基于关联图的网络故障智能诊断的研究与实现

文/刘迪 祚禹 刘庚 孟明磊（辽宁省烟草公司沈阳市公司）

1.背景

随着计算机与网络技术的飞速发展，计算机与网络己经成为当今社会生产、生活必不可少的一部分，对社会经济的快速发展起着巨大的推动作用。如何有效、合理的管理现代的大规模网络，使网络高效、可靠、安全的运行是网络管理领域所面临的紧迫问题。网络故障诊断现在已经成为一个迫切需要解决的问题。

随着网络规模的不断扩大，网络逐步向异构性、动态性与智能化的方向发展。这些变化对网络故障诊断问题也提出了越来越高的要求。故障诊断领域早在上世纪五、六十年代就有相关的研究，随着上世纪五十年代计算机网络的出现及网络规模的不断扩大，网络故障智能诊断领域也逐步进行了不断的探索与研究。国内的网络故障诊断领域的研究主要集中在把智能诊断技术与人工智能领域的相关知识相结合，以适应网络系统的不断变化及现实需求。这些网络故障诊断技术都有各自的优点能解决特定的网络环境中出的故障，但是这些方法也有各自缺点。

本文提出了考虑时间因素的基于关联图和案例库的故障定位算法，此算法在关联图出现环路时考虑时间因素即当关联图中出现环路时依据关联图中各顶点所代表的故障事件的发生时间定位故障，最早发生故障的事件很有可能就是故障源。

2.关联图算法

故障事件之间不是相互独立的，这些故障事件之间是存在着一定关联关系，例如一种故障事件是由另一种故障事件引起的。网络故障事件之间的关系是可以用有向图的形式表示的。有向图的每个节点表示一个故障事件或一个故障事件集合，有向图的弧，表示各个节点所代表的故障事件之间的关联关系。入度为零的单事件顶点代表的网络故障事件是相互独立的而不是由其他网络故障事件引发的，就是我们要找的可能的故障源。

假设U为某网络中的全局故障事件，当网络故障定位模块检测到一个故障事件序列故障事件序列用本算法可得到对应关联图的邻接矩阵如下：

本文提出了考虑时间因素的基于关联图的网络故障定位算法，此算法可以在关联图出现环时定位故障。算法的详细描述如下：

·输出：故障源集合S。

·步骤：

否则：如果每列都不全为0，则选择这样的一列对应的顶点事件作为故障源：该列对应的顶点为且中只有一个元素且则

步聚5：将此故障定位的发生故障事件序列、发生故障事件对应的时间序列、故障定位的结果作为一个新案例加入到案例库中

考虑时间因素的基于关联图和案例库的故障定位算法可以解决带环的关联图的故障定位问题。根据故障发生的时间来定位故障，发生时间早的故障很有可能就是故障源。

3.算法实现

通过对以上的模拟，可以看出应用此算法所得出的故障定位结论都是正确的。在实验中可以看出，考虑时间因素的基于关联图和案例库的故障定位算法是能够正确的进行网络故障定位的。

4.总结

本文针对网络故障的传播特性，在现有的网络故障定位技术的基础上给出了一种考虑时间因素的基于关联图和案例库的故障定位算法。该算法在没有专家知识支持的条件下，能够准确的隔离和定位故障源。同时算法能够解决关联图出现环时的故障定位问题且拥有较高的效率。通过实例的检验，证明了该算法的可行性。