CN113708949A - 一种告警根因定位方法及装置 - Google Patents
一种告警根因定位方法及装置 Download PDFInfo
- Publication number
- CN113708949A CN113708949A CN202010441570.XA CN202010441570A CN113708949A CN 113708949 A CN113708949 A CN 113708949A CN 202010441570 A CN202010441570 A CN 202010441570A CN 113708949 A CN113708949 A CN 113708949A
- Authority
- CN
- China
- Prior art keywords
- alarm data
- topology
- alarm
- frequent
- network element
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- OOXMVRVXLWBJKF-DUXPYHPUSA-N n-[3-[(e)-2-(5-nitrofuran-2-yl)ethenyl]-1,2,4-oxadiazol-5-yl]acetamide Chemical compound O1C(NC(=O)C)=NC(\C=C\C=2OC(=CC=2)[N+]([O-])=O)=N1 OOXMVRVXLWBJKF-DUXPYHPUSA-N 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013589 supplement Substances 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
- H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供了一种告警根因定位方法及装置，该方法实现自动定位告警根因，提高告警根因的效率，进而提高故障定位的效率。并且，每个预设时间获取一次告警数据，可以保证对新的告警数据进行，保证告警根因定位的时效性。对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合作为告警簇，可以降低对告警数据之间的关联关系进行分析的复杂度，进一步提高告警根因定位的效率。以及，基于预先设定的虚拟网元拓扑，分别对各个告警簇中告警数据之间的管理关系进行分析，从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因，可以提高告警根因定位的准确性。
Description
技术领域
本申请涉及故障定位技术领域，特别涉及一种告警根因定位方法及装置。
背景技术
随着网络业务的规模日益增大及网络业务的结构日趋复杂，网络业务产生的告警数量也急剧增长，告警之间的关联关系也越发复杂。
在上述情况下，通过人工判定告警之间的因果关系，来定位告警根因(即告警产生的根本原因)的方式，难以满足快速定位告警根因的需求，导致故障定位效率低。
发明内容
为解决上述技术问题，本申请实施例提供一种告警根因定位方法及装置，以达到提高告警根因的效率，进而提高故障定位的效率的目的，技术方案如下：
一种告警根因定位方法，包括：
每隔预设时间获取一次告警数据；
对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；
基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值；
从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
优选的，所述对获取到的告警数据进行分类，包括：
利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类。
优选的，所述对获取到的告警数据进行分类，包括：
利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类。
优选的，所述预先设定的虚拟网元拓扑的生成过程，包括：
获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
或，获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
获取所述网元的内部资源拓扑及不同所述网元间的网络拓扑的变更信息；
基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑。
优选的，所述从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因，包括：
获取所述置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间；
判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内；
若是，则将选取出的频繁二元项集作为告警根因。
一种告警根因定位装置，包括：
获取模块，用于每隔预设时间获取一次告警数据；
分类模块，用于对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；
分析模块，用于基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值；
确定模块，用于从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
优选的，所述分类模块，具体用于：
利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类。
优选的，所述分类模块，具体用于：
利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类。
优选的，所述装置还包括：
生成模块，用于：
获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
或，获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
获取所述网元的内部资源拓扑及不同所述网元间的网络拓扑的变更信息；
基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑。
优选的，所述确定模块，具体用于：
获取所述置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间；
判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内；
若是，则将选取出的频繁二元项集作为告警根因。
与现有技术相比，本申请的有益效果为：
在本申请中，通过每隔预设时间获取一次告警数据；对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；基于预先设定的虚拟网元拓扑，分别对各个告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，从频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因的方式，实现自动定位告警根因，提高告警根因的效率，进而提高故障定位的效率。
并且，每个预设时间获取一次告警数据，可以保证对新的告警数据进行，保证告警根因定位的时效性。对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合作为告警簇，可以降低对告警数据之间的关联关系进行分析的复杂度，进一步提高告警根因定位的效率。以及，基于预先设定的虚拟网元拓扑，分别对各个告警簇中告警数据之间的管理关系进行分析，从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因，可以提高告警根因定位的准确性。
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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的一种故障根因定位方法实施例1的流程图；
图2是本申请提供的一种故障根因定位方法实施例2的流程图；
图3是本申请提供的一种故障根因定位方法实施例3的流程图；
图4是本申请提供的一种故障根因定位方法实施例4的流程图；
图5是本申请提供的一种故障根因定位装置的逻辑结构示意图。
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。
本申请实施例公开了一种告警根因定位方法，包括：每隔预设时间获取一次告警数据；对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值；从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。本申请实施例公开的告警根因定位方法可以提高告警根因定位的效率及准确性。
如图1所示的，为本申请提供的一种告警根因定位方法实施例1的流程图，可以包括以下步骤：
步骤S11、每隔预设时间获取一次告警数据。
本实施例中，可以从历史告警数据库中获取告警数据，当然，也可以设置接口，实时获取网络业务产生的告警数据。
本实施例中，预设时间可以根据需要进行设置，在本实施例中不做限制。
每隔预设时间获取一次告警数据的过程，可以包括但不局限于：
S111、每隔预设时间获取一次告警数据；
S112、对获取到的告警数据进行数据清洗。
对获取到的告警数据进行数据清洗，可以包括但不局限于：对获取到的告警数据进行格式转换、删除错误数据和补充缺失数据。
对获取到的告警数据进行数据清洗，可以保证后续基于清洗后的告警数据进行相关处理的准确性及效率。
步骤S12、对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇。
对获取到的告警数据进行分类，得到分类结果，并基于分类结果，将属于同一类别的告警数据组成的集合，作为告警簇。
步骤S13、基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集。
预先设定的虚拟网元拓扑可以表征网元之间的关系，并且，告警数据中包含网元信息，因此，可以基于预先设定的虚拟网元拓扑表征的网元之间的关系，及告警数据中包含的网元信息，对告警数据之间的关联关系进行分析，得到至少一个频繁二元项集。
其中，频繁二元项集由两个存在关联关系的告警数据组成，且频繁二元项集的支持度大于设定的最小支持度阈值。
其中，预先设定的虚拟网元拓扑的生成过程，可以包括：
S131、获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑。
具体地，可以但不局限于从NFVO获取5G核心网的网元的内部资源拓扑及不同网元间的网络拓扑。
不同网元间的网络拓扑可以表征不同网元间的关联关系。
当然，预先设定的虚拟网元拓扑的生成过程，也可以包括：
S132、获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑。
步骤S132的详细过程可以参见步骤S131的相关介绍，在此不再赘述。
S133、获取所述网元的内部资源拓扑及不同所述网元间的网络拓扑的变更信息。
本实施例中，在检测到NFVO中网元的内部资源拓扑及不同网元间的网络拓扑发生变更时，从NFVO获取网元的内部资源拓扑及不同网元间的网络拓扑的变更信息。
具体地，可以主动请求从NFVO获取网元的内部资源拓扑及不同网元间的网络拓扑的变更信息；或，接收NFVO上报的网元的内部资源拓扑及不同网元间的网络拓扑的变更信息。
S134、基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑。
基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑，可以保证虚拟网元拓扑的时效性，进而保证告警根因定位的准确性。
本实施例中，可以利用关联算法(Apriori)，对告警数据之间的关联关系进行分析。
步骤S14、从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
基于关联算法，可以确定频繁二元项集的置信度，并从频繁二元项及中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
告警根因可以理解为：告警数据产生的根本原因。如，频繁二元项集包括：电压异常和基站退服两个告警数据，电压异常则为基站退服产生的根本原因。
需要说明的是，如果在实际的检测中发现上述告警根因并不是根因，可以对步骤S11-S14中所依赖的算法及网络拓扑进行调整优化，直至告警根因的准确性达到要求。
本实施例中，可以将告警根因进行可视化展示，使告警根因展示更直观。
在本申请中，通过每隔预设时间获取一次告警数据；对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；基于预先设定的虚拟网元拓扑，分别对各个告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，从频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因的方式，实现自动定位告警根因，提高告警根因的效率，进而提高故障定位的效率。
并且，每个预设时间获取一次告警数据，可以保证对新的告警数据进行，保证告警根因定位的时效性。对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合作为告警簇，可以降低对告警数据之间的关联关系进行分析的复杂度，进一步提高告警根因定位的效率。以及，基于预先设定的虚拟网元拓扑，分别对各个告警簇中告警数据之间的管理关系进行分析，从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因，可以提高告警根因定位的准确性。
作为本申请另一可选实施例，参照图2，为本申请提供的一种告警根因定位方法实施例2的流程图，本实施例主要是对上述实施例1描述的告警根因定位方法的细化方案，如图2所示，该方法可以包括但并不局限于以下步骤：
步骤S21、每隔预设时间获取一次告警数据。
步骤S21的详细过程可以参见实施例1中步骤S11的相关介绍，在此不再赘述。
步骤S22、利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类，将属于同一类别的告警数据组成的集合，作为告警簇。
本实施例中，利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类，可以理解为：
S221、基于获取到的告警数据的发生时间，确定告警数据之间的欧式距离；
S222、每次选择欧式距离最短的两个告警数据进行合并，直到满足设定条件时，停止合并；
S223、将合并得到告警数据作为同一类别的告警数据。
步骤S22为实施例1中步骤S12的一种具体实施方式。
步骤S23、基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集。
所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值。
步骤S24、从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
步骤S23-S24的详细过程可以参见实施例1中步骤S13-S14的相关介绍，在此不再赘述。
本实施例中，利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类，可以保证对获取到的告警数据进行分类的准确性，进而保证告警根因定位的准确性。
作为本申请另一可选实施例，参照图3，为本申请提供的一种告警根因定位方法实施例3的流程图，本实施例主要是对上述实施例1描述的告警根因定位方法的细化方案，如图3所示，该方法可以包括但并不局限于以下步骤：
步骤S31、每隔预设时间获取一次告警数据。
步骤S31的详细过程可以参见实施例1中步骤S11的相关介绍，在此不再赘述。
步骤S32、利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类，将属于同一类别的告警数据组成的集合，作为告警簇。
步骤S32为实施例1中步骤S12的一种具体实施方式。
步骤S33、基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集。
所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值。
步骤S34、从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
步骤S33-S34的详细过程可以参见实施例1中步骤S13-S14的相关介绍，在此不再赘述。
利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类，可以简化分类过程，提高分类效率，进而提高告警根因定位的效率。
作为本申请另一可选实施例，参照图4，为本申请提供的一种告警根因定位方法实施例4的流程图，本实施例主要是对上述实施例1描述的告警根因定位方法的细化方案，如图4所示，该方法可以包括但并不局限于以下步骤：
步骤S41、每隔预设时间获取一次告警数据。
步骤S42、对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇。
步骤S43、基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集。
所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值。
步骤S41-S43的详细过程可以参见实施例1中步骤S11-S13的相关介绍，在此不再赘述。
步骤S44、获取置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间。
告警数据中包含有清除时间。清除时间可以理解为：清除告警数据的时间。
第一告警数据和第二告警数据为不同的告警数据。且，第一告警数据和第二告警数据之间存在因果关系。
步骤S45、判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内。
在第一告警数据和第二告警数据之间存在因果关系的情况下，第一告警数据和第二告警数据的清除时间是相近的，因此可以判断第一告警数据的清除时间和第二告警数据的清除时间是否均在设定的时间范围内，来进一步验证第一告警数据和第二告警数据之间的关系。
若是，则执行步骤S46。
步骤S46、将选取出的频繁二元项集作为告警根因。
步骤S44-S46为实施例1中步骤S14的一种具体实施方式。
本实施例中，通过获取所述置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间，并判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内，来验证频繁二元项集中第一告警数据和第二告警数据之间的关系，以此提高告警根因定位的准确率。
接下来对本申请提供的告警根因定位装置进行介绍，下文介绍的告警根因定位装置与上文介绍的告警根因定位方法可相互对应参照。
请参见图5，告警根因定位装置包括：获取模块11、分类模块12、分析模块13和确定模块14。
获取模块11，用于每隔预设时间获取一次告警数据；
分类模块12，用于对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；
分析模块13，用于基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值；
确定模块14，用于从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
本实施例中，分类模块12，具体可以用于：
利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类。
分类模块12，具体可以用于：
利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类。
本实施例中，告警根因定位装置还可以包括：
生成模块，用于：
获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
或，获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
获取所述网元的内部资源拓扑及不同所述网元间的网络拓扑的变更信息；
基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑。
本实施例中，确定模块14具体可以用于：
获取所述置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间；
判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内；
若是，则将选取出的频繁二元项集作为告警根因。
需要说明的是，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，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。
为了描述的方便，描述以上装置时以功能分为各种网元分别描述。当然，在实施本申请时可以把各网元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
以上对本申请所提供的一种告警根因定位方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种告警根因定位方法，其特征在于，包括：
每隔预设时间获取一次告警数据；
对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；
基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值；
从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
2.根据权利要求1所述的方法，其特征在于，所述对获取到的告警数据进行分类，包括：
利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类。
3.根据权利要求1所述的方法，其特征在于，所述对获取到的告警数据进行分类，包括：
利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类。
4.根据权利要求1所述的方法，其特征在于，所述预先设定的虚拟网元拓扑的生成过程，包括：
获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
或，获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
获取所述网元的内部资源拓扑及不同所述网元间的网络拓扑的变更信息；
基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑。
5.根据权利要求1所述的方法，其特征在于，所述从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因，包括：
获取所述置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间；
判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内；
若是，则将选取出的频繁二元项集作为告警根因。
6.一种告警根因定位装置，其特征在于，包括：
获取模块，用于每隔预设时间获取一次告警数据；
分类模块，用于对获取到的告警数据进行分类，将属于同一类别的告警数据组成的集合，作为告警簇；
分析模块，用于基于预先设定的虚拟网元拓扑，分别对各个所述告警簇中告警数据之间的关联关系进行分析，得到至少一个频繁二元项集，所述频繁二元项集由两个存在关联关系的告警数据组成，且所述频繁二元项集的支持度大于设定的最小支持度阈值；
确定模块，用于从所述频繁二元项集中选取置信度大于置信度阈值的频繁二元项集，将选取出的频繁二元项集作为告警根因。
7.根据权利要求6所述的装置，其特征在于，所述分类模块，具体用于：
利用层次聚类算法，基于获取到的告警数据的发生时间，对获取到的告警数据进行聚类。
8.根据权利要求6所述的装置，其特征在于，所述分类模块，具体用于：
利用设定大小的矩形窗口，以设定步长在获取到的告警数据的发生时间所组成的时间轴上滑动，将所述矩形窗口内的发生时间所属告警数据划分为一类。
9.根据权利要求6所述的装置，其特征在于，所述装置还包括：
生成模块，用于：
获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
或，获取网元的内部资源拓扑及不同所述网元间的网络拓扑，将所述网元的内部资源拓扑及不同所述网元间的网络拓扑，组成虚拟网元拓扑；
获取所述网元的内部资源拓扑及不同所述网元间的网络拓扑的变更信息；
基于所述变更信息，更新所述虚拟网元拓扑，将更新后的虚拟网元拓扑作为预先设定的虚拟网元拓扑。
10.根据权利要求6所述的装置，其特征在于，所述确定模块，具体用于：
获取所述置信度大于置信度阈值的频繁二元项集中第一告警数据和第二告警数据的清除时间；
判断所述第一告警数据的清除时间和所述第二告警数据的清除时间是否均在设定的时间范围内；
若是，则将选取出的频繁二元项集作为告警根因。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010441570.XA CN113708949A (zh) | 2020-05-22 | 2020-05-22 | 一种告警根因定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010441570.XA CN113708949A (zh) | 2020-05-22 | 2020-05-22 | 一种告警根因定位方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113708949A true CN113708949A (zh) | 2021-11-26 |
Family
ID=78646277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010441570.XA Pending CN113708949A (zh) | 2020-05-22 | 2020-05-22 | 一种告警根因定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113708949A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114091710A (zh) * | 2022-01-20 | 2022-02-25 | 广东智修互联大数据有限公司 | 一种全国维修维护技术支撑方法及系统 |
| CN115412422A (zh) * | 2022-08-08 | 2022-11-29 | 浪潮云信息技术股份公司 | 一种动态窗口调整系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103746831A (zh) * | 2013-12-24 | 2014-04-23 | 华为技术有限公司 | 一种告警分析的方法、装置及系统 |
| CN109412867A (zh) * | 2018-12-06 | 2019-03-01 | 国家电网有限公司信息通信分公司 | 一种告警关联合并方法、装置、系统、设备和存储介质 |
| CN109684181A (zh) * | 2018-11-20 | 2019-04-26 | 华为技术有限公司 | 告警根因分析方法、装置、设备及存储介质 |
| CN111125268A (zh) * | 2019-12-27 | 2020-05-08 | 南京亚信软件有限公司 | 网络告警分析模型创建方法、告警分析方法及装置 |
-
2020
- 2020-05-22 CN CN202010441570.XA patent/CN113708949A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103746831A (zh) * | 2013-12-24 | 2014-04-23 | 华为技术有限公司 | 一种告警分析的方法、装置及系统 |
| CN109684181A (zh) * | 2018-11-20 | 2019-04-26 | 华为技术有限公司 | 告警根因分析方法、装置、设备及存储介质 |
| CN109412867A (zh) * | 2018-12-06 | 2019-03-01 | 国家电网有限公司信息通信分公司 | 一种告警关联合并方法、装置、系统、设备和存储介质 |
| CN111125268A (zh) * | 2019-12-27 | 2020-05-08 | 南京亚信软件有限公司 | 网络告警分析模型创建方法、告警分析方法及装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114091710A (zh) * | 2022-01-20 | 2022-02-25 | 广东智修互联大数据有限公司 | 一种全国维修维护技术支撑方法及系统 |
| CN114091710B (zh) * | 2022-01-20 | 2022-04-12 | 广东立升数字技术有限公司 | 一种全国维修维护技术支撑方法及系统 |
| CN115412422A (zh) * | 2022-08-08 | 2022-11-29 | 浪潮云信息技术股份公司 | 一种动态窗口调整系统 |
| CN115412422B (zh) * | 2022-08-08 | 2024-02-20 | 浪潮云信息技术股份公司 | 一种动态窗口调整系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110839016B (zh) | 异常流量监测方法、装置、设备及存储介质 | |
| US7912714B2 (en) | Method for segmenting communication transcripts using unsupervised and semi-supervised techniques | |
| CN112329847A (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
| CN111612038B (zh) | 异常用户检测方法及装置、存储介质、电子设备 | |
| CN111796957B (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
| CN109710766B (zh) | 一种工单数据的投诉倾向分析预警方法及装置 | |
| CN113708949A (zh) | 一种告警根因定位方法及装置 | |
| CN112783682B (zh) | 一种基于云手机服务的异常自动修复方法 | |
| CN110417867B (zh) | 移动边缘环境下的Web服务QoS监控方法 | |
| CN111914932A (zh) | 用于异常检测的模型选择和参数估计 | |
| KR101172579B1 (ko) | 이상 속성을 포함하는 데이터의 검출 방법 및 장치 | |
| CN112765003B (zh) | 一种基于app行为日志的风险预测方法 | |
| CN113051308A (zh) | 告警信息处理方法、设备、存储介质及装置 | |
| CN114978877B (zh) | 一种异常处理方法、装置、电子设备及计算机可读介质 | |
| US8543552B2 (en) | Detecting statistical variation from unclassified process log | |
| US20180260396A1 (en) | Method and system for mapping attributes of entities | |
| CN115130847A (zh) | 一种设备画像建模方法及系统 | |
| CN114090393A (zh) | 一种告警级别的确定方法、装置及设备 | |
| CN114331698A (zh) | 风险画像的生成方法、装置、终端及存储介质 | |
| US10346851B1 (en) | Automated incident, problem, change correlation analysis system | |
| CN112163415A (zh) | 针对反馈内容的用户意图识别方法、装置及电子设备 | |
| JP2023145767A (ja) | 語彙抽出支援システムおよび語彙抽出支援方法 | |
| GB2465860A (en) | A directed graph behaviour model for monitoring a computer system in which each node of the graph represents an event generated by an application | |
| CN116668264A (zh) | 一种告警聚类的根因分析方法、装置、设备及存储介质 | |
| CN111798237B (zh) | 基于应用日志的异常交易诊断方法及系统 |
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 |