基于大数据分析的传输网络故障定位分析方法及系统技术方案

本发明专利技术公开了一种基于大数据分析的传输网络故障定位分析方法及系统，涉及网络故障定位技术领域，本发明专利技术通过发生故障的业务经过的网络风险点共性，计算各网络风险点的故障概率，实现传输网络故障的快速定位。本发明专利技术最主要的特点是通过大数据分析统计对网络风险点的故障概率实现量化，依托大数据分析统计快速计算出故障概率较高的网络风险点所在。相比于现在的故障定位，多依赖于经验判断，本发明专利技术借助计算机强大计算能力的大数据分析，量化计算，更加客观，更加准确，更加快速，可有效辅助故障的快速定位，降低故障历时。

Fault location analysis method and system of transmission network based on big data analysis

The invention discloses a transmission network fault location analysis method and system based on large data analysis. It relates to the technical field of network fault location. The invention calculates the fault probability of each network risk point through the common network risk points of the fault service, and realizes the rapid location of the transmission network fault. The main feature of the invention is to quantify the failure probability of network risk points through large data analysis and statistics, and the network risk points with higher fault probability are quickly calculated on the basis of large data analysis and statistics. Compared to the present fault location, it is more dependent on the experience judgment. The invention is more objective, more accurate and faster, and can help the fast location of the fault and reduce the fault diachronic.

【技术实现步骤摘要】
基于大数据分析的传输网络故障定位分析方法及系统
本专利技术涉及网络故障定位
，具体涉及一种基于大数据分析的传输网络故障定位分析方法及系统。
技术介绍
通信网对安全要求很高，传输网作为基础网络，其安全要求更高。在网络出现故障后，实现故障的快速定位，对于快速恢复业务，保障网络安全有极为重要的现实意义。目前传输网对故障的定位需要依靠传输网网管监控零散的告警和性能等参数，靠人的技术和经验综合分析，以观察法、实验法、排他法等尝试的方式逐步收敛并最终定位，定位历时长，且受人的技术水平、观察能力、网络的复杂程度、数据量大小等因素影响大，更无法综合多专业网络、哑资源进行关联分析，常常导致故障定位不准、反复定位，故障历时长，造成通信事故。同时，在故障发生前，某一个风险点对业务的影响程度没有量化的评估方法，无法从业务的重要性、属性和数量综合评估一个风险点故障时对业务造成影响的程度，预先识别风险点对业务的影响度。
技术实现思路
针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于大数据分析的传输网络故障定位分析方法及系统，实现传输网络故障的快速定位。为达到以上目的，本专利技术采取的技术方案是：一种基于大数据分析的传输网络故障定位分析方法：获取当前传输网络的网络资源组成以及承载的业务；根据业务的业务路径经过的网络资源，构建网络风险点集合，构建业务和网络风险点之间的映射关系；根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数，计算出设定时间内在该网络风险点的故障概率。在上述技术方案的基础上，计算设定时间内在任一网络风险点发生故障的概率的公式为：其中ni为设定时间T内经过该网络风险点的发生故障的业务总数；Nt为设定时间T内当前传输网络中发生故障的业务总数。在上述技术方案的基础上，根据预定义的告警代码集，计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数再结合计算出设定时间内在该网络风险点的故障概率其中：其中，e为自然常数，A表示预定义的告警代码集，表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数，PAL表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比。在上述技术方案的基础上，根据预定义的性能代码集，计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数再结合计算出设定时间内在该网络风险点的故障概率其中：其中，e为自然常数，P表示预定义的性能代码集，Pi表示代码值超出劣化门限的性能代码，P′表示性能代码的劣化门限，P′＝[Pmin，Pmah]，Pmin为劣化门限上限，Pmax为劣化门限下限；PPE表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。在上述技术方案的基础上，根据预定义的告警代码集，计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数根据预定义的性能代码集，计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数结合和计算设定时间内在任一网络风险点发生故障的概率的公式为：其中，因此，其中，e为自然常数，A表示预定义的告警代码集，表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数，PAL表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比；P表示预定义的性能代码集，Pi表示代码值超出劣化门限的性能代码，P′表示性能代码的劣化门限，P′＝[Pmin，Pmah]，Pmin为劣化门限上限，Pmax为劣化门限下限；PPE表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。在上述技术方案的基础上，根据不同业务类型的重要等级计算各业务的等效量因子Sij，Sij＝ri·τj；其中，ri为类型i业务的业务等级因子，该值根据业务通用等级取值；τj为业务通道主备因子，业务主用通道τ1＝1，业务备用通道τ2＝0.8；计算任一网络风险点发生故障时的对业务的影响指数其中，表示经过该网络风险点的所有业务的等级因子之和，n为经过该网络风险点的所有业务的总数；表示当前传输网络中的所有业务的等级因子之和，N为当前传输网络中的所有业务的总数。本专利技术还公开了一种基于大数据分析的传输网络故障定位分析系统，包括：网络风险点构建模块，其用于获取当前传输网络的网络资源组成以及承载的业务；根据业务的业务路径经过的网络资源，构建网络风险点集合、业务和网络风险点之间的映射关系；网络风险点故障率计算模块，其用于根据设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数，计算出设定时间内在该网络风险点的故障概率。在上述技术方案的基础上，所述传输网络故障定位分析系统还包括告警贡献指数计算模块，其用于根据预定义的告警代码集，计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数再结合计算出设定时间内在该网络风险点的故障概率其中：其中，e为自然常数，A表示预定义的告警代码集，表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数，PAL表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比。在上述技术方案的基础上，所述传输网络故障定位分析系统还包括性能代码贡献指数计算模块，其用于根据预定义的性能代码集，计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数再结合计算出设定时间内在该网络风险点的故障概率其中：其中，e为自然常数，P表示预定义的性能代码集，Pi表示代码值超出劣化门限的性能代码，P′表示性能代码的劣化门限，P＇＝[Pmin，Pmah]，Pmin为劣化门限上限，Pmax为劣化门限下限；PPE表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。在上述技术方案的基础上，所述传输网络故障定位分析系统还包括告警贡献指数计算模块和性能代码贡献指数计算模块；所述告警贡献指数计算模块用于根据预定义的告警代码集，计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数所述性能代码贡献指数计算模块用于根据预定义的性能代码集，计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数结合和计算设定时间内在任一网络风险点发生故障的概率的公式为：其中，因此，其中，e为自然常数，A表示预定义的告警代码集，表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数，PAL表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比；P表示预定义的性能代码集，Pi表示代码值超出劣化门限的性能代码，P′表示性能代码的劣化门限，P′＝[Pmin，Pmah]，Pmin为劣化门限上限，Pmax为劣化门限下限；PPE表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。与现有技术相比，本专利技术的优点在于：本专利技术通过发生故障的业务经过的网络风险点共性，计算各网络风险点的故障概率，实现传输网络故障的快速定位。本专利技术最主要的特点是通过大数据分析统计对网络风险点的故障概率实现量化，依托大数据分析统计快速计算出故障概率较高的网络风险点所在。相比于现在本文档来自技高网...

【技术保护点】
一种基于大数据分析的传输网络故障定位分析方法，其特征在于：获取当前传输网络的网络资源组成以及承载的业务；根据业务的业务路径经过的网络资源，构建网络风险点集合，构建业务和网络风险点之间的映射关系；根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数，计算出设定时间内在该网络风险点的故障概率。

【技术特征摘要】
1.一种基于大数据分析的传输网络故障定位分析方法，其特征在于：获取当前传输网络的网络资源组成以及承载的业务；根据业务的业务路径经过的网络资源，构建网络风险点集合，构建业务和网络风险点之间的映射关系；根据当前传输网络中设定时间内经过任一网络风险点的发生故障的业务总数、当前传输网络中发生故障的业务总数，计算出设定时间内在该网络风险点的故障概率。2.如权利要求1所述的一种基于大数据分析的传输网络故障定位分析方法，其特征在于：计算设定时间内在任一网络风险点发生故障的概率的公式为：其中ni为设定时间T内经过该网络风险点的发生故障的业务总数；Nt为设定时间T内当前传输网络中发生故障的业务总数。3.如权利要求1所述的一种基于大数据分析的传输网络故障定位分析方法，其特征在于：根据预定义的告警代码集，计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数再结合计算出设定时间内在该网络风险点的故障概率其中：其中，e为自然常数，A表示预定义的告警代码集，表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数，PAL表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比。4.如权利要求1所述的一种基于大数据分析的传输网络故障定位分析方法，其特征在于：根据预定义的性能代码集，计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数再结合计算出设定时间内在该网络风险点的故障概率其中：其中，e为自然常数，P表示预定义的性能代码集，Pi表示代码值超出劣化门限的性能代码，P＇表示性能代码的劣化门限，P＇＝[Pmin，Pmah]，Pmin为劣化门限上限，Pmax为劣化门限下限；PPE表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。5.如权利要求1所述的一种基于大数据分析的传输网络故障定位分析方法，其特征在于：根据预定义的告警代码集，计算任一网络风险点在设定时间内产生的告警对故障的贡献度指数根据预定义的性能代码集，计算任一网络风险点在设定时间内产生的超出劣化门限的性能代码对故障的贡献度指数结合和计算设定时间内在任一网络风险点发生故障的概率的公式为：其中，因此，其中，e为自然常数，A表示预定义的告警代码集，表示该网络风险点在设定时间内产生属于告警代码集内的告警代码数，PAL表示该网络风险点在设定时间内产生的属于告警代码集内的告警代码在所述告警代码集中的占比；P表示预定义的性能代码集，Pi表示代码值超出劣化门限的性能代码，P’表示性能代码的劣化门限，P’＝[Pmin，Pmah]，Pmin为劣化门限上限，Pmax为劣化门限下限；PPE表示该网络风险点在设定时间内产生的代码值超出劣化门限的性能代码在所述性能代码集中的占比。6.如权利要求1所述的一种基于大数据分析的传输网络故障定位分析方法，其特征在于：根据不同业务类型的重要等级计算各业务的等效量因子Sij，Sij＝ri·τj；其中，ri为类型i业务的业务等级因子，该值根据业务通用等级取值；τj为业务通道主备因子，业务主用通道τ1＝1，业务备用通道τ2＝0.8；计算任一网络风险点发生故障时的对业务的影响指数

【专利技术属性】
技术研发人员：胡志勇，曾军，金从元，王春枝，叶志伟，余晗，姚全锋，王若曦，周建军，苏军，严灵毓，
申请(专利权)人：武汉烽火技术服务有限公司，湖北工业大学，
类型：发明
国别省市：湖北,42