智能承载网络告警分析技术研究及应用.docx

智能承载网络告警分析

技术研究及应用

0前言

随着5G时代的来临，ICT产业全面融合，SDN/NFV、云和大数据等新技术的出现和发展，使得运营商面临来自各方面的严峻挑战。基于人工方式的传统运维技术，已经不能满足运营商未来网络高效运营和维护的要求，特别是在自动监控网络异常和排障、提升网络运维效率以及降低运营成本等方面，自动化智能化运维技术成为高效运维的必然之选。

承载网络故障的根因分析一直是个困扰运营商

——————————

收稿日期：2022-05-10

的疑难问题，其由不同厂家、不同设备类型构成，现网一旦出现故障，不同网络层级、模块、厂家、设备类型的大量故障告警就会出现，造成大量突发故障的假象，据统计现网单个地（市）每月告警量就可达到上百万条。传统采取人工处理方式消耗了大量的资源，运维成本居高不下。目前现网运维对于网络故障告警的处理主要采用人工总结经验的方式，排障效率低、故障定位难、运维难度大。

1人工智能在网络故障分析方面的应用现状

中国SDN/NFV产业联盟在其发布的《网络人工智能应用白皮书》上提到过网络人工智能的概念，指将人

工智能技术应用在网络中，使用机器替代或优化目前依靠人工进行的工作，使运营商能够更加便捷地提供更加优质的网络服务。目前全球多家运营商都发布了各自的人工智能战略，希望引入人工智能技术到网络规划、建设、维护及优化等各个方面，帮助自身实现网络智能化。其中，最为关注的热点是实现智能运维，降低运维成本。

在故障溯源方面，著名的IT研究与顾问咨询公司Gartner在2016年提出AIOps（ArtificialIntelligenceforITOperations）的概念，即通过人工智能的方式来支撑现在日益复杂的运维工作。AIOps可以在深度集成DevOps工具链的基础上获取系统数据，然后通过机器学习算法进行数据分析，更深度地解析数据中所蕴藏的运维信息。国内外各大公司，例如ATT、Microsoft、Facebook、百度、阿里巴巴等都在他们的运维系统中实验或部署了机器学习算法，助力某些运维任务智能化。华为诺亚方舟实验室开发了智能故障诊断系统，利用网络故障的历史记录数据自动构建通信领域知识图谱，并在知识图谱上进行概率推理，以自动问答的形式帮助工程师找出故障的根本原因。中国移动也发布了其AIOps智能网络运维系统，旨在强调实现以运维为中心依托数据挖掘技术与机器学习、深度学习算法，实现网络故障早发现，由被动的处理问题改为积极的

预防问题，从而提高整体资源的利用率和运维效率，降低运维成本。

2智能承载网络告警分析系统设计与研发

2.1系统总体架构

为了解决承载网络的海量告警故障定位难的问题，本文提出运用人工智能和大数据技术，设计了一系列对承载网络告警数据进行过滤、压缩、关联分析、故障溯源和派单的算法，开发了一套承载网络告警分析系统。通过系统对现网数据的智能分析，快速实现告警关联压缩、故障精准定位和故障原因诊断的任务目标。

系统总体架构如图1所示，通过对现网海量的告警、资源、拓扑、工单等数据的综合关联分析和训练模型学习，自动生成各种告警关联规则，准确定位根因告警，自动实现故障原因诊断和故障派单。功能上分为离线分析和在线处理2个部分。红色标识的为离线关联规则分析的信息处理流，绿色标识的为在线告警识别的信息处理流。系统整体是一个数据信息的处理机，其中相关模块通过不同的组合可以完成不同的目标任务。

2.2算法设计及功能

系统中引入人工智能的主要算法包括告警关联自

网元数据

业务数据

拓扑数据

历史告警数据

历史工单数据

在线告警数据

FTP

FTP

FTP系统资源北向

FTP 接口

FTP

Socket 系统

接口 告警

北向接口

Redis

网络告警关联分析及故障派单

数据统计分析纠错处

数据统计分析

纠错处理

频发告警识别

频发告警识别

用户侧告警识别

关联规则模板

在线根源衍生告警识别

自动派单算法

知识库

关联规则知识库 运维反馈

黑名单规则知识

派单 训练 挖掘

结果 模型 结果

图1智能告警分析系统总体架构

78 2022/07/DTPT

动挖掘算法和故障自动派单算法。

2.2.1告警关联规则自动挖掘算法

基于人工智能技术对当前的告警中关键信息进行恰当的分析处理，通过对告警信息进行规则匹配、时间序列模式挖掘等流程实现对告警信息的过滤、压缩，并依据各个告警之间的关联性来确定告警根源