一种数据中心网络故障节点诊断方法及系统技术方案

本发明专利技术公开了一种数据中心网络故障节点诊断方法及系统，涉及监督监控技术领域；本发明专利技术设置了数据采集模块，该设置通过动态生成树选取测试节点，并获取测试节点与待检测节点之间的时间差值，避免选择故障节点作为测试节点，有助于提高故障节点的检测精度；本发明专利技术设置了初步判定模块，该设置根据时间差值对待检测节点进行初步分析，并生成正常节点集、故障节点集和嫌疑节点集，提高了故障节点的检测效率，为分类检测模块的分类奠定基础；本发明专利技术设置了分类检测模块，该设置根据分类模型对嫌疑节点进行分类，并对正常节点集和故障节点集进行更新，有助于提高网络节点的故障判断精度和判断效率。判断效率。判断效率。

【技术实现步骤摘要】
一种数据中心网络故障节点诊断方法及系统


[0001]本专利技术属于监督监控
，具体是一种数据中心网络故障节点诊断方法及系统。

技术介绍

[0002]随着大数据时代的到来，云计算需求的不断增加使得数据中心网络规模不断扩大。如今，数据中心网络包含数十万台通过网络接口卡、交换机、路由器、电缆和光线连接的服务器，这些服务器大部分是分布式的并且具有高流量的特点。在大型系统中，检测和定位故障对于网络管理系统通过故障恢复机制恢复网络通信非常重要。
[0003]公开号为CN108933694A的专利技术专利公开了一种基于拨测数据的数据中心网络故障节点诊断方法及系统，依据现有的故障探测信息生成动态广度优先生成树作为节点间的探测路径；基于给定的先验概率P分析拨测数据来初步确定网络成员的故障概率；通过分析概率分配函数选择一个合理的阈值来识别故障节点，将可疑节点集分类为故障节点集和正常节点集。
[0004]上述方案在检测数量和诊断精度方面具有较好的性能，在不同规模的网络拓扑结构中都能在较低的探测次数下识别网络中的故障节点；但是，上述方案过程繁琐，且数据处理过程负载，鲁棒性不足；因此，上述方案仍需进一步改进。

技术实现思路

[0005]为了解决上述方案存在的问题，本专利技术提供了一种数据中心网络故障节点诊断方法及系统。
[0006]本专利技术的目的可以通过以下技术方案实现：一种数据中心网络故障节点诊断系统，包括处理器、数据采集模块、初步判定模块、分类检测模块、攻击监测模块、预警维护模块和数据存储模块；
[0007]所述初步判定模块用于对网络节点的故障进行初步分析，包括：
[0008]当初步判定模块接收到时间差值Sij之后，通过公式获取故障评估系数GPXi；当故障评估系数GPXi满足GPXi＝N+1时，则判定对应的待检测节点i正常，并将对应的待检测节点i标记为正常节点；当故障评估系数GPXi满足GPXi＝0时，则判定对应的待检测节点i异常，将对应的待检测节点i标记为故障节点；否则，将对应的待检测节点i标记为嫌疑节点；
[0009]将正常节点进行整合生成正常节点集，将故障节点整合生成故障节点集，将嫌疑节点整合生成嫌疑节点集；通过处理器将正常节点集、故障节点集和嫌疑节点集发送至数据存储模块进行存储，同时，将嫌疑节点集发送至分类检测模块；
[0010]所述分类检测模块用于对嫌疑节点进行深度分析，包括：
[0011]当分类检测模块接收到嫌疑节点集时，通过数据存储模块获取分类模型；
[0012]获取嫌疑节点的时间矩阵；
[0013]将嫌疑节点的时间矩阵经过数据预处理之后输入至分类模型获取输出结果，并将输出结果标记为嫌疑标签；所述嫌疑标签为嫌疑节点对应的节点标签；
[0014]当嫌疑标签为1时，则判定嫌疑节点为正常节点；当嫌疑标签为0时，则判定嫌疑节点为故障节点；
[0015]对正常节点集和故障节点集进行更新；
[0016]获取故障节点集中故障节点的位置并标记为目标位置，通过第三方地图平台生成目标位置示意图；所述第三方地图平台包括百度地图、腾讯地图和高德地图；
[0017]通过处理器将目标位置示意图发送至预警维护模块，同时将目标位置示意图、正常节点集和故障节点集发送至数据存储模块进行存储。
[0018]优选的，所述分类模型的具体获取步骤包括：
[0019]获取正常节点的时间矩阵，获取故障节点的时间矩阵；所述时间矩阵包括时间差值Sij和时间差值Sij对应的待检测节点i和测试节点j之间的节点总数；
[0020]为正常节点和故障节点设置节点标签；其中正常节点的节点标签为1，故障节点的节点标签为0；
[0021]按照设定比例将正常节点的时间矩阵、故障节点的时间矩阵以及对应的节点标签划分为训练集和测试集；所述设定比例包括4:1、3:2和2:1；
[0022]构建融合模型；所述融合模型通过SVM、LR和GBDT三种基线模型结合融合方式构建的模型，所述融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；
[0023]利用经过数据预处理之后的训练集和测试集对融合模型进行训练、验证和测试，当融合模型的精度达到目标精度要求时，则判定融合模型训练完成，将训练完成的融合模型标记为分类模型；
[0024]通过处理器将分类模型发送至数据存储模块进行存储。
[0025]优选的，所述数据采集模块用于采集网络节点之间的时间差值，包括：
[0026]将网络节点的待检测节点标记为i，选取N个网络节点作为测试节点，并将测试节点标记为j，j＝1，2，
……
，N，其中N>5；所述测试节点根据动态生成树搜索结果获取；
[0027]通过测试节点j发送第一状态信号至待检测节点i，当待检测节点i接收到第一状态信号之后立即发送第二状态信号至测试节点j；所述第一状态信号选择待检测节点i与测试节点j之间通信路径中网络节点最少的路径进行发送；
[0028]当测试节点j接收到第二状态信号之后立即获取第二状态信号被接收时刻与第一状态信号发送时刻的时间差值，并将时间差值标记为Sij；其中时间差值Sij的取值为0和1，当时间差值Sij＝0时表示时间差值大于时间阈值，即测试节点j将待检测节点标记为故障节点；当时间差值Sij＝1时表示时间差值小于等于时间阈值，即测试节点j将待检测节点标记为正常节点；
[0029]通过处理器将待检测节点i、测试节点j和时间差值Sij发送至数据存储模块进行存储，同时将时间差值Sij发送至初步判定模块。
[0030]优选的，所述预警维护模块用于调度维护人员对目标位置对应的故障节点进行维护，包括：
[0031]当预警维护模块接收到目标位置示意图时，获取维护人员的位置并标记为初始位
置；
[0032]通过第三方地图平台规划目标位置与初始位置之间的路径，选取距离最短的路径作为目标路径；
[0033]通过预警维护模块将目标路径发送至维护人员的智能终端，同时在目标位置示意图中显示维护人员的实时位置；所述智能终端与预警维护模块通信连接，所述智能终端包括智能手机、平板电脑和笔记本电脑；
[0034]通过处理器将维护人员的调度记录发送至数据存储模块进行存储；所述调度记录包括时间、目标路径、维护人员的姓名和手机号。
[0035]优选的，所述攻击监测模块用于对数据中心网络节点遭受的攻击进行监测，包括：
[0036]通过对黑客入侵方式进行分析建立黑客入侵特征库；
[0037]对数据中心网络中的数据包进行分析获取分析结果；将分析结果与黑客入侵特征库中的攻击方式进行对比匹配，当二者匹配成功时，则发送黑客攻击信号至预警维护模块，且将对应的黑客攻击方式也发送至预警维护模块；
[0038]将黑客入侵特征库和黑客攻击信号的发送记录通过处理器发送至数据存储模块进行存储。
[0039]优选的，所述处理器分别与数据采集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据中心网络故障节点诊断系统，其特征在于，包括处理器、数据采集模块、初步判定模块、分类检测模块、攻击监测模块、预警维护模块和数据存储模块；所述初步判定模块用于对网络节点的故障进行初步分析，包括：当初步判定模块接收到时间差值Sij之后，通过公式当初步判定模块接收到时间差值Sij之后，通过公式获取故障评估系数GPXi；当故障评估系数GPXi满足GPXi＝N+1时，则判定对应的待检测节点i正常，并将对应的待检测节点i标记为正常节点；当故障评估系数GPXi满足GPXi＝0时，则判定对应的待检测节点i异常，将对应的待检测节点i标记为故障节点；否则，将对应的待检测节点i标记为嫌疑节点；将正常节点进行整合生成正常节点集，将故障节点整合生成故障节点集，将嫌疑节点整合生成嫌疑节点集；通过处理器将正常节点集、故障节点集和嫌疑节点集发送至数据存储模块进行存储，同时，将嫌疑节点集发送至分类检测模块；所述分类检测模块用于对嫌疑节点进行深度分析，包括：当分类检测模块接收到嫌疑节点集时，通过数据存储模块获取分类模型；获取嫌疑节点的时间矩阵；将嫌疑节点的时间矩阵经过数据预处理之后输入至分类模型获取输出结果，并将输出结果标记为嫌疑标签；所述嫌疑标签为嫌疑节点对应的节点标签；当嫌疑标签为1时，则判定嫌疑节点为正常节点；当嫌疑标签为0时，则判定嫌疑节点为故障节点；对正常节点集和故障节点集进行更新；获取故障节点集中故障节点的位置并标记为目标位置，通过第三方地图平台生成目标位置示意图；所述第三方地图平台包括百度地图、腾讯地图和高德地图；通过处理器将目标位置示意图发送至预警维护模块，同时将目标位置示意图、正常节点集和故障节点集发送至数据存储模块进行存储。2.根据权利要求1所述的一种数据中心网络故障节点诊断系统，其特征在于，所述分类模型的具体获取步骤包括：获取正常节点的时间矩阵，获取故障节点的时间矩阵；所述时间矩阵包括时间差值Sij和时间差值Sij对应的待检测节点i和测试节点j之间的节点总数；为正常节点和故障节点设置节点标签；其中正常节点的节点标签为1，故障节点的节点标签为0；按照设定比例将正常节点的时间矩阵、故障节点的时间矩阵以及对应的节点标签划分为训练集和测试集；所述设定比例包括4∶1、3∶2和2∶1；构建融合模型；所述融合模型通过SVM、LR和GBDT三种基线模型结合融合方式构建的模型，所述融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；利用经过数据预处理之后的训练集和测试集对融合模型进行训练、验证和测试，当融合模型的精度达到目标精度要求时，则判定融合模型训练完成，将训练完成的融合模型标记为分类模型；通过处理器将分类模型发送至数据存储模块进行存储。
3.根据权利要求1所述的一种数据中心网络故障节点诊断系统，其特征在于，所述数据采集模块用于采集网络节点之间的时间差值，包括：将网络节点的待检测节点标记为i，选取N个网络节点作为测试节点，并将测试节点标记为j，j＝1，2，
……
，N，其中N＞5；所述测试节点根据动态生成树搜索结果获取；通过测试节点j发送第一状态信号至待检测节点i，当待检测节点i接收到第一状态信...

【专利技术属性】
技术研发人员：王小平，马名磊，
申请(专利权)人：王小平，
类型：发明
国别省市：