一种基于业务拓扑多模型融合的IPTV系统健康度评估方法技术方案

一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，所述评估方法包括以下步骤：根据IPTV系统的业务特点，把系统划分为多个层级结构的子系统并生成业务拓扑关系；对划分层级结构的子系统分别进行具体分析，确定影响每个子系统健康度的关键评价指标；将关键评价指标进行汇总分析，以根据关键评价指标的特点来建立相应的指标评估模型，得到关键评价指标对应的健康度评分；以关键评价指标的健康度评分为基础，采用基于随机森林的机器学习模型对子系统进行健康度评估；按照业务拓扑关系的具体结构，进行串行或者并行的加权计算，以得到IPTV系统的整体健康度评估结果。IPTV系统的整体健康度评估结果。IPTV系统的整体健康度评估结果。

【技术实现步骤摘要】
一种基于业务拓扑多模型融合的IPTV系统健康度评估方法

：
[0001]本专利技术涉及一种基于业务拓扑多模型融合的IPTV系统健康度评估方法。

技术介绍
：
[0002]IPTV(Internet Protocol Television)是一种利用互联网协议向家庭用户、集团大客户提供数字电视在内的多种交互式服务技术；IPTV系统拥有大量的业务系统和千万级用户，除了与核心业务系统相关的卫星接收集群、转码器群、CDN集群、直播系统、点播系统等若干系统外，还有大量如智慧社区、用户中心、千人千面推荐等业务分析系统；这些系统部署在上千台物理服务器上，而且IPTV业务系统的负载在工作日、节假日及早晚高峰存在较大差异；如何对IPTV系统收集的不同源头、不同格式的数据进行清洗、整合，并根据业务并发时间序列特征来评估IPTV系统整体的实时健康度，判断故障的根源，在最短时间内解决故障，减少业务系统停机时间成为了业务负责人及运维工程师必须关注的问题。
[0003]现有的健康度评估方法主要包括两种，一种是着重关注资源层的运行状况，对业务系统性能的指标只是从响应时间或加载速度上进行单一固定的评估，这种业务系统健康度评估的方法只是适用于业务结构较简单的系统，对于IPTV这种复杂的业务系统来说，做出整体准确的健康度评估难度很大；另一种是从告警健康分、指标健康分、调用链健康分这几个方面通过动态学习来进行分析处理，虽然实现了自动学习，但没有很好的贴合实际业务的特点进行更深层次的分析，从而对于子系统较多并且每个子系统都具有各自业务特点的IPTV系统不能很好的进行适用。

技术实现思路
：
[0004]本专利技术实施例提供了一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，方法设计合理，基于生成的业务拓扑关系，能够根据IPTV系统中每个子系统的业务特点，把系统划分为多个层次结构的子系统并生成业务拓扑，进而对每个子系统具体分析；根据子系统的评价指标特点建立对应的指标评估模型，降低健康度评估的整体难度，对IPTV系统做出精准有效评估，针对传统系统健康度评估的缺点，从IPTV系统业务特点出发，结合资源层、业务层特征并充分考虑时间序列对业务的影响，把业务纵向分层并建立基于关键评价指标横向评估模型，从而可以追溯系统故障来源，大大提高了工作效率，同时可供运维工程师和企业管理人员实时、动态、快速掌握系统运行情况，并为精准调度资源提供有效依据，解决了现有技术中存在的问题。
[0005]本专利技术为解决上述技术问题所采用的技术方案是：
[0006]一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，所述评估方法包括以下步骤：
[0007]S1,根据IPTV系统的业务特点，把系统划分为多个层级结构的子系统并生成业务拓扑关系；
[0008]S2，对划分层级结构的子系统分别进行具体分析，确定影响每个子系统健康度的
关键评价指标；
[0009]S3，将关键评价指标进行汇总分析，以根据关键评价指标的特点来建立相应的指标评估模型，得到关键评价指标对应的健康度评分；
[0010]S4，以关键评价指标的健康度评分为基础，采用基于随机森林的机器学习模型对子系统进行健康度评估；
[0011]S5，按照业务拓扑关系的具体结构，进行串行或者并行的加权计算，以得到IPTV系统的整体健康度评估结果。
[0012]所述层级结构的子系统包括IPTV信源系统、IPTV业务平台、IPTV业务分析系统、EPG界面和IPTV监看系统；所述层级结构的子系统采用串联或并联的形式来形成业务拓扑关系。
[0013]所述IPTV信源系统的关键评价指标包括硬件负载集和系统事件集，所述IPTV业务平台的关键评价指标包括硬件负载集、系统事件集、黄金业务指标集和时间序列；所述IPTV业务分析系统的关键评价指标包括硬件负载集、系统事件集、黄金业务指标集和时间序列；所述EPG界面的关键评价指标包括硬件负载集和系统事件集。
[0014]所述指标评估模型包括基于3σ的硬件负载集模型、基于加权求和的系统事件集模型、基于ARIMA指标预测的黄金业务指标集模型和基于加权求和的时间序列模型。
[0015]所述基于3σ的硬件负载集模型用于收集硬件负载指标的历史数据，统计出该负载指标历史数据的均值μ和标准差σ，获取硬件负载指标的当前值，然后与历史数据的均值μ和标准差σ进行计算，其对应硬件负载集的健康度评分计算公式为：
[0016][0017]其中，H
h
为硬件负载集健康度评分，X
t
为该硬件负载指标的当前值，μ为该硬件负载指标的历史数据的均值，σ为该硬件负载指标的历史数据的标准差。
[0018]所述基于加权求和的系统事件集模型用于选定一个固定长度的时间窗口，对该时间窗口内的系统事件进行等级划分，不同等级的系统事件对应不同的分数，通过加权求和进行计算，其对应的系统事件集健康度评分计算公式为：
[0019]H
e
＝∑N
i
L
i
[0020]其中，H
e
为系统事件集健康度评分，N
i
为i级别事件的数量，L
i
为i级别事件对应的分数。
[0021]所述基于ARIMA指标预测的黄金业务指标集模型用于采用ADF检验对指标进行稳定性判定，对于非稳定指标先进行d阶差分运算，转化为稳定指标，然后对稳定指标分别求得其自相关系数ACF和偏自相关系数PACF，通过对自相关图和偏自相关图的分析，得到最佳的自回归阶数p和移动平均阶数q，根据机器学习训练得到的d、p、q，得到ARIMA模型，对黄金业务指标进行预测，黄金业务指标的计算公式为：
[0022][0023]其中，δ是常数，W
t
是时段t的随机误差，p是自回归阶数，q是移动平均阶数；
[0024]结合当前业务指标值Y和预测指标值X
t
的偏差作为黄金业务指标健康度评分的依
据，具体计算公式为：
[0025][0026]其中，Y为当前业务指标值，X
t
为预测指标值。
[0027]所述基于加权求和的时间序列模型用于按照日期的不同定义节假日系数；按照一天中忙时、闲时定义忙时系数；时间系数是节假日系数与忙时系数加权求和，用时间系数表征每个时间点的重要性，时间系数越高说明该时间是一个重要的时间点。
[0028]以关键评价指标的健康度评分为基础，采用基于随机森林的机器学习模型对子系统进行健康度评估包括以下步骤：
[0029]S1，获取历史数据，计算得到的子系统评价指标的健康度评分，并对健康度等级进行标注；
[0030]S2，对评价指标的健康度评分进行归一化处理，训练随机森林分类模型，进而进行健康度评估。
[0031]所述IPTV系统的整体健康度评估结果的计算公式为：
[0032][0033]将IPTV系统健康度满分设定为100，基于多个子系统的健康评估等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，其特征在于，所述评估方法包括以下步骤：S1，根据IPTV系统的业务特点，把系统划分为多个层级结构的子系统并生成业务拓扑关系；S2，对划分层级结构的子系统分别进行具体分析，确定影响每个子系统健康度的关键评价指标；S3，将关键评价指标进行汇总分析，以根据关键评价指标的特点来建立相应的指标评估模型，得到关键评价指标对应的健康度评分；S4，以关键评价指标的健康度评分为基础，采用基于随机森林的机器学习模型对子系统进行健康度评估；S5，按照业务拓扑关系的具体结构，进行串行或者并行的加权计算，以得到IPTV系统的整体健康度评估结果。2.根据权利要求1所述的一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，其特征在于：所述层级结构的子系统包括IPTV信源系统、IPTV业务平台、IPTV业务分析系统、EPG界面和IPTV监看系统；所述层级结构的子系统采用串联或并联的形式来形成业务拓扑关系。3.根据权利要求2所述的一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，其特征在于：所述IPTV信源系统的关键评价指标包括硬件负载集和系统事件集，所述IPTV业务平台的关键评价指标包括硬件负载集、系统事件集、黄金业务指标集和时间序列；所述IPTV业务分析系统的关键评价指标包括硬件负载集、系统事件集、黄金业务指标集和时间序列；所述EPG界面的关键评价指标包括硬件负载集和系统事件集。4.根据权利要求1所述的一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，其特征在于：所述指标评估模型包括基于3σ的硬件负载集模型、基于加权求和的系统事件集模型、基于ARIMA指标预测的黄金业务指标集模型和基于加权求和的时间序列模型。5.根据权利要求4所述的一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，其特征在于：所述基于3σ的硬件负载集模型用于收集硬件负载指标的历史数据，统计出该负载指标历史数据的均值μ和标准差σ，获取硬件负载指标的当前值，然后与历史数据的均值μ和标准差σ进行计算，其对应硬件负载集的健康度评分计算公式为：其中，H
h
为硬件负载集健康度评分，X
t
为该硬件负载指标的当前值，μ为该硬件负载指标的历史数据的均值，σ为该硬件负载指标的历史数据的标准差。6.根据权利要求4所述的一种基于业务拓扑多模型融合的IPTV系统健康度评估方法，其特征在于：所述基于加权求和的系统事件集模型用于选定一个...

【专利技术属性】
技术研发人员：程亚辉，崔欢欢，张晓刚，李东，
申请(专利权)人：海看网络科技山东股份有限公司，
类型：发明
国别省市：