CN117834395A - 运维方法、装置、电子设备及存储介质 - Google Patents
运维方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117834395A CN117834395A CN202211209270.4A CN202211209270A CN117834395A CN 117834395 A CN117834395 A CN 117834395A CN 202211209270 A CN202211209270 A CN 202211209270A CN 117834395 A CN117834395 A CN 117834395A
- Authority
- CN
- China
- Prior art keywords
- service
- service data
- maintenance
- user terminal
- failure
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 93
- 238000004458 analytical method Methods 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000007621 cluster analysis Methods 0.000 claims description 82
- 230000011664 signaling Effects 0.000 claims description 47
- 230000002776 aggregation Effects 0.000 claims description 13
- 238000004220 aggregation Methods 0.000 claims description 13
- 230000002688 persistence Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004927 fusion Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本申请公开了运维方法、装置、电子设备及存储介质，所述运维方法包括：应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；对定位后的业务故障进行运维处理。本申请解决了现有技术中企业园区，运维资源消耗多，成本高的技术问题。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种运维方法、装置、电子设备及存储介质。
背景技术
ToB(To business，面向企业的销售业务)市场是5G一个重要的应用场景，在ToB市场中，在要求用户级的数据不出企业园区(即网络数据限制在企业园区内传输)的同时，还对用户级的终端的网络保障也有高要求。
基于上述应用场景，由于用户级终端的业务数据无法出园区，若将运营商原有的大数据等用户保障系统部署于园区内，会导致资源消耗多，成本高的问题。
发明内容
本申请的主要目的在于提供一种运维方法、装置、电子设备及存储介质，旨在解决现有技术中企业园区，运维资源消耗多，成本高的技术问题。
为实现上述目的，本申请提供一种运维方法，应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，所述运维方法包括：
获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
对定位后的业务故障进行运维处理。
可选地，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之前，所述方法包括：
将在预设流控范围内的第一业务数据写入信息池中；
所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤，包括：
确定所述第一业务数据的类型；
根据所述类型，从预设聚类算法集合中选择当前的聚类算法，其中，所述聚类算法集合中的聚类算法是已经调整优化好的；
根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位，所述业务故障包括针对单个用户终端的业务故障以及集体用户终端的业务故障。
可选地，所述第一业务数据包括失败信令数据和/或者网络指标数据，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤，包括以下至少一项：
基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位；
基于选择的聚类算法，对所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。
为实现上述目的，本申请还提供一种运维装置，应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，所述运维装置包括：
获取模块，用于获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
故障定位模块，用于基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
运维模块，用于对定位后的业务故障进行运维处理。
可选地，所述装置包括：
写入模块，用于将在预设流控范围内的第一业务数据写入信息池中；
所述故障定位模块用于实现：
确定所述第一业务数据的类型；
根据所述类型，从预设聚类算法集合中选择当前的聚类算法，其中，所述聚类算法集合中的聚类算法是已经调整优化好的；
根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位，所述业务故障包括针对单个用户终端的业务故障以及集体用户终端的业务故障。
可选地，所述故障定位模块还用于实现以下至少一项：
基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位；
基于选择的聚类算法，对所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。
本申请还提供一种电子设备，所述电子设备为实体设备，所述电子设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述运维方法的程序，所述运维方法的程序被处理器执行时可实现如上述的运维方法的步骤。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有实现运维方法的程序，所述运维方法的程序被处理器执行时实现如上述的运维方法的步骤。
本申请提供了一种运维方法、装置、电子设备及存储介质，与现有技术中，由于用户终端的业务数据无法出园区，只能将运营商原有的大数据等用户保障系统部署于园区内，导致资源消耗多，成本高相比，在本申请中，应用于目标网元内设置的第一运维模块，所述第一运维模块基于获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位，对定位后的业务故障进行运维处理，且所述第一运维模块区分于进行网元故障定位的第二运维模块。在本申请中，由于第一运维模块是目标网元内的模块，基于第一运维模块对不大于企业园区的区域的第一业务数据，基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位，对定位后的业务故障进行运维处理，因而，第一运维模块共享目标网元的硬件等资源，且不需要部署资源消耗大的大数据运维系统，这可以避免资源的浪费，降低了成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请运维方法第一实施例的流程示意图；
图2本申请运维方法涉及的运维装置的第一逻辑视图；
图3为本申请运维方法涉及的运维装置的第二逻辑视图；
图4为本申请运维方法涉及的运维装置的第三逻辑视图；
图5为本申请运维方法涉及的运维装置的第四逻辑视图；
图6为本申请实施例中运维方法涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本申请保护的范围。
参照图1，本申请实施例提供一种运维方法，在本申请运维方法的第一实施例中，应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，所述运维方法包括：
步骤S10，获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
步骤S20，基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位。
作为一种示例，本实施例旨在：降低运维成本。
作为一种示例，在本申请中，还根据所述类型，从预设聚类算法集合中选择当前的聚类算法；并根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位，所述业务故障包括针对单个用户终端的业务故障以及集体用户终端的业务故障，由于在本申请中，可以基于聚类算法确定当前故障是单个用户终端的故障还是集体用户终端的业务故障，因而，为针对性运维提供基础。
作为一种示例，在本申请中，可以对单用户终端在不同第一预设时间段内的第一失败业务数据进行聚类分析，以及对多个用户终端在同一第二预设时间段内的第二失败业务数据进行聚类分析，因而，满足不同的运维需求。
作为一种示例，在本申请中，可以满足对信令失败的情况和/或者网络指标故障的情况进行针对性分析。
作为一种示例，在本申请中，可以将第一聚类分析结果和第二聚类分析结果进行针对性的持久化处理，且可以在接受到对应的查询指令时，针对性的进行故障的回溯，满足故障的回溯需求。
作为一种示例，在本申请中，若故障定位失败时，发送告警给相应用户终端，即本申请中可以实现用户终端的自查。
作为一种示例，在本申请中，所述目标网元为超融合网元，在超融合网元中实现故障的定位，进一步降低运维成本(超融合网元还包含AMF、SMF、UDM、UPF、PCF多个逻辑网元中的至少一个)，避免了多个不同逻辑网元中的通信成本。
在本实施例中，具体的应用场景可以是：
在ToB市场中，网络通讯设备(电子设备)在企业侧逐渐呈现融合以及下沉部署的趋势，融合的趋势是针对网络通讯设备内部而言的，具体地，指的是各个网元呈现融合的情况(几个网元融合为一个网元，如超融合网元可以包含AMF、SMF、UDM、UPF、PCF等多个逻辑网元)，下沉部署的趋势指的是网络通讯设备的部署逐步轻量化，比如核心网i5GC、UPF+等设备极简情况下仅占用一台物理服务器，将一台物理服务器部署在园区即可，但是，目前，下沉部署的趋势还体现在网络数据的传输，即网络数据的传输限制在企业园区内。另外，网络通讯设备在企业侧逐渐呈现融合以及下沉部署的趋势的同时，企业园区内的政企用户终端(用户)对于网络保障有较高的保障要求。也即，虽然园区用户数量有限，但对用户(终端)级的网络保障有较高要求。
基于上述实际的应用场景，运营商原有的大数据等用户保障系统(如基于统一的用户保障系统对市区内所有的用户终端均进行保障)无法直接使用。
在本实施例中，具体的应用场景还可以是：
参照附图2，部分技术方案是在网络通讯设备外部叠加采集分析等大数据工具(如用户级呼叫记录分析大数据分析系统和/或者用户级失败记录分析EMS分析系统)或者在网络通讯设备外部叠加集中网管等工具，以对企业数据进行分析，然而，在网络通讯设备外部叠加工具需要额外部署DPI采集器以及额外部署数据接口，额外部署DPI采集器及额外部署数据接口导致占用资源还是较多，成本也较高。
作为一种示例，由于大数据工具(如用户级呼叫记录分析大数据分析系统和/或者用户级失败记录分析EMS分析系统)或者在网络通讯设备外部叠加集中网管等工具点对所有企业数据均进行分析，因而，分析不具备针对性。
基于此，发明人想到：需要在企业园区场景下，低成本地集约化地定位园区用户故障。
具体步骤如下：
步骤S10，获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
作为一种示例，本实施例运维方法应用于目标网元内设置的第一运维模块，如图3所示。
作为一种示例，本实施例中，基于目标网元内的网管模块，在目标网元内新增设置第一运维模块。
作为一种示例，要实现基于网管模块，在目标网元内新增设置第一运维模块，需要在网络通讯设备(电子设备)上部署开通目标网元，并开通用户业务。
作为一种示例，所述目标网元为超融合网元，所述超融合网元中还包含AMF(access and mobility management function，移动接入管理功能网元)、SMF(TheSession Management function,会话管理网元)、UDM(Unified Data Management，统一数据管理网元)、UPF(User Plane Function用户界面功能网元)、PCF(策略控制网元，具有策略控制功能)多个逻辑网元中的至少一个。
作为一种示例，如图5所示，超融合网元若处理用户业务失败，各个逻辑网元将用户业务失败的控制信令等第一业务数据直接发送到用第一运维模块。
作为一种示例，如图5所示，第一运维模块接收到第一业务数据，判断第一业务数据合法性并对其流控，若第一业务数据在流控范围内，将其写入信息池。
作为一种示例，如图5所示，第一运维模块监控信息池中的池信息，并对池信息中的第一业务数据进行聚类分析。
作为一种示例，如图5所示，第一运维模块如若聚类分析失败，则进行告警，若聚类分析成功，则通知对应的用户终端，并对相应数据进行持久化处理，以便后续回溯。
作为一种示例，如图5所示，对于已经分析的第一业务数据，则对其进行删除。
作为一种示例，本实施例中，基于网管模块，可以对第一运维模块进行拓展。
作为一种示例，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位；
作为一种示例，第一运维模块用于获取网元业务模块的业务数据，并对业务数据进行故障定位分析；
作为一种示例，由于第二运维模块用于对网元故障进行定位，而第一运维模块区分于所述目标网元内的第二运维模块，因而，本申请可同时实现对网元故障的定位，也可以对业务数据的故障进行定位；
作为一种示例，第一运维模块还对故障进行运维。
作为一种示例，第一运维模块实时获取待运维区域内失败业务关联的第一业务数据；
作为一种示例，第一运维模块每间隔一定时间段获取待运维区域内失败业务关联的第一业务数据；
作为一种示例，网元业务模块会定时上报失败业务关联的第一业务数据。
作为一种示例，网元业务模块基于自身的监督功能，定时上报失败业务关联的第一业务数据。
作为一种示例，待运维区域为不大于企业园区的区域。
作为一种示例，由于待运维区域为不大于企业园区的区域，因而，可以实现故障的轻量化运维。
作为一种示例，由于待运维区域为不大于企业园区的区域，因而，可以针对性(只针对园区内业务所对应类型数据)的运维。
作为一种示例，由于待运维区域为不大于企业园区的区域，因而，在第一运维模块共享目标网元的硬件等资源时，不会造成系统的崩溃。
步骤S20，基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
作为一种示例，基于人为选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
作为一种示例，基于第一运维模块自动随机选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位。
作为一种示例，基于第一运维模块根据预设选取规则选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位，其中，预设选取规则可以是根据当前的场景参数，选择聚类算法。
作为一种示例，不同类型的第一业务数据使用不同的聚类分析算法。
作为一种示例，聚类算法还涉及相似距离计算，欧式距离计算等关键分析算法。
其中，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之前，所述方法包括：
步骤S01，将在预设流控范围内的第一业务数据写入信息池中；
作为一种示例，在基于选择的聚类算法，对第一业务数据进行聚类分析之前，还在对第一业务数据进行流控管理。
作为一种示例，进行流控管理的目的在于：避免对相应非合法性的数据进行分析。
作为一种示例，将在预设流控范围内的第一业务数据写入信息池中，将不在预设流控范围内的第一业务数据剔除。
作为一种示例，是基于第一运维模块中的采集单元，将在预设流控范围内的第一业务数据写入信息池中。
其中，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤，包括：
步骤S21，确定所述第一业务数据的类型；
作为一种示例，还确定第一业务数据的类型，如保险业务类型，呼叫业务类型。
步骤S22，根据所述类型，从预设聚类算法集合中选择当前的聚类算法，其中，所述聚类算法集合中的聚类算法是已经调整优化好的；
作为一种示例，若业务类型为保险业务类型，则从预设聚类算法集合中选择当前的聚类算法为a类型聚类算法,若业务类型为呼叫业务类型，则从预设聚类算法集合中选择当前的聚类算法为b类型聚类算法。
作为一种示例，还针对每个业务类型，继续进行场景的细分。
作为一种示例，针对保险业务类型中的信贷业务，选择当前的聚类算法为a类型聚类算法中的a1类型聚类算法,针对保险业务类型中的车贷业务，选择当前的聚类算法为a类型聚类算法中的a2类型聚类算法。
步骤S23，根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位，所述业务故障包括针对单个用户终端的业务故障以及集体用户终端的业务故障。
在得到当前的聚类算法后，根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位。
作为一种示例，由于在本申请中，可以基于聚类算法确定当前故障是单个用户终端的故障还是集体用户终端的业务故障，因而，为针对性运维提供基础。
作为一种示例，在本申请中，若集体集体用户终端出现业务故障，则可能是相应位置的基站出现故障，此时，针对性发出运维指令。
作为一种示例，在本申请中，若单用户终端出现业务故障，则针对性针对该单个用户终端发出运维指令。
作为一种示例，所述根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析的步骤，包括：
步骤A1，基于所述处于信息池中的所述第一业务数据以及选定的其他第二业务数据，对单用户终端在不同第一预设时间段内的第一失败业务数据进行聚类分析，其中，所述第一失败业务数据包括第一业务数据以及选定的其他第二业务数据；
作为一种示例，对单用户终端在不同第一预设时间段进行第一失败业务数据的分析。
作为一种示例，在进行聚类数据时，可能不只是考量当前的第一业务数据，需要基于数据数量和时间等信息，从信息池中选定其他第二业务数据，进而基于所述处于信息池中的所述第一业务数据以及选定的其他第二业务数据构成的第一失败业务数据进行聚类分析。
和/或者步骤A2，基于所述处于信息池中的所述第一业务数据以及选定的其他第三业务数据，对多个用户终端在同一第二预设时间段内的第二失败业务数据进行聚类分析，其中，所述第二失败业务数据包括第一业务数据以及选定的其他第三业务数据。
作为一种示例，对多个用户终端在同一第二预设时间段内的第二失败业务数据进行聚类分析。
作为一种示例，在进行聚类数据时，可能不只是考量当前的第一业务数据，需要基于数据数量和时间等信息，从信息池中选定其他第三业务数据，进而基于所述处于信息池中的所述第一业务数据以及选定的其他第三业务数据构成的第二失败业务数据进行聚类分析。
作为一种示例，在本申请中，可以对单用户终端在不同第一预设时间段内的第一失败业务数据进行聚类分析，以及对多个用户终端在同一第二预设时间段内的第二失败业务数据进行聚类分析，因而，满足不同的运维需求。
步骤S30，对定位后的业务故障进行运维处理。
作为一种示例，基于第一运维模块中内置的运维规则进行运维处理。
本申请提供了一种运维方法、装置、电子设备及存储介质，与现有技术中，由于用户终端的业务数据无法出园区，只能将运营商原有的大数据等用户保障系统部署于园区内，导致资源消耗多，成本高相比，在本申请中，应用于目标网元内设置的第一运维模块，所述第一运维模块基于获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位，对定位后的业务故障进行运维处理，且所述第一运维模块区分于进行网元故障定位的第二运维模块。在本申请中，由于第一运维模块是目标网元内的模块，基于第一运维模块对不大于企业园区的区域的第一业务数据，基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位，对定位后的业务故障进行运维处理，因而，第一运维模块共享目标网元的硬件等资源，且不需要部署资源消耗大的大数据运维系统，这可以避免资源的浪费，降低了成本。
进一步地，在本申请另一实施例中，与上述实施例相同或相似的内容，可以参考上文介绍，后续不再赘述。所述第一业务数据包括失败信令数据和/或者网络指标数据，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤，包括以下至少一项：
步骤B1，基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位；
步骤B2，基于选择的聚类算法，对所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。
作为一种示例，在本申请中，具体可以满足对信令失败的情况和/或者网络指标故障的情况进行针对性分析。
作为一种示例：第一运维模块监控信息池中的失败信令数据，基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位。
作为一种示例：对单用户一段时间内多次失败信令数据进行聚类，再对一段时间内多用户相似失败信令数据等进行聚类。
作为一种示例，第一运维模块监控信息池中的网络指标数据，基于选择的聚类算法，对基于所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。
作为一种示例，超融合网元在处理用户业务时，获取用户级时延、抖动、带宽等网络指标数据，将监控的用户指标超过阈值的消息实时发送到第一运维模块中的信息池。
第一运维模块监控信息池中的网络指标数据，在相应时刻进行数据的分析。
其中，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之后，所述方法包括以下至少一项：
步骤C1，将第一聚类分析结果所涉及的失败信令码、网元组件、第一失败时间段、第一失败次数以及完整信令中的多项信令关联内容进行持久化处理，以在界面上接收到信令关联内容的第一查询指令时，进行业务故障的回溯；
步骤C2，将第二聚类分析结果所涉及的用户终端标识、用户终端级时延、抖动信息、第二失败时间段以及第二失败次数中的多项网络指标内容进行持久化处理，以在界面上接收到网络指标内容的第二查询指令时，进行业务故障的回溯。
作为一种示例，在本申请中，可以将第一聚类分析结果和第二聚类分析结果进行针对性的持久化处理，且可以在接受到对应的查询指令时，针对性的进行故障的回溯，满足故障的回溯需求。
作为以一种示例，将第一聚类分析结果和第二聚类分析结果中已经聚类成功的数据进行针对性的持久化处理。
作为一种示例，在运维界面可以查询失败信令码、网元组件、第一失败时间段、第一失败次数以及完整信令中的多项信令关联内容，便于信令业务故障的回溯。
作为一种示例，在运维界面可以查询用户终端标识、用户终端级时延、抖动信息、第二失败时间段以及第二失败次数中的多项网络指标内容，便于指标业务故障的回溯。
本申请实施例提供基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位；基于选择的聚类算法，对所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。本实施例满足用户回溯故障的运维需求。
进一步地，在本申请另一实施例中，与上述实施例相同或相似的内容，可以参考上文介绍，后续不再赘述。
所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之后，所述方法包括：
步骤S40，若故障定位失败时，发送告警给相应用户终端，其中，所述告警中携带聚类分析结果。
作为一种示例，本申请还对故障定位后的信息进行管理，具体地，若故障定位失败时，发送告警给相应用户终端，其中，所述告警中携带聚类分析结果。
作为一种示例，园区用户中高端收到告警通知或者定期巡检，通过用户级运维界面可以查询具体用户指标越界信息，包括总的时延、抖动、带宽、分段的时延、发生时间等信息，便于问题回溯定位。
作为一种示例，如图4所示，对于园区内部而言，第一运维模块分析后的数据支持通过多种技术方案共享给园区客户或者园区内的三方系统(需要明确的是，不是分享给园区外区域)。
作为一种示例，第一运维模块中的失败分析控制单元将聚类分析结果(已经聚类完成的)通知持久化单元进行持久化处理。
作为一种示例，第一运维模块中的失败分析控制单元将失败信息池中处理完毕的信息清除。
在本申请中，还基于不同的聚类分析解雇进行不同的后处理，满足用户终端的运维需求。
本申请还提供一种运维装置，本申请还提供一种运维装置，应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，所述运维装置包括：
获取模块，用于获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
故障定位模块，用于基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
运维模块，用于对定位后的业务故障进行运维处理。
可选地，所述装置包括：
写入模块，用于将在预设流控范围内的第一业务数据写入信息池中；
所述故障定位模块用于实现：
确定所述第一业务数据的类型；
根据所述类型，从预设聚类算法集合中选择当前的聚类算法，其中，所述聚类算法集合中的聚类算法是已经调整优化好的；
根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位，所述业务故障包括针对单个用户终端的业务故障以及集体用户终端的业务故障。
可选地，所述故障定位模块还用于实现：
基于所述处于信息池中的所述第一业务数据以及选定的其他第二业务数据，对单用户终端在不同第一预设时间段内的第一失败业务数据进行聚类分析，其中，所述第一失败业务数据包括第一业务数据以及选定的其他第二业务数据；
和/或者基于所述处于信息池中的所述第一业务数据以及选定的其他第三业务数据，对多个用户终端在同一第二预设时间段内的第二失败业务数据进行聚类分析，其中，所述第二失败业务数据包括第一业务数据以及选定的其他第三业务数据。
可选地，所述故障定位模块还用于实现以下至少一项：
基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位；
基于选择的聚类算法，对所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。
可选地，所述运维装置还用于实现以下至少一项：
将第一聚类分析结果所涉及的失败信令码、网元组件、第一失败时间段、第一失败次数以及完整信令中的多项信令关联内容进行持久化处理，以在界面上接收到信令关联内容的第一查询指令时，进行业务故障的回溯；
将第二聚类分析结果所涉及的用户终端标识、用户终端级时延、抖动信息、第二失败时间段以及第二失败次数中的多项网络指标内容进行持久化处理，以在界面上接收到网络指标内容的第二查询指令时，进行业务故障的回溯。
可选地，所述运维装置还用于实现：
若故障定位失败时，发送告警给相应用户终端，其中，所述告警中携带聚类分析结果。
可选地，所述目标网元为超融合网元，所述超融合网元中还包含AMF、SMF、UDM、UPF、PCF多个逻辑网元中的至少一个。
本申请提供的运维装置，采用上述实施例中的运维方法，解决了现有技术中企业园区，运维资源消耗多，成本高的技术问题。与现有技术相比，本申请实施例提供的运维装置的有益效果与上述实施例提供的运维方法的有益效果相同，且该运维装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
本申请实施例提供一种电子设备，电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的运维方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)，其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中，还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常，以下系统可以连接至I/O接口：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置；包括例如磁带、硬盘等的存储装置；以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置被安装，或者从ROM被安装。在该计算机程序被处理装置执行时，执行本公开实施例的方法中限定的上述功能。
本申请提供的电子设备，采用上述实施例中的运维方法，解决了信令排序位置准确度低的技术问题。与现有技术相比，本申请实施例提供的电子设备的有益效果与上述实施例提供的运维方法的有益效果相同，且该电子设备中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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。
本实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例一中的运维的方法。
本申请实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：对各网元中采集的信令进行排序，生成对应的时序信令；采集所述时序信令对应的信令上下文特征信息，根据所述信令上下文特征信息，构造所述时序信令对应的信令上下文特征；通过所述信令上下文特征对所述时序信令进行信令排序预测，调整所述时序信令的信令排序，得到目标时序信令。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。
本申请提供的计算机可读存储介质，存储有用于执行上述运维方法的计算机可读程序指令，解决了信令排序位置准确度低的技术问题。与现有技术相比，本申请实施例提供的计算机可读存储介质的有益效果与上述实施例提供的运维方法的有益效果相同，在此不做赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。
Claims (10)
1.一种运维方法，其特征在于，应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，所述运维方法包括：
获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
对定位后的业务故障进行运维处理。
2.如权利要求1所述运维方法，其特征在于，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之前，所述方法包括：
将在预设流控范围内的第一业务数据写入信息池中；
所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤，包括：
确定所述第一业务数据的类型；
根据所述类型，从预设聚类算法集合中选择当前的聚类算法，其中，所述聚类算法集合中的聚类算法是已经调整优化好的；
根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析，并基于分析结果对用户终端的业务故障进行定位，所述业务故障包括针对单个用户终端的业务故障以及集体用户终端的业务故障。
3.如权利要求2所述运维方法，其特征在于，所述根据所述当前的聚类算法，对处于信息池中的所述第一业务数据进行聚类分析的步骤，包括：
基于所述处于信息池中的所述第一业务数据以及选定的其他第二业务数据，对单用户终端在不同第一预设时间段内的第一失败业务数据进行聚类分析，其中，所述第一失败业务数据包括第一业务数据以及选定的其他第二业务数据；
和/或者基于所述处于信息池中的所述第一业务数据以及选定的其他第三业务数据，对多个用户终端在同一第二预设时间段内的第二失败业务数据进行聚类分析，其中，所述第二失败业务数据包括第一业务数据以及选定的其他第三业务数据。
4.如权利要求1所述运维方法，其特征在于，所述第一业务数据包括失败信令数据和/或者网络指标数据，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤，包括以下至少一项：
基于选择的聚类算法，对基于所述失败信令数据进行第一聚类分析，基于第一聚类分析结果，对用户终端的业务故障进行定位；
基于选择的聚类算法，对所述网络指标数据进行第二聚类分析，基于第二聚类分析结果，对用户终端的业务故障进行定位，其中，所述网络指标数据包括用户终端级时延、抖动信息以及带宽中的至少一项网络指标。
5.如权利要求4所述运维方法，其特征在于，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之后，所述方法包括以下至少一项：
将第一聚类分析结果所涉及的失败信令码、网元组件、第一失败时间段、第一失败次数以及完整信令中的多项信令关联内容进行持久化处理，以在界面上接收到信令关联内容的第一查询指令时，进行业务故障的回溯；
将第二聚类分析结果所涉及的用户终端标识、用户终端级时延、抖动信息、第二失败时间段以及第二失败次数中的多项网络指标内容进行持久化处理，以在界面上接收到网络指标内容的第二查询指令时，进行业务故障的回溯。
6.如权利要求1所述运维方法，其特征在于，所述基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位的步骤之后，所述方法包括：
若故障定位失败时，发送告警给相应用户终端，其中，所述告警中携带聚类分析结果。
7.如权利要求1所述运维方法，其特征在于，所述目标网元为超融合网元，所述超融合网元中还包含AMF、SMF、UDM、UPF、PCF多个逻辑网元中的至少一个。
8.一种运维装置，其特征在于，应用于目标网元内设置的第一运维模块，所述第一运维模块区分于所述目标网元内的第二运维模块，所述第二运维模块用于对网元故障进行定位，所述运维装置包括：
获取模块，用于获取待运维区域内失败业务关联的第一业务数据，其中，所述待运维区域为不大于企业园区的区域；
故障定位模块，用于基于选择的聚类算法，对第一业务数据进行聚类分析，基于聚类分析结果对用户终端的业务故障进行定位；
运维模块，用于对定位后的业务故障进行运维处理。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一项所述的运维方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有实现运维方法的程序，所述实现运维方法的程序被处理器执行以实现如权利要求1至7中任一项所述运维方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211209270.4A CN117834395A (zh) | 2022-09-30 | 2022-09-30 | 运维方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211209270.4A CN117834395A (zh) | 2022-09-30 | 2022-09-30 | 运维方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117834395A true CN117834395A (zh) | 2024-04-05 |
Family
ID=90523504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211209270.4A Pending CN117834395A (zh) | 2022-09-30 | 2022-09-30 | 运维方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117834395A (zh) |
-
2022
- 2022-09-30 CN CN202211209270.4A patent/CN117834395A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110312279B (zh) | 一种网络数据的监测方法及装置 | |
| US20230224433A1 (en) | Obtaining camera device image data representing an event | |
| US10779178B1 (en) | Systems and methods of using network slicing for test platform | |
| CN108268211B (zh) | 一种数据处理方法及装置 | |
| KR101716070B1 (ko) | 모바일 단말을 사용하는 비디오 감시 시스템 | |
| US20180248940A1 (en) | Distributed data management | |
| CN112615909B (zh) | 在级联存储服务器集群中存储数据的方法及相关设备 | |
| CN112711710A (zh) | 多号码终端的追踪方法、系统、服务器和存储介质 | |
| CN117834395A (zh) | 运维方法、装置、电子设备及存储介质 | |
| CN107181929A (zh) | 用于视频监控的方法和装置 | |
| US11996991B2 (en) | Method and system for effective service fulfillment in communication networks | |
| CN113783882B (zh) | 一种边缘应用的信息获取方法、装置、电子设备及介质 | |
| CN112738153B (zh) | 业务系统中的网关选择方法、系统、装置、服务器及介质 | |
| CN113613239B (zh) | 网络模式切换方法、网络模式切换装置、介质及电子设备 | |
| US20130231851A1 (en) | Electronic device and method for providing traffic information to mobile devices | |
| US11356321B2 (en) | Methods and systems for recovery of network elements in a communication network | |
| CN112804647A (zh) | 基于通信的目标用户追踪方法、系统、服务器和存储介质 | |
| JP2022003327A (ja) | 端末を測位するための方法、装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム | |
| KR20210046179A (ko) | 네트워크 기능 제어방법 및 장치 | |
| US11687116B2 (en) | Intelligent user equipment central processing unit core clock adjustment | |
| CN114217755A (zh) | 交通信息处理方法、系统和电子设备 | |
| CN116709531A (zh) | 网络调度方法、装置、电子设备及存储介质 | |
| CN115022877A (zh) | 终端鉴权方法、装置、电子设备及计算机可读存储介质 | |
| CN118041417A (zh) | 链路追踪方法、装置、设备及可读存储介质 | |
| CN118102477A (zh) | 感知数据处理方法、装置、电子设备和可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |