CN114253799A - 一种故障处理系统、方法、服务器及可读存储介质 - Google Patents
一种故障处理系统、方法、服务器及可读存储介质 Download PDFInfo
- Publication number
- CN114253799A CN114253799A CN202111473976.7A CN202111473976A CN114253799A CN 114253799 A CN114253799 A CN 114253799A CN 202111473976 A CN202111473976 A CN 202111473976A CN 114253799 A CN114253799 A CN 114253799A
- Authority
- CN
- China
- Prior art keywords
- fault
- home gateway
- monitoring data
- processing strategy
- server
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请提供了一种故障处理系统、方法、服务器及可读存储介质,涉及通信领域。该系统包括:家庭网关和服务器;家庭网关用于为终端设备提供无线网络,还用于采集指示家庭网关使用状态的故障监测数据;服务器用于接收故障监测数据,并基于故障监测数据,以及预存的针对故障的处理策略,确定目标处理策略;还用于基于目标处理策略生成故障恢复插件,并将故障恢复插件发送至家庭网关,故障恢复插件用于针对家庭网关的故障进行处理。该系统通过采集故障监测数据,并根据故障监测数据进行故障分类,进而自动制定故障的处理策略,对故障进行处理。由此,实现了自动化地故障分析和处理,可以降低人力成本,同时也为家庭网关的长时间运行提供了保障。
Description
技术领域
本申请涉及通信领域,尤其涉及一种故障处理系统、方法、服务器及可读存储介质。
背景技术
在日常生活中,家庭网关作为家庭网络的总出入口,为整个家庭的终端提供不间断的网络接入能力,通常需要长时间不断电运行。家庭网关在长时间运行过程中,难免会产生故障,影响家庭网络的正常使用。
因此需要一种系统与方法来监测故障、诊断故障原因以及提供恢复故障的策略。
发明内容
本申请提供了一种故障处理系统、方法、服务器及可读存储介质,能够监测家庭网关的故障、诊断故障原因以及提供恢复故障的策略。
第一方面,本申请提供了一种故障处理系统,该系统包括:家庭网关和服务器;其中,家庭网关用于为一个或多个终端设备提供无线网络,还用于采集故障监测数据,并将故障监测数据上报至远程控制平台,故障监测数据用于指示家庭网关的使用状态;服务器用于接收来自家庭网关的故障监测数据,并基于接收到的故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略;还用于基于目标处理策略生成故障恢复插件,并将故障恢复插件发送至家庭网关;其中,至少一类故障与至少一种处理策略一一对应,故障恢复插件用于针对家庭网关的故障进行处理。
本申请提供的故障处理系统,通过采集可用于指示家庭网关的使用状态的故障监测数据,并根据采集到的故障监测数据进行故障分类,进而自动制定故障的处理策略,对故障进行处理。由此,实现了自动化地故障分析和处理,可以降低人力成本,同时也为家庭网关的长时间运行提供了保障。
可选地,故障监测数据包括以下一项或多项:家庭网关的内存使用率、家庭网关的中央处理器(central processing unit,CPU)使用率、家庭网关的进程运行状态、家庭网关的运行日志和家庭网关的网络速率与网络延时。
可选地,服务器中部署有远程控制平台和故障处理平台,其中,远程控制平台用于从家庭网关接收故障监测数据,并将故障监测数据发送至故障处理平台;故障处理平台用于基于接收到的故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略,并将目标处理策略发送至远程控制平台;远程控制平台还用于基于目标处理策略生成故障恢复插件,并将故障恢复插件发送至家庭网关。
可选地,故障处理平台具体用于,基于接收到的故障监测数据,预训练的分类器,确定故障类型,并基于故障类型,以及预存的针对至少一类故障的至少一种处理策略,确定故障的目标处理策略。
可选地,该系统还包括连接至蜂窝移动网络的终端,所述终端用于在家庭网关连网失败的情况下为家庭网关提供热点服务。
第二方面,本申请提供了一种故障处理方法,该方法包括:服务器接收来自家庭网关的故障监测数据,家庭网关用于为一个或多个终端设备提供无线网络,故障监测数据用于指示无线网络的使用状态;服务器基于故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略,至少一类故障与至少一种处理策略一一对应;服务器基于目标处理策略生成故障恢复插件,故障恢复插件用于针对家庭网关的故障进行处理;所述服务器向所述家庭网关发送所述故障恢复插件。
可选地,故障监测数据包括:家庭网关的内存使用率、家庭网关的CPU使用率、家庭网关的进程运行状态、家庭网关的运行日志和家庭网关的网络速率与网络延时中的一项或多项。
结合第二方面,在第二方面的某些可能的实现方式中,该方法还包括:服务器基于故障监测数据,通过预训练的分类器,确定故障类型;服务器基于故障类型,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略。
第三方面,本申请提供了一种服务器,包括处理器,该处理器用于执行程序或指令,以执行第二方面以及第二方面任意一种可能实现方式中的方法。
第四方面,本申请提供了一种计算机可读存储介质,包括计算机程序,当该计算机程序在计算机上运行时,使得计算机执行第二方面以及第二方面任一种可能实现方式中的方法。
应当理解的是,本申请的第三方面至第四方面与本申请的第二方面的技术方案相对应,各方面及对应的可行实施方式所取得的有益效果相似,不再赘述。
附图说明
图1是本申请实施例提供的故障处理系统的场景示意图;
图2是本申请实施例提供的故障处理系统的结构示意图;
图3是本申请实施例提供的故障处理方法的流程示意图;
图4是本申请实施例提供的故障处理系统的另一结构示意图;
图5是本申请实施例提供的服务器的示意性框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。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。
本申请的说明书和权利要求书及上述附图中的术语“连接”应做广义理解。例如,可以是固定连接,或者可拆卸连接;也可以是机械连接,或者通信连接。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在日常生活中,家庭网关作为家庭网络的总出入口,为整个家庭的终端提供不间断的网络接入能力,通常需要长时间不断电运行。家庭网关在长时间运行过程中,难免会产生故障,影响家庭网络的正常使用。本申请提供的系统与方法可用于监测家庭网关的故障、诊断故障原因以及提供恢复故障的策略
下面将结合附图,对本申请中的技术方案进行描述。
图1是本申请实施例提供的故障处理系统的场景示意图。如图1所示,该场景100包括家庭网关110、服务器120和终端131、终端132。其中,家庭网关110可以为整个家庭的终端提供无线网络。服务器120可以部署在云端,通过网络与家庭网关110通信。终端131和终端132可以是不同类型的终端设备,例如包括但不限于,手机、平板电脑,以及图中未示出的其他终端设备,如笔记本电脑、智能手表等。
应理解,图1所示的场景仅为示例,该场景中还可以有更多数量的家庭网关连接于服务器,连接于同一家庭网关的数量也可以更多或更少。本申请对此不作限定。
在日常生活中,家庭网关作为家庭网络的总出入口,为整个家庭的终端提供不间断的网络接入能力,通常需要长时间不断电运行。家庭网关在长时间运行过程中,难免会产生故障,影响家庭网络的正常使用。在实际应用中,该家庭网关例如可以是路由器,或者其他可提供网络接入服务的设备。本申请包含但不限于此。
鉴于此,本申请提供了一种故障处理系统、方法及可读存储介质,通过采集可用于指示家庭网关的使用状态的故障监测数据,并根据采集到的故障监测数据进行故障分类,进而自动制定故障的处理策略,对故障进行处理。由此,实现了自动化地进行故障分析和处理,可以降低人力成本,同时也为家庭网关的长时间运行提供了保障。
图2是本申请实施例提供的故障处理系统的结构示意图。如图2所示,该故障处理系统100包括:家庭网关110和服务器120。其中,家庭网关110可用于为一个或多个终端设备提供无线网络,还用于采集故障监测数据,并将故障监测数据上报至远程控制平台122,该故障监测数据用于指示所述家庭网关的使用状态;服务器120可用于接收来自家庭网关110的故障监测数据,并基于接收到的故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略;还用于基于目标处理策略生成故障恢复插件,并将故障恢复插件发送至家庭网关110,以用于针对家庭网关110的故障进行处理。其中,至少一类故障与至少一种处理策略一一对应。换言之,每一类故障可以由其所对应的一种处理策略来处理。
其中,故障监测数据包括以下一项或多项:家庭网关的内存使用率、家庭网关的CPU使用率、家庭网关的进程运行状态、家庭网关的运行日志和家庭网关的网络速率与网络延时。
具体地,服务器120中部署有远程控制平台122和故障处理平台121,其中,远程控制平台122用于从家庭网关110接收故障监测数据,并将故障监测数据发送至故障处理平台121;故障处理平台121用于基于接收到的故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略,并将目标处理策略发送至远程控制平台122;远程控制平台122还用于基于目标处理策略生成故障恢复插件,并将故障恢复插件发送至家庭网关110。
可选地,故障处理平台121具体用于,基于接收到的故障监测数据,预训练的分类器,确定故障类型,并基于故障类型,以及预存的针对至少一类故障的至少一种处理策略,确定故障的目标处理策略。
可选地,故障处理系统100还包括:连接至蜂窝移动网络的终端130,例如可以是图1中所示的终端131或132,本申请包含但不限于此。只要终端能够连接至蜂窝移动网络,便可用于在家庭网关110连网失败的情况下为家庭网关110提供热点服务。
基于本申请实施例提供的故障处理系统,可以监测家庭网关的故障、诊断故障原因以及提供恢复故障的策略。
下面结合图3对本申请实施例提供的故障处理方法做详细说明。为了便于理解,图3所示的方法以图2所示的系统为例来描述,但这不应对本申请构成任何限定。
图3是本申请实施例提供的故障处理方法的流程示意图。图4进一步地从系统各个模块交互的角度示出了本申请实施例提供的故障处理方法。下面将参照图3和图4来详细说明方法300中的各个步骤。
图3中,该方法300可以包括步骤301至步骤310,图4中的标记①至⑦示出了各模块之间的交互。
在步骤301中,远程控制平台制定故障监测方案。
可选地,故障监测方案包括以下一项或多项:采集哪些数据作为故障监测数据、采集数据的周期和发送数据的周期。
故障监测方案可用于指示家庭网关,需要采集哪些数据作为故障监测数据;以及用于指示家庭网关采集数据的周期以及向服务器发送数据的周期。其中,采集数据的周期和发送数据的周期可以相同,也可以不同,本申请对此不作限定。
可选地,故障检测方案可以是人为预先设置的,也可以是由远程控制平台自行确定的,或者也可以二者结合,比如人为设置需要采集哪些数据,远程控制平台自行确定采集数据的周期和发送数据的周期,等等。本申请对此不作限定。
在步骤302中,远程控制平台向家庭网关发送故障监测方案。
可选地,远程控制平台将故障检测方案以指令形式发送到家庭网关。应理解,故障检测方案的形式不仅限于指令形式,还可以是插件形式,本申请对此不作限定。
如图4中的①所示,远程控制平台向家庭网关的中间件发送故障监测方案。其中,中间件是一种独立的系统软件服务程序,分布式应用软件借助这种软件在不同的技术之间共享资源,中间件位于客户机服务器的操作系统之上,管理计算资源和网络通信。在本申请实施例中,中间件可以包括插件管理模块、应用程序编程接口(application programminginterface,API)、系统通信模块。插件管理模块可用于对从远程控制平台接收到的插件进行管理;API可用于家庭网关内的各个插件间相互进行通信;系统通信模块可用于与其他的设备进行通信。
在步骤303中,家庭网关采集故障监测数据。
可选地,家庭网关根据从远程控制平台接收到的故障监测方案中的采集指令,采集故障监测数据。
其中,故障监测数据包括以下一项或多项:家庭网关的内存使用率、家庭网关的CPU使用率、家庭网关的进程运行状态、家庭网关的运行日志和家庭网关的网络速率与网络延时。故障监测数据用于指示家庭网关的使用状态。
应理解,家庭网关可以根据远程控制网关下发的故障检测方案采集故障数据,也可以响应于用户的指令,在接收到采集数据的指令的情况下采集故障监测数据,或者,还可以在监测到本地某一项或多项数据发生异常的情况下自动上传故障监测数据,比如,当家庭网关的内存使用率超出预设门限时,自动上传故障监测数据,等等。本申请对此不作限定。
在步骤304中,家庭网关向远程控制平台发送故障监测数据。
可选地,家庭网关根据从远程控制平台接收到的故障监测方案中的周期指令,周期性地向远程控制平台发送故障监测数据。如图4中的②所示。
在步骤305中,远程控制平台向故障检测平台发送故障监测数据。如图4中的③所示。
在步骤306中,故障检测平台确定目标处理策略。
可选地,故障检测平台基于接收到的故障监测数据,以及预训练的分类器,确定故障类型,并根据故障类型以及预存的针对至少一类故障的至少一种处理策略,确定故障的目标处理策略。
如图4所示,故障处理平台可以包括数据库和分类器。
其中,数据库保存有故障检测平台121从至少一个家庭网关中接收到的至少一类故障,以及预存的针对至少一类故障的至少一种处理策略。
本申请实施例提供的分类器可以是通过机器训练得到的,该机器训练过程通过采用机器学习分类算法,学习了大量的训练样本,因此能够对输入的数据进行准确的分析判别,有利于提高判别准确性。
具体地,对分类器的训练可以理解为通过分类算法对分类模型中的各参数进行训练的过程。
示例性地,分类器训练装置可以通过机器学习分类算法(例如,支持向量机(support vector machine,SVM),卷积神经网络(convolutional neural network,CNN)或者循环神经网络(recurrent neural network,RNN)等)构建分类模型。例如,该分类模型可以是一个线性模型,例如,线性函数,也可以是非线性模型,例如,神经网络模型,还可以是对不同类型模型的组合,本申请对此并不限定。
以SVM为例,SVM是一种常用的有监督学习的分类方法。即,首先通过人工标注的方式对获取到的训练样本进行故障类型的标注,然后通过有监督方式的机器学习模型训练从一个训练样本到故障类型的映射。在接收到训练样本后,通过训练样本的特征向量和已知的故障类型来对分类模型中的参数进行优化。
应理解,以上列举的通过有监督方式的机器学习来训练分类器的过程可以通过现有技术中的方法来实现,为了简洁,这里省略对该具体过程的详细说明。还应理解,SVM、CNN、RNN仅为有监督方式的机器学习算法中的可能的实现方式,而不应对本申请构成任何限定。本申请对于机器学习的具体方法不作限定。
在本申请实施例中,对分类器的训练过程可以是一个更新迭代的过程。在获取到任何一个故障的相关数据并判别出其故障类型后,分类器训练装置都可以基于这个新获取到的故障的相关数据料对分类器再进行一次训练,以实现对分类器中参数的优化。
可选地,分类器通过机器学习分类算法构建的分类模型,对接收到的故障监测数据进行分析判别,进而确定出家庭网关的故障类型。数据库再根据分类器确定出的故障类型,以及预存的针对至少一类故障的至少一种处理策略,确定故障的目标处理策略。
一示例,家庭网关故障为网关内存异常,目标处理策略为关闭网关内部一些不常用的插件。另一示例,家庭网关故障为路由链路出现异常,目标处理策略为重置路由链路。又一示例,家庭网关故障为网络域名配置异常,目标处理策略为重新配置网络域名。
在步骤307中,故障检测平台向远程控制平台发送目标处理策略。如图4中④所示。
在步骤308中,远程控制平台生成故障恢复插件。
可选地,远程控制平台分析目标处理策略,得到处理故障需要执行的操作,确定操作的执行指令,并对操作的执行指令进行编排和打包,生成故障恢复插件。
在步骤309中,远程控制平台向家庭网关发送故障恢复插件。如图4中⑤所示。
在步骤310中,家庭网关运行故障恢复插件。
可选地,家庭网关运行故障恢复插件,执行处理故障的操作,对故障进行恢复。
可选地,若家庭网关连网失败,连接至蜂窝移动网络的终端可用于为家庭网关提供热点服务。
一种可能的实现方式是:终端中安装有网关自助应用程序(application,APP),远程控制平台向终端中的网关自助APP发送指令,通知终端为家庭网关提供热点服务。如图4中⑥所示。
终端连接到家庭网关的无线局域网(wireless local area network,WLAN),通过APP设置与家庭网关的连接关系。然后开启终端的热点,家庭网关可以连接到终端的热点,如图4中⑦所示,从而可以通过终端提供的蜂窝移动网络与远程控制平台通信。
基于本申请实施例提供的故障处理方法,通过采集可用于指示家庭网关的使用状态的故障监测数据,可以监测家庭网关的故障、诊断故障原因、提供恢复故障的策略以及对故障进行自动化的恢复。可以降低人力成本,同时也为家庭网关的长时间运行提供了保障。另外,家庭网关在连网失败时,还可以通过连接至蜂窝移动网络的终端,与服务器建立联系,完成故障的处理。
图5是本申请实施例提供的服务器的示意性框图。如图5所示,该服务器500可以包括至少一个处理器510,可用于实现本申请提供的方法中故障处理的功能。具体参见方法示例中的详细描述,此处不做赘述。
该装置500还可以包括一个存储器520,用于存储程序指令和/或数据。存储器520和处理器510耦合。本申请中的耦合是装置、单元或模块之间的间接耦合或通信连接,可以是电性,机械或其它的形式,用于装置、单元或模块之间的信息交互。处理器510可能和存储器520协同操作。处理器510可能执行存储器520中存储的程序指令。所述至少一个存储器中的至少一个可以包括于处理器中。
该装置500还可以包括一个通信接口530,用于通过传输介质和其它设备进行通信,从而用于装置500中的装置可以和其它设备进行通信。所述通信接口530例如可以是收发器、接口、总线、电路或者能够实现收发功能的装置。处理器510可利用通信接口530收发数据和/或信息,并用于实现图3对应的实施例中的故障处理方法。
本申请中不限定上述处理器510、存储器520以及通信接口530之间的具体连接介质。本申请在图5中以处理器510、存储器520以及通信接口530之间通过总线540连接。总线540在图5中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
在本申请实施例中,处理器可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列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,可以实现或者执行本申请中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
根据本申请提供的方法,本申请还提供一种计算机可读存储介质,该计算机可读存储介质存储有程序代码,当该程序代码在计算机上运行时,使得该计算机执行图3对应的实施例中的故障处理方法。
根据本申请提供的方法,本申请还提供一种计算机程序产品,该计算机程序产品包括:计算机程序代码。当该计算机程序代码在计算机上运行时,使得该计算机执行图3对应的实施例中的故障处理方法。
本申请提供的技术方案可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、网络设备、终端设备或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线,例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机可以存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质例如,数字视频光盘(digital video disc,DVD)、或者半导体介质等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种故障处理系统,其特征在于,包括:
家庭网关,用于为一个或多个终端设备提供无线网络,还用于采集故障监测数据,并将所述故障监测数据上报至远程控制平台,所述故障监测数据用于指示所述家庭网关的使用状态;
服务器,用于接收来自所述家庭网关的故障监测数据,并基于接收到的故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略;还用于基于所述目标处理策略生成故障恢复插件,并将所述故障恢复插件发送至所述家庭网关;其中,所述至少一类故障与所述至少一种处理策略一一对应,所述故障恢复插件用于针对所述家庭网关的故障进行处理。
2.如权利要求1所述的系统,其特征在于,所述故障监测数据包括以下一项或多项:所述家庭网关的内存使用率、所述家庭网关的中央处理器CPU使用率、所述家庭网关的进程运行状态、所述家庭网关的运行日志和所述家庭网关的网络速率与网络延时。
3.如权利要求1或2所述的系统,其特征在于,所述服务器中部署有远程控制平台和故障处理平台,
其中,所述远程控制平台用于从所述家庭网关接收所述故障监测数据,并将所述故障监测数据发送至所述故障处理平台;
所述故障处理平台用于基于接收到的故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略,并将所述目标处理策略发送至所述远程控制平台;
所述远程控制平台还用于基于所述目标处理策略生成故障恢复插件,并将故障恢复插件发送至所述家庭网关。
4.如权利要求3所述的系统,其特征在于,所述故障处理平台具体用于,基于接收到的故障监测数据,预训练的分类器,确定故障类型,并基于所述故障类型,以及预存的针对至少一类故障的至少一种处理策略,确定所述故障的目标处理策略。
5.如权利要求1所述的系统,其特征在于,所述系统还包括连接至蜂窝移动网络的终端,所述终端用于在所述家庭网关连网失败的情况下为所述家庭网关提供热点服务。
6.一种故障处理方法,其特征在于,包括:
服务器接收来自家庭网关的故障监测数据,所述家庭网关用于为一个或多个终端设备提供无线网络,所述故障监测数据用于指示所述无线网络的使用状态;
所述服务器基于所述故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略,所述至少一类故障与所述至少一种处理策略一一对应;
所述服务器基于所述目标处理策略生成故障恢复插件,所述故障恢复插件用于针对所述家庭网关的故障进行处理;
所述服务器向所述家庭网关发送所述故障恢复插件。
7.如权利要求6所述的方法,其特征在于,所述故障监测数据包括以下一项或多项:所述家庭网关的内存使用率、所述家庭网关的中央处理器CPU使用率、所述家庭网关的进程运行状态、所述家庭网关的运行日志和所述家庭网关的网络速率与网络延时。
8.如权利要求6或7所述的方法,其特征在于,所述服务器基于所述故障监测数据,以及预存的针对至少一类故障的至少一种处理策略,确定目标处理策略,包括:
所述服务器基于所述故障监测数据,通过预训练的分类器,确定故障类型;
所述服务器基于所述故障类型,以及预存的针对至少一类故障的至少一种处理策略,确定所述目标处理策略。
9.一种服务器,其特征在于,包括至少一个处理器,所述至少一个处理器用于执行程序或指令,以使所述服务器实现如权利要求6至8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求6至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473976.7A CN114253799A (zh) | 2021-12-02 | 2021-12-02 | 一种故障处理系统、方法、服务器及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473976.7A CN114253799A (zh) | 2021-12-02 | 2021-12-02 | 一种故障处理系统、方法、服务器及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114253799A true CN114253799A (zh) | 2022-03-29 |
Family
ID=80793965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111473976.7A Pending CN114253799A (zh) | 2021-12-02 | 2021-12-02 | 一种故障处理系统、方法、服务器及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114253799A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118619A (zh) * | 2022-06-21 | 2022-09-27 | 阿里云计算有限公司 | 网络监测方法、装置、电子设备、介质及程序产品 |
CN117639910A (zh) * | 2023-10-24 | 2024-03-01 | 北京瑞祺皓迪技术股份有限公司 | 一种基于智能监控光纤配线设备的配网方法及装置 |
-
2021
- 2021-12-02 CN CN202111473976.7A patent/CN114253799A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118619A (zh) * | 2022-06-21 | 2022-09-27 | 阿里云计算有限公司 | 网络监测方法、装置、电子设备、介质及程序产品 |
CN117639910A (zh) * | 2023-10-24 | 2024-03-01 | 北京瑞祺皓迪技术股份有限公司 | 一种基于智能监控光纤配线设备的配网方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10805185B2 (en) | Detecting bug patterns across evolving network software versions | |
US10733037B2 (en) | STAB: smart triaging assistant bot for intelligent troubleshooting | |
US11018958B2 (en) | Communication network quality of experience extrapolation and diagnosis | |
US10270793B2 (en) | Methods and systems for transmitting performance beacons from an embedded device | |
US10749768B2 (en) | Using a multi-network dataset to overcome anomaly detection cold starts | |
US10742486B2 (en) | Analyzing common traits in a network assurance system | |
US20190138938A1 (en) | Training a classifier used to detect network anomalies with supervised learning | |
KR102418969B1 (ko) | 딥러닝 기반 통신망 장비의 장애 예측 시스템 및 방법 | |
US11797883B2 (en) | Using raw network telemetry traces to generate predictive insights using machine learning | |
US11080619B2 (en) | Predicting wireless access point radio failures using machine learning | |
US20210281492A1 (en) | Determining context and actions for machine learning-detected network issues | |
CN114253799A (zh) | 一种故障处理系统、方法、服务器及可读存储介质 | |
US11886280B2 (en) | Return and replacement protocol (RRP) | |
US10680919B2 (en) | Eliminating bad rankers and dynamically recruiting rankers in a network assurance system | |
US20190363943A1 (en) | Systems and methods for determining characteristics of devices on a network | |
US20190220760A1 (en) | Deriving highly interpretable cognitive patterns for network assurance | |
US20230403208A1 (en) | Apparatus and method for high availability of virtual network function | |
WO2024036043A1 (en) | Method and apparatus for controlling electronic devices | |
CN112333758A (zh) | 电视网关系统的稳定性监测管理方法、系统及应用 | |
US20230147729A1 (en) | Ad-hoc der machine data aggregation for co-simulation, deep learning and fault-tolerant power systems | |
Muñoz et al. | A method for identifying faulty cells using a classification tree-based UE diagnosis in LTE | |
CN111581107B (zh) | Ftp程序疲劳测试方法及系统 | |
US20180357560A1 (en) | Automatic detection of information field reliability for a new data source | |
US20230362079A1 (en) | Anomaly Detection for Cloud Computing Platforms | |
US20230362178A1 (en) | Detecting and Performing Root Cause Analysis for Anomalous Events |
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 |