增值業(yè)務(wù)的概率故障定位.pdf

1、隨著IN（Intelligent Network）、3G/IMS（Third Generation/IP Multimedia Subsystem）、NGN（Next Generation Network）等通信技術(shù)的演進(jìn)、成熟和推廣，通信網(wǎng)絡(luò)的業(yè)務(wù)提供能力不斷提高，出現(xiàn)了越來越多的增值業(yè)務(wù)。這些業(yè)務(wù)給網(wǎng)絡(luò)管理和運(yùn)營(yíng)維護(hù)提出了更高的要求。業(yè)務(wù)不可用和服務(wù)質(zhì)量下降等故障不僅會(huì)造成運(yùn)營(yíng)商的經(jīng)濟(jì)損失，還會(huì)引起用戶忠誠(chéng)度降低甚至客戶流失。故障診

2、斷是保障增值業(yè)務(wù)高可用性、高可靠性和服務(wù)質(zhì)量的關(guān)鍵技術(shù)。其中，故障定位在很大程度上決定了故障診斷的效率和效果，是故障診斷的核心技術(shù)。深入研究適合于增值業(yè)務(wù)的故障診斷技術(shù)，特別是故障定位技術(shù)，具有重要的現(xiàn)實(shí)意義和研究?jī)r(jià)值。
　　 傳統(tǒng)故障診斷側(cè)重于對(duì)設(shè)備和網(wǎng)絡(luò)等資源的故障檢測(cè)和定位，其關(guān)注的是各種設(shè)備的運(yùn)行狀態(tài)和網(wǎng)絡(luò)的連接狀況。這些資源與業(yè)務(wù)的依賴關(guān)系、影響范圍、關(guān)聯(lián)強(qiáng)度均沒有納入其研究范圍。業(yè)務(wù)故障與傳統(tǒng)網(wǎng)絡(luò)故障有很大的不同：（

3、1）業(yè)務(wù)故障的建模困難。相對(duì)于傳統(tǒng)故障管理中的資源故障建模，業(yè)務(wù)的多樣性、動(dòng)態(tài)性、抽象性、依賴性和多域性使故障建模更加復(fù)雜；（2）業(yè)務(wù)故障的原因復(fù)雜。除了網(wǎng)絡(luò)、平臺(tái)、軟件等原因，還可能有人為的原因，此外還有域間故障；（3）業(yè)務(wù)故障的范圍更大。電信業(yè)務(wù)的高可靠性、高可用性和可運(yùn)營(yíng)性，使得業(yè)務(wù)故障不僅要包括業(yè)務(wù)功能類故障，業(yè)務(wù)性能類故障，還包括業(yè)務(wù)支撐類故障；（4）業(yè)務(wù)故障具有非確定性，識(shí)別和定位困難。很多時(shí)候需要參考上下文環(huán)境綜合判斷才能

4、得出業(yè)務(wù)運(yùn)行狀態(tài)，業(yè)務(wù)的服務(wù)質(zhì)量緩步下降時(shí)尤為如此；（5）業(yè)務(wù)故障對(duì)用戶的直接影響要遠(yuǎn)大于資源故障，用戶敏感性強(qiáng)，這就對(duì)業(yè)務(wù)故障定位的效率和效果提出了更高要求。
　　 本文以近年來迅速發(fā)展起來的電信增值業(yè)務(wù)為研究對(duì)象，以降低增值業(yè)務(wù)故障定位的復(fù)雜度，提高故障定位的檢測(cè)率、降低誤檢率、減少故障定位時(shí)間，提高故障定位效率和效果為具體目標(biāo)，圍繞著增值業(yè)務(wù)運(yùn)行時(shí)故障定位的關(guān)鍵技術(shù)進(jìn)行研究。本文對(duì)研究過程中取得的主要?jiǎng)?chuàng)新成果進(jìn)行了詳細(xì)闡述

5、。簡(jiǎn)要?dú)w納如下：
　　 （1）在傳統(tǒng)故障模型中，很少為資源與業(yè)務(wù)的關(guān)聯(lián)建模，沒有考慮資源與業(yè)務(wù)的依賴關(guān)系、影響范圍、關(guān)聯(lián)強(qiáng)度。為此，提出兩種故障建模方法：基于統(tǒng)計(jì)和數(shù)據(jù)挖掘的淺知識(shí)的建模方法（Statistics and Data Mining，SDM）和借鑒疊加網(wǎng)絡(luò)思想并結(jié)合端到端的業(yè)務(wù)提供的建模方法（Overlay Network and End-to-End ServiceProvisioning，ONEE）。ONEE方法

6、包括業(yè)務(wù)組件間的水平故障建模和業(yè)務(wù)組件與資源組件間的垂直故障建模。SDM和ONEE彌補(bǔ)了增值業(yè)務(wù)和故障診斷系統(tǒng)的間隙，可以準(zhǔn)確、便捷地為增值業(yè)務(wù)進(jìn)行故障建模。
　　 （2）最優(yōu)的概率故障定位已經(jīng)被證明為NP-hard問題，很難應(yīng)用于大規(guī)模、實(shí)時(shí)的增值業(yè)務(wù)。針對(duì)增值業(yè)務(wù)的故障定位需求，以概率加權(quán)二分圖為故障傳播模型，借鑒貪婪思想，提出了一種高效的啟發(fā)式概率故障定位算法BSD（Bayesian SuspectDegree）。不同于現(xiàn)

7、有的以最小集合覆蓋為基礎(chǔ)的啟發(fā)式故障定位算法，BSD采用有效增量覆蓋的方式，減小了誤選故障的可能性。對(duì)算法的分析和仿真驗(yàn)證了BSD算法具有較高的效率和較好的定位效果。
　　 （3）大多數(shù)現(xiàn)有的故障定位算法都采用時(shí)間窗口的告警觀測(cè)方式。然而在實(shí)踐中時(shí)間窗口的大小很難準(zhǔn)確設(shè)定。而不恰當(dāng)?shù)臅r(shí)間觀測(cè)窗口，常常會(huì)明顯降低故障定位算法的性能。針對(duì)此問題，提出了一種事件驅(qū)動(dòng)的非確定性的增量故障定位算法IBSD（Incremental Baye

8、sian Suspect Degree）。IBSD能夠消除基于告警觀測(cè)窗口方式故障定位的缺點(diǎn)。仿真實(shí)驗(yàn)表明，該算法要優(yōu)于現(xiàn)有的IHU（IncrementalHypothesis Update）算法。
　　 （4）盡管BSD和IBSD算法具有一定的健壯性，但是由于其沒有針對(duì)征兆丟失、征兆虛假等噪音環(huán)境提出解決措施，因而在存在大量噪音時(shí)，算法的性能下降較多。因此，提出可用于噪音環(huán)境下概率故障定位的MICAS（Minimum Inte

9、ractiveChecking with Adaptive Strategy）算法。通過引入增強(qiáng)型的評(píng)估函數(shù)、最小交互探測(cè)機(jī)制和適應(yīng)性門限設(shè)置策略等三種機(jī)制，MICAS算法在征兆丟失率和虛假率較大的環(huán)境下，依然可以獲得非常理想的故障定位效果。
　　 （5）雖然事件驅(qū)動(dòng)方式的故障定位算法可以消除告警觀測(cè)窗口對(duì)于故障定位準(zhǔn)確性的影響，但是這種方式的故障定位效率較低，很難處理大量并發(fā)征兆。而且，征兆積累到一定程度之前的定位結(jié)果也沒有實(shí)