CN103269290B - 基于案例库智能分析网络异常的方法和装置 - Google Patents
基于案例库智能分析网络异常的方法和装置 Download PDFInfo
- Publication number
- CN103269290B CN103269290B CN201310136746.0A CN201310136746A CN103269290B CN 103269290 B CN103269290 B CN 103269290B CN 201310136746 A CN201310136746 A CN 201310136746A CN 103269290 B CN103269290 B CN 103269290B
- Authority
- CN
- China
- Prior art keywords
- anomalous event
- case
- event
- anomalous
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种基于案例库智能分析网络异常的方法,包括:根据网络问题特征建立事件合成规则,合成异常事件;事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征;根据网络数据分析异常事件的问题现象,输出判定的问题类型及原因描述;根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,将异常事件案例推送至优化分析***跟踪分析。本发明还公开了一种基于案例库智能分析网络异常的装置。采用本发明所公开的方案,减轻了优化工程师的工作量,从整体上提高了工作效率,并且能够有利于快速定位并解决网络问题,固化、传承并共享网络优化处理经验,从而实现了资源的最大化利用。<!--1-->
Description
技术领域
本发明涉及到无线通信技术领域,特别涉及到一种基于案例库智能分析网络异常的方法和装置。
背景技术
全面提升网络质量,提升客户感知是网络优化长期的目标,而通过测试数据并根据测试结果分析异常事件、定位网络问题、诊断网络故障、提出方案措施是网络优化工作的重要环节。但随着网络规模的迅速扩展,网元及测试设备的多元化发展,我们面临的测试数据更加多样化(包括测试设备、文件类型以及测试项目的多样化),致使数据分析和管理的难度更加艰巨,人工方式已经远远无法满足多种数据、多种维度的优化分析需求。同时,事件案例的存放、调用和利用也有严重的局限性,由于缺乏与GIS(GeographicInformationSystem,地理信息***)的有效结合,因而不能做到按时间、空间及问题类型等多维度进行统计和调用;并且,由于问题点的闭环跟踪仅仅局限于简单的问题排查及复测跟踪,也不能做到历史情况与现实情况的有机融合进而进行对比分析判断。
当前所采用的做法,由于测试数据多样化,海量数据难以充分挖掘利用,导致大量的异常事件难于分组、归类进行原因分析,无法抓住真正存在的主要问题;事件案例人工分析、手动录入难免疏漏,并缺乏有效的管理机制,EXCEL的存储方式并不利于问题点的高效掌控;未能对异常事件进行地理化汇聚,难以形成对问题点的高效闭环跟踪机制。这样,网络问题的定位耗时耗力,准确度欠缺,未能建立有效的跟踪管理机制,整体影响了问题的处理效率,不利于问题的全面分析处理,不利于优秀优化思路及分析方法的固化和传承,不利于工作效率的提高,同时也不利于资源共享和对新员工的技术培养。
发明内容
本发明的主要目的为提供一种基于案例库智能分析网络异常的方法和装置,旨在减轻优化工程师的工作量,从整体上提高工作效率,并且能够有利于快速定位并解决网络问题,固化、传承并共享网络优化处理经验,从而实现资源的最大化利用。
本发明提供一种基于案例库智能分析网络异常的方法,包括:
根据网络问题特征建立事件合成规则,合成异常事件;所述事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征;
根据网络数据分析所述异常事件的问题现象,输出判定的问题类型及原因描述;
根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,将所述异常事件案例推送至优化分析***跟踪分析。
优选地,所述根据网络问题特征建立事件合成规则,合成异常事件包括:
根据异常事件的事件特征,建立针对该事件特征的状态机;
结合采样点所采集到的信息进行状态机间的迁徙,输出符合所述事件特征的异常事件。
优选地,所述根据网络数据分析所述异常事件的问题现象,输出判定的问题类型及原因描述包括:
根据网络现象组织各类异常事件发生的问题类型模型,并定制分析流程模型;
以合成的所述异常事件作为分析对象,将所述异常事件进行回放分析;
判断所述异常事件是否与所述分析流程模型相符,若是,则确定并输出所述异常事件所属的问题类型;若否,则记录该异常事件的网络现象,以供建立及固化分析流程模型。
优选地,所述根据确定的所述异常事件的问题类型生成异常事件案例包括:
获取所述异常事件发生的基础信息;所述基础信息至少包括:测试数据管理信息、工参数据信息、测试行为管理信息、异常事件管理信息、测试编号管理信息和区域归属管理信息;
将获取的所述基础信息与异常事件相关联,并结合确定的所述异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例。
优选地,在执行所述将异常事件案例推送至优化分析***之后,还包括:
将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环。
优选地,所述将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环包括:
根据预置的案例汇聚策略,将案例库中的异常事件案例进行汇聚,并以列表和地理信息***的方式进行呈现;
比对汇聚后的所述异常事件案例与历史异常事件案例,判断所述异常事件案例中异常事件的原因是否重现,若否,则将已解决的异常事件案例进行闭环。
本发明还提供一种基于案例库智能分析网络异常的装置,包括:
事件合成模块,用于根据网络问题特征建立事件合成规则,合成异常事件;所述事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征;
智能分析模块,用于根据网络数据分析所述异常事件的问题现象,输出判定的问题类型及原因描述;
生成及添加模块,用于根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中;
自动推送模块,用于将所述异常事件案例推送至优化分析***跟踪分析。
优选地,所述事件合成模块包括:
状态机建立单元,用于根据异常事件的事件特征,建立针对该事件特征的状态机;
事件合成单元,用于结结合采样点所采集到的信息进行状态机间的迁徙,输出符合所述事件特征的异常事件。
优选地,所述智能分析模块包括:
模型建立单元,用于根据网络现象组织各类异常事件发生的问题类型模型,并定制分析流程模型;
事件回放单元,用于以合成的所述异常事件作为分析对象,将所述异常事件进行回放分析;
判断单元,用于判断所述异常事件是否与所述分析流程模型相符;
类型确定单元,用于当所述异常事件与分析流程模型相符时,确定并输出所述异常事件所属的问题类型;
现象记录单元,用于当所述异常事件与分析流程模型不相符时,记录该异常事件的网络现象,以供建立及固化分析流程模型。
优选地,所述生成及添加模块包括:
信息获取单元,用于获取所述异常事件发生的基础信息;所述基础信息至少包括:测试数据管理信息、工参数据信息、测试行为管理信息、异常事件管理信息、测试编号管理信息和区域归属管理信息;
关联及生成单元,用于将获取的所述基础信息与异常事件相关联,并结合确定的所述异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例。
优选地,基于案例库智能分析网络异常的装置还包括:
闭环模块,用于将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环。
优选地,所述闭环模块包括:
汇聚及呈现单元,用于根据预置的案例汇聚策略,将案例库中的异常事件案例进行汇聚,并以列表和地理信息***的方式进行呈现;
比对单元,用于比对汇聚后的所述异常事件案例与历史异常事件案例,判断所述异常事件案例中异常事件的原因是否重现;
闭环单元,用于若所述异常事件案例中异常事件的原因没有重现,则将已解决的异常事件案例进行闭环。
本发明通过根据网络问题特征建立事件合成规则,并合成异常事件,根据网络数据分析异常事件的问题现象,确定并输出判定的问题类型及原因描述;然后,根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,并将异常事件案例推送至优化分析***,以供对其进行复测跟踪。减轻了优化工程师的工作量,从整体上提高了工作效率,并且能够有利于快速定位并解决网络问题,固化、传承并共享网络优化处理经验,从而实现了资源的最大化利用。
附图说明
图1为本发明基于案例库智能分析网络异常的方法一实施例的流程示意图;
图2为本发明基于案例库智能分析网络异常的方法中合成异常事件的流程示意图;
图3为本发明基于案例库智能分析网络异常的方法中确定问题类型的流程示意图;
图4为本发明基于案例库智能分析网络异常的方法中生成异常事件案例的流程示意图;
图5为本发明基于案例库智能分析网络异常的方法又一实施例的流程示意图;
图6为本发明基于案例库智能分析网络异常的方法中将已解决的异常事件案例闭环的流程示意图;
图7为本发明基于案例库智能分析网络异常的装置一实施例的结构示意图;
图8为本发明基于案例库智能分析网络异常的装置的事件合成模块的结构示意图;
图9为本发明基于案例库智能分析网络异常的装置的智能分析模块的结构示意图;
图10为本发明基于案例库智能分析网络异常的装置的案例生成模块的结构示意图;
图11为本发明基于案例库智能分析网络异常的装置又一实施例的结构示意图;
图12为本发明基于案例库智能分析网络异常的装置的闭环模块的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明基于案例库智能分析网络异常的方法一实施例的流程示意图。
本实施例所提供的基于案例库智能分析网络异常的方法,包括:
步骤S10,根据网络问题特征建立事件合成规则,合成异常事件;
在发生异常事件时,首先根据网络问题特征建立事件合成规则,然后根据所建立的事件合成规则将异常事件进行合成,本实施例中,异常事件的合成通过关联层三消息、无线参数、时间、距离等指标来实现。事件合成规则为根据事件的特性,预先设置的判断事件是否可合成为异常事件的规则,该事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征。
参照图2,图2为本发明基于案例库智能分析网络异常的方法中合成异常事件的流程示意图。
在本实施例中,步骤S10进一步包括:
步骤S11,根据异常事件的事件特征,建立针对该事件特征的状态机;
根据异常事件的不同类型,对异常事件进行划分,并针对不同类型的异常事件归纳出其事件特征,在进行异常事件合成时,首先针对不同的事件特征建立相对应的状态机,包含了异常事件在不同时间段的状态。
步骤S12,结合采样点所采集到的信息进行状态机间的迁徙,输出符合事件特征的异常事件。
采样点会在不同时间段对当前状态所处的状态机的信息进行采样,根据采样点所采集到的不同时间段的信息,进行状态机间的迁徙,并输出符合事件特征的异常事件,从而完成异常事件的合成。
步骤S20,根据网络数据分析异常事件的问题现象,输出判定的问题类型及原因描述;
在进行了异常事件的合成后,以合成的异常事件作为分析对象,关联分析路测数据、统计数据、工参数据等信息,分析异常事件的关联信息,确定并输出该异常事件的问题类型及原因描述。
参照图3,图3为本发明基于案例库智能分析网络异常的方法中确定问题类型的流程示意图。
在本实施例中,步骤S20进一步包括:
步骤S21,根据网络现象组织各类异常事件发生的问题类型模型,并定制分析流程模型;
步骤S22,以合成的异常事件作为分析对象,将异常事件进行回放分析;
步骤S23,判断异常事件是否与分析流程模型相符,若是,则执行步骤S24;若否,则执行步骤S25;
步骤S24,确定并输出异常事件所属的问题类型;
步骤S25,记录该异常事件的网络现象,以供建立及固化分析流程模型。
本实施例中,以流程图的定制模式实现对异常事件的分析流程。首先,根据网络现象组织各类异常事件发生的问题类型模型,而后定制分析流程模型,所定制的分析流程模型包括判断、操作、预判断问题类型、原因描述以及解决方案描述等流程。首先,对各类指标、参数、事件进行判断,判断是否符合预设的条件;其次,通过设置回放机制,将异常事件进行回放,并自动分析事件发生前后无线参数、层三信令、小区占用等情况,即分析与异常事件相关的指标参数值等关联信息;而后,判断异常事件是否与分析流程模型相符,如相符,则可确定异常事件所属的问题类型,并输出确定的结果;如不相符,则记录该异常事件的网络现象,以供在后续对该类型的异常事件进行分析时,建立及固化分析流程模型。
当确定了异常事件所属的问题类型后,可以通过原因描述的流程对预判定的问题类型提供依据和补充,包含占用小区、车速、运动方向、占用信道情况、覆盖分析、质量分析等;而后通过解决方案描述的流程对不同问题类型的异常事件所对应的解决方案进行描述。
步骤S30,根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,将异常事件案例推送至优化分析***跟踪分析。
在对异常事件进行合成和分析,并确定了该异常事件所属的问题类型后,根据所确定的异常事件所属的问题类型,关联异常事件发生的基础信息,即结合测试计划信息、事件信息、工参信息、网格图层信息、设备信息等基础信息,与异常事件进行关联分析,并按案例规范的格式自动生成原始的异常事件案例。
将异常事件与基础信息进行关联并生成异常事件案例后,将生成的异常事件案例添加至案例库中,然后将异常事件案例推送至优化分析***,并通过互联网的管理模式,以对其进行复测跟踪。本实施例中,对异常事件案例进行复测跟踪包括:检测确定的异常事件的问题类型是否与实际情况相符、根据异常事件的问题类型制定解决方案,以及在根据解决方案进行解决后跟踪异常事件案例并判断异常事件的原因是否重现。即通过互联网的方式,查看每个异常事件案例的详情信息,对异常事件进行智能回放,以供工程师对异常事件进行进一步剖析,同时,也作为对预判定的问题类型的一种检查方式,及时校正与预判定的问题类型不相符的情况,若预判定的结果未能完全定位问题,则需要对智能分析流程再进一步补充。
如优化工程师认为预判定的问题类型与实际情况相符,则进一步根据异常事件的问题类型制定解决方案,而后,建立完善的跟踪机制,关联周边无线环境,根据解决方案的执行情况进行复测分析,进一步跟踪该区域是否还发生异常事件,并结合所采取的解决方案,如调整天线方向角、下倾角后,是否导致新问题的出现;观察问题是否重现,直到完全根除问题后,才将该问题标记为已解决,从而达到对异常事件的复测跟踪。在对异常事件进行复测跟踪后,将已经完成的异常事件案例自动推送至现有的测试数据分析平台,不断地对案例进行问题跟踪,实现自动同步互联网服务器的案例信息,实时更新案例库,以反映网络问题的真实情况。
本发明实施例,通过根据网络问题特征建立事件合成规则,并合成异常事件,根据网络数据分析异常事件的问题现象,确定并输出判定的问题类型及原因描述;然后,根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,并将异常事件案例推送至优化分析***,以供对其进行复测跟踪。减轻了优化工程师的工作量,从整体上提高了工作效率,并且能够有利于快速定位并解决网络问题,固化、传承并共享网络优化处理经验,从而实现了资源的最大化利用。
参照图4,图4为本发明基于案例库智能分析网络异常的方法中生成异常事件案例的流程示意图。
在本发明基于案例库智能分析网络异常的方法一实施例中,步骤S30包括:
步骤S31,获取异常事件发生的基础信息;
在对异常事件进行合成和分析,并确定了该异常事件所属的问题类型后,首先获取异常事件发生的基础信息,本实施例中,基础信息至少包括:测试数据管理信息、工参数据信息、测试行为管理信息、异常事件管理信息、测试编号管理信息和区域归属管理信息。其中,测试数据管理信息包括测试项目、业务类型、运营商、区域类型(城区、高速、主干道等);工参数据信息包括小区标识、LAC、CI、BCCH、BSIC、BSC等关键参数;测试行为管理信息包括测试人员的工作安排,包括工作内容、测试设备、测试网格、测试线路等;异常事件管理信息包括事件所属文件、事件发生时间、发生地点、运动方向、车速、占用小区等;测试编号管理信息用于定制每个事件的测试案例编号,实现以案例号对问题点进行跟踪;区域归属管理信息主要用于根据经纬度信息,定位所属行政区、所属厂商、所属优化队伍等。
步骤S32,将获取的基础信息与异常事件相关联,并结合确定的异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例。
获取到异常事件发生的基础信息后,将获取的基础信息与异常事件相关联,并结合确定的异常事件所属的问题类型,按照异常事件案例的模版,剔除非网络原因的异常事件,生成异常事件案例。所生成的异常事件案例支持多维度的查询条件,以实现准确、快速定位案例信息;同时,支持提供异常事件案例列表,且支持方便导入导出,待案例信息完善后,能有效地与现有数据进行替换整合并自动生成测试分析报告,按现有事件分析报告的模板,将案例中相关信息自动填入报告中。
在获取到异常事件发生的基础信息后,将获取的基础信息与异常事件相关联,并结合确定的异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例,以供在将异常事件案例添加至案例库中后,对其进行复测跟踪,实现了将优化经验以数据的方式进行存储,以便资源共享。
参照图5,图5为本发明基于案例库智能分析网络异常的方法又一实施例的流程示意图。
基于本发明基于案例库智能分析网络异常的方法一实施例,在执行步骤S30之后,还包括:
步骤S40,将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环。
本实施例中,在将异常事件案例添加至案例库中,并将异常事件案例推送至互联网,以供对异常事件案例进行复测跟踪之后,将案例库中的异常事件案例进行汇聚,并以相应的方式进行呈现,而后将已解决的异常事件案例进行闭环。
参照图6,图6为本发明基于案例库智能分析网络异常的方法中将已解决的异常事件案例闭环的流程示意图。
在本实施例中,步骤S40进一步包括:
步骤S41,根据预置的案例汇聚策略,将案例库中的异常事件案例进行汇聚,并以列表和地理信息***的方式进行呈现;
案例库的检索条件包括案例时间、优化原因分类、进度跟踪状态、数据来源、事件类型。本实施例中,将案例库中的异常事件案例进行汇聚是根据预置的案例汇聚策略进行的,预置的案例汇聚策略主要是以事件经纬度为原点,设定汇聚半径,将事件问题点转换为问题区域,当该区域中的异常事件数量达到策略要求的数量门限时,则进行汇聚。然后,将汇聚后的异常事件案例以列表和地理信息***GIS的方式呈现出来。案例组列表为事件汇聚后的结果集,列表中包含了案例的全部信息及统计信息。
步骤S42,比对汇聚后的异常事件案例与历史异常事件案例,判断异常事件案例中异常事件的原因是否重现,若否,则执行步骤S43;
步骤S43,将已解决的异常事件案例进行闭环。
将案例库中的异常事件案例进行汇聚后,比对汇聚后的异常事件案例与历史异常事件案例,并判断异常事件案例中异常事件的原因是否重现。本实施例中,采用GIS图形化的方式,通过选择不同数据源进行案例汇聚,到得当前异常事件案例和历史异常事件案例的汇聚情况,通过结合两个阶段的异常事件案例进行对比分析,判断异常事件案例中异常事件的原因是否重现,如异常事件的原因不再重现,则将已解决的异常事件案例进行闭环。
在将异常事件案例添加至案例库中,并将异常事件案例推送至互联网,以供对异常事件案例进行复测跟踪之后,将案例库中的异常事件案例进行汇聚,并以相应的方式进行呈现,而后将已解决的异常事件案例进行闭环。对已闭环案例的优化措施对现有事件解决方案的制定有着重要的指导意义,使得优化思路大大扩展,优化经验有效推广,分析所需资源合理应用,同时也为问题高效处理提供了科学的依据。
本发明还提供一种基于案例库智能分析网络异常的装置。
参照图7,图7为本发明基于案例库智能分析网络异常的装置一实施例的结构示意图。
本实施例所提供的基于案例库智能分析网络异常的装置,包括:
事件合成模块10,用于根据网络问题特征建立事件合成规则,合成异常事件;
智能分析模块20,用于根据网络数据分析异常事件的问题现象,输出判定的问题类型及原因描述;
生成及添加模块30,用于根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中;
自动推送模块40,用于将异常事件案例推送至优化分析***跟踪分析。
在发生异常事件时,事件合成模块10首先根据网络问题特征建立事件合成规则,然后根据所建立的事件合成规则将异常事件进行合成,本实施例中,异常事件的合成通过关联层三消息、无线参数、时间、距离等指标来实现。事件合成规则为根据事件的特性,预先设置的判断事件是否可合成为异常事件的规则,该事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征。
参照图8,图8为本发明基于案例库智能分析网络异常的装置的事件合成模块的结构示意图。
在本实施例中,事件合成模块10进一步包括:
状态机建立单元11,用于根据异常事件的事件特征,建立针对该事件特征的状态机;
事件合成单元12,用于结合采样点所采集到的信息进行状态机间的迁徙,输出符合事件特征的异常事件。
根据异常事件的不同类型,对异常事件进行划分,并针对不同类型的异常事件归纳出其事件特征,在进行异常事件合成时,状态机建立单元11首先针对不同的事件特征建立相对应的状态机,包含了异常事件在不同时间段的状态。
采样点会在不同时间段对当前状态所处的状态机的信息进行采样,事件合成单元12根据采样点所采集到的不同时间段的信息,进行状态机间的迁徙,并输出符合事件特征的异常事件,从而完成异常事件的合成。
在进行了异常事件的合成后,以合成的异常事件作为分析对象,关联分析路测数据、统计数据、工参数据等信息,分析异常事件的关联信息,确定并输出该异常事件的问题类型及原因描述。
参照图9,图9为本发明基于案例库智能分析网络异常的装置的智能分析模块的结构示意图。
在本实施例中,智能分析模块20进一步包括:
模型建立单元21,用于根据网络现象组织各类异常事件发生的问题类型模型,并定制分析流程模型;
事件回放单元22,用于以合成的异常事件作为分析对象,将异常事件进行回放分析;
判断单元23,用于判断异常事件是否与分析流程模型相符;
类型确定单元24,用于当异常事件与分析流程模型相符时,确定并输出异常事件所属的问题类型;
现象记录单元25,用于当异常事件与分析流程模型不相符时,记录该异常事件的网络现象,以供建立及固化分析流程模型。
本实施例中,以流程图的定制模式实现对异常事件的分析流程。首先,模型建立单元21根据网络现象组织各类异常事件发生的问题类型模型,而后定制分析流程模型,所定制的分析流程模型包括判断、操作、预判断问题类型、原因描述以及解决方案描述等流程。首先,对各类指标、参数、事件进行判断,判断是否符合预设的条件;其次,通过设置回放机制,事件回放单元22将异常事件进行回放,并自动分析事件发生前后无线参数、层三信令、小区占用等情况,即分析与异常事件相关的指标参数值等关联信息;而后,通过判断单元23判断异常事件是否与分析流程模型相符,如相符,则类型确定单元24确定异常事件所属的问题类型,并输出确定的结果;如不相符,则现象记录单元25记录该异常事件的网络现象,以供在后续对该类型的异常事件进行分析时,建立及固化分析流程模型。
当确定了异常事件所属的问题类型后,可以通过原因描述的流程对预判定的问题类型提供依据和补充,包含占用小区、车速、运动方向、占用信道情况、覆盖分析、质量分析等;而后通过解决方案描述的流程对不同问题类型的异常事件所对应的解决方案进行描述。
在对异常事件进行合成和分析,并确定了该异常事件所属的问题类型后,通过生成及添加模块30,根据所确定的异常事件所属的问题类型,关联异常事件发生的基础信息,即结合测试计划信息、事件信息、工参信息、网格图层信息、设备信息等基础信息,与异常事件进行关联分析,并按案例规范的格式自动生成原始的异常事件案例。
将异常事件与基础信息进行关联并生成异常事件案例后,生成及添加模块30将生成的异常事件案例添加至案例库中,然后通过自动推送模块40将异常事件案例推送至优化分析***,并通过互联网的管理模式,以对其进行复测跟踪。本实施例中,对异常事件案例进行复测跟踪包括:检测确定的异常事件的问题类型是否与实际情况相符、根据异常事件的问题类型制定解决方案,以及在根据解决方案进行解决后跟踪异常事件案例并判断异常事件的原因是否重现。即通过互联网的方式,查看每个异常事件案例的详情信息,对异常事件进行智能回放,以供工程师对异常事件进行进一步剖析,同时,也作为对预判定的问题类型的一种检查方式,及时校正与预判定的问题类型不相符的情况,若预判定的结果未能完全定位问题,则需要对智能分析流程再进一步补充。
如优化工程师认为预判定的问题类型与实际情况相符,则进一步根据异常事件的问题类型制定解决方案,而后,建立完善的跟踪机制,关联周边无线环境,根据解决方案的执行情况进行复测分析,进一步跟踪该区域是否还发生异常事件,并结合所采取的解决方案,如调整天线方向角、下倾角后,是否导致新问题的出现;观察问题是否重现,直到完全根除问题后,才将该问题标记为已解决,从而达到对异常事件的复测跟踪。在对异常事件进行复测跟踪后,将已经完成的异常事件案例自动推送至现有的测试数据分析平台,不断地对案例进行问题跟踪,实现自动同步互联网服务器的案例信息,实时更新案例库,以反映网络问题的真实情况。
本发明实施例,通过根据网络问题特征建立事件合成规则,并合成异常事件,根据网络数据分析异常事件的问题现象,确定并输出判定的问题类型及原因描述;然后,根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,并将异常事件案例推送至优化分析***,以供对其进行复测跟踪。减轻了优化工程师的工作量,从整体上提高了工作效率,并且能够有利于快速定位并解决网络问题,固化、传承并共享网络优化处理经验,从而实现了资源的最大化利用。
参照图10,图10为本发明基于案例库智能分析网络异常的装置的案例生成模块的结构示意图。
在本发明基于案例库智能分析网络异常的装置一实施例中,生成及添加模块30包括:
信息获取单元31,用于获取异常事件发生的基础信息;
关联及生成单元32,用于将获取的基础信息与异常事件相关联,并结合确定的异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例。
在对异常事件进行合成和分析,并确定了该异常事件所属的问题类型后,首先通过信息获取单元31获取异常事件发生的基础信息,本实施例中,基础信息至少包括:测试数据管理信息、工参数据信息、测试行为管理信息、异常事件管理信息、测试编号管理信息和区域归属管理信息。其中,测试数据管理信息包括测试项目、业务类型、运营商、区域类型(城区、高速、主干道等);工参数据信息包括小区标识、LAC、CI、BCCH、BSIC、BSC等关键参数;测试行为管理信息包括测试人员的工作安排,包括工作内容、测试设备、测试网格、测试线路等;异常事件管理信息包括事件所属文件、事件发生时间、发生地点、运动方向、车速、占用小区等;测试编号管理信息用于定制每个事件的测试案例编号,实现以案例号对问题点进行跟踪;区域归属管理信息主要用于根据经纬度信息,定位所属行政区、所属厂商、所属优化队伍等。
获取到异常事件发生的基础信息后,通过关联及分析单元32将获取的基础信息与异常事件相关联,并结合确定的异常事件所属的问题类型,按照异常事件案例的模版,剔除非网络原因的异常事件,生成异常事件案例。所生成的异常事件案例支持多维度的查询条件,以实现准确、快速定位案例信息;同时,支持提供异常事件案例列表,且支持方便导入导出,待案例信息完善后,能有效地与现有数据进行替换整合并自动生成测试分析报告,按现有事件分析报告的模板,将案例中相关信息自动填入报告中。
在获取到异常事件发生的基础信息后,将获取的基础信息与异常事件相关联,并结合确定的异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例,以供在将异常事件案例添加至案例库中后,对其进行复测跟踪,实现了将优化经验以数据的方式进行存储,以便资源共享。
参照图11,图11为本发明基于案例库智能分析网络异常的装置又一实施例的结构示意图.
基于本发明基于案例库智能分析网络异常的装置一实施例,基于案例库智能分析网络异常的装置还包括:
闭环模块50,用于将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环。
本实施例中,在将异常事件案例添加至案例库中,并将异常事件案例推送至互联网,以供对异常事件案例进行复测跟踪之后,将案例库中的异常事件案例进行汇聚,并以相应的方式进行呈现,而后通过闭环模块50将已解决的异常事件案例进行闭环。
参照图12,图12为本发明基于案例库智能分析网络异常的装置的闭环模块的结构示意图。
在本实施例中,闭环模块50包括:
汇聚及呈现单元51,用于根据预置的案例汇聚策略,将案例库中的异常事件案例进行汇聚,并以列表和地理信息***的方式进行呈现;
比对单元52,用于比对汇聚后的异常事件案例与历史异常事件案例,判断异常事件案例中异常事件的原因是否重现;
闭环单元53,用于若异常事件案例中异常事件的原因没有重现,则将已解决的异常事件案例进行闭环。
案例库的检索条件包括案例时间、优化原因分类、进度跟踪状态、数据来源、事件类型。本实施例中,通过汇聚及呈现单元51将案例库中的异常事件案例进行汇聚是根据预置的案例汇聚策略进行的,预置的案例汇聚策略主要是以事件经纬度为原点,设定汇聚半径,将事件问题点转换为问题区域,当该区域中的异常事件数量达到策略要求的数量门限时,则进行汇聚。然后,汇聚及呈现单元51将汇聚后的异常事件案例以列表和地理信息***GIS的方式呈现出来。案例组列表为事件汇聚后的结果集,列表中包含了案例的全部信息及统计信息。
将案例库中的异常事件案例进行汇聚后,通过比对单元52比对汇聚后的异常事件案例与历史异常事件案例,并判断异常事件案例中异常事件的原因是否重现。本实施例中,采用GIS图形化的方式,通过选择不同数据源进行案例汇聚,到得当前异常事件案例和历史异常事件案例的汇聚情况,通过结合两个阶段的异常事件案例进行对比分析,判断异常事件案例中异常事件的原因是否重现,如异常事件的原因不再重现,则闭环单元53将已解决的异常事件案例进行闭环。
在将异常事件案例添加至案例库中,并将异常事件案例推送至互联网,以供对异常事件案例进行复测跟踪之后,将案例库中的异常事件案例进行汇聚,并以相应的方式进行呈现,而后将已解决的异常事件案例进行闭环。对已闭环案例的优化措施对现有事件解决方案的制定有着重要的指导意义,使得优化思路大大扩展,优化经验有效推广,分析所需资源合理应用,同时也为问题高效处理提供了科学的依据。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围。
Claims (10)
1.一种基于案例库智能分析网络异常的方法,其特征在于,包括:
根据网络问题特征建立事件合成规则,合成异常事件;所述事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征;
根据网络数据分析所述异常事件的问题现象,输出判定的问题类型及原因描述;
根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中,将所述异常事件案例推送至优化分析***跟踪分析;
所述根据网络问题特征建立事件合成规则,合成异常事件包括:根据异常事件的事件特征,建立针对该事件特征的状态机;结合采样点所采集到的信息进行状态机间的迁徙,输出符合所述事件特征的异常事件。
2.根据权利要求1所述的方法,其特征在于,所述根据网络数据分析所述异常事件的问题现象,输出判定的问题类型及原因描述包括:
根据网络现象组织各类异常事件发生的问题类型模型,并定制分析流程模型;
以合成的所述异常事件作为分析对象,将所述异常事件进行回放分析;
判断所述异常事件是否与所述分析流程模型相符,若是,则确定并输出所述异常事件所属的问题类型;若否,则记录该异常事件的网络现象,以供建立及固化分析流程模型。
3.根据权利要求2所述的方法,其特征在于,所述根据确定的所述异常事件的问题类型生成异常事件案例包括:
获取所述异常事件发生的基础信息;所述基础信息至少包括:测试数据管理信息、工参数据信息、测试行为管理信息、异常事件管理信息、测试编号管理信息和区域归属管理信息;
将获取的所述基础信息与异常事件相关联,并结合确定的所述异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例。
4.根据权利要求1至3中任一项所述的方法,其特征在于,在执行所述将异常事件案例推送至优化分析***之后,还包括:
将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环。
5.根据权利要求4所述的方法,其特征在于,所述将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环包括:
根据预置的案例汇聚策略,将案例库中的异常事件案例进行汇聚,并以列表和地理信息***的方式进行呈现;
比对汇聚后的所述异常事件案例与历史异常事件案例,判断所述异常事件案例中异常事件的原因是否重现,若否,则将已解决的异常事件案例进行闭环。
6.一种基于案例库智能分析网络异常的装置,其特征在于,包括:
事件合成模块,用于根据网络问题特征建立事件合成规则,合成异常事件;所述事件合成规则至少包括:建立状态机、状态机间的迁徙以及异常事件的事件特征;
智能分析模块,用于根据网络数据分析所述异常事件的问题现象,输出判定的问题类型及原因描述;
生成及添加模块,用于根据确定的异常事件的问题类型生成异常事件案例并添加至案例库中;
自动推送模块,用于将所述异常事件案例推送至优化分析***跟踪分析;
所述事件合成模块包括:状态机建立单元,用于根据异常事件的事件特征,建立针对该事件特征的状态机;事件合成单元,用于结合采样点所采集到的信息进行状态机间的迁徙,输出符合所述事件特征的异常事件。
7.根据权利要求6所述的装置,其特征在于,所述智能分析模块包括:
模型建立单元,用于根据网络现象组织各类异常事件发生的问题类型模型,并定制分析流程模型;
事件回放单元,用于以合成的所述异常事件作为分析对象,将所述异常事件进行回放分析;
判断单元,用于判断所述异常事件是否与所述分析流程模型相符;
类型确定单元,用于当所述异常事件与分析流程模型相符时,确定并输出所述异常事件所属的问题类型;
现象记录单元,用于当所述异常事件与分析流程模型不相符时,记录该异常事件的网络现象,以供建立及固化分析流程模型。
8.根据权利要求6所述的装置,其特征在于,所述生成及添加模块包括:
信息获取单元,用于获取所述异常事件发生的基础信息;所述基础信息至少包括:测试数据管理信息、工参数据信息、测试行为管理信息、异常事件管理信息、测试编号管理信息和区域归属管理信息;
关联及生成单元,用于将获取的所述基础信息与异常事件相关联,并结合确定的所述异常事件所属的问题类型,按照异常事件案例的模版生成异常事件案例。
9.根据权利要求6至8中任一项所述的装置,其特征在于,还包括:
闭环模块,用于将案例库中的异常事件案例进行汇聚和呈现,将已解决的异常事件案例闭环。
10.根据权利要求9所述的装置,其特征在于,所述闭环模块包括:
汇聚及呈现单元,用于根据预置的案例汇聚策略,将案例库中的异常事件案例进行汇聚,并以列表和地理信息***的方式进行呈现;
比对单元,用于比对汇聚后的所述异常事件案例与历史异常事件案例,判断所述异常事件案例中异常事件的原因是否重现;
闭环单元,用于若所述异常事件案例中异常事件的原因没有重现,则将已解决的异常事件案例进行闭环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310136746.0A CN103269290B (zh) | 2013-04-18 | 2013-04-18 | 基于案例库智能分析网络异常的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310136746.0A CN103269290B (zh) | 2013-04-18 | 2013-04-18 | 基于案例库智能分析网络异常的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103269290A CN103269290A (zh) | 2013-08-28 |
CN103269290B true CN103269290B (zh) | 2016-04-13 |
Family
ID=49012899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310136746.0A Expired - Fee Related CN103269290B (zh) | 2013-04-18 | 2013-04-18 | 基于案例库智能分析网络异常的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103269290B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103546916B (zh) * | 2013-11-07 | 2016-08-17 | 东南大学 | 基于数据增量图的异常检测方法 |
CN104468258B (zh) * | 2014-11-05 | 2018-09-21 | 上海新炬网络信息技术股份有限公司 | 基于用户信息的移动语音质量分析方法 |
CN106304161A (zh) * | 2015-06-25 | 2017-01-04 | 中兴通讯股份有限公司 | 数据分析方法及装置 |
US10339032B2 (en) * | 2016-03-29 | 2019-07-02 | Microsoft Technology Licensing, LLD | System for monitoring and reporting performance and correctness issues across design, compile and runtime |
CN109345099A (zh) * | 2018-09-20 | 2019-02-15 | 深圳市数本科技开发有限公司 | 智慧异常管理*** |
CN111324757B (zh) * | 2018-12-17 | 2023-08-22 | 北京四维图新科技股份有限公司 | 地图数据的问题处理方法及装置 |
CN111046130B (zh) * | 2019-11-08 | 2023-05-23 | 杭州安恒信息技术股份有限公司 | 结合ElasticSearch和FSM的关联检索方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101119241A (zh) * | 2007-08-24 | 2008-02-06 | 北京启明星辰信息技术有限公司 | 一种基于状态检测的协议异常检测方法及*** |
CN101771582A (zh) * | 2009-12-28 | 2010-07-07 | 北京神州泰岳软件股份有限公司 | 一种基于状态机的安全监控关联分析方法 |
CN102109984A (zh) * | 2009-12-28 | 2011-06-29 | 北京大学 | 状态机的处理方法和*** |
CN102271091A (zh) * | 2011-09-06 | 2011-12-07 | 电子科技大学 | 一种网络异常事件分类方法 |
-
2013
- 2013-04-18 CN CN201310136746.0A patent/CN103269290B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101119241A (zh) * | 2007-08-24 | 2008-02-06 | 北京启明星辰信息技术有限公司 | 一种基于状态检测的协议异常检测方法及*** |
CN101771582A (zh) * | 2009-12-28 | 2010-07-07 | 北京神州泰岳软件股份有限公司 | 一种基于状态机的安全监控关联分析方法 |
CN102109984A (zh) * | 2009-12-28 | 2011-06-29 | 北京大学 | 状态机的处理方法和*** |
CN102271091A (zh) * | 2011-09-06 | 2011-12-07 | 电子科技大学 | 一种网络异常事件分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103269290A (zh) | 2013-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103269290B (zh) | 基于案例库智能分析网络异常的方法和装置 | |
CN106878951A (zh) | 用户轨迹分析方法及*** | |
CN103578154A (zh) | 基于pda的电力设备智能巡检的实现方法 | |
CN106301522A (zh) | 遥感卫星地面站数据接收任务的可视化故障诊断方法及*** | |
CN112148708B (zh) | 面向电网规划的可视化应用*** | |
CN111260154B (zh) | 基于cnn-lstm的短期太阳辐射预测方法及装置 | |
CN105528337A (zh) | 一种数据转换实现性能管理***导出ppt报表的方法 | |
CN105760548A (zh) | 一种基于大数据跨域比对的车辆首次出现分析方法及*** | |
CN102867235A (zh) | 一种基于gis的电动汽车充电站监测方法 | |
CN202956182U (zh) | 设备振动状态诊断远程支持*** | |
CN103167538A (zh) | 一种wlan测试运维*** | |
CN111585349A (zh) | 一种电网模型管理及监视*** | |
CN111310969A (zh) | 一种基于gis地图的无人报修分析和派单的方法 | |
CN105223927B (zh) | 一种连续铸造云计算研发制造*** | |
CN110187363B (zh) | 适用于大型风电基地的测风方法、***、设备和存储介质 | |
CN108259097A (zh) | 基于mr数据的修正无线传播模型的方法及装置 | |
EP3657841A1 (en) | Method and device for obtaining emission probability, transfer probability and sequence positioning | |
CN203606686U (zh) | 基于云平台的桥梁预制梁养生远程监控*** | |
CN105224535A (zh) | 基于海量视频的关注目标快速查询*** | |
CN105788347A (zh) | 基于gis的警卫路线监控方法、装置及其*** | |
CN107730118A (zh) | 一种基站现场选址指引方法 | |
CN108647234A (zh) | 停电范围的获取方法、装置、计算机设备和存储介质 | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、***、终端及介质 | |
CN103793492B (zh) | 基于移动互联网有害信息的地图区域化分析***及其方法 | |
CN110489847B (zh) | 一种采集终端故障模拟方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160413 |