CN109951856B - 网元状态的检测方法、装置以及计算机可读存储介质 - Google Patents
网元状态的检测方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109951856B CN109951856B CN201711379428.1A CN201711379428A CN109951856B CN 109951856 B CN109951856 B CN 109951856B CN 201711379428 A CN201711379428 A CN 201711379428A CN 109951856 B CN109951856 B CN 109951856B
- Authority
- CN
- China
- Prior art keywords
- kpi
- network element
- threshold
- abnormal
- traffic
- 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
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开涉及一种网元状态的检测方法、装置以及计算机可读存储介质,涉及通信技术领域。本公开的方法包括:获取网元在预设时间段内的业务量和关键性能指标KPI值;根据业务量所在的业务量区间,确定对应的KPI阈值,其中,不同业务量区间对应不同的KPI阈值;将网元的KPI值与对应的KPI阈值进行比对,确定网元是否为异常网元。业务量落在不同业务量区间的网元重要性不同,分别针对不同重要性的网元进行异常网元分析,提高了异常网元检测的准确性,能够满足网络优化需求,提升服务质量。
Description
技术领域
本公开涉及通信技术领域,特别涉及一种网元状态的检测方法、装置以及计算机可读存储介质。
背景技术
通信网络中故障的排查,异常网元的发现对于网络的稳定,提升用户体验起着重要的作用。
在移动网络异常网元的分析中,常规的手段有:TOP分析法,按某一KPI(KeyPerformance Indicator,关键性能指标)进行排序,取性能最差的TOP N个网元确定为异常网元;门限筛选法,针对某一KPI指标设定固定的指标门限,筛选出劣于该门限的网元作为异常网元。对这些网元进行进一步的检测和处理。
发明内容
发明人发现:上述异常网元的分析方法筛选出的异常网元,并不一定需要进行优化。例如,针对语音呼叫成功率这一KPI,小区的语音呼叫成功率仅50%,根据TOP分析法或门限筛选法该小区都会被确定为问题网元,但是该小区业务量很小,只发生2次呼叫,但出现1次失败,随机性较高,并且虽然指标很差,但由于小区业务量很小,重要性不高,对其进行优化也不会使网络的服务质量有明显改善。因此,上述异常网元的分析方法无法满足网络优化的需求。
本公开所要解决的一个技术问题是:如何提高异常网元检测的准确性,满足网络优化需求,提升服务质量。
根据本公开的一些实施例,提供的一种网元状态的检测方法,包括:获取网元在预设时间段内的业务量和关键性能指标KPI值;根据业务量所在的业务量区间,确定对应的KPI阈值,其中,不同业务量区间对应不同的KPI阈值;将网元的KPI值与对应的KPI阈值进行比对,确定网元是否为异常网元。
在一些实施例中,该方法还包括:根据各业务量区间对应的异常网元的数量和数量阈值的比对情况,调整各业务量区间对应的KPI阈值;根据网元的KPI值与调整后的对应的KPI阈值,确定网元是否为异常网元。
在一些实施例中,在一个业务量区间内确定异常网元的方法包括:根据当前业务量区间对应的异常网元数量和数量阈值的比对情况,调整对应的KPI阈值;根据网元的KPI值与调整后的对应的KPI阈值重新确定异常网元的数量;重复上述过程,直至当前业务量区间的异常网元数量达到数量阈值,或KPI阈值调整到KPI上限,或KPI阈值调整到KPI下限。
在一些实施例中,确定网元是否为异常网元的方法包括:针对正向KPI,在当前业务量区间对应的KPI阈值调整到KPI上限且当前业务量区间的异常网元数量没有达到数量阈值的情况下,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,其中下一业务量区间的业务量小于当前业务量区间的业务量;重复执行在一个业务量区间内确定异常网元的方法,直至所有业务量区间都执行完毕或当前业务量区间的异常网元数量达到数量阈值。
在一些实施例中,针对正向KPI,在业务量区间对应的异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值;在业务量区间对应的异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值;数量阈值根据同一时间段内处理异常网元的能力确定。
在一些实施例中,该方法还包括:根据异常网元在连续预设天数内出现异常状况的时间长度的变化情况,确定异常网元的处理优先级。
在一些实施例中,在异常网元在连续预设天数内出现异常状况的时间长度越来越长且至少最近一天内出现异常状况的时间长度大于第一时间阈值的情况下,将异常网元的处理优先级设置为最高优先级;在异常网元在连续预设天数内出现异常状况的时间长度越来越短且最至少近一天出现异常状况的时间长度大于第二时间阈值的情况下,将异常网元的处理优先级设置为最低优先级。
在一些实施例中,根据业务量所在的业务量区间,确定对应的关键性能指标KPI阈值包括:根据网元的应用场景查找对应的KPI分析模型;根据业务量在对应的KPI分析模型中所在的业务量区间,确定对应的关键性能指标KPI阈值;业务量区间是根据KPI的波动范围进行划分的。
根据本公开的另一些实施例,提供的一种网元状态的检测装置,包括:信息获取模块,用于获取网元在预设时间段内的业务量和关键性能指标KPI值;KPI阈值确定模块,用于根据业务量所在的业务量区间,确定对应的KPI阈值,其中,不同业务量区间对应不同的KPI阈值;异常网元确定模块,用于将网元的KPI值与对应的KPI阈值进行比对,确定网元是否为异常网元。
在一些实施例中,异常网元确定模块还用于根据各业务量区间对应的异常网元的数量和数量阈值的比对情况,调整各业务量区间对应的KPI阈值,根据网元的KPI值与调整后的对应的KPI阈值,确定网元是否为异常网元。
在一些实施例中,异常网元确定模块用于执行在一个业务量区间内确定异常网元的方法包括:根据当前业务量区间对应的异常网元数量和数量阈值的比对情况,调整对应的KPI阈值,根据网元的KPI值与调整后的对应的KPI阈值重新确定异常网元的数量,重复上述过程,直至当前业务量区间的异常网元数量达到数量阈值,或KPI阈值调整到KPI上限,或KPI阈值调整到KPI下限。
在一些实施例中,异常网元确定模块用于针对正向KPI,在当前业务量区间对应的KPI阈值调整到KPI上限且当前业务量区间的异常网元数量没有达到数量阈值的情况下,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,其中下一业务量区间的业务量小于当前业务量区间的业务量,重复执行在一个业务量区间内确定异常网元的方法,直至所有业务量区间都执行完毕或当前业务量区间的异常网元数量达到数量阈值。
在一些实施例中,异常网元确定模块用于针对正向KPI,在业务量区间对应的异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值,在业务量区间对应的异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值;数量阈值根据同一时间段内处理异常网元的能力确定。
在一些实施例中,该装置还包括:处理优先级确定模块,用于根据异常网元在连续预设天数内出现异常状况的时间长度的变化情况,确定异常网元的处理优先级。
在一些实施例中,处理优先级确定模块用于在异常网元在连续预设天数内出现异常状况的时间长度越来越长且至少最近一天内出现异常状况的时间长度大于第一时间阈值的情况下,将异常网元的处理优先级设置为最高优先级,在异常网元在连续预设天数内出现异常状况的时间长度越来越短且至少最近一天出现异常状况的时间长度大于第二时间阈值的情况下,将异常网元的处理优先级设置为最低优先级。
在一些实施例中,KPI阈值确定模块用于根据业务量在对应的KPI分析模型中所在的业务量区间,确定对应的关键性能指标KPI阈值;业务量区间是根据KPI的波动范围进行划分的。
根据本公开的又一些实施例,提供的一种网元状态的检测装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器设备中的指令,执行如前述任一个实施例的网元状态的检测方法。
根据本公开的再一些实施例,提供的一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任一个实施例的网元状态的检测方法的步骤。
本公开中根据业务量划分不同的业务量区间,并且针对各个业务量区间分别设置不同的KPI阈值。在确定网元是否为异常网元时,首先根据网元在预设时间段内的业务量对应到某一业务量区间,进而根据网元的KPI值与该业务量区间对应的KPI阈值的比对情况确定网元是否为异常网元。业务量落在不同业务量区间的网元重要性不同,分别针对不同重要性的网元进行异常网元分析,提高了异常网元检测的准确性,能够满足网络优化需求,提升服务质量。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出本公开的一些实施例的网元状态的检测方法的流程示意图。
图2示出本公开的另一些实施例的网元状态的检测方法的流程示意图。
图3示出本公开的一些实施例的KPI和业务量散点图的示意图。
图4示出本公开的一些实施例的网元状态的检测装置的结构示意图。
图5示出本公开的另一些实施例的网元状态的检测装置的结构示意图。
图6示出本公开的又一些实施例的网元状态的检测装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
针对现有技术中异常网元的检测方法不准确,无法满足网络优化需求的问题,提出本方案。下面结合图1描述本公开的网元状态的检测方法的一些实施例。
图1为本公开网元状态的检测方法一些实施例的流程图。如图1所示,该实施例的方法包括:步骤S102~S106。
步骤S102,获取网元在预设时间段内的业务量和KPI值。
网元例如包括:小区、基站、核心网板卡等。预设时间段例如为1小时等。可以根据网元在各个不同的时间段的状态判断网元是否异常。KPI例如为语音呼叫成功率、切换成功率、重定向成功率等正向KPI(KPI越大表示服务质量越好),或者掉话率等反向KPI(KPI越小表示服务质量越好)。针对不同的KPI可以分别执行本公开的方案。业务量例如为语音呼叫尝试次数、切换尝试次数、重定向尝试次数、通话次数等。业务量一般对应于KPI计算时的分母项。
步骤S104,根据业务量所在的业务量区间,确定对应的KPI阈值。
业务量区间是根据KPI的波动范围进行划分的,不同业务量区间网元的KPI波动情况不同,因此,不同业务量区间对应不同的KPI阈值。KPI阈值可以根据实际需求设定,例如是业务量区间内各业务量对应的KPI值的均值。可以统计历史一段时间内业务量与对应的KPI值,根据统计的数据可以绘制散点图,例如每个点对应的横坐标表示业务量,纵坐标表示在该业务量的情况下对应的KPI值。可以根据散点图确定KPI指标波动范围发生变化的关键转折点,根据关键转折点对应的业务量,将业务量划分为不同的业务量区间。在划分业务量区间时可以适当过滤掉一些极端值,以使统计结果更有实际意义。
例如,可以首先将业务量划分为较小的间隔区间,计算每个间隔区间内的KPI均值,比较相邻间隔区间的KPI均值的差是否大于阈值,如果小于阈值则将该相邻间隔区间合并,重新计算KPI均值再与下一相邻间隔区间进行比对;如果大于阈值,则以该相邻间隔区间的划分点为一个关键转折点,从该相邻间隔区间中的后一个间隔区间开始继续执行上述比对和合并过程,所有间隔区间比对完毕。也可以将间隔区间内的KPI均值替换为KPI最高值与最低值的差距,其他过程类似。也可以采取将散点图拟合为曲线,通过比对不同间隔区间的曲线的斜率确定业务量区间的方案,比对过程和合并与上述方案类似。
在一些实施例中,可以针对不同的应用场景设置不同的KPI分析模型,不同的KPI分析模型中业务量区间的划分会因为KPI的波动范围不同而不同。例如,应用场景可以划分为城市和农村,或者,每一个城区对应不同应用场景,或者,区分普通小区和高铁覆盖小区作为不同的应用场景等等。应用场景可以根据实际需求划分,一般情况下不同的应用场景中业务量和KPI值对应关系以及分布情况会不同,例如,农村中人口较少,网元的业务量可能集中在较低业务量区间,而城市中人口密集,网元的业务量可能集中在较高业务量区间。
针对划分不同应用场景设置KPI分析模型的情况,则需要根据网元的应用场景查找对应的KPI分析模型根据业务量在对应的KPI分析模型中所在的业务量区间,确定对应的关键性能指标KPI阈值。
步骤S106,将网元的KPI值与对应的KPI阈值进行比对,确定网元是否为异常网元。
例如,如果网元的KPI值大于对应的KPI阈值,则该网元为正常网元,否则该网元为异常网元。
上述实施例的方法根据业务量划分不同的业务量区间,并且针对各个业务量区间分别设置不同的KPI阈值。在确定网元是否为异常网元时,首先根据网元在预设时间段内的业务量对应到某一业务量区间,进而根据网元的KPI值与该业务量区间对应的KPI阈值的比对情况确定网元是否为异常网元。业务量落在不同业务量区间的网元重要性不同,分别针对不同重要性的网元进行异常网元分析,提高了异常网元检测的准确性,能够满足网络优化需求,提升服务质量。
在一些实施例中,可以根据本次异常网元的检测情况动态调整KPI阈值,增加或减少检测出的异常网元的数量。这种方法尤其适用于由于人力或设备等资源的限制,网络优化能力有限的情况。下面结合图2描述本公开网元状态的检测方法的另一些实施例。
图2为本公开网元状态的检测方法另一些实施例的流程图。如图2所示,该实施例的方法包括:步骤S202~S206。
步骤S202,获取网元在预设时间段内的业务量和KPI值。
例如,获取小区A在上午9点~10点内的语音呼叫尝试次数和语音呼叫成功率。
步骤S204,根据网元的应用场景查找对应的KPI分析模型。
例如,小区A为城市内的网元,则查找该城市对应的KPI分析模型。如图3所示,统计该城市一年内的语音呼叫尝试次数和语音呼叫成功率,绘制散点图,横坐标表示语音呼叫尝试次数,纵坐标表示语音呼叫成功率的百分比。将语音呼叫尝试次数划分为(0,20],(20,50],(50,100]三个业务量区间。
步骤S206,根据网元的业务量在对应的KPI分析模型中所在的业务量区间,确定对应的KPI阈值。
例如,小区A在上午9点~10点内的语音呼叫尝试次数为56次,对应的业务量区间为(50,100]。该业务量区间对应的初始KPI阈值例如为92.5%。网元不同时段的业务量可能会对应到不同业务量区间,进而对应的KPI阈值也不同。
步骤S208,将各个网元KPI值与对应的KPI阈值进行比对,确定各个业务量区间内异常网元的数量。
例如,小区A在上午9点~10点内的语音呼叫成功率为90%,小于初始KPI阈值92.5%,则小区A为异常网元。
步骤S210,根据各业务量区间对应的异常网元的数量和数量阈值的比对情况,调整各业务量区间对应的KPI阈值。
数量阈值可以根据同一时间段内处理异常网元的能力确定。例如,在一定时间内只能同时处理20个异常网元,则优先选取20个KPI较差的网元进行处理,剩余KPI稍好的网元可以后续进行处理。
在一些实施例中,针对正向KPI,例如,语音呼叫成功率、切换成功率等,在业务量区间对应的异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值,在业务量区间对应的异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值。对于反向KPI,例如,掉话率等,在业务量区间对应的异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值,在业务量区间对应的异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值。
在一些实施例中,可以针对每个业务量区间设置不同的KPI上限和/或KPI下限。KPI上限和KPI下限根据不同业务量区间内KPI的波动情况进行设置。对于业务量较小的业务量区间一般KPI值的波动较大,业务量较大的业务量区间一般KPI值波动较小,因此,业务量较小的业务量区间KPI上限和KPI下限之间的差距较大,业务量较大的业务量区间KPI上限和KPI下限之间的差距较小。
针对正向KPI,在业务量区间对应的异常网元的数量大于数量阈值的情况下,可以直接该业务量区间对应的KPI阈值降低到KPI下限,进一步筛选出异常网元,在业务量区间对应的异常网元的数量小于数量阈值的情况下,可以直接该业务量区间对应的KPI阈值降低到KPI上限,进一步筛选出异常网元,筛选出的异常网元数量满足对应的数量阈值。例如,当KPI阈值降低到KPI下限时,该业务量区间对应的异常网元的数量大于数量阈值,则将KPI阈值由小到大进行排列选出排在前面网元,选出的网元数量满足数量阈值。
在一些实施例中,可以针对每个业务量区间分别设置不同的数量阈值,业务量区间的业务量越小,则对应的数量阈值越小。例如,业务量区间(0,20]的数量阈值为2,业务量区间(20,50]的数量阈值为4,业务量区间(50,100]的数量阈值为14。分别将各业务量区间对应的异常网元数量与相应的数量阈值进行比对调整各业务量区间对应的KPI阈值,从而使各业务量区间中异常网元的数量分别达到对应的数量阈值。
在一些实施例中,可以针对全部业务量区间内的异常网元的总数量设置数量阈值。在这种情况下,由于业务量较高的网元通常对网络服务质量和用户体验的影响较大,因此,可以优先调整业务量较大的业务量区间对应的KPI阈值,使该区间内的KPI值较低的网元都被筛选出来进行优先处理,可以较好的提升网络整体的服务质量。
步骤S212,根据各个网元的KPI值与调整后的对应的KPI阈值,重新各个网元是否为异常网元。
结合上述实施例可知,可以通过预设步长逐步调整KPI阈值循环执行确定异常网元的过程,也可以一次将KPI阈值直接调整到上限或下限,再确定异常网元。并且调整KPI阈值的过程可以按照业务量由小到大的顺序,依次对各个业务量区间的KPI阈值进行调整,直至KPI阈值达到上限或下限,或者异常网元的数量达到数量阈值。
例如,针对一个业务量区间,根据当前业务量区间对应的异常网元数量和数量阈值的比对情况,调整对应的KPI阈值;根据网元的KPI值与调整后的对应的KPI阈值重新确定异常网元的数量;重复上述过程,直至当前业务量区间的异常网元数量达到数量阈值,或KPI阈值调整到KPI上限,或KPI阈值调整到KPI下限。
针对正向KPI,在当前业务量区间对应的KPI阈值调整到KPI下限且当前业务量区间的异常网元数量没有达到数量阈值的情况下,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,其中下一业务量区间的业务量小于当前业务量区间的业务量;重复执行在一个业务量区间内确定网元是否为异常网元的方法,直至所有业务量区间都执行完毕或当前业务量区间的异常网元数量达到数量阈值。
循环调整的过程能够提高异常网元确定的准确性。下面具体描述如何循环动态调整KPI阈值确定异常网元的一些优选实施例。
(1)将业务量最大的区间作为当前业务量区间。
例如,将语音呼叫尝试次数划分为(0,20],(20,50],(50,100]三个业务量区间,首先选取(50,100]这个区间作为当前业务量区间。
(2)根据当前业务量区间的KPI阈值,确定当前业务量区间的异常网元的数量。
(3)判断当前业务量区间的异常网元的数量是否等于数量阈值,如果是则执行步骤(4),否则执行步骤(5)。
(4)输出异常网元。
(5)判断当前业务量区间的KPI阈值是否达到上限或下限,如果当前业务量区间的KPI阈值没有达到上限也没有达到下限,则执行步骤(6),否则执行步骤(7)。
例如,(0,20],初始KPI阈值为80%,KPI上限为90%,KPI下限为70%;(20,50],初始KPI阈值为90%,KPI上限为95%,下限85%;(50,100],初始KPI阈值为92.5%,KPI上限为95%,KPI下限为90%。业务量越小的业务量区间,KPI阈值允许波动的范围越大,初始KPI阈值越低。
(6)按照预设步长调整KPI阈值,将调整后的KPI阈值作为当前业务量区间的KPI阈值,返回步骤(2)。
针对正向KPI,在异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值,在异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值。
例如,(50,100]的业务量区间对应的异常网元数量大于20个,则降低语音呼叫成功率的阈值,反之则升高语音呼叫成功率的阈值。调整KPI阈值是在KPI上限和下限的范围内进行调整。
(7)判断当前业务量区间是否为最后一个业务量区间,如果是,则执行步骤(4),如果不是,且当前业务量区间的KPI阈值达到下限,则执行步骤(8),如果不是,且当前业务量区间的KPI阈值达到上限,则执行步骤(9)。
(8)针对正向KPI,按KPI由小到大排列,输出排位在前满足预设数量的异常网元。针对反向KPI,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间。
例如,(50,100]的业务量区间的语音呼叫成功率阈值已调整到下限90%,异常网元的数量仍然大于20个,则选取其中呼叫成功率较低的作为异常网元。
(9)针对正向KPI,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,返回步骤(2)。针对反向KPI,按KPI由大到小排列,输出排位在前满足预设数量的异常网元。
例如,(50,100]的业务量区间的语音呼叫成功率阈值已调整到上限95%,异常网元的数量仍然很少,说明该区间内的网元服务质量都很好。则进入下一业务量区间继续筛选异常网元。
上述实施例的方法优先选取业务量大的网元进行调整,并根据网元的整体KPI分布情况和处理异常网元的能力动态调整KPI阈值,进而调整所确定的异常网元,能够提高异常网元确定的准确率,提高网络整体的服务质量。
在一些实施例中,筛选出异常网元之后可以根据异常网元在一段时间内的状态确定各个网元的处理优先级。在步骤S212之后,还包括步骤S214。
步骤S214,根据异常网元在连续预设天数内出现异常状况的时间长度的变化情况,确定异常网元的处理优先级。
在一些实施例中,在异常网元在连续预设天数内出现异常状况的时间长度越来越长且至少最近一天内出现异常状况的时间长度大于第一时间阈值的情况下,将异常网元的处理优先级设置为最高优先级。
在一些实施例中,在异常网元在连续预设天数内出现异常状况的时间长度越来越短且至少最近一天出现异常状况的时间长度大于第二时间阈值的情况下,将异常网元的处理优先级设置为最低优先级。第一时间阈值大于第二时间阈值。
可以根据实际需求灵活设置异常网元处理优先级的评定规则。例如,可以将网元划分为严重劣化级、轻度劣化级、正在恢复级。严重劣化级需要最优先进行处理。
严重劣化级:当天出现异常状况的小时数在5个时段及以上,且前一天出现异常状况的小时数在3个时段及以上或前二天出现异常状况的小时数在2个时段及以上。例如,设当天出现异常状况的小时数为A,前一天出现异常状况的小时数为B,前二天出现异常状况的小时数为C。当A≥5且(B≥3或C≥2)时,评定当天的异常网元为严重劣化级。
轻度劣化级:当天出现异常状况的小时数在3个时段及以上,且前一天出现异常状况的小时数在2个时段及以上或前二天出现异常状况的小时数在2个时段及以上。例如,当A≥3且(B≥2或C≥2)时,评定当天的异常网元为轻度劣化级。
正在恢复级:当天出现异常状况的小时数在1个时段及以上,且前一天出现异常状况的小时数在2个时段及以上或前二天出现异常状况的小时数在2个时段及以上。例如,当A≥1且((B≥2且A<B)或(C≥2且A<C))时,评定当天的异常网元为正在恢复级。
上述实施例的方法,不仅能够准确筛选出异常网元,还能够根据网元连续天数内的异常状况的波动情况确定网元的处理优先级,优先处理正在恶化的网元,进一步提高网络服务质量。
本公开还提供一种网元状态的检测装置,下面结合图4进行描述。
图4为本公开网元状态的检测装置的一些实施例的结构图。如图4所示,该实施例的装置40包括:信息获取模块402,KPI阈值确定模块404,异常网元确定模块406。
信息获取模块402,用于获取网元在预设时间段内的业务量和关键性能指标KPI值。
KPI阈值确定模块404,用于根据业务量所在的业务量区间,确定对应的KPI阈值,其中,不同业务量区间对应不同的KPI阈值。
在一些实施例中,KPI阈值确定模块404用于根据业务量在对应的KPI分析模型中所在的业务量区间,确定对应的关键性能指标KPI阈值;业务量区间例如是根据KPI的波动范围进行划分的。
异常网元确定模块406,用于将网元的KPI值与对应的KPI阈值进行比对,确定网元是否为异常网元。
数量阈值例如根据同一时间段内处理异常网元的能力确定。
异常网元确定模块406用于针对正向KPI,在业务量区间对应的异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值,在业务量区间对应的异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值,针对反向KPI,在业务量区间对应的异常网元的数量大于数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值,在业务量区间对应的异常网元的数量小于数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值,
在一些实施例中,异常网元确定模块406还可以根据网元的KPI的分布情况和处理异常网元的能力动态调整KPI阈值。
异常网元确定模块406还用于根据各业务量区间对应的异常网元的数量和数量阈值的比对情况,调整各业务量区间对应的KPI阈值,根据网元的KPI值与调整后的对应的KPI阈值,确定网元是否为异常网元。
异常网元确定模块406用于执行在一个业务量区间内确定异常网元的方法包括:根据当前业务量区间对应的异常网元数量和数量阈值的比对情况,调整对应的KPI阈值,根据网元的KPI值与调整后的对应的KPI阈值重新确定异常网元的数量,重复上述过程,直至当前业务量区间的异常网元数量达到数量阈值,或KPI阈值调整到KPI上限,或KPI阈值调整到KPI下限。
进一步,异常网元确定模块406用于针对正向KPI,在当前业务量区间对应的KPI阈值调整到KPI上限且当前业务量区间的异常网元数量没有达到数量阈值的情况下,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,其中下一业务量区间的业务量小于当前业务量区间的业务量,重复执行在一个业务量区间内确定异常网元的方法,直至所有业务量区间都执行完毕或当前业务量区间的异常网元数量达到数量阈值。针对反向KPI可以参考图2对应的实施例。
在一些实施例中,检测装置40还可以包括:处理优先级确定模块408。处理优先级确定模块408,用于根据异常网元在连续预设天数内出现异常状况的时间长度的变化情况,确定异常网元的处理优先级。
进一步,处理优先级确定模块408用于在异常网元在连续预设天数内出现异常状况的时间长度越来越长且至少最近一天内出现异常状况的时间长度大于第一时间阈值的情况下,将异常网元的处理优先级设置为最高优先级,在异常网元在连续预设天数内出现异常状况的时间长度越来越短且至少最近一天出现异常状况的时间长度大于第二时间阈值的情况下,将异常网元的处理优先级设置为最低优先级。第一时间阈值大于第二时间阈值。
本公开的实施例中的网元状态的检测装置可各由各种计算设备或计算机系统来实现,下面结合图5以及图6进行描述。
图5为本公开网元状态的检测装置的一些实施例的结构图。如图5所示,该实施例的装置50包括:存储器510以及耦接至该存储器510的处理器520,处理器520被配置为基于存储在存储器510中的指令,执行本公开中任意一些实施例中的网元状态的检测方法。
其中,存储器510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图6为本公开网元状态的检测装置的另一些实施例的结构图。如图6所示,该实施例的装置60包括:存储器610以及处理器620,分别与存储器510以及处理器520类似。还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630,640,650以及存储器610和处理器620之间例如可以通过总线660连接。其中,输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任一个实施例的网元状态的检测方法的步骤。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种网元状态的检测方法,包括:
获取网元在预设时间段内的业务量和关键性能指标KPI值,其中,所述网元为移动网络中的网元;
根据所述业务量所在的业务量区间,确定对应的KPI阈值,其中,不同业务量区间对应不同的KPI阈值;
将所述网元的KPI值与对应的KPI阈值进行比对,确定所述网元是否为异常网元;
根据异常网元在连续预设天数内出现异常状况的时间长度的变化情况,确定所述异常网元的处理优先级;
其中,在一个业务量区间内确定异常网元的方法包括:
根据当前业务量区间对应的异常网元数量和数量阈值的比对情况,调整对应的KPI阈值;
根据网元的KPI值与调整后的对应的KPI阈值重新确定异常网元的数量;
重复上述过程,直至当前业务量区间的异常网元数量达到数量阈值,或KPI阈值调整到KPI上限,或KPI阈值调整到KPI下限;
其中,所述确定网元是否为异常网元的方法包括:
针对正向KPI,在当前业务量区间对应的KPI阈值调整到KPI上限且当前业务量区间的异常网元数量没有达到数量阈值的情况下,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,其中下一业务量区间的业务量小于当前业务量区间的业务量;
重复执行所述在一个业务量区间内确定异常网元的方法,直至所有业务量区间都执行完毕或当前业务量区间的异常网元数量达到数量阈值。
2.根据权利要求1所述的检测方法,其中,
针对正向KPI,在业务量区间对应的异常网元的数量大于所述数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值;
在业务量区间对应的异常网元的数量小于所述数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值;
所述数量阈值根据同一时间段内处理异常网元的能力确定。
3.根据权利要求1所述的检测方法,其中,
在异常网元在连续预设天数内出现异常状况的时间长度越来越长且至少最近一天内出现异常状况的时间长度大于第一时间阈值的情况下,将所述异常网元的处理优先级设置为最高优先级;
在异常网元在连续预设天数内出现异常状况的时间长度越来越短且至少最近一天出现异常状况的时间长度大于第二时间阈值的情况下,将所述异常网元的处理优先级设置为最低优先级。
4.根据权利要求1-3任一项所述的检测方法,所述根据所述业务量所在的业务量区间,确定对应的关键性能指标KPI阈值包括:
根据所述网元的应用场景查找对应的KPI分析模型;
根据所述业务量在对应的KPI分析模型中所在的业务量区间,确定对应的关键性能指标KPI阈值;
所述业务量区间是根据KPI的波动范围进行划分的。
5.一种网元状态的检测装置,包括:
信息获取模块,用于获取网元在预设时间段内的业务量和关键性能指标KPI值,其中,所述网元为移动网络中的网元;
KPI阈值确定模块,用于根据所述业务量所在的业务量区间,确定对应的KPI阈值,其中,不同业务量区间对应不同的KPI阈值;
异常网元确定模块,用于将所述网元的KPI值与对应的KPI阈值进行比对,确定所述网元是否为异常网元;
处理优先级确定模块,用于根据异常网元在连续预设天数内出现异常状况的时间长度的变化情况,确定所述异常网元的处理优先级;
其中,所述异常网元确定模块用于执行在一个业务量区间内确定异常网元的方法包括:根据当前业务量区间对应的异常网元数量和数量阈值的比对情况,调整对应的KPI阈值,根据网元的KPI值与调整后的对应的KPI阈值重新确定异常网元的数量,重复上述过程,直至当前业务量区间的异常网元数量达到数量阈值,或KPI阈值调整到KPI上限,或KPI阈值调整到KPI下限;
其中,所述异常网元确定模块用于针对正向KPI,在当前业务量区间对应的KPI阈值调整到KPI上限且当前业务量区间的异常网元数量没有达到数量阈值的情况下,将数量阈值更新为当前数量阈值与当前业务量区间的异常网元数量的差值,将下一业务量区间更新为当前业务量区间,其中下一业务量区间的业务量小于当前业务量区间的业务量,重复执行所述在一个业务量区间内确定异常网元的方法,直至所有业务量区间都执行完毕或当前业务量区间的异常网元数量达到数量阈值。
6.根据权利要求5所述的检测装置,其中,
所述异常网元确定模块用于针对正向KPI,在业务量区间对应的异常网元的数量大于所述数量阈值的情况下,按照该业务量区间对应的预设步长降低该业务量区间对应的KPI阈值,在业务量区间对应的异常网元的数量小于所述数量阈值的情况下,按照该业务量区间对应的预设步长升高该业务量区间对应的KPI阈值;
所述数量阈值根据同一时间段内处理异常网元的能力确定。
7.根据权利要求5所述的检测装置,其中,
所述处理优先级确定模块用于在异常网元在连续预设天数内出现异常状况的时间长度越来越长且至少最近一天内出现异常状况的时间长度大于第一时间阈值的情况下,将所述异常网元的处理优先级设置为最高优先级,在异常网元在连续预设天数内出现异常状况的时间长度越来越短且至少最近一天出现异常状况的时间长度大于第二时间阈值的情况下,将所述异常网元的处理优先级设置为最低优先级。
8.根据权利要求5-7任一项所述的检测装置,其中,
所述KPI阈值确定模块用于根据所述业务量在对应的KPI分析模型中所在的业务量区间,确定对应的关键性能指标KPI阈值;
所述业务量区间是根据KPI的波动范围进行划分的。
9.一种网元状态的检测装置,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器设备中的指令,执行如权利要求1-4任一项所述的网元状态的检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711379428.1A CN109951856B (zh) | 2017-12-20 | 2017-12-20 | 网元状态的检测方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711379428.1A CN109951856B (zh) | 2017-12-20 | 2017-12-20 | 网元状态的检测方法、装置以及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109951856A CN109951856A (zh) | 2019-06-28 |
CN109951856B true CN109951856B (zh) | 2022-06-03 |
Family
ID=67004060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711379428.1A Active CN109951856B (zh) | 2017-12-20 | 2017-12-20 | 网元状态的检测方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109951856B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113518373A (zh) * | 2020-04-10 | 2021-10-19 | 中兴通讯股份有限公司 | 识别问题小区的方法、电子设备、计算机可读介质 |
CN118118317A (zh) * | 2022-11-30 | 2024-05-31 | 华为技术有限公司 | 一种网络问题分析方法以及相关装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103476052A (zh) * | 2013-08-30 | 2013-12-25 | 大唐移动通信设备有限公司 | 一种故障检测方法和设备 |
CN103491562A (zh) * | 2012-06-12 | 2014-01-01 | 中国移动通信集团设计院有限公司 | 一种基站故障检测方法、设备及系统 |
CN107153593A (zh) * | 2016-03-02 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 一种互联网业务监控阈值的确定方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101501669B1 (ko) * | 2013-12-24 | 2015-03-12 | 한국인터넷진흥원 | 비정상 행위를 탐지하기 위한 행위 탐지 시스템 |
-
2017
- 2017-12-20 CN CN201711379428.1A patent/CN109951856B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491562A (zh) * | 2012-06-12 | 2014-01-01 | 中国移动通信集团设计院有限公司 | 一种基站故障检测方法、设备及系统 |
CN103476052A (zh) * | 2013-08-30 | 2013-12-25 | 大唐移动通信设备有限公司 | 一种故障检测方法和设备 |
CN107153593A (zh) * | 2016-03-02 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 一种互联网业务监控阈值的确定方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109951856A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11758415B2 (en) | Method and apparatus of sharing information related to status | |
CN109189736B (zh) | 一种告警关联规则的生成方法和装置 | |
CN107204894B (zh) | 网络业务质量的监控方法及装置 | |
CN101442762B (zh) | 网络性能分析以及网络故障定位方法和装置 | |
CN111294819B (zh) | 一种网络优化方法及装置 | |
EP4167149A1 (en) | Method and apparatus for building predictive model, computing device, and storage medium | |
CN109951856B (zh) | 网元状态的检测方法、装置以及计算机可读存储介质 | |
CN107402851B (zh) | 一种数据恢复控制方法及装置 | |
CN109981234A (zh) | 双载波和载波聚合的自适应调整方法、装置、设备及介质 | |
CN110889526B (zh) | 一种用户升级投诉行为预测方法及系统 | |
CN104661244A (zh) | 一种评估pci模三干扰的方法及装置 | |
CN110856188B (zh) | 通信方法、装置、系统和计算机可读存储介质 | |
CN111626497A (zh) | 人流量预测方法、装置、设备和存储介质 | |
EP3952420A1 (en) | Fingerprint library creation and application methods and apparatuses, centralized processing device and base station | |
CN111885618A (zh) | 一种网络性能优化方法和装置 | |
CN109150565B (zh) | 一种网络态势感知方法、装置及系统 | |
CN111385815B (zh) | 小区网络资源优化方法、装置、设备和介质 | |
CN114071525B (zh) | 基站优化次序确定方法、装置及存储介质 | |
CN107231635B (zh) | 一种网络覆盖的分析方法及装置 | |
CN105101298A (zh) | 一种小区间话务均衡方法、装置和服务器 | |
CN116431505A (zh) | 一种回归测试方法、装置、电子设备、存储介质及产品 | |
CN107086923B (zh) | 通信网络性能指标分析方法及装置 | |
CN112085282B (zh) | 小区流量预测方法及服务器 | |
CN107464571B (zh) | 一种数据质量评估的方法、设备及系统 | |
CN112580908A (zh) | 一种无线性能指标评估方法及装置 |
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 |