基于拓扑管制技术的网络故障定位1.doc
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于拓扑管理技术的网络故障定位1西南交通大学
毕业设计(论文)
基于拓扑关联技术的网络故障定位
年级:2004级
学号: 20041816
姓名:段卿培
专业:计算机科学与技术
指导老师:马永强教授
二零零八年六月
院系信息科学与技术学院专业计算机科学与技术
年级2004级姓名段卿培
题目基于拓扑关联技术的网络故障定位
指导教师
评语
指导教师(签章)
评阅人
评语
评阅人(签章)成绩
答辩委员会主任(签章)
年月日
毕业设计任务书
班级计算机一班学生姓名段卿培学号20041816 专业计算机科学与技术发题日期:2008 年1月15日完成日期:2008年6月12日
题目基于拓朴关联技术的网络故障定位
题目类型:√工程设计技术专题研究理论研究软硬件产品开发
一、设计任务及要求
1.了解网络故障管理及故障定位技术等背景知识;
2.学习基于拓朴关联技术的网络故障定位原理与算法;
3.学习VC++及SQLServer(或ACCESS)等编程开发工具;
3.系统总体设计、数据库设计;
4.故障定位软件设计、编程和调试;
5.系统联调。
二、应完成的硬件或软件实验
1.数据库的操作;
2.故障定位软件的调试。
三、应交出的设计文件及实物(包括设计论文、程序清单或磁盘、实验装置或产品
等)
1.毕业设计说明书;
2.系统的源代码、安装运行环境说明;
3.英文翻译;
4.毕业设计指导纪要;
5.毕业设计光盘。
四、指导教师提供的设计资料
1.开发工具和开发环境的有关资料;
2.软件开发范例。
五、要求学生搜集的技术资料(指出搜集资料的技术领域)
1.VC++等编程技术;
2.数据库设计的相关参考书;
六、设计进度安排
第一部分熟悉相关的背景知识、算法(4周)第二部分自学V C++、SQL Server等编程开发工具(3周)第三部分系统总体设计、数据库设计、处理软件的设计与调试(6周)第四部分毕业论文的撰写及技术文档整理(3周)评阅及答辩(1周)
指导教师:2008 年1月10日
学院审查意见:
审批人:2008 年1月15日
注:设计任务书审查合格后,发到学生手上。
西南交通大学信息科学与技术学院2006年制
摘要
随着计算机科学的快速发展,网络通信技术的不断提高,计算机网络己经成为人们工作生活中必不可少的基础设施之一,人们对于网络的依赖性越来越强,与此同时,网络的规模和复杂性出现了爆炸性的增长,而人们却只关心网络提供不间断的正常服务,或者是当网络发生故障时能及时恢复正常。
这使得网络故障管理陷入了困境,尤其是使得传统的依靠人工方式进行的网络故障诊断陷入了困境。
从而高效、准确的智能化网络故障诊断技术成为故障管理的迫切需要。
故障诊断中的故障定位问题尤其受到关注,本文就对网络故障诊断中的故障定位问题进行了相关的研究。
由于网络的互联性,网络故障之间存在着一定的关联关系,也就是通常所说的网络故障的传播特性。
单一的网络故障可能导
致大量的故障现象,而每一个故障现象都会作为独立的事件被网络故障诊断系统所捕获。
网络故障定位就是要根据事件关联关系,从多个故障事件中定位出故障源。
本文在分析了现有的几种网络故障定位技术的基础上,提出了一种基于拓扑关联技术的故障定位方法。
该方法利用了网络拓扑结构节点的关联关系,针对网络故障最主要的传播特性,通过故障关联算法进行故障定位。
最后,本文软件模拟实现了该故障定位方法。
在本文的软件设计中,利用网络拓扑结构的连接关系,通过关联关系算法,创建网络拓扑结构的关联关系。
通过输入故障数据构成一次故障事例,采用故障关联算法定位出本次故障事例的故障源。
关键词: 网络管理;拓扑关联;故障关联;故障定位
基于网格的临床医学数据挖掘技术的应用
研究,临床医学-
摘要:该的研究视角是当前比较热门的临床医学数据挖掘,分析了临床医学数据的存储特点,提出了依托医院现有网络实现医院的海量临床医学数据挖掘的方法,为医院在疾病诊断和治疗、医学科研与教学、医院管理等方面提供帮助。
关键词:网格数据挖掘临床医学数据ﻪﻭ快速发展的网
格计算将网络上分散的计算机建成了一个虚拟的计算机体系,实现了网络上存在的分散资源的共享,为分布在不同的地方、结构不同的动态变化数据提供了一个存储容器。
网格技术一出现就引起了广泛的关注,GlobusToolkit 4推出了支持Windows的Java Ws-Core软件包以来,使网格在Windows下的开发有了一个新的依托平台。
数据挖掘改变了数据处理技术,从数据库中提取有用的知识,给决策者提供技术支持。
目前,很多决策性的知识都来源于网络,这样,用户需要处理大量的原始数据。
将网格技术与数据挖掘结合起来,就可以解决网络上分散数据的挖掘问题。
网格技术与数据挖掘技术日渐成熟,完全可以把两者结合起来,完成网络上分散的海量数据的挖掘任务。
随着网格技术的逐步成熟,网格的研究也从科学研究单位扩大到了社会的诸多领域,许多商业机构,学校,政府等部门都逐步引入了网格研究应用平台。
网格给我们提供的分布式计算平台具有分布式系统的优势,同时弥补了分布式系统自身的许多缺陷。
如将网格应用到分布式医院系统,建立一个基于网格的数据挖掘系统,必将使其在疾病诊断和治疗、医学科研与教学、医院管理等方面发挥巨大作用。
ﻭ1医学数据的存储特点
医院网络的特点决定其数据源的存储和分布在空间上呈现分布异构特点。
分布式数据源是指在物理上分布而逻辑上集中的数据源系统。
分布式医学数据源作为数据挖掘工作的对象,是使用计算机网络将地理位置分散的多个逻辑单位(各个节点上的数据集)连接起来,它们的管理和控制又需要不同程度集中,共同组成一个数据源。
即分布式数据源可以看成是计算机网络与多个不同组织节点上数据集的有机结合,分布式医学数据源存储特点具有以下几点:(1)物理分布性,数据分散存储在网络中的多个节点
上;(2)逻辑全局性,物理上分散存储的在各个节点的数据逻辑上是一个全局数据源;(3)节点自治性,各个节点的数据由本地用户管理,具有自治处理能力,可以完成本节点的挖掘应用,即局部数据挖掘。
分布式医学数据源在数据空间分布、数据结构表达等方面存在许多差异,目前国内外对分布式数据源的分类和定义没有统一的标准,比较认同的分类方法有两种:(1)按局部数据模型分类,分为同构型和异构型。
(2)按分布式数据源控制系统的类型分类,分为集中型、分散型和可变型。
2 临床医学数据挖掘的特点ﻪﻭ临床医学数据包含的信息非常丰富和复杂,目前基本所有医院都有病人的电子病历,病人的B超、CT、X光、心电图等影像资料也对疾病诊断起到一定的辅助作用,加之涉及到病人信息的病理参数、化验结果等临床信息,它们形成了一个复杂类型的数据库系统,该数据库涉及到病人、科室、医院管理层等多个方面。
而临床医学信息又具有隐私性、多样性、不完整性、冗余性、异质性和缺乏数学性质等自身特性,使得临床医学数据与常规的数据挖掘之间存在很大的差异。
临床医学数据的挖掘方法主要有统计法、机器学习方法、神经网络法和数据库法,这些方法遍布疾病的诊断、治疗和预防分析以及医院管理的各个方面。
ﻭ临床医学数据库按是否含有医学影像数据可简单的归纳为两类:第一类为医学影像加上其他相关的医学参数的数据库;第二类为无医学影像的纯医学参数的数据库。
该主要研究纯医学参数的数据库,以结构化为主的关系型数据为主要研究对象。
在医疗实践中产生的大量的结构化医学数据,可以从医院和患者的角度分析这些数据,涉及到医院的信息包括每个科室信息统计和全院数据汇总等方面,涉及到患者的信
息包括登记挂号、门诊就诊、开单检查、手术及药物处置、入院治疗、划价交费等方面。
根据临床医学数据源存储特点建立的网格中,处在这个网格中的每台计算机就是这个网格的一个节点,称之为网格节点。
通过上面的分析可知,基于网格的临床医学数据挖掘需求分析可以分为两类:支持网格中心控制节点的数据挖掘需求分析和支持局部网格节点的数据挖掘需求分析。
3支持网格中心控制节点的数据挖掘需求分析ﻪﻭ网格中心控制节点主要处理医院的综合信息。
根据医院的实际情况,其现实需求可能有很多种,这里不一一举例,只列举几项。
ﻪﻭ(1)病人构成分析。
分析门诊病人和住院病人性别、年龄、身份、职业等方面,从而得到不同类型病人的经济状况、主要需求医疗服务类型等信息,能够有针对性地采取措施来提高服务质量,增加门诊量和住院量。
ﻭ(2)患者费用构成分析。
患者的费用主要构成有检查费、治疗费、化验费、手术费,这些费用涉及到多个科室,应用数据挖掘技术可以使收费项目结构合理性,优化收费项目结构,减少患者的一些无谓的检查治疗费,病人的负担减少了,医患关系也就更和谐了。
ﻪ(3)药品使用分析。
在某一时间段内,分析各个科室的药品使用情况,及时发现药品使用的不合理现象,为医院管理者提供控制药品比例依据。
ﻪ(4)各科室费用分析。
对比分析医院每个科室或每个病区的在不同时间段内各种费用,找出每个科室盈利或亏损的原
4支持局部网格节点的数据挖掘因,为奖惩提供量化依据。
ﻪﻭ
需求分析ﻭ局部网格节点管理的信息具有局限性,涉及的范围较小。
ﻪ(1)单病种分析:现在的诊断方法、项目很多,选择正确的诊断方法,有助于避免误诊,比如通过测定儿童血液中的钙、铁、镁、锰和血红蛋白等微量元素含量来判断其营养情况。
ﻪﻭ(2)病人就诊时间分析:很多疾病都是季节性发病的,比如流感、心脑血管病等,这样病人的就诊时间就有很强的季节性,通过分析每月、每季度的门诊人次、住院人次来预测下一时期的门诊和住院人次。
5 结语
ﻪ以上简单的分析了临床医学数据分布情况下的数据挖掘需求分析,目前数据挖掘技术主要应用于以结构化数据为主的关系数据库、事务数据库和数据仓库。
考虑到医院信息的特点,该系统采用三步式数据挖掘方式,数据资源由全局控制节点统一管理,当有数据挖掘任务时,全局控制节点把集中式数据库按水平方式或垂直方式进行划分,把划分好的数据集传递至局部网格节点。
结合临床医学数据自身具有的特殊性和复杂性,处理好挖掘过程中的关键技术,基于网格的临床医学数据挖掘将有广阔的应用前景。