CN113852512A - 数据分析方法、电子设备及存储介质 - Google Patents
数据分析方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113852512A CN113852512A CN202010600125.3A CN202010600125A CN113852512A CN 113852512 A CN113852512 A CN 113852512A CN 202010600125 A CN202010600125 A CN 202010600125A CN 113852512 A CN113852512 A CN 113852512A
- Authority
- CN
- China
- Prior art keywords
- data
- network performance
- network
- outputting
- preset threshold
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 abstract description 7
- 238000012423 maintenance Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 102000018059 CS domains Human genes 0.000 description 4
- 108050007176 CS domains Proteins 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing 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
- H04L41/14—Network analysis or design
-
- 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
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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
-
- 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
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
-
- 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
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施方式涉及通信技术领域,公开了一种数据分析方法,包括:获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据;根据所述第二数据相对于所述第一数据的数据波动性输出网络更新后的网络性能分析结果。本发明实施方式还公开了一种电子设备及存储介质。本发明实施方式提供的数据分析方法、电子设备及存储介质,可以提高网络性能评估的效率,减少人力成本的耗费。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种数据分析方法、电子设备及存储介质。
背景技术
为了满足社会日常生活、商业及公共服务等各方面的通讯需要,通信网络需要保证持续稳定的运行。然而,为了提高网络性能或用户体验,通信网络系统需要经常修改网络参数、升级版本等重大操作,这些重大操作可能会带来通信网络的不稳定,需要对操作前后的网络性能进行评估,以确定重大操作是否合适,若不合适则需要进行回退,以保证通信网络的稳定运行。
目前,为了评估重大操作前后的网络性能,网络运维人员通过设计多个网络性能指标数据,根据操作前后各个网络性能指标数据的变化对重大操作的效果进行评估。
然而,传统的方法通常是由网络运维人员人工对比操作前后多个网络性能指标的变化,需要耗费大量的人力成本,评估的效率较低。
发明内容
本发明实施方式的目的在于提供一种数据分析方法、电子设备及存储介质,使得对网络性能评估的效率提高,减少人力成本的耗费。
为解决上述技术问题,本发明的实施方式提供了一种数据分析方法,包括:获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据;根据所述第二数据相对于所述第一数据的数据波动性输出网络更新后的网络性能分析结果。
本发明的实施方式还提供了一种电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的数据分析方法。
本发明的实施方式还提供了一种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的数据分析方法。
本发明实施方式相对于现有技术而言,通过获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据,根据第二数据相对于第一数据的数据波动性输出网络更新后的网络性能分析结果。由于数据波动性可以有效地反映网络更新后的网络性能的变化,因此通过网络更新前后的数据自动计算数据波动性,并根据数据波动性输出网络更新后的网络性能的分析结果,可以有效地实现对网络更新的效果的评估,不需要网络运维人员进行人工对比分析,从而减少人力成本的耗费,提高网络更新评估的效率。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定。
图1是本发明第一实施方式提供的数据分析方法的应用场景示例图;
图2是本发明第一实施方式提供的数据分析方法的流程示意图;
图3是本发明第二实施方式提供的数据分析方法的流程示意图;
图4是本发明第三实施方式提供的数据分析方法的流程示意图;
图5是本发明第三实施方式提供的数据分析方法中S304之后步骤的流程示意图;
图6是本发明第四实施方式提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施例进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施例中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种数据分析方法,通过获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据,根据第二数据相对于第一数据的数据波动性输出网络更新后的网络性能分析结果。根据网络性能指标在网络更新后的数据相对于网络更新前的数据波动性对网络更新后的效果进行分析,输出网络更新后的网络性能分析结果,可以不需要网络运维人员人工对比,从而减少人力成本的耗费,提高网络更新评估的效率。
应当说明的是,本发明实施方式提供的数据分析方法的执行主体为服务端,其中,服务端可以由单独的服务器或多个服务器组成的服务器集群来实现,以下以服务端为例进行说明。
请参考图1,其为本发明实施方式提供的数据分析方法的一可选应用场景,即应用在LTE网络环境中,由于LTE网络中会涉及到对网络参数的修改、版本升级等重大操作,例如,在LTE网络中新开一个网络据点,需要频繁根据网络运行状态调整参数或进行版本升级,因此,为了保证网络能够稳定运行,需要对LTE网络在网络更新后的效果进行评估,从而决定保留网络更新的状态还是执行回退。可以理解的是,本发明实施方式也可应用在5G网络等其它网络环境中。
本发明实施方式提供的数据分析方法的具体流程如图2所示,具体包括以下步骤:
S101:获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据。
其中,网络性能指标数据可以包括关键性能指标数据(KPI)或一般的性能指标数据,例如是RRC掉话率、RRC连接建立成功率、上下行平均流量等可以反映网络运行状态的性能指标数据,具体可以根据实际需要进行选用,本发明实施方式对此不做具体限定。
在获取第一数据时,可以获取网络更新前的部分或全部网络性能指标数据作为第一数据;同样地,在获取第二数据时,可以获取网络更新后的部分或全部网络性能指标数据作为第二数据。可以理解的是,第一数据的数据量与第二数据的数据量可以相同也可以不同,例如,第一数据为5天的数据,第二数据为3天的数据。可选地,为了使第一数据和第二数据更有可比性,第一数据和第二数据时可以具有相同的数据量,例如,若第一数据为5天的数据,则第二数据亦为5天的数据。进一步地,由于工作日的网络运行状态与周末的可能不同,为了使第一数据和第二数据的数据更加具有可比性,第一数据和第二数据在工作日和周末的具体天数上可以对应,例如,若第一数据为周一至周五这五天的数据,则第二数据同样为周一至周五的数据。同样地,第一数据和第二数据还可以在时间点上更加对应,例如,若第一数据为凌晨0点至早上7点的数据,则第二数据亦为凌晨0点至早上7点的数据。
实际应用中,第一数据和第二数据的选取通常会面临两种情况:一种是网络更新后的快速评估,例如在网络更新后的一天内完成网络更新的评估,运维人员需要尽快知道网络更新的评估结果;一种是在网络更新较长时间后的稳定性评估,即网络更新后短期内未发现异常,但长期运行的稳定效果仍需要运维人员进行评估。对于第一种情况,由于网络更新后的网络性能指标数据较少,第二数据可以选取的数据量较少,因此可以选取时间粒度较细的网络性能指标数据,例如是15分钟的采样数据,而网络更新前的网络性能指标数据较多,第一数据的选取数据较多,在选取时间粒度与第二数据相同的同时,可以将多天某个时间点的数据的平均值作为其中一个数据,例如,若第一数据为周一早上8点的数据,则第二数据可以为多个周一早上8点的数据的平均值。对于第二种情况,由于网络更新前和网络更新后的网络性能指标数据均较多,为了使第一数据和第二数据更有代表性,可以选取时间跨度范围较大的数据,例如第一数据和第二数据均将多个周一早上8点的数据的平均值作为其中一个数据。
由于网络性能指标数据可能有缺失或者其它缺陷,第一数据和第二数据可以进行相应的预处理,其中,预处理可以包括填补缺失值、平滑滤波等,例如,填补缺失值可以是对于有缺失值的数据采样时刻,用前一时刻的采样值填补,平滑滤波可以是对于超过数据均值加/减3倍标准差的采样值,用数据的中值代替。当然,预处理还可以采用其它的方式,处理的方式也可以是其它的方式,具体如何进行预处理可以根据实际需要进行设置,此处不做具体限制。
S102:根据第二数据相对于第一数据的数据波动性输出网络更新后的网络性能分析结果。
可选地,在分析第二数据相对于第一数据的数据波动性时,可以使用数据挖掘或机器学习等算法,具体使用的算法可以根据实际需要进行设置或选用,此处不做具体限制,只要能比较出第二数据相对于第一数据的数据波动性即可。另外,数据波动性可以使用标准差来衡量,亦可以使用其它的方法或标准来衡量。
可以理解的是,由于当数据波动较大时,网络性能相应发生较大变化,因此需要关注的是第二数据相对于第一数据的数据波动性较大(包括增大或减小)的情况。可选地,在根据第二数据相对于第一数据的数据波动性输出网络更新后的网络性能分析结果时,可以设置一个数据波动的范围,当第二数据相对于第一数据的数据波动性超出该波动的范围内,输出相应的网络性能指标及数据波动的提示数据作为网络更新后的网络性能分析结果。可选地,亦可以根据数据波动性对第二数据进行排序,输出排序的第二数据作为网络更新后的网络性能分析结果。当然,网络更新后的网络性能分析结果还可以是其它种形式或其它方面的内容,本发明实施方式对此不做具体限制。
本发明实施方式提供的数据分析方法,通过获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据,根据第二数据相对于第一数据的数据波动性输出网络更新后的网络性能分析结果。由于数据波动性可以有效地反映网络更新后的网络性能的变化,因此通过网络更新前后的数据自动计算数据波动性,并根据数据波动性输出网络更新后的网络性能的分析结果,可以有效地实现对网络更新的效果的评估,不需要网络运维人员进行人工对比分析,从而减少人力成本的耗费,提高网络更新评估的效率。
本发明的第二实施方式涉及一种数据分析方法,第二实施方式与第一实施方式大致相同,主要区别在于:在本实施方式中,根据第二数据相对于第一数据的数据波动性输出网络更新后的网络性能分析结果,具体包括:计算第二数据相对于第一数据的偏离率,输出偏离率大于第一预设阈值的网络性能指标。由于偏离率可以有效地反映第二数据相对于第一数据的数据波动性,因此通过计算第二数据相对于第一数据的偏离率,可以有效地对网络更新后的网络性能进行分析及评估。
本发明实施方式提供的数据分析方法的具体流程如图3所示,具体包括以下步骤:
S201:获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据。
S202:计算第二数据相对于第一数据的偏离率。
S203:输出偏离率大于第一预设阈值的网络性能指标。
其中,S201与第一实施方式中的S101相同,具体可以参见第一实施方式中的描述,为了避免重复,这里不再赘述。
对于S202和S203,具体地,第二数据相对于第一数据的偏离率是指第二数据大于或小于第一数据样本数的较大数占总样本的比例。例如,若采样粒度为15分钟,网络更新后将1点至4点数据作为第二数据,则第二数据有12个样本,网络更新前将多天的平均数据作为第一数据,第一数据也有12个样本,若第二数据大于第一数据的样本数为9,第二数据小于第一数据的样本数为3,由于第二数据大于第一数据的样本数大于第二数据小于第一数据的样本数,因此,偏离率应为第二数据大于第一数据的样本数占总样本的比例,即=9/12=0.75。可选地,第二数据大于或小于第一数据的比较结果可以是将相同时刻的样本进行对比,例如,将第二数据在1点的样本数据与第一数据在1点的样本数据进行对比,将第二数据在1点15分的样本数据与第一数据在1点15分的样本数据进行对比等等,以增加数据对比的真实性和可信度。
由于偏离率是第二数据大于或小于第一数据样本数的较大数占总样本数的比例,因此在计算偏离率的同时,也可以得到偏离率是增大还是减小的信息,例如,在上述例子中,偏离率0.75为第二数据大于第一数据的样本数占总样本的比例,因此可以得出第二数据是增大的信息。可选地,在输出偏离率大于第一预设阈值的网络性能指标时,亦可以输出第二数据是增大或减小的信息。
第一预设阈值可以根据实际情况进行设置,也可以设置一个相应的阈值参数表,根据需要从阈值参数表选取合适的阈值作为第一预设阈值,再根据第一预设阈值对数据波动性进行判断。例如,若第一预设阈值为0.8,而某一网络性能指标的计算结果为0.75,小于第一预设阈值,表示该网络性能指标的偏离率在合理范围内,可以认为未发生明显变化,不需要特别关注;若另一网络性能指标为0.9,大于第一预设阈值,表示该网络性能指标的偏离率超出合理范围,可以认为发生明显变化,需要特别关注,则输出该网络性能指标,从而使网络运维人员重点关注该网络性能指标。可选地,若偏离率大于第一预设阈值的网络性能指标存在两个或以上时,服务端在输出偏离率大于第一预设阈值的网络性能指标时,还可以对这些网络性能指标进行排序,输出排序后的网络性能指标。
由于第二数据可能本身存在较大波动性的情况,因此若在较大时间范围内计算第二数据相对于第一数据的偏离率时,偏离率可能未能真实地反映第二数据相对于第一数据实际的数据波动性。例如,若第二数据和第一数据分别有10个样本数据,其中第二数据前6个样本数据大于第一数据,后4个样本数据小于第一数据,偏离率=6/10=0.6,该偏离率并不算大,但若只对比第二数据和第一数据的前5个样本数据,则偏离率为5/5=1,远大于0.6的偏离率。
为了更准确的计算第二数据相对于第一数据的偏离率,在一个具体的例子中,计算第二数据相对于第一数据的偏离率,具体为:在预设时间窗口中计算第二数据相对于第一数据的偏离率。其中,预设时间窗口是指第一数据和/或第二数据的样本数据对应的时间范围,可以根据实际情况进行设置,此处不做具体限制。例如,选取12小时作为预设时间窗口,考察在12小时的预设时间窗口中第二数据相对于第一数据的偏离率。
本发明实施方式提供的数据分析方法,通过计算第二数据相对于第一数据的偏离率,输出偏离率大于第一预设阈值的网络性能指标,由于偏离率可以有效地反映数据波动性,因此通过计算第二数据相对于第一数据的偏离率,可以有效地评估第二数据相对于第一数据的数据波动性,从而有效地对网络更新后的网络性能进行分析及评估。
本发明的第三实施方式涉及一种数据分析方法,第三实施方式与第二实施方式大致相同,主要区别在于:在本实施方式中,在输出偏离率大于第一预设阈值的网络性能指标之前,还包括:根据第一数据和第二数据计算网络性能指标的显著性检验的概率;而输出偏离率大于第一预设阈值的网络性能指标,包括:输出偏离率大于第一预设阈值且显著性检验的概率小于第二预设阈值的网络性能指标。由于显著性检验的概率可以检验第二数据相对于第一数据的数据波动性变化的显著程度,以及第二数据相对于第一数据的偏离率的可靠性和可信度,因此,通过第一数据和第二数据计算网络性能指标的显著性检验的概率,可以在评估第二数据相对于第一数据的数据波动性的同时,检验第二数据相对于第一数据的偏离率的可靠性和可信度,从而输出更加准确的网络更新后的网络性能分析结果。
本发明实施方式提供的数据分析方法的具体流程如图4所示,具体包括以下步骤:
S301:获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据。
S302:计算第二数据相对于第一数据的偏离率。
S303:根据第一数据和第二数据计算网络性能指标的显著性检验的概率。
S304:输出偏离率大于第一预设阈值且显著性检验的概率小于第二预设阈值的网络性能指标。
其中,S301和S302与第二实施方式中的S201和S202相同,具体可以参见第二实施方式中的描述,为了避免重复,这里不再赘述。
对于S303和S304,根据第一数据和第二数据计算网络性能指标的显著性检验的概率,可以是根据第一数据和第二数据计算T检验的P值,从而计算网络性能指标的显著性检验的概率,亦可以为其它计算显著性检验的方法,例如计算T2检验的P值等。
第二预设阈值可以根据实际需要进行设置,例如为0.05,若计算的显著性检验的概率大于0.05,表明偏离率大于第一预设阈值的结果可靠性和可信度不高;若计算的显著性检验的概率小于0.05,表明偏离率大于第一预设阈值的结果可靠性和可信度较高,可以作为网络更新后的网络性能分析结果输出。另外,当显著性检验的概率越小时,表明第二数据相对于第一数据的数据波动性变化越显著。可以理解的是,由于显著性检验的概率可以反映数据波动性变化的显著程度,因此也可以根据显著性检验的概率评估第二数据相对于第一数据的数据波动性。可选地,在输出网络性能分析结果时,可以将显著性检验的概率一并输出,以便作进一步的分析。可选地,若计算的显著性检验的概率大于第二预设阈值,可以重新选取第二数据和/或第一数据的样本数据,重新计算第二数据相对于第一数据的偏离率及相应的显著性检验的概率。
在一个具体的例子中,在输出偏离率大于第一预设阈值且显著性检验的概率小于第二预设阈值的网络性能指标之后,如图5所示,还包括以下步骤:
S305:将偏离率大于第一预设阈值且显著性检验的概率大于第二预设阈值的网络性能指标作为目标网络性能指标。
S306:根据第一数据和第二数据计算目标网络性能指标的均值变化率。
S307:根据偏离率和均值变化率计算目标网络性能指标的指标改变度。
S308:根据指标改变度对目标网络性能指标进行排序,输出排序后的目标网络性能指标。
可选地,根据第一数据和第二数据计算目标网络性能指标的均值变化率,可以通过以下式子(1)进行计算:
应当说明的,式子(1)仅为计算均值变化率的其中一个计算方法,均值变化率的计算亦可以为其它的计算方法,此处不做具体限制。
可选地,根据偏离率和均值变化率计算目标网络性能指标的指标改变度,具体可以通过以下式子(2)进行计算:
DC=diff_ratioα*|CR|β (2);
其中,DC为目标网络性能指标的指标改变度,diff_ratio为第二数据相对于第一数据的偏离率,CR为均值变化率,α>1,0<β<1。优选地,α=4,β=1/4。
从式子(2)可知,指标改变度是偏离率与均值变化率的加权值,且偏离率的影响较大。
在计算出指标改变度后,服务端根据指标改变度对目标网络性能指标进行排序,输出排序后的目标网络性能指标,可以使网络运维人员迅速知道网络性能的分析结果并挑选重要网络性能指标进行重点关注,从而实现网络更新后的网络性能的进一步分析。
在一个具体的例子中,在输出排序后的目标网络性能指标之前,还包括:获取目标网络性能指标的子指标,计算子指标在网络更新后的数据相对于网络更新前的数据的偏离率,其中,子指标为计算目标网络性能指标的相关指标;而输出排序后的目标网络性能指标,包括:输出排序后的目标网络性能指标和偏离率大于第一预设阈值的子指标。
其中子指标例如是:若目标网络性能指标为RAB(无线接入承载)建立成功率,而RAB建立成功率=(CS域RAB建立成功RAB数目+PS域RAB建立成功RAB数目)/(CS域RAB建立请求的RAB数目+PS域RAB建立请求的RAB数目)*100%,由于在计算RAB建立成功率的过程中,用到CS域RAB建立成功RAB数目、PS域RAB建立成功RAB数目、CS域RAB建立请求的RAB数目和PS域RAB建立请求的RAB数目这四个相关指标,因此可以将这四个相关指标作为RAB建立成功率的子指标。
可选地,子指标可以使用相关计数器(counter)进行分析,例如,目标网络性能指标为KPI/PI,可以根据KPI/PI的公式关联到相关计数器(counter)以确定子指标,若通过计算得到相关counter的偏离率大于第一预设阈值,则表明相关子指标有波动性;而将偏离率大于第一预设阈值的子指标与排序后的目标网络性能指标一起输出,则可以达到网络性能指标的关联分析和提示的效果。
本发明实施方式提供的数据分析方法,由于显著性检验的概率可以检验第二数据相对于第一数据的数据波动性变化的显著程度,以及第二数据相对于第一数据的偏离率的可靠性和可信度,因此,通过第一数据和第二数据计算网络性能指标的显著性检验的概率,可以在评估第二数据相对于第一数据的数据波动性的同时,检验第二数据相对于第一数据的偏离率的可靠性和可信度,从而输出更加准确的网络更新后的网络性能分析结果。
此外,本领域技术人员可以理解,上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第四实施方式涉及一种电子设备,如图6所示,包括:至少一个处理器401;以及,与至少一个处理器401通信连接的存储器402;其中,存储器402存储有可被至少一个处理器401执行的指令,指令被至少一个处理器401执行,以使至少一个处理器401能够执行上述的数据分析方法。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第五实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施例是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种数据分析方法,其特征在于,包括:
获取网络更新前的网络性能指标数据作为第一数据、获取网络更新后的网络性能指标数据作为第二数据;
根据所述第二数据相对于所述第一数据的数据波动性输出网络更新后的网络性能分析结果。
2.根据权利要求1所述的数据分析方法,其特征在于,所述根据所述第二数据相对于所述第一数据的数据波动性输出网络更新后的网络性能分析结果,包括:
计算所述第二数据相对于所述第一数据的偏离率;
输出所述偏离率大于第一预设阈值的网络性能指标。
3.根据权利要求2所述的数据分析方法,其特征在于,所述计算所述第二数据相对于所述第一数据的偏离率,具体为:
在预设时间窗口中计算所述第二数据相对于所述第一数据的偏离率。
4.根据权利要求2所述的数据分析方法,其特征在于,在所述输出所述偏离率大于第一预设阈值的网络性能指标之前,还包括:
根据所述第一数据和所述第二数据计算所述网络性能指标的显著性检验的概率;
所述输出所述偏离率大于第一预设阈值的网络性能指标,包括:
输出所述偏离率大于第一预设阈值且所述显著性检验的概率小于第二预设阈值的网络性能指标。
5.根据权利要求4所述的数据分析方法,其特征在于,在所述输出所述偏离率大于第一预设阈值且所述显著性检验的概率小于第二预设阈值的网络性能指标之后,还包括:
将所述偏离率大于所述第一预设阈值且所述显著性检验的概率小于所述第二预设阈值的网络性能指标作为目标网络性能指标;
根据所述第一数据和所述第二数据计算所述目标网络性能指标的均值变化率;
根据所述偏离率和所述均值变化率计算所述目标网络性能指标的指标改变度;
根据所述指标改变度对所述目标网络性能指标进行排序,输出排序后的所述目标网络性能指标。
6.根据权利要求5所述的数据分析方法,其特征在于,在所述输出排序后的所述目标网络性能指标之前,还包括:
获取所述目标网络性能指标的子指标,计算所述子指标在网络更新后的数据相对于网络更新前的数据的偏离率,其中,所述子指标为计算所述目标网络性能指标的相关指标;
所述输出排序后的所述目标网络性能指标,包括:
输出排序后的所述目标网络性能指标和所述偏离率大于所述第一预设阈值的所述子指标。
7.根据权利要求5所述的数据分析方法,其特征在于,所述根据所述偏离率和所述均值变化率计算所述目标网络性能指标的指标改变度,具体为:
根据式子DC=diff_ratioα*|CR|β计算所述指标改变度,其中,所述DC为所述指标改变度,diff_ratio为所述数据偏离率,所述CR为所述均值变化率,所述α>1,所述β>0且所述β<1。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一项所述的数据分析方法。
10.一种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至8中任一项所述的数据分析方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010600125.3A CN113852512A (zh) | 2020-06-28 | 2020-06-28 | 数据分析方法、电子设备及存储介质 |
EP21834351.5A EP4152657A4 (en) | 2020-06-28 | 2021-03-30 | DATA ANALYSIS METHOD, ELECTRONIC DEVICE AND RECORDING MEDIUM |
JP2022581315A JP7457169B2 (ja) | 2020-06-28 | 2021-03-30 | データ解析方法、電子機器及び記憶媒体 |
PCT/CN2021/084181 WO2022001257A1 (zh) | 2020-06-28 | 2021-03-30 | 数据分析方法、电子设备及存储介质 |
US18/003,546 US20230261947A1 (en) | 2020-06-28 | 2021-03-30 | Data analysis method, electronic device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010600125.3A CN113852512A (zh) | 2020-06-28 | 2020-06-28 | 数据分析方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113852512A true CN113852512A (zh) | 2021-12-28 |
Family
ID=78972697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010600125.3A Pending CN113852512A (zh) | 2020-06-28 | 2020-06-28 | 数据分析方法、电子设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230261947A1 (zh) |
EP (1) | EP4152657A4 (zh) |
JP (1) | JP7457169B2 (zh) |
CN (1) | CN113852512A (zh) |
WO (1) | WO2022001257A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018450A1 (en) * | 2001-07-16 | 2003-01-23 | Stephen Carley | System and method for providing composite variance analysis for network operation |
US20080049630A1 (en) * | 2006-08-22 | 2008-02-28 | Kozisek Steven E | System and method for monitoring and optimizing network performance to a wireless device |
US20120106453A1 (en) * | 2010-10-29 | 2012-05-03 | Fujitsu Limited | Wireless network device, wireless network system and method of controlling selection of routings |
CN102904773A (zh) * | 2012-09-27 | 2013-01-30 | 北京邮电大学 | 一种网络业务质量的测量方法和装置 |
CN105975389A (zh) * | 2016-04-28 | 2016-09-28 | 乐视控股(北京)有限公司 | 一种进程数据提取方法及装置 |
CN106899448A (zh) * | 2017-01-22 | 2017-06-27 | 中国人民解放军信息工程大学 | 适用于网络状态及性能测量的一体化动态赋权评估方法 |
CN107276849A (zh) * | 2017-06-15 | 2017-10-20 | 北京奇艺世纪科技有限公司 | 一种集群的性能分析方法及装置 |
CN109309927A (zh) * | 2018-12-22 | 2019-02-05 | 石春 | 无线信道信息感知窗口及调整方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020923A1 (en) * | 2004-06-15 | 2006-01-26 | K5 Systems Inc. | System and method for monitoring performance of arbitrary groupings of network infrastructure and applications |
US9507686B2 (en) * | 2013-12-20 | 2016-11-29 | Netapp, Inc. | System, method, and computer program product for monitoring health of computer system assets |
JP5876542B1 (ja) * | 2014-07-28 | 2016-03-02 | 株式会社Nttドコモ | 通信制御装置、通信制御システム及び通信制御方法 |
US9456362B2 (en) | 2015-01-19 | 2016-09-27 | Viavi Solutions Uk Limited | Techniques for dynamic network optimization using geolocation and network modeling |
US10785101B2 (en) | 2017-08-23 | 2020-09-22 | Futurewei Technologies, Inc. | Automatically optimize parameters via machine learning |
US10902149B2 (en) * | 2018-02-01 | 2021-01-26 | Microsoft Technology Licensing, Llc | Remote testing analysis for software optimization based on client-side local differential privacy-based data |
US10778517B2 (en) * | 2018-03-23 | 2020-09-15 | Hewlett Packard Enterprise Development Lp | System and method for validating correctness of changes to network device configurations |
CN108509345A (zh) * | 2018-04-08 | 2018-09-07 | 平安普惠企业管理有限公司 | 测试报告对比方法、装置、设备及计算机可读存储介质 |
JP7083130B2 (ja) | 2018-09-05 | 2022-06-10 | モティーブリサーチ株式会社 | 通信管理システム及びプログラム |
US11696184B2 (en) * | 2020-05-06 | 2023-07-04 | Accenture Global Solutions Limited | Quality of service manager for network slices of a network |
US11750468B2 (en) * | 2021-06-14 | 2023-09-05 | Dell Products L.P. | Proactive asset failure remediation utilizing conformal asset state prediction |
-
2020
- 2020-06-28 CN CN202010600125.3A patent/CN113852512A/zh active Pending
-
2021
- 2021-03-30 JP JP2022581315A patent/JP7457169B2/ja active Active
- 2021-03-30 EP EP21834351.5A patent/EP4152657A4/en active Pending
- 2021-03-30 WO PCT/CN2021/084181 patent/WO2022001257A1/zh unknown
- 2021-03-30 US US18/003,546 patent/US20230261947A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018450A1 (en) * | 2001-07-16 | 2003-01-23 | Stephen Carley | System and method for providing composite variance analysis for network operation |
US20080049630A1 (en) * | 2006-08-22 | 2008-02-28 | Kozisek Steven E | System and method for monitoring and optimizing network performance to a wireless device |
US20120106453A1 (en) * | 2010-10-29 | 2012-05-03 | Fujitsu Limited | Wireless network device, wireless network system and method of controlling selection of routings |
CN102904773A (zh) * | 2012-09-27 | 2013-01-30 | 北京邮电大学 | 一种网络业务质量的测量方法和装置 |
CN105975389A (zh) * | 2016-04-28 | 2016-09-28 | 乐视控股(北京)有限公司 | 一种进程数据提取方法及装置 |
CN106899448A (zh) * | 2017-01-22 | 2017-06-27 | 中国人民解放军信息工程大学 | 适用于网络状态及性能测量的一体化动态赋权评估方法 |
CN107276849A (zh) * | 2017-06-15 | 2017-10-20 | 北京奇艺世纪科技有限公司 | 一种集群的性能分析方法及装置 |
CN109309927A (zh) * | 2018-12-22 | 2019-02-05 | 石春 | 无线信道信息感知窗口及调整方法 |
Non-Patent Citations (4)
Title |
---|
""S5-122849 Introducing potential approach for PM data amount reduction"", 3GPP TSG_SA\\WG5_TM, 3 November 2012 (2012-11-03) * |
CHINA MOBILE: "S2-188030 "Solution: Predictable network performance"", 3GPP TSG_SA\\WG2_ARCH, no. 2, 14 August 2018 (2018-08-14) * |
SAMSUNG: "S2-1903257 "Update to Network Performance Analytics Procedures"", 3GPP TSG_SA\\WG2_ARCH, no. 2, 1 April 2019 (2019-04-01) * |
SANDER GREENLAND,ET AL.,: ""Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations"", 《HTTPS://DOI.ORG/10.1007/S10654-016-0149-3》, 21 May 2016 (2016-05-21), pages 341 * |
Also Published As
Publication number | Publication date |
---|---|
EP4152657A1 (en) | 2023-03-22 |
WO2022001257A1 (zh) | 2022-01-06 |
JP7457169B2 (ja) | 2024-03-27 |
EP4152657A4 (en) | 2024-05-29 |
JP2023532106A (ja) | 2023-07-26 |
US20230261947A1 (en) | 2023-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4047878A1 (en) | Traffic prediction method, device, and storage medium | |
CN115497272B (zh) | 一种基于数字化建造的工期智能化预警系统及方法 | |
CN110445828B (zh) | 一种基于Redis的数据分布式处理方法及其相关设备 | |
CN113141410B (zh) | 动态调节的qps控制方法、系统、设备及存储介质 | |
CN113935390A (zh) | 数据处理方法、系统、设备及存储介质 | |
CN113891336A (zh) | 通信网络减频退网方法、装置、计算机设备和存储介质 | |
CN108696554B (zh) | 负载均衡方法和装置 | |
CN113852512A (zh) | 数据分析方法、电子设备及存储介质 | |
CN113010310B (zh) | 作业数据的处理方法、装置和服务器 | |
CN104660436A (zh) | 服务等级管理方法和系统 | |
CN112035523B (zh) | 一种并行度的确定方法、装置、设备及存储介质 | |
CN112055376A (zh) | 基站设备监测方法、装置和存储介质 | |
EP4134834A1 (en) | Method and apparatus of processing feature information, electronic device, and storage medium | |
CN111176814A (zh) | 一种任务执行方法及相关装置 | |
CN112579717B (zh) | 在电子地图展示用户地址的方法和装置 | |
CN117495350B (zh) | 一种基于钟联网的时钟运维方法、系统、设备和存储介质 | |
CN114546852B (zh) | 一种性能测试方法、装置、电子设备和存储介质 | |
CN113742243B (zh) | 应用评测方法、装置、电子设备和计算机可读介质 | |
CN116011569B (zh) | 一种量化误差调试方法、装置、设备及存储介质 | |
CN117422585B (zh) | 电感生产制造控制系统的状态监控方法及系统 | |
CN111382187B (zh) | 数据提取方法及装置 | |
CN117971417A (zh) | 任务调度方法、装置、设备及存储介质 | |
CN118210805A (zh) | 一种数据整合处理方法和装置 | |
CN117234877A (zh) | 数据处理的方法、装置、电子设备和存储介质 | |
CN117271126A (zh) | 任务请求的分配方法、装置及电子设备 |
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 |