CN114257490B - 无线网络性能告警分析方法及装置 - Google Patents

无线网络性能告警分析方法及装置 Download PDF

Info

Publication number
CN114257490B
CN114257490B CN202011004214.8A CN202011004214A CN114257490B CN 114257490 B CN114257490 B CN 114257490B CN 202011004214 A CN202011004214 A CN 202011004214A CN 114257490 B CN114257490 B CN 114257490B
Authority
CN
China
Prior art keywords
alarm
frequent
performance
items
frequent alarm
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
Application number
CN202011004214.8A
Other languages
English (en)
Other versions
CN114257490A (zh
Inventor
徐晶
王西点
王磊
周胜
王军
高峰
王亚楠
贾子寒
聂臻霖
石铎
陶雨
方波
谭裴
程楠
赵文娟
沈骜
张冬晨
王国治
刘大洋
罗枫
宗宇雷
沈金虎
吴磊
张洪伟
王耀祖
方媛
刘鹏程
左晶蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Group Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Mobile Communications Group Co Ltd, China Mobile Group Design Institute Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202011004214.8A priority Critical patent/CN114257490B/zh
Publication of CN114257490A publication Critical patent/CN114257490A/zh
Application granted granted Critical
Publication of CN114257490B publication Critical patent/CN114257490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
    • 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
    • H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
    • H04L41/0622—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time based on time
    • 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
    • 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
    • H04L41/064—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 time analysis
    • 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
    • H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明实施例提供一种无线网络性能告警分析方法及装置，该方法包括：根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。本实施例使用关联分析算法对周边小区性能告警之间的相关性进行深度挖掘，实现相关告警的有效合并，大大降低告警量，同时对相关性能告警指向的同一问题进行分析，提高了性能告警分析的效率和精准度。

Description

无线网络性能告警分析方法及装置
技术领域
本发明涉及无线网络运维优化技术领域，尤其涉及一种无线网络性能告警分析方法及装置。
背景技术
随着移动互联网的飞速发展，网络规模迅速扩展，网络多种制式共存，导致网络优化难度增大。无线网络性能告警是移动网络优化的重要监测手段。性能数据反映了网络运行的状况，无线网络性能告警通过性能数据与基准值进行比较，反映无线网络在运行过程中是否发生质量劣化的信息。原始的性能告警种类多、数量大，网络优化人员需耗费大量精力进行分析。
目前对无线网络性能告警的分析主要由网络优化人员根据经验制定的告警级别及筛选规则筛选出重要性能告警，网络优化人员根据重要性能告警优化无线网络。该方法一方面很可能遗漏重要性能告警，导致无法及时发现并解决网络问题；另一方面虽然通过筛选规则筛掉大量性能告警，但仍然存在冗余告警指向同一问题，导致网络优化工程师分析问题难度大，工作效率低。
此外，现有技术大多对故障告警或数据中心的告警进行关联分析获得根因告警，通过告警间的条件概率值进行相关性和因果关系的分析，能够在故障定位中发挥作用。需要预设置告警规则，挖掘根源告警和衍生告警的关联。但应用于性能告警分析存在两个缺陷：第一，分析根源告警的方法不适用于性能告警的分析。性能告警与故障告警有本质区别，性能告警是各类表征网络性能的指标低于或超过某门限阈值产生的告警，通常不存在根源告警。虽然可能由同一个根源性问题导致，但性能告警之间的因果关联性相对较弱，使用条件概率获取根源告警的方法不适用。第二，现有的故障告警分析出的关联告警仅指向同一小区的告警，而不同小区的性能告警之间很可能存在相关性。因此，现有的故障告警关联分析方法不适用于性能告警的关联分析。
发明内容
本发明实施例提供一种无线网络性能告警分析方法及装置，用以解决现有技术中手动筛选出的性能告警可能出现遗漏或冗余，分析难度大，工作效率低，而故障告警关联分析不适用于性能告警分析的缺陷，实现性能告警关联分析，有效压缩性能告警量，并提升网络性能优化的效率和精准度。
本发明实施例提供一种无线网络性能告警分析方法，包括：
根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；
从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；
根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
根据本发明一个实施例的无线网络性能告警分析方法，将预设原小区标识作为所述目标小区的性能告警的前缀；
将预设邻区标识作为所述邻区的性能告警的前缀；
将具有不同前缀或不同类型的性能告警作为不同的性能告警；
将具有相同前缀且相同类型的性能告警作为相同的性能告警。
根据本发明一个实施例的无线网络性能告警分析方法，所述邻区包括共站邻区和非共站邻区；
所述预设邻区标识包括预设共站邻区标识和预设非共站邻区标识；
将预设共站邻区标识作为所述共站邻区的性能告警的前缀；
将预设非共站邻区标识作为所述非共站邻区的性能告警的前缀。
根据本发明一个实施例的无线网络性能告警分析方法，所述关联分析算法为FP-growth算法；
相应地，从频繁告警集中匹配出所述数据记录项包含的频繁告警项的步骤之前还包括：
根据每个小区样本的编号和发生性能告警的时刻，获取数据表的键值；
根据每个小区样本在任一时刻发生的性能告警和每个小区样本的邻区在该时刻发送的性能告警，获取所述数据表的数据记录项；
根据所述数据表的键值和数据记录项构建所述数据表；
基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集。
根据本发明一个实施例的无线网络性能告警分析方法，基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集的步骤之后还包括：
获取所述频繁告警集中每个频繁告警项包含的性能告警的项数，并计算每个频繁告警项的支持率；
从所述频繁告警集中选择项数大于第一预设阈值且支持率大于第二预设阈值的频繁告警项进行保留，并将未选择的频繁告警项删除。
根据本发明一个实施例的无线网络性能告警分析方法，从频繁告警集中匹配出所述数据记录项包含的频繁告警项的步骤包括：
从每条频繁告警集的频繁告警项中选择出为所述数据记录项的子集的频繁告警项；
将从所有频繁告警集中选择出的频繁告警项中包含性能告警最多的频繁告警项作为从频繁告警集中匹配出的频繁告警项。
根据本发明一个实施例的无线网络性能告警分析方法，基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集的步骤之后还包括：
获取所述频繁告警集中每个频繁告警项对应的多个告警原因，并计算每个频繁告警项对应的各告警原因的占比；
按照每个频繁告警项对应的各告警原因的占比，对每个频繁告警项对应的各告警原因进行排序；
根据每个频繁告警项与每个频繁告警项对应的排序结果中占比最高的预设个数的告警原因之间的对应关系，构建关系字典；
相应地，根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因的步骤包括：
根据匹配出的频繁告警项，从所述关系字典中查找出所述频繁告警项对应的告警原因。
本发明实施例还提供一种无线网络性能告警分析装置，包括：
生成模块，用于根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；
匹配模块，用于从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；
查找模块，用于根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述无线网络性能告警分析方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述无线网络性能告警分析方法的步骤。
本发明实施例提供的无线网络性能告警分析方法及装置，通过首先使用关联分析算法进行分析，深度挖掘周边小区性能告警之间的相关性，获取小区样本的频繁告警集，实现相关告警的有效合并，大大降低告警量；然后对目标小区和目标小区的邻区在当前时刻的性能告警进行预处理生成数据记录项，从频繁告警集中匹配出数据记录项包含的频繁告警项，对匹配出的频繁告警项中包含的多个性能告警指向的同一问题进行分析，提高了性能告警分析的效率和精准度。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种无线网络性能告警分析方法的流程示意图；
图2是本发明实施例提供的一种无线网络性能告警分析方法中周边小区性能告警预处理的流程示意图；
图3是本发明实施例提供的一种无线网络性能告警分析方法中告警预测关联聚合流程示意图；
图4是本发明实施例提供的一种无线网络性能告警分析装置的结构示意图；
图5是本发明实施例提供的一种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，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1描述本发明实施例的无线网络性能告警分析方法，该方法包括:S101，根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；
其中，目标小区为需要进行无线网络性能告警分析的小区。本实施例中的时刻可以以小时为单位，但不限于这种单位。获取目标小区在当前时刻发出的性能告警和目标小区的邻区在当前时刻发出的性能告警，并将获取的目标小区和目标小区的邻区的性能告警作为一个数据记录项，从而在对无线网络性能告警进行相关分析时需充分考虑与周边小区网络性能问题的相关性。
S102，从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；
关联分析算法也叫关联规则挖掘，属于无监督算法的一种，用于从数据中挖掘出潜在的关联关系。使用关联分析算法对大量小区样本的历史性能告警进行分析，获取频繁告警集。频繁告警集中的每个频繁告警项中包括多个相关的性能告警。由于存在相关性的小区性能告警通常指向同一网络问题，可以作为一项性能告警输出，从而实现对性能告警量的压缩。
将目标小区对应的当前时刻的数据项与频繁告警集中的频繁告警项进行比较。如果某个频繁告警项中的性能告警是该数据项总的性能告警的子集，则获知数据项中的该性能告警子集之间具有相关性。该性能告警子集指向同一网络问题，根据该性能告警子集分析网络问题的原因。
S103，根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
由于小区样本的每个历史性能告警已有确定告警原因，根据小区样本的历史性能告警已有的告警原因，对每个频繁告警项中性能告警的原因进行关联，获取每个频繁告警项对应的告警原因。从所有频繁告警项对应的告警原因中查找出与目标小区当前时刻的数据记录项匹配的频繁告警项对应的告警原因。
本实施例通过首先使用关联分析算法进行分析，深度挖掘周边小区性能告警之间的相关性，获取小区样本的频繁告警集，实现相关告警的有效合并，大大降低告警量；然后对目标小区和目标小区的邻区在当前时刻的性能告警进行预处理生成数据记录项，从频繁告警集中匹配出数据记录项包含的频繁告警项，对匹配出的频繁告警项中包含的多个性能告警指向的同一问题进行分析，提高了性能告警分析的效率和精准度。
在上述实施例的基础上，本实施例中将预设原小区标识作为所述目标小区的性能告警的前缀；将预设邻区标识作为所述邻区的性能告警的前缀；将具有不同前缀或不同类型的性能告警作为不同的性能告警；将具有相同前缀且相同类型的性能告警作为相同的性能告警。
例如，性能告警的类型包括ALARM1、ALARM2和ALARM3。预设原小区标识为s，则将类型为ALARM1的目标小区的性能告警表示为s-ALARM1，将类型为ALARM2的目标小区的性能告警表示为s-ALARM2。本实施例中将类型和前缀均相同的性能告警视为相同的性能告警，将类型和前缀至少有一个不相同的性能告警视为不同的性能告警。
在上述各实施例的基础上，本实施例中所述邻区包括共站邻区和非共站邻区；所述预设邻区标识包括预设共站邻区标识和预设非共站邻区标识；将预设共站邻区标识作为所述共站邻区的性能告警的前缀；将预设非共站邻区标识作为所述非共站邻区的性能告警的前缀。
具体地，本实施例根据目标小区的邻区与目标小区是否共站，将发生性能告警的目标小区的周边小区分为共站邻区和非共站邻区。例如，将预设共站邻区标识设置为c，将预设非共站邻区标识设置为n，则将类型为ALARM1的共站邻区的性能告警表示为c-ALARM1，将类型为ALARM2的非共站邻区的性能告警表示为n-ALARM2。需要说明的是，当同一类邻区中有多个邻区发生相同的性能告警时此性能告警只计入一次。因为表征的意义相同，无需多次计入。
在上述各实施例的基础上，本实施例中所述关联分析算法为FP-growth算法；相应地，从频繁告警集中匹配出所述数据记录项包含的频繁告警项的步骤之前还包括：根据每个小区样本的编号和发生性能告警的时刻，获取数据表的键值；根据每个小区样本在任一时刻发生的性能告警和每个小区样本的邻区在该时刻发送的性能告警，获取所述数据表的数据记录项；根据所述数据表的键值和数据记录项构建所述数据表；基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集。
其中，FP-growth(Frequent Pattern Tree，频繁模式树)算法是一种挖掘频繁项集的方法，将数据集存储在一个特定的称作FP树的结构之后发现频繁项即或频繁项对。本实施例在对无线网络性能告警进行相关分析时，充分考虑周边小区间网络性能问题的相关性，因此在对性能告警进行预处理时对周边小区的性能告警进行聚合预处理，从而将周边小区的性能告警以数据记录项的形式组合，作为性能告警相关分析及告警数压降处理的基础。
如图2所示，按照时间维度遍历同一时刻发生性能告警的小区样本，以每个小区样本为原小区生成一条数据记录项，将原小区和原小区的周边小区同一时刻发生的性能告警计入此条数据记录项，并进行编码。假设以小时为单位，同一小时内小区样本CELL1、CELL2、CELL3和CELL4发生性能告警，如表1所示。假设小区样本之间的邻区关系如表2所示。
表1小区样本发生的性能告警
小区id 性能告警 告警发生时间
CELL1 ALARM1 2019/12/01 16：00：00
CELL2 ALARM1 2019/12/01 16：15：00
CELL2 ALARM2 2019/12/01 16：20：00
CELL3 ALARM3 2019/12/01 16：40：00
CELL4 ALARM3 2019/12/01 16：50：00
表2小区样本之间的邻区关系
原小区id 共站邻区 非共站邻区
CELL1 CELL2 CELL3、CELL4
CELL2 CELL1
CELL3 CELL1
CELL4 CELL1
遍历到CELL1时，CELL1为原小区，编码前缀设置为s，性能告警记为s-ALARM1。邻区CELL2为共站邻区，编码前缀设置为c，性能告警记为c-ALARM1和c-ALARM2。邻区CELL3和CELL4为非共站邻区，编码前缀设置为n，性能告警记为n-ALARM3。遍历所有小区样本得到表3中的数据记录项一列，键值在相关性分析中不作为数据项部分，仅供数据预处理结果的含义解释。
表3性能告警预处理结果
基于对周边小区性能告警的预处理进行频繁告警项关联分析。由现网性能告警发现，存在相关性的小区性能告警通常指向同一网络问题，可作为一项输出告警，一定程度上实现告警量的压缩。本实施例的思路是对大量历史性能告警进行预处理，形成训练集。使用FP-growth算法对预处理的周边小区的性能告警进行训练，实现对预处理后的性能告警的关联聚合。
本实施例中的频繁告警集不仅包含性能告警的类型，如ALARM1，同时也包含性能告警所属的小区属性，即原小区、共站邻区和非共站邻区，从而有效分析出周边小区之间性能告警的相关性。
在上述实施例的基础上，本实施例中基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集的步骤之后还包括：获取所述频繁告警集中每个频繁告警项包含的性能告警的项数，并计算每个频繁告警项的支持率；从所述频繁告警集中选择项数大于第一预设阈值且支持率大于第二预设阈值的频繁告警项进行保留，并将未选择的频繁告警项删除。
本实施例将频繁告警集中的所有频繁告警项按照包含的性能告警的项数和支持率进行排序，在对预处理后的性能告警进行聚合压降分析时，得到关联性较强且压缩比率较大的告警聚合结果。
本实施例完整的性能告警分析流程如图3所示，先使用图2中的预处理方法对原始小区样本的性能告警进行预处理，如步骤1所示；然后基于预处理结果训练频繁告警集，并根据频繁项的项数和支持率对频繁项进行筛选，如步骤2所示；接着，对当前时刻的性能告警使用图2中的预处理方法进行预处理，生成预测集，如步骤3所示；最后，再由频繁告警集中的逐项频繁告警项遍历预测集，将包含频繁项的预测数据项作为可关联聚合处理的性能告警。
在上述各实施例的基础上，本实施例中从频繁告警集中匹配出所述数据记录项包含的频繁告警项的步骤包括：从每条频繁告警集的频繁告警项中选择出为所述数据记录项的子集的频繁告警项；将从所有频繁告警集中选择出的频繁告警项中包含性能告警最多的频繁告警项作为从频繁告警集中匹配出的频繁告警项。
具体地，所有频繁告警集中频繁告警项中可能存在多个为数据记录项的子集的频繁告警项。在存在多个频繁告警项的情况下，为了简化分析过程，从中选择包含性能告警最多的频繁告警项进行性能告警分析。
在上述实施例的基础上，本实施例中基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集的步骤之后还包括：获取所述频繁告警集中每个频繁告警项对应的多个告警原因，并计算每个频繁告警项对应的各告警原因的占比；按照每个频繁告警项对应的各告警原因的占比，对每个频繁告警项对应的各告警原因进行排序；根据每个频繁告警项与每个频繁告警项对应的排序结果中占比最高的预设个数的告警原因之间的对应关系，构建关系字典；相应地，根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因的步骤包括：根据匹配出的频繁告警项，从所述关系字典中查找出所述频繁告警项对应的告警原因。
具体地，通过关联分析聚合的小区性能告警通常指向同一网络问题，该网络问题可以从历史数据中挖掘优化经验。思路是统计频繁告警集中的频繁告警项对应的历史告警问题分析原因。在对预测集进行匹配得到聚合的小区后，先关联聚合的小区所发生的设备故障告警。排除故障告警后，根据对预测集进行匹配得到的频繁告警项及其所对应的历史原因，给出网络性能优化建议。
频繁告警集中的频繁告警项对应的历史告警问题分析原因通过对历史上已有确定告警原因的小区样本的性能告警进行关联预测分析，得到对大量历史性能告警的压降结果。同时关联各性能告警的告警原因，并计算每一条频繁项对应的告警原因占比排序。由此得到频繁告警集中的频繁告警项与告警原因的对应关系，将其作为字典列表，用于为新产生并由频繁项集关联聚合过的性能告警自动提供优化处理建议。频繁告警项与历史告警原因之间对应关系的字典列表示例如表4所示。
表4频繁告警项与历史告警原因之间对应关系的字典列表
下面对本发明实施例提供的无线网络性能告警分析装置进行描述，下文描述的无线网络性能告警分析装置与上文描述的无线网络性能告警分析方法可相互对应参照。
如图4所示，该装置包括生成模块401、匹配模块402和查找模块403，其中生成模块401用于根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；
其中，目标小区为需要进行无线网络性能告警分析的小区。本实施例中的时刻可以以小时为单位，但不限于这种单位。生成模块401获取目标小区在当前时刻发出的性能告警和目标小区的邻区在当前时刻发出的性能告警，并将获取的目标小区和目标小区的邻区的性能告警作为一个数据记录项，从而在对无线网络性能告警进行相关分析时需充分考虑与周边小区网络性能问题的相关性。
匹配模块402用于从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；
关联分析算法也叫关联规则挖掘，属于无监督算法的一种，用于从数据中挖掘出潜在的关联关系。使用关联分析算法对大量小区样本的历史性能告警进行分析，获取频繁告警集。频繁告警集中的每个频繁告警项中包括多个相关的性能告警。由于存在相关性的小区性能告警通常指向同一网络问题，可以作为一项性能告警输出，从而实现对性能告警量的压缩。
匹配模块402将目标小区对应的当前时刻的数据项与频繁告警集中的频繁告警项进行比较。如果某个频繁告警项中的性能告警是该数据项总的性能告警的子集，则获知数据项中的该性能告警子集之间具有相关性。该性能告警子集指向同一网络问题，根据该性能告警子集分析网络问题的原因。
查找模块403用于根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
由于小区样本的每个历史性能告警已有确定告警原因，根据小区样本的历史性能告警已有的告警原因，对每个频繁告警项中性能告警的原因进行关联，获取每个频繁告警项对应的告警原因。从所有频繁告警项对应的告警原因中查找出与目标小区当前时刻的数据记录项匹配的频繁告警项对应的告警原因。
本实施例通过首先使用关联分析算法进行分析，深度挖掘周边小区性能告警之间的相关性，获取小区样本的频繁告警集，实现相关告警的有效合并，大大降低告警量；然后对目标小区和目标小区的邻区在当前时刻的性能告警进行预处理生成数据记录项，从频繁告警集中匹配出数据记录项包含的频繁告警项，对匹配出的频繁告警项中包含的多个性能告警指向的同一问题进行分析，提高了性能告警分析的效率和精准度。
在上述实施例的基础上，本实施例中将预设原小区标识作为所述目标小区的性能告警的前缀；将预设邻区标识作为所述邻区的性能告警的前缀；将具有不同前缀或不同类型的性能告警作为不同的性能告警；将具有相同前缀且相同类型的性能告警作为相同的性能告警。
在上述实施例的基础上，本实施例中所述邻区包括共站邻区和非共站邻区；所述预设邻区标识包括预设共站邻区标识和预设非共站邻区标识；将预设共站邻区标识作为所述共站邻区的性能告警的前缀；将预设非共站邻区标识作为所述非共站邻区的性能告警的前缀。
在上述实施例的基础上，本实施例中所述关联分析算法为FP-growth算法；相应地，还包括训练模块，用于根据每个小区样本的编号和发生性能告警的时刻，获取数据表的键值；根据每个小区样本在任一时刻发生的性能告警和每个小区样本的邻区在该时刻发送的性能告警，获取所述数据表的数据记录项；根据所述数据表的键值和数据记录项构建所述数据表；基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集。
在上述实施例的基础上，本实施例中还包括计算模块，用于获取所述频繁告警集中每个频繁告警项包含的性能告警的项数，并计算每个频繁告警项的支持率；从所述频繁告警集中选择项数大于第一预设阈值且支持率大于第二预设阈值的频繁告警项进行保留，并将未选择的频繁告警项删除。
在上述实施例的基础上，本实施例中匹配模块具体用于：从每条频繁告警集的频繁告警项中选择出为所述数据记录项的子集的频繁告警项；将从所有频繁告警集中选择出的频繁告警项中包含性能告警最多的频繁告警项作为从频繁告警集中匹配出的频繁告警项。
在上述实施例的基础上，本实施例中还包括构建模块，用于获取所述频繁告警集中每个频繁告警项对应的多个告警原因，并计算每个频繁告警项对应的各告警原因的占比；按照每个频繁告警项对应的各告警原因的占比，对每个频繁告警项对应的各告警原因进行排序；根据每个频繁告警项与每个频繁告警项对应的排序结果中占比最高的预设个数的告警原因之间的对应关系，构建关系字典；相应地，所述匹配模块具体用于：根据匹配出的频繁告警项，从所述关系字典中查找出所述频繁告警项对应的告警原因。
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行无线网络性能告警分析方法，该方法包括：根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
此外，上述的存储器530中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明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-Only Memory)、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。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的无线网络性能告警分析方法，该方法包括：根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的无线网络性能告警分析方法，该方法包括：根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (8)

1.一种无线网络性能告警分析方法，其特征在于，包括：
根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；
从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；
根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储；
所述关联分析算法为FP-growth算法；
相应地，从频繁告警集中匹配出所述数据记录项包含的频繁告警项的步骤之前还包括：
根据每个小区样本的编号和发生性能告警的时刻，获取数据表的键值；
根据每个小区样本在任一时刻发生的性能告警和每个小区样本的邻区在该时刻发送的性能告警，获取所述数据表的数据记录项；
根据所述数据表的键值和数据记录项构建所述数据表；
基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集；
基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集的步骤之后还包括：
获取所述频繁告警集中每个频繁告警项对应的多个告警原因，并计算每个频繁告警项对应的各告警原因的占比；
按照每个频繁告警项对应的各告警原因的占比，对每个频繁告警项对应的各告警原因进行排序；
根据每个频繁告警项与每个频繁告警项对应的排序结果中占比最高的预设个数的告警原因之间的对应关系，构建关系字典；
相应地，根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因的步骤包括：
根据匹配出的频繁告警项，从所述关系字典中查找出所述频繁告警项对应的告警原因。
2.根据权利要求1所述的无线网络性能告警分析方法，其特征在于，将预设原小区标识作为所述目标小区的性能告警的前缀；
将预设邻区标识作为所述邻区的性能告警的前缀；
将具有不同前缀或不同类型的性能告警作为不同的性能告警；
将具有相同前缀且相同类型的性能告警作为相同的性能告警。
3.根据权利要求2所述的无线网络性能告警分析方法，其特征在于，所述邻区包括共站邻区和非共站邻区；
所述预设邻区标识包括预设共站邻区标识和预设非共站邻区标识；
将预设共站邻区标识作为所述共站邻区的性能告警的前缀；
将预设非共站邻区标识作为所述非共站邻区的性能告警的前缀。
4.根据权利要求1所述的无线网络性能告警分析方法，其特征在于，基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集的步骤之后还包括：
获取所述频繁告警集中每个频繁告警项包含的性能告警的项数，并计算每个频繁告警项的支持率；
从所述频繁告警集中选择项数大于第一预设阈值且支持率大于第二预设阈值的频繁告警项进行保留，并将未选择的频繁告警项删除。
5.根据权利要求1-4任一所述的无线网络性能告警分析方法，其特征在于，从频繁告警集中匹配出所述数据记录项包含的频繁告警项的步骤包括：
从每条频繁告警集的频繁告警项中选择出为所述数据记录项的子集的频繁告警项；
将从所有频繁告警集中选择出的频繁告警项中包含性能告警最多的频繁告警项作为从频繁告警集中匹配出的频繁告警项。
6.一种无线网络性能告警分析装置，其特征在于，包括：
生成模块，用于根据目标小区和所述目标小区的邻区在当前时刻的性能告警，生成所述目标小区对应的数据记录项；
匹配模块，用于从频繁告警集中匹配出所述数据记录项包含的频繁告警项；其中，所述频繁告警集基于关联分析算法对小区样本的性能告警进行分析获取；
查找模块，用于根据匹配出的频繁告警项，查找所述频繁告警项对应的告警原因；其中，所述频繁告警项与所述告警原因之间的关联关系预先存储；
所述关联分析算法为FP-growth算法；
还包括分析模块，用于：
根据每个小区样本的编号和发生性能告警的时刻，获取数据表的键值；
根据每个小区样本在任一时刻发生的性能告警和每个小区样本的邻区在该时刻发送的性能告警，获取所述数据表的数据记录项；
根据所述数据表的键值和数据记录项构建所述数据表；
基于所述FP-growth算法对所述数据表进行分析，生成频繁告警集；
还包括构建模块，用于：
获取所述频繁告警集中每个频繁告警项对应的多个告警原因，并计算每个频繁告警项对应的各告警原因的占比；
按照每个频繁告警项对应的各告警原因的占比，对每个频繁告警项对应的各告警原因进行排序；
根据每个频繁告警项与每个频繁告警项对应的排序结果中占比最高的预设个数的告警原因之间的对应关系，构建关系字典；
所述查找模块具体用于:
根据匹配出的频繁告警项，从所述关系字典中查找出所述频繁告警项对应的告警原因。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至5任一项所述无线网络性能告警分析方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述无线网络性能告警分析方法的步骤。
CN202011004214.8A 2020-09-22 2020-09-22 无线网络性能告警分析方法及装置 Active CN114257490B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011004214.8A CN114257490B (zh) 2020-09-22 2020-09-22 无线网络性能告警分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011004214.8A CN114257490B (zh) 2020-09-22 2020-09-22 无线网络性能告警分析方法及装置

Publications (2)

Publication Number Publication Date
CN114257490A CN114257490A (zh) 2022-03-29
CN114257490B true CN114257490B (zh) 2023-08-15

Family

ID=80789707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011004214.8A Active CN114257490B (zh) 2020-09-22 2020-09-22 无线网络性能告警分析方法及装置

Country Status (1)

Country Link
CN (1) CN114257490B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305318A (zh) * 2000-12-06 2001-07-25 深圳市中兴通讯股份有限公司上海第二研究所 一种移动通信系统中均衡业务量分布的切换方法
CN101345973A (zh) * 2008-09-01 2009-01-14 中国移动通信集团山东有限公司 通信网中使用小区簇进行网络优化调整的方法及系统
CN107306406A (zh) * 2016-04-18 2017-10-31 中国移动通信集团广东有限公司 邻区自动优化方法及装置
CN107844602A (zh) * 2017-11-24 2018-03-27 重庆邮电大学 一种基于时空属性关联规则的预测方法
CN108111346A (zh) * 2017-12-19 2018-06-01 深圳市麦斯杰网络有限公司 告警关联分析中频繁项集的确定方法、装置及存储介质
CN109005556A (zh) * 2018-07-24 2018-12-14 武汉虹信技术服务有限责任公司 一种基于用户话单的4g网络质量优化方法与系统
CN109189736A (zh) * 2018-08-01 2019-01-11 中国联合网络通信集团有限公司 一种告警关联规则的生成方法和装置
CN109635003A (zh) * 2018-12-07 2019-04-16 南京华苏科技有限公司 一种基于多数据源的社区人口信息关联的方法
CN110062393A (zh) * 2018-01-18 2019-07-26 董裕艺 一种网络差小区智能分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10489363B2 (en) * 2016-10-19 2019-11-26 Futurewei Technologies, Inc. Distributed FP-growth with node table for large-scale association rule mining

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305318A (zh) * 2000-12-06 2001-07-25 深圳市中兴通讯股份有限公司上海第二研究所 一种移动通信系统中均衡业务量分布的切换方法
CN101345973A (zh) * 2008-09-01 2009-01-14 中国移动通信集团山东有限公司 通信网中使用小区簇进行网络优化调整的方法及系统
CN107306406A (zh) * 2016-04-18 2017-10-31 中国移动通信集团广东有限公司 邻区自动优化方法及装置
CN107844602A (zh) * 2017-11-24 2018-03-27 重庆邮电大学 一种基于时空属性关联规则的预测方法
CN108111346A (zh) * 2017-12-19 2018-06-01 深圳市麦斯杰网络有限公司 告警关联分析中频繁项集的确定方法、装置及存储介质
CN110062393A (zh) * 2018-01-18 2019-07-26 董裕艺 一种网络差小区智能分析方法
CN109005556A (zh) * 2018-07-24 2018-12-14 武汉虹信技术服务有限责任公司 一种基于用户话单的4g网络质量优化方法与系统
CN109189736A (zh) * 2018-08-01 2019-01-11 中国联合网络通信集团有限公司 一种告警关联规则的生成方法和装置
CN109635003A (zh) * 2018-12-07 2019-04-16 南京华苏科技有限公司 一种基于多数据源的社区人口信息关联的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于大数据机器学习的告警关联分析与预测;马晨;《中国优秀硕士论文电子期刊网》;第12-14页 *

Also Published As

Publication number Publication date
CN114257490A (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
CN107294993B (zh) 一种基于集成学习的web异常流量监测方法
US10489363B2 (en) Distributed FP-growth with node table for large-scale association rule mining
CN110958136A (zh) 一种基于深度学习的日志分析预警方法
CN110941959B (zh) 文本违规检测、文本还原方法、数据处理方法及设备
CN110399278B (zh) 基于数据中心异常监控的告警融合系统及方法
CN113259176B (zh) 一种告警事件分析方法和装置
CN114465874A (zh) 故障预测方法、装置、电子设备与存储介质
CN112816898B (zh) 电瓶故障预测方法、装置、电子设备和存储介质
CN112686521B (zh) 一种风控规则调优方法和系统
CN108667678A (zh) 一种基于大数据的运维日志安全检测方法及装置
US20050240582A1 (en) Processing data in a computerised system
Xiaolong et al. RFC: a feature selection algorithm for software defect prediction
CN112306787A (zh) 报错日志处理方法、装置、电子设备和智能音箱
CN114647558A (zh) 一种日志异常检测的方法和装置
CN115859191A (zh) 故障诊断方法、装置、计算机可读存储介质及计算机设备
Luaces et al. Leveraging Bitmap Indexing for Subgraph Searching.
US11501058B2 (en) Event detection based on text streams
CN114257490B (zh) 无线网络性能告警分析方法及装置
CN115964470B (zh) 一种摩托车配件的寿命预测方法及系统
CN116136897A (zh) 信息处理方法以及装置
CN116527481A (zh) 基于统计的网络告警关联规则挖掘及故障定位方法、系统
CN109522196A (zh) 一种故障日志处理的方法及装置
CN114968933A (zh) 数据中心的日志的分类方法和装置
CN113537349A (zh) 大型主机硬件故障识别方法、装置、设备及存储介质
CN117312350B (zh) 钢铁行业碳排放数据管理方法及装置

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