CN115988243A - 故障定位方法及系统、计算机可读存储介质 - Google Patents

故障定位方法及系统、计算机可读存储介质 Download PDF

Info

Publication number
CN115988243A
CN115988243A CN202111196177.XA CN202111196177A CN115988243A CN 115988243 A CN115988243 A CN 115988243A CN 202111196177 A CN202111196177 A CN 202111196177A CN 115988243 A CN115988243 A CN 115988243A
Authority
CN
China
Prior art keywords
quality parameter
fault
quality
abnormal
target node
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
Application number
CN202111196177.XA
Other languages
English (en)
Inventor
聂环军
刘健
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.)
ZTE Corp
Original Assignee
ZTE Corp
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 ZTE Corp filed Critical ZTE Corp
Priority to CN202111196177.XA priority Critical patent/CN115988243A/zh
Priority to PCT/CN2022/108330 priority patent/WO2023060985A1/zh
Publication of CN115988243A publication Critical patent/CN115988243A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/64—Addressing
    • H04N21/6405—Multicasting
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

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

Abstract

本发明公开了一种故障定位方法及系统、计算机可读存储介质，其中，所述故障定位方法包括：确定目标节点；获取第一质量参数，所述第一质量参数表征所述目标节点的IPTV组播视频流的上游网络的传输质量；获取第二质量参数，所述第二质量参数表征所述目标节点的IPTV组播视频流的下游网络的传输质量；根据所述第一质量参数和所述第二质量参数得到故障定位结果。根据本发明实施例提供的方案，通过获取第一质量参数和第二质量参数，实现监控IPTV组播视频流在整个传输过程中的传输质量，相较于目前根据家庭IPTV机顶盒的告警数据进行故障分析的技术方案，本申请的技术方案能够提高对IPTV组播业务进行预判故障和故障定位的准确率。

Description

故障定位方法及系统、计算机可读存储介质
技术领域
本发明涉及但不限于数据处理技术领域，尤其涉及一种故障定位方法及系统、计算机可读存储介质。
背景技术
因特网协议电视(Internet Protocol TeleVision，IPTV)组播业务以其灵活的业务特征和个性化服务，近年来得到了迅猛发展。为了保证IPTV组播业务的顺利开展，以及给用户提供满意、稳定的视频体验，有必要对IPTV组播业务进行有效的视频质量监控。目前IPTV组播业务的视频质量监控主要是在IPTV组播业务发现故障的情况下，仅仅对家庭IPTV机顶盒的告警数据进行分析，难以实现对IPTV组播业务进行准确的预判故障和故障定位。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供了一种故障定位方法及系统、计算机可读存储介质，能够提高对IPTV组播业务进行预判故障和故障定位的准确率。
第一方面，本发明实施例提供了一种故障定位方法，包括：
确定目标节点；
获取第一质量参数，所述第一质量参数表征所述目标节点的IPTV组播视频流的上游网络的传输质量；
获取第二质量参数，所述第二质量参数表征所述目标节点的IPTV组播视频流的下游网络的传输质量；
根据所述第一质量参数和所述第二质量参数得到故障定位结果。
第二方面，本发明实施例提供了一种故障定位系统，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计算机程序时实现如第一方面任意一项实施例所述的故障定位方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面任意一项实施例所述的故障定位方法。
本发明实施例包括一种故障定位方法及系统、计算机可读存储介质，其中，所述故障定位方法包括：确定目标节点；获取第一质量参数，所述第一质量参数表征所述目标节点的IPTV组播视频流的上游网络的传输质量；获取第二质量参数，所述第二质量参数表征所述目标节点的IPTV组播视频流的下游网络的传输质量；根据所述第一质量参数和所述第二质量参数得到故障定位结果。根据本发明实施例提供的方案，通过获取第一质量参数和第二质量参数，实现监控IPTV组播视频流在整个传输过程中的传输质量，相较于目前根据家庭IPTV机顶盒的告警数据进行故障分析的技术方案，本申请的技术方案能够提高对IPTV组播业务进行预判故障和故障定位的准确率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明一个实施例提供的故障定位方法的步骤流程图；
图2是本发明另一个实施例提供的故障定位方法的步骤流程图；
图3是本发明另一个实施例提供的得到异常识别结果的步骤流程图；
图4是本发明另一个实施例提供的训练新的分类模型的步骤流程图；
图5是本发明另一个实施例提供的对第一质量参数进行噪声数据处理的步骤流程图；
图6是本发明另一个实施例提供的故障定位方法的步骤流程图；
图7是本发明另一个实施例提供的得到异常识别结果的步骤流程图；
图8是本发明另一个实施例提供的生成故障分析信息的步骤流程图；
图9是本发明另一个实施例提供的故障定位系统的结构示意图；
图10是本发明另一个实施例提供的IPTV组播业务组网结构图；
图11是本发明另一个实施例提供的故障定位方法的步骤流程图；
图12是本发明另一个实施例提供的故障定位方法的步骤流程图；
图13是本发明另一个实施例提供的故障定位系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本发明提供了一种故障定位方法及系统、计算机可读存储介质，其中，所述故障定位方法包括：确定目标节点；获取第一质量参数，所述第一质量参数表征所述目标节点的IPTV组播视频流的上游网络的传输质量；获取第二质量参数，所述第二质量参数表征所述目标节点的IPTV组播视频流的下游网络的传输质量；根据所述第一质量参数和所述第二质量参数得到故障定位结果。根据本发明实施例提供的方案，通过获取第一质量参数和第二质量参数，实现监控IPTV组播视频流在整个传输过程中的传输质量，相较于目前根据家庭IPTV机顶盒的告警数据进行故障分析的技术方案，本申请的技术方案能够提高对IPTV组播业务进行预判故障和故障定位的准确率。
下面结合附图，对本发明实施例作进一步阐述。
如图1所示，图1是本发明一个实施例提供的故障定位方法的步骤流程图，该故障定位方法包括但不限于有以下步骤：
步骤S110，确定目标节点。
可以理解的是，本申请实施例的目标节点可以是IPTV组播视频源到家庭终端之间的传输网络的任意监控节点，通过确定目标节点能够为获取该目标节点的上游网络以及下游网络的IPTV组播视频流的传输质量参数。
需要说明的是，本申请实施例的目标节点可以是能够支持IPTV组播业务的时延、丢包秒级监测功能的接入设备，或者是网络监控系统，在此不多作限制。
步骤S120，获取第一质量参数，第一质量参数表征目标节点的IPTV组播视频流的上游网络的传输质量。
可以理解的是，第一质量参数为IPTV组播视频源与目标节点之间的网络传输性能参数，根据本申请的技术方案，获取第一质量参数能够监测IPTV主播视频流在目标节点的上游网络的传输质量，从而能够为实现故障定位提供有效的数据基础。
需要说明的是，本申请实施例并不限制获取第一质量参数的具体方式，在本申请一实施例中，第一质量参数通过目标节点获取，例如，目标节点为能够支持IPTV组播业务的时延、丢包秒级监测功能的固网接入设备，固网接入设备内置监测探针，通过对固网接入设备下发探测命令，驱动固网接入设备内部的监测探针进行监测IPTV组播视频流在固网接入设备的上游网络的时延、丢包率、抖动等传输质量参数。
本领域技术人员可以理解的是，在本申请一实施例中，可以通过驱动目标节点实时监测第一质量参数，还可以通过目标节点周期性获取第一质量参数，本申请实施例并不限制获取第一质量参数的频率。
步骤S130，获取第二质量参数，第二质量参数表征目标节点的IPTV组播视频流的下游网络的传输质量。
可以理解的是，第二质量参数表征目标节点的IPTV组播视频流的下游网络的传输质量，根据本申请的技术方案，获取第二质量参数能够监测IPTV主播视频流在目标节点的下游网络的传输质量，从而能够为实现故障定位提供有效的数据基础。
需要说明的是，本申请实施例并不限制获取第二质量参数的具体方式，可以通过目标节点的下游网络的网络设备获取，或者，目标节点的下游网络的网络设备监测第二质量参数并发送至目标节点，通过目标节点间接获取；例如，当目标节点为固网接入设备，家庭终端设备，例如家庭光猫，是固网接入设备的下游网络设备，通过家庭光猫获取光猫至IPTV机顶盒之间的传输网络的第二质量参数，直接通过家庭光猫获取第二质量参数，或者固网接入采集家庭光猫监测的第二质量参数，获取固网接入设备，即目标节点采集的第二质量参数。
步骤S140，根据第一质量参数和第二质量参数得到故障定位结果。
可以理解的是，根据第一质量参数和第二质量参数能够实现监控IPTV组播视频流从IPTV视频信号源至家庭IPTV机顶盒之间的整个传输过程中的传输质量，相较于目前根据家庭IPTV机顶盒的告警数据进行故障分析的技术方案，本申请的技术方案能够提高对IPTV组播业务进行预判故障和故障定位的准确率。
需要说明的是，本申请实施例在此并不限制第一质量参数和第二质量参数的具体参数类型，第一质量参数可以是吞吐量、丢包率、时延或抖动等参数，能够表征目标节点的IPTV组播视频流的上游网络的传输质量即可；第二质量参数可以包括IPTV组播视频流的播放质量，即卡顿情况，或者是家庭网络的无线信号质量信息。
另外，参照图2，在一实施例中，图1所示实施例中的步骤S140还包括但不限于有以下步骤：
步骤S210，根据第一质量参数和预置策略得到异常识别结果；
步骤S220，根据异常识别结果和第二质量参数得到故障定位结果。
可以理解的是，异常识别结果的生成是预置策略中与第一质量参数相对应的操作结果，异常识别结果为第一质量参数中影响IPTV组播视频流传输质量的特征信息，异常识别结果能够表征第一质量参数是否存在异常，以及在第一质量参数存在异常的情况下，异常识别结果可以包括第一质量参数中的异常数据、第一质量参数的具体异常类型或者存在异常的数据，并携带标注信息的第一质量参数，本申请实施例并不限制异常识别结果的具体内容。
可以理解的是，对第一质量参数和阈值策略得到异常识别结果，进一步实现对第一质量参数的异常检测，并根据异常识别结果和第二质量参数得到故障定位结果，能够有效提升对IPTV组播业务进行预判故障和故障定位的准确率。
另外，参照图3，在一实施例中，图2所示实施例中的步骤S210还包括但不限于有以下步骤：
步骤S310，获取预先标注好的第一训练集，第一训练集包括第一质量参数，第一质量参数携带有多种维度的标注信息；
步骤S320，获取预设的分类模型，根据第一训练集对分类模型进行训练，得到新的分类模型；
步骤S330，将第一质量参数输入至新的分类模型，得到异常识别结果。
可以理解的是，第一训练集为携带有多种维度的标注信息的多个第一质量参数的数据集合，由于第一质量参数为表征目标节点的IPTV组播视频流的上游网络的传输质量的参数，真的第一质量参数中不同参数类型不同数值，为第一质量参数打上对应的特征标注信息，本申请并不对标注信息的具体类型以及具体内容做限制，例如可以根据运营商网络组网特点、不同视频源的码率、热点视频源、IPTV组播业务故障种类等维度标注第一质量参数，从而形成第一训练集，再获取预设模型，根据预先标注好的第一训练集对分类模型进行训练，得到新的分类模型，该新的分类模型能够对第一质量参数实现不同运营商、不同组播视频源、不同故障类型进行分类，通过训练好的分类模型对实时或周期性采集到的第一质量参数进行分类处理，得到异常识别结果。根据本申请实施例的技术方案，能够实现对第一质量参数中出现异常或影响IPTV组播业务质量的参数进行提取和分类，能够为实现故障定位以及故障预防提供有效的数据基础。
需要说明的是，本申请实施例并不涉及对模型的改进，也不限制所应用的分类模型的具体类型，可以是决策树模型，朴素贝叶斯模型，或者是支持向量机，本领域技术人员根据实际情况进行选用即可。
另外，在一实施例中，参照图4，在图2所示实施例中的步骤S220之后，还包括但不限于有以下步骤：
步骤S410，将故障定位结果作为第二训练集，将第二训练集输入至新的分类模型进行训练。
可以理解的是，本申请实施例并不限制故障定位结果的具体内容，故障定位结果还可以包括运维处理结果，运维处理结果为运维人员对故障处理结果的反馈信息，反馈信息包括IPTV组播业务在目标节点上游网络传输过程中的真实故障信息，该真实故障信息携带有多种维度的标注信息，例如，能够表征该IPTV组播业务故障类型为A故障类型，该故障信息源自于B运营商、C组播视频源。将故障定位结果作为第二训练集，将第二训练集输入至新的分类模型进行反复训练，能够有效提升新的分类模型对第一质量参数进行异常识别以及异常分类的准确性。
需要说明的是，本申请实施例并不设计新的分类模型对第二数据集的处理方法的改进，本领域技术人员可以理解的是，可以提取故障定位结果中与IPTV组播视频流在目标节点的上游网络传输过程中的故障信息，即与第一质量参数相对应的真实故障数据，输入至新的分类模型进行训练。
另外，在一实施例中，参照图5，在图2所示实施例中的步骤S210之前，还包括但不限于有以下步骤：
步骤S510，当检测到第一质量参数存在异常，丢弃存在异常数据的第一质量参数；
或者，
步骤S520，当检测到第一质量参数的噪声偏差值大于预设阈值，对第一质量参数进行降噪处理。
可以理解的是，在根据第一质量参数和预置策略得到异常识别结果之前，对第一质量参数进行噪声数据处理，即当检测到第一质量参数存在异常数据，例如丢包率为空值，或者表征丢包率的参数乱码，则丢弃该存在异常数据的第一质量参数；当检测到第一质量参数的噪声偏差值大于预设阈值，对第一质量参数进行降噪处理。能够提高第一质量参数的可用性，从而提升异常识别结果的准确性。
需要说明的是，本申请实施例并不对降噪处理的具体方法做限制，可以是获取预设的噪声偏差阈值和预设收敛值，噪声偏差阈值为不影响IPTV组播业务质量的最大噪声偏差值，收敛值用于实现对存在异常的第一质量参数进行降噪；通过噪声偏差阈值加上噪声偏差值与噪声偏差阈值的差值的和，除以收敛值的方式对存在异常的第一质量参数进行降噪处理。本领域技术人员根据实际情况调整噪声偏差阈值、收敛值的具体数值，在此不多做赘述。
另外，参照图6，在一实施例中，目标节点分别与上游监控节点和下游监控节点相连接，图2所示实施例中的步骤S220还包括但不限于有以下步骤：
步骤S610，当检测到异常识别结果符合第一条件，并且检测到第二质量参数存在异常，确定上游监控节点与目标节点之间存在故障；
或者，
步骤S620，当检测到异常识别结果符合第二条件，并且检测到第二质量参数存在异常，确定下游监控节点与目标节点之间存在故障。
需要说明的是，本申请实施例中的上游监控节点和下游监控节点中的“上游”和“下游”是相对概念，以目标节点为参照对象，沿着IPTV组播视频流的传输路径，IPTV组播视频流在目标节点之前，先流经的监控节点为上游监控节点，IPTV组播视频流在目标节点之后流经的监控节点为上游监控节点。
可以理解的是，异常识别结果仅仅是通过训练后的分类模型得出的结果，准确性不能完全保证，参考图2所示的实施例的描述，异常识别结果可以包括第一质量参数中的异常数据、第一质量参数的具体异常类型或者存在异常数据并携带标注信息的第一质量参数，可以看出，异常识别结果仅仅表征第一质量参数中可能影响IPTV组播视频流传输质量的特征信息，并不能直接实现故障定位，需要进一步对异常识别结果进行处理以及结合表征目标节点的IPTV组播视频流的下游网络的传输质量的第二质量参数进行分组归纳，从而为实现准确的故障定位提供有效的数据基础。
可以理解的是，第一条件和第二条件可以是根据异常识别结果识别目标节点的上游网络是否存在故障的条件，在检测到异常识别结果符合第一条件，并且检测到第二质量参数存在异常的情况下，确定上游监控节点与目标节点之间存在故障，由于第二质量参数表征目标节点的IPTV组播视频流的下游网络的传输质量，上游监控节点与目标节点之间发生故障导致第二质量参数存在异常；在检测到异常识别结果符合第二条件，并且检测到第二质量参数存在异常的情况下，确定下游监控节点与目标节点之间存在故障，具体的条件内容根据实际需求调整即可，本实施例并不多作限定。
另外，参照图7，在一实施例中，图2所示实施例中的步骤S210还包括但不限于有以下步骤：
步骤S710，获取预设的第一规则，根据第一规则对第一质量参数进行分类处理，得到异常识别结果。
可以理解的是，在本申请一实施例中，由于第一质量参数为IPTV组播视频源与目标节点之间的网络传输性能参数，可以包括吞吐量、丢包率、时延或抖动等参数，异常识别结果的生成是第一规则中与第一质量参数中各类型参数相对应的操作结果，第一规则中可以包括多个预设的分类阈值，每个分类阈值对应设置一个标注信息，根据第一规则对第一质量参数进行分类处理，从而得到表征异常识别结果，异常识别结果能够表征第一质量参数是否存在异常，以及在第一质量参数存在异常的情况下，异常识别结果可以包括第一质量参数中的异常数据、第一质量参数的具体异常类型或者存在异常的数据，并携带标注信息的第一质量参数。
需要说明的是，本领域技术人员有动机根据实际情况调整第一规则中分类阈值以及标注信息的具体数值，本实施例在此不多作限制。
另外，在一实施例中，参照图8，在图1所示实施例中的步骤S120之后，还包括但不限于有以下步骤：
步骤S810，获取分析需求信息，根据分析需求信息从故障定位结果中获取故障数据；
步骤S820，根据故障数据生成故障分析信息。
需要理解的是，本申请实施例并不限制分析需求信息的具体内容，可以包括故障位置信息显示需求，故障原因分析需求或故障预测需求；根据分析需求信息从故障定位结果中获取与分析需求信息相对应的故障数据，根据故障数据生成故障分析信息，能够更直观地呈现故障定位结果，为优化和定位组播网络的故障提供方向，并且提高对IPTV组播业务进行预判故障和故障定位的准确率。
需要说明的是，本申请实施例并不限制故障分析信息的具体形式，可以是通过周期报表、故障定位结果的变化趋势图、展示故障数据的多维度属性信息或者生成实时预警信息等形式。
另外，为了对本发明提供的故障定位方法进行更详细的说明，以下以两个具体示例对本发明的技术方案进行描述。
参考图9至图12，图9是本发明另一个实施例提供的故障定位系统的结构示意图，图10是本发明另一个实施例提供的IPTV组播业务组网结构图，图11是本发明另一个实施例提供的故障定位方法的步骤流程图，图12是本发明另一个实施例提供的故障定位方法的步骤流程图，示例一和示例二的故障定位方法应用于如图9的故障定位系统900，故障定位系统900有支持决策树模型运行的AI算法平台，与接入设备实现正常通信，该故障定位系统900包括监测命令配置下发模块910、接入设备连接模块920、IPTV组播业务质量参数实时采集模块930、IPTV组播业务质量参数的故障定位模块940和IPTV组播业务故障定位结果展示模块950。其中，监测命令配置下发模块910用于根据故障定位系统900中的IPTV组播视频网络的基本信息生成监测命令，并下发监测命令至接入设备，从而启动接入设备的内置探针进行监测上游网络的IPTV组播业务质量信息；接入设备连接模块920，用于实现故障定位系统900与能够支持IPTV组播业务的时延、丢包秒级监测功能的接入设备进行通信连接；IPTV组播业务质量参数实时采集模块930，用于将接入设备监测数据采集并按照标准格式生成监测数据集；IPTV组播业务质量参数的故障定位模块940，用于根据决策树分类IPTV组播视频质量数据，得到异常识别结果，并对异常识别结果进行分组分析，结合家庭机顶盒数据定位故障节点；IPTV组播业务故障定位结果展示模块950，用于展示IPTV组播业务故障定位结果，包括组播源、接入设备、家庭网络劣化统计；内容源、接入设备历史变化趋势；热点区域分析结果；实时预警功能等展示形式。
本申请实施例中的故障定位系统900在IPTV组播业务组网结构中的位置关系如图10所示，IPTV组播业务组网结构包括视频信号源1010、省级视频源中心1020、承载接入网络1030、接入设备1040、分光器1050、家庭光猫1060、家庭IPTV机顶盒1070以及故障定位系统900；IPTV组播业务组网结构中各网络设备之间的数据交互方式如下：各个视频信号源1010传输到各个省级视频源数据中心；省级视频源将IPTV组播视频信号发送到各个承载接入网络1030中；接入设备1040开启内部探针，监控省级视频源数据中心到固网接入设备1040之间IPTV组播视频业务质量数据；固网接入设备1040开启内部探针，监控固网接入设备1040到家庭终端之间IPTV组播视频业务质量数据；监测家庭终端到家庭IPTV机顶盒1070之间的IPTV组播视频业务质量数据，包括分光器1050至家庭光猫1060之间的IPTV组播视频业务质量数据以及家庭光猫1060至家庭IPTV机顶盒1070之间的IPTV组播视频业务质量数据；故障定位系统900通过采集接入设备1040监控的IPTV组播视频业务质量数据，并进行IPTV组播视频质量端到端分析以及故障定位。
示例一的故障定位方法包括以下步骤：
步骤S1110，根据组播源信息、接入设备信息，家庭设备终端等与组播视频业务相关基本信息，故障定位系统生成对应命令下发到接入设备，开启接入设备的内部探针，从而实现接入设备采集IPTV组播时延、丢包、抖动等指标的秒级监测数据；
步骤S1120，实时采集接入设备的秒级监测数据；
步骤S1130，通过离线操作或者人工标识对秒级监测数据标注特征信息，特征信息分类如下：
根据局方网络结构分为：根据接入设备双上联直挂BRAS；接入设备聚合上联主备方式；单链路聚合(Link Aggregation Control Protocol，LACP)上行捆绑方式等标识网络结构；
根据不同视频源分为：编码格式为AVS2.0或H.265，为4K超高清视频源；编码格式为AVS+或H.264，为高清节目；编码格式为MPEG-2，为标清节目；
热点视频源分类：根据上一周视频播放流量排序前N个视频标识为热点视频源；根据重要的央视频道、常看的本地频道、热门的卫视频道标识热点视频源等；
视频源忙闲时：依据上一周组播视频流量小时数据，根据流量综合排名前几个时间点，综合评估得到忙闲时间段，并根据时间段标识信息；
短时影响视频质量特征和持续性影响视频特征：在一个分析时间周期内出现组播视频丢包、时延较大但是其它时间段正常为短时影响特征；持续多个分析时间周期内一直有丢包、时延现象为持续性影响视频特征；
根据以上的维度，对步骤S1120中一部分IPTV组播业务的时延、丢包、抖动等数据标注特征信息，得到训练集，并将这些数据集传递给决策树模型；
步骤S1140，在根据训练集训练决策树模型之前，对训练集进行噪声数据处理，具体处理方法包括：如果训练集中的部份聚类指标值为空或其它异常值，丢弃此条噪声数据；如果噪声偏差值超过设定最大值，根据公式：根据设定最大值加上噪声值与设定最大值的差值相加得到第一数值，再通过第一数值除以设定收敛值的方式“将噪声数据收敛处理；
步骤S1150，通过随机森林学习训练集并得到新的决策树模型，利用决策树模型将IPTV组播监测数据进行分类处理，得到分类数据；
步骤S1160，对分类数据根据组播源、接入设备、热点区域、忙闲时等维度分组汇聚，形成IPTV组播业务各个节点质量数据；
步骤S1170，结合家庭IPTV机顶盒的数据信息以及步骤S1160的节点质量数据，得到接入网IPTV组播业务端到端故障定位结果；
步骤S1180，综合形成组播源、接入设备、热点区域、忙闲时等各个维度的IPTV组播业务故障趋势、故障时间、以及IPTV组播故障预警等信息，通过周期报表、变化趋势图、图表等方式展示故障定位结果；对组播故障历史数据分析汇总，有助于客户对IPTV组播组网的问题定位，提供优化方向；
步骤S1190，根据运维处理反馈的处理结果重新执行步骤S1150，演进决策树模型，得到更加符合运营商网络与不同视频源的决策树模型。
示例二的故障定位方法包括以下步骤：
步骤S1210，采集接入设备各种配置信息，录入IPTV组播视频源的互联网协议(Internet Protocol，IP)地址，接入设备连接配置等基本信息；
步骤S1220，根据步骤S1110获得的信息动态组装成不同的命令，命令的组装可以采用配置文件方式，利用多分支配置信息等方式，将各种命令下发到接入设备，开启接入设备内置探针，实现监控表征IPTV组播视频质量的秒级监控数据；
步骤S1230，定时采集接入设备的秒级监测数据，并将数据按照标准格式生成数据文件；
步骤S1240，通过离线操作或者人工筛选标识，根据局方网络结构分级、不同视频源的码率、忙闲时、热点视频源、对IPTV组播视频流质量的瞬时影响和持续性导致体验差等维度为数据文件打上标签信息，得到训练集，利用随机森林算法学习训练集，生成决策树模型；
步骤S1250，根据决策树模型对采集的IPTV组播视频秒级监测数据进行分类处理，在分类处理之前，对采集的IPTV组播视频秒级监测数据进行噪声数据处理，具体处理方法包括：如果IPTV组播视频秒级监测数据中的聚类指标信息为空或其它异常值，将丢弃此条噪声数据；如果噪声值超过设定最大值，根据公式：根据设定最大值加上噪声值与设定最大值的差值相加得到第一数值，再通过第一数值除以设定收敛值的方式“将噪声数据收敛处理，最终输出分类数据集；
步骤S1260，根据组播源、承载网络，接入网络、热点区域、忙闲时等维度分组分析分类数据集，并且根据异常信息初步定位组播源、承载网络、接入网络、故障设备、忙闲时段等故障原因，并且结合接入设备下的家庭IPTV机顶盒的数据信息，定位IPTV组播视频业务端到端故障点位置；
步骤S1270，对于组播源或IPTV组播视频流传输网络中影响业务的异常点，生成实时预警信息，并对定位结果生成周期报表、变化趋势图、业务组网等数据并进行展示；
步骤S1280，根据运维维护结果反馈数据到本系统，重复执行步骤S1240，对决策树模型演进训练，得到更贴合不同运营商和不用视频源的更准确的决策树模型。
另外，参考图13，图13是本发明另一个实施例提供的故障定位系统的结构示意图，本发明的一个实施例还提供了一种故障定位系统1300，该终端包括：存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序。
处理器1320和存储器1310可以通过总线或者其他方式连接。
实现上述实施例的故障定位方法所需的非暂态软件程序以及指令存储在存储器1310中，当被处理器1320执行时，执行上述实施例中的故障定位方法，例如，执行以上描述的图1中的方法步骤S110至方法步骤S140、图2中的方法步骤S210至方法步骤S220、图3中的方法步骤S310至方法步骤S330、图4中的方法步骤S410、图5中的方法步骤S510至方法步骤S520、图6中的方法步骤S610至方法步骤S620、图7中的方法步骤S710、图8中的方法步骤S810至方法步骤S820。
以上所描述的装置实施例仅仅是示意性的，其中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，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。
此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器1320或控制器执行，例如，被上述故障定位系统1300实施例中的一个处理器1320执行，可使得上述处理器1320执行上述实施例中的应用于故障定位系统1300的故障定位方法，例如，执行以上描述的图1中的方法步骤S110至方法步骤S140、图2中的方法步骤S210至方法步骤S220、图3中的方法步骤S310至方法步骤S330、图4中的方法步骤S410、图5中的方法步骤S510至方法步骤S520、图6中的方法步骤S610至方法步骤S620、图7中的方法步骤S710、图8中的方法步骤S810至方法步骤S820。本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (10)

1.一种故障定位方法，包括：
确定目标节点；
获取第一质量参数，所述第一质量参数表征所述目标节点的IPTV组播视频流的上游网络的传输质量；
获取第二质量参数，所述第二质量参数表征所述目标节点的IPTV组播视频流的下游网络的传输质量；
根据所述第一质量参数和所述第二质量参数得到故障定位结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一质量参数和所述第二质量参数得到故障定位结果，包括：
根据所述第一质量参数和预置策略得到异常识别结果；
根据所述异常识别结果和所述第二质量参数得到故障定位结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一质量参数和预置策略得到异常识别结果，包括：
获取预先标注好的第一训练集，所述第一训练集包括所述第一质量参数，所述第一质量参数携带有多种维度的标注信息；
获取预设的分类模型，根据所述第一训练集对所述分类模型进行训练，得到新的分类模型；
将所述第一质量参数输入至所述新的分类模型，得到所述异常识别结果。
4.根据权利要求3所述的方法，其特征在于，在根据所述异常识别结果和所述第二质量参数得到故障定位结果之后，还包括：
将所述故障定位结果作为第二训练集，将所述第二训练集输入至所述新的分类模型进行训练。
5.根据权利要求2所述的方法，其特征在于，在根据所述第一质量参数和预置策略得到异常识别结果之前，还包括：
当检测到所述第一质量参数存在异常，丢弃存在异常数据的第一质量参数；
或者，
当检测到所述第一质量参数的噪声偏差值大于预设阈值，对所述第一质量参数进行降噪处理。
6.根据权利要求2所述的方法，其特征在于，所述目标节点分别与上游监控节点和下游监控节点相连接，所述根据所述异常识别结果和所述第二质量参数得到故障定位结果，包括：
当检测到所述异常识别结果符合第一条件，并且检测到所述第二质量参数存在异常，确定所述上游监控节点与所述目标节点之间存在故障；
或者，
当检测到所述异常识别结果符合第二条件，并且检测到所述第二质量参数存在异常，确定所述下游监控节点与所述目标节点之间存在故障。
7.根据权利要求2所述的方法，其特征在于，根据所述第一质量参数和预置策略得到异常识别结果，包括：
获取预设的第一规则，根据所述第一规则对所述第一质量参数进行分类处理，得到所述异常识别结果。
8.根据权利要求1所述的方法，其特征在于，在所述根据所述第一质量参数和所述第二质量参数得到故障定位结果之后，还包括：
获取分析需求信息，根据所述分析需求信息从所述故障定位结果中获取故障数据；
根据所述故障数据生成故障分析信息。
9.一种故障定位系统，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计算机程序时实现如权利要求1至8中任意一项所述的故障定位方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至8中任意一项所述的故障定位方法。
CN202111196177.XA 2021-10-14 2021-10-14 故障定位方法及系统、计算机可读存储介质 Pending CN115988243A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111196177.XA CN115988243A (zh) 2021-10-14 2021-10-14 故障定位方法及系统、计算机可读存储介质
PCT/CN2022/108330 WO2023060985A1 (zh) 2021-10-14 2022-07-27 故障定位方法及系统、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111196177.XA CN115988243A (zh) 2021-10-14 2021-10-14 故障定位方法及系统、计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115988243A true CN115988243A (zh) 2023-04-18

Family

ID=85961723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111196177.XA Pending CN115988243A (zh) 2021-10-14 2021-10-14 故障定位方法及系统、计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN115988243A (zh)
WO (1) WO2023060985A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117452894A (zh) * 2023-11-01 2024-01-26 北京市永康药业有限公司 一种注射剂生产设备的生产管理方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020035698A1 (en) * 2000-09-08 2002-03-21 The Regents Of The University Of Michigan Method and system for protecting publicly accessible network computer services from undesirable network traffic in real-time
CN102137282B (zh) * 2010-12-15 2014-02-19 华为技术有限公司 一种检测故障链路的方法、装置、节点和系统
CN102164051B (zh) * 2011-05-18 2013-11-06 西安交通大学 面向业务的故障检测与定位方法
CN102572531B (zh) * 2012-02-21 2014-08-27 德科仕通信(上海)有限公司 一种iptv网络丢包故障定界方法及系统
CN109962801B (zh) * 2017-12-25 2022-06-21 中国移动通信集团福建有限公司 通信质量异常定位方法、装置、设备及介质
CN111935747B (zh) * 2020-08-17 2021-04-27 南昌航空大学 一种采用gru预测无线传感器网络链路质量的方法

Also Published As

Publication number Publication date
WO2023060985A1 (zh) 2023-04-20

Similar Documents

Publication Publication Date Title
US20210176116A1 (en) Intelligent anomaly detection and root cause analysis in mobile networks
CN112019932B (zh) 网络故障根因定位方法、装置、计算机设备及存储介质
CN111212038B (zh) 基于大数据人工智能的开放数据api网关系统
US10102054B2 (en) Anomaly detection, alerting, and failure correction in a network
EP3871056B1 (en) Anomaly detection and classification in networked systems
US8826314B2 (en) Method and apparatus for managing quality of service
EP3968243A1 (en) Method and apparatus for realizing model training, and computer storage medium
US11604991B2 (en) Multi-domain service assurance using real-time adaptive thresholds
US10284928B2 (en) System and method of analyzing CMTS data streams
CN110943874B (zh) 一种家庭宽带网络的故障检测方法、装置和可读介质
CN111277846A (zh) 一种直播的异常定位方法、装置、计算机设备和存储介质
CN114630352A (zh) 一种接入设备的故障监测方法和装置
CN115988243A (zh) 故障定位方法及系统、计算机可读存储介质
CN110620685A (zh) 一种上报设备异常的方法及装置
CN111444072A (zh) 客户端的异常识别方法、装置、计算机设备和存储介质
CN117395695A (zh) 无线网络线上诊断处理系统
CN117221088A (zh) 一种计算机网络强度检测系统及装置
CN111757064A (zh) 一种智能高清监控控制系统及方法
CN113382232B (zh) 监控音视频质量的方法和装置、系统、电子设备
US20210084095A1 (en) Method and Apparatus for Cross Layer Network Diagnostics and Self-Healing Platform for Point-to-Multipoint Networks
CN116991677A (zh) 时序异常检测方法、装置、终端设备以及存储介质
AU2014280116B2 (en) System and method for remote maintenance of user units
US11611488B2 (en) AI machine learning technology based fault management system for network equpment that supports SDN open flow protocol
CN117395630B (zh) 基于4g网络通信技术的车联网智能终端及方法
CN108521570A (zh) 一种视频播放器的监控系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication