失穩網絡非均衡斷網故障排除系統設計

肖弋

摘 ?要： 為解決由負載分配不均造成的斷網故障問題，設計新型失穩網絡的非均衡斷網故障排除系統。在非均衡網絡負載框架中，重新分配失穩網絡故障探查模塊、排除編譯器兩個單元結構所占比重，實現新型故障排除系統的硬件運行環境搭建。在故障排除服務器的支持下，規范斷網故障數據表、非均衡失穩網絡鎖協議的聯結形式，實現新型故障排除系統的軟件運行環境搭建，結合軟、硬件運行結構，完成失穩網絡非均衡斷網故障排除系統設計。對比實驗結果顯示，與現有故障排除系統相比，在非均衡網絡失衡狀態比為0.33和0.47的條件下，應用新型失穩網絡非均衡斷網故障排除系統，能使負載分配均衡率達到90%，有效解決由負載分配不均帶來的斷網故障現象。

關鍵詞： 失穩網絡; 非均衡斷網; 故障排除; 運行環境搭建; 網絡鎖協議; 系統設計

中圖分類號： TN02?34; TP297 ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）11?0072?05

Abstract： A new unbalanced network outage fault removal system of unstable network is designed to eliminate the network outage fault caused by unbalanced load distribution. In the load framework of unbalanced network， the proportion of fault detection module and fault data exclusion compiler of unstable network is reallocated to build the hardware running environment of the new fault removal system. With the support of the fault removal server， the connection form of network outage fault database table and unbalanced unstable network lock protocol is standardized to build the software running environment of the new fault removal system. In combination with software and hardware running structures， the design of the unbalanced network outage fault removal system is completed. The experimental result of the proposed system is compared with that of available system， which shows that the new unbalanced network outage fault removal system of unstable network can make the load distribution balance rate up to 90% while the unbalanced state ratios of unbalanced network are 0.33 and 0.47 respectively， and eliminate the network outage fault caused by unbalanced load distribution.

Keywords： unstable network; unbalanced network outage; fault removal; running environment construction; network lock protocol; system design

0 ?引 ?言

網絡故障是一種由硬件問題、病毒入侵、軟件漏洞等引起的網絡服務質量下降狀態，嚴重時甚至會導致網絡服務直接出現癱瘓趨勢。隨著網絡故障現象的頻繁發生，非均衡網絡開始出現嚴重的失穩情況。所謂網絡失穩是指所有運行數據在一段時間之內，不能始終保持原有的傳輸速率，且隨著運行數據總量的不斷增加，這種傳輸速率的變化也總是呈現出較強的不定性[1?2]。一段時間之后，運行數據的傳輸速率又會自發地恢復成原有狀態，但由于受到多重不定向因素的影響，待傳輸數據總是出現過量傳輸或不足傳輸，額定傳輸任務不能得到良好保障，最終導致網絡自身穩定性受到破壞。現有技術手段為有效排除非均衡環境下的斷網故障問題，利用Web框架隔離高層網絡應用結構與底層執行設備，并通過代管傳輸數據包的方式，達到定向排除斷網故障問題的目的。但隨著科學技術手段的進步，這種普通系統的執行效果始終不能達到預期效果。為改善此現狀，在原有系統的基礎上，本文針對失穩網絡環境進行針對性分析，在排除編譯器、數據庫表等軟、硬件設備的支持下，建立一種新型的非均衡斷網故障排除系統，并通過后續應用實驗說明該新型系統的實效性。

1 ?系統硬件設計

通過非均衡網絡負載框架設計、失穩網絡故障探查模塊設計、排除編譯器設計三個主要環節，完成新型系統的硬件運行環境搭建，其具體操作方法可按如下步驟進行。

1.1 ?非均衡網絡負載框架設計

非均衡網絡負載框架包含故障負載探測、負載量控制兩個主要功能，詳情如圖1所示。對于故障負載探測功能的執行來說，監視部件、負載特征化部件是兩個必不可少的組成單元，可以在監測系統中斷網故障數據的同時，通過DBMS設備對處于失穩狀態的網絡數據進行物理攔截，并將最終的分析信息反饋給監視部件[3?4]。而負載量控制單元主要負責對網絡環境中可能引起斷網故障的信息進行抽取收集，并根據各硬件設備的應用標準，對數據信息進行重新編碼分配處理。負載特征化部件以Query Scheduler設備作為核心搭建裝置，可以根據非均衡網絡負載框架中監視部件的輸出情況，調整系統中運行故障數據的動態流量，并在滿足非均衡網絡功能的前提下，達到平衡硬件設備故障、排除屬性能力的目的[5?6]。

圖1 ?非均衡網絡負載框架結構圖

1.2 ?失穩網絡故障探查模塊設計

失穩網絡故障探查模塊可依附于非均衡網絡負載框架而存在，并在故障管理數據庫等軟件設備的支持下，通過生成彈窗的形式，清晰表達現階段系統中斷網故障事件的可能發生幾率。在失穩網絡環境下，隨著非均衡條件嚴苛等級的不斷提升，系統中運行的斷網故障數據也會隨之大量累計，此時故障數據庫信息表會在該時間內達到存儲極限[7?8]。為避免因故障數據存儲受限而影響系統的運行速度，失穩網絡故障探查模塊會根據數據庫信息表單生成回執信息，對所有涉及的斷網故障數據進行標識處理，并在建立排除建議信息前，對核心處理計算機彈出預判策略窗口。在得到核心處理計算機的肯定答復后，MIB設備會按照斷網故障數據所屬的優先級順序，對其所代表的故障類型進行探查。完整的模塊執行結構如圖2所示。

圖2 ?失穩網絡故障探查模塊結構圖

1.3 ?排除編譯器設計

排除編譯器中包含一個前端MIIB編譯裝置、一個中端ASN編譯裝置和一個后端Compiler編譯裝置，可以在接收失穩網絡故障探查模塊傳輸文件信息的同時，對系統中現行的斷網故障數據進行定義分析，并根據相應的轉碼規則，生成與原信息相對應的關聯編譯文件。對于系統核心計算機來說，編譯文件是其執行故障數據排除操作的主要物理依據。位于模塊前端的MIIB編譯裝置具備非均衡性的數據解析功能，可對網絡失穩環境下出現的所有斷網故障數據進行判別分類[9?10]。位于模塊中端的ASN編譯裝置以1VIIB法則作為譯碼基礎，一方面負責接收MIIB編譯裝置的解析數據，另一方面向Compiler編譯裝置傳輸具備定向排除能力的故障數據輸出文件。位于模塊后端的Compiler編譯裝置只具備數據整合功能，可根據排除編譯器的整體執行目標，對非均衡狀態下的斷網故障數據進行排列整合處理。具體的排除編譯器結構如圖3所示。

圖3 ?排除編譯器結構圖

2 ?系統軟件設計

通過故障排除服務器設計、斷網故障數據表設計、非均衡失穩網絡鎖協議設計三個步驟，實現軟件運行環境搭建，結合硬件運行環境，完成失穩網絡非均衡斷網故障排除系統設計。

2.1 ?故障排除服務器設計

失穩網絡的非均衡故障排除服務器是一種固化了的LQNM節點元素。從執行結構的角度來看，故障排除服務器可以承擔系統在失穩網絡環境中的所有邏輯操作，即非均衡網絡負載框架、失穩網絡故障探查模塊、排除編譯器等硬件執行設備均是依附于故障排除服務器而存在的。在整個斷網故障排除系統中，核心計算機作為最主要的任務發布組織[11?12]，而故障排除服務器則是該組織的最重要擁護者。從端口軟件組織的角度來看，故障排除服務器針對各種類型的斷網故障數據，建立了多種不同的可行排除策略，并在傳輸線程組織的促進下，將這些策略信息反饋到系統的各級執行結構。完整的故障排除服務器設計原理如圖4所示。

圖4 ?故障排除服務器設計原理圖

2.2 ?斷網故障數據庫表設計

斷網故障數據庫表通過編程的方式，利用第三方FireBird Maestro軟件實現對非均衡故障數據的存儲與保護，詳細結構如圖5所示。經過故障排除服務器處理后的系統運行數據始終具備較強的傳輸抗組能力，對于線程組織來說，在傳輸過程中由于受到物理抗性壓力的影響，斷網故障數據總量會隨著傳輸線路的延長而不斷減縮[13]。而被迫減少的斷網故障數據將作為入侵因子，對失穩網絡造成更為嚴重的故障影響。為避免上述情況的發生，斷網故障數據庫表在具備SQL管理器能力的同時，還必須能夠根據故障現象發生位置，建立固定的索引連接，以保證線程組織能在最短時間內獲取到最多的故障數據。而FireBird Maestro軟件在整個數據庫表中起到催化劑的作用，可以增強表結構自身的存儲、連接與定量指向功能。

2.3 ?非均衡失穩網絡鎖協議設計

非均衡失穩網絡鎖協議（也叫2PL協議）是斷網故障數據庫表的有力輔助結構，具備兩個實操鎖階段。隨著數據庫表處理形式的改變，非均衡失穩網絡鎖協議可以出現實操階段并發與兼行同時存在的物理狀態[14]。第一階段非均衡失穩網絡鎖協議的主要功能是獲得斷網故障的排除封鎖，也可以稱為故障數據的擴展處理。此階段的鎖協議始終保持靜連接狀態，可以根據系統中斷網故障的嚴重情況，配置最為適宜的粒度條件，并以此作為促進數據庫表進行快速存儲的物理依據。第二階段非均衡失穩網絡鎖協議的主要功能是釋放系統的故障排除封鎖，也可以稱為故障數據的收縮處理[15]。此階段的鎖協議始終保持動連接狀態，可在核心計算機連續發出斷網故障排除指令時，避免網絡穩定性嚴重失衡現象的出現，圖6反映了兩階段網絡鎖協議的并發與兼性狀態。整合上述軟、硬件設備單元結構，完成失穩網絡非均衡斷網故障排除系統設計。

圖5 ?斷網故障數據庫表結構圖

圖6 ?非均衡失穩網絡鎖協議的連接狀態解析圖

3 ?實驗結果與分析

為避免突發性因素對實驗結果真實性造成影響，本次實驗分為兩部分進行，且每一實驗階段內，除了非均衡網絡失衡狀態比改變外，其他因素始終保持不變。在整個實驗過程中，實驗組器材始終搭載失穩網絡非均衡斷網故障排除系統，對照組器材始終搭載現有故障排除系統。

3.1 ?實驗參數配置

相關實驗儀器型號及各項實驗參數配置見表1。

表1 ?實驗參數配置表

為將外界條件對實驗結果準確性的影響程度降至最低，實驗組、對照組實驗參數配置情況始終保持一致。

3.2 ?負載分配均衡率對比

在兩臺Authoritative NameServer主機中，將失穩網絡域名調節為www.ncic.ac.cn，分別記錄在排除編譯器為LXY?0802?63A、數據庫表為SQL與FireBird Maestro結合時，實驗組、對照組系統負載分配均衡率的變化情況。已知系統負載分配均衡率與斷網故障排除效果保持正比關系，即負載分配均衡率越高系統斷網故障排除效果越好。詳細實驗結果如圖7，表2所示，其中圖7中的非均衡網絡失衡狀態比為0.33，表2中的非均衡網絡失衡狀態比為0.47。

圖7 ?負載分配均衡率對比圖（第一次）

分析圖7可知，在非均衡網絡失衡狀態比為0.33的條件下，實驗組系統負載分配均衡率始終呈現上升、下降交替出現的變化趨勢，整個實驗過程中，共出現6次負載分配均衡率超過90%的情況。對照組系統負載分配均衡率在實驗前期保持上升、下降交替出現的變化趨勢，實驗中后期的變化趨勢相對穩定，但整個實驗過程中，最大值僅達到70%左右，且該情況只出現一次。

分析表2可知，在非均衡網絡失衡狀態比為0.47的條件下，實驗組系統負載分配均衡率最小值為89.77%，整個實驗過程中，負載分配均衡率低于90%的情況僅出現一次。對照組系統負載分配均衡率在實驗前期與后期均保持穩定，實驗中期階段保持小幅度上升，但最大值僅為71.99%，整個實驗過程中也僅出現一次。

綜上可知，無論非均衡網絡失衡狀態比如何取值，應用失穩網絡非均衡斷網故障排除系統都具備提升負載分配均衡率的能力，即這種新型系統具備較好的斷網故障排除效果。

表2 ?負載分配均衡率對比表（第二次）

4 ?結 ?語

在失穩網絡中，非均衡性的斷網故障會對網絡運行能力造成極大的負面影響。但隨著新型故障排除系統的應用，鎖協議、數據庫表等軟件執行結構得到良性激活，排除編譯器等硬件設備在負載框架的作用下，也可以快速達到最佳運行狀態，使斷網故障問題得到有效解決。

參考文獻

[1] 劉雪奇，孫勝利.基于YOLO網絡模型的異常行為檢測方法研究[J].電子設計工程，2018，26（20）：154?158.

LIU Xueqi， SUN Shengli. Research on abnormal behavior detection method based on YOLO network model [J]. Electronic design engineering， 2018， 26（20）： 154?158.

[2] 雷小朋，王長清.Ping命令下多媒體網絡故障被動診斷方法仿真[J].計算機仿真，2017，34（8）：369?372.

LEI Xiaopeng， WANG Changqing. Simulation of passive fault diagnosis method for multimedia network under Ping command [J]. Computer simulation， 2017， 34（8）： 369?372.

[3] 韓剛，張琛，蔡旭.電網短路故障引發的全功率風電機組頻率失穩機理與控制方法[J].電工技術學報，2018，33（10）：2167?2175.

HAN Gang， ZHANG Chen， CAI Xu. Frequency instability mechanism and control method of full power wind turbines caused by short circuit fault in power grid [J]. Transactions of China electrotechnical society， 2018， 33（10）： 2167?2175.

[4] 韓慧仙，劉建林.某型滑移式裝載機工作裝置液壓系統振動故障分析與排除[J].機床與液壓，2017，45（10）：170?173.

HAN Huixian， LIU Jianlin. Vibration fault analysis and elimination for hydraulic system of a certain type of skid loader [J]. Machine tool & hydraulics， 2017， 45（10）： 170?173.

[5] 喬文剛，趙靜思，王磊.軋機活套液壓控制系統狀態監測與故障診斷專家系統研究[J].鍛壓技術，2017，42（6）：122?125.

QIAO Wengang， ZHAO Jingsi， WANG Lei. Research on condition monitoring and fault diagnose expert system in hydraulic control system of rolling mill looper [J]. Forging & stamping technology， 2017， 42（6）： 122?125.

[6] 王明偉，陳立萬，李洪兵，等.基于混合免疫系統機理的無線傳感網絡故障檢測算法[J].儀表技術與傳感器，2016，23（4）：84?86.

WANG Mingwei， CHEN Liwan， LI Hongbing， et al. Fault detection algorithm for wireless sensor networks based on hybrid immune system mechanism [J]. Instrument technique and sensor， 2016， 23（4）： 84?86.

[7] 劉勇，沈軒帆，廖勇，等.基于遺傳算法的無線傳感器/執行器網絡故障檢測濾波器設計[J].計算機應用，2016，36（3）：616?619.

LIU Yong， SHEN Xuanfan， LIAO Yong， et al. Fault detection filter design based on genetic algorithm in wireless sensor and actuator network [J]. Journal of computer applications， 2016， 36（3）： 616?619.

[8] 伊洋，劉育權，陳宇強，等.基于信息綜合判斷的智能變電站網絡通信故障定位技術研究[J].電力系統保護與控制，2016，44（3）：135?140.

YI Yang， LIU Yuquan， CHEN Yuqiang， et al. Research of network communication fault location technique in smart substation based on comprehensive information judgment [J]. Power system protection and control， 2016， 44（3）： 135?140.

[9] 陳峰，胡映月，李小紅，等.城市軌道交通有權網絡相繼故障可靠性研究[J].交通運輸系統工程與信息，2016，16（2）：139?145.

CHEN Feng， HU Yingyue， LI Xiaohong， et al. Cascading fai?lures in weighted network of urban rail transit [J]. Journal of transportation systems engineering and information technology， 2016， 16（2）： 139?145.

[10] 于勁松，沈琳，唐荻音，等.基于貝葉斯網絡的故障診斷系統性能評價[J].北京航空航天大學學報，2016，42（1）：35?40.

YU Jinsong， SHEN Lin， TANG Diyin， et al. Performance evaluation of fault diagnosis system based on Bayesian network [J]. Journal of Beijing University of Aeronautics and Astronautics， 2016， 42（1）： 35?40.

[11] 夏曉峰，何常勝.LSM 結合鄰居干擾抵抗模型的傳感器網絡節點故障檢測[J].湘潭大學自然科學學報，2016，38（1）：101?105.

XIA Xiaofeng， HE Changsheng. Node fault detection for sensor network based on LSM and neighbor interference resistance model [J]. Journal of Xiangtan University （Natural Science）， 2016， 38（1）： 101?105.

[12] 王躍飛，張亞生，劉紅軍，等.基于AUTOSAR的汽車FlexRay網絡通信故障檢測與管理[J].農業工程學報，2016，19（4）：105?112.

WANG Yuefei， ZHANG Yasheng， LIU Hongjun， et al. Fault detection and management for automotive FlexRay network communication based on AUTOSAR [J]. Transactions of the Chinese society of agricultural engineering， 2016， 19（4）： 105?112.

[13] 王鶴鳴，王靈矯，譚貌，等.基于多目標優化回聲狀態網絡的電網故障恢復[J].云南大學學報（自然科學版），2017，39（5）：760?767.

WANG Heming， WANG Lingjiao， TAN Mao， et al. Service restoration for distributed system based on ESN and MOA [J]. Journal of Yunnan University （Natural Sciences Edition）， 2017， 39（5）： 760?767.

[14] 孟宗，胡猛，谷偉明，等.基于LMD多尺度熵和概率神經網絡的滾動軸承故障診斷方法[J].中國機械工程，2016，27（4）：433?437.

MENG Zong， HU Meng， GU Weiming， et al. Rolling bearing fault diagnosis method based on LMD multi?scale entropy and probabilistic neural network [J]. China mechanical enginee?ring， 2016， 27（4）： 433?437.

[15] CHATTERJEE S， SARKAR S， HORE S， et al. Particle swarm optimization trained neural network for structural failure prediction of multistoried RC buildings [J]. Neural computing & applications， 2017， 28（8）： 2005?2016.