摘 要： 告警相關(guān)性分析有多種方法，本文所討論的基于微波通信的告警相關(guān)性分析基于代碼方法的基本思想，是建立潛在的問題(故障)和表征這些問題癥狀(告警)的關(guān)聯(lián)矩陣，并用其進行故障定位。此方法適用范圍廣、速度快，能夠處理較高比率的癥狀丟失和虛假癥狀，本文主要研究關(guān)聯(lián)規(guī)則在微波通信告警中的具體應用。
關(guān)鍵詞： 基于代碼方法；告警相關(guān)性分析；故障管理
在電信市場日趨開放的今天，競爭日益激烈，各種新興電信業(yè)務不斷涌現(xiàn)。為了提高電信企業(yè)的市場競爭力，降低企業(yè)的維護成本，減少直至避免用戶服務終端受到影響，必須對整個電信網(wǎng)絡的管理方式進行一些改進。在規(guī)模、技術(shù)及競爭相對層次較低的情況下，采取原來的處理方式是可行的。但隨著數(shù)字化、集成化的發(fā)展，各種新業(yè)務、新技術(shù)被廣泛應用，電信網(wǎng)絡規(guī)模和網(wǎng)絡結(jié)構(gòu)發(fā)生了根本性的改變。傳統(tǒng)的網(wǎng)絡管理已經(jīng)不能滿足企業(yè)日益發(fā)展的需要，并會造成人力和財力的大量浪費。
在電信網(wǎng)絡管理中，故障管理是一個重要而且難度很大的任務。尤其是通信網(wǎng)絡，每天都會產(chǎn)生大量的告警信息。面對著大量告警，網(wǎng)絡管理員很難快速進行故障定位和診斷。一個大型網(wǎng)站應用層故障恢復的時間中約有93%的時間花費在對故障的檢測和診斷上。因此，在進行故障定位之前必須對網(wǎng)絡產(chǎn)生的大量告警信息進行有效地分析和解釋。網(wǎng)管中心的任務是在接收到網(wǎng)絡產(chǎn)生的告警之后對告警進行分析。告警分析意味著對告警中包含的零散信息進行整合，并從整體上對告警作出解釋。在故障管理中有些告警處理軟件采用了告警關(guān)聯(lián)技術(shù)，稱為告警關(guān)聯(lián)系統(tǒng)。它的主要作用是自動過濾掉冗余的告警、識別故障以及建議一些預見性的措施，因此在故障管理中極具價值。目前，很多電信網(wǎng)管都采用了告警關(guān)聯(lián)系統(tǒng)作為網(wǎng)管智能化的一部分。
1 現(xiàn)階段國內(nèi)外研究方法及缺點
隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展，越來越多的研究人員采用數(shù)據(jù)挖掘方法分析告警數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)可以進行網(wǎng)絡故障隔離和診斷、選擇正確措施、進行預維護和趨勢分析。最近人們已經(jīng)提出了很多算法用于完成這一任務，然而現(xiàn)存的算法都有其自身的缺陷，不能有效挖掘告警信息。
(1)基于關(guān)聯(lián)規(guī)則挖掘方法的告警分析
基于關(guān)聯(lián)規(guī)則挖掘的方法在告警分析數(shù)據(jù)挖掘領(lǐng)域內(nèi)占據(jù)了十分重要的位置，這是因為關(guān)聯(lián)規(guī)則挖掘方法具有其他方法無法比擬的優(yōu)點。正如參考文獻[1]中總結(jié)的那樣，通過這種挖掘方法得出的規(guī)則符合人的思維，容易理解，因此，目前處理告警序列的操作員樂于用這種規(guī)則的形式表達知識。而且這樣的規(guī)則可以表達這一領(lǐng)域內(nèi)的簡單聯(lián)系，并且有助于高效地挖掘出數(shù)據(jù)中隱藏的信息。然而，現(xiàn)存算法挖掘效率還比較低，并且參考文獻[5]研究發(fā)現(xiàn)，一般關(guān)聯(lián)規(guī)則挖掘方法對大規(guī)模數(shù)據(jù)庫會產(chǎn)過多的規(guī)則，即產(chǎn)生所謂的規(guī)則爆炸問題，使決策者面對太多的規(guī)則而無所適從。
(2)基于神經(jīng)網(wǎng)絡方法的告警分析
神經(jīng)網(wǎng)絡方法模擬人腦神經(jīng)網(wǎng)絡，神經(jīng)元是其基本處理單元。由神經(jīng)元可以構(gòu)成各種不同拓撲結(jié)構(gòu)的神經(jīng)網(wǎng)絡。為了讓神經(jīng)網(wǎng)絡實現(xiàn)事件關(guān)聯(lián)功能，首先要對其進行訓練，將網(wǎng)絡設備上的告警信息與實際網(wǎng)絡故障情況作為神經(jīng)網(wǎng)絡的輸入和輸出，不斷調(diào)整神經(jīng)元相互連接的權(quán)值。經(jīng)過訓練后的神經(jīng)網(wǎng)絡就能根據(jù)存儲在神經(jīng)元連接上的權(quán)值識別出特定的故障。參考文獻[2，4]指出，如果目標僅僅是進行好的預測，神經(jīng)網(wǎng)絡的確具有一定功能。然而，這種方法需要有較好的訓練數(shù)據(jù)，并且在當前應用中，重要的一點是發(fā)現(xiàn)的知識應該具有可理解性，因為電信公司不會愿意把許多黑匣子安到其系統(tǒng)中去。因此，神經(jīng)網(wǎng)絡方法在這方面仍需改進。
(3)基于案例推理方法的告警分析
案例推理是基于集中存儲的認知模型。其基本思想是將以前解決問題的經(jīng)驗以案例的形式存放在案例庫中，當遇到問題時就從案例庫中查找同類案例的求解，從而獲得當前問題的解決方法。參考文獻[3]開發(fā)了三個模塊對告警關(guān)聯(lián)方法進行模擬：一個模塊用于生成故障和告警，另一個模塊用于定義網(wǎng)絡配置，最后一個模塊再進行告警過濾和關(guān)聯(lián)。但是這種方法是基于經(jīng)驗和事例來解決問題的，所以對于網(wǎng)絡處理反應不敏感，不適應要求實時性高的告警處理。
(4)基于代碼方法的告警分析
代碼方法的基本思想是建立潛在的問題(故障)和表征這些問題癥狀(告警)的關(guān)聯(lián)矩陣并用其進行故障定位。參考文獻[6]提出一種綜合方法。該方法結(jié)合小代碼書和簡單專家規(guī)則的優(yōu)點進行告警分析，取得了一定成果。使用代碼方法簡單、適用范圍廣、速度快，能夠處理較高比率的癥狀丟失和虛假癥狀。此方法適合微波通信小心的故障管理系統(tǒng)。
(5)其他方法
除上述所列方法外，還有其他方法，如聚類方法、模糊邏輯等。聚類是把一組個體按照相似性歸成若干類別。參考文獻[7]通過聚類算法預測出一些告警集合的發(fā)生可以導致哪些告警集合的隨后發(fā)生。參考文獻[8]在進行告警數(shù)據(jù)分析時采用了遺傳算法生成相關(guān)性規(guī)則的預測模式，用來對故障進行預測。對融合算法的研究也逐漸進入了人們的視野。根據(jù)當前專家系統(tǒng)不能適應網(wǎng)絡日益發(fā)展的需要，提出一種綜合智能解決方法，將神經(jīng)網(wǎng)絡和基于案例的推理進行結(jié)合從而完成對告警數(shù)據(jù)的分析。將遺傳算法和神經(jīng)網(wǎng)絡進行結(jié)合，通過實驗證明，該方法在網(wǎng)絡學習和訓練效率上高于傳統(tǒng)的BP算法、標準遺傳算法和一般的自適應遺傳算法。
2 告警相關(guān)性在微波通信中的應用
由于通信告警在邏輯上具有告警相關(guān)性，單個的故障告警往往會觸發(fā)一系列的相關(guān)聯(lián)的告警，導致產(chǎn)生大量告警信息，使對故障的判斷和定位變得困難。例如：在微波通信中，在網(wǎng)絡管理客戶端上對同一個MPT進行收發(fā)頻率的配置，如果配置的收發(fā)頻率和MPT真實的收發(fā)頻率不一致，會出現(xiàn)Incompatible Frequency Alarm，同時會導致Incompatible Shifer Alarm告警的產(chǎn)生，這就是由于兩個告警之間的關(guān)聯(lián)性，一個告警的產(chǎn)生，導致另一個告警的產(chǎn)生。如果網(wǎng)絡中同時發(fā)生多個故障，告警的情況就會變得更為復雜。網(wǎng)絡管理員面對這些大量的告警信息是很難找出故障發(fā)生的根本原因，從而無法修復所發(fā)生的故障。
告警相關(guān)性分析的目標是為網(wǎng)絡中某個設備故障抑制不必要或不相關(guān)的告警，為網(wǎng)絡管理員提供更準確的故障告警信息，找到產(chǎn)生故障告警的根源，以實現(xiàn)快速、準確的故障定位。告警相關(guān)性分析，一定的告警可以抑制比它級別低的告警，同時也可以被比它級別高的告警抑制。
告警相關(guān)性分析的過程，就是比較所有出現(xiàn)的通信告警之間的優(yōu)先級關(guān)系，抑制告警級別低的告警，使其不上報給網(wǎng)絡管理系統(tǒng)，只向上發(fā)送最高級別的告警，以減少告警上報的數(shù)量，有利于告警根源的準確判斷。告警抑制功能用來減少故障告警的上報數(shù)量，硬件告警能夠抑制所有的通信告警，被抑制的告警將不再上報給網(wǎng)絡管理系統(tǒng)。如出現(xiàn)MPT Card Fail Alarm，則所有的通信業(yè)務將中斷，也就不會出現(xiàn)通信告警。高級別的通信告警會抑制低級別的告警，被抑制的通信告警將不再被上報給網(wǎng)管系統(tǒng)顯示。如出現(xiàn)Demodulator Fail告警，就不會在上報High BER告警。
告警處理過程模型如圖1所示。
3 告警相關(guān)性處理流程圖
告警相關(guān)性是告警處理的重要組成部分，告警管理模塊從微波通信接收和發(fā)射設備中獲得通信告警相關(guān)信息，并在告警管理模塊中完成告警的處理。告警相關(guān)性組件只能利用檢測到的告警狀態(tài)去做告警相關(guān)性處理。告警相關(guān)性處理流程如圖2所示。
(1)告警管理進程從微波通信接收和發(fā)射設備中獲得告警的狀態(tài)。
(2)如果檢測到的告警狀態(tài)和老的告警不相同，則保存新的檢測到的告警，并且轉(zhuǎn)到(3)，否則什么都不做。
(3)計算是否有比這個告警級別高的告警，如果有，則重新計算告警相關(guān)性狀態(tài)，保存并發(fā)送到告警上報模塊；如果沒有，則計算是否有比此告警級別低的告警，如果有，則重新計算告警相關(guān)性狀態(tài)，保存并發(fā)送到告警上報模塊。
4 實驗結(jié)果
實驗結(jié)果如圖3所示。
本文提出的告警相關(guān)性分析模型與其他模型比較具有以下優(yōu)點:(1)更可靠，易于實現(xiàn)；(2)便于修改告警相關(guān)性規(guī)則；(3)自適于網(wǎng)絡配置信息的改變；(4)適用于微波通信設備的故障診斷，但由于組成微波通信網(wǎng)的設備很復雜，生產(chǎn)廠商型號、規(guī)格的不同，為得到一個通用相關(guān)性模型，使它適用于各種電信網(wǎng)絡，還需繼續(xù)研究。
參考文獻
[1] KICIMAN E， FOX A. Detecting and localizing anomalous behavior to discover failures in component-based internet ser vices[R]. Technical Report， Stanford， 2004.
[2] CHEN M S， HAN J， YU P S. Data mining: an overview from database perspective[J]. IEEE Transactions on Knowledge and Data Engineering， 1996，8(6):866-883.
[3] WIETGREFE H. Investigation and practical assessment of alarm correlation methods for the use in GSM access networks[C]. In: R. Stadler and M.Ulema，Editors， Proc. Network Operation and Management Symposium， 2002:391-404.
[4] 鄭慶國，呂衛(wèi)鋒.通信網(wǎng)絡中的告警相關(guān)性研究[J].計算機工程與應用，2002(2):11-14.
[5] KLEMETTINEN M， MANNILA H， TOIVONEN H. Interactive exploration of interesting findings in the telecommunication network alarm sequence analyzer TASA[J]. Information and Software Technology， 1999，41:557-567.
[6] KLEMETTINEN M. A knowledge discovery methodology for telecommunication network alarm databases[D]. Finland: Department of Computer Science， University of Helsinki， 1999.
[7] MANNILA H， TOIVONEN H. Discovering generalized episodesusing minimal occurrences[C]. In: Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining(KDD’96).關(guān)聯(lián)規(guī)則挖掘在電信網(wǎng)絡告警分析中的應用研究Portland，Oregon:AAAI Press，1996:146-151.
[8] 胡一飛.計算機網(wǎng)絡中告警數(shù)據(jù)處理技術(shù)的研究[J].福建電腦，2005(11):32-33.