[发明专利]基于故障标志物的云化网络业务故障预测方法

说明书

本发明提供了一种基于故障标志物的云化网络业务故障预测方法，其包括：采集待分析云化网络底层监测数据，进行业务故障标志物备选参数分析，针对云化网络业务故障标志物备选参数进行显著性分析，进行云化网络业务显著性表达参数组的耦合性分析，构建基于关键参数提取和样本统计的标志物，基于故障标志物进行云化网络业务故障的预警、虚警和预测在内的预测结果分析。本发明能够自上而下分析引起业务故障的原因，实现了特征参数的动态性，并从预先变化性、显著性、耦合性的角度分析设计出动态立体的业务故障标志物，更有效地预测云化网络业务故障。

技术领域

本发明属于可靠性及安全系统工程技术领域，特别是一种基于故障标志物的云化网络业务故障预测方法。

背景技术

随着云化虚拟化网络技术的发展，以用户为核心、以业务为驱动成为云化网络系统在设计和运维过程中的核心理念，云化网络通过设计、部署多业务来满足用户的使用需求，如百度搜索业务、百度地图业务等，而用户对这些业务的体验要求也越来越高，如百度搜索业务在使用过程中能否保持正常返回结果。对于网络运营商而言，如何保证云化网络业务满足用户的体验要求是网络运维管理的终极目标。业务故障预测是保障业务高可靠运行的关键技术，其可以通过监测网络中的关键参数及分析来预测业务未来的运行状态，为网络运营商的运维决策提供重要的技术支持和保障。

云化网络业务动态部署使得参数集合动态变化，而业务间的资源耦合、流程耦合等又使得参数间具有多种耦合关系，难以实现云化网络业务故障的准确预测。当前的故障预测方法中，特征参数的集合固定不变，为一个静态集合，同时对特征参数间的复杂多耦合关系考虑不足，不能对云化网络业务故障进行准确预测。因此，为解决此问题，寻求一种基于故障标志物的云化网络业务故障预测方法，以有效地预测云化网络业务故障是十分迫切且必要的。

发明内容

本发明针对上述现有技术中的缺陷，提出一种基于故障标志物的云化网络业务故障预测方法。该方法包括采集待分析云化网络底层监测数据，进行业务故障标志物备选参数分析，针对云化网络业务故障标志物备选参数进行显著性分析，进行云化网络业务显著性表达参数组的耦合性分析，构建基于关键参数提取和样本统计的标志物，基于故障标志物进行云化网络业务故障的预警、虚警和预测在内的预测结果分析。本发明能够自上而下分析引起业务故障的原因，实现了特征参数的动态性，并从预先变化性、显著性、耦合性的角度分析设计出动态立体的业务故障标志物，更有效地预测云化网络业务故障。

本发明提供一种基于故障标志物的云化网络业务故障预测方法，其包括以下步骤：

S1、云化网络业务备选参数分析：采集待分析云化网络底层监测数据，进行业务故障标志物备选参数分析，所述业务故障标志物备选参数分析包括参数的预先变化性分析和基于相关性的备选参数筛选；

S2、云化网络业务备选参数的显著性分析：针对云化网络业务故障标志物备选参数进行显著性分析，通过对备选参数进行双总体独立样本T检验筛选，确定具有显著变化性的参数，获取显著性表达参数组{m₁,m₂,m₃,...,m_f}，其中，f为显著性表达参数组的参数个数；

S3、云化网络业务显著性表达参数组的耦合性分析：进行显著性表达参数组的聚类分析，并基于综合指标值进行关键参数组分析；

S31、针对所述步骤2获取的显著性表达参数组{m₁,m₂,m₃,...,m_f}进行聚类分析：通过相关性系数计算显著性表达参数间的相关距离，并基于显著性表达参数的相关距离进行凝聚层次聚类AGNES分析，获得k个强相关参数组其中，g1和g2分别表示第1个和第k个强相关参数组的参数个数；