數(shù)據(jù)挖掘技術(shù)在高校網(wǎng)絡(luò)運(yùn)維管理系統(tǒng)中的應(yīng)用.pdf

1、網(wǎng)絡(luò)運(yùn)維是一個存儲著大量隱性知識和方法的領(lǐng)域，除了已被網(wǎng)絡(luò)專家學(xué)者規(guī)范化的知識外，還存在著很多未知的或未被發(fā)現(xiàn)的知識和方法，而現(xiàn)有的網(wǎng)絡(luò)運(yùn)維系統(tǒng)，沒有對運(yùn)維服務(wù)積存的數(shù)據(jù)進(jìn)行歸納與深層次挖掘，無法發(fā)現(xiàn)網(wǎng)絡(luò)故障信息背后隱藏的知識和方法，缺乏綜合分析和輔助決策能力，未能在進(jìn)一步提高網(wǎng)絡(luò)服務(wù)質(zhì)量中起積極的推動作用。運(yùn)用數(shù)據(jù)挖掘技術(shù)并與運(yùn)維系統(tǒng)相結(jié)合，能很好的滿足需求。
　　以往的研究主要通過采集網(wǎng)絡(luò)設(shè)備的告警信息及性能信息作為挖掘數(shù)據(jù)進(jìn)

2、行分析，研究重點(diǎn)在于通過挖掘發(fā)現(xiàn)這些信息之間的潛在關(guān)系，實(shí)現(xiàn)故障定位。然而在高校網(wǎng)絡(luò)中，網(wǎng)絡(luò)設(shè)備數(shù)量相對較少，可供分析的信息量不足,而非設(shè)備因素導(dǎo)致的網(wǎng)絡(luò)故障比例不斷增加。因此，這種挖掘方式不能很好的滿足需求。
　　本文在對數(shù)據(jù)挖掘相關(guān)原理和技術(shù)進(jìn)行了深入調(diào)研和分析后，根據(jù)現(xiàn)有網(wǎng)絡(luò)運(yùn)維系統(tǒng)的不足，設(shè)計了以高校網(wǎng)絡(luò)運(yùn)維系統(tǒng)中實(shí)際運(yùn)維服務(wù)積累的大量網(wǎng)絡(luò)故障信息為挖掘?qū)ο髽?gòu)建的網(wǎng)絡(luò)故障分析預(yù)測模塊。根據(jù)網(wǎng)絡(luò)故障信息的特點(diǎn)以及數(shù)據(jù)挖掘的算

3、法需求，有選擇的從運(yùn)維系統(tǒng)數(shù)據(jù)庫中抽取適合的源數(shù)據(jù)，在構(gòu)建數(shù)據(jù)倉庫的過程中，利用計算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)倉庫的相關(guān)理論知識和技術(shù)手段，并結(jié)合運(yùn)維實(shí)踐經(jīng)驗(yàn)，完成對源數(shù)據(jù)的清洗、轉(zhuǎn)換等 ETL環(huán)節(jié)，滿足數(shù)據(jù)挖掘算法對數(shù)據(jù)結(jié)構(gòu)的要求。然后在數(shù)據(jù)挖掘跨行業(yè)標(biāo)準(zhǔn)流程的基礎(chǔ)上，分別運(yùn)用數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則、時間序列、決策樹三種算法，對數(shù)據(jù)倉庫中的網(wǎng)絡(luò)故障信息進(jìn)行進(jìn)行歸納和深入挖掘。通過關(guān)聯(lián)分析方法挖掘網(wǎng)絡(luò)故障間的潛在關(guān)系及相互影響；通過決策樹方法對網(wǎng)絡(luò)故障進(jìn)

4、行分類劃分，歸納網(wǎng)絡(luò)故障發(fā)生的普遍規(guī)律；通過時序方法對網(wǎng)絡(luò)故障統(tǒng)計數(shù)據(jù)進(jìn)行挖掘，預(yù)測網(wǎng)絡(luò)故障的發(fā)生趨勢，并建立相應(yīng)的分析模型。最后通過構(gòu)建分析預(yù)測模塊調(diào)用模型的分析預(yù)測結(jié)果并與運(yùn)維系統(tǒng)實(shí)際業(yè)務(wù)數(shù)據(jù)進(jìn)行對比分析，實(shí)現(xiàn)了對網(wǎng)絡(luò)故障的診斷、發(fā)生趨勢及潛在影響三個方面的分析預(yù)測，這是現(xiàn)有網(wǎng)絡(luò)運(yùn)維系統(tǒng)無法實(shí)現(xiàn)的。
　　經(jīng)測試，系統(tǒng)從網(wǎng)絡(luò)故障信息數(shù)據(jù)背后挖掘出的知識和方法為網(wǎng)絡(luò)管理者對故障的診斷分析、預(yù)防網(wǎng)絡(luò)故障的發(fā)生以及網(wǎng)絡(luò)管理決策者在配置