基于模糊化理论的网络故障分析系统的研究

基于模糊化理论的网络故障分析系统的研究作者：胡凤彦;李天舒;孟明磊;祚禹
来源：《价值工程》2010年第23期
摘要: 随着网络规模不断扩大、网络设备不断更新、网络拓扑结构日趋复杂,现有网络管理系统已经很难高效准确地管理网络系统。

因此如何通过对网络性能数据的分析让网络管理员更有效的管理网络并快速排除故障显得格外重要。

本文采用与模糊化理论相融合的方式,提出了基于模糊化理论的网络故障分析系统的研究。

对采集的网络数据采取模糊化理论进行分析,来确定系统是否出现故障等。

Abstract: Network is becoming bigger and bigger, network devices keep updating, and netork topology is becoming more and more complex. The current network management systems can not manage network accurately. So, it is extremely important to analyze network performance data to detect and remove network error. The paper introduces a fuzzy-theory-based network error analyzing system. Collected network data is analyzed to determine error based on fuzzy theory.
关键词: 网络故障;模糊化理论;网络管理;故障分析
Key words: network error;fuzzy theory;network management;error analysis
中图分类号:TP393 文献标识码:A文章编号:1006-4311(2010)23-0143-02
0引言
随着计算机网络技术的蓬勃发展,网络在社会生活、工作、学习中变得越来越重要。

如果网络一旦发生故障不能及时修复,对于企业来说,产生的经济损失无法估计。

因此,网络管理人员必须及时修复网络中的故障,以减小损失。

但是,由于网络设备不断增加、网络规模不断扩大、网络拓扑结构日趋复杂,因此网络故障的排除日趋困难[1]。

即使是拥有丰富经验的网络管理人员,也很难及时找到网络故障的具体位置,以解决网络问题。

有些公司为了避免不必要的损失,雇佣了大量的网络管理人员,增加了企业运营成本,但是对于故障的维护并未见到显著的提高[3]。

这已成为网络管理技术发展的瓶颈。

智能网络管理系统,就是为了实时监控各种网络设备的运行情况,最大限度地预计网络出现故障的位置。

目前智能网络管理系统以及相关网络监控系统以及网络故障诊断系统日趋受到业界重视,并且也成为了国内外基于网络数据分析的前沿课题。

本文对网络设备的性能数据进行采集,并利用模糊化理论对采集来的网络性能数据进行分析,以便及时准确的进行故障告警以及故障诊断工作。

1数据分析研究
数据分析对网络是否异常做出初步判断,如果出现异常则进入故障定位模块,如果数据未发生异常,则不经过故障定位模块,大大的缩短网络故障的定位事件,同时减少了计算机处理负担。

对网络进行故障诊断之前,首先需要确定网络是否发生异常。

本文对基于SNMP数据采集模块采集的数据进行分析,针对不同的数据类型采用不同的分析方法,有的类型数据可以不进行数据分析,其中数据分析方法有开关量分析法、阈值分析法。

不分析:不分析策略是针对A类信息(设备静态数据,如设备归属人,设备物理地址等),这类设备静态物理信息,这些信息是通过人工设置改变的,并且本类信息对网络异常的判断没有意义,所以采用不分析的策略。

开关量分析法:开关量数据分析是针对设备信息的某些属性只有几种固定取值的数据信息[2],例如只有工作、关闭、测试这三种取值[3],因此通过采集到的数据便可确定端口工作状态,如果端口工作,则不返回任何信息,如果端口不工作或者出现错误,则产生报警信息即可。

开关量分析法针对B类信息(如端口工作状态等数据)非常有效。

阈值分析法:阈值分析法是针对动态数据中的反应性能的数据状况的一种分析法,性能数据的取值是连续性数据而非离散型数据,不能通过开关量分析法进行有效分析,但是针对此类数据,因此阈值分析法设定阈值作为正常与异常的分界线,利用模糊数学理论确定本数据异常的可能性。

阈值分析法适用于C类数据(实时变化数据,如CPU使用率、端口流量等类似数据)。

2开关量分析法
开关量分析法是一种简单的分析方式,针对特别类型网络性能参数,可以快速准确简单的确定网络是否发生故障。

开关量分析法适用于网络接口工作状态数据,例如MIB中有IfAdminStatus(管理者希望端口的工作状态)和ifOperStatus(端口的真正工作状态)两个属于开关量的类型数据对象。

如表1所示,列出这两个对象IfAdminStatus与ifOperStatus不同取值的时候的所有组合与意义,通过这些组合判断网络设备接口是否出现异常。

这种异常和下面的开关量表示方法有所不同,本检测方法利用了经典集合理论,检测结果只有异常与正常两种结果。

3阈值分析法
在阈值分析法中,采用模糊集的方式处理对象取值分析,使智能网络管理系统更有效地处理具有复杂、不确定等特性的网络问题、更大程度提高智能网络管理系统的预警能力与故障定位能力[4]。

阈值分析法适用于C类数据的分析。

模糊数据分析法就是为每一个C类MIB对象数据定义一个隶属度函数,本文采用下降半梯形模糊分布和升半梯形模糊分布这两种模糊分布给C类MIB对象确定隶属度函数[5]。

利用升半梯形模糊分布确定OID对象值发生故障的隶属函数如图1所示,假设OID的阈值是100,并获得OID Value=80,那么根据升半梯形模糊分布确定其隶属度函数为0.8,该模糊分布的隶属度函数表示发生故障的概率为80%。

依据下降半梯形模糊分布确定OID对象值不发生故障的隶属函数[6],如图2所示,本OID的阈值为100,并获取OID Value=80,那么根据,下降半梯形模糊分布确定其隶属度函数为0.2,该模糊分布的隶属度函数表示不发生故障的概率为20%。

根据图1与图2,可以看出,当固定MIB值等于固定取值时,其故障发生概率与故障不发生概率的和为1,进而论证MIB取值在图2与图3的隶属度函数分别确定发生故障的概率与不发生故障的概率是完全合乎理论规定的。

因此我们可以用这种方式确定故障是否发生的概率。

克服了传统阈值越界报警的局限性。

4结论
由于本文采在故障分析中采用的算法无需大量运算,因此可以快速对网络故障进行定位,因此及时、高效诊断网络故障,同时接触网络故障可能解决的方案,以备网络维护人员参考。

从而将网络故障的损失降到最低。

参考文献:
[1]Zheng Q H, Qian Y T, Yao M. Non-Deterministic Event Correlation Based On C-F Model [J]. In PROCEEDINGS of FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY, PT 2, 2005,
LANI3614:1107-1117.
[2]Basak J,Krishna Puram R. Interpretable Hierarchical Clustering by Constar Retina Unsung Perverse Decision Tree [J]. IEEE Transactions Knowledge and Data Engineering.2005,17(l):121-132.
[3]Nasution S. Fuzzy Critical Path Method[C].IEEE Transactions on Systems Man and Cybernetics, 1994, 24(1):48-57.
[4]Nasution S. Fuzzy Critical Path Method[C].IEEE Transactions on Systems Man and Cybernetics, 1994, 24(1):48-57.
[5]张连营,王亮,吕文学. 网络计划的模糊分析[J]. 天津大学学报,2004,37(2):175-178.
[6]Cheung D .W,Han J,Ng V, Wang C. Y. Maintenance of discovered association rules in large databases: An.
[7]王云岚,李增智,赵银亮,刘康平. 基于数据融合的知识发现方法在网络故障管理中的应用. 计算机工程与设计,2002年9月第23卷第9期:53-56.。