CN112954302B - 基于离群点算法的iptv/家宽分段隐患检测方法及装置 - Google Patents
基于离群点算法的iptv/家宽分段隐患检测方法及装置 Download PDFInfo
- Publication number
- CN112954302B CN112954302B CN202110013398.2A CN202110013398A CN112954302B CN 112954302 B CN112954302 B CN 112954302B CN 202110013398 A CN202110013398 A CN 202110013398A CN 112954302 B CN112954302 B CN 112954302B
- Authority
- CN
- China
- Prior art keywords
- bng
- onu
- olt
- time delay
- stb
- 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
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请公开了基于离群点算法的IPTV/家宽分段隐患检测方法,能够通过结合SGQM系统和互联网感知平台获取用户归属的STB\ONU\OLT\BNG,然后在网管网部署一台SGQM服务器,通过python编程实现服务器登录BNG,然后定期ping测试BNG到OLT、ONU、STB获取BNG到接入层各段落的丢包率和时延数据,然后将数据输入单边离群点检测算法进行计算(去除质优的离群点),根据计算出的LOF值判断隐患段落。然后指导客户服务部门进行相应的故障投诉处理,进而极大的优化用户的使用体验。
Description
技术领域
本申请涉及网络电视技术领域,更具体地说,涉及基于离群点算法的 IPTV/家宽分段隐患检测方法及装置。
背景技术
互联网电视业务数据包所经过的设备和链路均会对电视卡顿产生一定影响,涉及网络有ONU/STB用户家庭网络、OLT网络、城域网SW/BNG、CDN 与省播放平台。而家宽业务经过的设备和链路主要是ONU/STB用户家庭网络、 OLT网络、城域网SW/BNG、radius等认证平台。
有线家庭宽带业务主要有家宽上网和IPTV业务。业务数据流如图5所示。家宽业务(手机+PC)通过WIFI路由器上到ONU,然后经过二级分光到达 OLT,最后上到BNG及CMNET;电视业务则通过机顶盒(STB)到ONU,然后经过二级分光到达OLT,最后上到BNG及CDN网络。
当今市场中,随着网络监控手段的逐渐优化,BNG以上问题可以迅速发现并处理,但从家庭网络到BNG问题仍有待挖掘。
发明内容
本申请的目的是提供基于离群点算法的IPTV/家宽分段隐患检测方法,旨在至少解决现有技术中存在的问题之一。本申请还提供了基于离群点算法的 IPTV/家宽分段隐患检测装置、设备及计算机可读存储介质。
为了实现上述目的,本申请提供如下技术方案:
基于离群点算法的IPTV/家宽分段隐患检测方法,所述方法包括:
获取存在卡顿情况的用户归属的BNG、OLT、ONU以及STB,并确定用户的ONU以及STB的最终IP地址;
根据所述IP分别进行BNG到OLT的核查、BNG到ONU的核查以及BNG 到STB的核查,所述核查的内容包括计算BNG到OLT、BNG到ONU以及BNG到STB的丢包以及时延数据,并根据LOF算法确定丢包以及时延数据存在异常的情况对OLT、ONU以及STB可能存在问题的设备进行定位;
根据定位情况输出相应的核查表。
进一步,上述获取存在卡顿情况的用户归属的BNG、OLT、ONU以及 STB,并确定用户的ONU以及STB的IP,具体通过综资等相关系统收集用户归属的BNG、OLT、ONU以及STB,并通过python编程登录BNG获取用户的ONU以及STB的IP地址,进而结合用户归属的BNG、OLT、ONU以及STB以及登录BNG获取到的用户的ONU以及STB的IP地址确定用户的 ONU以及STB的最终IP地址。
进一步,通过引入threading模块以多线程的方式,实现多账号同时登录测试。
进一步,所述根据LOF算法确定丢包以及时延数据存在异常的情况的方式具体包括以下,
分别以丢包以及时延数据作为输入p,计算P的局部离群因子LOFk(p),
其中,LOFk(p)表示点p的领域点Nk(p)的局部可达密度与点p的局部可达之比的平均数的比值;
结合以上,
当进行BNG到OLT的核查时,判断样本数量是否大于第一阈值,若否,则判断用户的丢包或时延数据是否超过样本平均值的两倍,若是超过样本平均值的两倍则判断OLT有问题需要处理,
若是,则判断计算得出的相应的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断OLT有问题需要处理;
当进行BNG到ONU的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断ONU有问题需要处理;
当进行BNG到STB的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断STB有问题需要处理;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行以上处理。
本发明还提出基于离群点算法的IPTV/家宽分段隐患检测方法,应用于移动端APP,所述方法包括:
所述移动端APP经由WIFI连接ONU,在进行检测时,
移动端APP对自身与WIFI之间进行ping测试,获取并将ping测试得到的APP与WIFI/ONU/BNG之间的丢包以及时延数据上传至网管网的SGQM 服务器;
并发送检测请求指令至所述SGQM服务器;
接收所述SGQM服务器的核查表,完成检测。
进一步,所述检测请求指令具体包括,对APP与WIFI之间的核查、对 APP到ONU的核查、对APP到OLT的核查、对APP到BNG的核查。
进一步,当所述SGQM服务器接收到所述检测请求指令时,还会补充对 BNG到OLT、BNG到ONU以及BNG到STB的ping测试得到的相关探测段的丢包以及时延数据,以计算APP到OLT的时延和丢包数据,
并进行如下核查,
APP到WIFI的核查,将采集到APP到WIFI的相关丢包和时延数据进行 LOF计算,LOF超过K值,则判断相关WIFI需要进行核查;
APP到ONU核查,将采集到APP到ONU的相关丢包和时延数据进行 LOF计算,LOF超过K值,则判断相关ONU需要进行核查;
APP到OLT核查,将采集到丢包和时延数据进行LOF计算,LOF超过K 值,则判断相关OLT需要进行核查;
APP到BNG核查,将采集到丢包和时延数据进行LOF计算,LOF超过 K值,则判断相关BNG需要进行核查;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行以上处理。
本发明还提出基于离群点算法的IPTV/家宽分段隐患检测装置,包括:
第一运行模块,用于获取存在卡顿情况的用户归属的BNG、OLT、ONU 以及STB,并确定用户的ONU以及STB的最终IP地址;
第二运行模块,用于根据所述IP分别进行BNG到OLT的核查、BNG到 ONU的核查以及BNG到STB的核查,所述核查的内容包括计算BNG到OLT、 BNG到ONU以及BNG到STB的丢包以及时延数据,并根据LOF算法确定丢包以及时延数据存在异常的情况对OLT、ONU以及STB可能存在问题的设备进行定位;
第三运行模块,用于根据定位情况输出相应的核查表。
本发明还提出基于离群点算法的IPTV/家宽分段隐患检测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7中任一项所述的基于离群点算法的IPTV/家宽分段隐患检测方法的步骤。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于离群点算法的IPTV/家宽分段隐患检测方法的步骤。
有益效果:
本申请提供的基于离群点算法的IPTV/家宽分段隐患检测方法,通过结合 SGQM系统和互联网感知平台获取用户归属的STB\ONU\OLT\BNG,然后在网管网部署一台SGQM服务器,通过python编程实现服务器登录BNG,然后定期ping测试BNG到OLT、ONU、STB获取BNG到接入层各段落的丢包率和时延数据,然后将数据输入单边离群点检测算法进行计算(去除质优的离群点),根据计算出的LOF值判断隐患段落。然后指导客户服务部门进行相应的故障投诉处理,进而极大的优化用户的使用体验。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测方法的第一流程图;
图2为本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测装置的第一结构示意图;
图3为本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测设备的结构示意图;
图4为本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测方法的网络拓扑图;
图5为本申请中背景技术所提到的有线家庭宽带业务的结构原理图;
图6为本申请中LOF算法的原理示意图;
图7为本申请提供的基于离群点算法的IPTV/家宽分段隐患检测方法具体应用效果图;
图8为在应用了申请提供的基于离群点算法的IPTV/家宽分段隐患检测方法后的一个具体事例的前后效果对比图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
请参阅图1以及图4,图1为本申请实施例提供的基于离群点算法的IPTV/ 家宽分段隐患检测方法的第一流程图。
本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测方法,基于离群点算法的IPTV/家宽分段隐患检测方法,所述方法包括:
S101、获取存在卡顿情况的用户归属的BNG、OLT、ONU以及STB,并确定用户的ONU以及STB的最终IP地址;
S102、根据所述IP分别进行BNG到OLT的核查、BNG到ONU的核查以及BNG到STB的核查,所述核查的内容包括计算BNG到OLT、BNG到ONU以及BNG到STB的丢包以及时延数据,并根据LOF算法确定丢包以及时延数据存在异常的情况对OLT、ONU以及STB可能存在问题的设备进行定位;
S103、根据定位情况输出相应的核查表。安排人员核查相关设备,并回访客户使用情况,针对ONU/STB问题,安装人员上门处理,无法上门则申请重启ONU,STB(经统计大部分用户超一周不会重启,尤其ONU)。
在本实施例1中,通过结合SGQM系统和互联网感知平台获取用户归属的STB\ONU\OLT\BNG,然后在网管网部署一台SGQM服务器,通过python 编程实现服务器登录BNG,然后定期ping测试BNG到OLT、ONU、STB获取BNG到接入层各段落的丢包率和时延数据,然后将数据输入单边离群点检测算法进行计算(去除质优的离群点),根据计算出的LOF值判断隐患段落。然后指导客户服务部门进行相应的故障投诉处理,进而极大的优化用户的使用体验。
作为本发明的优选实施方式,上述获取存在卡顿情况的用户归属的BNG、 OLT、ONU以及STB,并确定用户的ONU以及STB的IP,具体通过综资等相关系统收集用户归属的BNG、OLT、ONU以及STB,并通过python编程登录BNG获取用户的ONU以及STB的IP地址,进而结合用户归属的BNG、 OLT、ONU以及STB以及登录BNG获取到的用户的ONU以及STB的IP地址确定用户的ONU以及STB的最终IP地址。
在本优选实施方式中,通过综资等系统收集用户归属的BNG、OLT、ONU、 STB,但由于用户的ONU和STB的IP地址是自动分配(会变化),则需要将登录BNG获取用户的ONU和STB地址,然后进行ping测试,OLT的IP 地址固定可实时ping.考虑用户量多,为减少采集时间,为进一步提升程序执行效率,引入threading模块将系统改为5个线程,实现5个账号同时登陆进行ping测。改为多线程后,一台OLT的ping执行时间缩短至20分钟左右。
作为本发明的优选实施方式,所述根据LOF算法确定丢包以及时延数据存在异常的情况的方式具体包括以下,
分别以丢包以及时延数据作为输入p,计算P的局部离群因子LOFk(p),
其中,LOFk(p)表示点p的领域点Nk(p)的局部可达密度与点p的局部可达之比的平均数的比值,如果这个比值越接近K值,说明p的其邻域点密度差不多,p可能和邻域同属一簇;如果这个比值越小于K值,说明p的密度高于其邻域点密度,p为密集点;如果这个比值越大于K值,说明p的密度小于其邻域点密度,p越可能是异常点。
参照图6,结合以上,lof的思想主要是通过比较每个点p和其邻域点的密度来判断该点是否为异常点,如果点p的密度越低,越可能被认定是异常点。至于密度,是通过点之间的距离来计算的,点之间距离越远,密度越低,距离越近,密度越高,完全符合我们的理解。而且,因为lof对密度的是通过点的第k邻域来计算,而不是全局计算,因此得名为“局部”异常因子,这样,对于图1的两种数据集C1和C2,lof完全可以正确处理,而不会因为数据密度分散情况不同而错误的将正常点判定为异常点。
本成果通过ping测采集的时延和丢包数据,使用二维离群点检测的LOF 算法获取离群点,然后通过离群点判断问题是出在ONU还是STB,或OLT。本方案通过python实现LOF算法,获取ONU、STB的LOF系数来确定是否离群点(异常点)。
参照图7,由于本离群点算法会将质量很好的点判断为离群点,所以本离群算法实现后求取平均阈值,优于阈值的点将不判断为离群点,即为单边离群点检测。
当进行BNG到OLT的核查时,判断样本数量是否大于第一阈值,若否,则判断用户的丢包或时延数据是否超过样本平均值的两倍,若是超过样本平均值的两倍则判断OLT有问题需要处理,
若是,则判断计算得出的相应的相应的丢包以及时延数据的LOFk(p)是否大于0,若是则判断OLT有问题需要处理;
当进行BNG到ONU的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于0,若是则判断ONU有问题需要处理;
当进行BNG到STB的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于0,若是则判断STB有问题需要处理;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行以上处理;
在实际操作中,发现LOF值为0阈值时,检测更为敏感,所以本申请文件以0阈值代替传统的1阈值,使检测更为精确。
离群点是一个数据对象,它显著不同于其他数据对象,好像它是被不同的机制产生的一样。有时也称非离群点为“正常数据”,离群点为“异常数据”。本方案采用LOF算法实现。
LOF算法(Local Outlier Factor),全称又叫局部异常因子,是一种基于距离的异常点检测算法。用视觉直观的感受一下,如图6所示,C1和C2是两类,而O1和O2则是相对孤立的离群点。本算法目标就是找到这类点。对本项目而言,就是时延和丢包率与平均值相关太远的点。
实施例2,本发明还提出基于离群点算法的IPTV/家宽分段隐患检测方法,应用于移动端APP,所述方法包括:
所述移动端APP经由WIFI连接ONU,在进行检测时,
移动端APP对自身与WIFI之间进行ping测试,获取并将ping测试得到的APP与WIFI之间的丢包以及时延数据上传至网管网的SGQM服务器;
并发送检测请求指令至所述SGQM服务器;
接收所述SGQM服务器的核查表,完成检测。
作为本发明的优选实施方式,所述检测请求指令具体包括,对APP与 WIFI之间的核查、对APP到ONU的核查、对APP到OLT的核查、对APP 到BNG的核查。
作为本发明的优选实施方式,当所述SGQM服务器接收到所述检测请求指令时,还会补充对BNG到OLT、BNG到ONU以及BNG到STB的ping 测试得到的相关探测段的丢包以及时延数据,
并进行如下核查,
APP到WIFI的核查,将采集到APP到WIFI的相关丢包和时延数据进行 LOF计算,LOF超过K值,则判断相关WIFI需要进行核查;
APP到ONU核查,将采集到APP到ONU的相关丢包和时延数据进行 LOF计算,LOF超过K值,则判断相关ONU需要进行核查。
APP到OLT核查,将采集到丢包和时延数据进行LOF计算,LOF超过K 值,则判断相关OLT需要进行核查。
APP到BNG核查,将采集到丢包和时延数据进行LOF计算,LOF超过 K值,则判断相关BNG需要进行核查;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行以上处理。
其中K值为设置的阈值,本发明提供的方式将K值设置为0,因为在测试时发现K值设置为0的话数据更为敏感,更容易检测出是否存在问题。当然也可以根据其他情况选择其他合理的阈值。
实施例2,能够开放手机APP,实现手机APP接入家庭宽带WIFI,通过 APP从家庭网络向上发起tracet路径,针对学习到的路径IP进行ping测试,获取手机到ONU、BNG时延和丢包数据。然后将数据上传服务器。服务器根据数据ping测OLT和ONU,补全APP到OLT的时延和丢包数据,然后将数据输入单边离群点检测算法计算隐患段落。
参照图2,实施例3,本发明还提出基于离群点算法的IPTV/家宽分段隐患检测装置,包括:
第一运行模块101,用于获取存在卡顿情况的用户归属的BNG、OLT、 ONU以及STB,并确定用户的ONU以及STB的最终IP地址;
第二运行模块102,用于根据所述IP分别进行BNG到OLT的核查、BNG 到ONU的核查以及BNG到STB的核查,所述核查的内容包括计算BNG到 OLT、BNG到ONU以及BNG到STB的丢包以及时延数据,并根据LOF算法确定丢包以及时延数据存在异常的情况对OLT、ONU以及STB可能存在问题的设备进行定位;
第三运行模块103,用于根据定位情况输出相应的核查表。
参照图3,实施例4,本发明还提出基于离群点算法的IPTV/家宽分段隐患检测设备,包括:
存储器201,用于存储计算机程序;
处理器202,用于执行所述计算机程序时实现如权利要求1至7中任一项所述的基于离群点算法的IPTV/家宽分段隐患检测方法的步骤。
最终对本发明的项目成果进行阐述,
本成果于2020年7月应用于韶关现网,并选取了部分OLT进行测试;应用情况有:
一、针对IPTV用户,通过ping测采集BNG到OLT\ONU\STB的时延和丢包,并通过离群点算法找到隐患点,解决了SGQM系统只知道此IPTV用户有问题但不知道问题出在那里,然后针对性进行处理。韶关于8月选取一个OLT进行测试,经系统检测有22个用户存在质差,然后上门进行处理或重启,解决20个质差用户,处理命中率高达91%。剩下的都是偶发性问题, OLT的电视卡顿时长占比相比整改前有提升,提高用户感知和满意度。
参照图8,通过挖掘质差并处理后,武江西联汇聚OLT设备故障用户占比(0.06%<卡顿时长占比<5%)下降了4.65%,严重故障用户(卡顿时长占比≥5%)占比下降0.5%,同时OLT下带的所有用户卡顿时长占比下降了 0.3%。对比前后处理结果,OLT下带用户故障用户与卡顿情况都得到优化。
二、针对家庭宽带用户,已完成电脑端软件开发,实现客户端收集tracert 路径和相应路径IP的时延和丢包,并上传到服务器。由于上传数据不包含到 OLT的时延和丢包,所以服务器收到数据先采集然后进行离群点计算,并将结果反馈给客户端。
本成果主要效益为节约人力,提高故障处理效率和提高网络质量,具体效益情况如下;
一、革新前:
广东移动公司现阶段IPTV业务或家宽用户端到端网络质量主要影响因素有:内容源、内容分发网络(CDN)、radius认证系统、IP城域网、GPON 网络、家庭网络。一般来说IP城域网及以上出问题均是整县以上出问题,由于问题范围大,而且监控机制也完善,所以出问题概率也较少,也较容易判断,但以下网络层级较难判断。
1、现全省主要通过SGQM系统和机顶盒部署的软探针来获取电视卡顿时长占比来进行分析,电视卡顿时长指标可以获取单个用户是否有发生卡顿,但却并不知道引起电视业务花屏和卡顿的问题段落,导致处理故障或投诉处理时,需要进行“试错”处理,增加处理的时间、效率也不高,而且未能及地有效发现问题.
2、现在家宽存在大量质差投诉,经核查有部分的问题归属于家庭网络问题,尤其以WIFI布置不合理居多(例如放在弱电箱信号不能穿墙),若是能在装机或投诉时有工具进行家宽WIFI网络的检测和往上检测将可以减少相应的投诉。
二、革新后:
1、网络质量:韶关于8月选取一个OLT进行测试,经系统检测有22个用户存在质差,然后上门进行处理或重启,解决20个质差用户,处理命中率高达91%,故障用户占比下降了4.65%,严重故障用户占比下降0.5%,同时 OLT下带的所有用户卡顿时长占比下降了0.3%。对比前后处理结果,OLT下带用户故障用户与卡顿情况都得到优化。
2、节约人力成本,提高故障处理效率:由于原来处理质差ONU\STB采用“试错”方式开展,经统计对质差ONU进行重启,处理后优化率达60%,本程序优化率达92%,通过本程序约可以提高32%效率。另外,考虑处理环节有BNG\OLT\ONU\STB,主要可处理为ONU和STB,业务分别为电视和家宽,则质差处理率约25%*2*0.5*92%约等于20%。取32%和20%的小值,则处理效率约提升20%,而且减少的故障处理时间也可以加快家宽上门装机时间,提高用户满意度。
参考6月份投诉工单中,大概58%是因用户侧质差(含电视和家宽)引起投诉的。韶关每月X万维护费用,则预估节省费用为:
90*(58%*0.5)*20%=5.22万/月,全年约5.22*12=62.64万/年。
则韶关方案全省推广后,则预估节省费用为:
5.22/0.28=185万/月,全年约185*12约为:2200万/年。
本方案具备如下优势:
一、本方案可提高故障投诉处理有效性。本方案8月份开展了试运行,抽取西联汇聚OLT1下带4000户进行测试,经过验证和现场针对性处理,电视卡顿花屏占比明显有提升。同时通过执行程序缓解了目前广东移动IP城域网电视业务卡顿和花屏无法判断接入侧问题的情况,通过程序自动运行提前发现隐患,并对投诉帐号进行精准分段判断,减少核查时间和人工成本。
二、本方案成本低。硬件部分:广东移动各市公司现IP城域网的BNG 设备均已接入网管网或带外网管,探测服务器为一台退网服务器安装了 windows server操作系统,硬件成本几乎没有。软件部分:在一台退网服务器部署常用的python、数据库相关的软件,并安装相应的python第三方库,探测服务器通过python程序可以telnet到BNG或OLT进行ping测。
三、本方案可复制性高。广东移动全省各地市IPTV业务涉及网络有:内容源、内容分发网络、IP城域网、GPON网络、家庭网络,整体网络拓朴大致相同。影响IPTV和家庭宽带业务用户感知的网络因素也是一样,所以其它地市引入不需要对现网进行改造,也不需要对软硬件适配性进行考虑,可轻松复制。对引入方案的其它地市,韶关公司将整理软硬件部署方案,并在搭建服务器软硬件环境时,本单位(或项目组)将给予的必要支撑。
综合考虑成本、效率、复制性,本方案存在推广应用价值。
本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于离群点算法的IPTV/家宽分段隐患检测方法的步骤。
本申请所涉及的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测装置及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的基于离群点算法的IPTV/家宽分段隐患检测方法中对应部分的详细说明,在此不再赘述。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于离群点算法的IPTV/家宽分段隐患检测方法,其特征在于,应用于网管网,所述网管网布置有SGQM服务器,所述方法包括:
获取存在卡顿情况的用户归属的BNG、OLT、ONU以及STB,并确定用户的ONU以及STB的最终IP地址;
根据所述IP分别进行BNG到OLT的核查、BNG到ONU的核查以及BNG到STB的核查,所述核查的内容包括计算BNG到OLT、BNG到ONU以及BNG到STB的丢包以及时延数据,并根据LOF算法确定丢包以及时延数据存在异常的情况对OLT、ONU以及STB可能存在问题的设备进行定位;
根据定位情况输出相应的核查表给客户服务部门处理;
所述根据LOF算法确定丢包以及时延数据存在异常的情况的方式具体包括以下,
分别以丢包以及时延数据作为输入p,计算p的局部离群因子LOFk(p),
其中,LOFk(p)表示点p的邻域点Nk(p)的局部可达密度与点p的局部可达密度之比的平均数的比值;
结合以上,
当进行BNG到OLT的核查时,判断样本数量是否大于第一阈值,若样本数量不大于第一阈值,则判断用户的丢包或时延数据是否超过样本平均值的两倍,若是超过样本平均值的两倍则判断OLT有问题需要处理,
若样本数量是大于第一阈值,则判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断OLT有问题需要处理;
当进行BNG到ONU的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断ONU有问题需要处理;
当进行BNG到STB的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断STB有问题需要处理;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行处理;
其中将K值设置为0。
2.根据权利要求1所述的基于离群点算法的IPTV/家宽分段隐患检测方法,其特征在于,上述获取存在卡顿情况的用户归属的BNG、OLT、ONU以及STB,并确定用户的ONU以及STB的IP,具体通过综资相关系统收集用户归属的BNG、OLT、ONU以及STB,并通过python编程登录BNG获取用户的ONU以及STB的IP地址,进而结合用户归属的BNG、OLT、ONU以及STB以及登录BNG获取到的用户的ONU以及STB的IP地址确定用户的ONU以及STB的最终IP地址。
3.根据权利要求1所述的基于离群点算法的IPTV/家宽分段隐患检测方法,其特征在于,通过引入threading模块以多线程的方式,实现多账号同时登录测试。
4.基于离群点算法的IPTV/家宽分段隐患检测方法,其特征在于,应用于移动端APP,所述方法包括:
所述移动端APP经由WIFI连接ONU,在进行检测时,
移动端APP对自身与WIFI之间进行ping测试,获取并将ping测试得到的APP与WIFI/ONU/BNG之间的丢包以及时延数据上传至网管网的SGQM服务器;
并发送检测请求指令至所述SGQM服务器;
接收所述SGQM服务器的核查表,完成检测;
当所述SGQM服务器接收到所述检测请求指令时,还会补充对BNG到OLT、BNG到ONU以及BNG到STB的ping测试得到的相关探测段的丢包以及时延数据,以计算APP到OLT的时延和丢包数据,
并进行如下核查,
APP到WIFI的核查,将采集到APP到WIFI的相关丢包和时延数据进行LOF计算,LOF超过K值,则判断相关WIFI需要进行核查;
APP到ONU核查,将采集到APP到ONU的相关丢包和时延数据进行LOF计算,LOF超过K值,则判断相关ONU需要进行核查;
APP到OLT核查,将采集到丢包和时延数据进行LOF计算,LOF超过K值,则判断相关OLT需要进行核查;
APP到BNG核查,将采集到丢包和时延数据进行LOF计算,LOF超过K值,则判断相关BNG需要进行核查;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行处理;
其中K值为0。
5.根据权利要求4所述的基于离群点算法的IPTV/家宽分段隐患检测方法,其特征在于,所述检测请求指令具体包括,对APP与WIFI之间的核查、对APP到ONU的核查、对APP到OLT的核查和对APP到BNG的核查。
6.基于离群点算法的IPTV/家宽分段隐患检测装置,其特征在于,包括:
第一运行模块,用于获取存在卡顿情况的用户归属的BNG、OLT、ONU以及STB,并确定用户的ONU以及STB的最终IP地址;
第二运行模块,用于根据所述IP分别进行BNG到OLT的核查、BNG到ONU的核查以及BNG到STB的核查,所述核查的内容包括计算BNG到OLT、BNG到ONU以及BNG到STB的丢包以及时延数据,并根据LOF算法确定丢包以及时延数据存在异常的情况对OLT、ONU以及STB可能存在问题的设备进行定位;
第三运行模块,用于根据定位情况输出相应的核查表;
所述根据LOF算法确定丢包以及时延数据存在异常的情况的方式具体包括以下,
分别以丢包以及时延数据作为输入p,计算p的局部离群因子LOFk(p),
其中,LOFk(p)表示点p的邻域点Nk(p)的局部可达密度与点p的局部可达密度之比的平均数的比值;
结合以上,
当进行BNG到OLT的核查时,判断样本数量是否大于第一阈值,若样本数量不大于第一阈值,则判断用户的丢包或时延数据是否超过样本平均值的两倍,若是超过样本平均值的两倍则判断OLT有问题需要处理,
若样本数量是大于第一阈值,则判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断OLT有问题需要处理;
当进行BNG到ONU的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断ONU有问题需要处理;
当进行BNG到STB的核查时,判断计算得出的相应的丢包以及时延数据的LOFk(p)是否大于K值,若是则判断STB有问题需要处理;
另外,时延数据为300,丢包数据为1为核查默认值,表示用户不在线,不计入所述用户的数据;
当时延数据小于5毫秒的相关用户数据定义为质优数据,若存在质优数据则无需进行处理;
其中将K值设置为0。
7.基于离群点算法的IPTV/家宽分段隐患检测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5中任一项所述的基于离群点算法的IPTV/家宽分段隐患检测方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的基于离群点算法的IPTV/家宽分段隐患检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110013398.2A CN112954302B (zh) | 2021-01-06 | 2021-01-06 | 基于离群点算法的iptv/家宽分段隐患检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110013398.2A CN112954302B (zh) | 2021-01-06 | 2021-01-06 | 基于离群点算法的iptv/家宽分段隐患检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112954302A CN112954302A (zh) | 2021-06-11 |
CN112954302B true CN112954302B (zh) | 2022-08-23 |
Family
ID=76235068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110013398.2A Active CN112954302B (zh) | 2021-01-06 | 2021-01-06 | 基于离群点算法的iptv/家宽分段隐患检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112954302B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114641027B (zh) * | 2022-03-21 | 2023-06-27 | 广西广电新媒体有限公司 | 一种无线办公网络多用户精准体验主动感知系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846310A (zh) * | 2017-10-25 | 2018-03-27 | 中邮科通信技术股份有限公司 | 一种基于客户资源树的iptv视频质差联动拨测定界方法 |
CN109560984A (zh) * | 2018-11-13 | 2019-04-02 | 苏宁易购集团股份有限公司 | 一种网络服务响应时间异常检测方法及装置 |
CN109995429A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团四川有限公司 | 宽带用户侧故障检测方法、装置、设备及介质 |
-
2021
- 2021-01-06 CN CN202110013398.2A patent/CN112954302B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846310A (zh) * | 2017-10-25 | 2018-03-27 | 中邮科通信技术股份有限公司 | 一种基于客户资源树的iptv视频质差联动拨测定界方法 |
CN109995429A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团四川有限公司 | 宽带用户侧故障检测方法、装置、设备及介质 |
CN109560984A (zh) * | 2018-11-13 | 2019-04-02 | 苏宁易购集团股份有限公司 | 一种网络服务响应时间异常检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112954302A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9130845B2 (en) | Network congestion analysis | |
US8144835B2 (en) | Digital subscriber line (DSL) diagnostic tools and methods to use the same | |
US8868736B2 (en) | Estimating a severity level of a network fault | |
US8867371B2 (en) | Estimating physical locations of network faults | |
US10506053B2 (en) | Location aware security system | |
US8837302B2 (en) | Mapping a network fault | |
US10477199B2 (en) | Method for identifying and prioritizing fault location in a cable plant | |
US9042236B2 (en) | Method using equalization data to determine defects in a cable plant | |
US20130291034A1 (en) | Network Monitoring with Estimation of Network Path to Network Element Location | |
CN110555630B (zh) | 一种数据处理方法及装置 | |
CN103974139B (zh) | 一种终端网络故障检测方法、设备和系统 | |
CN112954302B (zh) | 基于离群点算法的iptv/家宽分段隐患检测方法及装置 | |
US8515014B2 (en) | Methods, apparatus and articles of manufacture to characterize customer-premises networks | |
CN109818764B (zh) | Iptv网络设备故障检测方法和装置 | |
US20150063141A1 (en) | Estimating line rate | |
US20190166399A1 (en) | Method and Device for Identifying and Verifying the Illegitimate Use of Residential Set-Top Boxes | |
US11595290B2 (en) | Systems and techniques for assessing a customer premises equipment device | |
US20180234131A1 (en) | Line fault classification | |
KR20190004970A (ko) | 네트워크품질 데이터 기반 실시간 고장원인분석 시스템 및 방법 | |
EP2976839B1 (en) | Identifying line faults using regression analysis on near and far end errors | |
CN109120917B (zh) | 一种克隆cm的检测方法和系统 | |
TWI533688B (zh) | Network protocol television service network anomaly node judgment method | |
CN110958494A (zh) | 一种基于xdr记录识别视频卡顿的方法 | |
TW201507401A (zh) | 應用於預警網路品質劣化的系統和方法 |
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 |