CN106789138A - 一种网络告警关联分析的方法及装置 - Google Patents

Abstract

本发明公开了一种网络告警关联分析的方法及装置，根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口；根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务；根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。本发明提供一种网络告警关联分析的方法及装置，通过告警标识的转换降低了关联分析的复杂度，并且能够支持连续的数据分析挖掘。

Description

一种网络告警关联分析的方法及装置

技术领域

本发明涉及大数据处理领域，尤其涉及一种网络告警关联分析的方法及装置。

背景技术

随着网络规模的不断扩展、多业务网络的逐渐融合和新业务的加速引入给电信网络管理及维护工作带来了极大的挑战。在故障管理领域，一个重要而迫切的管理需求是对网络中产生的大量告警进行关联分析。

现有的关联分析主要分成两类，一类是通过传统的关联分析算法实现，如经典的Apriori(关联规则算法)，FP-growth(Frequent Pattern growth，频繁模式迭代)算法，典型的关联分析平台为weka(Waikato Environment for KnowledgeAnalysis，怀卡托智能分析环境)；另一类是通过单纯的大数据处理平台Hadoop实现关联分析挖掘技术，如Hadoop(Hadoop Distributed File System，分布式文件系统)的Apriori算法、Web服务器软件Apache(阿帕奇)的机器学习算法Mahout等。

传统的关联分析平台如Weka是基于单机实现的关联的分析算法，主要是针对小数据量的关联分析，不适宜大数据的关联分析挖掘；通过Hadoop大数据处理平台实现的关联分析，迭代计算性能欠佳；基于Mahout的Apriori算法主要是针对离散型的数据处理，不支持连续数据的分析挖掘。

综上所述，在大数据处理场景下，现有的网络告警关联分析方法无法支持连续的数据分析挖掘。

发明内容

本发明提供一种网络告警关联分析的方法及装置，用以解决在大数据处理场景下，现有技术中的网络告警关联分析方法无法支持连续的数据分析挖掘的问题。

本发明实施例提供一种网络告警关联分析的方法，包括：

根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口，其中，所述窗口移动步长小于所述时间窗口长度，N为正整数；

根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务；

根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。

可选的，所述根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口之前，还包括：

确定所述N条告警信息中每一条告警信息对应的告警标签；

根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识，其中每条告警标签对应一个告警标识；

所述根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联的分析结果之后，还包括:

根据所述告警标签与告警标识的映射关系，将所述包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。

可选的，所述确定所述N条告警信息中每一条告警信息对应的告警标签，包括：

根据预设的告警维度，确定每一条告警信息对应的告警标签；

其中，所述告警维度包括下列维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

可选的，所述预设的告警维度包括一种维度信息；

根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务，包括：

根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果，包括：

根据所述维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定所述维度信息对应的包含告警标识的关联分析结果。

可选的，所述预设的告警维度包括多种维度信息；

所述根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务，包括：

若所述告警信息对应的一个告警标签包括多种维度信息，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

若所述告警信息对应的一个告警标签包括一种维度信息，将同一个时间窗口中同一个维度信息对应的所有告警标识作为一个告警事务；

根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果，包括：

若所述告警信息对应的一个告警标签包括多种维度信息，根据所述多种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定多种所述维度信息对应的包含告警标识的关联分析结果；

若所述告警信息对应的一个告警标签包括一种维度信息，根据所述每一种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，分别确定每一种所述维度信息对应的包含告警标识的关联分析结果。

可选的，所述确定N条告警信息中每一条告警信息落入的时间窗口，包括：

根据所述每一条告警信息中的告警时间，确定所述每一条告警信息落入的时间窗口。

可选的，所述关联规则为确定多个告警标识落入同一个时间窗口的次数；

所述根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果，包括：

通过分布式内存计算框架Spark平台，关联规则算法Apriori算法确定所述多个告警标识落入同一个时间窗口的次数；

根据确定的次数生成包含所述多个告警标识的关联分析结果。

本发明实施例还提供一种网络告警关联分析的装置，包括：

窗口确定模块，用于根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口，其中，所述窗口移动步长小于所述时间窗口长度，N为正整数；

事务确定模块，用于根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务；

结果确定模块，用于根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。

可选的，所述窗口确定模块，还用于：

确定所述N条告警信息中每一条告警信息对应的告警标签；

根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识，其中每条告警标签对应一个告警标识；

所述结果确定模块，还用于：

根据所述告警标签与告警标识的映射关系，将所述包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。

可选的，所述窗口确定模块，还用于：

根据预设的告警维度，确定每一条告警信息对应的告警标签；

其中，所述告警维度包括下列维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

可选的，所述预设的告警维度包括一种维度信息；

所述事务确定模块，还用于：

根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

所述结果确定模块，还用于：

根据所述维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定所述维度信息对应的包含告警标识的关联分析结果。

可选的，所述预设的告警维度包括多种维度信息；

所述事务确定模块，还用于：

若所述告警信息对应的一个告警标签包括多种维度信息，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

若所述告警信息对应的一个告警标签包括一种维度信息，将同一个时间窗口中同一个维度信息对应的所有告警标识作为一个告警事务；

所述结果确定模块，还用于：

若所述告警信息对应的一个告警标签包括多种维度信息，根据所述多种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定多种所述维度信息对应的包含告警标识的关联分析结果；

若所述告警信息对应的一个告警标签包括一种维度信息，根据所述每一种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，分别确定每一种所述维度信息对应的包含告警标识的关联分析结果。

可选的，所述窗口确定模块，还用于：

根据所述每一条告警信息中的告警时间，确定所述每一条告警信息落入的时间窗口。

可选的，所述关联规则为确定多个告警标识落入同一个时间窗口的次数，所述结果确定模块，还用于：

通过分布式内存计算框架Spark平台，采用关联规则算法Apriori确定所述多个告警标识落入同一个时间窗口的次数；

根据确定的次数生成包含所述多个告警标识的关联分析结果。

本发明实施例提供一种网络告警关联分析的方法及装置，根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口；根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务；根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。本发明提供一种网络告警关联分析的方法及装置，通过告警标识的转换降低了关联分析的复杂度，并且能够支持连续的数据分析挖掘。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，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告警关联分析的方法流程示意图；

图2为本发明实施例提供的一种时间窗口长度和窗口移动步长结构示意图；

图3为本发明实施例提供的告警维度包括一种维度信息的一种告警关联分析的方法流程示意图；

图4为本发明实施例提供的告警维度包括多种维度信息的一种告警关联分析的方法流程示意图；

图5为本发明实施例提供的告警维度包括多种维度信息的另一种告警关联分析的方法流程示意图；

图6为本发明实施例提供的一种网络告警关联分析的装置结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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它实施例，都属于本发明保护的范围。

图1例性的示出了本发明实施例提供的一种网络告警关联分析的方法流程示意图，包括：

步骤101：根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口。

其中，窗口移动步长小于时间窗口长度，N为正整数。图2为本发明实施例提供的一种时间窗口长度和窗口移动步长结构示意图，如图2所示：

设置时间窗口长度为T，设置窗口移动步长为λ，起始时间窗口从时间t1开始至时间t2结束，第二个时间窗口从时间t3开始至时间t4结束，其中，t3＝t1+λ，t4＝t2+λ；第n个时间窗口从时间t(2n-1)开始至时间t2n结束，t(2n-1)＝t1+(n-1)λ，t2n＝t2+(n-1)λ。

例如，可设置时间窗口长度为5分钟，窗口移动步长为1分钟，则一天中的前三个时间窗口划分为(按时:分:秒表示)：00:00:00～00:04:59、00:01:00～00:05:59、00:02:00～00:06:59，最后三个时间窗口可以为(按时:分:秒表示)：23:53:00～23:57:59、23:54:00～23:58:59、23:55:00～23:59:59。

告警信息但不限于下列信息中的部分或全部：告警时间、告警标题、告警网元、告警专业、告警地区。

其中，告警时间为告警事件发生的时间，如00：07：13；告警标题为表明告警事件的简短语句，如S1接口故障；告警网元为告警事件对应的网络单元，例如PDH(Plesiochronous Digital Hierarchy，准同步数字系列)设备；告警专业为告警网元的分类，例如传输网络；告警地区为告警所在地区，例如桂林市。

在实施中，可以根据每一条告警信息中的告警时间，确定每一条告警信息落入的时间窗口。

例如，一条告警信息为中的时间信息为00:02:00～00:03:20，根据上述时间窗口的划分，可知该告警信息落入了一天中的第一个时间窗口。

可选的，本发明实施例的步骤101之前还可以包括：

确定N条告警信息中每一条告警信息对应的告警标签；根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识，其中每条告警标签对应一个告警标识。

具体地，可以根据预设的告警维度，确定每一条告警信息对应的告警标签。其中，预设的告警维度可以包括以下维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。例如，可以根据告警标题确定每一条告警信息对应的告警标签。若某一告警信息的告警标题为“S1接口故障”，则可以将“S1接口故障”作为该告警信息对应的告警标签，又根据“S1接口故障”对应的告警标识为ID1，则得到该告警信息对应的告警标识为ID1。

步骤102：根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的至少一个告警事务。

具体地，由于维度信息选取的种类数不同，一条告警信息可以对应一个告警标识，也可以对应多个告警标识。例如，告警维度包括一种维度信息，则告警信息1可对应告警标识为ID1；若告警维度包括多种维度信息，则告警信息1可对应告警标识为ID11和ID21和ID31。

进一步地，为了后续分析的准确性，还需要对出现在每个时间窗口内相同的告警标识做去重操作。即若同一个告警事务中包括相同的告警标识，则只保留一个告警标识。

步骤103：根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。

本发明实施例中，可以通过分布式内存计算框架Spark平台，采用关联规则算法Apriori确定多个告警标识落入同一个时间窗口的次数。由于关联规则算法Apriori需要输入离散的数据，而告警信息在时间上是连续的，通过时间窗口长度和窗口移动步长的设置将告警信息划分为多个时间窗口，从而获得了离散数据集合，因而可以关联规则算法Apriori进行关联分析，加快了迭代计算的速度。

进一步地，通过Spark平台输出告警信息关联出现的概率，关联项数可以是两项，也可以是多项。在Spark运行算法的参数设置过程中输入关联的项数，则可以输出小于等于该关联项数的关联结果。

例如，输入关联项数为3，则得出所有两两关联和三项关联的告警标识。若分析得出100个总时间窗口数里面有10个时间窗口同时出现“ID1”、“ID2”、“ID3”，20个时间窗口同时出现“ID1”、“ID2”，则输出“ID1”、“ID2”、“ID3”的三项关联概率为10％，“ID1”、“ID2”的两项关联概率为20％。

此外，在得出确定包含告警标识的关联分析结果后，还可以根据告警标签与告警标识的映射关系，将包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。

本发明实施例提供一种网络告警关联分析的方法，根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口；根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的至少一个告警事务；根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。本发明提供一种网络告警关联分析的方法，通过告警标识的转换降低了关联分析的复杂度，并且能够支持连续的数据分析挖掘。

下面根据维度信息选取的种类数不同，分三种情况对本发明实施例的网络告警关联分析的方法进行详细阐述。

情况一：告警维度包括一种维度信息。

图3为本发明实施例提供的告警维度包括一种维度信息的一种告警关联分析的方法流程示意图，如图3所示：

步骤301：确定N条告警信息中每一条告警信息对应的告警标签，根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识。

其中，N为正整数。具体地，每条告警标签对应一个告警标识，并且可以根据预设的告警维度，确定每一条告警信息对应的告警标签。其中，预设的告警维度可以包括以下维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

由于本发明实施例中告警维度包括一种维度信息，例如可以选取告警标题作为告警标签。例如，从某天的告警数据库获取200万条告警信息，告警信息1的告警标题为“ONU电源掉电”，则可以将“ONU电源掉电”作为该告警信息对应的告警标签，又根据“ONU电源掉电”对应的告警标识为ID1，则得到该告警标签对应的告警标识为ID1，同样地，得到告警标签“S1接口故障”对应的告警标识为ID2；得到告警标签“B相电压过低告警”对应的告警标识为ID3。

步骤302：根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口。

其中，窗口移动步长小于时间窗口长度。具体地，告警信息为包括告警时间、告警标题、告警网元等多个数据信息，则可以根据每一条告警信息中的告警时间，确定每一条告警信息落入的时间窗口。

具体地，可将200万条告警信息按照时间窗口划分，例如划分成100个时间窗口。确定时间窗口长度和窗口移动步长的过程在此不再赘述。

步骤303：根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的一个告警事务。

具体地，根据告警信息与告警标识的映射关系，得到告警信息1对应的告警标识为ID1，告警时间为00:00:00～00:01:00；告警信息2对应的告警标识为ID2，告警时间为00:00:00～00:02:00；告警信息3对应的告警标识为ID3，告警时间为00:00:00～00:03:00；告警信息4对应的告警标识为ID4，告警时间为00:00:00～00:04:00。得到第一个时间窗口的告警标识为集合U1＝{ID1，ID2，ID3，ID4}，则将U1作为一个告警事务。

步骤304：根据维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定维度信息对应的包含告警标识的关联分析结果。

具体地，根据所有的告警事务U中多个告警标识落入同一个时间窗口的次数，通过分布式内存计算框架Spark平台，采用关联规则算法Apriori确定多个告警标识落入同一个时间窗口的次数。由于关联规则算法Apriori需要输入离散的数据，而告警信息在时间上是连续的，通过时间窗口长度和窗口移动步长的设置将告警信息划分为多个时间窗口，从而获得了离散数据集合，因而可以关联规则算法Apriori进行关联分析，加快了迭代计算的速度。

进一步地，通过Spark平台输出告警信息关联出现的概率，关联项数可以是两项，也可以是多项。在Spark运行算法的参数设置过程中输入关联的项数，则可以输出小于等于该关联项数的关联结果。

例如，输入关联项数为3，则得出所有两两关联和三项关联的告警标识。若分析得出100个总时间窗口数里面有10个时间窗口同时出现“ID1”、“ID2”、“ID3”，20个时间窗口同时出现“ID1”、“ID2”，则输出“ID1”、“ID2”、“ID3”三项关联概率为10％，“ID1”、“ID2”两项关联概率为20％。

此外，在得出确定包含告警标识的关联分析结果后，还可以根据告警标签与告警标识的映射关系，将包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。根据上述结果，可还原得到“ONU电源掉电”、“S1接口故障”、“B相电压过低告警”三项关联概率为10％，“ONU电源掉电”、“S1接口故障”两项关联概率为20％。

情况二：告警维度包括多种维度信息，告警信息对应的一个告警标签包括多种维度信息。

图4为本发明实施例提供的告警维度包括多种维度信息的一种告警关联分析的方法流程示意图，如图4所示：

步骤401：确定N条告警信息中每一条告警信息对应的告警标签，根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识。

其中，N为正整数。具体地，每条告警标签对应一个告警标识，并且可以根据预设的告警维度，确定每一条告警信息对应的告警标签。其中，预设的告警维度可以包括以下维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

由于本发明实施例中告警维度包括多种维度信息，告警信息对应的一个告警标签包括多种维度信息，例如可以同时选取告警标题、告警网元和告警专业作为告警标签。例如，从某天的告警数据库获取200万条告警信息，告警信息1的告警标题为“ONU电源掉电”、告警网元为“网元1”、告警专业为“专业1”，则可以将“ONU电源掉电，网元1，专业1”作为该告警信息对应的告警标签，又根据“ONU电源掉电，网元1，专业1”对应的告警标识为ID1，则得到该告警标签对应的告警标识为ID1；同样地，根据告警信息2对应的告警标签“S1接口故障，网元2，专业2”，得到对应的告警标识为ID2；同样地，根据告警信息2对应的告警标签“B相电压过低告警，网元3，专业3”，得到对应的告警标识为ID3。

步骤402：根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口。

其中，窗口移动步长小于时间窗口长度。具体地，告警信息为包括告警时间、告警标题、告警网元等多个数据信息，则可以根据每一条告警信息中的告警时间，确定每一条告警信息落入的时间窗口。

具体地，可将200万条告警信息按照时间窗口划分，例如划分成100个时间窗口。确定时间窗口长度和窗口移动步长的过程在此不再赘述。

步骤403：根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的一个告警事务。

具体地，根据告警信息与告警标识的映射关系，得到告警信息1对应的告警标识为ID1，告警时间为00:00:00～00:01:00；告警信息2对应的告警标识为ID2，告警时间为00:00:00～00:02:00；告警信息3对应的告警标识为ID3，告警时间为00:00:00～00:03:00；告警信息4对应的告警标识为ID4，告警时间为00:00:00～00:04:00。得到第一个时间窗口的告警标识为集合U1＝{ID1，ID2，ID3，ID4，……}，则将U1作为一个告警事务。

步骤404：根据多种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定多种维度信息对应的包含告警标识的关联分析结果。

具体地，根据所有的告警事务U中多个告警标识落入同一个时间窗口的次数，通过分布式内存计算框架Spark平台，采用关联规则算法Apriori确定多个告警标识落入同一个时间窗口的次数。由于关联规则算法Apriori需要输入离散的数据，而告警信息在时间上是连续的，通过时间窗口长度和窗口移动步长的设置将告警信息划分为多个时间窗口，从而获得了离散数据集合，因而可以关联规则算法Apriori进行关联分析，加快了迭代计算的速度。

进一步地，通过Spark平台输出告警信息关联出现的概率，关联项数可以是两项，也可以是多项。在Spark运行算法的参数设置过程中输入关联的项数，则可以输出小于等于该关联项数的关联结果。

例如，输入关联项数为3，则得出所有两两关联和三项关联的告警标识。若分析得出100个总时间窗口数里面有10个时间窗口同时出现“ID1”、“ID2”、“ID3”，20个时间窗口同时出现“ID1”、“ID2”，则输出“ID1”、“ID2”、“ID3”三项关联概率为10％，“ID1”、“ID2”两项关联概率为20％。

此外，在得出确定包含告警标识的关联分析结果后，还可以根据告警标签与告警标识的映射关系，将包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。根据上述结果，可还原得到“ONU电源掉电，网元1，专业1”、“S1接口故障，网元2，专业2”、“B相电压过低告警，网元3，专业3”三项关联概率为10％，“ONU电源掉电，网元1，专业1”、“S1接口故障，网元2，专业2”两项关联概率为20％。

情况三：告警维度包括多种维度信息，告警信息对应的一个告警标签包括一种维度信息。

图5为本发明实施例提供的告警维度包括多种维度信息的另一种告警关联分析的方法流程示意图，如图5所示：

步骤501：确定N条告警信息中每一条告警信息对应的告警标签，根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识。

其中，N为正整数。具体地，每条告警标签对应一个告警标识，并且可以根据预设的告警维度，确定每一条告警信息对应的告警标签。其中，预设的告警维度可以包括以下维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

由于本发明实施例中告警维度包括多种维度信息，告警信息对应的一个告警标签包括一种维度信息，例如可以同时选取告警标题、告警网元和告警专业作为告警标签。

例如，从某天的告警数据库获取200万条告警信息，告警信息1的告警标题为“ONU电源掉电”，则告警信息1对应的第一个告警标签为“ONU电源掉电”，告警信息1对应的第一个告警标识为ID11；告警信息1的告警网元为“网元1”，则告警信息1对应的第二个告警标签为“网元1”，告警信息1对应的第二个告警标识为ID21；告警信息1的告警专业为“专业1”，则告警信息1对应的第三个告警标签为“专业1”，告警信息1对应的第三个告警标识ID31；同样的，根据告警信息2的告警标题“S1接口故障”、告警网元“网元2”、告警专业“专业2”，分别得到三个告警标识ID12、ID22、ID32；同样的，根据告警信息3的告警标题“B相电压过低告警”、告警网元“网元3”、告警专业“专业3”，分别得到三个告警标识ID13、ID23、ID33。

步骤502：根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口。

其中，窗口移动步长小于时间窗口长度。具体地，告警信息为包括告警时间、告警标题、告警网元等多个数据信息，则可以根据每一条告警信息中的告警时间，确定每一条告警信息落入的时间窗口。

具体地，可将200万条告警信息按照时间窗口划分，例如划分成100个时间窗口。确定时间窗口长度和窗口移动步长的过程在此不再赘述。

步骤503：将同一个时间窗口中同一个维度信息对应的所有告警标识作为一个告警事务。

具体地，根据告警信息对应的告警时间，若同一个维度信息“告警标题”对应的ID11、ID12、ID13在同一个时间窗口，则得到该时间窗口的告警标识为集合U11＝{ID11，ID12，ID13，……}作为该时间窗口的第一种维度的告警事务，将第n种维度信息对应的该窗口的告警标识的集合作为该时间窗口的第n种维度的告警事务。

步骤504：根据每一种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，分别确定每一种维度信息对应的包含告警标识的关联分析结果。

具体地，针对一种维度信息“告警标题”，将告警事务U中同一个维度信息的多个告警标识落入同一个时间窗口的次数，通过分布式内存计算框架Spark平台，采用关联规则算法Apriori确定多个告警标识落入同一个时间窗口的次数。

需要说明的是，本发明实施例中针对多种维度信息的关联分析重复上述过程，即重复计算告警事务U中每一个维度信息的多个告警标识落入同一个时间窗口的次数。

由于关联规则算法Apriori需要输入离散的数据，而告警信息在时间上是连续的，通过时间窗口长度和窗口移动步长的设置将告警信息划分为多个时间窗口，从而获得了离散数据集合，因而可以关联规则算法Apriori进行关联分析，加快了迭代计算的速度。

进一步地，通过Spark平台输出告警信息关联出现的概率，关联项数可以是两项，也可以是多项。在Spark运行算法的参数设置过程中输入关联的项数，则可以输出小于等于该关联项数的关联结果。

例如，输入关联项数为3，则得出所有两两关联和三项关联的告警标识。若分析得出100个总时间窗口数里面有10个时间窗口同时出现“ID11”、“ID12”、“ID13”，20个时间窗口同时出现“ID21”、“ID22”，则输出“ID11”、“ID12”、“ID13”三项关联概率为10％，“ID21”、“ID22”两项关联概率为20％。

此外，在得出确定包含告警标识的关联分析结果后，还可以根据告警标签与告警标识的映射关系，将包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。根据上述结果，可还原得到“ONU电源掉电”、“S1接口故障”、“B相电压过低告警”三项关联概率为10％，“网元1”、“网元2”两项关联概率为20％。

基于同样的发明构思，本发明实施例还提供一种告警关联分析的装置，如图6所示，为本发明实施例提供发的一种告警关联分析的装置结构示意图，包括：

窗口确定模块601，用于根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口，其中，窗口移动步长小于时间窗口长度，N为正整数；

事务确定模块602，用于根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的至少一个告警事务；

结果确定模块603，用于根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。

可选的，窗口确定模块601，还用于：

确定N条告警信息中每一条告警信息对应的告警标签；

根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识，其中每条告警标签对应一个告警标识；

结果确定模块603，还用于:

根据告警标签与告警标识的映射关系，将包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。

可选的，窗口确定模块601，还用于：

根据预设的告警维度，确定每一条告警信息对应的告警标签；

其中，告警维度包括下列维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

可选的，预设的告警维度包括一种维度信息；

事务确定模块602，还用于：

根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的一个告警事务；

结果确定模块603，还用于：

根据维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定维度信息对应的包含告警标识的关联分析结果。

可选的，预设的告警维度包括多种维度信息；

事务确定模块602，还用于：

若告警信息对应的一个告警标签包括多种维度信息，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的一个告警事务；

若告警信息对应的一个告警标签包括一种维度信息，将同一个时间窗口中同一个维度信息对应的所有告警标识作为一个告警事务；

结果确定模块603，还用于：

若告警信息对应的一个告警标签包括多种维度信息，根据多种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定多种维度信息对应的包含告警标识的关联分析结果；

若告警信息对应的一个告警标签包括一种维度信息，根据每一种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，分别确定每一种维度信息对应的包含告警标识的关联分析结果。

可选的，窗口确定模块601，还用于：

根据每一条告警信息中的告警时间，确定每一条告警信息落入的时间窗口。

可选的，关联规则为确定多个告警标识落入同一个时间窗口的次数，结果确定模块603，还用于：

通过分布式内存计算框架Spark平台，采用关联规则算法Apriori确定多个告警标识落入同一个时间窗口的次数；

根据确定的次数生成包含多个告警标识的关联分析结果。

本发明实施例提供一种网络告警关联分析的装置，根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口；根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个时间窗口中的所有告警信息对应的告警标识，确定时间窗口对应的至少一个告警事务；根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。本发明提供一种网络告警关联分析的装置，通过告警标识的转换降低了关联分析的复杂度，并且能够支持连续的数据分析挖掘。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种网络告警关联分析的方法，其特征在于，包括：

根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口，其中，所述窗口移动步长小于所述时间窗口长度，N为正整数；

根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务；

根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。

2.如权利要求1所述的网络告警关联分析的方法，其特征在于，所述根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口之前，还包括：

确定所述N条告警信息中每一条告警信息对应的告警标签；

根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识，其中每条告警标签对应一个告警标识；

所述根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联的分析结果之后，还包括:

根据所述告警标签与告警标识的映射关系，将所述包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。

3.如权利要求2所述的网络告警关联分析的方法，其特征在于，所述确定所述N条告警信息中每一条告警信息对应的告警标签，包括：

根据预设的告警维度，确定每一条告警信息对应的告警标签；

其中，所述告警维度包括下列维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

4.如权利要求3所述的网络告警关联分析的方法，其特征在于，所述预设的告警维度包括一种维度信息；

根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务，包括：

根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果，包括：

根据所述维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定所述维度信息对应的包含告警标识的关联分析结果。

5.如权利要求3所述的网络告警关联分析的方法，其特征在于，所述预设的告警维度包括多种维度信息；

所述根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务，包括：

若所述告警信息对应的一个告警标签包括多种维度信息，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

若所述告警信息对应的一个告警标签包括一种维度信息，将同一个时间窗口中同一个维度信息对应的所有告警标识作为一个告警事务；

根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果，包括：

若所述告警信息对应的一个告警标签包括多种维度信息，根据所述多种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定多种所述维度信息对应的包含告警标识的关联分析结果；

若所述告警信息对应的一个告警标签包括一种维度信息，根据所述每一种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，分别确定每一种所述维度信息对应的包含告警标识的关联分析结果。

6.如权利要求1所述的网络告警关联分析的方法，其特征在于，所述确定N条告警信息中每一条告警信息落入的时间窗口，包括：

根据所述每一条告警信息中的告警时间，确定所述每一条告警信息落入的时间窗口。

7.如权利要求1所述的网络告警关联分析的方法，其特征在于，所述关联规则为确定多个告警标识落入同一个时间窗口的次数；

所述根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果，包括：

通过分布式内存计算框架平台，采用关联规则算法Apriori确定所述多个告警标识落入同一个时间窗口的次数；

根据确定的次数生成包含所述多个告警标识的关联分析结果。

8.一种网络告警关联分析的装置，其特征在于，包括：

窗口确定模块，用于根据预设的时间窗口长度和预设的窗口移动步长，确定N条告警信息中每一条告警信息落入的时间窗口，其中，所述窗口移动步长小于所述时间窗口长度，N为正整数；

事务确定模块，用于根据告警信息与告警标识的映射关系，确定告警信息对应的告警标识，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的至少一个告警事务；

结果确定模块，用于根据预设的关联规则，对所有告警事务进行关联分析，确定包含告警标识的关联分析结果。

9.如权利要求8所述的网络告警关联分析的装置，其特征在于，所述窗口确定模块，还用于：

确定所述N条告警信息中每一条告警信息对应的告警标签；

根据告警标签与告警标识的映射关系，确定每一条告警标签对应的告警标识，其中每条告警标签对应一个告警标识；

所述结果确定模块，还用于：

根据所述告警标签与告警标识的映射关系，将所述包含告警标识的关联分析结果转换成包含告警标签的关联分析结果。

10.如权利要求9所述的网络告警关联分析的装置，其特征在于，所述窗口确定模块，还用于：

根据预设的告警维度，确定每一条告警信息对应的告警标签；

其中，所述告警维度包括下列维度信息中的部分或全部：告警标题、告警网元、告警专业、告警地区。

11.如权利要求10所述的网络告警关联分析的装置，其特征在于，所述预设的告警维度包括一种维度信息；

所述事务确定模块，还用于：

根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

所述结果确定模块，还用于：

根据所述维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定所述维度信息对应的包含告警标识的关联分析结果。

12.如权利要求10所述的网络告警关联分析的装置，其特征在于，所述预设的告警维度包括多种维度信息；

所述事务确定模块，还用于：

若所述告警信息对应的一个告警标签包括多种维度信息，根据同一个所述时间窗口中的所有告警信息对应的告警标识，确定所述时间窗口对应的一个告警事务；

若所述告警信息对应的一个告警标签包括一种维度信息，将同一个时间窗口中同一个维度信息对应的所有告警标识作为一个告警事务；

所述结果确定模块，还用于：

若所述告警信息对应的一个告警标签包括多种维度信息，根据所述多种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，确定多种所述维度信息对应的包含告警标识的关联分析结果；

若所述告警信息对应的一个告警标签包括一种维度信息，根据所述每一种维度信息对应的预设的关联规则，对所有告警事务进行关联分析，分别确定每一种所述维度信息对应的包含告警标识的关联分析结果。

13.如权利要求8所述的网络告警关联分析的装置，其特征在于，所述窗口确定模块，还用于：

根据所述每一条告警信息中的告警时间，确定所述每一条告警信息落入的时间窗口。

14.如权利要求8所述的网络告警关联分析的装置，其特征在于，所述关联规则为确定多个告警标识落入同一个时间窗口的次数，所述结果确定模块，还用于：

通过分布式内存计算框架平台，采用关联规则算法Apriori确定所述多个告警标识落入同一个时间窗口的次数；

根据确定的次数生成包含所述多个告警标识的关联分析结果。