基于CBRMBR智能网络故障定位系统探究.docVIP

基于CBRMBR智能网络故障定位系统探究 　　【摘要】：目前的智能故障诊断技术，多采用某种单一的人工智能技术运用于整个故障诊断过程，难以满足对复杂网络故障进行准确、有效的定位和诊断的全部要求。文章拟采用基于CBR/MBR的分布式事件关联技术对故障进行定位，以准确、快速地分离出故障源。 　　【关键词】：网络故障定位; CBR/MBR; 故障诊断; 事件关联 　　 　　一、 引言 　　 　　 随着计算机及通信技术的飞速发展，计算机网络已经渗透到社会生活的各个领域，网络管理正面临着新的挑战，而网络故障管理又是网络管理中最重要的一部分，网络故障诊断和定位是网络系统正常运行的基本保证，也是网络管理任务中最为复杂的一部分。 　　 　　二、 CBR/MBR 　　 　　 事件关联技术(EventCorrelation)是重要的故障定位策略，长期以来一直是研究的热点。其基本思想是通过关联多个事件为某一单一概念事件来过滤不必要的或不相关的事件，为网络管理员提供事件信息更精简的视图，以准确、快速的识别故障源，文章在此基础上将详细阐述基于CBR/MBR的智能网络故障定位方法。 　　 CBR（Case Based Reasoning），基于事例的推理。CBR是人工智能发展较为成熟的一个分支，与其它人工智能技术相比，其不同之处在于它不依赖于问题领域的一般知识，也不是产生式规则。CBR能够利用有经验的、具体事例的特殊知识，通过寻找类似的过去事例来解决新问题。 　　 下图给出了基于事例推理的一般结构。 　　 　　 基于事例推理的过程可分为以下几步：①构建案例库；②接收新事例并从事例库中选择相关性最大的那些事例；③选择最佳事例并使其适应当前事例；④为新事例提供解决方案；⑤测试方案；⑥添加知识到事例库。基于事例推理的优点是建立事例库比较方便，在解决问题时简单快速并且效率高；具有自学习和自组织的能力；适用于知识抽取比较因难或知识比较缺乏的领域。 　　 MBR（ModelBasedReasoning），基于模型的推理。MBR是一种基于面向对象模型的方法，它与潜在系统的深层知识相结合，这些知识包括系统中各个组件的属性、结构及其行为。MBR通过对网络结构和行为建模进行告警事件关联，在故障管理中，被管网元的属性、结构和行为均被模型化，模型之间的关系反映出它们所代表的被管网元之间的关系，而事件关联是模型之间协作的结果。 　　 对于任何一个被管网络，只要使用转换工具将网络的拓扑结构转换成网络的关联模型，MBR推理算法就可以接收代理发出的告警事件，实时地进行事件关联。但是，MBR推理算法不具有自学习性，因而单纯依靠MBR推理技术有时不能给出正确的关联结果，所以，此方法很少单独使用，为了解决此问题，文章描述了一种基于CBR/MBR的分布式事件关联方法。 　　 　　三、 基于CBR/MBR的智能网络故障定位模型 　　 　　 基于CBR/MBR的事件关联过程包括两个方面的工作： 　　 　　 1. 运用CBR技术进行推理 　　 CBR分为3个阶段:事例的获取、事件的检索及事件的学习。事例的获取有两种方法，一是通过用户界面由用户或领域专家输入，二是通过故障历史数据积累。两种方式得到的事例都以统一的格式写入数据库中。事例检索的任务是在事例库中查找与当前问题相同的历史事例，如果存在，则直接利用历史事例的解决方法来解决新问题。如果不存在，那么CBR进入自学习过程。当事例库中没有与当前问题相同的历史事例时，系统根据网络拓扑结构运用MBR进行实时事件关联。关联结果作为新事例自动加入到事例库中，以备后用。 　　 　　 2. 运用MBR技术进行实时事件关联 　　 MBR技术的运用是为了实现与CBR技术的优势互补，应用于CBR技术的自学习阶段。主要包括四个过程： 　　 （1）定义关联模型的结构 　　 网络的关联模型是一个网络对象的有机集合，这些网络对象可以划分成4个层次：全网、子网、网络元素(NE)和原子对象。一个被管网络可能包括多个子网，一子网的类型可以是总线网、令牌网或星形网等。每个子网由一个或多个NE组成，这些NE的类型可以是主机、路由器或交换机等。从事件关联的角度出发，要求将网络中的每个NE表示为一个由多个原子对象组成的集合，例如可以将一台交换机表示成若干端口组成的集合。事件关联的目标就是识别出作为网络故障根原因，可以定位到网元级或原子对象级。 　　 （2）定义对象间的关系 　　 对象之间存在4种关系:连接关系、关联关系、包含关系和继承关系。连接关系是指同一物理或逻辑连接上各个网络对象之间的一种关系，关联关系是由连接关系推导而来。 　　 （3）网络对象的形式化描述 　　 根据网络对象类型的不同，对象类所包括的属性和属性个数也可能不