CN114422325A - 内容分发网络异常定位方法、装置、设备及存储介质 - Google Patents
内容分发网络异常定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114422325A CN114422325A CN202111664189.0A CN202111664189A CN114422325A CN 114422325 A CN114422325 A CN 114422325A CN 202111664189 A CN202111664189 A CN 202111664189A CN 114422325 A CN114422325 A CN 114422325A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- alarm
- distribution network
- content distribution
- root cause
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000002159 abnormal effect Effects 0.000 claims abstract description 236
- 238000012544 monitoring process Methods 0.000 claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 34
- 238000007726 management method Methods 0.000 claims description 29
- 230000005856 abnormality Effects 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 24
- 125000002015 acyclic group Chemical group 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/02—Capturing of monitoring data
- H04L43/022—Capturing of monitoring data by sampling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及计算机网络技术领域,公开了一种内容分发网络异常定位方法、装置、设备及存储介质。内容分发网络异常定位方法包括:每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;根据多次采样得到的目标监测数据,生成时序数据告警;对时序数据告警进行分类,并生成异常告警知识图谱;根据内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成软硬件知识图谱;根据异常告警知识图谱和软硬件知识图谱,生成异常根因链路图;基于异常根因链路图,进行根因定位,并输出异常根因。本发明实现了对内容分发网络的自动监测与异常根因定位,降低了人工成本,并显著提高了内容分发网络监测的效率与准确率。
Description
技术领域
本发明涉及计算机网络领域,尤其涉及一种内容分发网络异常定位方法、装置、设备及存储介质。
背景技术
内容分发网络(Content Delivery Network,CDN)是构建在现有网络基础之上的智能虚拟网络,依靠部署在各地的边缘服务器,通过中心平台的负载均衡、内容分发、调度等功能模块,使用户就近获取所需内容,降低网络拥塞,提高用户访问响应速度和命中率。内容分发网络具有组成机器多、用户量大、网络复杂、软件架构层次深等特点,因此内容分发网络的异常不易监测与定位。
在现有的技术中,通过逐层试错的方式对内容分发网络进行异常检测。对监测数据设置阈值以判断服务是否正常,当某一域名服务发生异常时,需由专业的运维工作人员搜索查找该域名调度到的机器,并逐一排查找出异常根因,该方法检测异常根因所耗费的时间周期较长,繁琐复杂易出错,且依赖于运维人员的经验。
发明内容
本发明的主要目的在于提供一种内容分发网络异常定位方法、装置、设备及存储介质,旨在解决现有内容分发网络异常定位方法成本高且效率低的技术问题。
本发明第一方面提供了一种内容分发网络异常定位方法,包括:
每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
可选的,在本发明第一方面的第一种实现方式中,所述根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警包括:
采用预置数据异常检测算法分别对多次采样得到的所述目标监测数据进行检测,以判断所述内容分发网络在当前周期时间内是否发生异常;
若所述内容分发网络在当前周期时间内发生异常,则基于检测异常的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警。
可选的,在本发明第一方面的第二种实现方式中,所述对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱包括:
基于预置告警特征和告警分类的映射关系,对所述时序数据告警进行分类,得到多条不同类别的异常告警,所述异常告警包括告警源与告警描述,同一告警源至少对应一条告警描述;
以所述告警源为根节点、所述告警描述为叶节点,分别建立各所述异常告警对应的有向无环图,得到所述内容分发网络在当前周期时间内的异常告警知识图谱,其中,所述异常告警知识图谱由各所述异常告警对应的有向无环图组成。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图包括:
分别获取所述异常告警知识图谱中各所述有向无环图的根节点;
分别以各所述有向无环图的根节点为目标节点,遍历所述软硬件知识图谱,记录从所述软硬件知识图谱的根节点到各所述目标节点的所有节点路径;
基于各所述有向无环图的根节点,对各所述节点路径与各所述有向无环图进行合并,得到所述内容分发网络在当前周期时间内的异常根因链路图。
可选的,在本发明第一方面的第四种实现方式中,所述基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因包括:
获取当前周期时间内各所述异常告警对应的告警权重;
基于所述告警权重,分别计算所述异常根因链路图中不同类别告警描述为异常根因的概率值;
基于各所述概率值,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,将最大所述概率值对应的异常根因作为所述异常根因链路图中的异常根因并输出。
可选的,在本发明第一方面的第五种实现方式中,所述概率值的计算公式如下:
其中,Pi表示第i类告警描述为异常根因的概率值,Wi表示第i类告警描述对应的异常告警的权重总和,n表示告警描述的类别个数,Sij表示当前周期时间内第i类告警描述对应的异常告警中第j个异常告警的告警权重,ki表示第i类告警描述对应的异常告警个数。
可选的,在本发明第一方面的第六种实现方式中,所述根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱包括:
获取所述内容分发网络在当前周期时间内的配置管理数据库信息,所述配置管理数据库信息包括多种软件配置信息与硬件配置信息;
获取所述内容分发网络在当前周期时间内的DNS调度信息并进行解析;
分别以所述软件配置信息与硬件配置信息为节点,基于解析后的所述DNS调度信息,构建所述内容分发网络在当前周期时间内的软硬件知识图谱。
本发明第二方面提供了一种内容分发网络异常定位装置,包括:
数据采样模块,用于每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
第一生成模块,用于根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
第二生成模块,用于对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
第三生成模块,用于根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
第四生成模块,用于根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
异常定位模块,用于基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
可选的,在本发明第二方面的第一种实现方式中,所述第一生成模块具体用于:
采用预置数据异常检测算法分别对多次采样得到的所述目标监测数据进行检测,以判断所述内容分发网络在当前周期时间内是否发生异常;
若所述内容分发网络在当前周期时间内发生异常,则基于检测异常的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警。
可选的,在本发明第二方面的第二种实现方式中,所述第二生成模块具体用于:
基于预置告警特征和告警分类的映射关系,对所述时序数据告警进行分类,得到多条不同类别的异常告警,所述异常告警包括告警源与告警描述,同一告警源至少对应一条告警描述;
以所述告警源为根节点、所述告警描述为叶节点,分别建立各所述异常告警对应的有向无环图,得到所述内容分发网络在当前周期时间内的异常告警知识图谱,其中,所述异常告警知识图谱由各所述异常告警对应的有向无环图组成。
可选的,在本发明第二方面的第三种实现方式中,所述第四生成模块具体用于:
分别获取所述异常告警知识图谱中各所述有向无环图的根节点;
分别以各所述有向无环图的根节点为目标节点,遍历所述软硬件知识图谱,记录从所述软硬件知识图谱的根节点到各所述目标节点的所有节点路径;
基于各所述有向无环图的根节点,对各所述节点路径与各所述有向无环图进行合并,得到所述内容分发网络在当前周期时间内的异常根因链路图。
可选的,在本发明第二方面的第四种实现方式中,所述异常定位模块具体用于:
获取当前周期时间内各所述异常告警对应的告警权重;
基于所述告警权重,分别计算所述异常根因链路图中不同类别告警描述为异常根因的概率值;
基于各所述概率值,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,将最大所述概率值对应的异常根因作为所述异常根因链路图中的异常根因并输出。
可选的,在本发明第二方面的第五种实现方式中,所述
概率值的计算公式如下:
其中,Pi表示第i类告警描述为异常根因的概率值,Wi表示第i类告警描述对应的异常告警的权重总和,n表示告警描述的类别个数,Sij表示当前周期时间内第i类告警描述对应的异常告警中第j个异常告警的告警权重,ki表示第i类告警描述对应的异常告警个数。
可选的,在本发明第二方面的第六种实现方式中,所述第三生成模块具体用于:
获取所述内容分发网络在当前周期时间内的配置管理数据库信息,所述配置管理数据库信息包括多种软件配置信息与硬件配置信息;
获取所述内容分发网络在当前周期时间内的DNS调度信息并进行解析;
分别以所述软件配置信息与硬件配置信息为节点,基于解析后的所述DNS调度信息,构建所述内容分发网络在当前周期时间内的软硬件知识图谱。
本发明第三方面提供了一种电子设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述电子设备执行上述的内容分发网络异常定位方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的内容分发网络异常定位方法。
本发明提供的技术方案中,每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样,根据多次采样得到的目标监测数据,生成时序数据告警,对时序数据告警进行分类,并生成异常告警知识图谱,根据内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成软硬件知识图谱,根据异常告警知识图谱和软硬件知识图谱,生成异常根因链路图,基于异常根因链路图,进行根因定位,并输出异常根因。本发明实现了对内容分发网络的自动监测与异常根因定位,减少人工参与度,降低了人工成本,同时能够对多种异常数据进行判断,满足实际使用需求,并显著提高了内容分发网络监测的效率与准确率。
附图说明
图1为本发明实施例中内容分发网络异常定位方法的第一个实施例示意图;
图2为本发明实施例中内容分发网络异常定位方法的第二个实施例示意图;
图3为本发明实施例中内容分发网络异常定位方法的第三个实施例示意图;
图4为本发明实施例中异常告警知识图谱的一个实施例示意图;
图5为本发明实施例中软硬件知识图谱的一个实施例示意图;
图6为本发明实施例中异常根因链路图的一个实施例示意图;
图7为本发明实施例中内容分发网络异常定位装置的一个实施例示意图;
图8为本发明实施例中电子设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种内容分发网络异常定位方法、装置、设备及存储介质,实现了对内容分发网络的自动监测与异常根因定位,减少人工参与度,降低了人工成本,并显著提高了内容分发网络监测的效率与准确率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中内容分发网络异常定位方法的第一个实施例包括:
101、每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
可以理解的是,本发明的执行主体可以为内容分发网络异常定位装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
本实施例中,内容分发网络(Content Delivery Network,CDN)是构建在现有网络基础之上的智能虚拟网络,依靠部署在各地的边缘服务器,通过中心平台的负载均衡、内容分发、调度等功能模块,使用户就近获取所需内容,降低网络拥塞,提高用户访问响应速度和命中率。CDN的关键技术主要有内容存储和分发技术。
本实施例中,目标监测数据是需要监测的用以判断内容分发网络是否异常的数据,包括但不限于http请求状态码5xx数据、错误码数据、服务器的CPU使用率、服务器的磁盘使用率、网络丢包率等。
可选的,在一实施例中,可根据需求调整监测数据的个数与种类。
本实施例中,在一个周期时间内,对预选的目标监测数据进行多次采样,可以在该周期时间内随机进行采样,也可以在该周期时间内每隔预置时间间隔进行一次采样。
102、根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
本实施例中,判断采样得到的目标监测数据是否异常,若异常,则生成相应的时序数据告警。
本实施例中,时序数据告警是对异常数据的描述,包括异常数据的数据类型、异常发生的时间与异常数据的数据值。
可选的,在一实施例中,上述步骤102包括:
采用预置数据异常检测算法分别对多次采样得到的所述目标监测数据进行检测,以判断所述内容分发网络在当前周期时间内是否发生异常;
若所述内容分发网络在当前周期时间内发生异常,则基于检测异常的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警。
本实施例中,数据异常检测算法不限,可选的,在一实施例中,采用3-sigma算法进行异常值检测,判断采集到的目标监测数据是否异常。
103、对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
本实施例中,时序数据告警包括三类,分别为事件(event)、外部中心(outercenter,OC)、主机(host);其中,事件是对当前周期时间内的异常监测做的唯一性标识,外部中心是内容分发网络的边缘节点(边缘机房),主机内容分发网络的边缘节点内的服务器。
本实施例中,异常告警知识图谱是描述时序数据告警的知识图谱。
可选的,在一实施例中,上述步骤103包括:
基于预置告警特征和告警分类的映射关系,对所述时序数据告警进行分类,得到多条不同类别的异常告警,所述异常告警包括告警源与告警描述,同一告警源至少对应一条告警描述;
以所述告警源为根节点、所述告警描述为叶节点,分别建立各所述异常告警对应的有向无环图,得到所述内容分发网络在当前周期时间内的异常告警知识图谱,其中,所述异常告警知识图谱由各所述异常告警对应的有向无环图组成。
本实施例中,告警特征是检测异常的目标监测数据的特征,用以确定检测异常的目标监测数据的数据类型。
本实施例中,不同检测异常的目标监测数据的数据类型对应不同的告警分类,其预置映射关系可通过配置更改。
本实施例中,告警源是产生异常告警的主体,包括事件、外部中心和主机;告警描述是对异常告警的具体描述,描述了异常告警的具体告警信息。
本实施例中,针对每一个告警源与告警描述的对应关系,建立有向无环图,其中,有向无环图是无回路的有向图,由告警源指向其对应的告警描述,各有向无环图组合构成异常告警知识图谱。
104、根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
本实施例中,配置管理数据库(Configuration Management Database,CMDB)是一个逻辑数据库,包含了配置项全生命周期的信息以及配置项之间的关系(包括物理关系、实时通信关系、非实时通信关系和依赖关系)。配置管理数据库对所有的IT组件、组件的不同版本和状态,以及组件之间的关系进行跟踪。通过配置管理数据库可以获得内容分发网络在当前周期时间内的网络访问的配置信息。
本实施例中,DNS调度信息是内容分发网络在当前周期时间内的实际网络访问的域名调度解析信息,包括调度端和被调度端各自对应的域名信息、域名访问地址。
本实施例中,使用配置管理数据库信息和DNS调度信息做了双重保证。
本实施例中,软硬件知识图谱是内容分发网络的软件和硬件组成的逻辑架构,其中,软件信息包括虚拟服务器、虚拟缓存、负载均衡软件,硬件信息包括物理机、交换机、虚拟服务器、路由器中的多种。
105、根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
本实施例中,异常根因链路图是与异常告警信息相关的告警源的调度链路图。
本实施例中,根据软硬件知识图谱,获取异常告警知识图谱中每一个告警源的调度链路,组合各调度链路,生成异常根因链路图。
106、基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
本实施例中,根因是内容分发网络异常的根本原因。
本实施例中,基于异常根因链路图,计算各告警描述为异常根因的概率,根据各概率值确定异常根因。
本发明实施例中,每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样,根据多次采样得到的目标监测数据,生成时序数据告警,对时序数据告警进行分类,并生成异常告警知识图谱,根据内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成软硬件知识图谱,根据异常告警知识图谱和软硬件知识图谱,生成异常根因链路图,基于异常根因链路图,进行根因定位,并输出异常根因。本发明实现了对内容分发网络的自动监测与异常根因定位,减少人工参与度,降低了人工成本,同时能够对多种异常数据进行判断,满足实际使用需求,并显著提高了内容分发网络监测的效率与准确率。
请参阅图2,本发明实施例中内容分发网络异常定位方法的第二个实施例包括:
201、每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
202、根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
203、对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
204、根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
205、分别获取所述异常告警知识图谱中各所述有向无环图的根节点;
本实施例中,根节点即告警源。
206、分别以各所述有向无环图的根节点为目标节点,遍历所述软硬件知识图谱,记录从所述软硬件知识图谱的根节点到各所述目标节点的所有节点路径;
本实施例中,图遍历的方法不限,包括但不限于深度优先搜索算法、广度优先搜索算法。
207、基于各所述有向无环图的根节点,对各所述节点路径与各所述有向无环图进行合并,得到所述内容分发网络在当前周期时间内的异常根因链路图;
可选的,在一施例中,上述步骤207包括:
(1)新建一个有向无环图;
(2)选择一个有向无环图的根节点作为目标节点,遍历软硬件知识图谱,在软硬件知识图谱中找到所有从软硬件知识图谱的根节点到与目标节点指代的告警源相同的节点的路径,并将找到的路径加入新建的有向无环图;
(3)在告警源节点后添加其对应的告警描述;
(4)重复步骤2与步骤3,直到对每一个有向无环图的根节点找到其对应的路径。
208、获取当前周期时间内各所述异常告警对应的告警权重;
本实施例中,告警权重是各异常告警在异常根因链路图中描述异常程度的权重。
可选的,在一实施例中,告警权重由有经验的运维人员统一初始分配,从而避免了传统检测方式中由于运维人员水平参差不齐而造成的判断错误。
可选的,在一实施例中,自动分配告警权重初始值,如:都分配为1,后续通过运维人员的反馈,动态调整告警权重。
可选的,在一实施例中,运维人员确定异常根因后,如果自动计算得出的异常根因与运维人员确定的异常根因不同,则运维人员确定的异常根因对应的异常告警的权重加一,直到计算得出的异常根因与运维人员确定的异常根因相同。
本实施例中,权重的自动更新算法不限,可选的,采用神经网络BP算法进行自动更新。
209、基于所述告警权重,分别计算所述异常根因链路图中不同类别告警描述为异常根因的概率值;
可选的,在一实施例中,所述概率值的计算公式如下:
其中,Pi表示第i类告警描述为异常根因的概率值,Wi表示第i类告警描述对应的异常告警的权重总和,n表示告警描述的类别个数,Sij表示当前周期时间内第i类告警描述对应的异常告警中第j个异常告警的告警权重,ki表示第i类告警描述对应的异常告警个数。
本实施例中,第i类告警描述对应的异常告警的权重总和指所有包含第i类告警描述的异常告警的权重总和。
210、基于各所述概率值,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,将最大所述概率值对应的异常根因作为所述异常根因链路图中的异常根因并输出。
本发明实施例中,每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样,根据多次采样得到的目标监测数据,生成时序数据告警,对时序数据告警进行分类,并生成异常告警知识图谱,根据内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成软硬件知识图谱,根据异常告警知识图谱和软硬件知识图谱,生成异常根因链路图,基于异常根因链路图,计算不同类别告警描述为异常根因的概率值,根据计算得到的概率值进行根因定位,并输出异常根因。本发明使用软硬件知识图谱和告警知识图谱合并成异常根因链路图,无需人工参与,且适应各种复杂场景,基于权重的异常根因判断可以动态调整异常根因链路图,在极少人为干预的情况下进行自学习,并显著提高了内容分发网络监测的效率与准确率。
请参阅图3,本发明实施例中内容分发网络异常定位方法的第三个实施例包括:
301、每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
302、根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
303、对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
304、获取所述内容分发网络在当前周期时间内的配置管理数据库信息,所述配置管理数据库信息包括多种软件配置信息与硬件配置信息;
本实施例中,软件配置信息包括虚拟服务器、虚拟缓存、负载均衡软件,硬件配置信息包括物理机、交换机、虚拟服务器、路由器中的多种。
305、获取所述内容分发网络在当前周期时间内的DNS调度信息并进行解析;
本实施例中,DNS调度信息包括调度端和被调度端各自对应的域名信息、域名访问地址。
本实施例中,对DNS调度信息进行解析,得到内容分发网络在当前周期时间内实际的域名调度路径。
306、分别以所述软件配置信息与硬件配置信息为节点,基于解析后的所述DNS调度信息,构建所述内容分发网络在当前周期时间内的软硬件知识图谱;
本实施例中,根据DNS调度信息中的域名调度路径,构建各结点间的连接关系,从而生成软硬件知识图谱。
307、根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
308、基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
本发明实施例中,每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样,根据多次采样得到的目标监测数据,生成时序数据告警,对时序数据告警进行分类,并生成异常告警知识图谱,根据内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成软硬件知识图谱,根据异常告警知识图谱和软硬件知识图谱,生成异常根因链路图,基于异常根因链路图,进行根因定位,并输出异常根因。本发明根据配置管理数据库信息与DNS调度信息动态生成软硬件知识图谱,无需人工参与即可生成对应周期时间内的软硬件知识图谱,减少了人工成本,满足实际使用需求,显著提高了内容分发网络监测的效率与准确率。
图4是本发明实施例中异常告警知识图谱的一个实施例。
本实施例中,有四个告警源:事件afc27280-e328-9124-4fbb-3ff3932f,主机60.15.139.10,主机218.60.55.136,主机183.201.22.67。
本实施例中,事件afc27280-e328-9124-4fbb-3ff3932f对应一个告警描述http_code_5xx,httpCode5xx异常:v29-ipv6.toutiaovod.com-HttpCode5-1635,发生时段:1123-10:25-10:30;主机60.15.139.10对应两个告警描述:http_code,HttpCode504:1275和error_code,源端http请求失败:1275;主机218.60.55.136对应两个告警描述:http_code,HttpCode504:313和error_code,源端http请求失败:313;主机183.201.22.67对应一个告警描述:erroe_code,非法accesskey:22。
本实施例中,事件afc27280-e328-9124-4fbb-3ff3932f指域名v29-ipv6.toutiaovod.com在11月23日的10:25至10:30产生了1635次http响应状态码5开头的异常;主机60.15.139.10上发生了1275次http响应状态码504错误并产生了1275个源端http请求失败的错误码;主机218.60.55.136上发生了313次http响应状态码504错误并产生了313个源端http请求失败的错误码;主机183.201.22.67产生了22个非法accesskey的错误码。
图5是本发明实施例中软硬件知识图谱的一个实施例。
本实施例中,域名v29-ipv6.toutiaovod.com在11月23日的10:25至10:30调度到了电信-重庆-YR-L-B、联通-绥化-SC-N-A、移动-淮南-WX-N-A、联通-沈阳-SY-N-A、移动-太原-YD-N-B等外部中心。
本实施例中,联通-绥化-SC-N-A调度到了60.15.139.10等主机;联通-沈阳-SY-N-A调度到了218.60.55.136等主机;移动-太原-YD-N-B调度到了183.201.22.67等主机;其他外部中心调度的主机IP地址在该图中省略未标出。
图6是本发明实施例中异常根因链路图的一个实施例。
本实施例中,主机60.15.139.10发生1275次http响应状态码504错误的异常告警的权重为1;主机60.15.139.10产生1275个源端http请求失败的错误码的异常告警的权重为2;主机218.60.55.136发生313次http响应状态码504错误的异常告警的权重为1;主机218.60.55.136产生313个源端http请求失败的错误码的异常告警的权重为2;主机183.201.22.67产生22个非法accesskey的错误码的异常告警的权重为2。
本实施例中,http响应状态码504为异常根因的概率值计算如下:
本实施例中,源端http请求失败为异常根因的概率值计算如下:
本实施例中,非法accesskey为异常根因的概率值计算如下:
本实施例中,该次内容分发网络的异常根因最可能是源端http请求失败。
上面对本发明实施例内容分发网络异常定位方法进行了描述,下面对本发明实施例中内容分发网络异常定位装置进行描述,请参阅图7,本发明实施例中内容分发网络异常定位装置一个实施例包括:
数据采样模块701,用于每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
第一生成模块702,用于根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
第二生成模块703,用于对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
第三生成模块704,用于根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
第四生成模块705,用于根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
异常定位模块706,用于基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
可选的,所述第一生成模块702具体用于:
采用预置数据异常检测算法分别对多次采样得到的所述目标监测数据进行检测,以判断所述内容分发网络在当前周期时间内是否发生异常;若所述内容分发网络在当前周期时间内发生异常,则基于检测异常的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警。
可选的,所述第二生成模块703具体用于:
基于预置告警特征和告警分类的映射关系,对所述时序数据告警进行分类,得到多条不同类别的异常告警,所述异常告警包括告警源与告警描述,同一告警源至少对应一条告警描述;以所述告警源为根节点、所述告警描述为叶节点,分别建立各所述异常告警对应的有向无环图,得到所述内容分发网络在当前周期时间内的异常告警知识图谱,其中,所述异常告警知识图谱由各所述异常告警对应的有向无环图组成。
可选的,所述第三生成模块704具体用于:
获取所述内容分发网络在当前周期时间内的配置管理数据库信息,所述配置管理数据库信息包括多种软件配置信息与硬件配置信息;获取所述内容分发网络在当前周期时间内的DNS调度信息并进行解析;分别以所述软件配置信息与硬件配置信息为节点,基于解析后的所述DNS调度信息,构建所述内容分发网络在当前周期时间内的软硬件知识图谱。
可选的,所述第四生成模块705具体用于:
分别获取所述异常告警知识图谱中各所述有向无环图的根节点;分别以各所述有向无环图的根节点为目标节点,遍历所述软硬件知识图谱,记录从所述软硬件知识图谱的根节点到各所述目标节点的所有节点路径;基于各所述有向无环图的根节点,对各所述节点路径与各所述有向无环图进行合并,得到所述内容分发网络在当前周期时间内的异常根因链路图。
可选的,所述异常定位模块706具体用于:
获取当前周期时间内各所述异常告警对应的告警权重;基于所述告警权重,分别计算所述异常根因链路图中不同类别告警描述为异常根因的概率值;基于各所述概率值,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,将最大所述概率值对应的异常根因作为所述异常根因链路图中的异常根因并输出。
可选的,所述概率值的计算公式如下:
其中,Pi表示第i类告警描述为异常根因的概率值,Wi表示第i类告警描述对应的异常告警的权重总和,n表示告警描述的类别个数,Sij表示当前周期时间内第i类告警描述对应的异常告警中第j个异常告警的告警权重,ki表示第i类告警描述对应的异常告警个数。
本发明实施例中,每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样,根据多次采样得到的目标监测数据,生成时序数据告警,对时序数据告警进行分类,并生成异常告警知识图谱,根据内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成软硬件知识图谱,根据异常告警知识图谱和软硬件知识图谱,生成异常根因链路图,基于异常根因链路图,进行根因定位,并输出异常根因。本发明实现了对内容分发网络的自动监测与异常根因定位,减少人工参与度,降低了人工成本,同时能够对多种异常数据进行判断,满足实际使用需求,并显著提高了内容分发网络监测的效率与准确率。
上面图7从模块化功能实体的角度对本发明实施例中的内容分发网络异常定位装置进行详细描述,下面从硬件处理的角度对本发明实施例中电子设备进行详细描述。
图8是本发明实施例提供的一种电子设备的结构示意图,该电子设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processingunits,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对电子设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在电子设备500上执行存储介质530中的一系列指令操作。
电子设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作***531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的电子设备结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种电子设备,所述电子设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述内容分发网络异常定位方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述内容分发网络异常定位方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种内容分发网络异常定位方法,其特征在于,所述内容分发网络异常定位方法包括:
每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
2.根据权利要求1所述的内容分发网络异常定位方法,其特征在于,所述根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警包括:
采用预置数据异常检测算法分别对多次采样得到的所述目标监测数据进行检测,以判断所述内容分发网络在当前周期时间内是否发生异常;
若所述内容分发网络在当前周期时间内发生异常,则基于检测异常的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警。
3.根据权利要求1所述的内容分发网络异常定位方法,其特征在于,所述对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱包括:
基于预置告警特征和告警分类的映射关系,对所述时序数据告警进行分类,得到多条不同类别的异常告警,所述异常告警包括告警源与告警描述,同一告警源至少对应一条告警描述;
以所述告警源为根节点、所述告警描述为叶节点,分别建立各所述异常告警对应的有向无环图,得到所述内容分发网络在当前周期时间内的异常告警知识图谱,其中,所述异常告警知识图谱由各所述异常告警对应的有向无环图组成。
4.根据权利要求3所述的内容分发网络异常定位方法,其特征在于,所述根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图包括:
分别获取所述异常告警知识图谱中各所述有向无环图的根节点;
分别以各所述有向无环图的根节点为目标节点,遍历所述软硬件知识图谱,记录从所述软硬件知识图谱的根节点到各所述目标节点的所有节点路径;
基于各所述有向无环图的根节点,对各所述节点路径与各所述有向无环图进行合并,得到所述内容分发网络在当前周期时间内的异常根因链路图。
5.根据权利要求4所述的内容分发网络异常定位方法,其特征在于,所述基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因包括:
获取当前周期时间内各所述异常告警对应的告警权重;
基于所述告警权重,分别计算所述异常根因链路图中不同类别告警描述为异常根因的概率值;
基于各所述概率值,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,将最大所述概率值对应的异常根因作为所述异常根因链路图中的异常根因并输出。
7.根据权利要求1所述的内容分发网络异常定位方法,其特征在于,所述根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱包括:
获取所述内容分发网络在当前周期时间内的配置管理数据库信息,所述配置管理数据库信息包括多种软件配置信息与硬件配置信息;
获取所述内容分发网络在当前周期时间内的DNS调度信息并进行解析;
分别以所述软件配置信息与硬件配置信息为节点,基于解析后的所述DNS调度信息,构建所述内容分发网络在当前周期时间内的软硬件知识图谱。
8.一种内容分发网络异常定位装置,其特征在于,所述内容分发网络异常定位装置包括:
数据采样模块,用于每隔预置周期时间,对内容分发网络中的目标监测数据进行多次采样;
第一生成模块,用于根据多次采样得到的目标监测数据,生成所述内容分发网络在当前周期时间内的时序数据告警;
第二生成模块,用于对所述时序数据告警进行分类,并根据分类结果生成所述内容分发网络在当前周期时间内的异常告警知识图谱;
第三生成模块,用于根据所述内容分发网络在当前周期时间内的配置管理数据库信息与DNS调度信息,生成所述内容分发网络在当前周期时间内的软硬件知识图谱;
第四生成模块,用于根据所述异常告警知识图谱和所述软硬件知识图谱,生成所述内容分发网络在当前周期时间内的异常根因链路图;
异常定位模块,用于基于所述异常根因链路图,对所述内容分发网络在当前周期时间内发生的异常进行根因定位,输出所述异常根因链路图中的异常根因。
9.一种电子设备,其特征在于,所述电子设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述电子设备执行如权利要求1-7中任一项所述的内容分发网络异常定位方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的内容分发网络异常定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664189.0A CN114422325A (zh) | 2021-12-30 | 2021-12-30 | 内容分发网络异常定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664189.0A CN114422325A (zh) | 2021-12-30 | 2021-12-30 | 内容分发网络异常定位方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114422325A true CN114422325A (zh) | 2022-04-29 |
Family
ID=81271556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111664189.0A Pending CN114422325A (zh) | 2021-12-30 | 2021-12-30 | 内容分发网络异常定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114422325A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114844712A (zh) * | 2022-05-23 | 2022-08-02 | 苏州思萃工业互联网技术研究所有限公司 | 基于知识图谱边缘节点安全检测***及方法 |
CN114944956A (zh) * | 2022-05-27 | 2022-08-26 | 深信服科技股份有限公司 | 一种攻击链路检测方法、装置、电子设备及存储介质 |
CN115190001A (zh) * | 2022-07-22 | 2022-10-14 | 天翼云科技有限公司 | 一种网络异常状态分析方法及装置 |
CN115622933A (zh) * | 2022-09-07 | 2023-01-17 | 天翼数字生活科技有限公司 | 一种路由分发方法、装置和设备 |
CN116962673A (zh) * | 2023-09-21 | 2023-10-27 | 四川君恒泰电子电器有限公司 | 一种应用于智能电视主板***的异常检测方法及*** |
CN117828300A (zh) * | 2024-01-03 | 2024-04-05 | 北京新数科技有限公司 | 一种基于异常指标时序关系的银行业务根因指标分析方法、***、设备及可读存储介质 |
WO2024139810A1 (zh) * | 2022-12-30 | 2024-07-04 | 中兴通讯股份有限公司 | 网络故障分析方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019932A (zh) * | 2020-08-27 | 2020-12-01 | 广州华多网络科技有限公司 | 网络故障根因定位方法、装置、计算机设备及存储介质 |
CN112787841A (zh) * | 2019-11-11 | 2021-05-11 | 华为技术有限公司 | 故障根因定位方法及装置、计算机存储介质 |
CN112887119A (zh) * | 2019-11-30 | 2021-06-01 | 华为技术有限公司 | 故障根因确定方法及装置、计算机存储介质 |
CN113032238A (zh) * | 2021-05-25 | 2021-06-25 | 南昌惠联网络技术有限公司 | 基于应用知识图谱的实时根因分析方法 |
CN113282461A (zh) * | 2021-05-28 | 2021-08-20 | 中国联合网络通信集团有限公司 | 传输网的告警识别方法和装置 |
CN113590451A (zh) * | 2021-09-29 | 2021-11-02 | 阿里云计算有限公司 | 一种根因定位方法、运维服务器及存储介质 |
-
2021
- 2021-12-30 CN CN202111664189.0A patent/CN114422325A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112787841A (zh) * | 2019-11-11 | 2021-05-11 | 华为技术有限公司 | 故障根因定位方法及装置、计算机存储介质 |
CN112887119A (zh) * | 2019-11-30 | 2021-06-01 | 华为技术有限公司 | 故障根因确定方法及装置、计算机存储介质 |
CN112019932A (zh) * | 2020-08-27 | 2020-12-01 | 广州华多网络科技有限公司 | 网络故障根因定位方法、装置、计算机设备及存储介质 |
CN113032238A (zh) * | 2021-05-25 | 2021-06-25 | 南昌惠联网络技术有限公司 | 基于应用知识图谱的实时根因分析方法 |
CN113282461A (zh) * | 2021-05-28 | 2021-08-20 | 中国联合网络通信集团有限公司 | 传输网的告警识别方法和装置 |
CN113590451A (zh) * | 2021-09-29 | 2021-11-02 | 阿里云计算有限公司 | 一种根因定位方法、运维服务器及存储介质 |
Non-Patent Citations (1)
Title |
---|
王国明等: "知识图谱的应用分析与架构的研究", 《电脑知识与技术》, 5 November 2021 (2021-11-05) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114844712A (zh) * | 2022-05-23 | 2022-08-02 | 苏州思萃工业互联网技术研究所有限公司 | 基于知识图谱边缘节点安全检测***及方法 |
CN114844712B (zh) * | 2022-05-23 | 2024-06-21 | 苏州思萃工业互联网技术研究所有限公司 | 基于知识图谱边缘节点安全检测***及方法 |
CN114944956A (zh) * | 2022-05-27 | 2022-08-26 | 深信服科技股份有限公司 | 一种攻击链路检测方法、装置、电子设备及存储介质 |
CN115190001A (zh) * | 2022-07-22 | 2022-10-14 | 天翼云科技有限公司 | 一种网络异常状态分析方法及装置 |
CN115190001B (zh) * | 2022-07-22 | 2024-03-08 | 天翼云科技有限公司 | 一种网络异常状态分析方法及装置 |
CN115622933A (zh) * | 2022-09-07 | 2023-01-17 | 天翼数字生活科技有限公司 | 一种路由分发方法、装置和设备 |
WO2024139810A1 (zh) * | 2022-12-30 | 2024-07-04 | 中兴通讯股份有限公司 | 网络故障分析方法及*** |
CN116962673A (zh) * | 2023-09-21 | 2023-10-27 | 四川君恒泰电子电器有限公司 | 一种应用于智能电视主板***的异常检测方法及*** |
CN116962673B (zh) * | 2023-09-21 | 2023-12-15 | 四川君恒泰电子电器有限公司 | 一种应用于智能电视主板***的异常检测方法及*** |
CN117828300A (zh) * | 2024-01-03 | 2024-04-05 | 北京新数科技有限公司 | 一种基于异常指标时序关系的银行业务根因指标分析方法、***、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114422325A (zh) | 内容分发网络异常定位方法、装置、设备及存储介质 | |
CN113328872B (zh) | 故障修复方法、装置和存储介质 | |
CN106130786B (zh) | 一种网络故障的检测方法及装置 | |
US7500142B1 (en) | Preliminary classification of events to facilitate cause-based analysis | |
US11348023B2 (en) | Identifying locations and causes of network faults | |
US20160179598A1 (en) | System and method of visualizing historical event correlations in a data center | |
US20080016115A1 (en) | Managing Networks Using Dependency Analysis | |
EP3329640B1 (en) | Network operation | |
CN107683586A (zh) | 用于异常检测中的计算基于小区密度的稀有度的方法和装置 | |
JP5933463B2 (ja) | ログ生起異常検知装置及び方法 | |
US20090164618A1 (en) | Network system and method of administrating networks | |
CN108123849A (zh) | 检测网络流量的阈值的确定方法、装置、设备及存储介质 | |
CN113438110B (zh) | 一种集群性能的评价方法、装置、设备及存储介质 | |
JP2009527839A (ja) | 通信ネットワークのトランザクション監視のための方法及びシステム | |
Rochim et al. | Design Log Management System of Computer Network Devices Infrastructures Based on ELK Stack | |
CN112596975A (zh) | 对网络设备进行监控处理的方法、***、设备和存储介质 | |
CN113938407A (zh) | 基于带内网络遥测***的数据中心网络的故障检测方法及装置 | |
Raja et al. | Rule generation for TCP SYN flood attack in SIEM environment | |
JP5505930B2 (ja) | 監視装置、監視方法及びプログラム | |
CN104518896A (zh) | 基于内部网关协议路由介数的网络脆弱性分析方法和装置 | |
CN115202958A (zh) | 一种电力异常监控方法、装置、电子设备及存储介质 | |
US20150170037A1 (en) | System and method for identifying historic event root cause and impact in a data center | |
CN107590008B (zh) | 一种通过加权熵判断分布式集群可靠度的方法和*** | |
Dozier et al. | Vulnerability analysis of immunity-based intrusion detection systems using genetic and evolutionary hackers | |
Narayanan et al. | Towards' integrated'monitoring and management of DataCenters using complex event processing techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |