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(wèn)題(故障)和表征這些問(wèn)題癥狀(告警)的關(guān)聯(lián)矩陣，并用其進(jìn)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(yīng)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(chǎng)日趨開(kāi)放的今天,，競(jìng)爭(zhēng)日益激烈，各種新興電信業(yè)務(wù)不斷涌現(xiàn),。為了提高電信企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力,，降低企業(yè)的維護(hù)成本，減少直至避免用戶服務(wù)終端受到影響,，必須對(duì)整個(gè)電信網(wǎng)絡(luò)的管理方式進(jìn)行一些改進(jìn),。在規(guī)模、技術(shù)及競(jìng)爭(zhēng)相對(duì)層次較低的情況下,，采取原來(lái)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(wù),、新技術(shù)被廣泛應(yīng)用,，電信網(wǎng)絡(luò)規(guī)模和網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生了根本性的改變。傳統(tǒng)的網(wǎng)絡(luò)管理已經(jīng)不能滿足企業(yè)日益發(fā)展的需要,，并會(huì)造成人力和財(cái)力的大量浪費(fèi),。
    在電信網(wǎng)絡(luò)管理中，故障管理是一個(gè)重要而且難度很大的任務(wù),。尤其是通信網(wǎng)絡(luò),，每天都會(huì)產(chǎn)生大量的告警信息。面對(duì)著大量告警,，網(wǎng)絡(luò)管理員很難快速進(jìn)行故障定位和診斷,。一個(gè)大型網(wǎng)站應(yīng)用層故障恢復(fù)的時(shí)間中約有93%的時(shí)間花費(fèi)在對(duì)故障的檢測(cè)和診斷上。因此,，在進(jìn)行故障定位之前必須對(duì)網(wǎng)絡(luò)產(chǎn)生的大量告警信息進(jìn)行有效地分析和解釋,。網(wǎng)管中心的任務(wù)是在接收到網(wǎng)絡(luò)產(chǎn)生的告警之后對(duì)告警進(jìn)行分析。告警分析意味著對(duì)告警中包含的零散信息進(jìn)行整合,，并從整體上對(duì)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(dòng)過(guò)濾掉冗余的告警,、識(shí)別故障以及建議一些預(yù)見(jiàn)性的措施，因此在故障管理中極具價(jià)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(guó)內(nèi)外研究方法及缺點(diǎn)
    隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展,，越來(lái)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(jìn)行網(wǎng)絡(luò)故障隔離和診斷、選擇正確措施,、進(jìn)行預(yù)維護(hù)和趨勢(shì)分析,。最近人們已經(jīng)提出了很多算法用于完成這一任務(wù)，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?yàn)殛P(guān)聯(lián)規(guī)則挖掘方法具有其他方法無(wú)法比擬的優(yōu)點(diǎn),。正如參考文獻(xiàn)[1]中總結(jié)的那樣,，通過(guò)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(lè)于用這種規(guī)則的形式表達(dá)知識(shí)。而且這樣的規(guī)則可以表達(dá)這一領(lǐng)域內(nèi)的簡(jiǎn)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(xiàn)[5]研究發(fā)現(xiàn),，一般關(guān)聯(lián)規(guī)則挖掘方法對(duì)大規(guī)模數(shù)據(jù)庫(kù)會(huì)產(chǎn)過(guò)多的規(guī)則,，即產(chǎn)生所謂的規(guī)則爆炸問(wèn)題，使決策者面對(duì)太多的規(guī)則而無(wú)所適從,。
    (2)基于神經(jīng)網(wǎng)絡(luò)方法的告警分析
    神經(jīng)網(wǎng)絡(luò)方法模擬人腦神經(jīng)網(wǎng)絡(luò),，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?fù)浣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),。為了讓神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)事件關(guān)聯(lián)功能，首先要對(duì)其進(jìn)行訓(xùn)練,，將網(wǎng)絡(luò)設(shè)備上的告警信息與實(shí)際網(wǎng)絡(luò)故障情況作為神經(jīng)網(wǎng)絡(luò)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(guò)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)就能根據(jù)存儲(chǔ)在神經(jīng)元連接上的權(quán)值識(shí)別出特定的故障,。參考文獻(xiàn)[2,，4]指出，如果目標(biāo)僅僅是進(jìn)行好的預(yù)測(cè),，神經(jīng)網(wǎng)絡(luò)的確具有一定功能,。然而，這種方法需要有較好的訓(xùn)練數(shù)據(jù),，并且在當(dāng)前應(yīng)用中,，重要的一點(diǎn)是發(fā)現(xiàn)的知識(shí)應(yīng)該具有可理解性，因?yàn)殡娦殴静粫?huì)愿意把許多黑匣子安到其系統(tǒng)中去,。因此,，神經(jīng)網(wǎng)絡(luò)方法在這方面仍需改進(jìn)。
    (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(chǔ)的認(rèn)知模型,。其基本思想是將以前解決問(wèn)題的經(jīng)驗(yàn)以案例的形式存放在案例庫(kù)中,，當(dāng)遇到問(wèn)題時(shí)就從案例庫(kù)中查找同類案例的求解，從而獲得當(dāng)前問(wèn)題的解決方法,。參考文獻(xiàn)[3]開(kāi)發(fā)了三個(gè)模塊對(duì)告警關(guān)聯(lián)方法進(jìn)行模擬：一個(gè)模塊用于生成故障和告警,，另一個(gè)模塊用于定義網(wǎng)絡(luò)配置，最后一個(gè)模塊再進(jìn)行告警過(guò)濾和關(guān)聯(lián),。但是這種方法是基于經(jīng)驗(yàn)和事例來(lái)解決問(wèn)題的,，所以對(duì)于網(wǎng)絡(luò)處理反應(yīng)不敏感，不適應(yīng)要求實(shí)時(shí)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(wèn)題(故障)和表征這些問(wèn)題癥狀(告警)的關(guān)聯(lián)矩陣并用其進(jìn)行故障定位,。參考文獻(xiàn)[6]提出一種綜合方法。該方法結(jié)合小代碼書(shū)和簡(jiǎn)單專家規(guī)則的優(yōu)點(diǎn)進(jìn)行告警分析,，取得了一定成果,。使用代碼方法簡(jiǎn)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(gè)體按照相似性歸成若干類別,。參考文獻(xiàn)[7]通過(guò)聚類算法預(yù)測(cè)出一些告警集合的發(fā)生可以導(dǎo)致哪些告警集合的隨后發(fā)生。參考文獻(xiàn)[8]在進(jìn)行告警數(shù)據(jù)分析時(shí)采用了遺傳算法生成相關(guān)性規(guī)則的預(yù)測(cè)模式,，用來(lái)對(duì)故障進(jìn)行預(yù)測(cè),。對(duì)融合算法的研究也逐漸進(jìn)入了人們的視野。根據(jù)當(dāng)前專家系統(tǒng)不能適應(yīng)網(wǎng)絡(luò)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(luò)和基于案例的推理進(jìn)行結(jié)合從而完成對(duì)告警數(shù)據(jù)的分析。將遺傳算法和神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合,，通過(guò)實(shí)驗(yàn)證明,，該方法在網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練效率上高于傳統(tǒng)的BP算法、標(biāo)準(zhǔn)遺傳算法和一般的自適應(yīng)遺傳算法,。
2 告警相關(guān)性在微波通信中的應(yīng)用
    由于通信告警在邏輯上具有告警相關(guān)性,，單個(gè)的故障告警往往會(huì)觸發(fā)一系列的相關(guān)聯(lián)的告警，導(dǎo)致產(chǎn)生大量告警信息,，使對(duì)故障的判斷和定位變得困難,。例如：在微波通信中，在網(wǎng)絡(luò)管理客戶端上對(duì)同一個(gè)MPT進(jìn)行收發(fā)頻率的配置,，如果配置的收發(fā)頻率和MPT真實(shí)的收發(fā)頻率不一致,，會(huì)出現(xiàn)Incompatible Frequency Alarm，同時(shí)會(huì)導(dǎo)致Incompatible Shifer Alarm告警的產(chǎn)生,，這就是由于兩個(gè)告警之間的關(guān)聯(lián)性,，一個(gè)告警的產(chǎn)生，導(dǎo)致另一個(gè)告警的產(chǎn)生,。如果網(wǎng)絡(luò)中同時(shí)發(fā)生多個(gè)故障,，告警的情況就會(huì)變得更為復(fù)雜。網(wǎng)絡(luò)管理員面對(duì)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(wú)法修復(fù)所發(fā)生的故障,。
    告警相關(guān)性分析的目標(biāo)是為網(wǎng)絡(luò)中某個(gè)設(shè)備故障抑制不必要或不相關(guān)的告警，為網(wǎng)絡(luò)管理員提供更準(zhǔn)確的故障告警信息，找到產(chǎn)生故障告警的根源,，以實(shí)現(xiàn)快速,、準(zhǔn)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(jí)別低的告警,，同時(shí)也可以被比它級(jí)別高的告警抑制。
    告警相關(guān)性分析的過(guò)程,，就是比較所有出現(xiàn)的通信告警之間的優(yōu)先級(jí)關(guān)系,，抑制告警級(jí)別低的告警，使其不上報(bào)給網(wǎng)絡(luò)管理系統(tǒng),，只向上發(fā)送最高級(jí)別的告警,，以減少告警上報(bào)的數(shù)量，有利于告警根源的準(zhǔn)確判斷,。告警抑制功能用來(lái)減少故障告警的上報(bào)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(bào)給網(wǎng)絡(luò)管理系統(tǒng),。如出現(xiàn)MPT Card Fail Alarm，則所有的通信業(yè)務(wù)將中斷,，也就不會(huì)出現(xiàn)通信告警,。高級(jí)別的通信告警會(huì)抑制低級(jí)別的告警，被抑制的通信告警將不再被上報(bào)給網(wǎng)管系統(tǒng)顯示,。如出現(xiàn)Demodulator Fail告警,，就不會(huì)在上報(bào)High BER告警。
    告警處理過(guò)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(shè)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(cè)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(jìn)程從微波通信接收和發(fā)射設(shè)備中獲得告警的狀態(tài),。
    (2)如果檢測(cè)到的告警狀態(tài)和老的告警不相同,，則保存新的檢測(cè)到的告警，并且轉(zhuǎn)到(3),，否則什么都不做,。
    (3)計(jì)算是否有比這個(gè)告警級(jí)別高的告警，如果有,，則重新計(jì)算告警相關(guān)性狀態(tài),，保存并發(fā)送到告警上報(bào)模塊；如果沒(méi)有，則計(jì)算是否有比此告警級(jí)別低的告警,，如果有,，則重新計(jì)算告警相關(guān)性狀態(tài)，保存并發(fā)送到告警上報(bào)模塊,。
4 實(shí)驗(yàn)結(jié)果
    實(shí)驗(yàn)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(diǎn):(1)更可靠，易于實(shí)現(xiàn),；(2)便于修改告警相關(guān)性規(guī)則,；(3)自適于網(wǎng)絡(luò)配置信息的改變；(4)適用于微波通信設(shè)備的故障診斷,，但由于組成微波通信網(wǎng)的設(shè)備很復(fù)雜,，生產(chǎn)廠商型號(hào)、規(guī)格的不同,，為得到一個(gè)通用相關(guān)性模型,，使它適用于各種電信網(wǎng)絡(luò)，還需繼續(xù)研究,。
參考文獻(xiàn)
[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(guó)，呂衛(wèi)鋒.通信網(wǎng)絡(luò)中的告警相關(guān)性研究[J].計(jì)算機(jī)工程與應(yīng)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(luò)告警分析中的應(yīng)用研究Portland，Oregon:AAAI Press,，1996:146-151.
[8] 胡一飛.計(jì)算機(jī)網(wǎng)絡(luò)中告警數(shù)據(jù)處理技術(shù)的研究[J].福建電腦,，2005(11):32-33.