CN106992904A - 基于动态综合权重的网络设备健康度评估方法 - Google Patents

Abstract

本发明公开一种基于动态综合权重的网络设备健康度评估方法，步骤包括：S1.确定用于网络设备健康度评估的多个性能指标，构建性能指标体系，确定各性能指标的主观权重值；S2.获取待评估网络设备的运行数据，并计算各性能指标的值，建立用于网络设备健康度评估的评估矩阵；S3.计算各性能指标的客观权重值；S4.各性能指标根据对应的主观权重值、客观权重值计算得到动态综合权重值；S5.根据建立的评估矩阵以及各性能指标的动态综合权重值，计算待评估网络设备的健康度，根据健康度计算结果进行评估。本发明具有实现方法简单、能够实现快速自动化评估，且健康度评估的精度及可靠性高等优点。

Description

基于动态综合权重的网络设备健康度评估方法

技术领域

本发明涉及数据中心网络性能评估技术领域，尤其涉及一种基于动态综合权重的网络设备健康度评估方法。

背景技术

数据中心集中了各种资源和业务系统，是数据计算、存储的中心且是基于标准构建模块实现自动化计算与管理，并以供应链方式提供共享的基础设施、信息处理与应用环境等服务。不同于传统网络，数据中心网络具有大规模数据处理和存储，在物联网和云计算等应用中扮演着重要角色。现代数据中心网络主要具有以下特点：

①规模日益庞大，网络异构复杂。

现代数据中心通常具有上万节点的规模，随着网络规模的不断增大，除了常规的树型结构，目前还提出有一些新型的网络结构，例如Fat-tree、VL2、DCell等，该新型网络结构能够支持多路径、提供更高的带宽。

②流量行为复杂，拥塞加剧。

由于承载的服务类型多种多样，数据中心传输的流量也呈现多样化、波动大等特点，同时流量类型多样化、波动性大、传输速度快，而网络设备数量的增加会造成网络拥塞加剧，这些也都给网络性能管理带来了新的挑战。

③应用的多样化。

随着云技术的发展和成熟，数据中心网络将会承载越来越多类型的应用，如科学计算、生物制药、数学建模、天气预报、集群计算、分布式文件系统等，这些应用的出现会使资源需求和流量分布呈现极大的动态性和不平衡性。

④网络故障率的指数增加。

网络故障主要包括设备故障、链路故障和接口故障，拒统计在设备故障中，软件类故障占比约75％，硬件类故障为25％，其中，接入交换机单设备故障率约为4.5％，汇聚交换机单设备故障率更是高达11.1％；在链路故障中，接入交换机和汇聚交换机之间链路故障的比例也最高，达到58％，上述链路故障会有约18％左右的概率影响到网络的连通性，使得网络故障率的指数增加。

⑤细粒度的网络性能评估需求。

数据中心网络运行的应用通常对网络性能要求严格，需要管理者能更加实时、精确的掌握全网态势和端到端的通信性能，在网络性能下降初期能及时发现和定位网络性能瓶颈及可能故障点，给出一个快速的网络性能评估和预测方案。

数据中心网络是目前高性能计算机以及数据中心的重要组成，作为重要的基础网络设施，如何发挥更大的作用，提高网络的可用性是其中一个重要的环节。在大规模的网络中，由于其内部网络设备众多、运行程序复杂，网络中的流量多样而且具有突发性，如何让网络管理实现自动化监控管理网络，并且能够对网络性能及网络设备总体的运行情况进行快速准确的评估，已成为亟待解决的问题。

目前针对大规模网络的性能评估，常用的方法有以下几种：

(1)采用nProbe工具对大规模网络进行被动测量的方法。该类方法是通过结合历史数据得到网络延迟、吞吐率、正常连接率的偏离度，能够反映出网络的整体运行情况，但是作为评估参数的Tcpflags在Tcp连接超时后，会发生tcp重传提高正常tcp连接的比率，可能会造成评估值较大，而无法反映真实的网络情况。

(2)结合云模型和分类算法的网络性能评估方法，通过对正常样本和故障样本进行分类训练，如采用SVM分类算法，再结合云模型对网络性能进行评估，可以提高评估结果的客观性，但在选择样本和样本归一化处理过程中，如果样本的差距比较大，或归一化后的参数数据距离参数正常运行值偏离较远，都会使得评估结果不准确。

(3)基于客观权重确定对数据中心网络的网络设备进行评估的方法，基于采集网络设备的历史数据计算不同性能指标的标准差来确定指标的客观权重，再基于历史数据动态调整性能指标的阀值完成对性能指标的归一化处理。但是该类方法由于仅仅依据采集数据的计算客观权重完成对网络设备运行态性能的评估，如果初始采集到的性能指标数据差异较大，会使求出的某些指标的权重值相差悬殊，从而使最终计算出的综合评价值难以真实反映当前设备和网络的运行状况。

目前通常都是从网络链路层面对网络性能进行整体评估，而对于一个大型网络而言，网络链路的数量远远多于网络中设备的数量，且一般的大型网络为了维持网络的健壮性，通常都会建立冗余备用链路，因而对于数据中心网络，若从网络链路层面去对网络性能进行整体评估，不仅会使计算难度增加，使得计算量很大，而且由于很难精准评估网络中主要路径，会使最终建立的性能评估模型与实际的性能值差异较大。

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技术问题，本发明提供一种实现方法简单、能够实现快速自动化评估，且健康度评估的精度及可靠性高的基于动态综合权重的网络设备健康度评估方法。

为解决上述技术问题，本发明提出的技术方案为：

一种基于动态综合权重的网络设备健康度评估方法，步骤包括：

S1.性能指标主观权重确定：确定用于网络设备健康度评估的多个性能指标，由各所述性能指标构建包括多层次、两级以上评判级的性能指标体系，按照构建的所述性能指标体系确定各所述性能指标的主观权重值；

S2.评估矩阵建立：获取待评估网络设备的运行数据并计算各所述性能指标的值，由所述各所述性能指标的值建立用于网络设备健康度评估的评估矩阵；

S3.性能指标客观权重计算：将各所述性能指标的值使用建立的所述评估矩阵，计算得到各所述性能指标的客观权重值；

S4.综合权重计算：各所述性能指标根据对应的所述主观权重值、客观权重值计算得到动态综合权重值；

S5.网络设备健康度评估：根据建立的所述评估矩阵、各性能指标的所述动态综合权重值计算待评估网络设备的健康度值，根据健康度值计算结果进行评估。

作为本发明的进一步改进，所述步骤S1中各所述性能指标的主观权重值的确定步骤为：

S11.在所述性能指标体系中将同一层次的各性能指标分别与上一层次的性能指标按照获取的重要程度值进行两两比较，并构造对应两两比较的判断矩阵；

S12.将构造的所述判断矩阵进行一致性检验，若检验通过，转入执行步骤S13，否则重新构造所述判断矩阵，返回执行步骤S12；

S13.计算每一层次中各个性能指标相对于上层中性能指标的相对权值，并按照自下而上的顺序计算得到最底层中各个性能指标对于总目标的相对权值，得到各个所述性能指标的主观权重值。

作为本发明的进一步改进：所述性能指标包括一级指标以及二级指标，所述一级指标包括异常指标、可用性指标；所述二级指标包括对应所述异常指标的设备平均端口掉线率、设备平均端口丢包率、设备平均端口错误包率中一种或多种，以及对应所述可用性指标的设备平均端口吞吐量、设备CPU利用率、设备平均端口利用率中一种或多种；所述性能指标体系包括由一级指标构成的主准则层、由二级指标构成的次准则层以及对应总目标的目标层三个层级，且所述次准则层对所述主准则层的评判为第一级评判，所述主准则层对所述目标层的评判作为第二级评判。

作为本发明的进一步改进，所述步骤S2中所述评估矩阵的建立具体步骤为：

S21.由各所述性能指标的值按下式建立评估矩阵X；

其中，S₁,S₂,S₃,...S_n为网络中n个待评估网络设备，I₁,I₂,I₃,...I_m分别为m个所述性能指标，υ^t _ij为在t时刻下第i个待评估网络设备的第j个性能指标的值；

S22.将建立的所述评估矩阵进行标准化处理，得到标准化后的所述评估矩阵。

作为本发明的进一步改进，所述步骤S22中，若目标性能指标为值越大对应健康度越高的正指标，则标准化处理的表达式为：

z_ij＝(υ_ij-υ_jmin)/(υ_jmax-υ_jmin)；

若目标性能指标为值越大对应健康度越小的逆指标，则按下式进行标准化处理；

z_ij＝(υ_jmax-υ_ij)/(υ_jmax-υ_jmin)

其中，υ_ij为第i个待评估网络设备的j个所述性能指标的量值，z_ij为第i个待评估网络设备的j个所述性能指标的标准化后的量值，υ_jmin为各所述性能指标的量值中最小值，υ_jmax为各所述性能指标的量值中最大值。

作为本发明的进一步改进，所述步骤S3中具体采用熵值法计算各所述性能指标的客观权重值，具体步骤为：

S31.根据所述评估矩阵分别计算各所述性能指标的信息熵；

S32.根据计算得到的信息熵按照下式分别计算各所述性能指标的客观权重值；

β_j＝(1-E_j)(m-∑E)

其中β_i为第j个性能指标的客观权重值，E_j为第j个性能指标的信息熵，m为性能指标的数量，∑E为各所述性能指标的信息熵之和。

作为本发明的进一步改进，所述步骤S4的具体步骤为：

S41.建立一个最小二乘法的目标函数以构造一个非线性规划；

S42.基于主观权重值、客观权重值以及动态综合权重值建立综合权重优化模型，对所述综合权重优化模型进行最小二乘求解，得到最终的所述动态综合权重值。

作为本发明的进一步改进，所述综合权重优化模型具体为：

其中n为待评估网络设备的数量，m为性能指标的数量，w为所述动态综合权重值，α为所述主观权重值，β为所述客观权重值，λ为预设定的偏好系数。

作为本发明的进一步改进，所述步骤S42中对所述综合权重优化模型进行最小二乘求解的具体步骤为：

S421.对所述综合权重优化模型做作拉格朗日函数，得到方程式为：

S422.将所述步骤S421得到方程式根据极值存在的一阶必要条件建立方程组为：

S423.对所述步骤S422建立的方程组进行求解，得到：

W_i＝λα_i+(1-λ)β_i

最终得到所述动态综合权重值为：

W＝(λα₁+(1-λ)β₁,λα₂+(1-λ)β₂,…,λα_j+(1-λ)β_j)^T。

作为本发明的进一步改进：所述步骤S5中具体按下式计算得到待评估网络设备的健康度值；

其中，H_i为第i个网络设备的综合评估值，z^t _ij为t时刻的所述评估矩阵，w_j为第j个性能指标的动态综合权重值。

与现有技术相比，本发明的优点在于：

1)本发明基于动态综合权重的网络设备健康度评估方法，从网络设备的层面对网络性能进行评估，通过确定多个性能指标，同时结合主观赋权法和客观赋权法对各个性能指标进行权重确定，由实时的主观权重值、客观权重值所确定得到的综合权重值对网络设备进行健康度评估，能够充分利用主观赋权法和客观赋权法各自的优势，达到主客观统一，最大限度的保证权重值确定的精度，能够针对内部网络设备众多、运行程序复杂的数据中心网络，自动化的实现对网络性能及网络设备总体运行情况的快速评估，且评估精度高，能够真实反映网络性能；

2)本发明基于动态综合权重的网络设备健康度评估方法，通过将选取的各性能指标构建性能指标体系，基于性能指标体系采用主观赋权法对选取的各性能指标进行主观权重值确定，相比于单纯的依赖客观赋权法确定权重，能够有效提高权值确定的精度；

3)本发明基于动态综合权重的网络设备健康度评估方法，通过建立一个最小二乘法的目标函数来构造一个非线性规划，基于主观权重、客观权重建立综合权重的优化模型，求解最小二乘意义下性能指标的动态综合权重，由最终动态综合权重评估网络设备的健康度，能够进一步提高评估的精度及可靠性。

附图说明

图1是本实施例基于动态综合权重的网络设备健康度评估方法的实现流程示意图。

图2是本实施例基于动态综合权重的网络设备健康度评估方法的详细原理流程示意图。

图3是本实施例中构建的性能指标体系的原理示意图。

图4是本实施例实现网络设备健康度评估方法所采用的评估系统结构示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图1、2所示，本实施例一种基于动态综合权重的网络设备健康度评估方法，步骤包括：

S1.性能指标主观权重确定：确定用于网络设备健康度评估的多个性能指标，由各性能指标构建包括多层次、两级以上评判级的性能指标体系，按照构建的性能指标体系确定各性能指标的主观权重值。

在系统域网络中，不同因素对整个网络的影响程度各异，本实施例从网络设备的层面建立对于网络性能的评估，基于网络设备健康度评估实现数据中心网络的评估，相比较传统的基于网络链路进行评估，能够极大的减少数据处理量以及数据处理复杂度，同时使得能够真实反映网络性能。本实施例网络设备具体为交换机设备，一台网络交换设备性能低下可能会影响到多条链路的可用性，即从网络中的交换设备采集的流量数据已经能够反映设备间链路的可用性情况。

本实施例中，性能指标具体包括一级指标以及二级指标，一级指标包括异常指标、可用性指标，由异常指标反映网络设备通信数据的异常程度、可用性指标表示设备可以提供正常服务的能力；二级指标具体包括对应异常指标的设备平均端口掉线率(PortDropRate)、设备平均端口丢包率(DevAvgDisRate)、设备平均端口错误包率(DevAvgErrRate)，以及对应可用性指标的设备平均端口吞吐量(DevAvgThroughput)、设备CPU利用率(DevCpuUseRate)、设备平均端口利用率(DevAvgPortUseRate)；性能指标体系包括主准则层、次准则层以及目标层三个层级，且次准则层对主准则层的评判为第一级评判，主准则层对目标层的评判作为第二级评判。本实施例具体选取设备平均端口掉线率、设备平均端口丢包率、设备平均端口错误包率以及设备平均端口吞吐量、设备CPU利用率、设备平均端口利用率共6个性能指标，当然在其他实施例中还可以根据实际需求选取其他性能指标以及其他形式性能指标体系。

各性能指标以及所需使用参数的定义具体如下：

设备端口掉线率PortDropRate：为对网络设备连通性的一种量化评价指标以及网络设备整体可用性的重要指标，能够反映网络设备的可用程度。PortDropRate(S_i)表示一个网络设备S_i的端口掉线率，表示为当前时刻操作状态异常的设备端口数目PortDropNum(S_i)与当前正在使用的设备端口数目PortUseNum(S_i)的比值，具体可以通过已采集的数据的OpreaStatus和AdminStatus两个字段来判断交换设备端口是否处于异常状态。设备端口掉线率PortDropRate的计算公式为：

PortDropRate(S_i)＝PortDropNum(S_i)/PortUseNum(S_i)*100％ (1)

设备端口的输入丢包率PortInDisRate：PortInDisRate(P_ij)表示为设备S_i的第j个端口的输入丢包率，即数据传输过程中一段时间内端口输入丢包数△InDisPkts(P_ij)与该时间段内端口接受包的总数TotalInPkts(P_ij)的比值，其中TotalInPkts(P_ij)为该段时间内端口接收的单播包数△InUcastPkts(P_ij)和多播包数△InNucastPkts(P_ij)的总和。设备端口的输入丢包率PortInDisRate计算公式如下：

PortInDisRate(P_ij)＝ΔInDisPkts(P_ij)/(ΔInUcastPkts(P_ij)+ΔInNucastPkts(P_ij))*100％ (2)

设备端口的输出丢包率PortOutDisRate：PortOutDisRate(P_ij)表示为设备S_i的第j个端口的输出丢包率，即数据传输过程中一段时间内端口输出丢包数△OutDisPkts(P_ij)与该段时间内端口发出包总数TotalOutPkts(P_ij)的比值，其中TotalOutPkts(P_ij)为该段时间内端口接收的单播包数△OutUcastPkts(P_ij)和多播包数△OutNucastPkts(P_ij)的总和。设备端口的输出丢包率PortOutDisRate的计算公式如下：

PortOutDisRate(P_ij)＝ΔOutDisPkts(P_ij)/(ΔOutUcastPkts(P_ij)+ΔOutNucastPkts(P_ij))*100％ (3)

设备平均丢包率DevAvgDisRate：DevAvgDisRate(S_i)表示为设备S_i的平均丢包率，即为交换设备所有端口输出丢包率和输入丢包率之和与使用端口数PortUseNum(S_i)的比值，计算公式如下：

设备端口输入错误包率PortInErrRate：PortInErrRate(P_ij)表示为设备S_i的第j个端口的输入错误包率，为数据传输过程中一段时间内端口输入错误包数△InErrPkts(P_ij)与这段时间内端口接收包的总数TotalInPkts(P_ij)的比值，具体计算公式如下：

PortInErrRate(P_ij)＝ΔInErrPkts(P_ij)/(ΔInUcastPkts(P_ij)+ΔInNucastPkts(P_ij))*100％ (5)

设备端口输出错误包率PortOutErrRate：PortOutErrRate(P_ij)表示为设备S_i的第j个端口的输出错误包率，为数据传输过程中一段时间内端口输入错误包数△OutErrPkts(P_ij)与这段时间内端口接收包的总数TotalOutPkts(P_ij)的比值，具体计算公式如下：

PortOutErrRate(P_ij)＝ΔOutErrPkts(P_ij)/(ΔOutUcastPkts(P_ij)+ΔOutNucastPkts(P_ij))*100％ (6)

设备平均错误包率DevAvgErrRate：DevAvgErrRate(S_i)表示为设备S_i的平均错误包率，为交换设备所有端口的输出错误包率和输入错误包率之和与设备使用端口数PortUseNum(S_i)的比值，D_i为网络设备S_i的接口总数，具体计算公式如下：

设备端口吞吐量PortThroughput：表示为一段时间内网络交换机端口和从端口流出的总字节数与这段时间的比值，端口吞吐量越大表示单位时间按内交换设备处理的数据量越大，网络中的流量越大，能够反映网络设备的服务能力。PortThroughput(P_ij)表示为设备S_i的第j个端口的吞吐量，为数据传输过程中一段时间间隔T内，端口处理的总字节数TotalOctets(P_ij)与时间间隔T的比值，其中端口处理的总字节数TotalOctets(P_ij)为这段时间内端口接收的字节数△InOctets(P_ij)和端口发出的总字节数△OutOctets(P_ij)的总和，具体计算公式如下：

PortThroughput(P_ij)＝(ΔInOctets(P_ij)+ΔOutOctets(P_ij))*8/T (8)

设备平均吞吐量DevAvgThroughput：DevAvgThroughput(S_i)表示为设备S_i的平均吞吐量，为交换设备所有端口吞吐量之和与设备使用端口数PortUseNum(S_i)的比值，具体计算公式如下：

设备Cpu利用率DevCpuUseRate：当Cpu利用率变得很高时，网络或者设备可能会存在问题，通过设备Cpu利用率DevCpuUseRate可以反映当前时刻交换设备处理数据已消耗CPU运行资源。DevCpuUseRate(S_i)表示为设备S_i的Cpu利用率，具体空调压缩机通过已采集的数据的CpuOccupy字段可以获取当前时刻下交换设备S_i的Cpu利用率。

设备端口利用率PortUseRate：PortUseRate(P_ij)表示为设备S_i的第j个端口的端口利用率，为数据传输过程中一段时间间隔T内设备端口的字节处理速度PortThroughput(P_ij)与端口速率PortSpeed(P_ij)的比值，具体计算公式如下：

PortUseRate(Pi_j)＝((ΔInOctets(P_ij)+ΔOutOctets(P_ij))*8)/(T*PortSpeed(P_ij))*100％ (10)

设备平均端口利用率DevAvgPortUseRate：DevAvgPortUseRate(S_i)表示为设备S_i的平均端口利用率，为交换设备所有端口利用率之和与设备使用端口数PortUseNum(S_i)的比值，具体计算公式如下：

基于上述性能指标构建性能指标体系，如图3所示，本实施例中建立网络设备的性能指标体系是一个二级三层的指标体系，将次准则层对主准则层的评判作为第一级评判，将主准则层对目标层的评判作为第二级评判。

对于多指标综合评价，确定不同指标的权重是实现准确评估的关键，主观赋权法的各指标权重是采用如层次分析法、模糊评价法等结合专家经验、主观判断得到。本实施例首先采用主观赋权法对选取的各性能指标进行主观权重值确定，相比于单纯的依赖客观赋权法确定权重，能够有效提高权值确定的精度。

本实施例中，步骤S1中各性能指标的主观权重值的确定步骤为：

S11.在性能指标体系中将同一层次的各性能指标分别与上一层次的性能指标按照获取的重要程度值进行两两比较，并构造对应两两比较的判断矩阵；

S12.将构造的判断矩阵进行一致性检验，若检验通过，转入执行步骤S13，否则重新构造判断矩阵，返回执行步骤S12；

S14.计算每一层次中各个性能指标相对于上层中性能指标的相对权值，并按照自下而上的顺序计算得到最底层中各个性能指标对于总目标的相对权值，得到各个性能指标的主观权重值。

本实施例具体采用层次化分析方法(AHP)确定主观权重值，AHP方法能够将主观因素数量化，使最终的决策科学化，避免了主观性预测与实际矛盾。采用AHP方法确定主观权重值的具体步骤为：首先构建如图3所示的网络设备健康度的性能指标体系，基于构建的性能指标体系，将同一层次的各元素关于上一层次的准则的重要性进行两两比较，构造两两比较的判断矩阵，构造判断矩阵时，需要判断两个因素的相对重要程度；计算单准则排序权向量时，进行一致性检验，当判断到矩阵偏离一致性过大时，重新构建判断矩阵；利用规则列平均法计算每一层中各个元素相对于上层准则的相对权值；最终自下而上的计算最底层各元素对于总目标的相对权值即得到各个性能指标的主观权重。

本实施例在如图3所构建的指标体系下利用上述AHP方法计算出各个性能指标的主观权重值具体为：

α＝(α₁,α₂,α₃,α₄,α₅,α₆) (12)

其中

S2.评估矩阵建立：获取待评估网络设备的运行数据并计算各性能指标的值，由各性能指标的值建立用于网络设备健康度评估的评估矩阵。

本实施例具体基于SNMP协议完成对网络设备原始数据的采集，通过对原始数据的进一步预处理后，对设备原始数据流量进行分析，计算出不同时刻下所确定的上述性能指标的具体数值。

本实施例中，评估矩阵的建立具体步骤为：

S21.由各性能指标的值按下式建立评估矩阵X，由评估矩阵X可以反映设备健康度值随时间变化的趋势；

其中，S₁,S₂,S₃,...S_n为网络中n个待评估网络设备(具体为交换机对象)，I₁,I₂,I₃,...I_m分别为m个性能指标，υ^t _ij为在t时刻下第i个交换机对象的第j个性能指标的值；

S22.将建立的评估矩阵进行标准化处理，得到标准化后的评估矩阵。

本实施例根据n个交换机设备基于确定的上述6个性能指标在t时刻所建立的评估矩阵具体表示为：

其中I₁,I₂,I₃,...I₆为评估交换机设备健康度的6个评价性能指标，分别为上述PortDropRate、DevAvgErrRate、DevAvgDisRate、DevAvgThroughput、DevCpuUseRate、DevAvgPortUseRate。

由于性能指标可能为正指标或逆指标，且不同性能指标的量纲也是不同的，本实施例通过步骤S22进一步对建立的评估矩阵进行标准化处理，以对指标量值进行归一化处理，能够提供标准化的评估矩阵。本实施例具体采用min-max标准化方法来对数据进行标准化处理，得到标准化后的评估矩阵为Z(z_ij)，其中若目标性能指标υ_ij为值越大对应健康度越高的正指标，如设备端口利用率等，对应值越大越好，则标准化处理的表达式为：

z_ij＝(υ_ij-υ_jmin)/(υ_jmax-υ_jmin)；

若目标性能指标υ_ij为值越大对应健康度越小的逆指标，如设备端口的丢包率和错误包率等，对应值越小越好，则按下式进行标准化处理；

z_ij＝(υ_jmax-υ_ij)/(υ_jmax-υ_jmin)

其中，υ_jmin为各性能指标的值中最小值，υ_jmax为各性能指标的值中最大值。

通过上述评估矩阵标准化处理后，不论是正指标还是逆指标都将转化为正指标，使得最终通过综合加权得到的设备健康度的值总是越大越好。

S3.客观权重值计算：将各性能指标的值使用建立的评估矩阵，计算得到各性能指标的客观权重值。

客观赋权法是将各指标在被评价对象中的实际数据形成各指标值的权重，本实施例步骤S3中具体采用熵值法计算各性能指标的客观权重值，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大；相反，若某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小，权重值确定的实现简单且精度高。采用熵值法计算各性能指标的客观权重值的具体步骤为：

S31.根据评估矩阵Z(z_ij)分别计算各性能指标的信息熵；

S32.根据计算得到的信息熵分别计算各性能指标的客观权重值；

β_i＝(1-E_i)(m-∑E) (14)

其中β_i为第i个性能指标的客观权重值，E_i为第i个性能指标的信息熵，m为性能指标的数量，∑E为各性能指标的信息熵之和。

本实施例中具体按下式计算数据的信息熵：

其中如果X_ij＝0则

分别求出时刻t下PortDropRate、DevAvgErrRate、DevAvgDisRate、DevCpuUseRate、DevAvgPortUseRate、DevAvgThroughput 6个性能指标的信息熵为E_PDR、E_DAER、E_DADR、E_DCUR、E_DAPUR、E_DAT.。

根据计算出的各个性能指标的信息熵分别计算各性能指标的客观权重值β₁、β₂、β₃、β₄、β₅、β₆为：

β₁＝(1-E_PDR)/(6-(E_PDR+E_DAER+E_DADR+E_DCUR+E_DAPUR+E_DAT.))

β₂＝(1-E_PDR)/(6-(E_PDR+E_DAER+E_DADR+E_DCUR+E_DAPUR+E_DAT.))

β₃＝(1-E_DADR)/(6-(E_PDR+E_DAER+E_DADR+E_DCUR+E_DAPUR+E_DAT.))

β₄＝(1-E_DCUR)/(6-(E_PDR+E_DAER+E_DADR+E_DCUR+E_DAPUR+E_DAT.))

β₅＝(1-E_DAPUR)/(6-(E_PDR+E_DAER+E_DADR+E_DCUR+E_DAPUR+E_DAT.))

β₆＝(1-E_DAT.)/(6-(E_PDR+E_DAER+E_DADR+E_DCUR+E_DAPUR+E_DAT.))。

S4.综合权重值计算：各性能指标根据对应的主观权重值、客观权重值计算得到动态综合权重值，具体步骤为：

S41.建立一个最小二乘法的目标函数以构造一个非线性规划；

S42.基于主观权重值、客观权重值以及动态综合权重值建立综合权重优化模型，对综合权重优化模型进行最小二乘求解，得到最终的动态综合权重值。

本实施例中，综合权重优化模型具体为：

其中m为性能指标的个数(本实施例具体m＝6)，w_i为动态综合权重值，α_i为主观权重值，β_i为客观权重值，λ为预设定的偏好系数，反映控制端对主客观赋值的偏好程度。最终计算出当前时刻下网络设备不同性能指标的综合权重值。

本实施例结合主观赋权法和客观赋权法，通过基于主观权重值、客观权重建立综合权重优化模型，由实时的主观权重值、客观权重值计算综合权重值，能够充分利用主观赋权法和客观赋权法各自的优势，达到主客观统一，最大限度的保证权重值确定的精度。本实施例通过建立一个最小二乘法的目标函数来构造一个非线性规划，求解最小二乘意义下的综合权重，能够使得计算出的交换机设备健康度真实性及准确度更高。

本实施例中，步骤S42中对综合权重优化模型进行最小二乘求解的具体步骤为：

S421.对综合权重优化模型做作拉格朗日函数，得到方程式为：

S422.将步骤S421得到方程式根据极值存在的一阶必要条件建立方程组为：

S423.对步骤S422建立的方程组进行求解，得到：

w_i＝λα_i+(1-λ)β_i (18)

最终得到动态综合权重值为：

w＝(λα₁+(1-λ)β₁,λα₂+(1-λ)β₂,…,λα_j+(1-λ)β_j)^T (19)

S5.健康度评估：根据建立的评估矩阵以及计算得到的动态综合权重值，计算待评估网络设备的健康度，根据健康度计算结果进行评估。

本实施例中，步骤S5中具体按下式计算得到待评估网络设备的健康度值；

其中，H_i为第i个网络设备的综合评估值，z^t _ij为t时刻的所述评估矩阵，w_j为第j个性能指标的动态综合权重值。

本实施例计算得到待评估网络设备的健康度H_i后，进行健康度评估，具体为：将健康度H_i对设备的运行情况进行分级，若S_i健康度H_i<第一预设阈值(具体可设定如60)，对应表示为设备S_i运行不太正常，有可能是单项性能指标出现异常导致设备的健康度偏低，需要对此网络设备S_i进行预警，以通知网络管理员进一步跟进；若设备S_i健康度第一预设阈值≤H_i<第二预设阈值(具体可设定如75)，对应表示为设备S_i运行正常，但相对于网络中其他大部分设备，在综合评价的6个性能指标中某一方面或多个方面落后于其他设备；若设备S_i健康度第二预设阈值≤H_i≤第三预设阈值(具体可设定如100)，表示设备S_i与网络中其他大部分设备的运行状态一致，表明当前时刻下设备S_i的运行状况良好。其中第一预设阈值<第二预设阈值<第三预设阈值，具体取值可根据实际需求设定。

如图4所示，本实施例用于实现上述评估方法的系统，包括设备数据采集层以及网络设备健康度评估层，设备数据采集层包括数据采集模块和数据预处理模块，其中数据采集模块用于基于SNMP协议完成网络设备原始数据的采集；数据预处理模块用于对已采集的原始数据指定过滤原则对不符合过滤原则的数据进行数据清洗，以便为下一步的性能参数计算提供有用的数据；网络设备健康度评估层包括性能指标体系建立模块、性能参数计算模块、性能指标主观权重确定模块、标准化评估矩阵计算模块、性能指标客观权重计算模块、综合权重计算模块和网络设备健康度评估模块，性能指标体系建立模块用于基于确定的性能指标构建性能指标体系，性能参数计算模块用于根据采集的数据计算各性能指标的值，性能指标主观权重确定模块用于确定各性能指标的主观权重值，标准化评估矩阵计算模块用于根据采集的数据建立标准化的评估矩阵，性能指标客观权重计算模块用于计算各性能指标客观权重值，综合权重计算模块用于根据主观权重值、客观权重值计算各性能指标的综合权重值，网络设备健康度计算模块根据标准化的评估矩阵、各性能指标的动态综合权重值计算待评估网络设备的健康度值，根据健康度值计算结果进行评估。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (10)

1.一种基于动态综合权重的网络设备健康度评估方法，其特征在于，步骤包括：

S1.性能指标主观权重确定：确定用于网络设备健康度评估的多个性能指标，由各所述性能指标构建包括多层次、两级以上评判级的性能指标体系，按照构建的所述性能指标体系确定各所述性能指标的主观权重值；

S2.评估矩阵建立：获取待评估网络设备的运行数据并计算各所述性能指标的值，由所述各所述性能指标的值建立用于网络设备健康度评估的评估矩阵；

S3.性能指标客观权重计算：将各所述性能指标的值使用建立的所述评估矩阵，计算得到各所述性能指标的客观权重值；

S4.综合权重计算：各所述性能指标根据对应的所述主观权重值、客观权重值计算得到动态综合权重值；

S5.网络设备健康度评估：根据建立的所述评估矩阵、各性能指标的所述动态综合权重值计算待评估网络设备的健康度值，根据健康度值计算结果进行评估。

2.根据权利要求1所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述步骤S1中各所述性能指标的主观权重值的确定步骤为：

S11.在所述性能指标体系中将同一层次的各性能指标分别与上一层次的性能指标按照获取的重要程度值进行两两比较，并构造对应两两比较的判断矩阵；

S12.将构造的所述判断矩阵进行一致性检验，若检验通过，转入执行步骤S13，否则重新构造所述判断矩阵，返回执行步骤S12；

S13.计算每一层次中各个性能指标相对于上层中性能指标的相对权值，并按照自下而上的顺序计算得到最底层中各个性能指标对于总目标的相对权值，得到各个所述性能指标的主观权重值。

3.根据权利要求2所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述性能指标包括一级指标以及二级指标，所述一级指标包括异常指标、可用性指标；所述二级指标包括对应所述异常指标的设备平均端口掉线率、设备平均端口丢包率、设备平均端口错误包率中一种或多种，以及对应所述可用性指标的设备平均端口吞吐量、设备CPU利用率、设备平均端口利用率中一种或多种；所述性能指标体系包括由一级指标构成的主准则层、由二级指标构成的次准则层以及对应总目标的目标层三个层级，且所述次准则层对所述主准则层的评判为第一级评判，所述主准则层对所述目标层的评判作为第二级评判。

4.根据权利要求1或2或3所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述步骤S2中所述评估矩阵的建立具体步骤为：

S21.由各所述性能指标的值按下式建立评估矩阵X；

其中，S₁,S₂,S₃,...S_n为网络中n个待评估网络设备，I₁,I₂,I₃,...I_m分别为m个所述性能指标，为在t时刻下第i个待评估网络设备的第j个性能指标的值；

S22.将建立的所述评估矩阵进行标准化处理，得到标准化后的所述评估矩阵。

5.根据权利要求4所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述步骤S22中，若目标性能指标为值越大对应健康度越高的正指标，则标准化处理的表达式为：

z_ij＝(υ_ij-υ_jmin)/(υ_jmax-υ_jmin)；

若目标性能指标为值越大对应健康度越小的逆指标，则按下式进行标准化处理；

z_ij＝(υ_jmax-υ_ij)/(υ_jmax-υ_jmin)

其中，υ_ij为第i个待评估网络设备的j个所述性能指标的量值，z_ij为第i个待评估网络设备的j个所述性能指标的标准化后的量值，υ_jmin为各所述性能指标的量值中最小值，υ_jmax为各所述性能指标的量值中最大值。

6.根据权利要求1或2或3所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述步骤S3中具体采用熵值法计算各所述性能指标的客观权重值，具体步骤为：

S31.根据所述评估矩阵分别计算各所述性能指标的信息熵；

S32.根据计算得到的信息熵按照下式分别计算各所述性能指标的客观权重值；

β_j＝(1-E_j)(m-∑E)

其中β_i为第j个性能指标的客观权重值，E_j为第j个性能指标的信息熵，m为性能指标的数量，∑E为各所述性能指标的信息熵之和。

7.根据权利要求1或2或3所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述步骤S4的具体步骤为：

S41.建立一个最小二乘法的目标函数以构造一个非线性规划；

S42.基于主观权重值、客观权重值以及动态综合权重值建立综合权重优化模型，对所述综合权重优化模型进行最小二乘求解，得到最终的所述动态综合权重值。

8.根据权利要求7所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述综合权重优化模型具体为：

$\min F\left(w\right)=\underset{i=1}{\overset{n}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}\{\mathrm{\&lambda;}{\&lsqb;(w_j-{\mathrm{\&alpha;}}_j)\&rsqb;}^2+(1-\mathrm{\&lambda;}){\&lsqb;(w_j-{\mathrm{\&beta;}}_j)\&rsqb;}^2\}$

其中w_j≥0,α_j≥0,β_j≥0,(j＝1,2,…,m)，n为待评估网络设备的数量，m为性能指标的数量，w为所述动态综合权重值，α为所述主观权重值，β为所述客观权重值，λ为预设定的偏好系数。

9.根据权利要求8所述的基于动态综合权重的网络设备健康度评估方法，其特征在于，所述步骤S42中对所述综合权重优化模型进行最小二乘求解的具体步骤为：

S421.对所述综合权重优化模型做作拉格朗日函数，得到方程式为：

$L(w,u)=\underset{i=1}{\overset{n}{\&Sigma;}}\underset{j=1}{\overset{m}{\&Sigma;}}\{\mathrm{\&lambda;}{\&lsqb;(w_j-{\mathrm{\&alpha;}}_j)\&rsqb;}^2+(1-\mathrm{\&lambda;}){\&lsqb;(w_j-{\mathrm{\&beta;}}_j)\&rsqb;}^2\}+2u\{\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{w}_j-1\};$

S422.将所述步骤S421得到方程式根据极值存在的一阶必要条件建立方程组为：

$\left\{\begin{array}{c}\frac{\&part;L}{\&part;{\mathrm{\&omega;}}_j}=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\&lsqb;2\mathrm{\&lambda;}\left(w_j-{\mathrm{\&alpha;}}_j\right)+2\left(1-\mathrm{\&lambda;}\right)\left(w_j-{\mathrm{\&beta;}}_j\right)\&rsqb;+2u=0\\ \frac{\&part;L}{\&part;u}=2\left(\underset{j=1}{\overset{m}{\mathrm{\&Sigma;}}}{w}_j-1\right)=0\end{array}\right.;$

S423.对所述步骤S422建立的方程组进行求解，得到：

W_i＝λα_i+(1-λ)β_i

最终得到所述动态综合权重值为：

W＝(λα₁+(1-λ)β₁,λα₂+(1-λ)β₂,…,λα_j+(1-λ)β_j)^T。

10.根据权利要求1或2或3所述的基于动态综合权重的网络设备健康度评估方法，其特征在于：所述步骤S5中具体按下式计算得到待评估网络设备的健康度值；

$H_i=\underset{j=1}{\overset{m}{\&Sigma;}}{w}_j{z^t}_{ij*}100$

其中，H_i为第i个网络设备的综合评估值，z^t _ij为t时刻的所述评估矩阵，w_j为第j个性能指标的动态综合权重值。