的动态贝叶斯网络拓扑结构示意图如图7所示。
基于转换后的动态贝叶斯网络,根据检测结果和定位探测结果,推断目标网络中的所有节点的最有可能状态可以采用上述x2*的计算公式,确定节点的最有可能状态。具体的,可以将推断出的最有可能状态中状态值为预设值的节点确定为故障节点,这里所说的预设值可以为0,当然也可以为其他的值,在这里不进行限定。
在本发明实施例中,建立目标定位探测探测与候选故障节点间的动态贝叶斯网络,推选目标网络中节点的最有可能状态,能够提高识别的准确性。
应用本发明实施例,在预设的时间点调度探针发送用于故障检测的探测包,可以根据故障检测结果筛选出候选故障节点集合,然后根据检测结果和定位探测结果确定出故障节点,相较于现有技术,可以主动探测网络中是否存在故障,并且缩小了进行故障诊断时的网络规模,提高了故障定位的时效性。
图8为本发明实施例提供一种网络故障诊断装置的结构示意图,该装置包括:第一调度模块201、第一获取模块202、第一确定模块203、第二确定模块204、计算模块205、第三确定模块206、第二调度模块207、第二获取模块208、更新模块209和第四确定模块210。
第一调度模块201,用于在预设的时间点,调度预先部署的探针向故障检测路径集合中的每一故障检测路径发送目标探测包;其中,所述故障检测路径集合是基于目标网络和所述探针确定的,覆盖所述目标网络的所有节点,且包括至少一个故障检测路径;
第一获取模块202,用于获取针对每个故障检测路径的发送的目标探测包对应的检测结果;
第一确定模块203,用于在获取的检测结果中包括失败的检测结果情况下,基于所述失败的检测结果,确定候选故障节点集合;
第二确定模块204,用于根据所述故障检测路径集合和所述候选故障节点集合,确定定位探测路径集合,其中,所述定位探测路径集合中包括至少一个定位探测路径;
计算模块205,用于计算所述定位探测路径集合中每一定位探测路径的探测价值;
第三确定模块206,用于根据计算得到的各个定位探测路径的探测价值,确定目标定位探测路径;
第二调度模块207,用于调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包;
第二获取模块208,用于获取所述第一探测包对应的定位探测结果;
更新模块209,用于根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行所述第二调度模块207;
第四确定模块210,用于根据获取到检测结果和所有定位探测结果,确定故障节点。
具体的,所述更新模块209,可以包括第一建立子模块、划分子模块、选择子模块、第一判断子模块、第一更新子模块、第二判断子模块和第二更新子模块(图中未示出)。
第一建立子模块,用于建立所述候选故障节点集合中的所有候选故障节点与所述定位探测路径集合中的所有定位探测路径的静态贝叶斯网络;
划分子模块,用于根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网;
选择子模块,用于选择所述定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径;
第一判断子模块,用于判断所选择的定位探测路径是否与当前目标定位探测在同一个贝叶斯子网中;
第一更新子模块,用于在所述第一判断子模块的判断结果为否的情况下,将目标定位探测路径更新为所选择定位探测路径;
重新计算子模块,用于在所述第一判断子模块的判断结果为是的情况下,重新计算所选择的定位探测路径的探测价值;
第二判断子模块,用于判断更新后的所选择的定位探测的探测价值,是否不小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值;
第二更新子模块,用于在所述第二判断子模块的判断结果为不小于的情况下,将目标定位探测更新为所选择的定位探测路径。
具体的,所述划分子模块,包括确定单元和划分单元(图中未示出)。
确定单元,用于根据所述检测结果,确定目标网络中的状态近似已知节点;
划分单元,用于基于所述状态近似已知节点,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
所述确定单元,具体用于:
采用如下公式确定状态近似已知节点:
其中,k=0,1,xl为节点l,l为正整数,Pobs为故障检测路径集合,pi为故障检测路径集合中的故障检测路径,s(pi)为故障检测路径pi的检测结果,λ表示状态近似已知节点应被探测的最少次数,0<λ<1;θ表示探测路径返回结果中一致结果至少需要满足的比例,0<θ<1,dl0表示对故障检测路径的检测结果为成功的个数,dl1表示对故障检测路径的检测结果为失败的个数;
具体的,所述划分单元,具体用于:
将所述状态近似已知节点从所述静态贝叶斯网络移出;
基于移出所述状态近似已知节点后的静态贝叶斯网络,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
具体的,所述第四确定模块210,可以包括第二建立子模块、推断子模块和确定子模块(图中未示出)。
第二建立子模块,用于建立目标合集与所述候选故障节点集合的动态贝叶斯模型,其中,所述目标合集为所述故障检测路径集合与所有目标定位探测路径的合集;
推断子模块,用于基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态;
确定子模块,用于根据所述最有可能状态,确定故障节点。
具体的,所述推断子模块,具体用于:
采用如下公式确定所述目标网络中的所有节点的最有可能状态:
其中,为所述目标网络中节点的原始状态集合,为所述目标网络中节点的当前状态集合,为原始的目标定位探测路径的定位探测结果集合,为当前的目标定位探测路径的定位探测结果集合。
具体的,所述各个定位探测路径的探测价值的计算公式为:
V(pj)=αG(pj)+βI(pj)
其中,G(pj)为定位探测路径pj的信息增益,I(pj)为定位探测路径pj的重要程度,α为G(pj)的比重系数,β为I(pj)的比重系数;
G(pj)=H(X|T(m))-H(X|T(m)∪{pj})
其中,T(m)={p1,p2,...,pm}是前m次目标定位探测路径组成的向量,X是候选故障节点组成的向量,H(X|T)表示条件信息熵;
其中,xI表示重要节点。
应用本发明实施例,在预设的时间点调度探针发送用于故障检测的探测包,可以根据故障检测结果筛选出候选故障节点集合,然后根据检测结果和定位探测结果确定出故障节点,相较于现有技术,可以主动探测网络中是否存在故障,并且缩小了进行故障诊断时的网络规模,提高了故障定位的时效性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种网络故障诊断方法,其特征在于,所述方法包括:
在预设的时间点,调度预先部署的探针向故障检测路径集合中的每一故障检测路径发送目标探测包;其中,所述故障检测路径集合是基于目标网络和所述探针确定的,覆盖所述目标网络的所有节点,且包括至少一个故障检测路径;
获取针对每个故障检测路径的发送的目标探测包对应的检测结果;
在获取的检测结果中包括失败的检测结果情况下,基于所述失败的检测结果,确定候选故障节点集合;
根据所述故障检测路径集合和所述候选故障节点集合,确定定位探测路径集合,其中,所述定位探测路径集合中包括至少一个定位探测路径;
计算所述定位探测路径集合中每一定位探测路径的探测价值;
根据计算得到的各个定位探测路径的探测价值,确定目标定位探测路径;
调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包;
获取所述第一探测包对应的定位探测结果;
根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行所述调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包的步骤;
根据获取到检测结果和所有定位探测结果,确定故障节点。
2.根据权利要求1所述的方法,其特征在于,所述根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,包括:
建立所述候选故障节点集合中的所有候选故障节点与所述定位探测路径集合中的所有定位探测路径的静态贝叶斯网络;
根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网;
选择所述定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径;
判断所选择的定位探测路径是否与当前目标定位探测在同一个贝叶斯子网中;
如果否,将目标定位探测路径更新为所选择定位探测路径;
如果是,重新计算所选择的定位探测路径的探测价值;
判断更新后的所选择的定位探测的探测价值,是否不小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值;
如果不小于,将目标定位探测更新为所选择的定位探测路径。
3.根据权利要求2所述的方法,其特征在于,所述根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网,包括:
根据所述检测结果,确定目标网络中的状态近似已知节点;
基于所述状态近似已知节点,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
4.根据权利要求3所述的方法,其特征在于,所述根据所述检测结果,确定目标网络中的状态近似已知节点,包括:
采用如下公式确定状态近似已知节点:
其中,dlk=|pi|xl∈pi,s(pi)=k,pi∈Pobs|,k=0,1,xl为节点l,l为正整数,Pobs为故障检测路径集合,pi为故障检测路径集合中的故障检测路径,s(pi)为故障检测路径pi的检测结果,λ表示状态近似已知节点应被探测的最少次数,0<λ<1;θ表示探测路径返回结果中一致结果至少需要满足的比例,0<θ<1,dl0表示对故障检测路径的检测结果为成功的个数,dl1表示对故障检测路径的检测结果为失败的个数;
所述基于所述状态近似已知节点,将所述静态贝叶斯网络划分为多个贝叶斯子网,包括:
将所述状态近似已知节点从所述静态贝叶斯网络移出;
基于移出所述状态近似已知节点后的静态贝叶斯网络,将所述静态贝叶斯网络划分为至少一个贝叶斯子网。
5.根据权利要求1或2所述的方法,其特征在于,所述根据获取到检测结果和定位探测结果,确定故障节点,包括:
建立目标合集与所述候选故障节点集合的动态贝叶斯模型,其中,所述目标合集为所述故障检测路径集合与所有目标定位探测路径的合集;
基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态;
根据所述最有可能状态,确定故障节点。
6.根据权利要求4所述的方法,其特征在于,所述基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态,包括:
采用如下公式确定所述目标网络中的所有节点的最有可能状态:
其中,为所述目标网络中节点的原始状态集合,为所述目标网络中节点的当前状态集合,为原始的目标定位探测路径的定位探测结果集合,为当前的目标定位探测路径的定位探测结果集合。
7.根据权利要求要求1所述的方法,其特征在于,所述各个定位探测路径的探测价值的计算公式为:
V(pj)=αG(pj)+βI(pj)
其中,G(pj)为定位探测路径pj的信息增益,I(pj)为定位探测路径pj的重要程度,α为G(pj)的比重系数,β为I(pj)的比重系数;
G(pj)=H(X|T(m))-H(X|T(m)∪{pj})
其中,T(m)={p1,p2,...,pm}是前m次目标定位探测路径组成的向量,H(X|T)表示条件信息熵;
其中,xI表示重要节点。
8.一种网络故障诊断装置,其特征在于,所述装置包括:
第一调度模块,用于在预设的时间点,调度预先部署的探针向故障检测路径集合中的每一故障检测路径发送目标探测包;其中,所述故障检测路径集合是基于目标网络和所述探针确定的,覆盖所述目标网络的所有节点,且包括至少一个故障检测路径;
第一获取模块,用于获取针对每个故障检测路径的发送的目标探测包对应的检测结果;
第一确定模块,用于在获取的检测结果中包括失败的检测结果情况下,基于所述失败的检测结果,确定候选故障节点集合;
第二确定模块,用于根据所述故障检测路径集合和所述候选故障节点集合,确定定位探测路径集合,其中,所述定位探测路径集合中包括至少一个定位探测路径;
计算模块,用于计算所述定位探测路径集合中每一定位探测路径的探测价值;
第三确定模块,用于根据计算得到的各个定位探测路径的探测价值,确定目标定位探测路径;
第二调度模块,用于调度所述目标定位探测路径对应的探针,向所述目标定位探测路径发送第一探测包;
第二获取模块,用于获取所述第一探测包对应的定位探测结果;
更新模块,用于根据预设规则,在未确定为目标定位探测路径的定位探测路径中选择一个定位探测路径,将目标定位探测路径更新为所选择的定位探测路径,并返回执行所述第二调度模块;
第四确定模块,用于根据获取到检测结果和所有定位探测结果,确定故障节点。
9.根据权利要求8所述的装置,其特征在于,所述更新模块,包括:
第一建立子模块,用于建立所述候选故障节点集合中的所有候选故障节点与所述定位探测路径集合中的所有定位探测路径的静态贝叶斯网络;
划分子模块,用于根据所述检测结果,将所述静态贝叶斯网络划分为至少一个贝叶斯子网;
选择子模块,用于选择所述定位探测路径集合中,探测价值仅次于当前目标定位探测路径、且未确定为目标定位探测路径的定位探测路径;
第一判断子模块,用于判断所选择的定位探测路径是否与当前目标定位探测在同一个贝叶斯子网中;
第一更新子模块,用于在所述第一判断子模块的判断结果为否的情况下,将目标定位探测路径更新为所选择定位探测路径;
重新计算子模块,用于在所述第一判断子模块的判断结果为是的情况下,重新计算所选择的定位探测路径的探测价值;
第二判断子模块,用于判断更新后的所选择的定位探测的探测价值,是否不小于当前所有未确定为目标定位探测路径的定位探测路径的探测价值;
第二更新子模块,用于在所述第二判断子模块的判断结果为不小于的情况下,将目标定位探测更新为所选择的定位探测路径。
10.根据权利要求8或9所述的装置,其特征在于,所述第四确定模块,包括:
第二建立子模块,用于建立目标合集与所述候选故障节点集合的动态贝叶斯模型,其中,所述目标合集为所述故障检测路径集合与所有目标定位探测路径的合集;
推断子模块,用于基于所述动态贝叶斯模型和获取到检测结果和所有定位探测结果,推断所述目标网络中的所有节点的最有可能状态;
确定子模块,用于根据所述最有可能状态,确定故障节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710119649.9A CN106685742B (zh) | 2017-03-02 | 2017-03-02 | 一种网络故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710119649.9A CN106685742B (zh) | 2017-03-02 | 2017-03-02 | 一种网络故障诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106685742A true CN106685742A (zh) | 2017-05-17 |
CN106685742B CN106685742B (zh) | 2020-04-10 |
Family
ID=58862566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710119649.9A Active CN106685742B (zh) | 2017-03-02 | 2017-03-02 | 一种网络故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106685742B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110336590A (zh) * | 2019-07-23 | 2019-10-15 | 广东电网有限责任公司 | 一种电力通信网的故障定位方法、装置及设备 |
CN111600805A (zh) * | 2020-05-27 | 2020-08-28 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于贝叶斯的电力数据网拥塞链路推断算法 |
CN111708681A (zh) * | 2020-06-15 | 2020-09-25 | 北京优特捷信息技术有限公司 | 一种日志处理方法、装置、设备及存储介质 |
CN112039695A (zh) * | 2020-08-19 | 2020-12-04 | 朔黄铁路发展有限责任公司肃宁分公司 | 基于贝叶斯推理的传输网络故障定位方法及装置 |
CN112187584A (zh) * | 2020-09-30 | 2021-01-05 | 腾讯科技(深圳)有限公司 | 路径故障探测方法、系统、服务器及存储介质 |
CN112217674A (zh) * | 2020-10-12 | 2021-01-12 | 西安交通大学 | 基于因果网络挖掘和图注意力网络的告警根因识别方法 |
CN113300868A (zh) * | 2020-07-13 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 故障网络设备节点的定位方法、装置和网络通信方法 |
CN114205290A (zh) * | 2021-12-10 | 2022-03-18 | 中国电子科技集团公司第十五研究所 | 一种用于行为体传播的数据处理方法及装置 |
CN115225462A (zh) * | 2022-07-21 | 2022-10-21 | 北京天融信网络安全技术有限公司 | 网络故障诊断方法及装置 |
CN116962143A (zh) * | 2023-09-18 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 网络故障检测方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350739A (zh) * | 2008-09-05 | 2009-01-21 | 北京邮电大学 | 一种ip网络中的故障定位方法 |
US20120201150A1 (en) * | 2011-02-08 | 2012-08-09 | NextGen Innovation Labs LLC | Effective method of measuring wireless consumer experience insights |
CN102801552A (zh) * | 2011-05-23 | 2012-11-28 | 通用汽车环球科技运作有限责任公司 | 基于网络建模的用于错误隔离和错误减轻的系统和方法 |
JP2013097617A (ja) * | 2011-11-01 | 2013-05-20 | Advanced Telecommunication Research Institute International | 異常頻度推定装置、異常頻度推定プログラム、異常頻度推定方法および異常頻度推定システム |
CN106452877A (zh) * | 2016-10-19 | 2017-02-22 | 国网江苏省电力公司南京供电公司 | 电力信息网故障定位方法 |
-
2017
- 2017-03-02 CN CN201710119649.9A patent/CN106685742B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350739A (zh) * | 2008-09-05 | 2009-01-21 | 北京邮电大学 | 一种ip网络中的故障定位方法 |
US20120201150A1 (en) * | 2011-02-08 | 2012-08-09 | NextGen Innovation Labs LLC | Effective method of measuring wireless consumer experience insights |
CN102801552A (zh) * | 2011-05-23 | 2012-11-28 | 通用汽车环球科技运作有限责任公司 | 基于网络建模的用于错误隔离和错误减轻的系统和方法 |
JP2013097617A (ja) * | 2011-11-01 | 2013-05-20 | Advanced Telecommunication Research Institute International | 異常頻度推定装置、異常頻度推定プログラム、異常頻度推定方法および異常頻度推定システム |
CN106452877A (zh) * | 2016-10-19 | 2017-02-22 | 国网江苏省电力公司南京供电公司 | 电力信息网故障定位方法 |
Non-Patent Citations (1)
Title |
---|
乔焰: "基于主动探测的IP网故障诊断与丢包率推理方法", 《中国博士学位论文全文数据库信息科技辑 (月刊 )》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110336590A (zh) * | 2019-07-23 | 2019-10-15 | 广东电网有限责任公司 | 一种电力通信网的故障定位方法、装置及设备 |
CN111600805B (zh) * | 2020-05-27 | 2023-02-28 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于贝叶斯的电力数据网拥塞链路推断方法 |
CN111600805A (zh) * | 2020-05-27 | 2020-08-28 | 南方电网调峰调频发电有限公司信息通信分公司 | 基于贝叶斯的电力数据网拥塞链路推断算法 |
CN111708681A (zh) * | 2020-06-15 | 2020-09-25 | 北京优特捷信息技术有限公司 | 一种日志处理方法、装置、设备及存储介质 |
CN113300868B (zh) * | 2020-07-13 | 2024-04-30 | 阿里巴巴集团控股有限公司 | 故障网络设备节点的定位方法、装置和网络通信方法 |
CN113300868A (zh) * | 2020-07-13 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 故障网络设备节点的定位方法、装置和网络通信方法 |
CN112039695A (zh) * | 2020-08-19 | 2020-12-04 | 朔黄铁路发展有限责任公司肃宁分公司 | 基于贝叶斯推理的传输网络故障定位方法及装置 |
CN112187584B (zh) * | 2020-09-30 | 2023-07-21 | 腾讯科技(深圳)有限公司 | 路径故障探测方法、系统、服务器及存储介质 |
CN112187584A (zh) * | 2020-09-30 | 2021-01-05 | 腾讯科技(深圳)有限公司 | 路径故障探测方法、系统、服务器及存储介质 |
CN112217674B (zh) * | 2020-10-12 | 2021-12-28 | 西安交通大学 | 基于因果网络挖掘和图注意力网络的告警根因识别方法 |
CN112217674A (zh) * | 2020-10-12 | 2021-01-12 | 西安交通大学 | 基于因果网络挖掘和图注意力网络的告警根因识别方法 |
CN114205290A (zh) * | 2021-12-10 | 2022-03-18 | 中国电子科技集团公司第十五研究所 | 一种用于行为体传播的数据处理方法及装置 |
CN114205290B (zh) * | 2021-12-10 | 2022-11-25 | 中国电子科技集团公司第十五研究所 | 一种用于行为体传播的数据处理方法及装置 |
CN115225462A (zh) * | 2022-07-21 | 2022-10-21 | 北京天融信网络安全技术有限公司 | 网络故障诊断方法及装置 |
CN115225462B (zh) * | 2022-07-21 | 2024-02-02 | 北京天融信网络安全技术有限公司 | 网络故障诊断方法及装置 |
CN116962143A (zh) * | 2023-09-18 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 网络故障检测方法、装置、计算机设备和存储介质 |
CN116962143B (zh) * | 2023-09-18 | 2024-01-26 | 腾讯科技(深圳)有限公司 | 网络故障检测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106685742B (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106685742A (zh) | 一种网络故障诊断方法及装置 | |
CN106452930B (zh) | 一种基于探测的服务功能链的故障诊断方法及系统 | |
US8577663B2 (en) | System and methods for fault-isolation and fault-mitigation based on network modeling | |
CN104811987B (zh) | 确定无线传感器网络内的故障节点 | |
CN110048901A (zh) | 一种电力通信网的故障定位方法、装置及设备 | |
CN102170648A (zh) | 无线传感器网络的被动诊断方法 | |
CN102721901A (zh) | 基于时序贝叶斯知识库tbkb的电网故障诊断方法 | |
CN105512011B (zh) | 一种电子装备测试性建模评估方法 | |
CN104158748B (zh) | 一种面向云计算网络的拓扑探测方法 | |
CN105094494A (zh) | 指纹识别方法、装置及电子设备 | |
CN102547812B (zh) | 一种无线传感网络故障检测方法及事件检测方法 | |
CN109670610A (zh) | 基于故障传播分析的故障诊断优化方法 | |
CN108039987A (zh) | 基于多层耦合关系网络的关键基础设施脆弱性测评方法 | |
CN103532761A (zh) | 一种适用于受攻击无线传感网的可生存性评估方法 | |
CN108933694A (zh) | 基于拨测数据的数据中心网络故障节点诊断方法及系统 | |
CN106034045A (zh) | 一种以太网链路故障定位的方法、装置及系统 | |
CN109738760A (zh) | 一种融合多种配电终端数据的配网短路故障定位方法 | |
CN102684902B (zh) | 基于探针预测的网络故障定位方法 | |
CN107426019A (zh) | 网络故障确定方法、计算机设备及计算机可读存储介质 | |
CN108205874A (zh) | 基于多参数联动的地质灾害预警方法、现场主控站及系统 | |
CN104965150B (zh) | 基于不完备营配信息融合的配电网故障定位方法 | |
CN102281103A (zh) | 基于模糊集合解算的光网络多故障恢复方法 | |
CN110108981A (zh) | 一种有源配电网中线路的故障诊断方法和系统 | |
CN109587145A (zh) | 一种电力网络中的虚假数据入侵检测方法、装置及设备 | |
CN110247380B (zh) | 一种用于多端直流电网的综合判据型边界保护方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |