關(guān)聯(lián)規(guī)則算法下的電信網(wǎng)絡(luò)告警探討

◆雷 瑋

（廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院 廣西 530004）

關(guān)聯(lián)規(guī)則算法下的電信網(wǎng)絡(luò)告警探討

◆雷 瑋

（廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院 廣西 530004）

隨著當(dāng)前通信網(wǎng)絡(luò)的快速發(fā)展，為保證電信網(wǎng)絡(luò)的運(yùn)行正常，必須提升網(wǎng)絡(luò)告警數(shù)據(jù)的處理效率，加快找出故障源的速度。本文結(jié)合告警數(shù)據(jù)特點(diǎn)，改進(jìn)傳統(tǒng)關(guān)聯(lián)規(guī)則算法，基于相關(guān)策略基礎(chǔ)上，運(yùn)用改進(jìn)后的算法來(lái)實(shí)行關(guān)聯(lián)運(yùn)算。最終結(jié)果顯示，改進(jìn)算法能夠提高數(shù)據(jù)的挖掘效率，并且快速診斷網(wǎng)絡(luò)故障。

關(guān)聯(lián)規(guī)則算法；電信網(wǎng)絡(luò)；告警

0 引言

網(wǎng)絡(luò)通信普及、功能擴(kuò)充和業(yè)務(wù)拓展增大了電信網(wǎng)絡(luò)數(shù)據(jù)的傳輸壓力。在市場(chǎng)激烈競(jìng)爭(zhēng)背景下，相應(yīng)的網(wǎng)絡(luò)管理需要滿足更高的質(zhì)量要求。網(wǎng)絡(luò)設(shè)備之間的差異越來(lái)越大，在多次網(wǎng)元設(shè)備變化、維修、增設(shè)等問(wèn)題上，增加了告警數(shù)據(jù)采集難度。[1]在長(zhǎng)時(shí)間的發(fā)展中，數(shù)據(jù)挖掘技術(shù)能夠?qū)崿F(xiàn)電信網(wǎng)絡(luò)的智能化。

在數(shù)據(jù)挖掘網(wǎng)絡(luò)故障管理研究中，重難點(diǎn)是網(wǎng)絡(luò)告警數(shù)據(jù)特點(diǎn)的挖掘和研究。在挖掘告警數(shù)據(jù)中運(yùn)用關(guān)聯(lián)規(guī)則算法，可以發(fā)現(xiàn)設(shè)備之間的告警關(guān)聯(lián)性，并且可以找到造成一系列告警設(shè)備的根源，同時(shí)能夠診斷和定位最新產(chǎn)生的告警數(shù)據(jù)，提升網(wǎng)絡(luò)故障診斷和管理的有效性。

本文對(duì)網(wǎng)絡(luò)告警層次的體系進(jìn)行介紹，并且討論了告警邏輯和關(guān)聯(lián)，改進(jìn)了關(guān)聯(lián)規(guī)則的基本算法Apriori，提出優(yōu)先剪枝的策略。比較適合運(yùn)行于網(wǎng)絡(luò)告警數(shù)據(jù)關(guān)聯(lián)規(guī)則得到改進(jìn)的算法中，具有良好前瞻性和挑戰(zhàn)性，有著重要意義且可操作性強(qiáng)。

1 網(wǎng)絡(luò)告警層次的體系

1.1 設(shè)備告警

信息通信網(wǎng)絡(luò)內(nèi)各種業(yè)務(wù)需求的增加使得告警出現(xiàn)了無(wú)法避免的重復(fù)。一般情況下由網(wǎng)絡(luò)設(shè)備所產(chǎn)生的告警被當(dāng)作告警管理中的基礎(chǔ)，存在重要的網(wǎng)絡(luò)態(tài)勢(shì)分析以及預(yù)警價(jià)值，但是單純化的設(shè)備告警無(wú)法滿足面對(duì)業(yè)務(wù)感知內(nèi)的使用管理要求。[2]

1.2 性能級(jí)告警

從業(yè)務(wù)使用感知角度分析，通信鏈路的整體性能是業(yè)務(wù)使用的滿意度關(guān)鍵標(biāo)準(zhǔn)，并且性能級(jí)的警告和指標(biāo)對(duì)應(yīng)設(shè)備的告警具有更好的潛在價(jià)值。性能級(jí)告警/指標(biāo)的提升將會(huì)引起設(shè)備以及告警設(shè)備等級(jí)種類的升級(jí)，及時(shí)處理性能的優(yōu)劣可以避免設(shè)備故障的升級(jí)。

性能級(jí)告警/指標(biāo)和設(shè)備級(jí)告警存在整體性的價(jià)值，如網(wǎng)絡(luò)傳輸時(shí)間的延后，數(shù)據(jù)分組丟失率等，這些都可以反映整個(gè)通信鏈路的運(yùn)行質(zhì)量以及狀態(tài)，同時(shí)也可以更好地提升網(wǎng)絡(luò)業(yè)務(wù)的使用質(zhì)量。

1.3 業(yè)務(wù)使用感知告警

業(yè)務(wù)使用感知告警是和性能級(jí)指標(biāo)存在關(guān)聯(lián)的告警類型，其在業(yè)務(wù)綜合測(cè)試系統(tǒng)下產(chǎn)生，主要可以對(duì)業(yè)務(wù)使用感知層的使用質(zhì)量實(shí)行反映。

1.4 容量負(fù)荷類告警

容量負(fù)荷類的告警/指標(biāo)一般不存在實(shí)時(shí)性的分析價(jià)值，但是在通信需求重點(diǎn)區(qū)域中存在基礎(chǔ)性的保障價(jià)值，其變化會(huì)對(duì)網(wǎng)絡(luò)的承載力實(shí)行體現(xiàn)，例如碼資源的利用率、平均峰值帶寬利用率等，在日常的網(wǎng)絡(luò)運(yùn)行中不需要進(jìn)行關(guān)注，但是有著信息通信的潛在瓶頸效果。

1.5 網(wǎng)絡(luò)流量異常告警

網(wǎng)絡(luò)流量的異常分析會(huì)觸及形成告警較強(qiáng)的時(shí)效性以及全局性，并且還是網(wǎng)絡(luò)資源調(diào)度的相關(guān)信息來(lái)源，網(wǎng)絡(luò)流量異常要結(jié)合傳播區(qū)域?qū)嵭蟹治觯餐瑏?lái)對(duì)挖掘判別算法和網(wǎng)絡(luò)的應(yīng)用環(huán)境因素實(shí)行衡量，提高網(wǎng)絡(luò)流量異常告警的準(zhǔn)確性和有效性，預(yù)警網(wǎng)絡(luò)流量的載荷驟變會(huì)對(duì)信息通信網(wǎng)絡(luò)造成嚴(yán)重沖擊。

2 告警邏輯同關(guān)聯(lián)

信息通信網(wǎng)絡(luò)的特點(diǎn)是復(fù)雜、層次化的組網(wǎng)以及全程端到端等。以SDH傳輸網(wǎng)絡(luò)為例，網(wǎng)元基本的類型為終端復(fù)用器、再生中繼器、同步數(shù)字交叉連接設(shè)備以及分插復(fù)用器等。以上網(wǎng)元在物理以及邏輯上都有著一定的關(guān)聯(lián)性，網(wǎng)絡(luò)內(nèi)的獨(dú)立網(wǎng)故障會(huì)造成關(guān)聯(lián)網(wǎng)內(nèi)的一點(diǎn)告警、多點(diǎn)傳播的效果，這些告警之間存在著時(shí)間和名稱邏輯上的聯(lián)系。

經(jīng)過(guò)關(guān)聯(lián)分析，首先要將干擾告警實(shí)施人工剔除，如將大量的信號(hào)類告警內(nèi)的非相關(guān)告警進(jìn)行剔除。在這一個(gè)篩選的過(guò)程中，要兼顧重復(fù)告警可能是因?yàn)樵诓煌瑫r(shí)間段內(nèi)的不同故障引起的情況，不能講重復(fù)告警進(jìn)行盲目杉樹(shù)，要結(jié)合實(shí)際故障實(shí)行分析和甄別。對(duì)此將該類告警實(shí)行關(guān)聯(lián)歸類合并處理后，可對(duì)集中監(jiān)控的效能實(shí)現(xiàn)極大的提升。

3 改進(jìn)關(guān)聯(lián)規(guī)則算法

Agrawal提出了Apriori算法，該算法經(jīng)過(guò)逐漸的演變，成為關(guān)聯(lián)規(guī)則算法內(nèi)常用算法，但Apriori算法應(yīng)用在高緯度數(shù)據(jù)上時(shí)，時(shí)間和空間上是具有復(fù)雜性的。[3]人們對(duì)Apriori算法內(nèi)的不足實(shí)現(xiàn)了改進(jìn)，如：Partition劃分算法、加權(quán)或約束條件下Apriori算法等。

3.1 Apriori算法

Apriori算法是第一個(gè)實(shí)現(xiàn)應(yīng)用的關(guān)聯(lián)規(guī)則挖掘算法，通過(guò)其創(chuàng)新性，不但可以實(shí)現(xiàn)在支持度基礎(chǔ)上進(jìn)行剪枝，同時(shí)可以有效控制候選項(xiàng)集指數(shù)增長(zhǎng)。Apriori算法所做的是掃描數(shù)據(jù)集確定各個(gè)項(xiàng)支持度，獲取1項(xiàng)集；在多次迭代后，從頻繁k-1項(xiàng)集中得到候選k-項(xiàng)集；將支持度作為依據(jù)對(duì)候選項(xiàng)集實(shí)行刪減，得到了支持度和閾值候選項(xiàng)都很低的值，最后生成頻繁k-項(xiàng)集。

Apriori算法優(yōu)點(diǎn)為：逐層運(yùn)算，如頻繁1-項(xiàng)集到最長(zhǎng)頻繁項(xiàng)集，經(jīng)過(guò)的每一層都會(huì)實(shí)行運(yùn)算。[4]

為表述簡(jiǎn)便，定義相關(guān)內(nèi)容：I={i1，i2，··，ik}作為項(xiàng)的集合，T={t1，t2，··，tn}當(dāng)做是事務(wù)集合，Lk為頻繁k-項(xiàng)集，每一個(gè)事物t1內(nèi)包含的項(xiàng)集均為I子集。

頻繁項(xiàng)集性質(zhì)：①項(xiàng)集I是頻繁項(xiàng)集，I中全部子集都是頻繁項(xiàng)集。②項(xiàng)集I是非頻繁項(xiàng)集，I中全部項(xiàng)集是非頻繁項(xiàng)集。

常見(jiàn)候選項(xiàng)集取得的方法有以下三種：

（1）蠻力法。在這種方法下要將全部的k-項(xiàng)集作為候選，利用候選剪枝法對(duì)不必要的候選項(xiàng)進(jìn)行刪除，第k層出現(xiàn)候選集的數(shù)量是Cdk，d代表的是項(xiàng)總數(shù)。依據(jù)這種方法得到的候選十分簡(jiǎn)單，但開(kāi)銷大。方法總復(fù)雜度是。

（2）Fk-1×F1方法。該方法采用其他頻繁項(xiàng)對(duì)每一個(gè)頻繁（k-1）項(xiàng)集實(shí)行擴(kuò)展，并且將產(chǎn)生出的個(gè)候選k-項(xiàng)集。該方法下復(fù)雜度為。

（3）Fk-1×Fk-1法。候選產(chǎn)生中將一對(duì)頻繁（k-1）-項(xiàng)集合并后，僅在其前面k-2項(xiàng)相同。是一對(duì)頻繁（k-1）項(xiàng)集，合并后，可以滿足下列條件：

3.2 優(yōu)化剪枝

Apriori算法中出現(xiàn)的比較多的缺陷是大量候選項(xiàng)集以及重復(fù)性的數(shù)據(jù)庫(kù)掃描，優(yōu)化算法后，不會(huì)再生成候選項(xiàng)集，因而改進(jìn)后的算法是NCA priori算法。

證明：設(shè)X為頻繁k-項(xiàng)目集，X內(nèi)k個(gè)k-1維子集被Lk-1包含，X下存在k個(gè)k-1維子集，每個(gè)項(xiàng)目?jī)?nèi)的j∈X次數(shù)為k-1次，都有，這和條件之間為相互矛盾關(guān)系，故X不是頻繁項(xiàng)目集。

上述所描述基本性質(zhì)基礎(chǔ)給出了頻繁項(xiàng)集生成的優(yōu)化剪枝策略，具體步驟為：

4 分析實(shí)驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)際的運(yùn)用過(guò)程中，通過(guò)運(yùn)行處理大規(guī)模數(shù)據(jù)量算法處理某移動(dòng)公司的原始告警數(shù)據(jù)，隨后得出了適合關(guān)聯(lián)規(guī)則所挖掘的10日告警數(shù)據(jù)。設(shè)置關(guān)聯(lián)規(guī)則挖掘算法支持度成為不同值，測(cè)試該組數(shù)據(jù)后。[5]文章內(nèi)所實(shí)施的電信網(wǎng)絡(luò)智能告警優(yōu)化后的傳輸數(shù)據(jù)主要是華為和中興的設(shè)備數(shù)據(jù)，主要是對(duì)性能時(shí)間實(shí)行告警。詳細(xì)數(shù)據(jù)見(jiàn)下表1：

表1 實(shí)驗(yàn)所得的數(shù)據(jù)結(jié)果

包含事務(wù)的個(gè)數(shù)/個(gè)1265

4.2 實(shí)驗(yàn)結(jié)果分析

對(duì)表1內(nèi)描述10天告警數(shù)據(jù)被看做是NCApriori算法導(dǎo)入數(shù)據(jù)，調(diào)整支持度并實(shí)行多次運(yùn)算，比較算法運(yùn)行的時(shí)間和生成層的頻繁模數(shù)數(shù)量比較結(jié)果為下表2所示：

表2 不同支持度下10天告警數(shù)據(jù)源算法運(yùn)行最終結(jié)果

上表2內(nèi)不同支持度的10天告警數(shù)據(jù)源算法運(yùn)行結(jié)果對(duì)比，能夠顯示出不同支持度下算法的運(yùn)行時(shí)間，并且在這一算法處理下的時(shí)間會(huì)更精確。根據(jù)表2的不同支持度對(duì)比10日告警數(shù)據(jù)源算法的最終運(yùn)行結(jié)果。.在不同支持度算法下對(duì)頻繁模式數(shù)量實(shí)現(xiàn)有效挖掘，對(duì)其之間的變化關(guān)系實(shí)現(xiàn)了更加直觀和立體的展示。

5 結(jié)語(yǔ)

實(shí)施網(wǎng)絡(luò)告警相關(guān)性的分析，是網(wǎng)絡(luò)故障分析中較為重要的方法，其能夠幫助網(wǎng)管對(duì)多余的告警進(jìn)行刪除，快速找出故障的根源，并進(jìn)行解決。文章使用的改進(jìn)后的NCApriori處理了告警信息，實(shí)現(xiàn)了對(duì)網(wǎng)絡(luò)告警根源的有效挖掘，比傳統(tǒng)的Apriori算法效率更高，具有一定的運(yùn)用價(jià)值。

[1]于漫，胡明，金剛，胡亮，趙闊.關(guān)聯(lián)規(guī)則算法的電信網(wǎng)絡(luò)告警應(yīng)用[J].吉林大學(xué)學(xué)報(bào)（信息科學(xué)版），2010.

[2]徐前方，肖波，郭軍.挖掘電信告警關(guān)聯(lián)模式方法[J].北京郵電大學(xué)學(xué)報(bào)，2011.

[3]王洋，李國(guó)才，徐亞昆.信息通信網(wǎng)絡(luò)告警分類、關(guān)聯(lián)性與管理方法研究[J].電信科學(xué)，2013.

[4]Gao H S，Li Y M.An Efficient Communication Network SDH Alarm Association Rule Mining Algorithm[J].Advanced Materials Research，2014.

[5]吳大鵬，趙瑩，熊余，等.基于小波神經(jīng)網(wǎng)絡(luò)的告警信息相關(guān)性挖掘策略[J].電子與信息學(xué)報(bào)，2014.