亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        大數(shù)據(jù)場(chǎng)景下基于機(jī)器學(xué)習(xí)的5G云網(wǎng)告警關(guān)聯(lián)分析

        2022-07-12 12:03:42馬少偉毛斌宏中國(guó)電信集團(tuán)有限公司北京0003中國(guó)電信股份有限公司研究院廣東廣州50630
        郵電設(shè)計(jì)技術(shù) 2022年6期
        關(guān)鍵詞:云網(wǎng)現(xiàn)網(wǎng)網(wǎng)元

        常 錚,馬少偉,毛斌宏(.中國(guó)電信集團(tuán)有限公司,北京 0003;.中國(guó)電信股份有限公司研究院,廣東廣州 50630)

        1 概述

        與4G 相比,5G 核心網(wǎng)架構(gòu)更加零散化、基礎(chǔ)設(shè)施云化、網(wǎng)元功能虛擬化等,這使得各個(gè)網(wǎng)絡(luò)功能能夠獨(dú)立地?cái)U(kuò)容和演進(jìn),并能方便地按需部署。這樣的網(wǎng)絡(luò)架構(gòu)更加靈活和高效,可以滿足不同業(yè)務(wù)場(chǎng)景的需求,但是5G 核心網(wǎng)的網(wǎng)元種類數(shù)增多(見圖1),每種網(wǎng)元有多種微服務(wù),5G 核心網(wǎng)CT 云機(jī)房?jī)?nèi)有ToR 交換機(jī)、EoR 交換機(jī)、DCGW 路由器和物理服務(wù)器等多種類型的設(shè)備,承載網(wǎng)元功能的又有多種虛機(jī)和主機(jī),造成5GC 云網(wǎng)告警數(shù)目劇增且種類繁多,故障分析場(chǎng)景復(fù)雜,定位困難。如何在海量告警之中進(jìn)行關(guān)聯(lián)性分析和故障定位,縮短根因定位時(shí)間,提高故障處置的及時(shí)性和有效性,同時(shí)進(jìn)行告警壓縮,減少派單,降低人力成本,成為亟待解決的問題。

        圖1 非漫游場(chǎng)景的5G網(wǎng)絡(luò)架構(gòu)(服務(wù)化接口形式)

        在上述場(chǎng)景下,關(guān)聯(lián)分析成為幫助解決告警關(guān)聯(lián)和故障原因定位問題的有效手段[1-5]。關(guān)聯(lián)規(guī)則挖掘能夠從數(shù)據(jù)集中發(fā)現(xiàn)項(xiàng)與項(xiàng)之間的關(guān)聯(lián)關(guān)系,并從中提取出符合一定條件的強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)而指導(dǎo)業(yè)務(wù)。典型算法有Apriori 算法[6-7]和FP-Growth 算法[8-9],Apriori 算法基于廣度優(yōu)先,需要多次掃描數(shù)據(jù)集獲取頻繁項(xiàng)集,且會(huì)產(chǎn)生大量的候選集,算法效率較低。FP-Growth 算法基于深度優(yōu)先,通過壓縮數(shù)據(jù)集構(gòu)造頻繁模式樹FP-Tree,通過提取樹的頻繁項(xiàng)集可以有效減少對(duì)數(shù)據(jù)庫的掃描,極大提高運(yùn)算效率。本文提出基于關(guān)聯(lián)規(guī)則挖掘算法的5G云網(wǎng)告警分析方案,對(duì)FP-Growth 算法進(jìn)行契合5G 云網(wǎng)告警場(chǎng)景的改進(jìn)和應(yīng)用,通過實(shí)例分析介紹FP-Growth 算法挖掘5G 云網(wǎng)告警關(guān)聯(lián)規(guī)則的原理以及結(jié)果,同時(shí)利用現(xiàn)網(wǎng)告警數(shù)據(jù)將FP-Growth 與Apriori 算法的性能及效率進(jìn)行對(duì)比。該方案對(duì)5G云網(wǎng)告警進(jìn)行清洗整合,通過關(guān)聯(lián)規(guī)則挖掘算法分析不同告警之間的關(guān)聯(lián)關(guān)系,得到告警關(guān)聯(lián)規(guī)則,結(jié)合專家對(duì)關(guān)聯(lián)規(guī)則的解釋、篩選和打標(biāo),完成5G云網(wǎng)告警關(guān)聯(lián)規(guī)則庫的構(gòu)建,將該告警關(guān)聯(lián)規(guī)則庫用于日常派單時(shí)的告警壓縮及故障發(fā)生時(shí)的告警分析和問題定位,從而降低人力分析成本,提高事件處置效率,提升網(wǎng)絡(luò)運(yùn)行維護(hù)智能化水平。

        2 關(guān)聯(lián)規(guī)則挖掘算法原理及概念

        2.1 關(guān)聯(lián)分析基本概念

        2.1.1 項(xiàng)集(Item Set)

        數(shù)據(jù)庫中的最小單位信息為項(xiàng),項(xiàng)集即項(xiàng)的集合。對(duì)于5G 云網(wǎng)告警分析來說,就是若干個(gè)5G 云網(wǎng)告警的集合,包含k個(gè)項(xiàng)的項(xiàng)集稱為k-項(xiàng)集。

        2.1.2 事務(wù)數(shù)據(jù)庫(Transaction Database)

        假設(shè)I={i1,i2,…,iq}為事務(wù)數(shù)據(jù)庫中所有項(xiàng)的集合,事務(wù)T是項(xiàng)集I中項(xiàng)的集合,滿足T?I且非空。事務(wù)數(shù)據(jù)庫D為所有事務(wù)的集合。對(duì)于5G 云網(wǎng)告警分析來說,I就是一次分析中所有告警類型的集合,事務(wù)T就是根據(jù)時(shí)間關(guān)系或資源關(guān)系劃分的一個(gè)告警組,事務(wù)數(shù)據(jù)庫D就是這樣所有告警組的集合。

        2.1.3 關(guān)聯(lián)規(guī)則(Association Rules)

        關(guān)聯(lián)規(guī)則是形如X?Y的蘊(yùn)含式,其中X={x1,x2,…,xm}?I,Y={y1,y2,…,yn}?I,X和Y是不同的項(xiàng)集且非空。X?Y表示在一次事務(wù)中如果前件X出現(xiàn),那么后件Y會(huì)有一定概率出現(xiàn)。例如,對(duì)5G 云網(wǎng)告警關(guān)聯(lián)分析來講,關(guān)聯(lián)規(guī)則X?Y表示集合Y中的告警以一定概率隨著X集合中告警的出現(xiàn)而出現(xiàn)。

        2.1.4 關(guān)聯(lián)強(qiáng)度指標(biāo)

        支持度(Support):假設(shè)有關(guān)聯(lián)規(guī)則X?Y,支持度Support(X?Y)表示某項(xiàng)集X∪Y在事務(wù)數(shù)據(jù)庫中出現(xiàn)的可能性:

        置信度(Confidence):假設(shè)有關(guān)聯(lián)規(guī)則X?Y,置信度Confidence(X?Y)表示在前件發(fā)生的條件下后件發(fā)生的概率,是一個(gè)條件概率:

        2.1.5 強(qiáng)關(guān)聯(lián)規(guī)則

        強(qiáng)關(guān)聯(lián)規(guī)則是關(guān)聯(lián)強(qiáng)度指標(biāo)滿足一定關(guān)聯(lián)強(qiáng)度條件的規(guī)則,一般定義強(qiáng)關(guān)聯(lián)規(guī)則為滿足最小支持度且滿足最小置信度閾值的規(guī)則。

        2.2 Apriori及FP-Growth算法原理

        Apriori 算法偽代碼如表1 所示,利用k-項(xiàng)集搜索(k+1)-項(xiàng)集,頻繁項(xiàng)集自連接生成候選集,候選集再剪枝生成頻繁項(xiàng)集,一直到?jīng)]有新的頻繁項(xiàng)集產(chǎn)生為止。從偽代碼中可以看到算法的執(zhí)行過程中,Apriori算法需要對(duì)事務(wù)數(shù)據(jù)庫反復(fù)掃描,且會(huì)產(chǎn)生大量的候選項(xiàng)集,效率較低。

        表1 Apriori算法偽代碼

        FP-Growth 算法通過構(gòu)造頻繁模式樹這種比較緊湊的數(shù)據(jù)結(jié)構(gòu),將頻繁模式信息進(jìn)行壓縮,本質(zhì)上是一種深度優(yōu)先搜索算法[10],只需對(duì)事務(wù)數(shù)據(jù)庫進(jìn)行2次掃描就可以獲取頻繁模式集合。FP-Growth 算法主要分為構(gòu)建頻繁模式樹和挖掘樹中的頻繁模式2個(gè)過程,其算法偽代碼如表2 所示。本文第4 章的實(shí)例分析中,將利用現(xiàn)網(wǎng)5G 云網(wǎng)的告警數(shù)據(jù),測(cè)試比較Apriori算法和FP-Growth算法的運(yùn)行效率。

        表2 FP-Growth算法偽代碼

        3 基于關(guān)聯(lián)規(guī)則挖掘算法的5G云網(wǎng)告警分析

        隨著現(xiàn)網(wǎng)規(guī)模的擴(kuò)大,5G 的網(wǎng)元、設(shè)備等每時(shí)每刻都在產(chǎn)生大量的告警。當(dāng)某個(gè)網(wǎng)元或設(shè)備發(fā)生異常時(shí),往往與故障相關(guān)聯(lián)的多個(gè)網(wǎng)元、設(shè)備以至業(yè)務(wù)流程也會(huì)產(chǎn)生相應(yīng)的告警信息,短時(shí)間內(nèi)大量的告警事件相互疊加,經(jīng)常會(huì)將最關(guān)鍵的告警信息淹沒,造使故障分析和根源定位困難。本文提出基于關(guān)聯(lián)規(guī)則挖掘算法的5G云網(wǎng)告警分析方案,在海量告警中發(fā)掘有效信息以提高生產(chǎn)效率。如圖2 所示,方案包括了生產(chǎn)系統(tǒng)、5G云網(wǎng)告警實(shí)時(shí)監(jiān)測(cè)系統(tǒng)、存儲(chǔ)系統(tǒng)、關(guān)聯(lián)規(guī)則挖掘系統(tǒng)、規(guī)則匹配部分以及規(guī)則利用部分。

        圖2 基于關(guān)聯(lián)規(guī)則挖掘算法的5G云網(wǎng)告警分析方案

        a)生產(chǎn)系統(tǒng)。它是指全國(guó)每時(shí)每刻都在運(yùn)行的5G 現(xiàn)網(wǎng),包括了無線側(cè)、核心網(wǎng)以及承載網(wǎng)的部分。生產(chǎn)系統(tǒng)每時(shí)每刻都在源源不斷地產(chǎn)生大量的5G 云網(wǎng)告警。

        b)5G 云網(wǎng)告警實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。它是指通過網(wǎng)元、設(shè)備或者網(wǎng)管進(jìn)行實(shí)時(shí)告警監(jiān)測(cè)、采集和處理的過程。通常采集服務(wù)通過SNMP、TCP、SSH 以及SSL等協(xié)議連接網(wǎng)元,通過主動(dòng)監(jiān)聽或被動(dòng)接收的方式采集告警,并將不同廠家的告警進(jìn)行格式統(tǒng)一等處理。本文重點(diǎn)分析包括5G核心網(wǎng)網(wǎng)元以及5G核心網(wǎng)機(jī)房?jī)?nèi)數(shù)據(jù)通信設(shè)備(交換機(jī)、路由器等)、物理主機(jī)及虛擬主機(jī)等設(shè)備產(chǎn)生的告警,即5G網(wǎng)絡(luò)側(cè)和云側(cè)告警。

        c)存儲(chǔ)系統(tǒng)。存儲(chǔ)系統(tǒng)中存儲(chǔ)了包括網(wǎng)元及設(shè)備告警、日志、性能、配置信息和資源拓?fù)涞?。從生產(chǎn)系統(tǒng)產(chǎn)生的5G 云網(wǎng)告警通過實(shí)時(shí)監(jiān)測(cè)系統(tǒng)采集處理送入存儲(chǔ)系統(tǒng)分類存儲(chǔ)。本文的方案選擇Elastic-Search 集群作為5G 云網(wǎng)告警的存儲(chǔ)系統(tǒng),5G 網(wǎng)側(cè)和云側(cè)的告警被分類存儲(chǔ)在不同的索引下。

        d)關(guān)聯(lián)規(guī)則挖掘系統(tǒng)。主要具有如下功能。

        (a)告警數(shù)據(jù)預(yù)處理模塊從存儲(chǔ)系統(tǒng)不同的數(shù)據(jù)庫表中提取5G云網(wǎng)告警,根據(jù)業(yè)務(wù)層次將不同類型告警進(jìn)行對(duì)齊和歸一化處理,并進(jìn)行清洗、聚合及排序等。

        (b)訓(xùn)練相關(guān)數(shù)據(jù)轉(zhuǎn)換模塊將預(yù)處理模塊生成的告警根據(jù)時(shí)間或資源關(guān)系進(jìn)行合并處理,將原始告警轉(zhuǎn)換為5G云網(wǎng)告警事務(wù)數(shù)據(jù)庫,以便之后的關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行模型訓(xùn)練。

        (c)算法模型的運(yùn)行主要分為2 個(gè)部分:第1 個(gè)部分是關(guān)聯(lián)規(guī)則挖掘算法(Apriori、FP-Growth 等)從5G云網(wǎng)告警事務(wù)數(shù)據(jù)庫中挖掘出頻繁項(xiàng)集的過程,第2個(gè)部分是根據(jù)業(yè)務(wù)需求從頻繁項(xiàng)集中形成強(qiáng)關(guān)聯(lián)規(guī)則的過程。

        (d)規(guī)則審核模塊是云網(wǎng)專家對(duì)算法模型運(yùn)行生成的強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行審核和打標(biāo)的過程。

        (e)規(guī)則存儲(chǔ)模塊將專家審核通過的強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行編碼入庫,以便后續(xù)進(jìn)行規(guī)則匹配和規(guī)則利用。

        e)規(guī)則匹配模塊。根據(jù)實(shí)時(shí)監(jiān)聽的5G 云網(wǎng)告警、告警規(guī)則庫中的5G云網(wǎng)告警關(guān)聯(lián)規(guī)則以及從存儲(chǔ)系統(tǒng)中獲得的網(wǎng)元、設(shè)備及虛機(jī)主機(jī)等之間的資源拓?fù)潢P(guān)系進(jìn)行規(guī)則匹配分析,生成匹配結(jié)果。

        f)規(guī)則利用模塊。根據(jù)規(guī)則匹配結(jié)果進(jìn)行告警壓縮作用于生產(chǎn)系統(tǒng),并且利用存儲(chǔ)系統(tǒng)中的資源拓?fù)潢P(guān)系、性能指標(biāo)等對(duì)規(guī)則匹配結(jié)果進(jìn)行再次分析和加工,用于故障分析和根因定位,從而提升維護(hù)效率,降低人力和時(shí)間成本。

        4 5G云網(wǎng)告警關(guān)聯(lián)分析實(shí)例

        4.1 分析流程

        本節(jié)重點(diǎn)研究如何在數(shù)據(jù)預(yù)處理、FP-Growth 算法強(qiáng)關(guān)聯(lián)規(guī)則生成以及算法實(shí)現(xiàn)方式等方面進(jìn)行適合5G云網(wǎng)告警場(chǎng)景的適配和改進(jìn),從而更有效地解決告警關(guān)聯(lián)分析問題。本節(jié)實(shí)例采用某運(yùn)營(yíng)商5G 現(xiàn)網(wǎng)環(huán)境某設(shè)備廠家全國(guó)所轄省份2 周的5G 云網(wǎng)告警數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析,主要分為以下幾個(gè)過程。

        a)告警數(shù)據(jù)預(yù)處理階段解決源數(shù)據(jù)存在的冗余、不完整或不統(tǒng)一等問題,提取5G云網(wǎng)告警之后首先進(jìn)行數(shù)據(jù)清洗,對(duì)一些主要字段(如告警編碼、告警標(biāo)題、告警設(shè)備等)有缺失的告警數(shù)據(jù)進(jìn)行剔除,其次進(jìn)行數(shù)據(jù)集成,將不同索引來源的告警進(jìn)行整合,根據(jù)業(yè)務(wù)層次和意義進(jìn)行字段對(duì)齊等歸一化處理,對(duì)一些意義不大的低層級(jí)通知告警進(jìn)行過濾。

        b)數(shù)據(jù)轉(zhuǎn)換部分根據(jù)告警發(fā)生的時(shí)間關(guān)系將預(yù)處理后的告警進(jìn)行項(xiàng)集轉(zhuǎn)換,形成5G云網(wǎng)告警事務(wù)數(shù)據(jù)庫。相比于很多關(guān)聯(lián)規(guī)則挖掘應(yīng)用中使用簡(jiǎn)單的時(shí)間窗口切分法,本文采用滑動(dòng)時(shí)間窗口方式進(jìn)行5G云網(wǎng)告警事務(wù)數(shù)據(jù)庫的生成?;瑒?dòng)時(shí)間窗口示意圖如圖3 所示,劃定一個(gè)時(shí)間窗口長(zhǎng)度并指定一個(gè)滑動(dòng)窗口步長(zhǎng),就可以得到多個(gè)時(shí)間窗,每個(gè)時(shí)間窗內(nèi)對(duì)應(yīng)的告警都可以經(jīng)過處理成為告警事務(wù)數(shù)據(jù)庫中的項(xiàng)集,這種方式可以有效防止有關(guān)聯(lián)關(guān)系的告警被劃分到不同的項(xiàng)集中。

        圖3 滑動(dòng)窗口示意圖

        c)關(guān)聯(lián)規(guī)則挖掘部分包括挖掘頻繁項(xiàng)集和生成強(qiáng)關(guān)聯(lián)規(guī)則,關(guān)聯(lián)規(guī)則挖掘算法FP-Growth 根據(jù)最小支持度挖掘符合支持度閾值的頻繁項(xiàng)集,關(guān)聯(lián)規(guī)則生成部分根據(jù)設(shè)置的強(qiáng)關(guān)聯(lián)規(guī)則條件從頻繁項(xiàng)集中篩選出強(qiáng)關(guān)聯(lián)規(guī)則。傳統(tǒng)的FP-Growth 算法在應(yīng)用時(shí)通常采用支持度和置信度作為關(guān)聯(lián)強(qiáng)度的衡量指標(biāo),但僅用這2個(gè)指標(biāo)不足以滿足5GC 云網(wǎng)告警的關(guān)聯(lián)分析需求,甚至有時(shí)僅從支持度和置信度得到的強(qiáng)關(guān)聯(lián)規(guī)則X?Y中,X對(duì)Y具有抑制作用[13]。本文在進(jìn)行強(qiáng)關(guān)聯(lián)規(guī)則的挖掘和提取時(shí)增加了提升度、杠桿率和確信度3 種關(guān)聯(lián)強(qiáng)度指標(biāo),提升了挖掘出的告警關(guān)聯(lián)規(guī)則的準(zhǔn)確性和有效性。

        (a)提升度(Lift)。提升度Lift(X?Y)用來衡量當(dāng)X出現(xiàn)的情況下,對(duì)Y出現(xiàn)的概率是否有提升。當(dāng)提升度為1 時(shí),X和Y相互獨(dú)立;當(dāng)提升度大于1 時(shí),X和Y正相關(guān),越大正相關(guān)性越強(qiáng);當(dāng)提升度小于1 時(shí),X和Y負(fù)相關(guān),越小負(fù)相關(guān)性越強(qiáng)[14]。

        (b)杠桿率(Leverage)。杠桿率與提升度類似,都是衡量在前件出現(xiàn)的條件下,是否對(duì)后件出現(xiàn)的概率有提升。杠桿率Leverage(X?Y)為0 時(shí),X和Y相互獨(dú)立;杠桿率大于0時(shí),X和Y正相關(guān),越大正相關(guān)性越強(qiáng);杠桿率小于0 時(shí),X和Y負(fù)相關(guān),越大負(fù)相關(guān)性越強(qiáng)。

        (c)確信度(Conviction)。當(dāng)確信度Conviction(X?Y)為1 時(shí),X和Y相互獨(dú)立;當(dāng)確信度大于1時(shí),X和Y正相關(guān),越大正相關(guān)性越強(qiáng);當(dāng)確信度小于1時(shí),X和Y負(fù)相關(guān),越小負(fù)相關(guān)性越強(qiáng)。

        d)調(diào)參部分主要是針對(duì)c)中的關(guān)聯(lián)規(guī)則挖掘結(jié)果調(diào)整最小支持度和最小置信度的過程。在挖掘的過程中根據(jù)告警數(shù)據(jù)特點(diǎn)和經(jīng)驗(yàn)設(shè)置初始的最小支持度和最小置信度,分析挖掘后生成的5GC 云網(wǎng)告警關(guān)聯(lián)規(guī)則是否合理,根據(jù)關(guān)聯(lián)規(guī)則是否過少或者是否冗余的情況再進(jìn)行參數(shù)的調(diào)整并重新進(jìn)行挖掘,直至生成合理且滿足業(yè)務(wù)需求的關(guān)聯(lián)規(guī)則挖掘結(jié)果。

        此外,通過調(diào)研發(fā)現(xiàn)很多FP-Growth 算法的實(shí)現(xiàn)方法是參照參考文獻(xiàn)[15]中的思路,采用frozenset 的方式并根據(jù)頻次進(jìn)行排序。frozenset 是一種Python 數(shù)據(jù)結(jié)構(gòu),frozenset 中元素的存儲(chǔ)順序存在不確定的情況,且僅用頻次作為排序依據(jù)容易引起排序不穩(wěn)定問題,進(jìn)而影響頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則的結(jié)果,這對(duì)于海量云網(wǎng)告警的關(guān)聯(lián)分析是極其不利的。因此本文采用有序列表方式記錄項(xiàng)及其頻次,并在排序時(shí)采用頻次和項(xiàng)值雙重關(guān)鍵字的形式,避免不穩(wěn)定排序,保持FPTree 結(jié)構(gòu)的穩(wěn)定一致,從而保證頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則結(jié)果的穩(wěn)定和準(zhǔn)確。

        4.2 分析結(jié)果

        關(guān)聯(lián)規(guī)則挖掘算法從頻繁多項(xiàng)集中生成的眾多強(qiáng)關(guān)聯(lián)規(guī)則需經(jīng)過專家審核打標(biāo)后才能入庫存儲(chǔ),形成運(yùn)維經(jīng)驗(yàn),從而進(jìn)行現(xiàn)網(wǎng)應(yīng)用,本文經(jīng)過專家審核通過的部分關(guān)聯(lián)規(guī)則的樣例如表3所示。

        表3 專家審核通過的部分關(guān)聯(lián)規(guī)則(樣例)

        規(guī)則1,SCP 網(wǎng)元的“http 對(duì)等端故障”與“http 對(duì)等端組故障”具有強(qiáng)關(guān)聯(lián)關(guān)系,這是因?yàn)楫?dāng)網(wǎng)元的所有http對(duì)等端都發(fā)生故障后,會(huì)導(dǎo)致“http對(duì)等端組故障”告警產(chǎn)生。

        規(guī)則2,UPF 網(wǎng)元的“sriov 網(wǎng)卡速率小于10gbps 告警”與“網(wǎng)卡端口down 檢測(cè)告警”具有強(qiáng)關(guān)聯(lián)關(guān)系,而且置信度較高,達(dá)到了0.959,實(shí)際上當(dāng)UPF 網(wǎng)卡發(fā)生故障時(shí),“網(wǎng)卡端口down 檢測(cè)告警”與“sriov 網(wǎng)卡速率小于10gbps告警”往往一同產(chǎn)生。

        規(guī)則3,AMF 網(wǎng)元的“udm 不可達(dá)”告警與“ausf 不可達(dá)”告警具有強(qiáng)關(guān)聯(lián)關(guān)系,現(xiàn)網(wǎng)存在UDM 和AUSF合設(shè)的情況,因此當(dāng)UDM 發(fā)生異常不可達(dá),AMF 也會(huì)產(chǎn)生到AUSF不可達(dá)的告警。

        規(guī)則4,交換機(jī)設(shè)備的“接口的二層協(xié)議down”告警和“接口IPv4協(xié)議態(tài)down”告警具有強(qiáng)關(guān)聯(lián)關(guān)系,二層協(xié)議down會(huì)引起接口的IPv4協(xié)議down。

        經(jīng)專家審核通過的強(qiáng)關(guān)聯(lián)規(guī)則往往存在協(xié)議原理上、拓?fù)浣Y(jié)構(gòu)上以及業(yè)務(wù)流程上的關(guān)聯(lián),將這些沉淀下來的規(guī)則反作用于現(xiàn)網(wǎng),可以用于告警壓縮、根因定位以及故障分析,提高網(wǎng)絡(luò)維護(hù)效率,降低運(yùn)維的人工依賴性,提升網(wǎng)絡(luò)運(yùn)營(yíng)的智能化水平。

        本文也利用現(xiàn)網(wǎng)告警數(shù)據(jù)對(duì)Apriori 和FP-Growth 2 種關(guān)聯(lián)規(guī)則挖掘算法的實(shí)際運(yùn)行速度進(jìn)行了對(duì)比,2種算法的效率對(duì)比如圖4所示。因?yàn)殛P(guān)聯(lián)規(guī)則挖掘算法重點(diǎn)在于挖掘頻繁項(xiàng)集,頻繁項(xiàng)集相同,強(qiáng)關(guān)聯(lián)規(guī)則條件相同,生成的規(guī)則就相同,因此這里對(duì)比的是Apriori 和FP-Growth 2 種算法從事務(wù)數(shù)據(jù)庫中挖掘出頻繁項(xiàng)集所用的時(shí)間。從圖4可以看出,2種算法的運(yùn)行時(shí)間隨著數(shù)據(jù)量的增大而增大,隨著支持度的增大而減小,因?yàn)橹С侄仍酱?,算法?shí)際處理的數(shù)據(jù)量會(huì)越少,因此算法的挖掘速度就會(huì)越快。Apriori 算法的運(yùn)行時(shí)間隨數(shù)據(jù)量的增加而增長(zhǎng)的速度比FP-Growth快很多,也即Apriori 算法的性能受數(shù)據(jù)量的影響較大,數(shù)據(jù)規(guī)模越大,Apriori 算法的運(yùn)行效率越低,這是因?yàn)锳priori 算法需要多次掃描數(shù)據(jù)庫,而相比于Apriori,F(xiàn)P-Growth算法的運(yùn)行時(shí)間隨數(shù)據(jù)量的增加一直處于較低水平,性能受數(shù)據(jù)量的影響較小,效率更高。在進(jìn)行大數(shù)據(jù)規(guī)模的海量告警關(guān)聯(lián)規(guī)則分析時(shí),F(xiàn)P-Growth 比Apriori 算法更為合適,因此本文基于FP-Growth 算法探索適合于5G 云網(wǎng)告警場(chǎng)景的關(guān)聯(lián)分析和應(yīng)用。

        圖4 不同數(shù)據(jù)量、不同參數(shù)下Apriori和FP-Growth算法效率對(duì)比

        5 結(jié)束語

        當(dāng)今5G 業(yè)務(wù)快速發(fā)展,運(yùn)營(yíng)商現(xiàn)網(wǎng)運(yùn)營(yíng)中5G 云網(wǎng)告警數(shù)目劇增且種類繁多,故障分析場(chǎng)景復(fù)雜,本文提出了一種基于關(guān)聯(lián)規(guī)則挖掘算法的5G 云網(wǎng)告警分析方案,對(duì)FP-Growth 算法進(jìn)行契合5G 云網(wǎng)告警場(chǎng)景的改進(jìn)和應(yīng)用,并利用現(xiàn)網(wǎng)的告警數(shù)據(jù)進(jìn)行了實(shí)例分析和規(guī)則展示。方案通過關(guān)聯(lián)規(guī)則挖掘算法,在海量的云網(wǎng)告警中分析告警關(guān)聯(lián)性,挖掘有價(jià)值的強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行專家經(jīng)驗(yàn)沉淀,用于告警壓縮、根因定位等網(wǎng)絡(luò)運(yùn)營(yíng)維護(hù)及故障診斷場(chǎng)景。此外,本文還利用實(shí)際的5G 云網(wǎng)告警數(shù)據(jù)對(duì)Apriori 和FP-Growth 2 種關(guān)聯(lián)規(guī)則挖掘算法的運(yùn)行效率進(jìn)行了對(duì)比,實(shí)驗(yàn)表明FP-Growth 算法性能相比Apriori 受數(shù)據(jù)量的影響更小,挖掘效率更高。通過部署基于關(guān)聯(lián)規(guī)則挖掘算法的5G 云網(wǎng)告警分析方案,可以實(shí)現(xiàn)運(yùn)維經(jīng)驗(yàn)的迭代,降低人工依賴性,為5G云網(wǎng)的數(shù)字化運(yùn)營(yíng)注智賦能。

        猜你喜歡
        云網(wǎng)現(xiàn)網(wǎng)網(wǎng)元
        企業(yè)
        下期要目
        新型云網(wǎng)融合編排與調(diào)度系統(tǒng)架構(gòu)與分析
        基于ONAP開源架構(gòu)的云網(wǎng)操作系統(tǒng)研究
        航天云網(wǎng)科技發(fā)展有限責(zé)任公司
        基于Relay架構(gòu)的移動(dòng)核心網(wǎng)方案研究
        一種全網(wǎng)時(shí)鐘同步管理方法
        光網(wǎng)絡(luò)設(shè)備ECC常見問題解決思路剖析
        IMS彩鈴與現(xiàn)網(wǎng)彩鈴的業(yè)務(wù)融合分析
        Java EE平臺(tái)在綜合網(wǎng)元管理系統(tǒng)中的應(yīng)用研究
        国产精品h片在线播放| 国产激情一区二区三区成人| 久久精品中文字幕第23页| 欧美性猛交99久久久久99按摩| 精品国产麻豆一区二区三区| 精品性影院一区二区三区内射 | 老女人下面毛茸茸的视频| 欧美日韩精品一区二区三区高清视频 | 久99久热只有精品国产男同| 亚洲人成网线在线播放va蜜芽| 亚洲精品一区二区三区麻豆| 国产无套视频在线观看香蕉| 无码一区二区三区亚洲人妻| 亚洲97成人在线视频| 亚洲av综合日韩精品久久久| 免费观看黄网站| 人妻中文字幕乱人伦在线| 国产超碰在线91观看| 国产亚洲午夜精品| 精品国内自产拍在线观看| 亚洲成a人v欧美综合天堂| 日韩国产自拍视频在线观看| 国产v精品成人免费视频400条| 爱情岛论坛亚洲品质自拍hd| 国产av久久久久精东av| 按摩师玩弄少妇到高潮av| 中文字幕亚洲区第一页| 免费可以在线看A∨网站| 亚洲色欲色欲大片www无码| 西川结衣中文字幕在线| 免费av一区男人的天堂| 欧美日一本| 国产成人一区二区三中文| 男女一边摸一边做爽爽的免费阅读| 亚洲精品无码永久中文字幕| 少妇人妻无奈的跪趴翘起| 熟女少妇av免费观看| 亚洲毛片网| 欧美成人一区二区三区在线观看 | 国内精品久久久久伊人av| 在线精品首页中文字幕亚洲|