趙 文 霍旭輪

（三亞航空旅游職業(yè)學院，海南 三亞 572000）

1 引言

隨著信息技術(shù)的發(fā)展，在高校信息管理中將數(shù)據(jù)挖掘技術(shù)應用于高校網(wǎng)絡維護管理、教學資源管理和教務管理等方面已經(jīng)成為一種重要的手段。其中，在高校網(wǎng)絡維護管理方面，應用數(shù)據(jù)挖掘技術(shù)對于網(wǎng)絡故障進行診斷，找出導致故障發(fā)生的原因，提高網(wǎng)絡運維的效率，對于高校網(wǎng)絡健康發(fā)展具有非常重要的現(xiàn)實意義。

1.1 高校網(wǎng)絡運維管理系統(tǒng)

高校網(wǎng)絡運維管理系統(tǒng)是保障高校校園網(wǎng)絡服務質(zhì)量的主要系統(tǒng)之一，其能夠準確并及時地應對各類網(wǎng)絡故障，保證高校網(wǎng)絡的服務水平。高校網(wǎng)絡具有典型的用戶特征、數(shù)據(jù)交換特點和網(wǎng)絡應用需求，因此高校網(wǎng)絡運維管理系統(tǒng)主要是對用戶運維管理、網(wǎng)絡資源運行管理和網(wǎng)絡資源監(jiān)控管理。其中，用戶運維管理是用戶可以自助開通和變更服務內(nèi)容和狀態(tài)；網(wǎng)絡資源運行管理是對校內(nèi)的IP地址資源、網(wǎng)絡設備資源、設備設置信息、應用服務資源進行管理；網(wǎng)絡資源監(jiān)控管理是對網(wǎng)絡路由拓撲狀態(tài)、入網(wǎng)設備位置追蹤、網(wǎng)絡設備監(jiān)控系統(tǒng)和應用服務監(jiān)控系統(tǒng)管理。

1.2 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是基于數(shù)據(jù)倉庫提取具有潛在價值的信息，經(jīng)過加工計算發(fā)現(xiàn)規(guī)律，進而為決策做出可靠性判斷。數(shù)據(jù)挖掘的前提要保證被挖掘的數(shù)據(jù)具有一定的規(guī)模、挖掘模型具有復雜性、數(shù)據(jù)變量具有離散性和挖掘算法評價的有效性。數(shù)據(jù)挖掘的對象可以是關(guān)系數(shù)據(jù)庫中結(jié)構(gòu)化的數(shù)據(jù)，也可以是時間序列、多媒體、互聯(lián)網(wǎng)數(shù)據(jù)等半結(jié)構(gòu)化或者異構(gòu)型數(shù)據(jù)。數(shù)據(jù)挖掘的過程經(jīng)歷了數(shù)據(jù)的準備、數(shù)據(jù)的挖掘和數(shù)據(jù)結(jié)果應用三個階段，首先對數(shù)據(jù)倉庫中的數(shù)據(jù)進行篩選，得到目標數(shù)據(jù)，再經(jīng)過預處理和變換得到規(guī)范數(shù)據(jù)集進行數(shù)據(jù)挖掘，最后對數(shù)據(jù)做出解釋或評價得到所需要的知識。

1.3 數(shù)據(jù)挖掘算法

數(shù)據(jù)挖掘是一門交叉性的技術(shù)，針對不同的對象挖掘的方法可形式不同，因此數(shù)據(jù)挖掘算法種類非常多，常見的算法主要包括：遺傳算法、關(guān)聯(lián)規(guī)則算法、決策樹算法、時序算法、BP神經(jīng)網(wǎng)絡算法等。本文所研究的數(shù)據(jù)挖掘技術(shù)在高校網(wǎng)絡運維管理中的應用主要采用了決策樹、關(guān)聯(lián)規(guī)則、時間序列三種算法。

決策樹算法是根據(jù)事件發(fā)生的數(shù)據(jù)進行歸納學習，進而進行預測建模的算法。決策樹算法的挖掘過程經(jīng)歷了數(shù)據(jù)的預處理、構(gòu)建決策樹模型、樣本集驗證和預測分析四個過程。數(shù)據(jù)的預處理是對數(shù)據(jù)集進行整合、清洗、規(guī)范化和離散；構(gòu)建決策樹模型是創(chuàng)建決策樹，并對決策樹訓練樣本數(shù)據(jù)集；樣本集驗證是對決策樹模型輸入樣本集，通過歸納或者分類判斷決策樹的可靠性；預測分析利用決策樹模型得到預測的結(jié)果，并對結(jié)果進行分析。

關(guān)聯(lián)規(guī)則算法是描述事件之間的關(guān)聯(lián)性的一種算法，其表 現(xiàn) 形 式 為。 如 果 設是項的集合，與任務相關(guān)的數(shù)據(jù)集為D，集合T是數(shù)據(jù)集中的每個事務T?I，規(guī)則A?B的支持度為，置 信 度 為，支持度和置信度的值越大則關(guān)聯(lián)性越高。

時序算法是通過時間序列分析作出未知的預測，假設已知時間序列{X}在{1到m-1}的歷史時刻觀測值為{X1,X2,…,Xm-1}，那么對未來時刻m+l(≥1)的值Xm+1進行預測，l=1則進行單步預測，l＞1則進行多步預測。在時序算法中，本文運用了回歸滑動平均算法，該算法是預測時間序列常用的算法之一，該算法原理是利用數(shù)據(jù)間的自相關(guān)性通過歷史騷動和歷史值對影響系統(tǒng)預測值的因素進行分析，原理公式表達為：

其中p和q為模型階數(shù)，xm+l和是m+l時刻的真實值與預測值，{εt}為白噪聲序列，φi和θj為模型的待估參數(shù)。

2 網(wǎng)絡故障數(shù)據(jù)挖掘

基于數(shù)據(jù)挖掘技術(shù)的高校網(wǎng)絡運維管理模型要求能夠?qū)崿F(xiàn)對數(shù)據(jù)倉庫錯誤或者缺失的數(shù)據(jù)進行清理，并采用決策樹、關(guān)聯(lián)規(guī)則和時序算法進行多層次的挖掘，實現(xiàn)網(wǎng)絡故障信息的挖掘和對數(shù)據(jù)挖掘結(jié)果的查詢與展示。

2.1 構(gòu)建數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是進行數(shù)據(jù)挖掘的基礎，根據(jù)高校網(wǎng)絡運維管理特點構(gòu)建數(shù)據(jù)倉庫包括數(shù)據(jù)源層、數(shù)據(jù)獲取層、數(shù)據(jù)存儲層和數(shù)據(jù)分析層。數(shù)據(jù)倉庫中存儲數(shù)據(jù)包括用戶信息、網(wǎng)絡故障處理信息、基于時序的網(wǎng)絡故障統(tǒng)計信息和網(wǎng)絡故障類型信息與診斷信息。這些數(shù)據(jù)信息中一部分存在數(shù)據(jù)不一致、數(shù)據(jù)不完整、數(shù)據(jù)重復等問題，為此要對數(shù)據(jù)進行抽取、轉(zhuǎn)換和加載操作，也就是ETL（Extract-Transform-Load）處理。數(shù)據(jù)處理完成后構(gòu)建數(shù)據(jù)倉庫，根據(jù)高校網(wǎng)絡運維管理特征建立故障分析事實表、學生信息維表、網(wǎng)絡故障信息維表、網(wǎng)絡故障統(tǒng)計信息維表。故障分析事實表如表1所示：

表1 故障分析事實表

學生信息維表如表2所示：

表2 學生信息維表

網(wǎng)絡故障信息維表如表3所示：

表3 網(wǎng)絡故障信息維表

網(wǎng)絡故障統(tǒng)計信息維表如表4所示：

表4 網(wǎng)絡故障統(tǒng)計信息維表

2.2 網(wǎng)絡故障決策樹挖掘

決策樹挖掘是利用決策樹算法對網(wǎng)絡故障信息的關(guān)系和規(guī)律進行分析，找出導致網(wǎng)絡故障發(fā)生的因素。其挖掘過程主要包括四個步驟：一是創(chuàng)建項目及選擇數(shù)據(jù)源；二是選擇屬性；三是創(chuàng)建挖掘結(jié)構(gòu)；四是挖掘處理并建立挖掘模型。

創(chuàng)建項目及選擇數(shù)據(jù)源可以采用SQLServer Data Tools for Visual Studio工具對數(shù)據(jù)倉庫中的特定數(shù)據(jù)表建立數(shù)據(jù)源視圖；選擇被預處理過的網(wǎng)絡故障信息表中的故障編號、網(wǎng)絡故障類型、故障診斷結(jié)果等屬性進行處理；運用決策樹算法進行挖掘，將網(wǎng)絡故障類型作為輸入變量，故障診斷結(jié)果作為預測變量，建立挖掘模型，得到?jīng)Q策樹依賴關(guān)系網(wǎng)絡。

2.3網(wǎng)絡故障關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘是利用關(guān)聯(lián)規(guī)則算法對網(wǎng)絡故障因素之間的關(guān)聯(lián)性進行挖掘，發(fā)現(xiàn)潛在的故障危機，從而降低網(wǎng)絡故障的發(fā)生率。其挖掘過程包括創(chuàng)建挖掘結(jié)構(gòu)和建立挖掘模型。創(chuàng)建挖掘結(jié)構(gòu)是對數(shù)據(jù)倉庫中的預處理網(wǎng)絡故障信息表中的報修人、故障診斷結(jié)果、學生信息表中的學號等屬性進行關(guān)聯(lián)規(guī)則算法計算，分別設置支持度參數(shù)和置信度參數(shù)，支持度參數(shù)可以控制算法生成的項集數(shù)，置信度參數(shù)可以限制模型生成的規(guī)則數(shù)目，進行處理后查看挖掘結(jié)果。

2.4 網(wǎng)絡故障時序挖掘

時序挖掘是依據(jù)歷史記錄進行預測，采用連續(xù)的時間段統(tǒng)計的故障類型作為數(shù)據(jù)基礎，預測未來網(wǎng)絡故障發(fā)生的概率和原因。其挖掘過程包括創(chuàng)建挖掘結(jié)構(gòu)和建立挖掘模型。創(chuàng)建挖掘結(jié)構(gòu)選擇數(shù)據(jù)倉庫預處理過的網(wǎng)絡故障統(tǒng)計信息表中故障發(fā)生的數(shù)量、故障發(fā)生的日期、故障發(fā)生的區(qū)域和類型等屬性進行處理，運用時序算法選擇時間范圍，將網(wǎng)絡故障發(fā)生數(shù)量設置為輸入變量和預測變量，將故障統(tǒng)計時間、區(qū)域和類型聯(lián)合設置為鍵列，設置時間序列重復疊加時間間隔參數(shù)、時間軸參數(shù)等通過挖掘模型查看其挖掘結(jié)果。

3 實驗結(jié)果分析

本文以某高校網(wǎng)絡運維管理為例，該校2008年建立網(wǎng)絡運維管理系統(tǒng)，系統(tǒng)為了保證高校網(wǎng)絡服務質(zhì)量，主要功能包括網(wǎng)絡設備的監(jiān)控、網(wǎng)絡故障的報修和網(wǎng)絡故障的處理等。經(jīng)過十年的故障信息數(shù)據(jù)積累，已經(jīng)形成了龐大的、有價值的數(shù)據(jù)庫，可以作為基于數(shù)據(jù)挖掘技術(shù)的高校網(wǎng)絡運維管理分析源數(shù)據(jù)。采用ASP.NET平臺進行開發(fā)，ADOMD.NET分析服務數(shù)據(jù)訪問接口和開放XMLA協(xié)議與分析服務器通信，調(diào)用本文的預測模型使用DMX質(zhì)量查詢數(shù)據(jù)挖掘結(jié)果。

3.1 決策樹挖掘結(jié)果分析

采用決策樹算法對數(shù)據(jù)進行分類，獲得的缺失事例數(shù)為0，由此可以判定決策樹挖掘的數(shù)據(jù)具有完整性，ETL數(shù)據(jù)處理的結(jié)果符合數(shù)據(jù)質(zhì)量要求，決策樹挖掘結(jié)果如圖1所示。

圖1 決策樹挖掘結(jié)果

由圖1可知，導致網(wǎng)絡不穩(wěn)定的主要因素“接入層交換機因素”的概率最高，事例達到2413件，進而縮小了網(wǎng)絡故障診斷的范圍，提高了故障排除的效率。

3.2 關(guān)聯(lián)規(guī)則挖掘結(jié)果分析

關(guān)聯(lián)規(guī)則挖掘是通過數(shù)據(jù)層面的挖掘表現(xiàn)事務之間的關(guān)聯(lián)關(guān)系。例如：在高校網(wǎng)絡運維管理中，因感染病毒而導致的網(wǎng)絡異常非常常見，但是要準確判斷病毒導致網(wǎng)絡故障的具體原因則非常困難，如果采用全盤查殺非常耗時，所以通過大數(shù)據(jù)挖掘來判定病毒入侵的方式和感染的位置對于快速處理網(wǎng)絡故障具有非常好的效果。本文針對決策樹挖掘結(jié)果“接入層交換機因素”的關(guān)聯(lián)關(guān)系進行雙向預測，接入層交換機工作不穩(wěn)定所關(guān)聯(lián)的關(guān)系主要有計算機系統(tǒng)問題、網(wǎng)卡故障、室內(nèi)網(wǎng)絡模塊損壞、認證客戶端故障、網(wǎng)絡病毒攻擊、網(wǎng)卡工作不穩(wěn)定、認證客戶端版本問題和網(wǎng)絡連接會話數(shù)超過限制閾值等，將所有關(guān)聯(lián)關(guān)系連接按照強弱篩選，結(jié)果如圖2所示，“接入層交換機因素”與“網(wǎng)絡連接會話數(shù)超過限值閾值”雙向關(guān)聯(lián)，并且關(guān)聯(lián)強度最大，所以得到的挖掘結(jié)果是可以提供控制網(wǎng)絡連接會話數(shù)量和合理設置網(wǎng)絡連接會話數(shù)閾值的方式預防接入層交換機工作不穩(wěn)定問題的發(fā)生。關(guān)聯(lián)規(guī)則挖掘是通過對網(wǎng)絡問題關(guān)聯(lián)關(guān)系的分析找到關(guān)聯(lián)強度最大的因素，分析出潛在的風險，進而能夠提前做出預防措施降低故障發(fā)生的概率。

圖2 關(guān)聯(lián)規(guī)則挖掘結(jié)果

3.3 時序挖掘結(jié)果分析

將高校網(wǎng)絡運維管理的數(shù)據(jù)按照時間區(qū)分，選擇2008年10月28日至2018年4月28日的連續(xù)時間數(shù)據(jù)進行挖掘，得到的挖掘結(jié)果如圖3所示，該數(shù)據(jù)存在連續(xù)的時間軸維度，在以往的數(shù)據(jù)中9月是網(wǎng)絡故障集中的高發(fā)期，這是與學生結(jié)束假期回校學習的時間規(guī)律相吻合。

圖3 時序挖掘結(jié)果

4 結(jié)語

本文通過構(gòu)建高校網(wǎng)絡故障信息數(shù)據(jù)倉庫，利用數(shù)據(jù)挖掘技術(shù)對網(wǎng)絡故障信息進行挖掘，介紹了三種在高校網(wǎng)絡運維管理中應用廣泛的數(shù)據(jù)挖掘方式，包括網(wǎng)絡故障決策樹挖掘、網(wǎng)絡故障關(guān)聯(lián)規(guī)則挖掘和網(wǎng)絡故障時序挖掘，三種數(shù)據(jù)挖掘方式對于高校網(wǎng)絡運維管理具有非常重要的應用價值，能夠準確判斷故障發(fā)生的原因，并找到導致故障發(fā)生的因素，進而能夠提前做出預防措施降低故障發(fā)生的概率。同時，又能夠判斷出高校網(wǎng)絡故障高發(fā)的時間，便于維護人員提前做好運維準備工作。在高校網(wǎng)絡運維管理中，數(shù)據(jù)挖掘技術(shù)具有很好的應用效果。今后還需要對算法進行不斷的優(yōu)化，以提高數(shù)據(jù)分析結(jié)果的準確性。