CN108696371B - 网络故障确定方法及系统 - Google Patents

Abstract

本发明提供一种网络故障确定方法及系统。所述方法包括：确定一个疑似故障时间点及至少一个疑似故障网元标识；通过预先设置的接口获取多个网管系统在疑似故障时间点所处的预设时间段内的第一测量数据，第一测量数据携带网元标识以及预设维度；对第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；针对第二测量数据，基于故障分析原则，确定疑似故障网元标识的故障指数；将故障指数最高的前N个所对应的疑似故障网元，作为故障网元。本发明的方法通过预先设置的接口获取多个网管系统的第一测量数据，对第一测量数据进行聚类、分析，可将多个独立运行的网管系统关联起来，提高网络故障处理时效。

Description

网络故障确定方法及系统

技术领域

本发明涉及一种计算机技术领域，特别是一种网络故障确定方法及系统。

背景技术

现有技术中提供的网管系统，由于网络规模巨大，核心网常用网管系统有26套，涉及主流设备厂家6家，这些网管系统处于独立运行状态，处理故障常用的网管系统有亿阳四期网管、综合监控系统、EMOS(element management operating system，网元管理操作系统)工程核查、主动性能监控、业务拔测系统、综资网元拓扑、综资网元信息等7个甚至更多的网管系统。

图1示出了现有技术中网络故障处理的进度示意图。

如图1所示，由于各网管系统都是独立运行的，设备状态、性能指标或工程信息也是独立的，发生故障时，必须依靠人工在多个网管系统上查询，综合信息，分析与各种故障相关的设备状态或性能指标，按照经验对故障点进行聚焦定位，并进行预处理。

从四期号码分析中获取投诉号码，告警核查、工程核查、性能指标判定、网元拓扑分析、参考网元基本信息及网管拨测等，到研判出故障定位，人工处理故障分析耗时至少26分钟。

且由于网管系统种类繁多、结构复杂，依靠人工故障定位和预处理，导致网络故障处理效率低，目前，现有技术还没有相应的方法来解决上述问题。

发明内容

针对现有技术的缺陷，本发明提供一种网络故障确定方法及系统。

一方面，本发明提供一种网络故障确定方法，包括：

确定一个疑似故障时间点及至少一个疑似故障网元标识；

通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度；

对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；

针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数；

将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数。

另一方面，本发明还提供一种网络故障确定系统，包括：

第一确定单元，用于确定一个疑似故障时间点及至少一个疑似故障网元标识；

获取单元，用于通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度；

聚类单元，用于对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；

分析单元，用于针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数；

第二确定单元，用于将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数。

由上述技术方案可知，本发明提供的网络故障确定方法，所述方法通过预先设置的接口获取多个网管系统的第一测量数据，且对所述第一测量数据进行聚类，分析所述疑似故障网元标识的故障指数，进行故障网元的确定，在将多个独立运行的网管系统关联起来的同时，还将各套网管系统的第一测量数据也进行关联，可直观了解故障相关的第二测量数据，提高网络故障处理时效。

附图说明

图1为现有技术中网络故障处理的进度示意图；

图2为本发明一实施例提供的一种网络故障确定方法的流程示意图；

图3为本发明又一实施例提供的一种网络故障确定方法的流程示意图；

图4为本发明又一实施例提供的一种网络故障确定方法的流程示意图；

图5为本发明又一实施例提供的网络故障确定方法的应用架构示意图；

图6为本发明又一实施例提供的一种网络故障确定系统的结构示意图；

图7为本发明又一实施例提供的一种网络故障确定系统的结构示意图；

图8为本发明又一实施例提供的一种网络故障确定系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

本发明实施例提供的一种网络故障确定方法，应用于网络管理系统，简称网管系统。

网元(network element，NE)是网络中的元素，能够独立完成传输功能。是网管系统中可以监视和管理的最小单位，一个设备可包括多个网元，一个网元标识对应一个网元。

图2示出了本发明一实施例提供的一种网络故障确定方法的流程示意图。

参照图2，所述方法具体包括以下步骤：

步骤21、确定一个疑似故障时间点及至少一个疑似故障网元标识。

在本步骤中，可根据网络投诉系统获取投诉内容，并对所述投诉内容进行分析，得到所述疑似故障时间点及所述疑似故障网元标识。

可选地，可根据综合监控系统采集的告警内容，并对所述告警内容进行分析，同样可得到所述疑似故障时间点及所述疑似故障网元标识。

步骤22、通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度。

在本步骤中，针对所述网管系统开发可连接多个网管系统的接口，以获取对应网管系统的第一测量数据，无需通过一一登录网管系统的方式获取数据，相较之下，本步骤获取数据的方式效率更高，此外登录网管系统获取数据，只能在当前网管系统进行数据处理，而本步骤中获取所述第一测量数据，并导出的方式可使后续数据处理更灵活。

其中，网管系统可以是由厂家提供的网络投诉处理系统、综合监控系统等。

举例来说，所述疑似故障时间点所处的预设时间段内可以是在所述疑似故障时间点前两个小时，当然，可根据具体故障情况进行设置，不以此为限。

可选地，所述第一测量数据是网元的测量数据，并携带网元标识。每一第一测量数据携带的网元标识可不同，也可相同，举例来说，可以是计算机PC，也可是路由交换机。

相应地，所述预设维度表示网元与某一个方面相关。第一测量数据携带的预设维度可不同，也可相同，举例来说，可以是投诉信息，也可是性能指标，根据具体情况进行设置。

步骤23、对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同。

在本步骤中，对携带网元标识以及预设维度的所述第一测量数据进行自动化流程化分类，实现信息聚类，使携带相同网元标识及预设维度的所述第一测量数据在同一组，得到多组第二测量数据。

步骤24、针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数。

在本步骤中，可通过故障指数表征所述疑似故障网元标识的异常程度。由此在网络故障中，将质化的疑似故障通过故障分析原则进行量化，最后输出故障指数。

步骤25、将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数。

在本步骤中，故障指数高表示所述疑似故障网元表示对应的所述疑似故障网元的疑似程度高，因此将故障指数最高的前N个的所述疑似故障网元，可确定为故障网元。

其中，网络故障原因复杂，通常一个故障时间点可对应多种故障原因以及故障网元，N为2表示当前有两个故障网元。

本实施例提供的网络故障确定方法，至少具有以下技术效果：

通过预先设置的接口获取多个网管系统的第一测量数据，且对所述第一测量数据进行聚类，分析所述疑似故障网元标识的故障指数，进行故障网元的确定，在将多个独立运行的网管系统关联起来的同时，还将各套网管系统的第一测量数据也进行关联，可直观了解故障相关的第二测量数据，提高网络故障处理时效。

在上述实施例的基础上，本发明又一实施例提供的一种网络故障确定方法，步骤22具体包括：

所述预设维度为以下至少其中一者：投诉信息、性能指标、工程核查、拨测指标及告警信息。

在本步骤中，网络故障确定方法可基于故障处理的预设维度进行流程化网络故障确定。

所述预设维度为以下至少其中一者：投诉信息、性能指标、工程信息、拨测指标及告警信息。

其中，所述投诉信息可从提供投诉信息的多个网管系统获取。

举例来说，所述投诉信息可以是通过预先设置的接口从所述网络投诉系统获取，所述网络投诉系统是由运营商提供的投诉处理平台支撑。

其中，所述性能指标可从提供性能指标的多个网管系统获取。

举例来说，所述性能指标可以是通过预先设置的接口从主动监控系统获取的，所述主动监控系统采集各网元的工作数据，进行统计分析，得出对应的性能指标。

其中，所述工程信息可从提供工程信息的多个网管系统获取。

举例来说，所述工程信息可以是通过预先设置的接口从EOMS(ElectricOperation Maintenance System，电子运维系统)获取，所述EOMS可提供工程项目的实施管控，各项工程任务的资源调度等工程核查信息。

其中，所述性能指标可从提供性能指标的多个网管系统获取。

举例来说，所述拨测指标可以是通过预先设置的接口从信令系统(signalingsystems)获取，所述信令系统是电信网中为用户建立接续和进行网路管理采用的一种信息交换系统，信令系统可进行呼叫测试，得出拨打结果等，任何一种信令系统都包含全部信号的产生、传送和接收规范以及信令程序。

其中，所述告警信息可从提供告警信息的多个网管系统获取。

举例来说，所述告警信息可以是通过预先设置的接口从综合监控系统获取的，所述综合监控系统是网络的层面上，对组成网络的所有终端设备进行运行状态监测故障统计、性能评估的分析过程，以便了解整个网络的运行情况，核查所监测的设备是否处于良好的工作状态，判断是否产生告警信息，以实现对全网无线接入网和核心网网络设备的监控与管理。

上述五大维度可涵盖了影响网络故障的各个方面，基于所述预设维度，进行本实施例的网络故障处理，可智能、有效又全面地实现本实施例的网络故障确定方法。

本实施例提供的网络故障确定方法，至少具有以下技术效果：

依据所述预设维度，将离散于各个网管系统的数据聚合起来，使本实施例提供的网络故障确定方法规范化、流程化、全面化和智能化，还可为后续步骤提供有力的数据支撑。

在上述实施例的基础上，本发明又一实施例提供的一种网络故障确定方法。

如图2所示，步骤22具体包括：

所述预先设置的接口可为卡夫卡(Kafka)接口。依据预设维度，通过所述卡夫卡接口自所述网管系统获取在所述疑似故障时间点所处的预设时间段内的第一测量数据。

其中，卡夫卡是一个可分区的消息系统，获取消息的接口为卡夫卡接口，并将消息以主题(topic)为单位进行归纳。

可选地，一个主题可为一个预设维度，也就是说，通过所述卡夫卡接口可自动获取第一测量数据。

在本步骤中，通过卡夫卡接口的开发，可打通和各个网管系统之间的路径，相较于现有技术中需分别登录各个网管系统，更方便、快捷。

应当说明的是，在步骤21中为确定一个疑似故障时间点及至少一个疑似故障网元标识，同样需要采集数据、并进行分析，但与本步骤中采集数据的手段可不相同。

可选的，根据所述网络投诉系统采集的投诉内容，启动本实施例提供的网络故障确定方法。

具体地，所述网络投诉系统设置多种投诉渠道，对于投诉可包括一般投诉及广义投诉，一般投诉是指通过投诉渠道进行的投诉，而广义投诉是通过与用户的沟通，发现用户的不满，因此添加至所述网络投诉系统，按照投诉处理的投诉。

在步骤21中，登录所述网络投诉系统，从所述网络投诉系统中获取投诉内容，所述投诉内容可包括投诉号码及投诉时间点。

进一步地，所述信令系统可提供用户的使用业务信息，包括语音、数据、家庭宽带等业务流程相关内容。

在步骤21中，根据所述投诉号码从信令系统获取所述投诉号码对应的话单，所述话单包括使用业务信息，并根据所述使用业务信息，进行分析实时发现业务所占用的网元标识，一个网元标识对应一个网元。

可以理解的是，所述网络投诉系统的投诉内容非常大，且涉及的网元复杂，无法确定网元故障信息，因此只能初步获得疑似信息：将所述投诉时间点作为疑似故障时间点；将所述业务所占用的网元标识，作为疑似故障网元标识。也就是说，所述投诉内容可采用现有技术中登录所述网络投诉系统获得。

此外，根据综合监控系统采集的告警内容，启动本实施例提供的网络故障确定方法。

其中，所述综合监控系统对组成网络的所有终端设备进行运行状态监测故障统计、性能评估的分析，实现对全网无线接入网和核心网网络设备的监控与管理，为网络故障确定提供依据。

在步骤21中，从综合监控系统中获取告警内容，所述告警内容包括对应的网元标识及告警时间点。

其中，所述告警内容可包括设备告警、设备性能告警和信令性能告警，以及各告警相对的告警级别。

可以理解的是，所述综合监控系统的告警内容非常大，且涉及的网元复杂，无法确定网元故障信息，因此只能初步获得疑似信息：将所述告警时间点作为疑似故障时间点；所述告警内容包括的网元标识，作为疑似故障网元标识。也就是说，所述告警内容可采用现有技术中登录所述综合监控系统获得。

在步骤21确定一个疑似故障时间点及至少一个疑似故障网元标识之后，在本步骤中，根据通过卡夫卡接口在所述疑似故障时间点所处的预设时间段内获取所述第一测量数据。

本实施例提供的网络故障确定方法，至少具有以下技术效果：

依据所述预设维度，通过设置实时的卡夫卡接口，定时将离散于各个网管系统的数据聚合起来，不仅提高数据采集效率，还可为后续步骤提供有力的数据支撑。

在上述实施例的基础上，本发明又一实施例提供的一种网络故障确定方法。

如图2所示，步骤23具体包括以下子步骤：

针对所述第一测量数据，依据所述第一测量数据携带的网元标识，将所述第一测量数据进行分类，得到多组第三测量数据，每组第三测量数据携带的网元标识相同。

应当说明的是，首先将所述第一测量数据携带的网元标识与疑似故障网元标识进行匹配，排除与疑似故障网元标识无关的所述第一测量数据，得到与疑似故障网元标识匹配的所述第一测量数据，并针对疑似故障网元标识进行所述第一测量数据的聚类分析。

举例来说，所述第一测量数据的其中一者为x₁，疑似故障网元标识是路由交换机，且携带的预设维度是性能指标。第一测量数据的其中一者为y₁，疑似故障网元标识是路由交换机，且携带的预设维度是工程信息。所述第一测量数据的其中一者为x₂，疑似故障网元标识是基站，且携带的预设维度是工程信息。

那么将疑似故障网元标识是路由交换机的所有第一测量数据聚类成一组，即x₁和y₁在路由交换机组，x₂在基站组，以此类推，得到多组第三测量数据。

进一步地，针对所述第三测量数据，依据预设维度，将所述第三测量数据进行分类，得到多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同。

举例来说，针对所述路由交换机组，依据预设维度，x₁在路由交换机组的性能指标组，y₁在路由交换机组的工程信息组。

以上述五大维度为例，以此类推，对于每个疑似故障网元标识，获得与每个疑似故障网元标识关联的预设维度，如投诉信息、性能指标、工程信息、拨测指标、告警信息共5个维度，获得采集样本分别作为5个变量的数据。

本实施例提供的网络故障确定方法，至少具有以下技术效果：

依据所述疑似故障网元标识及预设维度，将离散于各个网管系统的数据聚合起来，使更快速、全面及准确的确定故障网元。

图3示出了本发明又一实施例提供的一种网络故障确定方法的流程示意图。

如图3所示，为了更清楚的描述本实施例，在上述实施例的基础上，所述方法的步骤24具体包括以下步骤241：

步骤241、获取维度影响因子及维度异常信息，所述维度影响因子用于判断所述维度对所述疑似故障网元标识的影响程度；所述维度异常信息用于判断所述第二测量数据是否异常。

在本步骤中，所述维度影响因子可表征所述维度对所述疑似故障网元标识的异常的影响程度。如所述维度影响因子为0.78，可表示性能指标对路由交换机的异常的影响程度很大，当然，具体可根据实际情况设置，不以此为限。

可选地，所述步骤241具体包括以下图未示出的子步骤A1：

子步骤A1、获取至少两组第二测量数据。

举例来说，获取路由交换机组的性能指标组，路由交换机组的工程信息组以及路由交换机组的投诉信息组的测量数据。

子步骤A2、对每两组第二测量数据，基于相关性分析，得到两组第二测量数据的相关系数(Correlation coefficient)。

相关系数是研究两组第二测量数据之间线性相关程度的量，基于相关性分析，可得到路由交换机组的性能指标与工程信息的相关程度。

举例来说，可采用皮尔逊相关分析方法获得路由交换机组的性能指标与工程信息的相关系数0.69，以及路由交换机组的性能指标与投诉信息的相关系数0.71。

子步骤A3、根据所述相关系数，基于均值分析，得到所述维度影响因子。

举例来说，对性能指标与工程信息的相关系数0.69，以及性能指标与投诉信息的相关系数0.71取平均，获得性能指标的相关系数0.70。

可选地，所述步骤241具体包括以下图未示出的子步骤B1：

将所述第二测量数据与预设值进行比较，获取维度异常信息。

在本步骤中，所述维度异常信息表征引起所述疑似故障网元标识对应的网元异常的指标。如所述预设维度为性能指标，将所述第二测量数据与预设值进行比较，当性能指标超过预设值或低于预设值，表示出现异常，则将所述维度异常信息记为1，否则记为0。

步骤242、针对所述第二测量数据，依据所述维度影响因子及维度异常信息，确定所述疑似故障网元标识的故障指数。

在本步骤中，依据所述维度影响因子及维度异常信息，基于故障分析原则，将网络故障中质化的网元异常事件通过分析进行量化以异常指数为基础输出所述疑似故障网元标识的对应的网元的故障程度，可以理解的是，故障指数高表示所述疑似故障网元表示对应的所述疑似故障网元的疑似程度高。

进一步地，将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数。

在本步骤中，将故障指数最高的前N个的所述疑似故障网元，可确定为故障网元。举例来说，N为2表示当前有两个故障网元。

本实施例提供的网络故障确定方法方法，至少具有以下技术效果：

通过将聚类的所述第二测量数据进行分析，基于故障分析原则，确定所述疑似故障网元标识的故障指数；将网络故障中质化的网元异常事件进行量化，计算所述疑似故障网元的故障指数，以故障指数为基础输出结论，可更准确的确定故障网元。

图4示出了本发明又一实施例提供的一种网络故障确定方法的流程示意图。

如图2及图4所示，为了更清楚的描述本实施例，在上述实施例的基础上，所述方法进一步详述如下。

针对步骤21，所述投诉场景的实施流程为：获取投诉内容，启动投诉预警-->对投诉号码进行单个或批量分析，自动提取投诉号码-->号码聚类分析-->根据自信令系统获取的话单分析出用户使用业务占用的网元节点，自动关联疑似故障网元标识。

针对步骤21，所述告警场景的实施流程为：发现告警内容-->自动关联疑似故障网元标识。

针对步骤22及23，五大维度流程化检查：投诉信息、告警信息、工程信息、性能指标、拨测指标。自动对涉及的网元节点的性能指标、告警信息、拨测指标、工程信息、投诉信息共五大维度进行流程化核查、规范化处理。

通过预先设置的接口从支撑系统，即多个网管系统进行采集适配。所述支撑系统可提供五大维度的第一测量数据。

所述第一测量数据通过数据服务层，具体负责各个厂家的数据采集入库，负责网络故障确定方法后续步骤需要数据的采集，进行聚类分析，得到所述第二测量数据，还向数据挖掘层传递原始消息和数据。除了本实施例中步骤23分析使用的所述第二测量数据，本实施例还可通过数据挖掘层为网络故障确定方法提供数据支撑。

为了支撑上层应用的各个功能，实现数据采集自动化，生成模块化数据池，并可结合上层应用需求进行个性化定制，自动调用各子模块，抽象出具体的数据服务，分析服务，供上层应用调用。

具体地，所述方法需要的大数据采集涉及的数据如下：

自各网管系统进行大数据采集，所述网管系统主要包括亿阳四期网管、综合监控系统、EMOS系统、主动性能监控、信令系统、互联网感知平台、综资网元信息和网络投诉系统等。

针对资源数据，从综合资源系统获取按照业务类型区分不同的资源数据文件，每天定时经文件传输协议(File Transfer Protocol,FTP)接口获取数据文件，将获取得到的数据文件涉及的原始数据存入中央数据库。还可定时将原始数据字段进行抽取，使用统一的模型存储，将每天采集到的最新资源数据整合到统一的资源表中，利于架构中的其他层调用。

针对告警信息，通过综合监控系统的实时消息接口，即卡夫卡接口，实时接收综合监控系统的告警数据。

针对性能指标，性能指标相关的数据种类多，数据量大，可通过卡夫卡接口获取数据，并可通过FTP接口将性能数据离散存储在中央数据库。为了支撑批量性能数据的查询，对性能数据进行建模，将性能数据抽象为键值(Key-value)的形式，同步到MongoDb数据库中，利用NoSql数据库进行快速查询。

针对拨测指标，可来源于信令系统，采集处理的形式可与性能指标一致。

针对投诉信息，可通过网络投诉系统的实时消息接口即卡夫卡接口，实时投诉信息。

针对话单数据，可通过rest(Representational State Transfer，表述性状态传递)接口形式，实时获取数据共享中心的信令话单，数据只做接口对接，具体信令话单数据，按需提取，不做存储，即时提取，即时分析，以确定所述一个疑似故障时间点及至少一个疑似故障网元标识。

图5示出了本实施例提供的网络故障确定方法的应用架构示意图。

如图5所示，对上述步骤采集到的所述第一测量数据进行存储时，业务处理过程与组件分流、采集数据库与应用呈现库分离。接口服务和分析服务独立，以实现个性化定制查询服务。数据库服务分为MongoDB、Oracle、Redis。其中，MongoDB对接接口服务，负责采集层上来数据的保存；Oracle对接分析服务的结果，存储分析服务的结论数据，用于上层应用调用呈现；Redis对接分析服务，用于分析服务过程中使用到的数据存储。

进一步地，对采集到的数据进行大数据挖掘。

具体地，对聚合在中央数据库的数据采集到的游离在各网管系统的离散数据，进行进一步聚化及耦合处理，形成各类模块化数据池，通过独立的接口服务和分析服务实现个性化定制查询服务。

应当说明的是，在应用层和分析层采用异步调度方式实现。

在步骤24中，需要经历复杂的查询、关联、分析，所以需要一定的时间来生成结果给应用层，上述采用异步调度的方式处理上层应用的请求，故障案例是系统的核心概念，故障案例分为告警案例和投诉案例，每次案例的生成，会在Redis服务器中生成一个记录，用以标识一个分析任务的创建，后台有一个轮询进程，会不断的周期轮询redis服务器相关的案例标识Key，轮询到一个案例标识Key之后，会进入案例分析的进程，每个案例分析的进程会分为若干个步骤，比如，分析告警，分析性能，分析拨测，分析拓扑，每个步骤在系统服务层也作为一个单独的功能实体存在，后台分析的过程中，前台可以实时获取后台分析的状态，完成一个分析过程，前台可以呈现一个分析过程的结果，做到过程之间不干扰，一个分析过程的快慢不会影响整体其他过程的结果输出。

具体地，针对步骤24及25，基于故障分析原则，确定所述疑似故障网元标识的故障指数，智能定位存在隐患的网元。

可选地，通过网元异常指数算法，智能判断所述疑似故障网元标识对应的网元是否存在异常及其异常程度。

首先，基于故障分析原则，也可称为智能研判算法，判断所述疑似故障网元标识的故障指数。

具体判断过程是：

①计算各维度间相关系数

对于每个所述疑似故障网元标识，将所述疑似故障网元标识关联的投诉信息、告警信息、工程信息、性能指标、拨测指标共5个维度采集样本分别作为5个变量的数据，并两两之间对每组变量数据进行相关性分析，则各变量可得到对应的4个不同的相关系数。

各变量统计样本是对故障发生时间前溯120分钟内，以每分钟为粒度采集样本，作为该变量样本数据，分别与另4个变量数据对比，通过以下公式一，计算每组变量的相关系数。

公式一：

式中，x₁和y₁表示故障发生时间前120分钟内，同一所述疑似故障网元标识，不同预设维度的测量数据；N为数据样本量，N取值范围是1至120；P为相关系数。

举例来说，x₁表示故障发生时间前115分钟，路由交换机组的性能指标测量数据，y₁表示故障发生时间前115分钟，路由交换机组的工程信息测量数据。

可以理解的是，获取各变量两两之间形成的变量组可得出的所有组合情况，各变量可得出与其相关的4个相关系数。参见下表1：

表1

通过以上述公式一得出的相关系数P取值区间应为[-1,1]，在此区间内，相关系数的绝对值越大，相关性越强，即相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

得出每个变量的相关系数，即，告警信息(P₅)具有4个相关系数。在这基础上，进一步计算维度影响因子。

②各维度影响因子的计算

由于各变量可得到对应的4个相关系数，在此，对其绝对值取平均值，通过公式二，计算得出该变量的维度影响因子。

公式二：

式中，P_k为同一所述疑似故障网元标识各预设维度的相关系数，a为维度影响因子。

通过对各维度之间的相关性进行分析并进行处理，可以得到所述疑似故障网元标识各维度的维度影响因子。

③故障指数的计算

依据所述维度影响因子及维度异常信息，通过公式三，确定所述疑似故障网元标识的故障指数。

公式三：

式中，a为维度影响因子；M为维度异常信息；I为网元异常指数。

其中，维度异常信息M引起网元异常的维度：具体可包括投诉信息、性能指标、工程信息、拨测指标、告警信息，当某一维度出现异常时，M记为1，否则记为0。

其次，以故障指数I按照递减进行排序，也就是对所述疑似故障网元标识的异常程度进行排序，故障指数I越大，表征所述疑似故障网元标识对应的网元的异常程度越大。以网元异常指数I作为参考，将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元。

在本步骤中，结合同一所述疑似故障网元标识对应的网元，计算所述上五大维度的所述第二测量数据，判断网元是否存在异常及其异常程度。通过本故障分析原则，创新地将网络故障中质化的网元异常事件通过数学公式进行量化，并以各维度间的相关性分析结果为其分配异化权重，计算故障指数，以故障指数为基础输出结论。

更进一步地，自动关联故障案例-->自动根据故障点及设备类型，关联出相关的抢通方案-->确认相关抢通方案，进行抢通业务。

在步骤25中，获取故障网元，将所述疑似故障网元标识的预设维度作为故障原因，根据故障网元以及故障原因，在故障案例库和应急操作手册，自动匹配应急操作方案，一键处理投诉/告警。

本实施例还可根据应用层利用图形化的界面，提供给用户进行故障智能化分析定位的呈现，直观显示所述故障网元。

在本实施例中，网络故障确定需要的资源数据及五大预设维度的所述第一测量数据来源于各个网管系统。

每个网管系统的数据量都很大，通过卡夫卡接口打通各个网管系统之间的实时接口，通过定时任务将离散于各个网管系统的数据聚合在中央数据库，抽象出具体的数据服务，如所述第一测量数据及第二测量数据，分析服务，并供进一步调用。

在确定故障网元之后，本实施例还可根据故障网元智能绘制话务拓扑图。

所述话务拓扑图是批量号码的端到端业务的实时业务链，用于动态呈现端到端业务的关系。

具体地，可通过分析用户话单数据，根据综合资管提供的链路数据，绘制出话务拓扑图。

最后，自动将本次包括故障网元以及故障原因的案例归纳入故障案例库，实现故障案例的不断积累和系统学习，便于后续网络故障处理。

以家庭宽带网络故障为例，在实际应用过程中，通过投诉启动网络故障确定方法，到通过预先设置的接口获取多个网管系统的第一测量数据，且对所述第一测量数据进行聚类，分析所述疑似故障网元标识的故障指数，进行故障网元的确定，在将多个独立运行的网管系统关联起来的同时，还将各套网管系统的第一测量数据也进行关联，可直观了解故障相关的第二测量数据。

本实施例提供的网络故障确定方法的进度与现有技术中进度对比明显，应用本实施例提供的网络故障确定方法，从获取投诉号码到确定故障网元，故障自动化分析及智能化定位耗时从人工处理时期的26分钟大幅度减少到1～2分钟，处理效率提升90％以上。

本实施例提供的网络故障确定方法，至少具有以下技术效果：

按照监控故障处理“三板斧”的思路，先通过对第一测量数据的聚类，获取第二测量数据，并基于五大维度对所述疑似故障网元标识的对应的网元进行量化表征，通过数学公式进行自动判断，输出故障指数相关结论。最后匹配应急抢通方案，对故障网元快速抢通，进而达到效率提升的技术效果，并可降低运维成本。

图6示出了本发明又一实施例提供的一种网络故障确定系统的结构示意图。

如图6所示，所述系统包括第一确定单元101、获取单元102、聚类单元103、分析单元104和第二确定单元105。其中：

第一确定单元101用于确定一个疑似故障时间点及至少一个疑似故障网元标识；获取单元102用于通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度；聚类单元103用于对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；分析单元104用于针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数；第二确定单元105用于将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数。

其中，第一确定单元101可根据网络投诉系统获取投诉内容，并对所述投诉内容进行分析，得到所述疑似故障时间点及所述疑似故障网元标识。

可选地，第一确定单元101可根据综合监控系统采集的告警内容，并对所述告警内容进行分析，同样可得到所述疑似故障时间点及所述疑似故障网元标识。

第一确定单元101确定一个疑似故障时间点及至少一个疑似故障网元标识的手段可采用现有技术。

获取单元102针对所述网管系统开发可连接多个网管系统的接口，以将对应网管系统的第一测量数据导出，存至本实施例提供的网络故障确定系统。而无需通过一一登录网管系统的方式获取数据，相较之下，获取单元102获取数据的方式效率更高，此外登录网管系统获取数据，只能在当前网管系统进行数据处理，而获取单元102获取所述第一测量数据，并导出的方式可使后续数据处理更灵活。

举例来说，所述疑似故障时间点所处的预设时间段内可以是在所述疑似故障时间点前两个小时，当然，可根据具体故障情况进行设置，不以此为限。

可选地，所述第一测量数据是网元的测量数据，并携带网元标识。所述预设维度表示网元与某一个方面相关。

聚类单元103对携带网元标识以及预设维度的所述第一测量数据进行自动化流程化分类，实现信息聚类，使携带相同网元标识及预设维度的所述第一测量数据在同一组，得到多组第二测量数据。

分析单元104可通过故障指数表征所述疑似故障网元标识的异常程度。由此在网络故障中，将质化的疑似故障通过故障分析原则进行量化，最后输出故障指数。

第二确定单元105通过故障指数进行判断。其中故障指数高表示所述疑似故障网元表示对应的所述疑似故障网元的疑似程度高，因此将故障指数最高的前N个的所述疑似故障网元，可确定为故障网元。

其中，网络故障原因复杂，通常一个故障时间点可对应多种故障原因以及故障网元，N为2表示当前有两个故障网元。

本实施例提供的系统，可用于执行上述方法实施例的方法，本实施不再赘述。

本实施例提供的网络故障确定系统，至少具有以下技术效果：

通过获取单元采用预先设置的接口获取多个网管系统的第一测量数据，且聚类单元对所述第一测量数据进行聚类，分析单元得出所述疑似故障网元标识的故障指数，第二确定单元进行故障网元的确定，在将多个独立运行的网管系统关联起来的同时，还将各套网管系统的第一测量数据也进行关联，可直观了解故障相关的第二测量数据，提高网络故障处理时效。

在上述实施例的基础上，本发明又一实施例提供的一种网络故障确定系统，所述系统包括第一确定单元、获取单元、聚类单元、分析单元和第二确定单元。其中，所述第一确定单元、聚类单元、分析单元和第二确定单元与上述实施例结构、功能相同，本实施例不再赘述。

在上述实施例的基础上，所述获取单元还包括：

所述预先设置的接口为卡夫卡接口；依据预设维度，通过所述卡夫卡接口自所述网管系统获取在所述疑似故障时间点所处的预设时间段内的第一测量数据。

其中，卡夫卡是一个可分区的消息系统，获取消息的接口为卡夫卡接口，并将消息以主题(topic)为单位进行归纳。

可选地，一个主题可为一个预设维度，也就是说，通过所述卡夫卡接口可自动获取第一测量数据。

其中，所述预设维度为以下至少其中一者：投诉信息、性能指标、工程核查、拨测指标及告警信息。

图7示出了本实施例提供的一种网络故障确定系统的结构示意图。

如图7所示，所述获取单元可基于故障处理的预设维度进行流程化网络故障确定。也就是，网络故障信息获取的功能模块与网络投诉处理系统、综合监控系统、EOMS系统、主动监控系统、信令系统分别连接，以获取投诉信息、告警信息、工程信息、性能指标信息、拨测指标信息共五大预设维度的相关信息。

可选地，所述投诉信息由所述获取单元从提供投诉信息的多个网管系统获取。举例来说，所述投诉信息可以是所述获取单元通过卡夫卡接口从所述网络投诉系统获取。

可选地，所述性能指标由所述获取单元从提供性能指标的多个网管系统获取。举例来说，所述性能指标可以是所述获取单元通过卡夫卡接口从主动监控系统获取。

可选地，所述工程信息由所述获取单元从提供工程信息的多个网管系统获取。举例来说，所述工程信息可以是通过卡夫卡接口从EOMS获取。

可选地，所述性能指标由所述获取单元从提供性能指标的多个网管系统获取。举例来说，所述拨测指标可以是通过卡夫卡接口从信令系统获取。

可选地，所述告警信息由所述获取单元从提供告警信息的多个网管系统获取。举例来说，所述告警信息可以是通过卡夫卡接口从综合监控系统获取。

在所述获取单元通过卡夫卡接口获取预设维度的所述第一测量数据后，聚类单元进行故障流程处理，基于获取的五大维度数据进行故障流程化，也即进行所述第一测量数据的分类，然后通过分析单元进行网络故障智能分析，得出分析结果，即确定所述疑似故障网元标识的故障指数，还可根据分析结果绘制动态拓扑图，得出分析结果后，针对所述疑似故障网元标识的故障指数进行智能研判，输出研判结论，即确定故障网元。

在确定故障网元后，匹配应急抢通预案进行故障抢通。

本实施例用于执行前述方法实施例的方法，具体原理不再赘述。

本实施例提供的网络故障确定系统，至少具有以下技术效果：

通过卡夫卡接口的开发，可打通和各个网管系统之间的路径，相较于现有技术中需分别登录各个网管系统，更方便、快捷。此外，上述五大维度可涵盖了影响网络故障的各个方面，基于所述预设维度，通过本实施例的网络故障处理系统，可智能、有效又全面地实现网络故障处理系统。

在上述实施例的基础上，本发明又一实施例提供的一种网络故障确定系统，所述系统包括第一确定单元、获取单元、聚类单元、分析单元和第二确定单元。其中，所述第一确定单元、获取单元、聚类单元和第二确定单元与上述实施例结构、功能相同，本实施例不再赘述。

所述分析单元还包括：获取维度影响因子及维度异常信息，所述维度影响因子用于判断所述维度对所述网元标识的影响程度；所述维度异常信息用于判断所述第二测量数据是否异常；针对所述第二测量数据，依据所述维度影响因子及维度异常信息，确定所述疑似故障网元标识的故障指数。

其中，所述维度影响因子可表征所述维度对所述疑似故障网元标识的异常的影响程度。

可选地，所述分析单元具体包括：获取至少两组第二测量数据。

举例来说，获取路由交换机组的性能指标组，路由交换机组的工程信息组以及路由交换机组的投诉信息组的测量数据。

所述分析单元对每两组第二测量数据，基于相关性分析，得到两组第二测量数据的相关系数。

其中，相关系数是研究两组第二测量数据之间线性相关程度的量，基于相关性分析，可得到路由交换机组的性能指标与工程信息的相关程度。

举例来说，可采用皮尔逊相关分析方法获得相关系数。

所述分析单元根据所述相关系数，基于均值分析，得到所述维度影响因子。

进一步地，所述分析单元将所述第二测量数据与预设值进行比较，获取维度异常信息。

所述维度异常信息表征引起所述疑似故障网元标识对应的网元异常的指标。如所述预设维度为性能指标，将所述第二测量数据与预设值进行比较，当性能指标超过预设值或低于预设值，表示出现异常。

更进一步地，所述分析单元针对所述第二测量数据，依据所述维度影响因子及维度异常信息，确定所述疑似故障网元标识的故障指数。

本实施例用于执行前述方法实施例的方法，具体原理不再赘述。

本实施例提供的网络故障确定系统，至少具有以下技术效果：

所述分析单元依据所述维度影响因子及维度异常信息，基于故障分析原则，将网络故障中质化的网元异常事件通过分析进行量化以异常指数为基础输出所述疑似故障网元标识的对应的网元的故障程度，可准确、快速的确定故障网元。

图8示出了本发明又一实施例提供的一种网络故障确定系统的结构示意图。

如图8所示，所述系统包括：处理器(processor)81、存储器(memory)82、通信接口(Communications Interface)83和总线84。

其中，所述处理器81、存储器82、通信接口83通过所述总线84完成相互间的通信。所述通信接口83用于所述系统与其他装置的通信设备之间的信息传输。所述处理器81用于调用所述存储器82中的程序指令，以执行网络故障确定方法，例如包括：确定一个疑似故障时间点及至少一个疑似故障网元标识；通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度；对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数；将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数。

本实施例用于执行前述方法实施例的方法，具体原理不再赘述。

本实施例提供的网络故障确定系统，至少具有以下技术效果：

一、通过预先设置的接口获取多个网管系统的第一测量数据，且对所述第一测量数据进行聚类，分析所述疑似故障网元标识的故障指数，进行故障网元的确定，在将多个独立运行的网管系统关联起来的同时，还将各套网管系统的第一测量数据也进行关联，可直观了解故障相关的第二测量数据，并规范化、流程化、自动化、智能化，进而实现对现有技术中网络故障确定系统的提升，提高故障处理效率，降低运维成本。

二、通过投诉内容、告警内容等指标性能劣化或者投诉陡增等现象，实现自动触发网络故障确定方法。

三、通过将故障处理“三板斧”中定位经验沉淀，固化分析流程，具体为告警信息、投诉信息、性能指标、工程信息、拨测指标五大维度，实现自动聚类，可全面有效的提高网络故障确定系统的性能。

四、通过对故障网元的智能定位，智能匹配最优应急方案，实现一键式自动抢通，可快速的提高网络故障确定系统的处理效率。此外，通过批量投诉号码共性，实现批量号码智能分析，效率从原来10-15分钟提升至1分钟，增效10倍以上。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种网络故障确定方法，其特征在于，包括：

确定一个疑似故障时间点及至少一个疑似故障网元标识；

通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度；

对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；

针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数；

将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数；

所述对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同的步骤，包括：

针对所述第一测量数据，依据所述第一测量数据携带的网元标识，将所述第一测量数据进行分类，得到多组第三测量数据，每组第三测量数据携带的网元标识相同；

针对所述第三测量数据，依据预设维度，将所述第三测量数据进行分类，得到多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；

所述针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数的步骤，包括：

获取维度影响因子及维度异常信息，所述维度影响因子用于判断所述维度对所述疑似故障网元标识的影响程度；所述维度异常信息用于判断所述第二测量数据是否异常；

针对所述第二测量数据，依据所述维度影响因子及维度异常信息，确定所述疑似故障网元标识的故障指数；

所述获取维度影响因子及维度异常信息的步骤，包括：

获取至少两组第二测量数据；

对每两组第二测量数据，基于相关性分析，得到两组第二测量数据的相关系数；

根据所述相关系数，基于均值分析，得到所述维度影响因子。

2.根据权利要求1所述的方法，其特征在于：所述获取维度影响因子及维度异常信息的步骤，包括：

将所述第二测量数据与预设值进行比较，获取维度异常信息。

3.根据权利要求1-2任一项所述的方法，其特征在于：所述预设维度为以下至少其中一者：

投诉信息、性能指标、工程信息、拨测指标及告警信息。

4.根据权利要求3所述的方法，其特征在于：所述预先设置的接口为卡夫卡接口；

依据预设维度，通过所述卡夫卡接口自所述网管系统获取在所述疑似故障时间点所处的预设时间段内的第一测量数据。

5.一种网络故障确定系统，其特征在于，包括：

第一确定单元，用于确定一个疑似故障时间点及至少一个疑似故障网元标识；

获取单元，用于通过预先设置的接口获取多个网管系统在所述疑似故障时间点所处的预设时间段内的第一测量数据，所述第一测量数据携带网元标识以及预设维度；

聚类单元，用于对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；

分析单元，用于针对所述第二测量数据，基于故障分析原则，确定所述疑似故障网元标识的故障指数；

第二确定单元，用于将故障指数最高的前N个所对应的所述疑似故障网元，作为故障网元；其中，N为自然数；

所述对所述第一测量数据进行聚类分析，获取多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同的步骤，包括：

针对所述第一测量数据，依据所述第一测量数据携带的网元标识，将所述第一测量数据进行分类，得到多组第三测量数据，每组第三测量数据携带的网元标识相同；

针对所述第三测量数据，依据预设维度，将所述第三测量数据进行分类，得到多组第二测量数据，每组第二测量数据携带的网元标识及预设维度相同；

所述分析单元，具体用于：

获取维度影响因子及维度异常信息，所述维度影响因子用于判断所述维度对所述网元标识的影响程度；所述维度异常信息用于判断所述第二测量数据是否异常；

针对所述第二测量数据，依据所述维度影响因子及维度异常信息，确定所述疑似故障网元标识的故障指数；

所述获取维度影响因子及维度异常信息的步骤，包括：

获取至少两组第二测量数据；

对每两组第二测量数据，基于相关性分析，得到两组第二测量数据的相关系数；

根据所述相关系数，基于均值分析，得到所述维度影响因子。

6.根据权利要求5所述的系统，其特征在于：所述预先设置的接口为卡夫卡接口；

依据预设维度，通过所述卡夫卡接口自所述网管系统获取在所述疑似故障时间点所处的预设时间段内的第一测量数据。

Images