CN115412430A - 异常节点的定位方法、装置、电子设备及可读存储介质 - Google Patents
异常节点的定位方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN115412430A CN115412430A CN202210946684.9A CN202210946684A CN115412430A CN 115412430 A CN115412430 A CN 115412430A CN 202210946684 A CN202210946684 A CN 202210946684A CN 115412430 A CN115412430 A CN 115412430A
- Authority
- CN
- China
- Prior art keywords
- node
- data
- abnormal
- information entropy
- top box
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 171
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 94
- 230000005856 abnormality Effects 0.000 claims abstract description 39
- 238000012360 testing method Methods 0.000 claims description 34
- 230000003287 optical effect Effects 0.000 claims description 27
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 113
- 238000012545 processing Methods 0.000 description 30
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 235000011464 Pachycereus pringlei Nutrition 0.000 description 1
- 235000011466 Pachycereus weberi Nutrition 0.000 description 1
- 240000006939 Pachycereus weberi Species 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 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
- H04L41/0677—Localisation of faults
-
- 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
- H04L43/10—Active monitoring, e.g. heartbeat, ping or trace-route
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种异常节点的定位方法、装置、电子设备及可读存储介质。该方法中,通过获取数据接收端与数据提供端之间所传输数据的数据质量参数。在数据质量参数表征当前存在数据传输异常的情况下,根据数据接收端对应的接入模式,获取数据的数据传输链路中所经过节点的网络质量参数。根据所经过节点中节点的网络质量参数之间的差值,确定异常节点。从异常节点开始,确定数据传输链路中造成数据传输异常的源头异常节点。这样,一定程度上可以提高异常定位的效率。且从异常节点开始,进一步确定造成数据传输异常的源头节点,一定程度上可以提高异常定位的准确性。
Description
技术领域
本发明属于网络技术领域,特别是涉及一种异常节点的定位方法、装置、电子设备及可读存储介质。
背景技术
随着网络技术的不断发展,网络传输的应用越来越广泛。网络中进行数据传输时,可能会出现传输异常的问题,导致用户无法正常使用。例如,在交互式网络电视(InternetProtocol Television,IPTV)场景中,如果出现异常,可能会导致用户无法正常观看视频节目。
现有技术中,往往是在出现异常导致用户无法观看视频节目的情况下,用户向网络方提交故障单之后,才采用人工诊断的方式进行异常定位。但由于实际传输链路较为复杂,因此,异常定位的效率较低。
发明内容
本发明提供一种异常节点的定位方法、装置、电子设备及可读存储介质,以解决异常定位的效率较低的技术问题。
第一方面,本发明提供一种异常节点的定位方法,所述方法包括:
获取数据接收端与数据提供端之间所传输数据的数据质量参数;
在所述数据质量参数表征当前存在数据传输异常的情况下,根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数;
根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点;
从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点。
第二方面,本发明提供一种异常节点的定位装置,所述装置包括:
第一获取模块,用于获取数据接收端与数据提供端之间所传输数据的数据质量参数;
第二获取模块,用于在所述数据质量参数表征当前存在数据传输异常的情况下,根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数;
第一确定模块,用于根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点;
第二确定模块,用于从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点。
第三方面,本发明提供一种电子设备,包括:处理器、存储器以及存储在所述存储器上并可在所述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上述异常节点的定位方法。
第四方面,本发明提供一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述异常节点的定位方法。
在本发明实施例中,通过获取数据接收端与数据提供端之间所传输数据的数据质量参数。在数据质量参数表征当前存在数据传输异常的情况下,根据数据接收端对应的接入模式,获取数据的数据传输链路中所经过节点的网络质量参数。根据所经过节点中节点的网络质量参数之间的差值,确定异常节点。从异常节点开始,确定数据传输链路中造成数据传输异常的源头异常节点。这样,基于数据质量参数自动感知异常,并自动基于所经过节点中节点的网络质量参数之间的差值,即可确定出异常节点,一定程度上可以提高异常定位的效率。且从异常节点开始,进一步确定造成数据传输异常的源头节点,一定程度上可以提高异常定位的准确性。
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异常节点的定位方法的步骤流程图;
图2是本发明实施例提供的一种异常节点处理流程图;
图3是本发明实施例提供一种不同模式对应的任务示意图;
图4是本发明实施例提供的一种场景示意图;
图5是本发明实施例提供的一种数据提供端的IP地址的选择示意图;
图6是本发明实施例提供的一种源头节点的处理流程图;
图7是本发明实施例提供的一种异常节点的定位装置的结构图;
图8是本发明实施例提供的一种电子设备的结构图。
具体实施方式
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。
图1是本发明实施例提供的一种异常节点的定位方法的步骤流程图,如图1所示,该方法可以包括:
步骤101、获取数据接收端与数据提供端之间所传输数据的数据质量参数。
本发明实施例中,数据接收端可以是接收数据提供端所提供的数据报文的设备。示例性地,数据接收端可以为数字视频变换盒,即,机顶盒。其中,机顶盒可以和电视端连接,为电视端提供交互式网络电视(Internet Protocol Television,IPTV)信号。数据提供端可以是用于提供数据流的服务器,例如,用于提供视频流的内容分发网络(ContentDelivery Network,CDN)服务器或者是提供电子节目指南(Electronic Program Guide,EPG)的服务器。
数据质量参数可以是能够表征数据质量的指标,例如,数据质量参数可以包括数据的时延、丢帧率、抖动、卡顿等参数。本发明实施例提供的异常节点的定位方法可以应用于预设的处理平台。在一种实现方式中,可以预先在机顶盒中部署探针软件。在机顶盒开机时,机顶盒内嵌的探针软件可以自动开启。相应地,机顶盒播放节目获取数据流时,可以触发机顶盒内的探针软件检测数据质量参数并将检测到的数据质量参数上报给处理平台。处理平台通过接收上报的数据质量参数即可实现获取。需要说明的是,机顶盒还可以进一步上报所连接宽带的用户宽带账号。不同机顶盒可以对应不同的用户宽带账号,一个用户宽带账号表征一个用户,相应地,一个机顶盒可以对应表示一个用户。
步骤102、在所述数据质量参数表征当前存在数据传输异常的情况下,根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数。
本发明实施例中,如果数据质量参数表征当前存在数据传输异常,则可以确定数据传输链路中有节点出现异常,因此,可以进一步获取数据传输链路中所经过节点的网络质量参数,以便根据网络质量参数定位导致数据传输异常的节点。其中,网络质量参数可以是用于衡量网络状况的指标。节点的网络质量参数可以是通过对节点进行网络质量测试的得到的,如果节点的网络质量参数异常,则可以表明该节点存在异常。示例性地,网络质量参数可以包括节点的时延、丢包率等等。数据接收端对应的接入模式可以指的是接入光调制解调器的模式,其中,光调制解调器可以指的是光猫。
步骤103、根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点。
步骤104、从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点。
针对步骤103-104,其中,节点的网络质量参数之间的差值可以指的是所经过节点中特定节点之间的差值,例如,可以指的是各跳节点与最后一跳节点之间的差值。如果差值异常,则可以反映该节点存在异常。
实际应用场景中,数据传输链路中会涉及多跳节点,异常节点出现的异常可能是由于其他节点引起的,也就是说,该异常节点可能并未导致异常的源头,因此可以从述异常节点开始进行溯源,以确定数据传输异常的源头节点。需要说明的是,本发明实施例中,同一时间可能存在多个机顶盒向处理平台上报数据质量参数,相应地,处理平台可以进行并发处理,进而实现并发跟踪定位源头节点。
综上所述,本发明实施例提供的异常节点的定位方法,通过获取数据接收端与数据提供端之间所传输数据的数据质量参数。在数据质量参数表征当前存在数据传输异常的情况下,根据数据接收端对应的接入模式,获取数据的数据传输链路中所经过节点的网络质量参数。根据所经过节点中节点的网络质量参数之间的差值,确定异常节点。从异常节点开始,确定数据传输链路中造成数据传输异常的源头异常节点。这样,基于数据质量参数自动感知异常,并自动基于所经过节点中节点的网络质量参数之间的差值,即可确定出异常节点,一定程度上可以提高异常定位的效率。且从异常节点开始,进一步确定造成数据传输异常的源头节点,一定程度上可以提高异常定位的准确性。
可选地,在一种实现方式中,上述根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点的步骤,具体可以包括:
步骤1031、根据所述所经过节点中各个节点的网络质量参数,计算各个所述节点对应的信息熵。
其中,可以把信息中排除了冗余后的平均信息量称为“信息熵”,信息熵可以实现对信息的量化度量。具体的,对于任一节点,可以将该节点的网络质量参数作为输入,基于该节点的网络质量参数计算该节点对应的信息熵。其中,节点对应的信息熵也可以称为指标信息熵。信息熵可以与网络质量参数正相关,网络质量参数越大,信息熵可以越大。具体的,可以按照正相关的方式,根据网络质量参数计算对应的信息熵。例如,为越大的网络质量参数设置越大的信息熵。
步骤1032、在最后一跳节点对应的信息熵大于预设信息熵阈值的情况下,从第一跳节点开始,计算所述节点对应的信息熵与所述最后一跳节点对应的信息熵之间的信息熵差值,并在所述信息熵差值小于第一预设差值阈值的情况下,将所述节点确定为所述异常节点。
其中,预设信息熵阈值可以是根据实际需求预先设置的,示例性地,预设信息熵阈值可以是全网(即,整个网络)中对应跳次指标平均值信息熵。具体的,可以从历史数据中统计全网的数据传输链路中最后一跳节点对应的信息熵,然后计算全网中最后一跳节点的对应信息熵的平均值,作为预设信息熵阈值。将最后一跳节点对应的信息熵与最后一跳节点对应的信息熵相减。具体的,可以是在最后一跳节点对应的信息熵与预设信息熵阈值之间的差值大于预设的第一门限值的情况下,执行从第一跳节点开始,计算所述节点对应的信息熵与所述最后一跳节点对应的信息熵之间的信息熵差值,并在所述信息熵差值小于第一预设差值阈值的情况下,将所述节点确定为所述异常节点的步骤,本发明实施例对此不做限制。其中,确定异常节点的操作可以基于判断模块实现。
进一步地,可以从第一跳开始,逐跳计算该节点对应的信息熵与最后一跳节点对应的信息熵之间的信息熵之间的差值,得到信息熵差值。例如,从第一跳跃开始,逐跳将该节点对应的信息熵与最后一跳节点对应的信息熵相减。最后一跳节点对应的信息熵大于预设信息熵阈值的情况下,可以认为最后一跳节点对应的信息熵异常,当前的数据传输链路中存在异常。相应地,如果该节点的信息熵差值小于第一预设差值阈值,则可以说明该节点的信息熵与最后一跳节点对应的信息熵较为接近,也就是说,该节点的信息熵接近异常的信息熵。因此,可以认为当前跳节点异常。反之,如果该节点的信息熵差值不小于第一预设差值阈值,则可以说明该节点的信息熵与最后一跳节点对应的信息熵差距较大,也就是说,该节点的信息熵不存在异常。因此,可以认为当前跳节点正常,进而可以对下一跳节点进行判断,通过遍历,直至定位到不正常的节点。
如果最后一跳节点对应的信息熵不大于预设信息熵阈值的情况下,可以认为最后一跳节点对应的信息熵正常,当前的数据传输链路中不存在异常,进而可以判定为网络正常,即不存在异常节点,数据传输异常可能是由于其他因素导致的。
示例性地,图2是本发明实施例提供的一种异常节点处理流程图,如图2所示,可以先确定各跳节点对应的信息熵,然后计算最后一跳节点对应的信息熵与预设信息熵阈值的差值,在该差值不大于预设的第一门限值的情况下,判定网络正常。在该差值大于预设的第一门限值的情况下,从第一跳开始,逐跳计算该节点对应的信息熵与最后一跳节点对应的信息熵之间的差值,得到信息熵差值。在信息熵差值小于第一预设差值阈值的情况下,将当前跳节点确定为所述异常节点。在信息熵差值不小于第一预设差值阈值的情况下,继续对下一跳节点进行判断。
需要说明的是,在另一种实现方式中,也可以计算全网中最后一跳节点的网络质量参数的平均值。在最后一跳节点对应的网络质量参数大于该平均值的情况下,从第一跳节点开始,逐跳计算节点的网络质量参数与最后一跳节点的网络质量参数之间的差值,并在所述该差值小于预设质量参数差值阈值的情况下,将该跳节点确定为异常节点。
本发明实施例中,在最后一跳节点对应的信息熵大于预设信息熵阈值的情况下,从第一跳节点开始,逐跳计算节点对应的信息熵与最后一跳节点对应的信息熵之间的信息熵差值,并在信息熵差值小于第一预设差值阈值的情况下,将该跳节点确定为所述异常节点。这样,通过逐跳遍历计算信息熵的差值,即可识别出异常节点,进而一定程度上可以提高异常节点定位效率。
进一步地,本发明实施例中,也可以基于信息熵构建决策树。利用信息熵构建决策树时,可以比较每一个判断条件带来的信息熵递减程度,选出导致信息熵递减程度最大的判断条件,然后把它放到根结点的位置。接着重复执行这样的步骤,直到构建出完整的决策树为止。最后基于决策树,选出异常节点。这样,采用决策树算法,基于信息增益,进行数据分析,可对少数异常数据具有良好的抗干扰作用。
可选地,在一种实现方式中,上述根据所述所经过节点中各个节点的网络质量参数,计算各个所述节点对应的信息熵的步骤,具体可以包括:
步骤1031a、对于任一所述节点,确定目标参数区间对应的概率密度;所述目标参数区间是所述节点的网络质量参数所属的参数区间,不同参数区间对应的概率密度是预先统计得到的。
具体的,对于整个网络中所有节点中的任一节点,可以预先统计所有用户的数据接收端与数据提供端传输数据时该跳节点的网络质量参数。即,可以统计整个网络中所有用户每一跳至对应归属服务节点的网络质量参数。其中,一个数据接收端可以表征一个用户,对应归属服务节点即为数据提供端,例如,可以为上述EPG服务器或者CDN服务器。以归属服务节点为CDN服务器,整个网络中存在1000个用户,网络质量参数为丢包率为例,假设1000个用户的数据接收端与CDN服务器传输数据时均会经过节点A,那么可以统计得到1000个丢包率。
进一步地,在得到多个网络质量参数之后,可以基于分箱法将这多个参数分为多个分箱,进而得到多个参数区间。其中,一个分箱表征一个参数区间。具体的,可以基于采用等宽分箱、等频分箱、基于均值聚类的分箱等方式,本发明实施例对此不做限制。概率密度是指事件随机发生的几率。概率密度等于一段区间的概率除以该段区间的长度。具体的,对于任一参数区间,可以计算落入该参数区间的网络质量参数的数量与统计得到的网络质量参数的总数量之间的比值,得到该参数区间的概率,当然,也可以根据落入该参数区间的网络质量参数的数量以及统计得到的网络质量参数的总数量采用其他方式计算该参数区间的概率,本发明实施例对此不做限制。进一步地,计算该参数区间的最大端点值与最小端点值的差值作为该参数区间的长度。然后计算该参数区间的概率与该参数区间的长度的比值,得到该参数区间的概率密度。当然,也可以采用其他方式计算,本发明实施例对此不做限制。
确定目标参数区间对应的概率密度时,可以先将该节点与各个参数区间的范围进行比对,如果该节点落入该参数区间的范围,则可以将该参数区间确定为目标参数区间。进一步地,可以从预先为各个参数区间计算的概率密度中,查找预先为该目标参数区间计算的概率密度。
步骤1031b、根据所述目标参数区间对应的概率密度,计算所述节点对应的信息熵。
具体的,可以基于预设的信息熵算法计算节点对应的信息熵。示例性地,信息熵可以基于香农(Shannon)信息熵算法计算得到的。在一种实现方式中,可以将该概率密度作为预设信息熵计算公式的输入,将该预设信息熵计算公式的输出作为该节点对应的信息熵。示例性地,该预设信息熵计算公式可以为:H(x)=-p(x)log(p(x))。其中,可以将概率密度作为p(x)代入上述公式。
需要说明的是,网络质量参数可能包括多种,可以分别确定节点的各网络质量参数所属的目标参数区间对应的概率密度,得到多个概率密度。例如,网络质量参数包括时延以及丢包率。相应地,可以针对节点的时延以及丢包率,分别确定时延对应的概率密度以及丢包率对应的概率密度。基于这多个概率密度计算该节点对应的信息熵。示例性地,可以将这多个概率密度分别代入上述公式,得到多种网络质量参数的信息熵。然后进行求和,或者,加权求和,得到该节点对应的信息熵。其中,不同种网络质量参数对应的权重可以根据实际情况预先设置。例如,丢包率对应的信息熵的权重可以大于时延对应的信息熵的权重。
本发明实施例中,对于任一节点,先确定节点的网络质量参数所属的目标参数区间对应的概率密度,不同参数区间对应的概率密度是预先统计得到的。根据目标参数区间对应的概率密度,计算节点对应的信息熵。这样,通过从预先统计得到的不同参数区间对应的概率密度中,确定该节点的网络质量参数所属的目标参数区间对应的概率密度,直接基于该概率密度计算信息熵,一定程度上可以提高信息熵的计算效率。
且通过引入基于全网用户的数据计算得到的概率密度,计算信息熵,使得根据节点的网络质量参数计算得到的信息熵可以从整体上反应信息量,进而一定程度上可以提高信息熵的计算效果。
可选的,以所述数据获取端为机顶盒为例,上述获取数据接收端与数据提供端之间所传输数据的数据质量参数的步骤,具体可以包括:接收所述机顶盒上报的当前时间块中数据流的数据质量参数。相应地,本发明实施例中,可以在所述机顶盒的首页访问异常时长与所述机顶盒的总开机时长的比值大于第一预设比值阈值、所述当前时间块中播放异常时长与所述当前时间块的时长的比值大于第二预设比值阈值或者所述机顶盒的播放成功率小于预设成功率阈值的情况下,确定当前存在数据传输异常;所述首页访问异常时长、所述播放异常时长以及所述播放成功率是基于所述数据质量参数确定的。
其中,确定当前是否存在数据传输异常的操作可以是基于探针模块实现的。总开机时长可以是机顶盒上报的。上报的数据质量参数中可以包括首页访问异常时长、播放异常时长以及播放成功率。或者,首页访问异常时长、播放异常时长以及播放成功率也可以是处理平台根据上报的数据质量参数确定的。示例性地,处理平台可以将数据质量参数中的首页卡顿时长作为首页访问异常时长、将数据质量参数中的播放卡顿时长作为播放异常时长。将数据质量参数中还可以包括播放结果,统计所上报的数据质量参数中播放结果表征播放成功的次数,计算该次数与该机顶盒上报的数据质量参数的总次数的比值,得到播放成功率。需要说明的是,也可以设置其他条件作为当前存在数据传输异常的条件,例如,直播/点播请求成功率低于预设阈值、直播/点播的请求时长超过预设时长、开机成功率低于预设阈值、直播/点播出现卡顿、花屏的次数超过预设次数,等等。
进一步地,第一预设比值阈值、第二预设比值阈值以及预设成功率阈值可以是根据实际需求设置的。本发明实施例中,通过在机顶盒的首页访问异常时长与机顶盒的总开机时长的比值大于第一预设比值阈值、当前时间块中播放异常时长与当前时间块的时长的比值大于第二预设比值阈值或者机顶盒的播放成功率小于预设成功率阈值的情况下,确定当前存在数据传输异常,进而可以在这些情况下,自动进行异常节点的定位,从而提高异常情况的处理效率。
可选地,所述机顶盒基于光猫接入所述数据的传输网络中;其中,数据的传输网络可以指的是用于传输该数据的网络,数据提供端以及数据接收端均处于该网络中。示例性地,该网络可以为运营商提供的网络。
上述根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数的步骤,具体可以包括:
步骤1021、在所述接入模式为路由模式的情况下,根据所述数据提供端的网络地址,追踪所经过的每一跳节点的网络地址;控制所述机顶盒根据所述每一跳节点的网络地址,对所述每一跳节点进行网络质量参数测试;接收所述机顶盒上报的所述每一跳节点的所述网络质量参数。
或者,步骤1022、在所述接入模式为桥接模式的情况下,根据所述数据提供端的网络地址,追踪所经过的每一跳节点的网络地址;控制所述机顶盒根据所述每一跳节点的网络地址,对所述每一跳节点进行网络质量参数测试,以及,控制所述光猫对网关进行网络质量参数测试;接收所述机顶盒以及所述光猫上报的所述网络质量参数。
其中,数据接收端对应的接入模式,可以是机顶盒所连接的光猫的接入模式。具体的,可以从预设的光猫管理平台中,获取数据接收端接入的光猫模式,进而得到该数据接收端对应的接入模式。其中,接入模式可以分为路由模式和桥接模式。网络质量参数测试可以为ping测试。
网络地址可以指的是互联网协议(Internet Protocol,IP),简称IP地址。根据数据提供端的网络地址,追踪所经过的每一跳节点的网络地址的操作可以基于追踪(trace)命令实现。示例性地,可以将该数据接收端的IP地址以及数据提供端的IP地址作为trace命令的参数,通过运行该trace命令,获取到所经过的每一跳节点的IP地址。其中,各个节点的路由信息可以预先上报给处理平台,从而方便处理平台进行追踪。需要说明的是,可以向机顶盒下发测试任务,由机顶盒根据数据提供端的IP地址,使用trace命令追踪所经过的每一跳节点的IP地址,本发明实施例对此不做限制。机顶盒可以基于ping模块根据trace到的每一跳节点的IP地址对每一跳节点进行ping测试,进而得到每一跳节点的网络质量参数并上报给处理平台。
进一步地,当光猫为桥接模式时,机顶盒无法对机顶盒到光猫之间的节点进行ping测试。因此,在光猫为桥接模式时,可以进一步通过光猫管理平台,对光猫下发对网关的ping测试任务,该网关可以为运营商网关,该网关可以是家庭内网中的网关节点,也就是说,可以基于光猫对家庭内网中的网关节点进行ping测试,该网关也属于数据传输时所经过的节点。该网关的IP地址可以预先上报给光猫或者光猫管理平台。如果是路由模式,那么trace命令可以追踪到完整的所经过的每一跳节点的IP地址。而桥接模式下,无法trace到内网中的网关节点,因此,由光猫下发对网关的ping测试任务,可以使得最终可以获取到完整链路中各节点的网络质量参数,进而避免遗漏。本发明实施例中,针对同一种故障现象,可根据光猫不同的接入模式,触发不同的trace&ping任务。其中,该trace&ping任务包括路由模式下基于trace命令获取IP地址以及基于获取到的IP地址进行ping测试的任务,以及,桥接模式下基于trace命令获取IP地址、基于获取到的IP地址进行ping测试以及基于光猫对网关进行ping测试的任务。这样,基于trace&ping任务可以有效获取到每跳节点的网络质量参数,进而使得后续可以便捷的定位异常节点,解决探针无法定位具体异常节点的问题。
需要说明的是,本发明实施例中可以基于执行模块执行trace&ping任务。具体的,用户模块可以判断接入模式,根据接入模式确定具体要执行的trace&ping任务。示例性地,图3是本发明实施例提供一种不同模式对应的任务示意图,如图3所示,针对路由模式以及桥接模式,具体需要执行的任务存在差异。进一步地,执行模块可以根据阈值模块和用户模块输出的数据进行关联,从而针对不同情况执行不同trace&ping任务。由于trace任务只能检测数据包到达每一台设备是否联通,无法对每一台设备的网络质量做进一步的评估。本发明实施例中,采用trace命令和ping测试命令同步使用的方式,可以通过节点之间的网络质量参数,来对网络故障进行精准定位。
本发明实施例中,根据接入模式的不同,针对性的对节点进行网络质量参数测试。确保在各个接入模式能获取到完整数据传输链路中所经过节点的网络质量参数,从而确保网络质量参数的完整性。
可选的,本发明实施例中,可以通过下述方式获取数据提供端的IP地址:
步骤A1、在所述机顶盒的首页访问异常时长与所述机顶盒的总开机时长的比值大于所述第一预设比值阈值的情况下,将所述机顶盒所属的第一服务器确定为所述数据提供端。
步骤A2、在所述当前时间块中播放异常时长与所述当前时间块的时长的比值大于所述第二预设比值阈值,或者所述机顶盒的播放成功率小于所述预设成功率阈值的情况下,将所述机顶盒所属的第二服务器确定为所述数据提供端。
其中,第一服务器可以为上述EPG服务器,第一服务器用于提供机顶盒的首页的相关数据。第二服务器可以为上述CDN服务器,第二服务器用于提供的视频内容数据。当前传输的数据可以能是第一服务器提供的也可能是第二服务器提供的。示例性地,图4是本发明实施例提供的一种场景示意图,如图4所示,示出了网络的部分组成,在该示意图中机顶盒可能与EPG服务器产生数据交互,也可能与CDN服务器产生数据交互。
每个数据接收端对应的数据提供端可以是预先设置的,示例性地,机顶盒具体归属于哪个EPG服务器以及具体归属于哪个CDN服务器可以预先划分好。相应地,可以在初始化阶段,将机顶盒具体归属的EPG服务器的IP地址以及具体归属的CDN服务器IP地址存储在机顶盒中,或者主动上报给处理平台,这样,处理平台下发测试任务时,可以直接携带参与本次测试的数据提供端的IP地址。或者,处理平台下发测试任务时,可以仅携带用于表征参与本次测试的数据提供端的标识,由机顶盒根据数据提供端的标识确定本次使用的数据提供端的IP地址。
具体的,可基于阈值模块实现确定当前数据提供端的操作。示例性地,图5是本发明实施例提供的一种数据提供端的IP地址的选择示意图,如图5所示,如果机顶盒的首页访问异常时长与机顶盒的总开机时长的比值大于第一预设比值阈值,则可以说明当前出现数据传输异常的是EPG服务器提供的数据,进而可以将EPG服务器作为数据提供端,将EPG服务器的IP地址确定为参与本次测试的数据提供端的IP地址。如果当前时间块中播放异常时长与当前时间块的时长的比值大于第二预设比值阈值或者机顶盒的播放成功率小于预设成功率阈值,则可以说明当前出现数据传输异常的是CDN服务器提供的数据,进而可以将CDN服务器作为数据提供端,将CDN服务器的IP地址确定为参与本次测试的数据提供端的IP地址。相应地,可以对当前机顶盒归属的EPG服务器或CDN服务器的IP地址,触发trace&ping任务。
本发明实施例中,针对当前实际出现数据传输异常的数据,针对性的确定提供该数据的CDN服务器的IP地址或EPG服务器的IP地址,作为数据提供端的IP地址。这样,可以较为精准的追踪用户流量的上网路径,确保所确定的数据提供端的IP地址的准确性。
且针对不同情况导致的数据传输异常的数据,定位对象能够关联不同网元(EPG服务器或CDN服务器)进行系统化分析,进而一定程度上可以提高处理效率。
进一步地,本发明实施例中,通过直接使用机顶盒上报数据质量参数来确定是否出现异常,由于无需配置专用视频测试仪表,因此,可以降低设备配备成本,降低上门排查的需求。且通过机顶盒全方位部署,可以在用户家庭网络覆盖范围内的各个位置实现对故障的检测。且处理平台的测试行为与探针的检测强相关,实时联动。在基于探针上报的数据质量参数出现异常的情况下,可以立即测试,实现故障实时定位。由于机顶盒中探针对视频质量的敏感度高于用户视觉感知的敏感度,可以在用户尚未对视频节目感知到视觉质差之前,发现网络质量异常,进而触异常定位。
需要说明的是,阈值模块还可以在节目播放出现的质差时间块占总播放时间块的比例超过阈值的情况下,将CDN服务器作为所述数据提供端,本发明实施例对此不做限制。其中,质差时间块指的是出现异常的时间块,质差可以指的是机顶盒直播、点播出现卡顿、所连接的电视端出现黑屏等问题。当然,还可以包括机顶盒组播出现卡顿,本发明实施例对此不做限制。
可选地,上述从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点的步骤,具体可以包括:
步骤1041、将所述异常节点作为起始节点,获取第一信息熵均值与第二信息熵均值的均值差;所述第一信息熵均值为所述起始节点下联的第一接收端对应的信息熵均值,所述第二信息熵均值为所述起始节点的上级节点下联的第二接收端对应的信息熵均值,所述第二接收端是所述上级节点下联的所有数据接收端中除所述第一接收端外的其他端。
本发明实施例中,可以直接将确定出来的异常节点作为起始节点。
或者,也可以先执行下述操作:
步骤B1、确定所述异常节点对应的目标比率;所述目标比率是所述异常节点出现异常的比率。
具体的,目标比率可以表征异常节点相对下联的数据接收端出现异常的比率。
异常节点下联的数据接收端可以指的是作为该异常节点的下级设备,与该异常节点连接的数据接收端,具体的,异常节点下联的数据接收端可以指的是该异常节点连接的所有机顶盒。不同机顶盒的数据传输链路中可能存在异常,也可能不存在异常。在存在异常的情况下,最终定位出的异常节点可能相同也可能不相同。
本发明实施例中,可以从历史数据中,确定该异常节点被确定为异常节点的次数,即该异常节点出现异常的次数。然后计算该次数与该异常节点下联的所有数据接收端进行数据传输的总次数的比值,进而得到该异常节点被定位为异常节点的比率,即,目标比率。示例性地,假设当前确定出的异常节点为节点A,节点A下联的数据接收端总共基于该节点A进行了200次数据传输。其中,出现了30次异常,且这30次异常中有20次最终确定的异常节点为该节点A。那么节点A被下联的数据接收端定位为异常节点的比率可以表示为20/200。当然,也可以采用其他方式进行计算,本发明实施例对此不做限制。
步骤B2、若所述目标比率大于预设比率阈值,则执行所述将所述异常节点作为起始节点,获取第一信息熵均值与第二信息熵均值的均值差的操作。
步骤B3、若所述目标比率不大于所述预设比率阈值,则确定所述数据传输异常为偶发异常,并直接输出所述异常节点的相关信息。
其中,预设比率阈值可以是根据实际需求设置的,如果比率不大于预设比率阈值,则可以确定当前的数据提供端出现的异常是属于偶发故障。因此,可以不将异常节点作为起始节点,执行后续确定源头节点的操作,从而降低处理量。异常节点的相关信息可以是异常节点的设备标识等等。具体的,可以将异常节点的相关信息输出给指定用户,以便指定用户进行处理。这样,通过直接输出异常节点的相关信息,使得指定用户可以在播放随机出现异常的情况下,也能便捷的定位异常原因。
反之,如果比率大于预设比率阈值,则可以确定当前异常不是偶发故障,当前故障是由于源头节点的异常导致的,进而可以执行将异常节点作为起始节点的操作,从而基于后续操作进行故障收敛,定位出导致故障的源头节点。其中,源头节点可能属于数据传输链路,也可能不属于。源头节点可以是异常节点本身,或者是异常节点的上级设备。源头节点即为质差源头,即,导致IPTV数据出现质差的末梢节点。
本发明实施例中,通过确定该异常节点出现异常的目标比率,在该目标比率大于预设比率阈值,才进行后续收敛确定源头节点的操作,进而一定程度上可以避免在出现偶发故障的情况下,进行收敛确定源头节点的操作,从而避免执行不必要的操作,提高处理效率。
进一步地,获取所述起始节点下联的第一接收端对应的信息熵均值,作为第一信息熵均值。其中,起始节点下联的第一接收端可以是起始节点连接的所有数据接收端。对于起始节点所连接的任一数据接收端,可以获取该起始节点在该数据接收端的数据传输链路中作为所经过节点时,该起始节点对应的信息熵,作为该起始节点下联的该数据接收端对应的信息熵。示例性地,假设起始节点下联的数据接收端包括数据接收端1、数据接收端2以及数据接收端3。那么可以获取该起始节点在该数据接收端1的数据传输链路中作为所经过节点时,该起始节点对应的信息熵,作为该起始节点下联的该数据接收端1对应的信息熵、该起始节点在该数据接收端2的数据传输链路中作为所经过节点时,该起始节点对应的信息熵,作为该起始节点下联的该数据接收端2对应的信息熵以及获取该起始节点在该数据接收端3的数据传输链路中作为所经过节点时,该起始节点对应的信息熵,作为该起始节点下联的该数据接收端3对应的信息熵。然后计算获取到的信息熵的均值,得到第一信息熵均值。
获取所述起始节点的上级节点下联的第二接收端对应的信息熵均值,作为第二信息熵均值。其中,上级节点可以是该起始节点对应的网络设备的上级设备。示例性地,假设当前的该起始节点为光线路终端(Optical Line Terminal,OLT)设备,那么上级节点可以为宽度接入服务(Broadband Access Server,BAS)设备。其中,起始节点的上级节点可以是根据网络拓扑结构确定的,该网络拓扑结构可以是基于前述trace命令追踪到的节点构成。其中,上级节点下联的第二接收端可以是第二接收端连接的所有数据接收端中除起始节点下联的所有数据接收端之外的数据接收端。上级节点下联的所有数据接收端中可以包括该上级节点的所有下级节点下联的数据接收端。节点下联的数据接收端可以是直接连接,也可以是间接连接。
示例性地,假设起始节点包括10个下联的数据接收端,即,第一接收端有10个。该起始节点的上级节点存在100个下联的数据接收端。其中,这100个下联的数据接收端中包括这10个第一接收端,第二接收端指的是这100个下联的数据接收端中除过这10个第一接收端之外的其他数据接收端,对于上级节点所连接的任一第二接收端,可以获取该上级节点在该第二接收端的数据传输链路中作为所经过节点时,该上级节点对应的信息熵,得到该上级节点下联的该第二接收端对应的信息熵。然后可以计算所有该上级节点下联的第二接收端对应的信息熵的均值,得到第二信息熵均值。
步骤1042、若所述均值差大于第二预设差值阈值,则将所述起始节点确定为所述源头节点。
步骤1043、若所述均值差不大于所述第二预设差值阈值,则将所述起始节点更新为所述上级节点,直至确定出对应的均值差大于所述第二预设差值阈值的起始节点为止。
具体的,如果均值差大于第二预设差值阈值,则可以说明上级节点负责其他用户(即,第二接收端)的数据传输正常,因此,可以确定当前的起始节点的上级节点不存在问题,进而可以直接将该起始节点确定为源头节点。
如果均值差不大于第二预设差值阈值,则可以说明上级节点下联的第二接收端的信息熵均值与当前异常的始节点的信息熵均值接近,该上级节点负责其他用户(即,第二接收端)的数据传输异常,由异常节点的网络质量参数出现异常是上级节点的故障导致的。因此,可以将起始节点更新为上级节点,并重新计算起始节点下联的第一接收端对应的信息熵均值与起始节点的上级节点下联的第二接收端对应的信息熵均值的差值,即,重新获取第一信息熵均值与第二信息熵均值的均值差,递归上一级设备进一步定位源头设备。
图6是本发明实施例提供的一种源头节点的处理流程图,如图6所示,可以先确定异常节点对应的目标比率,目标比率是异常节点出现异常的比率。在目标比率不大于预设比率阈值的情况下,确定当前为偶发异常。在目标比率大于预设比率阈值的情况下,计算起始节点下联的第一接收端对应的信息熵均值与起始节点的上级节点下联的第二接收端对应的信息熵均值的差值,得到均值差。然后,在均值差大于第二预设差值阈值的情况下,将当前的起始节点确定为质差源头。其中,质差源头即为上述源头节点。在均值差不大于第二预设差值阈值的情况下,继续,递归上级节点,将起始节点更新为上级节点,继续进行判断。
在另一实现方式中,也可以不将网络质量参数转换为信息熵的形式进行计算,而是直接采用网络质量参数参与计算。示例性地,可以将异常节点作为起始节点,获取第一网络质量参数均值与第二网络质量参数均值的均值差;第一网络质量参数均值与第二网络质量参数均值分别为起始节点下联的第一接收端对应的网络质量参数均值以及起始节点的上级节点下联的第二接收端对应的网络质量参数均值。若该均值差大于第三预设差值阈值,则将该起始节点确定为源头节点。反之,则将起始节点更新为上级节点,直至确定出对应的均值差大于所述第三预设差值阈值的起始节点为止。
本发明实施例中,通过将该异常节点作为第一个起始节点,计算起始节点下联的第一接收端对应的信息熵均值与该起始节点的上级节点下联的第二接收端对应的信息熵均值的均值差,基于该均值差向上溯源,确定源头节点。这样,通过不断循环即可确定出导致异常的源头节点,从而一定程度上可以确保源头节点的定位效率。
需要说明的是,本发明实施例中,可以在本次确定的异常节点对应为网络设备,即,本次确定的异常节点属于运营商的可控网络段而不属于家庭内网的情况下,执行上述步骤104。进一步地,如果异常节点属于家庭内网的情况下,则可以直接通知运维人员,对机顶盒所处的家庭内网进行上门处理,从而实现分段监测。进一步地,上述步骤104可以基于收敛模块实现。进一步地,处理平台还可以基于上报模块上报故障的诊断原因。其中,该诊断原因可以用于表示本次故障由该源头节点导致,即,该源头节点即为本次故障的故障原因。
在定位出源头节点之后,可以自动通知运维人员对源头节点的故障进行处理,这样,一定程度上可以在源头节点下联的其他用户感知到故障之前,消除故障,进而在出现问题之前,主动进行处理,可以减小因为该源头节点故障感知到异常的用户数量,避免网络质量数据的采集分析出现滞后性,导致故障不及时的问题。且通过提前处理,针对源头节点进行预警,可以降低用户感知到问题需要装维人员预约上门进行故障查看的次数,进而节省人工维修成本。
需要说明的是,本发明实施例中,还可以在该跳节点与相邻跳节点到机顶盒之间的时延差值超过预设的时延差值范围且机顶盒抵达该跳节点的丢包率超过预设的丢包率阈值范围,直接确定该网络段质量出现问题,该跳节点是引起视频播放出现质差问题的故障点。进而实现对网络异常故障排查进行精准定位。进一步地,还可以在同一CDN服务器或EPG服务器下的多个用户(例如,预设数量个用户)在同一时间段内出现相同或类似的质差现象,则可将故障定位收敛在CDN服务器或EPG服务器点上。
下面对本发明实施例涉及的一种具体应用场景进行说明。本发明实施例可以应用于IPTV业务场景中,现有的IPTV业务端到端故障诊断与定位方式中,IPTV各环节统一由宽带网络进行承载,但故障诊断相对独立。由于IPTV业务链条长,组网复杂、存在多级路由且网络质量不稳定的各类用户,经过的网络节点多。因此,流程复杂,解决周期较长,无法对故障进行快速准确的定位。本发明实施例中,以IPTV机顶盒为探针部署工具,通过在全网机顶盒中广泛部署探针,结合IPTV探针上报的数据质量参数快速识别是否存在异常,并在存在异常的情况下,快速联动网络质量测试,基于trace命令搜索沿途拓扑,确定每一跳节点的IP地址,通过多段路由进行网络质量测试。且结合多探针数据的相向比对,对网络异常波动进行快速定界和有效定位,完成区域式故障的快速收敛定位,即,结合多数据接收端的数据定位最终的源头节点。这样,一定程度上可以解决IPTV场景下IPTV业务链条复杂,定位问题困难的问题,简化处理流程,提高处理效率,缩短处理周期。
图7是本发明实施例提供的一种异常节点的定位装置的结构图,该装置20可以包括:
第一获取模块201,用于获取数据接收端与数据提供端之间所传输数据的数据质量参数;
第二获取模块202,用于在所述数据质量参数表征当前存在数据传输异常的情况下,根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数;
第一确定模块203,用于根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点;
第二确定模块204,用于从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点。
可选地,所述第一确定模块203,具体用于:
根据所述所经过节点中各个节点的网络质量参数,计算各个所述节点对应的信息熵;
在最后一跳节点对应的信息熵大于预设信息熵阈值的情况下,从第一跳节点开始,计算所述节点对应的信息熵与所述最后一跳节点对应的信息熵之间的信息熵差值,并在所述信息熵差值小于第一预设差值阈值的情况下,将所述节点确定为所述异常节点。
可选地,所述第一确定模块203,具体还用于:
对于任一所述节点,确定目标参数区间对应的概率密度;所述目标参数区间是所述节点的网络质量参数所属的参数区间,不同参数区间对应的概率密度是预先统计得到的;
根据所述目标参数区间对应的概率密度,计算所述节点对应的信息熵。
可选地,所述第二确定模块204,具体用于:
将所述异常节点作为起始节点,获取第一信息熵均值与第二信息熵均值的均值差;所述第一信息熵均值为所述起始节点下联的第一接收端对应的信息熵均值,所述第二信息熵均值为所述起始节点的上级节点下联的第二接收端对应的信息熵均值,所述第二接收端是所述上级节点下联的所有数据接收端中除所述第一接收端外的其他端;
若所述均值差大于第二预设差值阈值,则将所述起始节点确定为所述源头节点;
若所述均值差不大于所述第二预设差值阈值,则将所述起始节点更新为所述上级节点,直至确定出对应的均值差大于所述第二预设差值阈值的起始节点为止。
可选地,所述装置20还包括:
第三确定模块,用于确定所述异常节点对应的目标比率;所述目标比率是所述异常节点出现异常的比率;
执行模块,用于若所述目标比率大于预设比率阈值,则执行所述将所述异常节点作为起始节点,获取第一信息熵均值与第二信息熵均值的均值差的操作;
第四确定模块,用于若所述目标比率不大于所述预设比率阈值,则确定所述数据传输异常为偶发异常,并直接输出所述异常节点的相关信息。
可选地,所述数据获取端为机顶盒;所述第一获取模块201,具体用于:接收所述机顶盒上报的当前时间块中数据流的数据质量参数;
所述装置20还包括:
第五确定模块,用于在所述机顶盒的首页访问异常时长与所述机顶盒的总开机时长的比值大于第一预设比值阈值、所述当前时间块中播放异常时长与所述当前时间块的时长的比值大于第二预设比值阈值或者所述机顶盒的播放成功率小于预设成功率阈值的情况下,确定当前存在数据传输异常;
其中,所述首页访问异常时长、所述播放异常时长以及所述播放成功率是基于所述数据质量参数确定的。
可选地,所述机顶盒基于光猫接入所述数据的传输网络中;所述第二获取模块202,具体用于:
在所述接入模式为路由模式的情况下,根据所述数据提供端的网络地址,追踪所经过的每一跳节点的网络地址;控制所述机顶盒根据所述每一跳节点的网络地址,对所述每一跳节点进行网络质量参数测试;接收所述机顶盒上报的所述每一跳节点的所述网络质量参数。
在所述接入模式为桥接模式的情况下,根据所述数据提供端的IP地址,追踪所经过的每一跳节点的网络地址;控制所述机顶盒根据所述每一跳节点的网络地址,对所述每一跳节点进行网络质量参数测试,以及,控制所述光猫对网关进行网络质量参数测试;接收所述机顶盒以及所述光猫上报的所述网络质量参数。
可选地,所述装置20还包括:
第六确定模块,用于在所述机顶盒的首页访问异常时长与所述机顶盒的总开机时长的比值大于所述第一预设比值阈值的情况下,将所述机顶盒所属的第一服务器确定为所述数据提供端。
第七确定模块,用于在所述当前时间块中播放异常时长与所述当前时间块的时长的比值大于所述第二预设比值阈值,或者所述机顶盒的播放成功率小于所述预设成功率阈值的情况下,将所述机顶盒所属的第二服务器确定为所述数据提供端。
综上所述,本发明实施例提供的异常节点的定位装置,通过获取数据接收端与数据提供端之间所传输数据的数据质量参数。在数据质量参数表征当前存在数据传输异常的情况下,根据数据接收端对应的接入模式,获取数据的数据传输链路中所经过节点的网络质量参数。根据所经过节点中节点的网络质量参数之间的差值,确定异常节点。从异常节点开始,确定数据传输链路中造成数据传输异常的源头异常节点。这样,基于数据质量参数自动感知异常,并自动基于所经过节点中节点的网络质量参数之间的差值,即可确定出异常节点,一定程度上可以提高异常定位的效率。且从异常节点开始,进一步确定造成数据传输异常的源头节点,一定程度上可以提高异常定位的准确性。
本发明还提供了一种电子设备,参见图8,包括:处理器901、存储器902以及存储在所述存储器上并可在所述处理器上运行的计算机程序9021,所述处理器执行所述程序时实现前述实施例的异常节点的定位方法。
本发明还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的异常节点的定位方法。
对于装置实施例而言,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。
需要说明的是,本发明实施例中获取的各种信息、数据,均是在得到信息/数据持有方授权的情况下获取的。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明的排序设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明所涉及的用户信息(包括但不限于用户的设备信息、用户个人信息等)、相关数据等均为经用户授权或经各方授权后的信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明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发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种异常节点的定位方法,其特征在于,所述方法包括:
获取数据接收端与数据提供端之间所传输数据的数据质量参数;
在所述数据质量参数表征当前存在数据传输异常的情况下,根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数;
根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点;
从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点。
2.根据权利要求1所述的方法,其特征在于,所述根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点,包括:
根据所述所经过节点中各个节点的网络质量参数,计算各个所述节点对应的信息熵;
在最后一跳节点对应的信息熵大于预设信息熵阈值的情况下,从第一跳节点开始,计算所述节点对应的信息熵与所述最后一跳节点对应的信息熵之间的信息熵差值,并在所述信息熵差值小于第一预设差值阈值的情况下,将所述节点确定为所述异常节点。
3.根据权利要求2所述的方法,其特征在于,所述根据所述所经过节点中各个节点的网络质量参数,计算各个所述节点对应的信息熵,包括:
对于任一所述节点,确定目标参数区间对应的概率密度;所述目标参数区间是所述节点的网络质量参数所属的参数区间,不同参数区间对应的概率密度是预先统计得到的;
根据所述目标参数区间对应的概率密度,计算所述节点对应的信息熵。
4.根据权利要求1-3任一所述的方法,其特征在于,所述从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点,包括:
将所述异常节点作为起始节点,获取第一信息熵均值与第二信息熵均值的均值差;所述第一信息熵均值为所述起始节点下联的第一接收端对应的信息熵均值,所述第二信息熵均值为所述起始节点的上级节点下联的第二接收端对应的信息熵均值,所述第二接收端是所述上级节点下联的所有数据接收端中除所述第一接收端外的其他端;
若所述均值差大于第二预设差值阈值,则将所述起始节点确定为所述源头节点;
若所述均值差不大于所述第二预设差值阈值,则将所述起始节点更新为所述上级节点,直至确定出对应的均值差大于所述第二预设差值阈值的起始节点为止。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定所述异常节点对应的目标比率;所述目标比率是所述异常节点出现异常的比率;
若所述目标比率大于预设比率阈值,则执行所述将所述异常节点作为起始节点,获取第一信息熵均值与第二信息熵均值的均值差的操作;
若所述目标比率不大于所述预设比率阈值,则确定所述数据传输异常为偶发异常,并直接输出所述异常节点的相关信息。
6.根据权利要求1-3任一所述的方法,其特征在于,所述数据获取端为机顶盒;所述获取数据接收端与数据提供端之间所传输数据的数据质量参数,包括:接收所述机顶盒上报的当前时间块中数据流的数据质量参数;
所述方法还包括:
在所述机顶盒的首页访问异常时长与所述机顶盒的总开机时长的比值大于第一预设比值阈值,所述当前时间块中播放异常时长与所述当前时间块的时长的比值大于第二预设比值阈值,或者所述机顶盒的播放成功率小于预设成功率阈值的情况下,确定当前存在数据传输异常;
其中,所述首页访问异常时长、所述播放异常时长以及所述播放成功率是基于所述数据质量参数确定的。
7.根据权利要求6所述的方法,其特征在于,所述机顶盒基于光猫接入所述数据的传输网络中;所述根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数,包括:
在所述接入模式为路由模式的情况下,根据所述数据提供端的网络地址,追踪所经过的每一跳节点的网络地址;控制所述机顶盒根据所述每一跳节点的网络地址,对所述每一跳节点进行网络质量参数测试;接收所述机顶盒上报的所述每一跳节点的所述网络质量参数;
在所述接入模式为桥接模式的情况下,根据所述数据提供端的网络地址,追踪所经过的每一跳节点的网络地址;控制所述机顶盒根据所述每一跳节点的网络地址,对所述每一跳节点进行网络质量参数测试,以及,控制所述光猫对网关进行网络质量参数测试;接收所述机顶盒以及所述光猫上报的所述网络质量参数。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在所述机顶盒的首页访问异常时长与所述机顶盒的总开机时长的比值大于所述第一预设比值阈值的情况下,将所述机顶盒所属的第一服务器确定为所述数据提供端;
在所述当前时间块中播放异常时长与所述当前时间块的时长的比值大于所述第二预设比值阈值,或者所述机顶盒的播放成功率小于所述预设成功率阈值的情况下,将所述机顶盒所属的第二服务器确定为所述数据提供端。
9.一种异常节点的定位装置,其特征在于,所述装置包括:
第一获取模块,用于获取数据接收端与数据提供端之间所传输数据的数据质量参数;
第二获取模块,用于在所述数据质量参数表征当前存在数据传输异常的情况下,根据所述数据接收端对应的接入模式,获取所述数据在数据传输链路中所经过节点的网络质量参数;
第一确定模块,用于根据所述所经过节点中节点的网络质量参数之间的差值,确定异常节点;
第二确定模块,用于从所述异常节点开始,确定所述数据传输链路中造成所述数据传输异常的源头节点。
10.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上并可在所述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权利要求1-8中任一所述的方法。
11.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946684.9A CN115412430B (zh) | 2022-08-08 | 2022-08-08 | 异常节点的定位方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210946684.9A CN115412430B (zh) | 2022-08-08 | 2022-08-08 | 异常节点的定位方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115412430A true CN115412430A (zh) | 2022-11-29 |
CN115412430B CN115412430B (zh) | 2024-06-07 |
Family
ID=84159542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210946684.9A Active CN115412430B (zh) | 2022-08-08 | 2022-08-08 | 异常节点的定位方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412430B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116760749A (zh) * | 2023-08-15 | 2023-09-15 | 湖南博匠信息科技有限公司 | 一种通过bmc定位服务器物理位置的方法 |
CN117193272A (zh) * | 2023-11-07 | 2023-12-08 | 常州华纳电气有限公司 | 一种基于大数据的电控测试数据管理系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090285106A1 (en) * | 2008-05-15 | 2009-11-19 | Tellabs Vienna, Inc. | IPTV fault integration and fault location isolation |
WO2019062898A1 (zh) * | 2017-09-29 | 2019-04-04 | 中兴通讯股份有限公司 | 一种定位视频业务故障的方法、设备及存储介质 |
CN111817868A (zh) * | 2019-04-12 | 2020-10-23 | 中国移动通信集团河南有限公司 | 一种网络质量异常的定位方法与装置 |
CN112491635A (zh) * | 2019-08-20 | 2021-03-12 | 中兴通讯股份有限公司 | 一种链路质量检测的方法、系统、实现设备及存储介质 |
CN112583642A (zh) * | 2020-12-10 | 2021-03-30 | 广州虎牙科技有限公司 | 异常检测方法、模型、电子设备及计算机可读存储介质 |
CN114189705A (zh) * | 2021-12-08 | 2022-03-15 | 上海哔哩哔哩科技有限公司 | 直播卡顿处理方法及系统 |
CN114356621A (zh) * | 2021-12-07 | 2022-04-15 | 煤炭科学研究总院 | 基于信息熵分析的总线退出方法及装置 |
-
2022
- 2022-08-08 CN CN202210946684.9A patent/CN115412430B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090285106A1 (en) * | 2008-05-15 | 2009-11-19 | Tellabs Vienna, Inc. | IPTV fault integration and fault location isolation |
WO2019062898A1 (zh) * | 2017-09-29 | 2019-04-04 | 中兴通讯股份有限公司 | 一种定位视频业务故障的方法、设备及存储介质 |
CN111817868A (zh) * | 2019-04-12 | 2020-10-23 | 中国移动通信集团河南有限公司 | 一种网络质量异常的定位方法与装置 |
CN112491635A (zh) * | 2019-08-20 | 2021-03-12 | 中兴通讯股份有限公司 | 一种链路质量检测的方法、系统、实现设备及存储介质 |
CN112583642A (zh) * | 2020-12-10 | 2021-03-30 | 广州虎牙科技有限公司 | 异常检测方法、模型、电子设备及计算机可读存储介质 |
CN114356621A (zh) * | 2021-12-07 | 2022-04-15 | 煤炭科学研究总院 | 基于信息熵分析的总线退出方法及装置 |
CN114189705A (zh) * | 2021-12-08 | 2022-03-15 | 上海哔哩哔哩科技有限公司 | 直播卡顿处理方法及系统 |
Non-Patent Citations (1)
Title |
---|
卞正皑: "电信运营商跨专业告警关联分析方法研究", 《信息通信》, no. 12, 31 December 2018 (2018-12-31) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116760749A (zh) * | 2023-08-15 | 2023-09-15 | 湖南博匠信息科技有限公司 | 一种通过bmc定位服务器物理位置的方法 |
CN116760749B (zh) * | 2023-08-15 | 2023-10-17 | 湖南博匠信息科技有限公司 | 一种通过bmc定位服务器物理位置的方法 |
CN117193272A (zh) * | 2023-11-07 | 2023-12-08 | 常州华纳电气有限公司 | 一种基于大数据的电控测试数据管理系统及方法 |
CN117193272B (zh) * | 2023-11-07 | 2024-01-26 | 常州华纳电气有限公司 | 一种基于大数据的电控测试数据管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115412430B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115412430B (zh) | 异常节点的定位方法、装置、电子设备及可读存储介质 | |
Dhamdhere et al. | Inferring persistent interdomain congestion | |
US20240040206A1 (en) | Automatic diagnostics alerts | |
US10305746B2 (en) | Network insights | |
JP6028139B2 (ja) | ネットワーク障害の重大度レベルの推定 | |
CN106850337B (zh) | 一种网络质量检测方法及装置 | |
JP5898816B2 (ja) | ネットワーク障害の物理的位置の推定 | |
JP6028138B2 (ja) | ネットワーク要素位置へのネットワーク経路の推定を伴うネットワーク監視 | |
US20150358842A1 (en) | Method and apparatus to analyze a wireless information delivery system | |
US10477199B2 (en) | Method for identifying and prioritizing fault location in a cable plant | |
US9497450B2 (en) | Method, apparatus, and system for locating IPTV fault | |
US20130290791A1 (en) | Mapping a Network Fault | |
Shah et al. | Disco: Fast, good, and cheap outage detection | |
US20110075582A1 (en) | Delay time measurement apparatus, storage medium storing delay time measurement program and network system | |
US11283696B2 (en) | Diagnostic testing in networks | |
US20220109612A1 (en) | Intelligent monitoring and testing system for cable network | |
US9104565B2 (en) | Fault tracing system and method for remote maintenance | |
US20200052980A1 (en) | Method and device for generating cdn coverage scheme, and computer-readable storage medium and computer device thereof | |
EP2460313A1 (en) | Service monitoring and service problem diagnosing in communications network | |
CN109818764B (zh) | Iptv网络设备故障检测方法和装置 | |
CN117478582A (zh) | 基于智能链路管理系统的油田生产设备状态监测与优化方法 | |
US20230198884A1 (en) | Systems and techniques for assessing a customer premises equipment device | |
CN112491635A (zh) | 一种链路质量检测的方法、系统、实现设备及存储介质 | |
KR20190004970A (ko) | 네트워크품질 데이터 기반 실시간 고장원인분석 시스템 및 방법 | |
Wang et al. | QWatch: Detecting and locating QoE anomaly for VoD in the cloud |
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 |