CN107332681B - 一种故障维度分析方法及网络设备 - Google Patents
一种故障维度分析方法及网络设备 Download PDFInfo
- Publication number
- CN107332681B CN107332681B CN201610274457.0A CN201610274457A CN107332681B CN 107332681 B CN107332681 B CN 107332681B CN 201610274457 A CN201610274457 A CN 201610274457A CN 107332681 B CN107332681 B CN 107332681B
- Authority
- CN
- China
- Prior art keywords
- dimension
- analysis
- abnormal
- sample
- transformation
- 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
Images
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
-
- 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
Abstract
本发明公开了一种故障维度分析方法及网络设备,其中方法包括:确定异常指标,并确定所述异常指标对应的至少一个分析维度;获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度。
Description
技术领域
本发明涉及通信领域中的网络管理技术,尤其涉及一种故障维度分析方法及网络设备。
背景技术
要解决端到端通信问题故障定界或定位,目前主要基于以下几种方法:基于网络告警分析,实现故障定位;基于用户拨测,实现端到端问题发现与问题定位;基于网络性能分析,实现网络故障定位。
其中,基于网络告警分析实现故障定位,主要是通过故障受理中心采集历史告警与故障类型,将样本数据转换为包含故障类型分类结果的多维正整数数组,通过贝叶斯网络算法训练获取贝叶斯网络分类器,从而可以通过贝叶斯网络分类器获得网络的告警信息对应的故障类型,其本质是基于告警的后验概率进行故障定位。
基于用户拨测实现端到端问题发现与问题定位是指通过专门的用户拨测工具进行业务拨测,通过专门的中心控制器来获取网络指标与用户感知,从而实现端到端问题的发现与定位。
目前通过网络性能分析来实现网络故障定位的方案主要通过分析计算某段时间和某个距离(空间)范围内某个网络属性的发生概率,同样通过后验概率的方法来进行某段时间、某个距离范围内某个故障发生的概率,并以此为依据进行故障时间与范围的定位。
但是,基于网络告警分析来实现故障定位,难以快速定位跨专业网络故障,尤其是对于端到端通信异常,需要多专业人员对多专业网络进行告警排查,对人员素质要求高,排查难度较大,耗时较长。基于用户拨测的端到端问题发现与定位方法,无法回溯到用户问题发生时的情况,无法保证问题定位的准确性与及时性。基于网络性能分析实现网络故障定位,存在着诸如SP、核心网元性能、不同层次网元间的配合问题等分析维度,这些维度与空间或时间的关联性不大。
发明内容
有鉴于此,本发明的目的在于提供一种故障维度分析方法及网络设备,能至少解决现有技术中存在的上述问题。
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例提供了一种故障维度分析方法,所述方法包括:
确定异常指标,并确定所述异常指标对应的至少一个分析维度;
获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;
从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;
对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度。
本发明实施例提供了一种网络设备,所述网络设备包括:
指标确定单元,用于确定异常指标,并确定所述异常指标对应的至少一个分析维度;
样本选取单元,用于获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;
分析单元,用于对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度。
本发明实施例提供了故障维度分析方法及网络设备,就能够首先确定异常指标对应的分析维度,基于异常指标及其分析维度选取得到异常样本,再逐个对至少一个分析维度中的分析维度进行变换维度,并基于变换维度选取得到参考样本,最终基于参考样本以及异常样本的分析,确定变换维度是否故障定界维度。如此,就能够实现用户问题的准确回溯,不需要进行额外测试,节省测试成本,提升问题定位准确度;并且基于异常指标问题的自动确定故障定界,降低对人工素质的要求,提高问题定界速度,并且通用性强,不依托厂家告警,受设备变化影响小。
附图说明
图1为本发明实施例故障维度分析方法流程示意图一;
图2为本发明实施例样本空间与维度划分示意图;
图3为本发明实施例样本空间降维示意图;
图4为本发明实施例故障维度分析方法流程示意图二;
图5为本发明实施例网络设备组成结构示意图。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
实施例一、
本方案主要思路是基于对通信网络中全量用户信令数据的采集获取各类网络指标,利用全量用户的指标按照问题定界的各个维度进行汇聚,发现”群体性“异常,将这个异常与分析的维度进行对比,实现问题定界。本方案的基础系电信运营商对全量用户信令数据进行采集。信令采集是对用户网络行为的一种记录,通过这些信令数据可以实现对用户上网行为的回溯以及网络质量和感知质量。
本发明实施例提供了一种故障维度分析方法,如图1所示,包括:
步骤101:确定异常指标,并确定所述异常指标对应的至少一个分析维度;
步骤102:获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;
步骤103:从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;
步骤104:对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定故障定界维度。
本实施例提供的处理方法可以应用于网络侧的服务器中,比如管理服务器。
所述确定异常指标可以为根据实际情况确定,比如,若接收到用户的投诉,根据用户投诉进行异常指标的确定,假设用户投诉7点时连接XX网站的速率较慢,那么可以确定所述异常指标为上网速率,或者下载速率。
所述确定异常指标对应的至少一个分析维度,可以为根据实际情况进行设置,尤其是,可以结合不同的异常指标确定不同的分析维度,对于分析维度的划分,应视问题定界的精度需求及指标涉及业务而定。理论上维度划分越细其问题定界的精度就越高,但所需要的样本空间也就越大,由此产生的描述样本空间的信令存储空间也越大。假设分析维度只设置为用户、小区,那么信令数据只需要记录每个用户在每个小区下的指标数据即可,而如果把分析维度扩展为用户、小区、SP,那么信令数据就需要记录每个用户在每个小区下进行不同SP业务的指标数据。因此,鉴于信令存储空间的有限性,分析维度不能无限制细化。我们基于对现有维护经验的科学总结提供一套高度可行的维度划分方案。我们将分析维度划分为用户、终端、小区、网络、业务和时间维度。通过这种维度的划分,其产生的信令存储量是可以承受的,同时利用本技术方案我们也可以实现针对异常指标的问题定界,确认与指标异常相关的维度。
结合上述示例,假设异常指标为下载速率,那么至少一个分析维度可以包括:终端类型、LTE网络小区、SP服务器、上网时间、业务类型(如视频、网站浏览)。
优选地,所述获取到异常样本,可以包括:基于所述至少一个分析维度,从采集得到的信令信息中选取得到对应的参数信息,并从所述信令信息中获取得到异常指标的值;基于所述参数信息以及所述异常指标的值确定所述异常样本。
其中,所述采集得到的信令信息可以为网络侧的服务器保存的多条历史信令信息。
另外异常样本的确定可以从所述采集得到的信令信息中,查找用户、在投诉的时间点、执行的对应的上网操作对应的具体的一条信令信息,进一步的,根据采集得到的一条信令信息确定异常样本。
本实施例中,指标与样本空间的定义:将可能影响用户通信或上网感知的各类因素称为网络事件评价的分析维度,而指标则是指用于刻画用户上网或通信行为质量,指标值则由信令数据计算而来。因此,指标与分析维度可以用函数的形式进行表示:
y=f(X1,X2,X3…Xn)(1);
其中,y为某个网络指标,X1、X2、X3…Xn代表可能影响这个网络指标的自变量(维度),函数f则代表这种对应关系,实际上代表的是现实的网络存在。
比如,当异常指标为下载速率时,特别为A用户在晚上7点的连接XX网络的下载速率时,可以从上述终端类型,LTE网络小区,SP服务器,上网时间,业务类型几个维度分别获取到具体的信令信息,那么异常样本可以表示为:
用户下载速率=f(终端类型,LTE网络小区,SP服务器,上网时间,业务类型)。
与其相对应的,即确定了异常样本之后,基于异常样本逐个从至少一个分析维度中确定得到变换维度,并且基于变换维度以及其余的分析维度获取到至少一个参考样本,具体的,所述从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度以及除变换维度外的分析维度选取得到至少一个参考样本,包括:
逐个从所述至少一个分析维度中选取一个分析维度作为变换维度,基于变换维度、以及除所述变换维度外的分析维度选取得到至少一个参考样本。
所述基于变换维度以及除变换维度外的分析维度选取得到至少一个参考样本,包括:
基于所述变换维度、以及除变换维度外的分析维度,从采集得到的信令信息中选取得到对应的待分析参数信息,并从所述采集得到的信令信息确定异常指标的待分析值;
利用所述待分析参数信息以及异常指标的待分析值,生成参考样本。
其中,信令信息的获取已经说明过,再次不再进行赘述;另外,获取得到参考样本的具体流程与前述获取得到异常样本的流程相同,这里也不再进行赘述。比如,可以将这些可能影响指标的维度所描述的空间称为们需要研究的样本空间,用L[X1,X2,X3…Xn]表示,那么每一个在空间L[X1,X2,X3…Xn]中的参考样本都会有一个对应的异常指标的待分析值。
值得注意的是,本实施例提供的操作方式可以为以下几种:
第一种,同一时间开启多个分析流程,不同的分析流程对应不同的变换维度,然后多个分析流程同时进行故障定界维度的分析;
第二种,逐个进行分析,就是说,首先选取一个分析维度作为变换维度,基于该变换维度以及除去变换维度外的其他分析维度采集得到参考样本,然后基于参考样本以及异常样本分析变换维度是否为故障定界维度;
然后再从剩余的分析维度中再选取得到一个变换维度,以此类推,直至分析完全部的分析维度,则结束操作流程。
下面基于如何进行故障定界维度的确定进行具体说明:
所述对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度,包括:
将所述至少一个参考样本的异常指标的待分析值、与所述异常样本的异常指标的值进行比对;
若比对结果表征两个值相同,则确定变换维度为非故障定界维度;
若比对结果表征两个值不相同,则确定所述变换维度为故障定界维度。
本实施例提供的处理流程目的是确定导致网络异常问题(指标异常)的维度有哪些,我们将这种判定指标是否正常的准则定义为函数P(y),其中y为上文提到的指标值,P(y)值域为1或0,1代表指标正常,0代表指标异常,则由前述的样本空间中的某个特定样本(x1,x2,x3..xn)必然可以给定一个函数P(f(x1,x2,x3…xn))的值,为0或1。如下式所示:
P(f(X1,X2,X3…Xn)=0(2)
0表示某个样本其指标异常
P(f(X1,X2,X3…Xn)=1(3)
1表示某个样本其指标正常。
其于以上对指标和样本空间的定义以及对分析维度的规约,我们将本技术方案做如下描述:
根据分析需求,确定需要分析的异常指标y。y可以是任意的描述网络质量或用户感知质量的指标,如用户下载速率、语音呼叫时延、语音通话掉话率、语音接通率等。
针对异常指标,确定可能影响指标异常的因素,形成指标分析的维度以及基于这些维度的样本空间L[X1,X2,X3…Xn]。基于前述的维度划分规则,分析维度可划分为用户、终端、时间、小区、网络、SP,由此形成的问题分析的样本空间为L[用户、终端、时间、小区、网络、SP],结合异常指标的分析场景便可确定异常产生异常指标的异常样本。例如,异常情况为某用户在某小区下新浪网浏览业务下载速率偏慢,在基本分析维度下则可以确定某个异常样本为:用户1持iphone5s在时段T1于小区1通过核心节点1登录新浪网,对应的异常指标为下载速率异常,即P(f(用户1,iphone5s,T1,小区1,核心网节点1,新浪))=0。
参见图2,针对异常样本,在上文所述的样本空间内对某一维度的值进行变换,形成参考样本。例如:对时间维度进行变换形成参考样本1:用户1持iphone5s在其它时段T2于小区1通过核心节点1登录新浪业务;对用户维度进行变换形成参考样本2:用户2在同一时段T1持iphone5s于小区1通过核心节点1登录新浪业务;对小区维度做变换形成参考样本3:用户1持iphone5s在T1时段在小区2通过核心节点1登录新浪业务。
对比P(f(异常样本))与P(f(参考样本))的值,如果P(f(参考样本))=P(f(异常样本)),则说明参考样本中所变换的因素对P值无影响,系与指标异常问题无关的维度,因此该维度可以从影响因素中删去,也即对异常指标分析的样本空间进行降维,实现样本空间变换。例如,将参考样本“用户1持iphone5s在其它时段于于小区1登录新浪网浏览业务”的下载速率指标异常情况与异常样本做对比,发现该用户在其它时段于小区1登录新浪网其网页浏览业务的下载速率指标也偏慢(异常),则说明指标异常与时间维度无关,则可以对异常指标的分析维度进行降维,不再关注时间维度。比如,参见图3,此时异常指标的分析的样本空间由L[用户、终端、时间、小区、网络、SP]变成L[用户、终端、小区、网络、SP]。
如果在当前的样本空间下对某个维度的值进行变换后,发现在参考样本中存在正常指标的样本,则可确认该维度为影响指标异常的维度之一,不可降维,我们称之为问题定界维度。例如,在样本空间L[终端,小区,SP]变换终端维度的值,发现部分其它终端在小区1下登录新浪网下载速率指标正常,则可确定用户(终端)维度为影响新浪网下载速率指标异常的维度之一。
通过循环的执行判断变换维度是否为故障定界维度的处理,不断确定对异常指标无影响的维度以进行降维,最终确认影响异常指标的问题定界维度。例如,上文中最终确认影响网页下载速率指标的维度为小区和终端,指标异常原因最终被定界为终端与小区的匹配问题导致。
可见,通过采用上述方案,就能够首先确定异常指标对应的分析维度,基于异常指标及其分析维度选取得到异常样本,再逐个对至少一个分析维度中的分析维度进行变换维度,并基于变换维度选取得到参考样本,最终基于参考样本以及异常样本的分析,确定变换维度是否故障定界维度。如此,就能够实现用户问题的准确回溯,不需要进行额外测试,节省测试成本,提升问题定位准确度;并且基于异常指标问题的自动确定故障定界,降低对人工素质的要求,提高问题定界速度,并且通用性强,不依托厂家告警,受设备变化影响小。
实施例二、
本方案中的样本可以来自对电信网络接口的信令采集,通过信令采集可以获取任意用户在任意地点(小区)用任何终端通过任意核心网元进行任意业务行为的信息记录。将这些记录的信息通过维度分解与样本空间的构造,可以实现可控精度的问题定界效果。另外,本方案所述的样本数据并不局限于通信网络接口的信令数据,其还可以是任何其它可正当获取的的信息,如计费数据、业务订制信息数据等。
基于上述实施例,本实施例基于某个VIP客户投诉其在晚上七点于某地上网速率偏慢,观看视频卡顿,要求解决的场景,结合图4进一步对本发明提供的故障维度分析方法进行处理说明,包括:
步骤一、确定问题分析的异常指标为上网速率。
步骤二、通过信令采集信息的读取,可以确认其在七点时LTE小区1进行的是新浪视频观看业务,使用的是iphone6手机。根据分析需要,将样本分析维度定义为终端、LTE小区、时间、SP、业务类型。
步骤三、确定异常样本为设诉用户利用iphone6手机在小区1于晚上7时进行新浪视频下载时的下载速率,对比样本为各类用户利用各类手机于各个时间段在不同小区对不同网站进行浏览、图片下载、视频流媒体下载等不同业务类型的业务行为时的下载速率。
以下为步骤四-步骤六说明:
首先通过变换时间维度,将对比样本设置为该用户在其它时段于同一地点使用相同终端查看相同网站视频的下载速率。发现对比样本的指标同样出现异常(下载偏慢),说明指标异常与时间无关,可剔除时间维度影响。异常问题分析的样本空间可进行降维,变成设诉用户利用iphone6手机在小区1进行新浪视频下载时的下载速率。
对终端维度进行变换,查看其它用户使用非iphone终端在该小区进行新浪视频业务的下载速率,同样发生异常,说明终端维度与指标异常无关,可对问题定界的样本空间再次进行降维,异常样本变为用户在小区1进行新浪视频业务,下载速率异常。
对小区维度进行变换,将对比样本设置为该用户在在其它小区进行新浪视频业务,下载速率指标正常。说明小区维度为问题定界维度,不能降维。
对SP(在此指网站)维度进行变换,将对比样本设为用户在小区1进行优酷视频业务,下载速率偏慢。说明SP维度与指标异常无关,可再次进行降维,问题定界的样本空间变为用户在小区1进行视频业务,下载速率偏慢。
对业务类型维度进行变换,将对比样本设置用用户在小区1进行新浪图片业务,发现下载速率偏慢,说明业务类型维度与下载速率偏慢异常无关,可降维。至此,异常问题的样本空间变成只有小区一个维度,可以确认问题定界维度为小区。
实施例三、
本发明实施例提供了一种网络设备,如图5所示,所述网络设备包括:
指标确定单元51,用于确定异常指标,并确定所述异常指标对应的至少一个分析维度;
样本选取单元52,用于获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;
分析单元53,用于对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度。
本实施例提供的网络设备可以为网络侧的服务器,比如管理服务器。
所述确定异常指标可以为根据实际情况确定,比如,若接收到用户的投诉,根据用户投诉进行异常指标的确定,假设用户投诉7点时连接XX网站的速率较慢,那么可以确定所述异常指标为上网速率,或者下载速率。
所述确定异常指标对应的至少一个分析维度,可以为根据实际情况进行设置,尤其是,可以结合不同的异常指标确定不同的分析维度,对于分析维度的划分,应视问题定界的精度需求及指标涉及业务而定。理论上维度划分越细其问题定界的精度就越高,但所需要的样本空间也就越大,由此产生的描述样本空间的信令存储空间也越大。假设分析维度只设置为用户、小区,那么信令数据只需要记录每个用户在每个小区下的指标数据即可,而如果把分析维度扩展为用户、小区、SP,那么信令数据就需要记录每个用户在每个小区下进行不同SP业务的指标数据。因此,鉴于信令存储空间的有限性,分析维度不能无限制细化。我们基于对现有维护经验的科学总结提供一套高度可行的维度划分方案。我们将分析维度划分为用户、终端、小区、网络、业务和时间维度。通过这种维度的划分,其产生的信令存储量是可以承受的,同时利用本技术方案我们也可以实现针对异常指标的问题定界,确认与指标异常相关的维度。
结合上述示例,假设异常指标为下载速率,那么至少一个分析维度可以包括:终端类型、LTE网络小区、SP服务器、上网时间、业务类型(如视频、网站浏览)。
优选地,所述样本选取单元52,用于基于所述至少一个分析维度,从采集得到的信令信息中选取得到对应的参数信息,并从所述信令信息中获取得到异常指标的值;基于所述参数信息以及所述异常指标的值确定所述异常样本。
其中,所述采集得到的信令信息可以为网络侧的服务器保存的多条历史信令信息。
另外异常样本的确定可以从所述采集得到的信令信息中,查找用户、在投诉的时间点、执行的对应的上网操作对应的具体的一条信令信息,进一步的,根据采集得到的一条信令信息确定异常样本。
本实施例中,指标与样本空间的定义:将可能影响用户通信或上网感知的各类因素称为网络事件评价的分析维度,而指标则是指用于刻画用户上网或通信行为质量,指标值则由信令数据计算而来。因此,指标与分析维度可以用函数的形式进行表示:
y=f(X1,X2,X3…Xn)(1);
其中,y为某个网络指标,X1、X2、X3…Xn代表可能影响这个网络指标的自变量(维度),函数f则代表这种对应关系,实际上代表的是现实的网络存在。
比如,当异常指标为下载速率时,特别为A用户在晚上7点的连接XX网络的下载速率时,可以从上述终端类型,LTE网络小区,SP服务器,上网时间,业务类型几个维度分别获取到具体的信令信息,那么异常样本可以表示为:
用户下载速率=f(终端类型,LTE网络小区,SP服务器,上网时间,业务类型)。
与其相对应的,即确定了异常样本之后,基于异常样本逐个从至少一个分析维度中确定得到变换维度,并且基于变换维度以及其余的分析维度获取到至少一个参考样本,具体的,所述样本选取单元52,用于逐个从所述至少一个分析维度中选取一个分析维度作为变换维度,基于变换维度、以及除所述变换维度外的分析维度选取得到至少一个参考样本。
所述样本选取单元,用于基于所述变换维度、以及除变换维度外的分析维度,从采集得到的信令信息中选取得到对应的待分析参数信息,并从所述采集得到的信令信息确定异常指标的待分析值;利用所述待分析参数信息以及异常指标的待分析值,生成参考样本。
比如,可以将这些可能影响指标的维度所描述的空间称为们需要研究的样本空间,用L[X1,X2,X3…Xn]表示,那么每一个在空间L[X1,X2,X3…Xn]中的参考样本都会有一个对应的异常指标的待分析值。
值得注意的是,本实施例提供的操作方式可以为以下几种:
第一种,同一时间开启多个分析流程,不同的分析流程对应不同的变换维度,然后多个分析流程同时进行故障定界维度的分析;
第二种,逐个进行分析,就是说,首先选取一个分析维度作为变换维度,基于该变换维度以及除去变换维度外的其他分析维度采集得到参考样本,然后基于参考样本以及异常样本分析变换维度是否为故障定界维度;
然后再从剩余的分析维度中再选取得到一个变换维度,以此类推,直至分析完全部的分析维度,则结束操作流程。
下面基于如何进行故障定界维度的确定进行具体说明:
所述分析单元,用于将所述至少一个参考样本的异常指标的待分析值、与所述异常样本的异常指标的值进行比对;若比对结果表征两个值相同,则确定变换维度为非故障定界维度;若比对结果表征两个值不相同,则确定所述变换维度为故障定界维度。
本实施例提供的处理流程目的是确定导致网络异常问题(指标异常)的维度有哪些,我们将这种判定指标是否正常的准则定义为函数P(y),其中y为上文提到的指标值,P(y)值域为1或0,1代表指标正常,0代表指标异常,则由前述的样本空间中的某个特定样本(x1,x2,x3..xn)必然可以给定一个函数P(f(x1,x2,x3…xn))的值,为0或1。如下式所示:
P(f(X1,X2,X3…Xn)=0(2)
0表示某个样本其指标异常
P(f(X1,X2,X3…Xn)=1(3)
1表示某个样本其指标正常。
其于以上对指标和样本空间的定义以及对分析维度的规约,我们将本技术方案做如下描述:
根据分析需求,确定需要分析的异常指标y。y可以是任意的描述网络质量或用户感知质量的指标,如用户下载速率、语音呼叫时延、语音通话掉话率、语音接通率等。
针对异常指标,确定可能影响指标异常的因素,形成指标分析的维度以及基于这些维度的样本空间L[X1,X2,X3…Xn]。基于前述的维度划分规则,分析维度可划分为用户、终端、时间、小区、网络、SP,由此形成的问题分析的样本空间为L[用户、终端、时间、小区、网络、SP],结合异常指标的分析场景便可确定异常产生异常指标的异常样本。例如,异常情况为某用户在某小区下新浪网浏览业务下载速率偏慢,在基本分析维度下则可以确定某个异常样本为:用户1持iphone5s在时段T1于小区1通过核心节点1登录新浪网,对应的异常指标为下载速率异常,即P(f(用户1,iphone5s,T1,小区1,核心网节点1,新浪))=0。
参见图2,针对异常样本,在上文所述的样本空间内对某一维度的值进行变换,形成参考样本。例如:对时间维度进行变换形成参考样本1:用户1持iphone5s在其它时段T2于小区1通过核心节点1登录新浪业务;对用户维度进行变换形成参考样本2:用户2在同一时段T1持iphone5s于小区1通过核心节点1登录新浪业务;对小区维度做变换形成参考样本3:用户1持iphone5s在T1时段在小区2通过核心节点1登录新浪业务。
对比P(f(异常样本))与P(f(参考样本))的值,如果P(f(参考样本))=P(f(异常样本)),则说明参考样本中所变换的因素对P值无影响,系与指标异常问题无关的维度,因此该维度可以从影响因素中删去,也即对异常指标分析的样本空间进行降维,实现样本空间变换。例如,将参考样本“用户1持iphone5s在其它时段于于小区1登录新浪网浏览业务”的下载速率指标异常情况与异常样本做对比,发现该用户在其它时段于小区1登录新浪网其网页浏览业务的下载速率指标也偏慢(异常),则说明指标异常与时间维度无关,则可以对异常指标的分析维度进行降维,不再关注时间维度。比如,参见图3,此时异常指标的分析的样本空间由L[用户、终端、时间、小区、网络、SP]变成L[用户、终端、小区、网络、SP]。
如果在当前的样本空间下对某个维度的值进行变换后,发现在参考样本中存在正常指标的样本,则可确认该维度为影响指标异常的维度之一,不可降维,我们称之为问题定界维度。例如,在样本空间L[终端,小区,SP]变换终端维度的值,发现部分其它终端在小区1下登录新浪网下载速率指标正常,则可确定用户(终端)维度为影响新浪网下载速率指标异常的维度之一。
通过循环的执行判断变换维度是否为故障定界维度的处理,不断确定对异常指标无影响的维度以进行降维,最终确认影响异常指标的问题定界维度。例如,上文中最终确认影响网页下载速率指标的维度为小区和终端,指标异常原因最终被定界为终端与小区的匹配问题导致。
可见,通过采用上述方案,就能够首先确定异常指标对应的分析维度,基于异常指标及其分析维度选取得到异常样本,再逐个对至少一个分析维度中的分析维度进行变换维度,并基于变换维度选取得到参考样本,最终基于参考样本以及异常样本的分析,确定变换维度是否故障定界维度。如此,就能够实现用户问题的准确回溯,不需要进行额外测试,节省测试成本,提升问题定位准确度;并且基于异常指标问题的自动确定故障定界,降低对人工素质的要求,提高问题定界速度,并且通用性强,不依托厂家告警,受设备变化影响小。
本发明实施例所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、网络设备、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本发明实施例不限制于任何特定的硬件和软件结合。
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。
Claims (8)
1.一种故障维度分析方法,其特征在于,所述方法包括:
确定异常指标,并确定所述异常指标对应的至少一个分析维度;
获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;
从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;
对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度;
其中,所述基于变换维度选取得到至少一个参考样本,包括:
基于所述变换维度、以及除变换维度外的分析维度,从采集得到的信令信息中选取得到对应的待分析参数信息,并从所述采集得到的信令信息确定异常指标的待分析值;
利用所述待分析参数信息以及异常指标的待分析值,生成参考样本。
2.根据权利要求1所述的方法,其特征在于,所述从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,包括:
逐个从所述至少一个分析维度中选取一个分析维度作为变换维度,基于变换维度、以及除所述变换维度外的分析维度选取得到至少一个参考样本。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度,包括:
将所述至少一个参考样本的异常指标的待分析值、与所述异常样本的异常指标的值进行比对;
若比对结果表征两个值相同,则确定变换维度为非故障定界维度;
若比对结果表征两个值不相同,则确定所述变换维度为故障定界维度。
4.根据权利要求1所述的方法,其特征在于,所述获取到异常样本,包括:
基于所述至少一个分析维度,从采集得到的信令信息中选取得到对应的参数信息,并从所述信令信息中获取得到异常指标的值;
基于所述参数信息以及所述异常指标的值确定所述异常样本。
5.一种网络设备,其特征在于,所述网络设备包括:
指标确定单元,用于确定异常指标,并确定所述异常指标对应的至少一个分析维度;
样本选取单元,用于获取到异常样本,其中,所述异常样本中包括有异常指标的值、所述至少一个分析维度对应的至少一个参数信息;从所述异常样本中包含的至少一个分析维度中选取分析维度作为变换维度,基于变换维度选取得到至少一个参考样本,其中,所述参考样本中包括有异常指标的待分析值、所述至少一个分析维度对应的至少一个待分析参数信息;
分析单元,用于对所述至少一个参考样本以及所述异常样本进行分析,基于分析结果确定变换维度是否为故障定界维度;
所述样本选取单元,还用于基于所述变换维度、以及除变换维度外的分析维度,从采集得到的信令信息中选取得到对应的待分析参数信息,并从所述采集得到的信令信息确定异常指标的待分析值;利用所述待分析参数信息以及异常指标的待分析值,生成参考样本。
6.根据权利要求5所述的网络设备,其特征在于,所述样本选取单元,用于逐个从所述至少一个分析维度中选取一个分析维度作为变换维度,基于变换维度、以及除所述变换维度外的分析维度选取得到至少一个参考样本。
7.根据权利要求5或6所述的网络设备,其特征在于,所述分析单元,用于将所述至少一个参考样本的异常指标的待分析值、与所述异常样本的异常指标的值进行比对;若比对结果表征两个值相同,则确定变换维度为非故障定界维度;若比对结果表征两个值不相同,则确定所述变换维度为故障定界维度。
8.根据权利要求5所述的网络设备,其特征在于,所述样本选取单元,用于基于所述至少一个分析维度,从采集得到的信令信息中选取得到对应的参数信息,并从所述信令信息中获取得到异常指标的值;基于所述参数信息以及所述异常指标的值确定所述异常样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610274457.0A CN107332681B (zh) | 2016-04-28 | 2016-04-28 | 一种故障维度分析方法及网络设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610274457.0A CN107332681B (zh) | 2016-04-28 | 2016-04-28 | 一种故障维度分析方法及网络设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107332681A CN107332681A (zh) | 2017-11-07 |
CN107332681B true CN107332681B (zh) | 2020-01-07 |
Family
ID=60192393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610274457.0A Active CN107332681B (zh) | 2016-04-28 | 2016-04-28 | 一种故障维度分析方法及网络设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107332681B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995566B (zh) * | 2017-12-31 | 2022-05-10 | 中国移动通信集团辽宁有限公司 | 网络故障定位方法、装置、设备及介质 |
CN110728525B (zh) * | 2018-07-16 | 2022-04-15 | 中国移动通信集团浙江有限公司 | 一种网络批量用户投诉的定界处理方法及装置 |
CN113301585B (zh) * | 2020-02-24 | 2022-07-15 | 中国移动通信有限公司研究院 | 信息处理方法、装置、电子设备及存储介质 |
CN113329221B (zh) * | 2020-02-28 | 2023-08-15 | 中国移动通信集团福建有限公司 | 视频问题定界方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942453A (zh) * | 2014-05-07 | 2014-07-23 | 华北电力大学 | 一种针对非技术性损失的智能用电异常检测方法 |
CN104715348A (zh) * | 2015-03-18 | 2015-06-17 | 北京殷塞信息技术有限公司 | 综合商业智能分析方法及系统 |
CN104883705A (zh) * | 2014-02-27 | 2015-09-02 | 中国移动通信集团上海有限公司 | 一种数据业务投诉的问题定位方法及装置 |
CN105071969A (zh) * | 2015-08-19 | 2015-11-18 | 焦点科技股份有限公司 | 基于jmx的定制化实时监控及自动化异常处理的系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070263775A1 (en) * | 2005-12-22 | 2007-11-15 | Clark Alan D | Distributed system and method for diagnosing network problems |
-
2016
- 2016-04-28 CN CN201610274457.0A patent/CN107332681B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883705A (zh) * | 2014-02-27 | 2015-09-02 | 中国移动通信集团上海有限公司 | 一种数据业务投诉的问题定位方法及装置 |
CN103942453A (zh) * | 2014-05-07 | 2014-07-23 | 华北电力大学 | 一种针对非技术性损失的智能用电异常检测方法 |
CN104715348A (zh) * | 2015-03-18 | 2015-06-17 | 北京殷塞信息技术有限公司 | 综合商业智能分析方法及系统 |
CN105071969A (zh) * | 2015-08-19 | 2015-11-18 | 焦点科技股份有限公司 | 基于jmx的定制化实时监控及自动化异常处理的系统及方法 |
Non-Patent Citations (1)
Title |
---|
多维度数据分析技术在电网故障信息可视化系统中的应用;杜鹏;《通讯世界》;20150225;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107332681A (zh) | 2017-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106685750B (zh) | 系统异常检测方法和装置 | |
CN111126824B (zh) | 多指标关联模型训练方法及多指标异常分析方法 | |
CN109005556B (zh) | 一种基于用户话单的4g网络质量优化方法与系统 | |
CN107332681B (zh) | 一种故障维度分析方法及网络设备 | |
EP3436951B1 (en) | Systems and methods for measuring effective customer impact of network problems in real-time using streaming analytics | |
CN107026746B (zh) | 网络业务质量评估方法、系统及网络设备 | |
EP3554152B1 (en) | Categorized location identification based on historical locations of a user device | |
CN110337059B (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
CN111092852A (zh) | 基于大数据的网络安全监控方法、装置、设备及存储介质 | |
CN111817868B (zh) | 一种网络质量异常的定位方法与装置 | |
CN107135090A (zh) | 一种实现网络质差问题定位的方法及装置 | |
CN109992473A (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
CN107306200B (zh) | 网络故障预警方法和用于网络故障预警的网关 | |
CN108696371B (zh) | 网络故障确定方法及系统 | |
US20220103442A1 (en) | Internet of things operations monitoring system | |
CN107346280A (zh) | 一种数据上报和数据处理的方法、装置和电子设备 | |
CN108024222B (zh) | 流量话单生成方法和装置 | |
CN116578911A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
Rueda et al. | Big data streaming analytics for qoe monitoring in mobile networks: A practical approach | |
CN113453261A (zh) | 异常小区识别方法、装置和电子设备 | |
CN112395155A (zh) | 服务的监控方法和装置、存储介质、电子装置 | |
CN111585819A (zh) | 一种配网通信设备故障分析方法和系统 | |
US10114395B2 (en) | Expert system analysis for power monitoring devices | |
CN111641532B (zh) | 一种通信质量检测方法、装置、服务器及存储介质 | |
Badarch et al. | Big data area: A novel network performance analysis technique based on bayesian traffic classification algorithm |
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 |