論網(wǎng)絡故障管理告警關聯(lián)技術分析

1、論網(wǎng)絡故障管理告警關聯(lián)技術分析                 論文關鍵詞：故障管理；告警關聯(lián)；基于規(guī)則的推理；基于事例推理 論文摘要：隨著通信網(wǎng)絡的迅速發(fā)展和業(yè)務的拓展，對網(wǎng)絡的管理與維護變得越來越困難。告警相關性在通信網(wǎng)絡故障維護中起著十分關鍵的作用。文中首先介紹了故障管理和告警關聯(lián)的概念，在此基礎上介紹了幾種告警關聯(lián)方法，分析了它們的優(yōu)缺點。通過對比幾種方法，提出采用基于事例推理和基于規(guī)則推理的兩種方法對故障進行關聯(lián)分析。 1 引

2、言 故障管理是現(xiàn)代電信網(wǎng)管理的5大功能之一，故障管理是網(wǎng)絡管理的一個重要組成部分,故障管理的智能化是故障管理追求的目標，也是復雜、高速網(wǎng)絡高可靠性、高生存性的必然要求。 網(wǎng)絡管理員面對通信網(wǎng)絡中產(chǎn)生的大量告警信息，往往很難從中找出故障的真正原因，從而無法快速實施故障修復和障礙排除。對于故障管理來講，其難點就在于故障診斷和定位。為了更好的解決故障診斷定位問題，需要對所接收的告警信息進行分析和處理，以便能更好地完成故障管理的任務。 為了更好的把故障管理的智能化的思想運用到通信網(wǎng)絡中，以解決大型通信網(wǎng)中大量的告警信息，本文將首先介紹幾種具有代表性的故障管理告警關聯(lián)技術，并通過對比分析這幾種方法，選擇

3、將基于規(guī)則和實例的關聯(lián)分析方法相結合，進而來分析告警信息，從而使故障的定位更加準確。<ST'' >論網(wǎng)絡故障管理告警關聯(lián)技術分析 RONG>2 基本概念 在網(wǎng)絡管理領域，故障是人們對服務中出現(xiàn)問題的感知，尤其是用戶的感知。故障是產(chǎn)生告警事件的原因。告警是當檢測到錯誤或異常狀態(tài)時產(chǎn)生的特定類型的通知。但它只是表明可能有故障發(fā)生，并不一定有故障發(fā)生。當網(wǎng)絡中出現(xiàn)故障時，會引發(fā)一系列告警，但并不是所有告警都表明故障原因，所以需要對網(wǎng)絡中發(fā)生的告警事件進行相關性分析，確定產(chǎn)生故障的根本原因。 告警相關性分析是指對告警進行合并和轉化，將多個告警合并成一條具有更多信息量的

4、告警，確定能反應故障根本原因的告警，準確定位故障1。3 幾種告警關聯(lián)技術 3.1 基于規(guī)則的推理 基于規(guī)則的推理又稱為基于規(guī)則的專家系統(tǒng)、專家系統(tǒng)、產(chǎn)生式系統(tǒng)和黑板系統(tǒng)等，它是最早出現(xiàn)的一種事件關聯(lián)技術。 這種方法的特定領域的知識包含在一組規(guī)則集中，而與特定情況相關的知識構成了事實。每個基于規(guī)則的系統(tǒng)都有一個控制策略，決定應用規(guī)則的次序。例如，當結束條件已經(jīng)被滿足，則停止計算1。 3.2 基于事例的推理 基于事例的推理是通過直接利用過去的經(jīng)驗和方法，來解決給定的問題。事例是以前遇到并已經(jīng)解決的特定問題?；谑吕耐评硎菍⑦^去成功的事例存入事例庫；遇到新問題時，在事例庫中尋找類似的過去事例，利用

5、類比推理方法得到新問題的近似解答；再加以適當修改，使之完全適合新問題。事例庫的維護主要是按著名的遺忘曲線理論，即長期不用的信息將會被遺忘，所以要刪除長期不用的事例。      3.3 基于模型的推理 在基于模型的推理系統(tǒng)中，每個被管對象都有一個模型與之相對應。一個模型實際上就是一個軟件模塊。處于網(wǎng)絡管理系統(tǒng)中的事件相關器建立在面向對象的模型之上，模型之間的協(xié)作形成事件關聯(lián)。網(wǎng)絡管理系統(tǒng)和被管網(wǎng)元之間的通信是通過事件關聯(lián)器和每個被管網(wǎng)元的模型之間的通信實現(xiàn)的，被管網(wǎng)元和被管網(wǎng)元之間的通信是通過被管網(wǎng)元的模型之間的通信實現(xiàn)的。這樣，模型之間的關系反映出它們所

6、代表的被管網(wǎng)元之間的關系2。 每個模型通過與自身所表示的被管網(wǎng)元以及與其它模型之間進行通信，分析自身所表示的網(wǎng)元是否發(fā)生故障。因此，網(wǎng)元的故障首先由模擬該網(wǎng)元的模型識別出，然后報告給網(wǎng)絡管理系統(tǒng)。 3.4 貝葉斯網(wǎng)絡 貝葉斯網(wǎng)絡 3提出處理不確定性的新方法。通過這些方法即使在信息不完全和不精確的情況下，也可以進行推理。通信網(wǎng)絡中發(fā)生的告警事件，可能會發(fā)生丟失，收集到的具有相關性告警事件是不確定的。而且激發(fā)相關性告警的故障原因也是不確定的。所以通過貝葉斯網(wǎng)絡來分析通信網(wǎng)絡中告警相關性，可以克服告警事件的不確定性。 3.5 神經(jīng)網(wǎng)絡 神經(jīng)網(wǎng)絡是模仿人類神經(jīng)系統(tǒng)的工作原理，又相互聯(lián)結的神經(jīng)元組成的系

7、統(tǒng)。各神經(jīng)元之間是簡單的輸入/輸出的關系。通過學習待分析數(shù)據(jù)中的模式來構造模型，而這個模型本身相當于一個“黑箱”，我們并不了解“黑箱”內部的東西，而只要求我們在已經(jīng)訓練好的神經(jīng)網(wǎng)絡中輸入端輸入數(shù)據(jù)，就可以在輸出端?(此 資 料 轉 貼 于 ) 苯擁玫皆詰慕峁?3.6 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘是在數(shù)據(jù)中發(fā)現(xiàn)新穎的模式。它是基于過去事例的泛化的一種歸納學習。數(shù)據(jù)挖掘在通信領域中的典型應用是基于歷史告警數(shù)據(jù)，發(fā)現(xiàn)告警相關性規(guī)則。根據(jù)發(fā)現(xiàn)的規(guī)則，來分析和預測網(wǎng)絡元件可能出現(xiàn)的故障。 3.7 模糊邏輯 由于通信網(wǎng)絡結構十分復雜，幾乎不可能建立關于這些網(wǎng)絡的精確模型，所以需要用模糊邏輯方法來處理一些具體問題。而

8、且實際上由于網(wǎng)絡配置經(jīng)常發(fā)生變化，網(wǎng)絡模型越詳細，那么它過時的速度會越快。并且在故障和告警之間的因果關系通常是不完全的，如由于路由故障，一些告警事件發(fā)生丟失。因此可以通過模糊邏輯描述出不精確網(wǎng)絡模型，用于分析不完全的告警相關性1。 由通信專家所提供的知識經(jīng)常是不精確的，很難直接用于網(wǎng)絡管理。模糊邏輯中最根本的概念是模糊集合。模糊集合中任何一個元素歸屬于某個集合，不再是從True 或False的兩者選擇其一，而是在區(qū)間0,1之間的一個值。所以通過模糊邏輯來描述網(wǎng)絡模型，采用模糊推理來確定出相關性規(guī)則。 4 分析和比較 下面對上述幾種告警關聯(lián)技術的優(yōu)缺點進行分析和比較。 基于規(guī)則的推理系統(tǒng)結構簡單

9、，比較容易實現(xiàn)。但對于基于規(guī)則的系統(tǒng)來說，當規(guī)則數(shù)目達到一定量時，規(guī)則庫的維護變得越來越困難。而且知識的獲取是基于規(guī)則系統(tǒng)的一個很大瓶頸，因為規(guī)則獲取主要從專家那里獲得，且無自學習的功能。而且在這種演繹推理過程中，沒有充分利用過去經(jīng)驗并且缺乏記憶。            基于事例的推理克服了基于規(guī)則的推理的許多不足：前者知識的單元是事例，檢索是基于對事例的部分匹配，而對于后者知識的單元是規(guī)則，檢索是基于對規(guī)則的完全匹配。但是在基于事例的推理系統(tǒng)剛開始運行的時候，一般很少能找到

10、完全匹配的事例，隨著事例庫的增長，系統(tǒng)的效率也會逐漸提高。并且系統(tǒng)具有自學習的能力。缺點是它總是與某一個特定應用領域緊密相關，而不存在一個通用的事例方法。它對于網(wǎng)絡變化處理反應不敏感，處理過程較復雜而且費時，這對于要求實時性高的告警處理是一個問題。 基于模型的推理通過模型間的互操作來達到事件關聯(lián)的目的，這對降低網(wǎng)絡管理系統(tǒng)的網(wǎng)絡負載有一定的好處。但是它需要為每個網(wǎng)元建立一個模型軟件，當網(wǎng)絡規(guī)模逐漸增大時這一任務的復雜性就會越來越高。 對于貝葉斯網(wǎng)絡來說，計算出每一個節(jié)點相關概率是一個NP-hard 的問題。雖然通過采用恰當?shù)膯l(fā)式算法，可以在可接受的時間內算出幾千個節(jié)點的計算，但貝葉斯網(wǎng)絡邊界

11、概率的計算效率仍是一個有待解決的難題。 基于神經(jīng)網(wǎng)絡的方法具有良好的自學習能力，而且對輸入的數(shù)據(jù)具有較好的容錯性。但神經(jīng)網(wǎng)絡需要過多的訓練，在通信網(wǎng)絡中很難找到較好的訓練數(shù)據(jù)。 數(shù)據(jù)挖掘方法不需要知道網(wǎng)絡拓撲結構關系，因此當網(wǎng)絡拓撲結構發(fā)生變化時，可以通過告警的歷史記錄進行分析，自動發(fā)現(xiàn)新的告警相關性規(guī)則，這減輕了網(wǎng)絡管理員的工作強度，提高了工作效率。因此基于數(shù)據(jù)挖掘告警相關性系統(tǒng)可以很快地調整適應一些變化快的通信網(wǎng)絡，解決通信網(wǎng)絡中出現(xiàn)的新問題1。<P提論網(wǎng)絡故障管理告警關聯(lián)技術分析(3) >5 結論 隨著通信網(wǎng)絡的迅速發(fā)展，對網(wǎng)絡的維護變得越來越困難，對告警處理愈顯重要。 傳統(tǒng)

12、上人們傾向于采用某一種方法對告警事件進行分析，但是通過上面介紹，我們可以得知，每一種方法都有其優(yōu)缺點。如果僅僅采用一種方法，那么其效果在網(wǎng)絡規(guī)模較小的情況下，還可以滿足實際要求。當通信網(wǎng)絡規(guī)模越來越大時，顯然已經(jīng)無法滿足網(wǎng)絡維護的要求。因此我們可以選用其中的兩種或以上方法同時對告警事件進行分析。 從上面的介紹中，我們可以得知，基于規(guī)則的推理和基于事例的推理這兩種方法的具有一定的互補性。基于規(guī)則的推理算法最大優(yōu)點是它更符合人的思維，便于人們的理解，系統(tǒng)結構簡單，比較容易實現(xiàn)。所有知識都采用“if-then”或者“condition-action”規(guī)則集的形式。基于事例推理的系統(tǒng)具有自學習的能力，通過直接利用過去的經(jīng)驗和方法，來解決給定的問題。該方法還可與神經(jīng)網(wǎng)絡和遺傳算法相結合，進一步完善其學習能力。針對通信網(wǎng)絡的特點，我們以