一种基于马氏链和贝叶斯网络的k8s网络故障预测方法技术

本发明专利技术公开了一种基于马氏链和贝叶斯网络的k8s网络故障预测方法，包括：在组网内的中央集群管理服务器上创建一个基于k8s的中央调度集群，部署相关节点、数据库和模型；构建使用固定流量阈值的基于马尔可夫链的网络预警模型，获得模型训练参数数据；构建基于贝叶斯的阈值预测模型，获得预测模型参数，阈值预测模型分析历史故障数据得出更符合当前业务特征的故障阈值代替马网络预警模型使用中的固定流量阈值，实现连续时间的k8s网络故障预测。本发明专利技术采用贝叶斯阈值预测模型调整监控阈值来解决马尔科夫链的网络预警模型稳态分布的方法不能实现对连续时间马尔科夫链的计算从而造成对网络预警模型预测失真的问题。造成对网络预警模型预测失真的问题。造成对网络预警模型预测失真的问题。

【技术实现步骤摘要】
一种基于马氏链和贝叶斯网络的k8s网络故障预测方法


[0001]本专利技术属于网络故障预警
，具体涉及一种基于马氏链和贝叶斯网络的k8s网络 故障预测方法。

技术介绍

[0002]随着数字化发展的逐渐深入，各单位的在运设备也在逐渐增加。相较于十年前，设备增 长了10～100倍，即便运维已经在从手工运维向工具运维和平台运维发展，但仍然无法满足当 前集群对运维管理要求及集群之间数据互通的高效处理。
[0003]机房运维场景下存在集群业务规模大，应用关系复杂，依赖层次多，排查问题困难的问 题，现有技术很难预测未来时间段内各集群网络流量趋势、运维压力的情况，无法实现多集 群中网络预警及分析。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对上述现有技术的不足，提供一种基于马氏链和贝叶斯 网络的k8s网络故障预测方法，引入基于马尔科夫链的网络预警模型，通过该模型可更加智 能的预测集群未来时间段内的网络运行情况；并通过贝叶斯概率预测动态管理网络流量阈值， 来调整马尔科夫链的网络预警模型状态变化最终趋于平稳分布后对网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于马氏链和贝叶斯网络的k8s网络故障预测方法，其特征在于，包括：步骤一、在组网内的中央集群管理服务器上创建一个基于k8s的中央调度集群，部署相关节点、数据库和模型；步骤二、构建使用固定流量阈值的基于马尔可夫链的网络预警模型，基于步骤一部署内容获得模型训练参数数据；步骤三、构建基于贝叶斯的阈值预测模型，基于步骤一部署内容获得预测模型参数，阈值预测模型分析历史故障数据得出更符合当前业务特征的故障阈值代替马网络预警模型使用中的固定流量阈值，实现连续时间的k8s网络故障预测。2.根据权利要求1所述的一种基于马氏链和贝叶斯网络的k8s网络故障预测方法，其特征在于，所述步骤一在组网内的中央集群管理服务器上创建一个基于k8s的中央调度集群；在中央集群管理服务器上部署主节点Master和历史故障数据库及阈值管理数据库；在主节点Master通过k8s的API server在中央集群管理服务器上创建一个模型Node节点和一个采集所有Pod网络流量数据的采集Node节点；在采集Node节点部署采集数据库；在模型节点上部署网络预警模型和阈值预测模型。3.根据权利要求1所述的一种基于马氏链和贝叶斯网络的k8s网络故障预测方法，其特征在于，所述步骤二包括：S1、构建使用固定流量阈值的基于马尔可夫链的网络预警模型，其对应的马尔可夫转移概率矩阵模型公式为：X(k+1)＝X(k)
×
P式中：X(k)表示趋势分析与预测对象在t＝k时刻的状态向量，P表示一步转移概率矩阵，X(k+1)表示趋势分析与预测对象在t＝k+1时刻的状态向量；S2、通过访问采集数据库和历史故障数据库获得参数生成矩形集合，所述参数包括固定流量阈值下历史网络故障初始概率、本时段固定阈值下网络故障转移到非故障概率、本时段固定阈值下非网络故障转移到故障概率；S3、网络预警模型基于S2获取的固定流量阈值下历史网络故障初始概率、本时段固定阈值下网络故障转移到非故障概率、本时段固定阈值下非网络故障转移到故障概率，得出下一个时段阈值不变网络故障占采集数据占比、下一个时段阈值不变非网络故障占采集数据占比和下一时段阈值不变情况下故障...

【专利技术属性】
技术研发人员：朱文进，王玉梁，房杰，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：