一種新型網(wǎng)絡(luò)告警管理系統(tǒng)設(shè)計

薛　銳　中國移動通信集團黑龍江有限公司運維管理部主任

劉春華　中國移動通信集團黑龍江有限公司綜合室分析員

王景堯　中國信息通信研究院技術(shù)與標準研究所高級工程師

一種新型網(wǎng)絡(luò)告警管理系統(tǒng)設(shè)計

薛銳中國移動通信集團黑龍江有限公司運維管理部主任

劉春華中國移動通信集團黑龍江有限公司綜合室分析員

王景堯中國信息通信研究院技術(shù)與標準研究所高級工程師

網(wǎng)絡(luò)故障的解決很大程度上依賴網(wǎng)絡(luò)告警管理和快速診斷，高效的網(wǎng)絡(luò)故障管理對保障網(wǎng)絡(luò)正常運行、提高網(wǎng)絡(luò)穩(wěn)定性具有重要作用。本文基于模擬退火的人工神經(jīng)網(wǎng)絡(luò)技術(shù)對網(wǎng)絡(luò)告警信息進行管理，通過聯(lián)想記憶的方式發(fā)掘出告警信息背后的真實原因。本文所提出的算法已經(jīng)在電信運營商的實際網(wǎng)絡(luò)中得到了應(yīng)用，并取得了較好的效果。

電信網(wǎng)絡(luò)管理 告警分析 模擬退火

1　引言

隨著我國信息服務(wù)的不斷發(fā)展，電信網(wǎng)絡(luò)的穩(wěn)定運行已經(jīng)成為保障民生的重要任務(wù)。因此，當(dāng)網(wǎng)絡(luò)發(fā)生故障時，運營商必須準確地檢測到故障，在最短時間內(nèi)找到網(wǎng)絡(luò)故障的原因，以最快的速度解決網(wǎng)絡(luò)故障，修復(fù)網(wǎng)絡(luò)故障，確保通信網(wǎng)絡(luò)正常穩(wěn)定的運行。

網(wǎng)絡(luò)故障的解決很大程度上依賴網(wǎng)絡(luò)告警管理和快速診斷，高效的網(wǎng)絡(luò)故障管理對保障網(wǎng)絡(luò)正常運行、提高網(wǎng)絡(luò)穩(wěn)定性具有重要作用。然而，由于電信網(wǎng)絡(luò)規(guī)模越來越大，一旦通信網(wǎng)絡(luò)出現(xiàn)的故障，往往會引發(fā)海量告警事件，形成“告警風(fēng)暴”，使故障被淹沒在大量的告警信息中而難以及時發(fā)現(xiàn)。與此同時，告警信息本身不確定又加大了故障診斷的難度。

網(wǎng)絡(luò)故障管理的關(guān)鍵就是對告警信息進行相關(guān)性分析。迄今為止，告警的相關(guān)性的研究主要基于專家系統(tǒng)，通過預(yù)先設(shè)定的規(guī)則是進行分析最常用的方法之一。但是，規(guī)則庫的建立過分依賴于專家的實踐經(jīng)驗，具有極大的主觀色彩且無法隨著網(wǎng)絡(luò)的改變而實時更新。因此，隨著網(wǎng)絡(luò)日益復(fù)雜，這種方法已經(jīng)很難滿足當(dāng)前電信網(wǎng)絡(luò)的需要。

針對以上問題，本文基于模擬退火的人工神經(jīng)網(wǎng)絡(luò)技術(shù)對網(wǎng)絡(luò)告警信息進行管理，通過聯(lián)想記憶的方式發(fā)掘出告警信息背后的真實原因。本文所提出的算法已經(jīng)在電信運營商的實際網(wǎng)絡(luò)中得到了應(yīng)用，并取得了較好的效果，本文成果對于相關(guān)研究的開展有著很好的借鑒意義。

2　網(wǎng)絡(luò)故障關(guān)聯(lián)的數(shù)學(xué)模型

在通信網(wǎng)絡(luò)中，所有網(wǎng)絡(luò)故障都可以視為一些最基本的“原子”網(wǎng)絡(luò)故障單獨或疊加產(chǎn)生的。因此，網(wǎng)絡(luò)故障可以看作是通過網(wǎng)絡(luò)所表現(xiàn)出來的“行為”來判斷其背后的故障組成。這可以看作是類似的旅行商問題（TSP）、最短路徑問題這樣的一類最優(yōu)化問題，即通過優(yōu)化得到網(wǎng)絡(luò)故障原因的“最優(yōu)”組成，其具體的作用機制可以由圖1所示模式描述。

圖1　網(wǎng)絡(luò)告警與網(wǎng)絡(luò)故障的關(guān)聯(lián)關(guān)系網(wǎng)絡(luò)

上述問題是運籌學(xué)和組合優(yōu)化領(lǐng)域中的NP問題，相關(guān)領(lǐng)域已經(jīng)積累了大量的理論研究，但是其在相關(guān)行業(yè)上的應(yīng)用依然是一個巨大的難題。近年來，人們提出了一些不依賴于具體問題的直接搜索方法。例如，模擬退火算法（SimulatedAnnealing，SA）就是近年來備受重視的一類軟計算方法。

模擬退火算法是1983年5.KirkPatrick首次提出的，其可以求解各類非線性問題，且常常以較大概率求得近似解，具有很強的工程應(yīng)用意義。同時，這種方法對目標函數(shù)和約束函數(shù)要求較少，因此其在結(jié)構(gòu)優(yōu)化中顯得尤為重要。

模擬退火算法在搜索策略上與傳統(tǒng)的梯度搜索方法不同，該方法通過引入適當(dāng)?shù)碾S機因素，來模擬物理系統(tǒng)退火過程的自然機理。“退火”的過程就是不僅接收使目標函數(shù)變“好”的步驟，同時也以一定的概率接受使目標函數(shù)值變“差”。模擬退火算法通過對物理過程的模擬提高了算法的可行性，對于工程實踐有著巨大的指導(dǎo)意義。

3　基于模擬退火的網(wǎng)絡(luò)故障關(guān)聯(lián)

（1）網(wǎng)絡(luò)告警的預(yù)處理

在真實網(wǎng)絡(luò)中，網(wǎng)絡(luò)告警是多種信息的組合。根據(jù)ITU-TX.733標準，告警一般含有以下方面的屬性信息：設(shè)備名稱、設(shè)備類型、告警級別、告警類型、告警狀態(tài)、告警時間等。如何選擇告警屬性來分析通信網(wǎng)絡(luò)中的故障信息，是告警管理的一項重要任務(wù)。

在通信網(wǎng)絡(luò)中，告警與故障之間的關(guān)系錯綜復(fù)雜，并非一一對應(yīng)的關(guān)系，即在一個復(fù)雜的通信網(wǎng)絡(luò)中，僅僅通過告警信息無法直接確定出現(xiàn)的故障。因此，需要對不同告警之間的關(guān)聯(lián)性進行挖掘，依據(jù)告警的特征定義來確定網(wǎng)絡(luò)故障的根源。

然而，僅僅原始告警信息挖掘網(wǎng)絡(luò)故障的準確率依然較差。因此，除了對告警屬性的提取，還需要對告警信息進行預(yù)處理，使之轉(zhuǎn)化成為適合網(wǎng)絡(luò)告警合并的“告警事務(wù)”。

所謂“告警事務(wù)”是指對原始告警信息進行的時間同步化處理后，得到的告警項集合。例如，對于觀察時段，用滑動步長Δs在時間軸上進行推移，開始下一個時間窗口進行告警事務(wù)的提取。如圖2所示，其中，W1，W2，…，W5告警事件包括A、B、C、D共4種，隨著時間窗口的滑動，可以得到不同的告警事務(wù)。

其中，W1，W2，…，W5為取的告警事務(wù)，通過將同一時間窗口內(nèi)的告警合并。形成含有一定歷史記錄的“事務(wù)”信息。從而將原本離散、孤立的告警變換成為定量、可處理的事件單元，并為后期的告警管理提供可靠的前提。

（2）模擬退火在告警關(guān)聯(lián)中的應(yīng)用

構(gòu)造起告警事務(wù)后，需要對告警與故障之間的關(guān)聯(lián)進行標注，來描述告警與故障之間的相對重要性。告警與故障之間的關(guān)系可以通過前文所述的網(wǎng)絡(luò)結(jié)果進行表征。通過對網(wǎng)絡(luò)結(jié)構(gòu)的定量化構(gòu)建，就可以得到網(wǎng)絡(luò)故障與告警事務(wù)之間的相關(guān)度和影響性，使之更接近于真實網(wǎng)絡(luò)中告警產(chǎn)生的原因，挖掘出頻繁度偏低而興趣度偏高的關(guān)聯(lián)信息，同時也解決了告警信息不確定、不完整等問題。

圖2　網(wǎng)絡(luò)告警事務(wù)的生成方式

為了解決上述問題，本文采用模擬退火的方法對故障與告警之間的關(guān)聯(lián)進行分析。在物理中，讓多粒子系統(tǒng)達到最低能量的方法稱之為“退火”。具體過程為：更新系統(tǒng)的狀態(tài)序列：設(shè)系統(tǒng)中某粒子相初始狀態(tài)i，其對應(yīng)能量為Ei；選取其中某個粒子產(chǎn)生微小變化，得到一個新狀態(tài)j，對應(yīng)能量Ej；如果，則更新狀態(tài)。最終系統(tǒng)處于狀態(tài)i和狀態(tài)j幾率比值等于的玻爾茲曼因子，即：

其中，P（t）在溫度t時的粒子能量為Ei的概率分布函數(shù)，KB為玻爾茲曼常數(shù)為分配函數(shù)。

設(shè)L（S，f）為優(yōu)化問題中的一個實例，S表示解空間，f:S→R表示解空間到實數(shù)域的映射，t為模擬退火過程中溫度的控制參數(shù)。設(shè)L（S，f）中存在最優(yōu)解，f（i）、f（j）分別是某對應(yīng)于i、j目標函數(shù)值，則備選解由i過渡到j(luò)的概率為：

對于本文所述的告警合并這一“最優(yōu)化”問題，其本質(zhì)是一種學(xué)習(xí)問題，即通過訓(xùn)練數(shù)據(jù)對故障和告警的相互影響關(guān)系進行分析。具體而言，假設(shè)故障與告警之間相關(guān)的實際概率分布為Q（α），模擬退火的任務(wù)就是通過隨機仿真獲得給定樣本的概率分布P（α）用來對分布Q（α）進行學(xué)習(xí)，其學(xué)習(xí)的精度可由Kullback-Leibler距離來衡量：

告警合并的學(xué)習(xí)的過程是基于相對熵的梯度下降算法，即對于初始網(wǎng)絡(luò)，按照下式更新結(jié)構(gòu)中的每一個邊的權(quán)重（概率）：

其中，η是學(xué)習(xí)的步長，注意到在前文構(gòu)建的連接告警和故障的網(wǎng)絡(luò)結(jié)構(gòu)中，P（α）具有固有明確的權(quán)值構(gòu)成，而Q（α）則不然。因此，對于相鄰的節(jié)點集合（α，β）有：

其中，Si（α，β）表示系統(tǒng)處于狀態(tài)i時的網(wǎng)絡(luò)連接結(jié)構(gòu)。在學(xué)習(xí)過程中，通過不斷減低溫度使系統(tǒng)“活躍”程度逐步降低，最終使得系統(tǒng)趨于收斂。因此，通過對給定樣本的學(xué)習(xí)，就可以定量地給出網(wǎng)絡(luò)故障導(dǎo)致告警的概率。

通過訓(xùn)練好的網(wǎng)絡(luò)可以對告警背后的網(wǎng)絡(luò)故障進行判斷，不僅可以容易地實現(xiàn)對網(wǎng)絡(luò)告警的合并，同時可以直接向網(wǎng)絡(luò)管理人員發(fā)送更容易理解的網(wǎng)絡(luò)故障判斷，從而提升網(wǎng)絡(luò)管理的效率，并極大降低網(wǎng)絡(luò)管理的開銷。

（3）算法驗證

為了驗證本文所提出算法的有效性，采用天津移動的現(xiàn)網(wǎng)數(shù)據(jù)對告警進行分析。通過對10萬條告警數(shù)據(jù)的分析，通過模擬退火算法構(gòu)建告警—故障的對應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)，并基于此結(jié)構(gòu)對告警樣本進行分析。

在訓(xùn)練中，對于某一個告警事務(wù)的故障判斷學(xué)習(xí)過程如圖3所示，其中橫縱兩軸代表了該告警事務(wù)為故障1和故障2的概率。可以看到，隨著訓(xùn)練次數(shù)的不斷增長，對于該告警事務(wù)的判斷不斷發(fā)生變化，并最終落入結(jié)束點中，即將該告警事務(wù)作為故障1的大概率原因。

同時，本文對訓(xùn)練樣本和分類準確地影響進行了模擬，結(jié)果如圖4所示?？梢钥吹?，隨著訓(xùn)練樣本數(shù)量以指數(shù)提升，本文所提出的算法正確率首先出現(xiàn)了快速提升，繼而保持在70%左右的水平?？梢姡ㄟ^增加訓(xùn)練樣本數(shù)量可以大大提升原有網(wǎng)絡(luò)管理系統(tǒng)的性能。目前，該算法目前已經(jīng)在運營商實際的網(wǎng)絡(luò)中得到了初步的推廣和應(yīng)用，并取得了較好的成果。

4　結(jié)束語

網(wǎng)絡(luò)故障診斷是網(wǎng)絡(luò)管理功能中的重要組成部分，它負責(zé)檢測、收集、處理、分析以及預(yù)測網(wǎng)絡(luò)中的故障信息。有效的網(wǎng)絡(luò)故障診斷需要對網(wǎng)絡(luò)告警進行有效的處理，并及時找出網(wǎng)絡(luò)中最關(guān)鍵的故障。本文基于模擬退火的思想提出了一種網(wǎng)絡(luò)告警合并的方法，該方法可以通過對告警的分析找到引起告警最大概率的網(wǎng)絡(luò)故障，從而幫助網(wǎng)絡(luò)管理人員更加準確的對網(wǎng)絡(luò)進行管理和維護。本文所提出的算法目前已經(jīng)在運營商的實際網(wǎng)絡(luò)中進行了小規(guī)模驗證，并取得了顯著成效。未來隨著相關(guān)領(lǐng)域的研究和工程化的不斷深入，相關(guān)工作將產(chǎn)生巨大的科研和經(jīng)濟效益。

圖3　基于模擬退火的網(wǎng)絡(luò)故障判斷訓(xùn)練結(jié)果

圖4　算法準確率隨樣本數(shù)量變化

2015-10-20）