CN108111361B - 基于大数据分析的传输网络故障定位分析方法及系统 - Google Patents
基于大数据分析的传输网络故障定位分析方法及系统 Download PDFInfo
- Publication number
- CN108111361B CN108111361B CN201810119164.4A CN201810119164A CN108111361B CN 108111361 B CN108111361 B CN 108111361B CN 201810119164 A CN201810119164 A CN 201810119164A CN 108111361 B CN108111361 B CN 108111361B
- Authority
- CN
- China
- Prior art keywords
- network
- risk point
- code
- alarm
- set time
- 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
Abstract
本发明公开了一种基于大数据分析的传输网络故障定位分析方法及系统,涉及网络故障定位技术领域,本发明通过发生故障的业务经过的网络风险点共性,计算各网络风险点的故障概率,实现传输网络故障的快速定位。本发明最主要的特点是通过大数据分析统计对网络风险点的故障概率实现量化,依托大数据分析统计快速计算出故障概率较高的网络风险点所在。相比于现在的故障定位,多依赖于经验判断,本发明借助计算机强大计算能力的大数据分析,量化计算,更加客观,更加准确,更加快速,可有效辅助故障的快速定位,降低故障历时。
Description
技术领域
本发明涉及网络故障定位技术领域,具体涉及一种基于大数据分析的传输网络故障定位分析方法及系统。
背景技术
通信网对安全要求很高,传输网作为基础网络,其安全要求更高。
在网络出现故障后,实现故障的快速定位,对于快速恢复业务,保障网络安全有极为重要的现实意义。目前传输网对故障的定位需要依靠传输网网管监控零散的告警和性能等参数,靠人的技术和经验综合分析,以观察法、实验法、排他法等尝试的方式逐步收敛并最终定位,定位历时长,且受人的技术水平、观察能力、网络的复杂程度、数据量大小等因素影响大,更无法综合多专业网络、哑资源进行关联分析,常常导致故障定位不准、反复定位,故障历时长,造成通信事故。
同时,在故障发生前,某一个风险点对业务的影响程度没有量化的评估方法,无法从业务的重要性、属性和数量综合评估一个风险点故障时对业务造成影响的程度,预先识别风险点对业务的影响度。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种基于大数据分析的传输网络故障定位分析方法及系统,实现传输网络故障的快速定位。
为达到以上目的,本发明采取的技术方案是:一种基于大数据分析的传输网络故障定位分析方法:
获取当前传输网络的网络资源组成以及承载的业务;根据业务的业务路径经过的网络资源,构建网络风险点集合,构建业务和网络风险点之间的映射关系;
根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数,计算出设定时间内在该网络风险点的故障概率。
在上述技术方案的基础上,计算设定时间内在任一网络风险点发生故障的概率的公式为:
其中,e为自然常数,P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,P’=[Pmin,Pmax],Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。
其中,e为自然常数,A表示预定义的告警代码集,表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数,表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比;P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,P’=[Pmin,Pmax],Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。
本发明还公开了一种基于大数据分析的传输网络故障定位分析系统,包括:
网络风险点构建模块,其用于获取当前传输网络的网络资源组成以及承载的业务;根据业务的业务路径经过的网络资源,构建网络风险点集合、业务和网络风险点之间的映射关系;
网络风险点故障率计算模块,其用于根据设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数,计算出设定时间内在该网络风险点的故障概率。
在上述技术方案的基础上,所述传输网络故障定位分析系统还包括告警贡献指数计算模块,其用于根据预定义的告警代码集,计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数;再结合计算出设定时间内在该网络风险点的故障概率其中:
在上述技术方案的基础上,所述传输网络故障定位分析系统还包括性能代码贡献指数计算模块,其用于根据预定义的性能代码集,计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数;再结合计算出设定时间内在该网络风险点的故障概率;其中:
其中,e为自然常数,P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,P’=[Pmin,Pmax],Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。
在上述技术方案的基础上,所述传输网络故障定位分析系统还包括告警贡献指数计算模块和性能代码贡献指数计算模块;
其中,e为自然常数,A表示预定义的告警代码集,表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数,表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比;P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,P’=[Pmin,Pmax],Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。
与现有技术相比,本发明的优点在于:
本发明通过发生故障的业务经过的网络风险点共性,计算各网络风险点的故障概率,实现传输网络故障的快速定位。本发明最主要的特点是通过大数据分析统计对网络风险点的故障概率实现量化,依托大数据分析统计快速计算出故障概率较高的网络风险点所在。相比于现在的故障定位,多依赖于经验判断,本发明借助计算机强大计算能力的大数据分析,量化计算,更加客观,更加准确,更加快速,可有效辅助故障的快速定位,降低故障历时。
本发明通过分析经过网络风险点的业务等效量因子来评估网络风险点故障时对业务的影响度。业务的等效量通过业务通道的等级、主备属性建立,真实的反应业务的用户需求特性。相比现有的主观性判断网络风险大小,本发明量化了风险指标,可以快速客观的反应网络中存在发生故障时对业务的影响度高的网络风险点,指导运维生产。同时通过该方法,可衍生多种实际用途,包括故障模拟、操作演练等,具有极高的实用价值。
附图说明
图1为本发明实施例中基于大数据分析的传输网络故障定位分析方法的网络风险点与业务映射关系示意图;
图2为本发明实施例中基于大数据分析的传输网络故障定位分析系统的结构示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
实施例1:
本发明实施例提供一种基于大数据分析的传输网络故障定位分析方法:
获取当前传输网络的网络资源组成以及承载的业务;根据业务的业务路径经过的网络资源,构建网络风险点集合,构建业务和网络风险点之间的映射关系;
根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数,计算出设定时间内在该网络风险点的故障概率。
计算设定时间内在任一网络风险点发生故障的概率的公式为:
网络风险点集合是指业务经过的网络资源集合。按照业务逻辑,会影响业务的业务路径经过的要素包括:业务板卡、交换板卡、主控板卡、连接光纤(管道)、承载波道。其中,非业务共性处理的组件,连接光纤、承载波道和线路板卡及其端口存在一一映射的关系,可以建立一个风险集合;业务共性处理的组件,设备中交换板卡、主控板卡和设备存在一一映射的关系,可以建立一个风险集合。对于源宿终结业务的板卡,因和对端设备互联也是通过线缆或光缆连接,同样存在唯一确定性,因此也属于链路风险点。基于以上规则,网络风险点建立两类类型:链路风险点和设备风险点。如:NNI互联的A局03槽01端口和B局08槽02端口构成3个风险点:
风险点一:
l A局PTN设备03槽01端口
l B局PTN设备08槽02端口
l A局OTN设备第3波道
l B局OTN设备第3波道
l B局间光缆管道号XXX,纤芯1,2
风险点二:
A局设备(A局交换、A局主控)
风险点三:
B局设备(B局交换、B局主控)
步骤二:计算网络风险点受损业务通道占比
本发明计算网络风险点受损业务通道占比的方法:
业务1、2、3为示例网络承载的业务,业务路径参见图1所示。如果3条业务受损,则图示网络风险点1(注:仅给出了链路风险点)的受损业务通道占比计算如下:受损业务1、2与网络风险点1有关,业务3无关,因此:
同样计算其他风险点的受损业务通道占比如下表:
实施例2:
例如,根据网络采用的设备类型,定义一个对业务通道有影响的告警代码集,为有限集,举例如下:
实施例3:
其中,e为自然常数,P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,,Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在性能代码集中的占比。
例如,根据网络采用的设备类型,定义一个对业务通道有影响的性能代码集,为有限集,举例如下:
实施例4:
其中,e为自然常数,A表示预定义的告警代码集,表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数,表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在告警代码集中的占比;P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,P’=[Pmin,Pmax],Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在性能代码集中的占比。
实施例5:
实施例6:
参见图2所示,本发明实施例还公开了一种基于大数据分析的传输网络故障定位分析系统:
获取当前传输网络的网络资源组成以及承载的业务;根据业务的业务路径经过的网络资源,构建网络风险点集合,构建业务和网络风险点之间的映射关系;
根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数,计算出设定时间内在该网络风险点的故障概率。
计算设定时间内在任一网络风险点发生故障的概率的公式为:
实施例7:
在实施例6的基础上,传输网络故障定位分析系统还包括告警贡献指数计算模块,其用于根据预定义的告警代码集,计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数;再结合计算出设定时间内在该网络风险点的故障概率;其中:
例如,根据网络采用的设备类型,定义一个对业务通道有影响的告警代码集,为有限集,举例如下:
实施例8:
在实施例6的基础上,传输网络故障定位分析系统还包括性能代码贡献指数计算模块,其用于根据根据预定义的性能代码集,计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数;再结合计算出设定时间内在该网络风险点的故障概率;其中:
其中,e为自然常数,P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,,Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在性能代码集中的占比。
例如,根据网络采用的设备类型,定义一个对业务通道有影响的性能代码集,为有限集,举例如下:
实施例9:
在实施例6的基础上,传输网络故障定位分析系统还包括告警贡献指数计算模块和性能代码贡献指数计算模块;
其中,e为自然常数,A表示预定义的告警代码集,表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数,表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在告警代码集中的占比;P表示预定义的性能代码集,Pi表示代码值超出劣化门限的性能代码,表示性能代码的劣化门限,P’=[Pmin,Pmax],Pmin为劣化门限上限,Pmax为劣化门限下限;表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在性能代码集中的占比。
实施例10:
在实施例6的基础上,传输网络故障定位分析系统还包括等效量因子计算模块和业务受损风险计算模块,参见图2所示;
本发明不局限于上述实施方式,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的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (8)
1.一种基于大数据分析的传输网络故障定位分析方法,其特征在于:
获取当前传输网络的网络资源组成以及承载的业务;根据业务的业务路径经过的网络资源,构建网络风险点集合,构建业务和网络风险点之间的映射关系;
根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数,计算出设定时间内在该网络风险点的故障概率Pi(E/T);
4.如权利要求1所述的一种基于大数据分析的传输网络故障定位分析方法,其特征在于:
6.一种基于大数据分析的传输网络故障定位分析系统,其特征在于,包括:
网络风险点构建模块,其用于获取当前传输网络的网络资源组成以及承载的业务;根据业务的业务路径经过的网络资源,构建网络风险点集合、业务和网络风险点之间的映射关系;
网络风险点故障率计算模块,其用于根据设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数,计算出设定时间内在该网络风险点的故障概率Pi(E/T);
所述传输网络故障定位分析系统还包括告警贡献指数计算模块,其用于根据预定义的告警代码集,计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数;再结合计算出设定时间内在该网络风险点的故障概率;其中:
8.如权利要求6所述的一种基于大数据分析的传输网络故障定位分析系统,其特征在于:
所述传输网络故障定位分析系统还包括告警贡献指数计算模块和性能代码贡献指数计算模块;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119164.4A CN108111361B (zh) | 2018-02-06 | 2018-02-06 | 基于大数据分析的传输网络故障定位分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119164.4A CN108111361B (zh) | 2018-02-06 | 2018-02-06 | 基于大数据分析的传输网络故障定位分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108111361A CN108111361A (zh) | 2018-06-01 |
CN108111361B true CN108111361B (zh) | 2021-10-15 |
Family
ID=62222077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810119164.4A Active CN108111361B (zh) | 2018-02-06 | 2018-02-06 | 基于大数据分析的传输网络故障定位分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108111361B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109379133B (zh) * | 2018-12-11 | 2020-03-31 | 武汉烽火技术服务有限公司 | Pon网络丢包的处理方法及系统 |
CN110086655B (zh) * | 2019-04-02 | 2022-03-08 | 武汉烽火技术服务有限公司 | 基于网络震荡强度的通信网告警数据分析方法及系统 |
CN110061867B (zh) * | 2019-04-02 | 2022-01-07 | 武汉烽火技术服务有限公司 | 基于故障源告警强度的通信网告警分析方法及系统 |
CN110086656B (zh) * | 2019-04-02 | 2022-03-01 | 武汉烽火技术服务有限公司 | 基于告警维护延缓度的通信网告警数据分析方法及系统 |
CN110705232B (zh) * | 2019-08-27 | 2023-04-07 | 国网山东省电力公司信息通信公司 | 电力通信网检修影响业务状态分析报告生成方法及系统 |
CN111339398A (zh) * | 2019-12-19 | 2020-06-26 | 杭州安恒信息技术股份有限公司 | 一种多元化大数据情报分析系统及其分析方法 |
CN112818035B (zh) * | 2021-01-29 | 2022-05-17 | 湖北工业大学 | 一种网络故障预测方法及终端设备及存储介质 |
CN114553680B (zh) * | 2022-03-04 | 2023-06-13 | 华信咨询设计研究院有限公司 | 一种通信底层网络故障快速定位辅助方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1681245A (zh) * | 2004-04-05 | 2005-10-12 | 华为技术有限公司 | 评估传输网络性能的方法 |
CN103428024A (zh) * | 2012-05-26 | 2013-12-04 | 李秉钧 | 一种对通信传输网络资源的品质进行动态管理的系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101741641B (zh) * | 2009-11-30 | 2011-11-16 | 北京航空航天大学 | 基于链路的通信网络业务可靠性试验方法 |
CN102103198A (zh) * | 2010-11-19 | 2011-06-22 | 深圳市科陆电子科技股份有限公司 | 一种计量设备故障自动排查系统和排查方法 |
CN104319785B (zh) * | 2014-09-27 | 2017-02-15 | 国家电网公司 | 一种基于源流路径电气剖分的风电系统关键节点识别方法 |
CN105187255B (zh) * | 2015-09-29 | 2018-08-14 | 华为技术有限公司 | 故障分析方法、故障分析装置和服务器 |
-
2018
- 2018-02-06 CN CN201810119164.4A patent/CN108111361B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1681245A (zh) * | 2004-04-05 | 2005-10-12 | 华为技术有限公司 | 评估传输网络性能的方法 |
CN103428024A (zh) * | 2012-05-26 | 2013-12-04 | 李秉钧 | 一种对通信传输网络资源的品质进行动态管理的系统 |
Non-Patent Citations (1)
Title |
---|
传输网络评估及优化研讨;王金凤;《科学咨询(科技·管理)》;20121205;102-103 * |
Also Published As
Publication number | Publication date |
---|---|
CN108111361A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108111361B (zh) | 基于大数据分析的传输网络故障定位分析方法及系统 | |
CN100479385C (zh) | 一种多设备集中维护方法和系统 | |
CN102437922B (zh) | 一种基于n-1原则的电力通信网业务影响分析方法 | |
US20180375373A1 (en) | Impact increments-based state enumeration reliability assessment approach and device thereof | |
CN109120338B (zh) | 网络故障定位方法、装置、设备和介质 | |
CN108768710A (zh) | 一种光传输网络健康的动态权重评估方法、模型及装置 | |
CN111865627B (zh) | 传输组网评估方法、装置、计算设备及计算机存储介质 | |
CN111836134B (zh) | 网络拓扑信息的获取方法、装置、设备及存储介质 | |
CN103607320A (zh) | 电力通信网抗毁性评价方法 | |
WO2018107882A1 (zh) | 故障定位方法和网络设备 | |
Zhang et al. | A diameter-constrained approximation algorithm of multistate two-terminal reliability | |
Xing et al. | Load balancing-based routing optimization mechanism for power communication networks | |
CN111884832A (zh) | 一种获取无源网络拓扑信息的方法及相关设备 | |
CN113438010A (zh) | 面向天地一体化网络的星座系统能力评估体系及评估系统 | |
CN115272027A (zh) | 一种用于双碳管理的低碳排放数据监测系统 | |
CN109962801B (zh) | 通信质量异常定位方法、装置、设备及介质 | |
He et al. | Topological approach to measure network recoverability | |
CN104883362A (zh) | 异常访问行为控制方法及装置 | |
CN112752172B (zh) | 一种基于迁移学习的光通道故障诊断方法和系统 | |
CN116723136B (zh) | 应用fcm聚类算法的网络检测数据的方法 | |
US20110038269A1 (en) | Estimation method for loss rates in a packetized network | |
CN109858822B (zh) | 一种基于流关联分析的信息电力融合系统可靠性评估方法 | |
CN109861855B (zh) | 一种电力通信网络中节点重要度的确定方法和装置 | |
CN109905249B (zh) | 处理计费消息的方法、装置、设备及介质 | |
CN115842760A (zh) | 故障检测方法、装置、电子设备及存储介质 |
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 |