CN111654405A - 通信链路的故障节点方法、装置、设备及存储介质 - Google Patents
通信链路的故障节点方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111654405A CN111654405A CN202010604746.9A CN202010604746A CN111654405A CN 111654405 A CN111654405 A CN 111654405A CN 202010604746 A CN202010604746 A CN 202010604746A CN 111654405 A CN111654405 A CN 111654405A
- Authority
- CN
- China
- Prior art keywords
- communication
- index data
- communication link
- sampling moment
- target
- 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.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 448
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005070 sampling Methods 0.000 claims description 86
- 238000009499 grossing Methods 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
Abstract
本申请涉及数据处理技术领域，公开了一种通信链路故障预测方法、装置、设备及存储介质。所述方法包括：根据目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，进而根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。实现了通过预测所述目标通信链路在预设时间段的第二通信指标数据，来确定所述目标通信链路的通信故障节点，避免由于通信链路出现故障而导致的损失。
Description
技术领域
本申请属于数据处理技术领域，尤其涉及一种通信链路故障的预测方法、装置、设备及存储介质。
背景技术
目前，由于没有较好的方法对通信链路的故障进行准确地预测，因此只能在通信系统出现故障之后，通过对通信系统中各通信链路的所有通信节点进行通信数据分析，来对通信链路的故障进行定位，导致整个排障过程繁杂，故障定位效率低下。
发明内容
本申请提供了一种通信链路故障的预测方法、装置、设备及存储介质，通过预测所述目标通信链路在预设时间段的第二通信指标数据，来确定所述目标通信链路的通信故障节点，提高通信链路故障定位的效率。
第一方面，本申请提供了一种通信链路故障的预测方法，包括：
采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据；
根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据；
根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
在一可选的实现方式中，根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，包括：
根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
在一可选的实现方式中，在根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据之前，包括：
根据各个所述第一通信指标数据的第一采样时刻，将所述历史通信周期内的所述第一指标数据进行排序，得到第一通信指标序列数据。
对应地，所述根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，包括：
将所述第一通信通信指标序列数据依次代入预设的指数平滑预测公式进行计算，得到所述目标通信链路上各个所述通信节点在当前通信周期内的各个第二采样时刻对应的所述第二通信指标数据。
在一可选的实现方式中，所述预设的指数平滑预测公式为：
xi+1＝si+ti+pi-k
si＝α(xi-pi-k)+(1-α)(si-1+ti-1)
ti＝β(si-si-1)+(1-β)ti-1
pi-k＝γ(xi-si)+(1-γ)pi
其中，xi+1为预测的第二预设时间段内的第i个第二采样时刻对应的所述第二通信指标数据；xi为第一预设时间段内的第i个第一采样时刻对应的第一通信指标数据；k为预设通信周期；α，β，γ均为位于[0，1]之间的常数；si为将第i个第一采样时刻对应的所述第一通信指标数据进行一次指数平滑之后得到的通信指标数据；ti为将第i个第一采样时刻对应的所述第一通信指标数据进行二次指数平滑之后得到的通信指标数据；pi-k为将第i-k个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据；pi为将第i个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据。
在一可选的实现方式中，根据所述第一信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障，包括：
针对任一所述第二采样时刻，根据所述第一采样时刻与所述第二采样时刻之间的映射关系，确定该第二采集时刻的所述第二通信指标数据与与其相对应的所述第一采集时刻的所述第一通信指标数据之间的偏差值；
若所述偏差值不属于预设的偏差值范围，则确定该第二采样时刻对应的所述目标通信链路存在通信链路故障；
若所述偏差值属于预设的所述偏差值范围，则确定该第二采样时刻对应的所述目标通信链路不存在通信链路故障。
在一可选的实现方式中，针对任一所述第二采样时刻，根据所述第一采样时刻与所述第二采样时刻之间的映射关系，确定该第二采集时刻的所述第二通信指标数据与与其相对应的所述第一采集时刻的所述第一通信指标数据之间的偏差值之前，包括：
建立所述历史通信周期内各个所述第一采样时刻与所述当前通信周期内各个所述第二采样时刻之间的所述映射关系。
在一可选的实现方式中，在若所述偏差值不属于预设的偏差值范围，则确定该第二采样时刻对应的所述目标通信链路存在通信链路故障之后，还包括：
将所述偏差值对应的所述第二通信指标数据标记成异常通信指标数据；
若所述异常指标数据为假像异常指标数据，则不产生告警提示信息；
若所述异常指标数据为真实异常指标数据，则向预先确定终端发送告警提示信息。
本申请第一方面提供的通信链路故障预测方法，通过根据目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，进而根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。实现了通过预测所述目标通信链路在预设时间段的第二通信指标数据，来确定所述目标通信链路的通信故障节点，提高通信链路故障定位的效率。
第二方面，本申请提供了一种通信链路故障的预测装置，包括：
采集模块，用于采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据；
预测模块，用于根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据；
确定模块，用于根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
第三方面，本申请提供了一种通信链路故障的预测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上第一方面所述方法的各个实施例中的步骤。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面所述方法的各个实施例中的步骤。
可以理解地，本申请第二方面至第四方面提供的实施例与现有技术相比，存在的有益效果与本申请第一方面提供的实施例与现有技术相比，存在的有益效果相同，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，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是本申请第一实施例提供的通信链路故障预测方法的实现流程图；
图2是存储链路上的通信节点示意图；
图3是本申请第二实施例提供的通信链路故障的预测方法的实现流程图；
图4是本申请第三实施例提供的通信链路故障的预测装置的结构示意图；
图5是本申请实施例提供的通信链路故障的预测设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
目前，通信链路的故障诊断和定位是运维工作中非常重要的一部分。例如，以应用程序为例，支撑一个应用程序正常运行的过程需要由服务器、网络和数据库等各种设备共同组成通信链路，来提供负载均衡等各种服务，任何一个环节出现异常都会影响应用程序的正常运行，而每个环节的故障判断和定位都需要消耗较大的人力和财力资源。例如，在传统的数据存储过程的故障判断和定位中，首先需要判断关联的数据库所在的服务器是否存在故障，然后需要排查该服务器的HBA卡所连接的交换机端口的数据是否出现异常，该服务器的数据库的存储性能是否出现异常，该服务器的数据库对应的存储卷的性能是否出现异常，所有这个链路上的设备是否有硬件告警，主机到存储的磁盘的路径数量是否异常等。面对如此多的故障排查流程，通常要借助于管理员来检查整个链路上的设备是否发生故障告警，此外，还需要检查整个链路的性能是否出现问题，整个排障过程不仅依赖经验丰富的管理员，并且需要消耗大量的人力和时间，而且故障的定位准确性很难保证，容易造成较大的损失。
有鉴于此，本申请提供出了一种通信链路故障预测方法、装置、设备及存储介质，为了说明本申请实施例所提出的技术方案，下面通过具体实施例来进行说明。
首先，如图1所示，是本申请第一实施例提供的通信链路故障预测方法的实现流程图。需要说明的是，本实施例提供的通信链路故障预测方法可以由通信链路故障预测装置的硬件或软件实现，示例性地，通信链路故障预测装置可以是通信链路故障定位过程中使用的各种终端设备、服务器等，在此不做具体限定。详述如下：
S101，采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据。
在本实施例中，所述目标通信链路可以为任一应用程序的通信链路，通常，应用程序的通信链路由多个通信设备组成，例如，在一个可选的实现方式中，所述目标通信链路为指定的应用程序的存储链路。该应用程序的存储链路上的通信节点如图2所示，包括：应用服务器节点、交换机节点以及存储节点。其中，应用服务器节点包括：HBA卡信息、SAN交换机端口和存储数据接口。
在本申请实施例中，所述通信指标数据包括所述目标通信链路上的各个通信设备的指标数据。所述历史通信周期为当前通信周期之前的任意一历史通信周期。
示例性地，在本实施例中，所述第一通信指标数据包括：服务器节点的磁盘的识别号、磁盘大小、路径数量、设置的参数、磁盘通过的HBA卡的信息；交换机节点的指标数据例如交换机端口的基本信息、交换机端口的性能数据例如流量、CRC信息、光功率信息；存储设备的存储卷信息、容量信息、整个存储设备的性能、各个卷的性能如IOPS，吞吐量，延时等信息。
作为示例而非限定，在本实施例中，还可以将所述第一通信指标数据与目标通信链路上各个通信设备的标识信息进行关联存储，可以理解地，所述第一通信指标数据包括采集的时间戳信息，所述通信设备的标识信息包括设备名称，将所述第一通信指标数据与所述目标通信链路上各个通信设备的标识信息进行关联存储，可以方便根据所述设备标识信息快速找出目标通信链路上所有设备对应的所述第一通信指标数据。
进一步地，还可以将采集的所述第一通信指标数据通过预设界面进行展示。以方便在发生故障的情况下，根据预设界面展示的目标通信链路上各个通信设备对应的第一通信指标数据来判断是否出现异常，或者判断异常出现的节点。
S102，根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
在本实施例中，由于所述第一通信指标数据为具有时间戳的数据，可以理解地，根据各个所述第一通信指标数据的第一采样时刻，可以将所述历史通信周期内的所述第一指标数据进行排序，得到第一通信指标序列数据。进而根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
需要说明的是，所述指数平滑算法为对时间序列数据进行预测的算法，其能够根据当前时间段的数据预测出下一时间段的数据，或者根据历史时间段的数据预测出当前时间段的数据。具体地，在本申请实施例中，采用三次指数平滑算法分析所述第一通信指标数据，来预测当前通信周期内的第二通信指标数据。这是由于，应用程序的通信性能存在明显的周期性以及明显的趋势性，例如存储应用程序通常在白天处于业务高峰期，对存储的读写量比较大，而在夜间读写量明显减少。而三次指数平滑法为针对具有周期性及明显变化趋势的数据的预测算法，故在本申请实施例中采用三次指数平滑法可以有效的预测各个应用的链路指标数据的性能。
所述根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，包括：
将所述第一通信通信指标序列数据依次代入预设的指数平滑预测公式进行计算，得到所述目标通信链路上各个所述通信节点在当前通信周期内的各个第二采样时刻对应的所述第二通信指标数据。
示例性地，所述预设的指数平滑预测公式为：
xi+1＝si+ti+pi-k
si＝α(xi-pi-k)+(1-α)(si-1+ti-1)
ti＝β(si-si-1)+(1-β)ti-1
pi-k＝γ(xi-si)+(1-γ)pi
其中，xi+1为预测的第二预设时间段内的第i个第二采样时刻对应的所述第二通信指标数据；xi为第一预设时间段内的第i个第一采样时刻对应的第一通信指标数据；k为预设通信周期；α，β，γ均为位于[0，1]之间的常数；si为将第i个第一采样时刻对应的所述第一通信指标数据进行一次指数平滑之后得到的通信指标数据；ti为将第i个第一采样时刻对应的所述第一通信指标数据进行二次指数平滑之后得到的通信指标数据；pi-k为将第i-k个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据；pi为将第i个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据。
S103，根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
可以理解地，在每个通信周期内，对应的采样时刻通常是固定的，且每个通信周期对应的采样时刻数相同。因此，可以建立所述历史通信周期内各个所述第一采样时刻与所述当前通信周期内各个所述第二采样时刻之间的所述映射关系。
示例性地，根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障，包括：
针对任一所述第二采样时刻，根据所述第一采样时刻与所述第二采样时刻之间的映射关系，确定该第二采集时刻的所述第二通信指标数据与与其相对应的所述第一采集时刻的所述第一通信指标数据之间的偏差值；
若所述偏差值不属于预设的偏差值范围，则确定该第二采样时刻对应的所述目标通信链路存在通信链路故障；
若所述偏差值属于预设的所述偏差值范围，则确定该第二采样时刻对应的所述目标通信链路不存在通信链路故障。
通常，任一所述第一采样时刻与与其相映射的第二采样时刻的偏差值呈正态分布，根据正态分布的原理，当任一所述第一采样时刻与与其相映射的第二采样时刻的偏差值在三个预设标准偏差值之外时，则可以认为该偏差值为小概率事件，在本实施例中，若所述偏差值不属于预设的偏差值范围，则认为在当前通信周期内的该第二采样时刻对应的所述目标通信链路存在通信链路故障.
有上述分析可知，上述实施例提供的通信链路故障预测方法，通过根据目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，进而根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。实现了通过预测所述目标通信链路在预设时间段的第二通信指标数据，来确定所述目标通信链路的通信故障节点，避免由于通信链路出现故障而导致的损失。
如图3所示，是本申请第二实施例提供的通信链路故障的预测方法的实现流程图。由图3可知，本实施例与图1所示实施例相比，S301～S303与S101～S103的具体实现过程相同，不同之处在于，在S303之后还包括S304～S306，详述如下：
S301，采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据。
S302，根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
S303，根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
S304，将所述偏差值对应的所述第二通信指标数据标记成异常通信指标数据。
S305，若所述异常指标数据为假像异常指标数据，则不产生告警提示信息。
可以理解地，由于通信链路可能产生瞬间通信指标数据突变，例如，IOPS指标数据，其有可能在某一瞬间很高，但是又会很快恢复，对于类似这种瞬间异常，通常认为是假象异常指标数据。
S306，若所述异常指标数据为真实异常指标数据，则向预先确定终端发送告警提示信息。
进一步地，还可以对当前目标通信链路的关联通信链路进行故障确定，例如，若延时异常连续发生三次，即持续异常，则需要检查存储关联的应用是否有告警，如果有告警，则需要发出告警提示信息；若关联的应用没有告警，检查关联的链路上其他指标是否有告警，如果有，需要发出告警提示信息；若整个通信链路仅仅是延时指标有告警，则检查告警前预设时长内例如10分钟内是否有关联设备做相关的变更，如果有变更需要发出告警，判断变更是否会引起延迟异常。如果没有变更也需要发出告警，需要管理员综合判断造成延时异常的原因。
通过上述分析可知，在本实施例中，在通过预测所述目标通信链路在预设时间段的第二通信指标数据，来确定所述目标通信链路的通信故障节点，避免由于通信链路出现故障而导致的损失的基础上，进一步对假象故障进行了验证，提高了故障定位的准确性。
如图4所示，是本申请第三实施例提供的通信链路故障的预测装置的结构示意图。需要说明的是，本实施例提供的通信链路故障预测装置400包括的各模块用于执行图1或图3对应的实施例中的各步骤，具体请参阅图1或图3对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。如图3所示，所述通信链路故障预测装置400包括：
采集模块401，用于采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据。
预测模块402，用于根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
确定模块403，根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
在一可选的实现方式中，预测模块402具体用于：
根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
在一可选的实现方式中，还包括：
得到模块，用于根据各个所述第一通信指标数据的第一采样时刻，将所述历史通信周期内的所述第一指标数据进行排序，得到第一通信指标序列数据。
对应地，所述预测模块402具体用于：
将所述第一通信通信指标序列数据依次代入预设的指数平滑预测公式进行计算，得到所述目标通信链路上各个所述通信节点在当前通信周期内的各个第二采样时刻对应的所述第二通信指标数据。
在一可选的实现方式中，所述预设的指数平滑预测公式为：
xi+1＝i+i+i-k
si＝α(xi-pi-k)+(1-α)(si-1+ti-1)
ti＝β(si-si-1)+(1-β)ti-1
pi-k＝γ(xi-si)+(1-γ)pi
其中，xi+1为预测的第二预设时间段内的第i个第二采样时刻对应的所述第二通信指标数据；xi为第一预设时间段内的第i个第一采样时刻对应的第一通信指标数据；k为预设通信周期；α，β，γ均为位于[0，1]之间的常数；si为将第i个第一采样时刻对应的所述第一通信指标数据进行一次指数平滑之后得到的通信指标数据；ti为将第i个第一采样时刻对应的所述第一通信指标数据进行二次指数平滑之后得到的通信指标数据；pi-k为将第i-k个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据；pi为将第i个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据。
在一可选的实现方式中，确定模块403，包括：
第一确定单元，用于针对任一所述第二采样时刻，根据所述第一采样时刻与所述第二采样时刻之间的映射关系，确定该第二采集时刻的所述第二通信指标数据与与其相对应的所述第一采集时刻的所述第一通信指标数据之间的偏差值；
第二确定单元，用于在若所述偏差值不属于预设的偏差值范围，则确定该第二采样时刻对应的所述目标通信链路存在通信链路故障；
第三确定单元，用于在若所述偏差值属于预设的所述偏差值范围，则确定该第二采样时刻对应的所述目标通信链路不存在通信链路故障。
在一可选的实现方式中，还包括：
建立模块，用于建立所述历史通信周期内各个所述第一采样时刻与所述当前通信周期内各个所述第二采样时刻之间的所述映射关系。
在一可选的实现方式中，还包括：
标记模块，用于将所述偏差值对应的所述第二通信指标数据标记成异常通信指标数据；
第一告警模块，用于在若所述异常指标数据为假像异常指标数据，则不产生告警提示信息；
第二告警模块，用于在若所述异常指标数据为真实异常指标数据，则向预先确定终端发送告警提示信息。
图5是本申请实施例提供的通信链路故障的预测设备的结构示意图。如图5所示，该实施例的通信链路故障的预测设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现上述图1所述方法实施例中的步骤。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，该处理器50还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51在一些实施例中可以是所述通信链路故障预测设备5的内部存储单元，例如通信链路故障的预测设备5的硬盘或内存。所述存储器51在另一些实施例中也可以是所述通信链路故障的预测设备5的外部存储设备，例如所述通信链路故障的预测设备5上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述通信链路故障的预测设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在通信链路故障的预测设备上运行时，使得通信链路故障的预测设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种通信链路故障预测方法，其特征在于，包括：
采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据；
根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据；
根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
2.如权利要求1所述的方法，其特征在于，根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，包括：
根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据。
3.如权利要求2所述的方法，其特征在于，在根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据之前，包括：
根据各个所述第一通信指标数据的第一采样时刻，将所述历史通信周期内的所述第一指标数据进行排序，得到第一通信指标序列数据。
对应地，所述根据指数平滑算法对所述第一通信指标数据进行分析，得到所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据，包括：
将所述第一通信通信指标序列数据依次代入预设的指数平滑预测公式进行计算，得到所述目标通信链路上各个所述通信节点在当前通信周期内的各个第二采样时刻对应的所述第二通信指标数据。
4.如权利要求3所述的方法，其特征在于，所述预设的指数平滑预测公式为：
xi+1＝si+ti+pi-k
si＝α(xi-pi-k)+(1-α)(si-1+ti-1)
ti＝β(si-si-1)+(1-β)ti-1
pi-k＝γ(xi-si)+(1-γ)pi
其中，xi+1为预测的第二预设时间段内的第i个第二采样时刻对应的所述第二通信指标数据；xi为第一预设时间段内的第i个第一采样时刻对应的第一通信指标数据；k为预设通信周期；α，β，γ均为位于[0，1]之间的常数；si为将第i个第一采样时刻对应的所述第一通信指标数据进行一次指数平滑之后得到的通信指标数据；ti为将第i个第一采样时刻对应的所述第一通信指标数据进行二次指数平滑之后得到的通信指标数据；pi-k为将第i-k个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据；pi为将第i个第一采样时刻对应的所述第一通信指标数据进行三次指数平滑之后得到的通信指标数据。
5.如权利要求4所述的方法，其特征在于，根据所述第一信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障，包括：
针对任一所述第二采样时刻，根据所述第一采样时刻与所述第二采样时刻之间的映射关系，确定该第二采集时刻的所述第二通信指标数据与与其相对应的所述第一采集时刻的所述第一通信指标数据之间的偏差值；
若所述偏差值不属于预设的偏差值范围，则确定该第二采样时刻对应的所述目标通信链路存在通信链路故障；
若所述偏差值属于预设的所述偏差值范围，则确定该第二采样时刻对应的所述目标通信链路不存在通信链路故障。
6.如权利要求5所述的方法，其特征在于，针对任一所述第二采样时刻，根据所述第一采样时刻与所述第二采样时刻之间的映射关系，确定该第二采集时刻的所述第二通信指标数据与与其相对应的所述第一采集时刻的所述第一通信指标数据之间的偏差值之前，包括：
建立所述历史通信周期内各个所述第一采样时刻与所述当前通信周期内各个所述第二采样时刻之间的所述映射关系。
7.如权利要求5或6所述的方法，其特征在于，在若所述偏差值不属于预设的偏差值范围，则确定该第二采样时刻对应的所述目标通信链路存在通信链路故障之后，还包括：
将所述偏差值对应的所述第二通信指标数据标记成异常通信指标数据；
若所述异常指标数据为假像异常指标数据，则不产生告警提示信息；
若所述异常指标数据为真实异常指标数据，则向预先确定终端发送告警提示信息。
8.一种通信链路故障的预测装置，其特征在于，包括：
采集模块，用于采集目标通信链路上各个通信节点在历史通信周期内的第一通信指标数据；
预测模块，用于根据所述第一通信指标数据，预测所述目标通信链路上各个所述通信节点在当前通信周期内的第二通信指标数据；
确定模块，用于根据所述第一通信指标数据和所述第二通信指标数据，确定所述目标通信链路在所述当前通信周期内是否存在通信链路故障。
9.一种通信链路故障的预测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010604746.9A CN111654405B (zh) | 2020-06-29 | 2020-06-29 | 通信链路的故障节点方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010604746.9A CN111654405B (zh) | 2020-06-29 | 2020-06-29 | 通信链路的故障节点方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111654405A true CN111654405A (zh) | 2020-09-11 |
| CN111654405B CN111654405B (zh) | 2024-04-02 |
Family
ID=72349985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010604746.9A Active CN111654405B (zh) | 2020-06-29 | 2020-06-29 | 通信链路的故障节点方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111654405B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112583642A (zh) * | 2020-12-10 | 2021-03-30 | 广州虎牙科技有限公司 | 异常检测方法、模型、电子设备及计算机可读存储介质 |
| CN113093985A (zh) * | 2021-06-09 | 2021-07-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 传感器数据链路异常检测方法、装置和计算机设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107094093A (zh) * | 2017-04-13 | 2017-08-25 | 北京网瑞达科技有限公司 | 网络系统中的网络设备周期性的性能指标数据预测方法 |
| CN108920336A (zh) * | 2018-05-25 | 2018-11-30 | 麒麟合盛网络技术股份有限公司 | 一种基于时间序列的服务异常提醒方法及装置 |
| CN109947080A (zh) * | 2019-03-21 | 2019-06-28 | 北京明略软件系统有限公司 | 一种故障诊断的方法、装置、计算机存储介质及终端 |
| CN110321240A (zh) * | 2019-06-28 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 一种基于时序预测的业务影响评估方法和装置 |
| CN110674019A (zh) * | 2019-08-30 | 2020-01-10 | 中国人民财产保险股份有限公司 | 一种预测系统故障的方法、装置及电子设备 |
-
2020
- 2020-06-29 CN CN202010604746.9A patent/CN111654405B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107094093A (zh) * | 2017-04-13 | 2017-08-25 | 北京网瑞达科技有限公司 | 网络系统中的网络设备周期性的性能指标数据预测方法 |
| CN108920336A (zh) * | 2018-05-25 | 2018-11-30 | 麒麟合盛网络技术股份有限公司 | 一种基于时间序列的服务异常提醒方法及装置 |
| CN109947080A (zh) * | 2019-03-21 | 2019-06-28 | 北京明略软件系统有限公司 | 一种故障诊断的方法、装置、计算机存储介质及终端 |
| CN110321240A (zh) * | 2019-06-28 | 2019-10-11 | 阿里巴巴集团控股有限公司 | 一种基于时序预测的业务影响评估方法和装置 |
| CN110674019A (zh) * | 2019-08-30 | 2020-01-10 | 中国人民财产保险股份有限公司 | 一种预测系统故障的方法、装置及电子设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112583642A (zh) * | 2020-12-10 | 2021-03-30 | 广州虎牙科技有限公司 | 异常检测方法、模型、电子设备及计算机可读存储介质 |
| CN113093985A (zh) * | 2021-06-09 | 2021-07-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 传感器数据链路异常检测方法、装置和计算机设备 |
| CN113093985B (zh) * | 2021-06-09 | 2021-09-10 | 中国南方电网有限责任公司超高压输电公司广州局 | 传感器数据链路异常检测方法、装置和计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111654405B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108388489B (zh) | 一种服务器故障诊断方法、系统、设备及存储介质 | |
| CN111178760B (zh) | 风险监测方法、装置、终端设备及计算机可读存储介质 | |
| CN108092854B (zh) | 基于iec61375协议的列车级以太网设备的测试方法及装置 | |
| CN110647447B (zh) | 用于分布式系统的异常实例检测方法、装置、设备和介质 | |
| US20190102240A1 (en) | Plato anomaly detection | |
| CN111654405B (zh) | 通信链路的故障节点方法、装置、设备及存储介质 | |
| CN112699007A (zh) | 监控机器性能的方法、系统、网络设备及存储介质 | |
| CN114363151A (zh) | 故障检测方法和装置、电子设备和存储介质 | |
| CN109818808B (zh) | 故障诊断方法、装置和电子设备 | |
| CN110580220B (zh) | 测量代码段执行时间的方法及终端设备 | |
| CN114844768A (zh) | 信息分析方法、装置及电子设备 | |
| CN109918221B (zh) | 一种硬盘报错解析方法、系统、终端及存储介质 | |
| CN110609761B (zh) | 确定故障源的方法、装置、存储介质和电子设备 | |
| CN116204386B (zh) | 应用服务关系自动识别及监控方法、系统、介质和设备 | |
| CN109586788B (zh) | 监控系统故障诊断方法、装置、计算机设备及存储介质 | |
| CN113810332B (zh) | 一种加密数据报文判定方法、装置及计算机设备 | |
| CN115509853A (zh) | 一种集群数据异常检测方法及电子设备 | |
| CN113282496B (zh) | 接口自动测试方法、装置、设备及存储介质 | |
| CN111324516A (zh) | 自动记录异常事件的方法及装置、存储介质、电子设备 | |
| CN111813872B (zh) | 一种故障排查模型的生成方法、装置、设备 | |
| CN114500247A (zh) | 工控网络故障诊断方法、装置、电子设备及可读存储介质 | |
| CN113300918A (zh) | 智慧灯杆的故障检测方法、终端设备及存储介质 | |
| CN117112398B (zh) | 增量代码覆盖率检测方法、装置、电子设备及存储介质 | |
| CN114090382B (zh) | 超融合集群健康巡检方法和装置 | |
| JP2003345629A (ja) | システム監視装置及びそれに用いるシステム監視方法並びにそのプログラム |
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 |