肖弋

摘 ?要： 為解決由負載分配不均造成的斷網(wǎng)故障問題，設(shè)計新型失穩(wěn)網(wǎng)絡的非均衡斷網(wǎng)故障排除系統(tǒng)。在非均衡網(wǎng)絡負載框架中，重新分配失穩(wěn)網(wǎng)絡故障探查模塊、排除編譯器兩個單元結(jié)構(gòu)所占比重，實現(xiàn)新型故障排除系統(tǒng)的硬件運行環(huán)境搭建。在故障排除服務器的支持下，規(guī)范斷網(wǎng)故障數(shù)據(jù)表、非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議的聯(lián)結(jié)形式，實現(xiàn)新型故障排除系統(tǒng)的軟件運行環(huán)境搭建，結(jié)合軟、硬件運行結(jié)構(gòu)，完成失穩(wěn)網(wǎng)絡非均衡斷網(wǎng)故障排除系統(tǒng)設(shè)計。對比實驗結(jié)果顯示，與現(xiàn)有故障排除系統(tǒng)相比，在非均衡網(wǎng)絡失衡狀態(tài)比為0.33和0.47的條件下，應用新型失穩(wěn)網(wǎng)絡非均衡斷網(wǎng)故障排除系統(tǒng)，能使負載分配均衡率達到90%，有效解決由負載分配不均帶來的斷網(wǎng)故障現(xiàn)象。

關(guān)鍵詞： 失穩(wěn)網(wǎng)絡; 非均衡斷網(wǎng); 故障排除; 運行環(huán)境搭建; 網(wǎng)絡鎖協(xié)議; 系統(tǒng)設(shè)計

中圖分類號： TN02?34; TP297 ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）11?0072?05

Abstract： A new unbalanced network outage fault removal system of unstable network is designed to eliminate the network outage fault caused by unbalanced load distribution. In the load framework of unbalanced network， the proportion of fault detection module and fault data exclusion compiler of unstable network is reallocated to build the hardware running environment of the new fault removal system. With the support of the fault removal server， the connection form of network outage fault database table and unbalanced unstable network lock protocol is standardized to build the software running environment of the new fault removal system. In combination with software and hardware running structures， the design of the unbalanced network outage fault removal system is completed. The experimental result of the proposed system is compared with that of available system， which shows that the new unbalanced network outage fault removal system of unstable network can make the load distribution balance rate up to 90% while the unbalanced state ratios of unbalanced network are 0.33 and 0.47 respectively， and eliminate the network outage fault caused by unbalanced load distribution.

Keywords： unstable network; unbalanced network outage; fault removal; running environment construction; network lock protocol; system design

0 ?引 ?言

網(wǎng)絡故障是一種由硬件問題、病毒入侵、軟件漏洞等引起的網(wǎng)絡服務質(zhì)量下降狀態(tài)，嚴重時甚至會導致網(wǎng)絡服務直接出現(xiàn)癱瘓趨勢。隨著網(wǎng)絡故障現(xiàn)象的頻繁發(fā)生，非均衡網(wǎng)絡開始出現(xiàn)嚴重的失穩(wěn)情況。所謂網(wǎng)絡失穩(wěn)是指所有運行數(shù)據(jù)在一段時間之內(nèi)，不能始終保持原有的傳輸速率，且隨著運行數(shù)據(jù)總量的不斷增加，這種傳輸速率的變化也總是呈現(xiàn)出較強的不定性[1?2]。一段時間之后，運行數(shù)據(jù)的傳輸速率又會自發(fā)地恢復成原有狀態(tài)，但由于受到多重不定向因素的影響，待傳輸數(shù)據(jù)總是出現(xiàn)過量傳輸或不足傳輸，額定傳輸任務不能得到良好保障，最終導致網(wǎng)絡自身穩(wěn)定性受到破壞?，F(xiàn)有技術(shù)手段為有效排除非均衡環(huán)境下的斷網(wǎng)故障問題，利用Web框架隔離高層網(wǎng)絡應用結(jié)構(gòu)與底層執(zhí)行設(shè)備，并通過代管傳輸數(shù)據(jù)包的方式，達到定向排除斷網(wǎng)故障問題的目的。但隨著科學技術(shù)手段的進步，這種普通系統(tǒng)的執(zhí)行效果始終不能達到預期效果。為改善此現(xiàn)狀，在原有系統(tǒng)的基礎(chǔ)上，本文針對失穩(wěn)網(wǎng)絡環(huán)境進行針對性分析，在排除編譯器、數(shù)據(jù)庫表等軟、硬件設(shè)備的支持下，建立一種新型的非均衡斷網(wǎng)故障排除系統(tǒng)，并通過后續(xù)應用實驗說明該新型系統(tǒng)的實效性。

1 ?系統(tǒng)硬件設(shè)計

通過非均衡網(wǎng)絡負載框架設(shè)計、失穩(wěn)網(wǎng)絡故障探查模塊設(shè)計、排除編譯器設(shè)計三個主要環(huán)節(jié)，完成新型系統(tǒng)的硬件運行環(huán)境搭建，其具體操作方法可按如下步驟進行。

1.1 ?非均衡網(wǎng)絡負載框架設(shè)計

非均衡網(wǎng)絡負載框架包含故障負載探測、負載量控制兩個主要功能，詳情如圖1所示。對于故障負載探測功能的執(zhí)行來說，監(jiān)視部件、負載特征化部件是兩個必不可少的組成單元，可以在監(jiān)測系統(tǒng)中斷網(wǎng)故障數(shù)據(jù)的同時，通過DBMS設(shè)備對處于失穩(wěn)狀態(tài)的網(wǎng)絡數(shù)據(jù)進行物理攔截，并將最終的分析信息反饋給監(jiān)視部件[3?4]。而負載量控制單元主要負責對網(wǎng)絡環(huán)境中可能引起斷網(wǎng)故障的信息進行抽取收集，并根據(jù)各硬件設(shè)備的應用標準，對數(shù)據(jù)信息進行重新編碼分配處理。負載特征化部件以Query Scheduler設(shè)備作為核心搭建裝置，可以根據(jù)非均衡網(wǎng)絡負載框架中監(jiān)視部件的輸出情況，調(diào)整系統(tǒng)中運行故障數(shù)據(jù)的動態(tài)流量，并在滿足非均衡網(wǎng)絡功能的前提下，達到平衡硬件設(shè)備故障、排除屬性能力的目的[5?6]。

圖1 ?非均衡網(wǎng)絡負載框架結(jié)構(gòu)圖

1.2 ?失穩(wěn)網(wǎng)絡故障探查模塊設(shè)計

失穩(wěn)網(wǎng)絡故障探查模塊可依附于非均衡網(wǎng)絡負載框架而存在，并在故障管理數(shù)據(jù)庫等軟件設(shè)備的支持下，通過生成彈窗的形式，清晰表達現(xiàn)階段系統(tǒng)中斷網(wǎng)故障事件的可能發(fā)生幾率。在失穩(wěn)網(wǎng)絡環(huán)境下，隨著非均衡條件嚴苛等級的不斷提升，系統(tǒng)中運行的斷網(wǎng)故障數(shù)據(jù)也會隨之大量累計，此時故障數(shù)據(jù)庫信息表會在該時間內(nèi)達到存儲極限[7?8]。為避免因故障數(shù)據(jù)存儲受限而影響系統(tǒng)的運行速度，失穩(wěn)網(wǎng)絡故障探查模塊會根據(jù)數(shù)據(jù)庫信息表單生成回執(zhí)信息，對所有涉及的斷網(wǎng)故障數(shù)據(jù)進行標識處理，并在建立排除建議信息前，對核心處理計算機彈出預判策略窗口。在得到核心處理計算機的肯定答復后，MIB設(shè)備會按照斷網(wǎng)故障數(shù)據(jù)所屬的優(yōu)先級順序，對其所代表的故障類型進行探查。完整的模塊執(zhí)行結(jié)構(gòu)如圖2所示。

圖2 ?失穩(wěn)網(wǎng)絡故障探查模塊結(jié)構(gòu)圖

1.3 ?排除編譯器設(shè)計

排除編譯器中包含一個前端MIIB編譯裝置、一個中端ASN編譯裝置和一個后端Compiler編譯裝置，可以在接收失穩(wěn)網(wǎng)絡故障探查模塊傳輸文件信息的同時，對系統(tǒng)中現(xiàn)行的斷網(wǎng)故障數(shù)據(jù)進行定義分析，并根據(jù)相應的轉(zhuǎn)碼規(guī)則，生成與原信息相對應的關(guān)聯(lián)編譯文件。對于系統(tǒng)核心計算機來說，編譯文件是其執(zhí)行故障數(shù)據(jù)排除操作的主要物理依據(jù)。位于模塊前端的MIIB編譯裝置具備非均衡性的數(shù)據(jù)解析功能，可對網(wǎng)絡失穩(wěn)環(huán)境下出現(xiàn)的所有斷網(wǎng)故障數(shù)據(jù)進行判別分類[9?10]。位于模塊中端的ASN編譯裝置以1VIIB法則作為譯碼基礎(chǔ)，一方面負責接收MIIB編譯裝置的解析數(shù)據(jù)，另一方面向Compiler編譯裝置傳輸具備定向排除能力的故障數(shù)據(jù)輸出文件。位于模塊后端的Compiler編譯裝置只具備數(shù)據(jù)整合功能，可根據(jù)排除編譯器的整體執(zhí)行目標，對非均衡狀態(tài)下的斷網(wǎng)故障數(shù)據(jù)進行排列整合處理。具體的排除編譯器結(jié)構(gòu)如圖3所示。

圖3 ?排除編譯器結(jié)構(gòu)圖

2 ?系統(tǒng)軟件設(shè)計

通過故障排除服務器設(shè)計、斷網(wǎng)故障數(shù)據(jù)表設(shè)計、非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議設(shè)計三個步驟，實現(xiàn)軟件運行環(huán)境搭建，結(jié)合硬件運行環(huán)境，完成失穩(wěn)網(wǎng)絡非均衡斷網(wǎng)故障排除系統(tǒng)設(shè)計。

2.1 ?故障排除服務器設(shè)計

失穩(wěn)網(wǎng)絡的非均衡故障排除服務器是一種固化了的LQNM節(jié)點元素。從執(zhí)行結(jié)構(gòu)的角度來看，故障排除服務器可以承擔系統(tǒng)在失穩(wěn)網(wǎng)絡環(huán)境中的所有邏輯操作，即非均衡網(wǎng)絡負載框架、失穩(wěn)網(wǎng)絡故障探查模塊、排除編譯器等硬件執(zhí)行設(shè)備均是依附于故障排除服務器而存在的。在整個斷網(wǎng)故障排除系統(tǒng)中，核心計算機作為最主要的任務發(fā)布組織[11?12]，而故障排除服務器則是該組織的最重要擁護者。從端口軟件組織的角度來看，故障排除服務器針對各種類型的斷網(wǎng)故障數(shù)據(jù)，建立了多種不同的可行排除策略，并在傳輸線程組織的促進下，將這些策略信息反饋到系統(tǒng)的各級執(zhí)行結(jié)構(gòu)。完整的故障排除服務器設(shè)計原理如圖4所示。

圖4 ?故障排除服務器設(shè)計原理圖

2.2 ?斷網(wǎng)故障數(shù)據(jù)庫表設(shè)計

斷網(wǎng)故障數(shù)據(jù)庫表通過編程的方式，利用第三方FireBird Maestro軟件實現(xiàn)對非均衡故障數(shù)據(jù)的存儲與保護，詳細結(jié)構(gòu)如圖5所示。經(jīng)過故障排除服務器處理后的系統(tǒng)運行數(shù)據(jù)始終具備較強的傳輸抗組能力，對于線程組織來說，在傳輸過程中由于受到物理抗性壓力的影響，斷網(wǎng)故障數(shù)據(jù)總量會隨著傳輸線路的延長而不斷減縮[13]。而被迫減少的斷網(wǎng)故障數(shù)據(jù)將作為入侵因子，對失穩(wěn)網(wǎng)絡造成更為嚴重的故障影響。為避免上述情況的發(fā)生，斷網(wǎng)故障數(shù)據(jù)庫表在具備SQL管理器能力的同時，還必須能夠根據(jù)故障現(xiàn)象發(fā)生位置，建立固定的索引連接，以保證線程組織能在最短時間內(nèi)獲取到最多的故障數(shù)據(jù)。而FireBird Maestro軟件在整個數(shù)據(jù)庫表中起到催化劑的作用，可以增強表結(jié)構(gòu)自身的存儲、連接與定量指向功能。

2.3 ?非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議設(shè)計

非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議（也叫2PL協(xié)議）是斷網(wǎng)故障數(shù)據(jù)庫表的有力輔助結(jié)構(gòu)，具備兩個實操鎖階段。隨著數(shù)據(jù)庫表處理形式的改變，非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議可以出現(xiàn)實操階段并發(fā)與兼行同時存在的物理狀態(tài)[14]。第一階段非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議的主要功能是獲得斷網(wǎng)故障的排除封鎖，也可以稱為故障數(shù)據(jù)的擴展處理。此階段的鎖協(xié)議始終保持靜連接狀態(tài)，可以根據(jù)系統(tǒng)中斷網(wǎng)故障的嚴重情況，配置最為適宜的粒度條件，并以此作為促進數(shù)據(jù)庫表進行快速存儲的物理依據(jù)。第二階段非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議的主要功能是釋放系統(tǒng)的故障排除封鎖，也可以稱為故障數(shù)據(jù)的收縮處理[15]。此階段的鎖協(xié)議始終保持動連接狀態(tài)，可在核心計算機連續(xù)發(fā)出斷網(wǎng)故障排除指令時，避免網(wǎng)絡穩(wěn)定性嚴重失衡現(xiàn)象的出現(xiàn)，圖6反映了兩階段網(wǎng)絡鎖協(xié)議的并發(fā)與兼性狀態(tài)。整合上述軟、硬件設(shè)備單元結(jié)構(gòu)，完成失穩(wěn)網(wǎng)絡非均衡斷網(wǎng)故障排除系統(tǒng)設(shè)計。

圖5 ?斷網(wǎng)故障數(shù)據(jù)庫表結(jié)構(gòu)圖

圖6 ?非均衡失穩(wěn)網(wǎng)絡鎖協(xié)議的連接狀態(tài)解析圖

3 ?實驗結(jié)果與分析

為避免突發(fā)性因素對實驗結(jié)果真實性造成影響，本次實驗分為兩部分進行，且每一實驗階段內(nèi)，除了非均衡網(wǎng)絡失衡狀態(tài)比改變外，其他因素始終保持不變。在整個實驗過程中，實驗組器材始終搭載失穩(wěn)網(wǎng)絡非均衡斷網(wǎng)故障排除系統(tǒng)，對照組器材始終搭載現(xiàn)有故障排除系統(tǒng)。

3.1 ?實驗參數(shù)配置

相關(guān)實驗儀器型號及各項實驗參數(shù)配置見表1。

表1 ?實驗參數(shù)配置表

為將外界條件對實驗結(jié)果準確性的影響程度降至最低，實驗組、對照組實驗參數(shù)配置情況始終保持一致。

3.2 ?負載分配均衡率對比

在兩臺Authoritative NameServer主機中，將失穩(wěn)網(wǎng)絡域名調(diào)節(jié)為www.ncic.ac.cn，分別記錄在排除編譯器為LXY?0802?63A、數(shù)據(jù)庫表為SQL與FireBird Maestro結(jié)合時，實驗組、對照組系統(tǒng)負載分配均衡率的變化情況。已知系統(tǒng)負載分配均衡率與斷網(wǎng)故障排除效果保持正比關(guān)系，即負載分配均衡率越高系統(tǒng)斷網(wǎng)故障排除效果越好。詳細實驗結(jié)果如圖7，表2所示，其中圖7中的非均衡網(wǎng)絡失衡狀態(tài)比為0.33，表2中的非均衡網(wǎng)絡失衡狀態(tài)比為0.47。

圖7 ?負載分配均衡率對比圖（第一次）

分析圖7可知，在非均衡網(wǎng)絡失衡狀態(tài)比為0.33的條件下，實驗組系統(tǒng)負載分配均衡率始終呈現(xiàn)上升、下降交替出現(xiàn)的變化趨勢，整個實驗過程中，共出現(xiàn)6次負載分配均衡率超過90%的情況。對照組系統(tǒng)負載分配均衡率在實驗前期保持上升、下降交替出現(xiàn)的變化趨勢，實驗中后期的變化趨勢相對穩(wěn)定，但整個實驗過程中，最大值僅達到70%左右，且該情況只出現(xiàn)一次。

分析表2可知，在非均衡網(wǎng)絡失衡狀態(tài)比為0.47的條件下，實驗組系統(tǒng)負載分配均衡率最小值為89.77%，整個實驗過程中，負載分配均衡率低于90%的情況僅出現(xiàn)一次。對照組系統(tǒng)負載分配均衡率在實驗前期與后期均保持穩(wěn)定，實驗中期階段保持小幅度上升，但最大值僅為71.99%，整個實驗過程中也僅出現(xiàn)一次。

綜上可知，無論非均衡網(wǎng)絡失衡狀態(tài)比如何取值，應用失穩(wěn)網(wǎng)絡非均衡斷網(wǎng)故障排除系統(tǒng)都具備提升負載分配均衡率的能力，即這種新型系統(tǒng)具備較好的斷網(wǎng)故障排除效果。

表2 ?負載分配均衡率對比表（第二次）

4 ?結(jié) ?語

在失穩(wěn)網(wǎng)絡中，非均衡性的斷網(wǎng)故障會對網(wǎng)絡運行能力造成極大的負面影響。但隨著新型故障排除系統(tǒng)的應用，鎖協(xié)議、數(shù)據(jù)庫表等軟件執(zhí)行結(jié)構(gòu)得到良性激活，排除編譯器等硬件設(shè)備在負載框架的作用下，也可以快速達到最佳運行狀態(tài)，使斷網(wǎng)故障問題得到有效解決。

參考文獻

[1] 劉雪奇，孫勝利.基于YOLO網(wǎng)絡模型的異常行為檢測方法研究[J].電子設(shè)計工程，2018，26（20）：154?158.

LIU Xueqi， SUN Shengli. Research on abnormal behavior detection method based on YOLO network model [J]. Electronic design engineering， 2018， 26（20）： 154?158.

[2] 雷小朋，王長清.Ping命令下多媒體網(wǎng)絡故障被動診斷方法仿真[J].計算機仿真，2017，34（8）：369?372.

LEI Xiaopeng， WANG Changqing. Simulation of passive fault diagnosis method for multimedia network under Ping command [J]. Computer simulation， 2017， 34（8）： 369?372.

[3] 韓剛，張琛，蔡旭.電網(wǎng)短路故障引發(fā)的全功率風電機組頻率失穩(wěn)機理與控制方法[J].電工技術(shù)學報，2018，33（10）：2167?2175.

HAN Gang， ZHANG Chen， CAI Xu. Frequency instability mechanism and control method of full power wind turbines caused by short circuit fault in power grid [J]. Transactions of China electrotechnical society， 2018， 33（10）： 2167?2175.

[4] 韓慧仙，劉建林.某型滑移式裝載機工作裝置液壓系統(tǒng)振動故障分析與排除[J].機床與液壓，2017，45（10）：170?173.

HAN Huixian， LIU Jianlin. Vibration fault analysis and elimination for hydraulic system of a certain type of skid loader [J]. Machine tool & hydraulics， 2017， 45（10）： 170?173.

[5] 喬文剛，趙靜思，王磊.軋機活套液壓控制系統(tǒng)狀態(tài)監(jiān)測與故障診斷專家系統(tǒng)研究[J].鍛壓技術(shù)，2017，42（6）：122?125.

QIAO Wengang， ZHAO Jingsi， WANG Lei. Research on condition monitoring and fault diagnose expert system in hydraulic control system of rolling mill looper [J]. Forging & stamping technology， 2017， 42（6）： 122?125.

[6] 王明偉，陳立萬，李洪兵，等.基于混合免疫系統(tǒng)機理的無線傳感網(wǎng)絡故障檢測算法[J].儀表技術(shù)與傳感器，2016，23（4）：84?86.

WANG Mingwei， CHEN Liwan， LI Hongbing， et al. Fault detection algorithm for wireless sensor networks based on hybrid immune system mechanism [J]. Instrument technique and sensor， 2016， 23（4）： 84?86.

[7] 劉勇，沈軒帆，廖勇，等.基于遺傳算法的無線傳感器/執(zhí)行器網(wǎng)絡故障檢測濾波器設(shè)計[J].計算機應用，2016，36（3）：616?619.

LIU Yong， SHEN Xuanfan， LIAO Yong， et al. Fault detection filter design based on genetic algorithm in wireless sensor and actuator network [J]. Journal of computer applications， 2016， 36（3）： 616?619.

[8] 伊洋，劉育權(quán)，陳宇強，等.基于信息綜合判斷的智能變電站網(wǎng)絡通信故障定位技術(shù)研究[J].電力系統(tǒng)保護與控制，2016，44（3）：135?140.

YI Yang， LIU Yuquan， CHEN Yuqiang， et al. Research of network communication fault location technique in smart substation based on comprehensive information judgment [J]. Power system protection and control， 2016， 44（3）： 135?140.

[9] 陳峰，胡映月，李小紅，等.城市軌道交通有權(quán)網(wǎng)絡相繼故障可靠性研究[J].交通運輸系統(tǒng)工程與信息，2016，16（2）：139?145.

CHEN Feng， HU Yingyue， LI Xiaohong， et al. Cascading fai?lures in weighted network of urban rail transit [J]. Journal of transportation systems engineering and information technology， 2016， 16（2）： 139?145.

[10] 于勁松，沈琳，唐荻音，等.基于貝葉斯網(wǎng)絡的故障診斷系統(tǒng)性能評價[J].北京航空航天大學學報，2016，42（1）：35?40.

YU Jinsong， SHEN Lin， TANG Diyin， et al. Performance evaluation of fault diagnosis system based on Bayesian network [J]. Journal of Beijing University of Aeronautics and Astronautics， 2016， 42（1）： 35?40.

[11] 夏曉峰，何常勝.LSM 結(jié)合鄰居干擾抵抗模型的傳感器網(wǎng)絡節(jié)點故障檢測[J].湘潭大學自然科學學報，2016，38（1）：101?105.

XIA Xiaofeng， HE Changsheng. Node fault detection for sensor network based on LSM and neighbor interference resistance model [J]. Journal of Xiangtan University （Natural Science）， 2016， 38（1）： 101?105.

[12] 王躍飛，張亞生，劉紅軍，等.基于AUTOSAR的汽車FlexRay網(wǎng)絡通信故障檢測與管理[J].農(nóng)業(yè)工程學報，2016，19（4）：105?112.

WANG Yuefei， ZHANG Yasheng， LIU Hongjun， et al. Fault detection and management for automotive FlexRay network communication based on AUTOSAR [J]. Transactions of the Chinese society of agricultural engineering， 2016， 19（4）： 105?112.

[13] 王鶴鳴，王靈矯，譚貌，等.基于多目標優(yōu)化回聲狀態(tài)網(wǎng)絡的電網(wǎng)故障恢復[J].云南大學學報（自然科學版），2017，39（5）：760?767.

WANG Heming， WANG Lingjiao， TAN Mao， et al. Service restoration for distributed system based on ESN and MOA [J]. Journal of Yunnan University （Natural Sciences Edition）， 2017， 39（5）： 760?767.

[14] 孟宗，胡猛，谷偉明，等.基于LMD多尺度熵和概率神經(jīng)網(wǎng)絡的滾動軸承故障診斷方法[J].中國機械工程，2016，27（4）：433?437.

MENG Zong， HU Meng， GU Weiming， et al. Rolling bearing fault diagnosis method based on LMD multi?scale entropy and probabilistic neural network [J]. China mechanical enginee?ring， 2016， 27（4）： 433?437.

[15] CHATTERJEE S， SARKAR S， HORE S， et al. Particle swarm optimization trained neural network for structural failure prediction of multistoried RC buildings [J]. Neural computing & applications， 2017， 28（8）： 2005?2016.