基于大数据分析的云资源池告警信息关联方案

doi:10.11959/j.issn.1000-0801.2020141

摘要/Abstract

摘要：

研究了一种云资源池端到端智能化运维管理系统，提出一种智能判断故障模块的技术架构，分析了实现云资源池端到端告警关联的基本方法，阐述了云资源池单KPI异常检测分析方法和多KPI故障传播链分析方法的实现原理，并重点介绍了物理主机告警与虚拟主机告警、IP SAN存储告警与虚拟对象存储告警、主机设备告警与网络告警的关联关系，为运营商提升云资源池端到端智能化运维能力提供了借鉴和参考。

关键词: 云资源池, 告警关联, 根因分析, 智能运维

Abstract:

An end-to-end intelligent operation and maintenance management system of cloud resource pool was studied,and a technical framework of intelligent obstacle detection module was proposed.The basic method of realizing end-to-end alarm association of cloud resource pool was analyzed.The realization of anomaly detection analysis method of single KPI and fault propagation chain analysis method of multi-KPI in cloud resource pool were expounded.The relationship between physical host alarm and virtual host alarm,IP SAN storage alarm and virtual object storage alarm,host device alarm and network alarm were introduced emphatically,which provide a reference for improving the end-to-end intelligent operation and maintenance capability of cloud resource pool.

Key words: cloud resource pool, alert correlation, root cause analysis, intelligent operation and maintenance

中图分类号:

TP307

李青. 基于大数据分析的云资源池告警信息关联方案[J]. 电信科学, 2020, 36(10): 159-171.

Qing LI. Alarm information association scheme of cloud resource pool based on big data analysis[J]. Telecommunications Science, 2020, 36(10): 159-171.

图/表 14

图1

图2

图3

图4

图5

图6

图7

表1

表2

表3

图8

图9

图10

表4

参考文献 13

[1]	张柳 . 云环境下网络告警管理系统设计[D]. 南京:南京邮电大学, 2015.
	ZHANG L . Design of network alarm management system in cloud environment[D]. Nanjing:Nanjing University of Posts and Telecommunications, 2015.
[2]	张学红, 闫五四, 李永春 ,等. 基于序列模式挖掘的网管告警系统[J]. 电信科学, 2006,32(11): 29-32.
	ZHANG X H , YAN W S , LI Y C ,et al. Network management alarm system based on sequential pattern mining[J]. Telecommunication Science, 2006,32(11): 29-32.
[3]	王新苗, 晏蒲柳, 黄天锡 . 网络管理告警数据库中时序规则挖掘的一种新方法[J]. 小型微型计算机系统, 2001,19(11): 1311-1314.
	WANG X M , YAN P L , HUANG T X . A new method of mining time series rules in network management alarm database[J]. Minicomputer System, 2001,19(11): 1311-1314.
[4]	VMware Inc. Vrealize-operations-manager-67-api-guide[S]. 2018.
[5]	VMware Inc . Vrealize-operations-manager-67-reference-guide[S]. 2018.
[6]	李岩, 吴国文 . SVM-SMO算法分析及在运维中的应用[J]. 智能计算机与应用, 2018,3(2): 78-80.
	LI Y , WU G W . SVM-SMO algorithm analysis and application in operation and maintenance[J]. Intelligent Computer and Application, 2018,3(2): 78-80.
[7]	CSDN. FP-growth算法理解和实现[EB]. 2018.
	CSDN. FP growth algorithm understanding and implementation[EB]. 2018.
[8]	崔力民, 何清素, 王俊生 ,等. 基于二分图模型的通信信息网络故障联合定位[J]. 电信科学, 2017,33(3): 76-82.
	CUI L M , HE Q S , WANG J S . Joint fault location of communication information network based on binary graph model[J]. Telecommunication Science, 2017,33(3): 76-82.
[9]	刘军, 楚家辉 . 基于网络拓扑结构的告警事件关联分析算法研究[J]. 数字技术与应用, 2017，(4):144.
	LIU J , CHU J H . Research on alarm event correlation analysis algorithm based on network topology[J]. Digital Technology and Application, 2017，(4):144.
[10]	毛斌宏, 阳志明 . NFV 故障关联及故障自愈方案研究[J]. 电信科学, 2017,33(11): 186-194.
	MAO B H , YANG Z M . Research on NFV fault correlation and fault self-healing scheme[J]. Telecommunication Science, 2017,33(11): 186-194.
[11]	熊云艳, 毛宜军, 丁志 . 安全事件关联分析引擎的研究与设计[J]. 计算机工程, 2006,32(13): 280-282.
	XIONG Y Y , MAO Y J , DING Z . Research and design of security event correlation analysis engine[J]. Computer Engineering, 2006,32(13): 280-282.
[12]	王洋, 满毅, 陈志鹏 . 基于集中监控数据资源的4G基站退服故障预警模型[J]. 电信科学, 2016,32(7): 188-196.
	WANG Y , MAN Y , CHEN Z P . Early warning model of 4G base station service failure based on centralized monitoring data resources[J]. Telecommunications Science, 2016,32(7): 188-196.
[13]	孙娟, 石秋华 . 对 FP-Growth 算法的一种改进算法[J]. 软件导刊, 2012,11(1): 62-64.
	SUN J , SHI Q H . An improved algorithm for FP growth algorithm[J]. Software Guide, 2012,11(1): 62-64.

故障ID	告警事件
Fault1	A1、A2、A5
Fault2	A2、A4
Fault3	A2、A3、A6
Fault4	A1、A2、A4
Fault5	A1、A3、A7
Fault6	A2、A3、A8
Fault7	A1、A3
Fault8	A1、A2、A3、A5

告警事件	A1	A2	A3	A4	A5
告警次数/次	6	7	6	2	2

告警事件	A2	A1	A3	A4	A5
告警次数/次	7	6	6	2	2

项目	条件模式基	条件FP树	产生的频繁模式
A5	{(A2 A1:1),(A2 A1 A3:1)}	(A2:2,A1:2)	A2 A5:2,A1 A5:2,A2 A1 A5:2
A4	{(A2 A1:1),(A2:1)}	(A2:2)	A2 A4:2
A3	{(A2 A1:2),(A2:2),(A1:2)}	(A2:4,A1:2),(A1:2)	A2:A3:4,A1 A3:4,A2 A1 A3:2
A1	{(A2:4)}	(A2:4)	A2 A1:4

[1]	张海龙, 李博, 贾娜娟. 基于Dijkstra算法的电力光通信网络智能运维设备脱网故障区段定位方法[J]. 电信科学, 2023, 39(1): 92-99.
[2]	赵东明. 电信运营商知识图谱技术体系研究及应用实践[J]. 电信科学, 2022, 38(8): 151-162.
[3]	程瑞营, 张攀, 肖雨, 乔宇杰, 张安奕. 基于时序数据的云网协同平台人工智能运维体系[J]. 电信科学, 2022, 38(11): 24-35.
[4]	韩赛, 张冬月, 王泽林, 王光全, 李奥, 方遒铿, 马红兵. 跨专业承载网络智能运维研究与应用[J]. 电信科学, 2022, 38(11): 113-122.
[5]	王速, 卢华, 汪硕, 蔡磊, 黄韬. 智能运维中KPI异常检测的研究进展[J]. 电信科学, 2021, 37(5): 42-51.
[6]	赵龙刚, 刘汉生, 王峰, 狄爽. 基于行为画像的物联网业务保障方法[J]. 电信科学, 2021, 37(5): 52-63.
[7]	陆钢,陈长怡,黄泽龙,黄泽源. 面向云网融合的智能云原生架构和关键技术研究[J]. 电信科学, 2020, 36(9): 67-74.
[8]	薛龙,陆钢,周奇,张会炎,万亭君. 面向云原生的智能运维架构和关键技术[J]. 电信科学, 2020, 36(12): 105-112.
[9]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[10]	谭晓敏,方艾,金铎,李长江. IPTV用户体验异常的自动化检测[J]. 电信科学, 2019, 35(7): 159-164.
[11]	陈天骄,刘江,黄韬. 人工智能在网络编排系统中的应用[J]. 电信科学, 2019, 35(5): 9-16.
[12]	郭云峰,蔡珩,戈磊. 基于大数据网格的电信IT系统智能运维体系[J]. 电信科学, 2018, 34(6): 153-161.
[13]	刘孝颂,黄挺. 巡检机器人在互联网数据中心智能运维中的应用探索与研究[J]. 电信科学, 2018, 34(12): 132-137.
[14]	蔡超,袁林,张锡娜. 集约化宽带服务智能运维体系构建方法[J]. 电信科学, 2017, 33(1): 114-124.
[15]	赖培源,马卫民,刘艺,陈天. 云资源池网络自动化部署技术研究与实践[J]. 电信科学, 2015, 31(7): 96-103.