薛　銳　中國移動通信集團黑龍江有限公司運維管理部主任

劉春華　中國移動通信集團黑龍江有限公司綜合室分析員

王景堯　中國信息通信研究院技術與標準研究所高級工程師

一種新型網絡告警管理系統(tǒng)設計

薛銳中國移動通信集團黑龍江有限公司運維管理部主任

劉春華中國移動通信集團黑龍江有限公司綜合室分析員

王景堯中國信息通信研究院技術與標準研究所高級工程師

網絡故障的解決很大程度上依賴網絡告警管理和快速診斷，高效的網絡故障管理對保障網絡正常運行、提高網絡穩(wěn)定性具有重要作用。本文基于模擬退火的人工神經網絡技術對網絡告警信息進行管理，通過聯(lián)想記憶的方式發(fā)掘出告警信息背后的真實原因。本文所提出的算法已經在電信運營商的實際網絡中得到了應用，并取得了較好的效果。

電信網絡管理 告警分析 模擬退火

1　引言

隨著我國信息服務的不斷發(fā)展，電信網絡的穩(wěn)定運行已經成為保障民生的重要任務。因此，當網絡發(fā)生故障時，運營商必須準確地檢測到故障，在最短時間內找到網絡故障的原因，以最快的速度解決網絡故障，修復網絡故障，確保通信網絡正常穩(wěn)定的運行。

網絡故障的解決很大程度上依賴網絡告警管理和快速診斷，高效的網絡故障管理對保障網絡正常運行、提高網絡穩(wěn)定性具有重要作用。然而，由于電信網絡規(guī)模越來越大，一旦通信網絡出現(xiàn)的故障，往往會引發(fā)海量告警事件，形成“告警風暴”，使故障被淹沒在大量的告警信息中而難以及時發(fā)現(xiàn)。與此同時，告警信息本身不確定又加大了故障診斷的難度。

網絡故障管理的關鍵就是對告警信息進行相關性分析。迄今為止，告警的相關性的研究主要基于專家系統(tǒng)，通過預先設定的規(guī)則是進行分析最常用的方法之一。但是，規(guī)則庫的建立過分依賴于專家的實踐經驗，具有極大的主觀色彩且無法隨著網絡的改變而實時更新。因此，隨著網絡日益復雜，這種方法已經很難滿足當前電信網絡的需要。

針對以上問題，本文基于模擬退火的人工神經網絡技術對網絡告警信息進行管理，通過聯(lián)想記憶的方式發(fā)掘出告警信息背后的真實原因。本文所提出的算法已經在電信運營商的實際網絡中得到了應用，并取得了較好的效果，本文成果對于相關研究的開展有著很好的借鑒意義。

2　網絡故障關聯(lián)的數(shù)學模型

在通信網絡中，所有網絡故障都可以視為一些最基本的“原子”網絡故障單獨或疊加產生的。因此，網絡故障可以看作是通過網絡所表現(xiàn)出來的“行為”來判斷其背后的故障組成。這可以看作是類似的旅行商問題（TSP）、最短路徑問題這樣的一類最優(yōu)化問題，即通過優(yōu)化得到網絡故障原因的“最優(yōu)”組成，其具體的作用機制可以由圖1所示模式描述。

圖1　網絡告警與網絡故障的關聯(lián)關系網絡

上述問題是運籌學和組合優(yōu)化領域中的NP問題，相關領域已經積累了大量的理論研究，但是其在相關行業(yè)上的應用依然是一個巨大的難題。近年來，人們提出了一些不依賴于具體問題的直接搜索方法。例如，模擬退火算法（SimulatedAnnealing，SA）就是近年來備受重視的一類軟計算方法。

模擬退火算法是1983年5.KirkPatrick首次提出的，其可以求解各類非線性問題，且常常以較大概率求得近似解，具有很強的工程應用意義。同時，這種方法對目標函數(shù)和約束函數(shù)要求較少，因此其在結構優(yōu)化中顯得尤為重要。

模擬退火算法在搜索策略上與傳統(tǒng)的梯度搜索方法不同，該方法通過引入適當?shù)碾S機因素，來模擬物理系統(tǒng)退火過程的自然機理?！巴嘶稹钡倪^程就是不僅接收使目標函數(shù)變“好”的步驟，同時也以一定的概率接受使目標函數(shù)值變“差”。模擬退火算法通過對物理過程的模擬提高了算法的可行性，對于工程實踐有著巨大的指導意義。

3　基于模擬退火的網絡故障關聯(lián)

（1）網絡告警的預處理

在真實網絡中，網絡告警是多種信息的組合。根據ITU-TX.733標準，告警一般含有以下方面的屬性信息：設備名稱、設備類型、告警級別、告警類型、告警狀態(tài)、告警時間等。如何選擇告警屬性來分析通信網絡中的故障信息，是告警管理的一項重要任務。

在通信網絡中，告警與故障之間的關系錯綜復雜，并非一一對應的關系，即在一個復雜的通信網絡中，僅僅通過告警信息無法直接確定出現(xiàn)的故障。因此，需要對不同告警之間的關聯(lián)性進行挖掘，依據告警的特征定義來確定網絡故障的根源。

然而，僅僅原始告警信息挖掘網絡故障的準確率依然較差。因此，除了對告警屬性的提取，還需要對告警信息進行預處理，使之轉化成為適合網絡告警合并的“告警事務”。

所謂“告警事務”是指對原始告警信息進行的時間同步化處理后，得到的告警項集合。例如，對于觀察時段，用滑動步長Δs在時間軸上進行推移，開始下一個時間窗口進行告警事務的提取。如圖2所示，其中，W1，W2，…，W5告警事件包括A、B、C、D共4種，隨著時間窗口的滑動，可以得到不同的告警事務。

其中，W1，W2，…，W5為取的告警事務，通過將同一時間窗口內的告警合并。形成含有一定歷史記錄的“事務”信息。從而將原本離散、孤立的告警變換成為定量、可處理的事件單元，并為后期的告警管理提供可靠的前提。

（2）模擬退火在告警關聯(lián)中的應用

構造起告警事務后，需要對告警與故障之間的關聯(lián)進行標注，來描述告警與故障之間的相對重要性。告警與故障之間的關系可以通過前文所述的網絡結果進行表征。通過對網絡結構的定量化構建，就可以得到網絡故障與告警事務之間的相關度和影響性，使之更接近于真實網絡中告警產生的原因，挖掘出頻繁度偏低而興趣度偏高的關聯(lián)信息，同時也解決了告警信息不確定、不完整等問題。

圖2　網絡告警事務的生成方式

為了解決上述問題，本文采用模擬退火的方法對故障與告警之間的關聯(lián)進行分析。在物理中，讓多粒子系統(tǒng)達到最低能量的方法稱之為“退火”。具體過程為：更新系統(tǒng)的狀態(tài)序列：設系統(tǒng)中某粒子相初始狀態(tài)i，其對應能量為Ei；選取其中某個粒子產生微小變化，得到一個新狀態(tài)j，對應能量Ej；如果，則更新狀態(tài)。最終系統(tǒng)處于狀態(tài)i和狀態(tài)j幾率比值等于的玻爾茲曼因子，即：

其中，P（t）在溫度t時的粒子能量為Ei的概率分布函數(shù)，KB為玻爾茲曼常數(shù)為分配函數(shù)。

設L（S，f）為優(yōu)化問題中的一個實例，S表示解空間，f:S→R表示解空間到實數(shù)域的映射，t為模擬退火過程中溫度的控制參數(shù)。設L（S，f）中存在最優(yōu)解，f（i）、f（j）分別是某對應于i、j目標函數(shù)值，則備選解由i過渡到j的概率為：

對于本文所述的告警合并這一“最優(yōu)化”問題，其本質是一種學習問題，即通過訓練數(shù)據對故障和告警的相互影響關系進行分析。具體而言，假設故障與告警之間相關的實際概率分布為Q（α），模擬退火的任務就是通過隨機仿真獲得給定樣本的概率分布P（α）用來對分布Q（α）進行學習，其學習的精度可由Kullback-Leibler距離來衡量：

告警合并的學習的過程是基于相對熵的梯度下降算法，即對于初始網絡，按照下式更新結構中的每一個邊的權重（概率）：

其中，η是學習的步長，注意到在前文構建的連接告警和故障的網絡結構中，P（α）具有固有明確的權值構成，而Q（α）則不然。因此，對于相鄰的節(jié)點集合（α，β）有：

其中，Si（α，β）表示系統(tǒng)處于狀態(tài)i時的網絡連接結構。在學習過程中，通過不斷減低溫度使系統(tǒng)“活躍”程度逐步降低，最終使得系統(tǒng)趨于收斂。因此，通過對給定樣本的學習，就可以定量地給出網絡故障導致告警的概率。

通過訓練好的網絡可以對告警背后的網絡故障進行判斷，不僅可以容易地實現(xiàn)對網絡告警的合并，同時可以直接向網絡管理人員發(fā)送更容易理解的網絡故障判斷，從而提升網絡管理的效率，并極大降低網絡管理的開銷。

（3）算法驗證

為了驗證本文所提出算法的有效性，采用天津移動的現(xiàn)網數(shù)據對告警進行分析。通過對10萬條告警數(shù)據的分析，通過模擬退火算法構建告警—故障的對應網絡結構，并基于此結構對告警樣本進行分析。

在訓練中，對于某一個告警事務的故障判斷學習過程如圖3所示，其中橫縱兩軸代表了該告警事務為故障1和故障2的概率?？梢钥吹剑S著訓練次數(shù)的不斷增長，對于該告警事務的判斷不斷發(fā)生變化，并最終落入結束點中，即將該告警事務作為故障1的大概率原因。

同時，本文對訓練樣本和分類準確地影響進行了模擬，結果如圖4所示?？梢钥吹?，隨著訓練樣本數(shù)量以指數(shù)提升，本文所提出的算法正確率首先出現(xiàn)了快速提升，繼而保持在70%左右的水平?？梢?，通過增加訓練樣本數(shù)量可以大大提升原有網絡管理系統(tǒng)的性能。目前，該算法目前已經在運營商實際的網絡中得到了初步的推廣和應用，并取得了較好的成果。

4　結束語

網絡故障診斷是網絡管理功能中的重要組成部分，它負責檢測、收集、處理、分析以及預測網絡中的故障信息。有效的網絡故障診斷需要對網絡告警進行有效的處理，并及時找出網絡中最關鍵的故障。本文基于模擬退火的思想提出了一種網絡告警合并的方法，該方法可以通過對告警的分析找到引起告警最大概率的網絡故障，從而幫助網絡管理人員更加準確的對網絡進行管理和維護。本文所提出的算法目前已經在運營商的實際網絡中進行了小規(guī)模驗證，并取得了顯著成效。未來隨著相關領域的研究和工程化的不斷深入，相關工作將產生巨大的科研和經濟效益。

圖3　基于模擬退火的網絡故障判斷訓練結果

圖4　算法準確率隨樣本數(shù)量變化

2015-10-20）