CN103856789A - 基于用户行为分析实现ott业务质量保障的***及方法 - Google Patents

Abstract

本发明涉及一种基于用户行为分析实现OTT业务质量保障的***及方法，其中包括片源质量监测模块；内容分发网络节点监测模块，用以在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；终端监测模块；故障定位分析模块，用以当终端监测模块报警时，根据片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位。采用该种基于用户行为分析实现OTT业务质量保障的***及方法，实时监测OTT业务从片源生产、播控、CDN内容分发到用户终端观等各个环节的运行状况，快速发现并定位问题，全面提升用户体验，保障OTT核心业务的长期发展，为实现企业运营目标提供有力支撑手段，具有更广泛的应用范围。

Description

基于用户行为分析实现OTT业务质量保障的***及方法

技术领域

本发明涉及视频业务质量保障技术领域，尤其涉及OTT视频业务质量保障技术领域，具体是指一种基于用户行为分析实现OTT业务质量保障的***及方法。

背景技术

OTT（Over The Top，指基于开放互联网的各种视频及数据服务业务）电视是一种集互联网、多媒体、通讯等多种技术于一体，向家庭用户提供多种交互式服务的崭新业务。作为一种数字业务，OTT电视业务势必会同传统有线电视和IPTV竞争。由于人们已经习惯了有线电视较低的收费标准和不中断的业务可用性，因此如何保证OTT用户体验质量能到达或超过有线电视就成为OTT电视成功的关键要素之一。

目前，对于OTT电视的业务保障工作主要是通过用户遇到问题时投诉，运维人员进行故障排查来实现。对终端用户的收视体验缺少有效的测量工具，对OTT视频质量问题缺乏预防性的管理和维护，对OTT视频业务增长带来的网络压力问题无法预判等，均是目前OTT业务保障工作过程中遇到的问题。

OTT视频业务采用标准HTTP协议在Web服务器和客户端之间递送媒体数据，而HTTP承载于TCP之上，TCP的特点是可靠连接，无损传输，丢包后会进行重传，抖动和延时会被客户端的下载缓冲所消化，一般情况下客户不会感知。只有缓冲区的视频播放完又没有及时下载到新的视频片段时，才会出现画面等待并缓冲。目前，尚无国际规范对OTT业务质量进行完整定义，ITU（International Telecommunication Union，国际电信联盟）等标准组织现有的测量标准主要针对的是有损传输的应用场景，还没有针对HTTP ABR（Adaptive Bit Rate，适合传输速度）这种OTT Internet业务的已发布标准。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够实现实时监测OTT业务从片源生产、播控、CDN内容分发到用户终端观等各个环节的运行状况、快速发现并定位问题、全面提升用户体验、具有更广泛的应用范围的基于用户行为分析实现OTT业务质量保障的***及方法。

为了实现上述目的，本发明的基于用户行为分析实现OTT业务质量保障的***及方法具有如下构成：

该基于用户行为分析实现OTT业务质量保障的***，其主要特点是，所述的***包括：

片源质量监测模块，用以在核心平台侧对上线前的片源文件进行检测；

内容分发网络节点监测模块，用以在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；

终端监测模块，用以采集用户在使用OTT业务过程中的收视参数以及根据所述的收视参数计算用户体验视频质量评分；

故障定位分析模块，用以当所述的终端监测模块报警时，根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位。

较佳地，所述的***还包括：

专家知识库模块，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员。

更佳地，所述的专家知识库模块包括：

专家知识规则解析器，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型；

用户感知分析器，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析用户的收视体验信息；

故障严重度评价器，用以对故障严重度进行分析并当故障严重程度超过***预设值时通知运维人员。

本发明还涉及一种通过所述的***基于用户行为分析实现OTT业务质量保障的方法，其特征在于，所述的方法包括以下步骤：

（1）所述的片源质量监测模块在核心平台侧对上线前的片源文件进行检测；

（2）所述的内容分发网络节点监测模块在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；

（3）所述的终端监测模块采集用户在使用OTT业务过程中的收视参数并根据所述的收视参数计算用户体验视频质量评分；

（4）当所述的终端监测模块报警时，所述的故障定位分析模块根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位。

较佳地，所述的根据所述的收视参数计算用户体验视频质量评分，具体为：

根据节目初始缓冲时长、节目播放期间缓冲时长与播放时长的比值和节目重新缓冲频次计算用户体验视频质量评分。

较佳地，所述的故障定位分析模块根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位，包括以下步骤：

（41）所述的故障定位分析模块检测所述的机顶盒是否正常运行，如果是，则继续步骤（42），否则确定故障位置在所述的机顶盒；

（42）所述的故障定位分析模块判断报警时刻前后在预设时间范围内，所述的内容分发网络节点监测模块的监测状态是否有故障，如果是，则继续步骤（43），否则继续步骤（44）；

（43）所述的故障定位分析模块根据所述的内容分发网络节点监测模块的监测状态和用户体验视频质量评分对所述的内容分发网络节点服务能力进行区域性综合分析；

（44）所述的故障定位分析模块判断播控平台是否正常运行，如果否，则继续步骤（45）；

（45）所述的故障定位分析模块根据用户业务请求的交互信息分析播放平台的故障环节。

较佳地，所述的***还包括专家知识库模块，所述的步骤（3）和（4）之间，还包括以下步骤：

（31）所述的专家知识库模块根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员。

更佳地，所述的专家知识库包括专家知识规则解析器、用户感知分析器和故障严重度评价器，所述的专家知识库模块根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员，包括以下步骤：

（311）所述的专家知识规则解析器接收报警信息并通过聚类分析判断所述的专家知识库中是否存在所述的报警信息对应的故障类型，如果是，则继续步骤（312），否则，继续步骤（313）；

（312）所述的专家知识规则解析器基于知识库相似规则进行模糊匹配确定所述的报警信息对应的故障类型，然后继续步骤（314）；

（313）所述的专家知识规则解析器根据所述的报警信息创建新的故障类型，然后继续步骤（314）；

（314）所述的用户感知分析器根据所述的故障类型和用户收拾参数评价该故障对用户造成的影响；

（315）所述的故障严重度评价器对故障严重度进行分析并当故障严重程度超过***预设值时通知运维人员。

采用了该发明中的基于用户行为分析实现OTT业务质量保障的***及方法，具有如下有益效果：

基于用户行为分析的OTT业务质量保障发明帮助OTT业务运维人员实时监测OTT业务从片源生产、播控、CDN内容分发到用户终端观等各个环节的运行状况，快速发现并定位问题，全面提升用户体验，保障OTT核心业务的长期发展，为实现企业运营目标提供有力支撑手段，具有更广泛的应用范围。

其优势主要体现在以下几个方面：

1、主动运维，先于用户发现并处理故障，提升用户体验；

2、实时告警，帮助运维人员快速响应重点故障；

3、对CDN节点的服务能力进行有效评估，便于整体内容推送网络的规划；

4、终端监测反映OTT用户的真实体验；

5、全程全网，实现一体化管理；精确智能，实现运营优异。

附图说明

图1为本发明的基于用户行为分析实现OTT业务质量保障的***的结构示意图。

图2为本发明的OTT业务质量测量模型示意图。

图3为本发明的视频流QoE的参数模型。

图4为本发明的专家知识库模块智能分析的流程图。

图5为本发明的源端到终端的端到端监测示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

本发明基于有损传输的测试标准，对无损传输下的业务场景进行了扩充，根据OTT视频业务的传输特点，基于用户行为，借助终端软探针技术，对真正影响OTT用户体验的主要问题，如缓冲等待时间、等待次数、视频码率降低等，进行综合分析、评价。

本发明建立起一套OTT视频业务质量保证体系，包括OTT业务质量（QoS，Quality ofService，服务质量）和用户体验（QoE，Quality Of Experience，体验质量）测量技术、监测指标体系、OTT故障诊断方法论、OTT测试工具和端到端业务质量监测***等，利用软探针技术对OTT终端用户收视数据进行采集、分析，利用拨测技术对CDN（Content DistributionNetwork，内容分发网络）节点进行监测，从而帮助用户直接有效的了解终端用户的收视质量，快速定位影响用户体验的问题，从而提高终端用户的业务满意度。

本发明建立起一套OTT视频业务质量保证体系，包括OTT业务质量（QoS）和用户体验（QoE）测量技术、监测指标体系、OTT故障诊断方法论、OTT测试工具和端到端业务质量监测***等，包括如下几个重点内容。

一、OTT业务质量测量模型如图2所示。

通过网络层抓包分析，并结合用户收视过程中缓冲情况等指标，根据模型综合计算MOS（Mean Opinion Score，平均意见得分）得分，体现终端用户的收视体验。MOS得分如下表：

二、OTT业务质量测量基本指标

一）基本指标

1、业务服务质量检测指标：

--节目首次缓冲时长；

--节目缓冲次数、节目缓冲频次、节目播放过程中的缓冲比率；

--EPG（Electronic Program Guide，电子节目菜单）请求次数、失败次数；

--EPG请求响应平均时延、最大时延；

--节目ID；

--节目下载开始时间及持续时长；

--节目总时长；

--节目下载进度；

--请求的CDN节点；

--节目下载速度（平均、最大、最小）；

--请求节目片段总次数及失败次数；

--节目码率、码率切换；

2、网络指标：

--TCP建立连接的时间、TCP重传、TCP乱序；

3、用户行为指标：

--用户开、关机时间；

--用户在线时长；

--用户收看节目信息（节目编号、请求时间、收看时长、编码参数、码率等）

4、终端设备运行指标：

--CPU使用率；

--内存使用率；

--磁盘空间使用率；

二）用户体验视频质量评分

用户体验视频质量评分（MOS，Mean Opinion Score，平均意见得分）是反映人眼主观评价测量的MOS评分。

狭义地来说，MOS计算，在OTT视频监控中主要和下面三个参数有关：

1）节目初始缓冲时长

2）节目播放期间缓冲时长与播放时长的比值

3）节目重新缓冲频次

广义说来，为了正确模拟出节目缓冲的状况，我们根据抓到数据包进行拼接，放入本地的缓冲中，模拟正常视频播放时对缓冲区的操作，以生产者-消费者的模型得出上述计算MOS的三个参数。

在进行抓包、数据流归并、数据拼接、模拟缓冲的过程中需要下面几类参数：

1）网络指标类：包括平均带宽、最大带宽、丢包次数、重传次数等、网络时延

2）资源属性类：包括请求的资源名称、码率、码率上升下降次数等等

3）用户行为类：包括用户的时移、快进、暂停操作。

因此MOS计算主要根据以上参数，通过一定的数据模型和算法得出。

三、CDN（Content Delivery Network，即内容分发网络）监测

通过视频分析设备对CDN节点进行周期性主动拨测。视频分析设备可以通过播控平台提供的接口获取认证用的Token。监测内容包括POP点提供的EPG服务和点播服务。

拨测策略、拨测任务可配置。

四、智能专家库

专家知识库模块主要是根据知识规则库将终端/CDN/播控平台的报警信息汇总生成故障并智能分析出用户真实感知，不仅得出故障原因、故障现象，并根据严重度决定是否通知维护人员等。

将OTT终端/CDN/播控平台上报的报警信息输入专家知识规则解析器中初步对报警信息进行聚类分析后，利用知识库相似规则进行模糊匹配，从而得到报警所属故障类型。

将该故障类型以及报警信息传入用户感知分析器，该分析器将故障以及报警中的视频参数输入视频信息分析器，从而得到该报警故障对用户收视造成的体验感受。

用户感知分析器将故障以及用户感受结果传入智能故障严重度的评价机制中智能评价该故障对用户造成的影响，以及决定是否通知运维人员。

运维人员在收到故障以及严重等级通知后确认并处理该故障。

五、高效故障定位算法

故障影响分析是建立在告警信息、资源信息及客户信息综合的基础上，对故障进行时间相关性、资源相关性、客户相关性的分析。

故障定位策略主要从3个层次进行故障分析定位：OTT终端侧，CDN网络侧，播控平台侧。

故障定位根据操作人员设置的监控门限值参数，当OTT终端监测上报告警时，首先检测机顶盒***状况，如CPU,内存等，如无问题,则查询报警t时刻前后时间段内，该终端连接的CDN节点和播控平台的告警、性能数据，进一步确定是否是CDN节点或者播控平台造成的问题。

如果是CDN节点问题，则关联分析该时段内，访问该节点的相关OTT终端用户的收视情况，以对CDN节点服务能力进行区域性综合分析。

如果是播控平台的问题，通过播控平台记录的该用户业务请求的交互信息，进一步分析是播控平台中的哪一个环节出现问题。

故障定位结果可以在OTT终端用户的业务链路上直观体现，帮助运维人员快速发现根源性问题。

视频流QoE的参数模型

对于视频流的质量评估，是依据客观指标，并赋予不同权重，结合人们观测的真实体验所获得的QoE指标。视频流QoE的参数模型覆盖了OSI七层模型的所有层次，如图3所示。

在OTT视频业务质量保证体系下，对OTT业务的监测主要考虑从源端到终端的端到端监测，示意图如图5。

一、片源质量监测

在核心平台侧建设片源技审***，对上线前的片源文件进行检测。

二、CDN节点监测

平台侧保障上线视频文件符合内容标准要求，内容分发网络的服务能力对终端用户的收视体验也起着关键性作用。在CDN节点部署视频分析设备，通过模拟终端对平台EPG和节目进行拨测，反应出CDN节点的服务可用性和服务及时性。

三、终端监测

通过终端监测模块采集并上报相关参数，反映出用户在使用OTT视频业务过程中的收视体验。终端监测重点针对用户体验和业务质量。

四、故障定位分析

通过终端监测模块上报的实时告警，可以通过查询同一时段CDN拨测和平台片源检测的结果，帮助用户进行故障定位。

五、统计分析

对于片源、CDN平台、终端监测模块上报的数据，***进行综合的统计分析。

如图1所示，本发明的基于用户行为分析实现OTT业务质量保障的***包括：

片源质量监测模块，用以在核心平台侧对上线前的片源文件进行检测；

内容分发网络节点监测模块，用以在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；

终端监测模块，用以采集用户在使用OTT业务过程中的收视参数以及根据所述的收视参数计算用户体验视频质量评分；

故障定位分析模块，用以当所述的终端监测模块报警时，根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位；

专家知识库模块，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员；

所述的专家知识库模块包括：

专家知识规则解析器，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型；

用户感知分析器，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析用户的收视体验信息；

故障严重度评价器，用以对故障严重度进行分析并当故障严重程度超过***预设值时通知运维人员。

本发明的基于用户行为分析实现OTT业务质量保障的方法包括以下步骤：

（1）所述的片源质量监测模块在核心平台侧对上线前的片源文件进行检测；

（2）所述的内容分发网络节点监测模块在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；

（3）所述的终端监测模块采集用户在使用OTT业务过程中的收视参数并根据节目初始缓冲时长、节目播放期间缓冲时长与播放时长的比值和节目重新缓冲频次计算用户体验视频质量评分；

（31）所述的专家知识库模块根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员；

（4）当所述的终端监测模块报警时，所述的故障定位分析模块根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位；具体包括以下五个子步骤：

（41）所述的故障定位分析模块检测所述的机顶盒是否正常运行，如果是，则继续步骤（42），否则确定故障位置在所述的机顶盒；

（42）所述的故障定位分析模块判断报警时刻前后在预设时间范围内，所述的内容分发网络节点监测模块的监测状态是否有故障，如果是，则继续步骤（43），否则继续步骤（44）；

（43）所述的故障定位分析模块根据所述的内容分发网络节点监测模块的监测状态和用户体验视频质量评分对所述的内容分发网络节点服务能力进行区域性综合分析；

（44）所述的故障定位分析模块判断播控平台是否正常运行，如果否，则继续步骤（45）；

（45）所述的故障定位分析模块根据用户业务请求的交互信息分析播放平台的故障环节。

如图4所示，所述的专家知识库模块根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员，包括以下步骤：

（311）所述的专家知识规则解析器接收报警信息并通过聚类分析判断所述的专家知识库中是否存在所述的报警信息对应的故障类型，如果是，则继续步骤（312），否则，继续步骤（313）；

（312）所述的专家知识规则解析器基于知识库相似规则进行模糊匹配确定所述的报警信息对应的故障类型，然后继续步骤（314）；

（313）所述的专家知识规则解析器根据所述的报警信息创建新的故障类型，然后继续步骤（314）；

（314）所述的用户感知分析器根据所述的故障类型和用户收拾参数评价该故障对用户造成的影响；

（315）所述的故障严重度评价器对故障严重度进行分析并当故障严重程度超过***预设值时通知运维人员。

采用了该发明中的基于用户行为分析实现OTT业务质量保障的***及方法，具有如下有益效果：

基于用户行为分析的OTT业务质量保障发明帮助OTT业务运维人员实时监测OTT业务从片源生产、播控、CDN内容分发到用户终端观等各个环节的运行状况，快速发现并定位问题，全面提升用户体验，保障OTT核心业务的长期发展，为实现企业运营目标提供有力支撑手段，具有更广泛的应用范围。

其优势主要体现在以下几个方面：

1、主动运维，先于用户发现并处理故障，提升用户体验；

2、实时告警，帮助运维人员快速响应重点故障；

3、对CDN节点的服务能力进行有效评估，便于整体内容推送网络的规划；

4、终端监测反映OTT用户的真实体验；

5、全程全网，实现一体化管理；精确智能，实现运营优异。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (8)

1.一种基于用户行为分析实现OTT业务质量保障的***，其特征在于，所述的***包括：

片源质量监测模块，用以在核心平台侧对上线前的片源文件进行检测；

内容分发网络节点监测模块，用以在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；

终端监测模块，用以采集用户在使用OTT业务过程中的收视参数以及根据所述的收视参数计算用户体验视频质量评分；

故障定位分析模块，用以当所述的终端监测模块报警时，根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位。

2.根据权利要求1所述的基于用户行为分析实现OTT业务质量保障的***，其特征在于，所述的***还包括：

专家知识库模块，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员。

3.根据权利要求2所述的基于用户行为分析实现OTT业务质量保障的***，其特征在于，所述的专家知识库模块包括：

专家知识规则解析器，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型；

用户感知分析器，用以根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析用户的收视体验信息；

故障严重度评价器，用以对故障严重度进行分析并当故障严重程度超过***预设值时通知运维人员。

4.一种通过权利要求1至3中任一项所述的***基于用户行为分析实现OTT业务质量保障的方法，其特征在于，所述的方法包括以下步骤：

（1）所述的片源质量监测模块在核心平台侧对上线前的片源文件进行检测；

（2）所述的内容分发网络节点监测模块在各个内容分发网络节点通过模拟终端对平台电子节目菜单和节目进行拨测；

（3）所述的终端监测模块采集用户在使用OTT业务过程中的收视参数并根据所述的收视参数计算用户体验视频质量评分；

（4）当所述的终端监测模块报警时，所述的故障定位分析模块根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位。

5.根据权利要求4所述的基于用户行为分析实现OTT业务质量保障的方法，其特征在于，所述的根据所述的收视参数计算用户体验视频质量评分，具体为：

根据节目初始缓冲时长、节目播放期间缓冲时长与播放时长的比值和节目重新缓冲频次计算用户体验视频质量评分。

6.根据权利要求4所述的基于用户行为分析实现OTT业务质量保障的方法，其特征在于，所述的故障定位分析模块根据所述的片源质量监测模块和内容分发网络节点监测模块的监测状态对故障进行定位，包括以下步骤：

（41）所述的故障定位分析模块检测所述的机顶盒是否正常运行，如果是，则继续步骤（42），否则确定故障位置在所述的机顶盒；

（42）所述的故障定位分析模块判断报警时刻前后在预设时间范围内，所述的内容分发网络节点监测模块的监测状态是否有故障，如果是，则继续步骤（43），否则继续步骤（44）；

（43）所述的故障定位分析模块根据所述的内容分发网络节点监测模块的监测状态和用户体验视频质量评分对所述的内容分发网络节点服务能力进行区域性综合分析；

（44）所述的故障定位分析模块判断播控平台是否正常运行，如果否，则继续步骤（45）；

（45）所述的故障定位分析模块根据用户业务请求的交互信息分析播放平台的故障环节。

7.根据权利要求4所述的基于用户行为分析实现OTT业务质量保障的方法，其特征在于，所述的***还包括专家知识库模块，所述的步骤（3）和（4）之间，还包括以下步骤：

（31）所述的专家知识库模块根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员。

8.根据权利要求7所述的基于用户行为分析实现OTT业务质量保障的方法，其特征在于，所述的专家知识库包括专家知识规则解析器、用户感知分析器和故障严重度评价器，所述的专家知识库模块根据所述的片源质量监测模块、终端监测模块和故障定位分析模块的报警信息分析故障类型和用户的收视体验信息以及当故障严重程度超过***预设值时通知运维人员，包括以下步骤：

（311）所述的专家知识规则解析器接收报警信息并通过聚类分析判断所述的专家知识库中是否存在所述的报警信息对应的故障类型，如果是，则继续步骤（312），否则，继续步骤（313）；

（312）所述的专家知识规则解析器基于知识库相似规则进行模糊匹配确定所述的报警信息对应的故障类型，然后继续步骤（314）；

（313）所述的专家知识规则解析器根据所述的报警信息创建新的故障类型，然后继续步骤（314）；

（314）所述的用户感知分析器根据所述的故障类型和用户收拾参数评价该故障对用户造成的影响；

（315）所述的故障严重度评价器对故障严重度进行分析并当故障严重程度超过***预设值时通知运维人员。

Images