CN109756376A - 基于图数据模型的告警关联分析方法 - Google Patents

Abstract

本发明公开基于图数据模型的告警关联分析方法，其包括以下步骤：步骤1、构建图数据模型：将关系数据库模型到图数据模型的转换；步骤2、故障标记：当收到网络故障事件或用户投诉事件时，在图数据模型中相应的节点标记为故障；步骤3、告警预关联：从图数据中按故障时间窗取出层级最低的节点，存放在“预关联结果”集合中；步骤4、进行“根告警关联”判断确定故障根源：在“预关联结果”中，当不存在进一步的关联关系，则相应的节点即为故障根源；当存在进一步的关联关系时，则关联关系涉及到的节点即为故障根源。本发明通过转换关系模型为图模型，提高了处理效率，能够快速响应业务请求，有效支撑网络数据实时处理分析的场景。

Description

基于图数据模型的告警关联分析方法

技术领域

本发明涉及电信数据处理技术领域，尤其涉及基于图数据模型的告警关联分析方法。

背景技术

现有的网络告警关联分析，是基于关系型数据库实现的，当网络的承载层级多，设备数量众多时，关联关系不完整，存在关联效率低下、关联不准确的问题，在网络告警实时关联处理的场景，关联效率低的问题尤为突出。

目前现有技术CN201711482171.2（告警关联分析方法、装置、设备及介质）采用的是基于告警时间分布的方法。该方法能解决部分因关联关系缺失而无法关联的告警事件，但不同设备的告警到达时间可能会差异非常大，告警时间片段的设置影响关联的准确率，同时对于哑设备也无法处理。

发明内容

本发明的目的在于提供基于图数据模型的告警关联分析方法。

本发明采用的技术方案是：

基于图数据模型的告警关联分析方法，其包括以下步骤：

步骤1、构建图数据模型：实现由关系数据库模型到图数据模型的转换。

步骤2、故障标记：当收到网络故障事件或用户投诉事件时，在图数据模型中相应的节点标记为故障；

步骤3、告警预关联：从图数据中按故障时间窗取出层级最低的节点，存放在“预关联结果”集合中；

步骤4、进行“根告警关联”判断确定故障根源：在“预关联结果”中，当不存在进一步的关联关系，则相应的节点即为故障根源；当存在进一步的关联关系时，则关联关系涉及到的节点即为故障根源。

进一步地，步骤1中构建图数据模型的具体步骤如下：

1.1）动环设备、网络资源中的设备、链路，客户业务数据中的业务、用户，转换为图数据模型中的节点。

1.2）节点之间的承载关系和使用关系转换成有向边。

1.3）节点所处的网络层级，做为节点的属性一并存储。

进一步地，步骤2标记故障时同时关联记录故障时间。

进一步地，步骤3中图数据中按故障时间窗通过MATCH方法按层级ORDER BY取出层级最低的节点。

进一步地，步骤4中关联关系包括承载或使用。

进一步还包括步骤5，由故障根源形成“根告警”数据集合，并输出该“根告警”数据集合提供其它应用场景使用。

本发明采用以上技术方案，以关系型数据库为存储结构时，当关联层级比较多时，查找时间按几何级数增加（以分钟为单位），查找时间在联机事务应用可接受的范围内（小于10秒），能够很好的适应业务生产。而采用以图数据模型为基础的图数据，当设备故障，或业务劣化时，通过图的边很容易查找故障的起源；当有故障发生，或用户投诉时，可以通过使用的业务或设备，很容易找出故障的根源，也就是该投诉由哪个（些）问题点所引起。当网络发生告警时，快速分析定位故障的根本原因。本发明执行效率高，能够快速响应分析请求，本发明适用于网络定位分析场景，能够实现客户端应用对这些能力的直接调用。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；

图1为本发明基于图数据模型的告警关联分析方法的流程框架示意图；

图2为关系型网络结构示意图；

图3为本发明的图数据模型结构示意图。

具体实施方式

如图1-3之一所示，本发明公开了基于图数据模型的告警关联分析方法。具体而言，图数据模型源起欧拉和图理论，也可称为面向/基于图的数据模型。基本含义是以“图”这种数据结构存储和查询数据。图的数据模型主要是以节点和关系（边）来体现，也可处理键值对。它的优点是快速解决复杂的关系问题。

图具有如下特征： 包含节点和边；节点上有属性（键值对）；边有名字和方向，并总是有一个开始节点和一个结束节点；边也可以有属性。

图可以说是顶点和边的集合，或者说更简单一点儿，图就是一些节点和关联这些节点的联系（relationship）的集合。图将实体表现为节点，实体与其他实体连接的方式表现为联系。通信网络及其承载的业务，可以利用图的这种富有表现力的结构来建模各种应用场景。

其包括以下步骤：

步骤1、构建图数据模型：实现由关系数据库模型到图数据模型的转换。

1.1）动环设备、网络资源中的设备、链路，客户业务数据中的业务、用户，转换为图数据模型中的节点。

1.2）节点之间的承载关系和使用关系转换成有向边。

1.3）节点所处的网络层级，做为节点的属性一并存储。

具体地，网络设备承载业务，业务被用户使用，网络设备、业务、用户，做为图的节点，承载或使用关系，做为图的边。当设备故障，或业务劣化时，通过图的边很容易查找故障的起源；当有用户投诉时，可以通过使用的业务或设备，很容易找出该投诉由哪个（些）问题点所引起。

具体地，如图2所示，本发明的网络示意图及相关的关系数据，通过转换功能，实现由关系数据库模型的网络资源数据、客户业务数据到图数据模型的转换，其中动环设备、网络资源中的设备（网元、板卡、端口、时隙）、链路（光缆光纤、传输段、中继等），客户业务数据中的业务、用户，转换为图数据模型中的节点，它们之间的承载关系（设备承载链路、链路承载业务、动环设备承载网络设备），和使用关系（用户使用业务、业务使用链路、链路使用设备），转换成边，存储在以图数据模型为基础的图数据库中，同时节点所处的网络层级，做为节点的属性一并存储。

步骤2、故障标记：当收到网络故障事件或用户投诉事件时，在图数据模型中相应的节点标记为故障；

进一步地，步骤2通过“状态更新”将相应节点的故障属性设置为“故障”，同时关联设置故障时间。

步骤3、告警预关联：从图数据中按故障时间窗（通过MATCH方法，按层级ORDER BY）取出层级最低的节点，存放在“预关联结果”集合中。

步骤4、进行“根告警关联”判断确定故障根源：在“预关联结果”中，当不存在进一步的关联关系，则相应的节点即为故障根源；当存在进一步的关联关系时，则关联关系涉及到的节点即为故障根源。例如：如图3所示，假设Z1、Z2与P3间的关系缺失，但它们同时由R1承载，并且P3的层次比Z1、Z2低，当Z1、Z2、P3同时故障时，可由该关系推断出P3为根故障。

进一步地，步骤4中的关联关系具体包括承载或使用。

进一步还包括步骤5，由故障根源形成“根告警”数据集合，并输出该“根告警”数据集合提供其它应用场景使用。

本发明采用以上技术方案，以关系型数据库为存储结构时，当关联层级比较多时，查找时间按几何级数增加（以分钟为单位），查找时间在联机事务应用可接受的范围内（小于10秒），能够很好的适应业务生产。而采用以图数据模型为基础的图数据，当设备故障，或业务劣化时，通过图的边很容易查找故障的起源；当有故障发生，或用户投诉时，可以通过使用的业务或设备，很容易找出故障的根源，也就是该投诉由哪个（些）问题点所引起。当网络发生告警时，快速分析定位故障的根本原因。本发明执行效率高，能够快速响应分析请求，本发明适用于网络定位分析场景，能够实现客户端应用对这些能力的直接调用。本发明通过转换关系模型为图模型，提高了处理效率，能够快速响应业务请求，有效支撑网络数据实时处理分析的场景。

Claims (6)

1.基于图数据模型的告警关联分析方法，其特征在于：其包括以下步骤：

步骤1、构建图数据模型：将关系数据库模型到图数据模型的转换；

步骤2、故障标记：当收到网络故障事件或用户投诉事件时，在图数据模型中相应的节点标记为故障；

步骤3、告警预关联：从图数据中按故障时间窗取出层级最低的节点，存放在“预关联结果”集合中；

步骤4、进行“根告警关联”判断确定故障根源：在“预关联结果”中，当不存在进一步的关联关系，则相应的节点即为故障根源；当存在进一步的关联关系时，则关联关系涉及到的节点即为故障根源。

2.根据权利要求1所述的基于图数据模型的告警关联分析方法，其特征在于：步骤1中构建图数据模型的具体步骤如下：

步骤1.1、动环设备或网络资源中的设备和链路、客户业务数据中的业务和用户分别转换为图数据模型中的节点；

步骤1.2、节点之间的承载关系和使用关系转换成有向边；

步骤1.3、节点所处的网络层级，做为节点的属性一并存储。

3.根据权利要求1所述的基于图数据模型的告警关联分析方法，其特征在于：步骤2标记故障时同时关联记录故障时间。

4.根据权利要求1所述的基于图数据模型的告警关联分析方法，其特征在于：步骤3中图数据中按故障时间窗通过MATCH方法按层级ORDER BY取出层级最低的节点。

5.根据权利要求1所述的基于图数据模型的告警关联分析方法，其特征在于：步骤4中关联关系包括承载或使用。

6.根据权利要求1所述的基于图数据模型的告警关联分析方法，其特征在于：还包括步骤5，由故障根源形成“根告警”数据集合，并输出该“根告警”数据集合提供其它应用场景使用。