基於證據篩選的虛擬網絡故障診斷方法及裝置製造方法
2023-04-28 02:05:46
基於證據篩選的虛擬網絡故障診斷方法及裝置製造方法
【專利摘要】本發明涉及網絡故障診斷【技術領域】,具體涉及一種基於證據篩選的虛擬網絡故障診斷方法及裝置。本發明提供的一種基於證據篩選的虛擬網絡故障診斷方法及裝置,通過採用對虛擬網絡的觀察結果建立證據矩陣模型,利用DS證據理論求解各個虛擬網絡組件的故障概率,從而確定故障組件,克服了虛擬網絡的動態性、擴展性以及信息不確定性。同時,因為本發明所採用的技術方案對證據進行了提前的篩選處理,使得故障定位既保持了高準確性,又極大的提高了時間效率,使得整體效益最大化。
【專利說明】基於證據篩選的虛擬網絡故障診斷方法及裝置
【技術領域】
[0001] 本發明涉及網絡故障診斷【技術領域】,具體涉及一種基於證據篩選的虛擬網絡故障 診斷方法及裝置。
【背景技術】
[0002] 在虛擬網絡環境中,多個虛擬網絡同時存在於同一底層物理網絡上,傳統的 網際網路服務提供商(InternetServiceProvider,ISP)分為兩部分:基礎設施提供商 (InfrastructureProviders,InPs)和網絡服務運營商(ServiceProviders,SPs),基礎設 施提供商用來提供和管理物理基礎設施,網絡服務運營商利用多個InPs提供的資源,通過 抽象、分配和隔離機制部署虛擬網絡,為終端用戶提供創新的端到端服務及多樣化的業務 應用。
[0003] 虛擬化環境中由於底層信息對於上層虛擬網絡的透明性使得故障檢測系統無法 獲取完整的網絡知識,從而在對虛擬網絡故障診斷中存在大量的不確定性;此外,虛擬網路 是典型的大規模分布式網絡,其中包含大量的虛擬節點和虛擬鏈路,這些組件又隨需求動 態變更,沒有固定的網絡拓撲。加之噪聲影響,使得虛擬環境中對虛擬網絡的故障診斷變得 更加困難。
[0004] 現有的技術方案主要採用基於管理層主動或被動探測故障定位方法來對虛擬網 絡進行故障診斷。然而,採用上述方法診斷虛擬網絡故障需要了解網絡的全局拓撲,不能較 好地適應虛擬網絡的動態性和擴展性。
【發明內容】
[0005] 針對現有技術中不能較好地適應虛擬網絡的動態性和擴展性的缺陷,本發明提供 了一種基於證據篩選的虛擬網絡故障診斷方法及裝置。
[0006] -方面,本發明提供的一種基於證據篩選的虛擬網絡故障診斷方法,包括:
[0007] 獲取每一個客戶端對該客戶端對應的虛擬網絡路徑是否發生故障的觀察結果;
[0008] 建立證據矩陣,其中所述證據矩陣的每一行對應一個客戶端,所述證據矩陣的第 一列對應該客戶端的觀察結果,其餘每一列對應一個虛擬網絡組件,所述虛擬網絡組件包 括虛擬節點和虛擬鏈路;
[0009] 將所述證據矩陣拆分為多個子證據矩陣,每一個所述子證據矩陣的列數與所述證 據矩陣的列數相等;
[0010] 針對每一個所述子證據矩陣,根據DS證據理論求解得到每一個虛擬網絡組件的 發生故障的概率;
[0011] 按照發生故障的概率由大到小的順序依次選取發生故障概率最大的虛擬網絡組 件,直到選取的全部虛擬網絡組件所覆蓋的發生故障的虛擬網絡路徑的數量達到預設值為 止。
[0012] 進一步地,所述將所述證據矩陣拆分為多個子證據矩陣的步驟,包括:
[0013] 將所述證據矩陣拆分為兩個子證據矩陣,所述證據矩陣的奇數行作為第一子證據 矩陣,所述證據矩陣的偶數行作為第二子證據矩陣。
[0014] 進一步地,所述根據DS證據理論求解得到每一個虛擬網絡組件的發生故障的概 率的步驟,包括:
[0015] 針對每一個所述子證據矩陣,根據DS證據理論構造每一個虛擬網絡組件的一個m 函數;
[0016] 針對每一個虛擬網絡組件,根據DS證據理論的融合規則將同一個虛擬網絡組件 的所有m函數進行融合,得到該虛擬網絡組件發生故障的概率。
[0017] 進一步地,所述根據DS證據理論構造每一個虛擬網絡組件的一個m函數的步驟, 包括:
[0018]針對第i個虛擬網絡組件Q,建立Q的識別框架0 ={Ni,AJ,其中N代表正常, A代表故障;
【權利要求】
1. 一種基於證據篩選的虛擬網絡故障診斷方法,其特徵在於,所述方^包括: 獲取每一個客戶端對該客戶端對應的虛擬網絡路徑是否發生故障的觀察結果; 建立證據矩陣,其中所述證據矩陣的每一行對應一個客戶端,所述證據矩陣的第一列 對應該客戶端的觀察結果,其餘每一列對應一個虛擬網絡組件,所述虛擬網絡組件包括虛 擬節點和虛擬鏈路; 將所述證據矩陣拆分為多個子證據矩陣,每一個所述子證據矩陣的列數與所述證據矩 陣的列數相等; 針對每一個所述子證據矩陣,根據DS證據理論求解得到每一個虛擬網絡組件的發生 故障的概率; 按照發生故障的概率由大到小的順序依次選取發生故障概率最大的虛擬網絡組件,直 到選取的全部虛擬網絡組件所覆蓋的發生故障的虛擬網絡路徑的數量達到預設值為止。
2. 根據權利要求1所述的方法,其特徵在於,所述將所述證據矩陣拆分為多個子證據 矩陣的步驟,包括: 將所述證據矩陣拆分為兩個子證據矩陣,所述證據矩陣的奇數行作為第一子證據矩 陣,所述證據矩陣的偶數行作為第二子證據矩陣。
3. 根據權利要求1或2所述的方法,其特徵在於,所述根據DS證據理論求解得到每一 個虛擬網絡組件的發生故障的概率的步驟,包括: 針對每一個所述子證據矩陣,根據DS證據理論構造每一個虛擬網絡組件的一個m函 數; 針對每一個虛擬網絡組件,根據DS證據理論的融合規則將同一個虛擬網絡組件的所 有m函數進行融合,得到該虛擬網絡組件發生故障的概率。
4. 根據權利要求3所述的方法,其特徵在於,所述根據DS證據理論構造每一個虛擬網 絡組件的一個m函數的步驟,包括: 針對第i個虛擬網絡組件Ci,建立Ci的識別框架Θ={Ni,AJ,其中N代表正常,A代 表故障; 當QAPi時,In(Ni) =min(Llog(QiV3i) ),ITiGNi,AJ) =I-Iii(Ni) ^(Ai) = 0; 當Qi〈 =Pi時,m(A) =min(1,-Iog(QiV3i)) ;m( (Ni,AJ) =I-Iii(Ni),Iii(Ni) = 0 ; 所述Qi為所述虛擬網絡組件C,正常的後驗概率,所述P,為所述虛擬網絡組件C,故障 的後驗概率。
5. 根據權利要求4所述的方法,其特徵在於,所述根據DS證據理論將同一個虛擬網絡 組件的所有m函數值進行融合的步驟,包括:
其中,X、B、C為焦元,!!^第一子證據矩陣對應的m函數,m2為第二子證據矩陣對應的m函數,K為歸一化常數:K=Zlin(.._0m丨(B)m2(C)。
6. 根據權利要求1所述的方法,其特徵在於,所述預設值採用以下公式計算得到: 預設值=所有發生故障的虛擬網絡路徑數量* (1-抗噪聲係數); 其中抗噪聲係數為預設參數。
7. -種基於證據篩選的虛擬網絡故障診斷裝置,其特徵在於,所述裝置包括: 獲取模塊,用於獲取每一個客戶端對該客戶端對應的虛擬網絡路徑是否發生故障的觀 察結果; 建立模塊,用於建立證據矩陣,其中所述證據矩陣的每一行對應一個客戶端,所述證據 矩陣的第一列對應該客戶端的觀察結果,其餘每一列對應一個虛擬網絡組件,所述虛擬網 絡組件包括虛擬節點和虛擬鏈路; 拆分模塊,用於將所述證據矩陣拆分為多個子證據矩陣,每一個所述子證據矩陣的列 數與所述證據矩陣的列數相等; 求解模塊,用於針對每一個所述子證據矩陣,根據DS證據理論求解得到每一個虛擬網 絡組件的發生故障的概率; 選取模塊,用於按照發生故障的概率由大到小的順序依次選取發生故障概率最大的虛 擬網絡組件,直到選取的全部虛擬網絡組件所覆蓋的發生故障的虛擬網絡路徑的數量達到 預設值為止。
8. 根據權利要求7所述的裝置,其特徵在於,所述拆分模塊具體用於: 將所述證據矩陣拆分為兩個子證據矩陣,所述證據矩陣的奇數行作為第一子證據矩 陣,所述證據矩陣的偶數行作為第二子證據矩陣。
9. 根據權利要求8所述的裝置,其特徵在於,所述求解模塊具體用於: 針對第i個虛擬網絡組件Ci,建立Ci的識別框架Θ={Ni,AJ,其中N代表正常,A代 表故障; 當QAPi時,In(Ni) =min(Llog(QiV3i) ),ITiGNi,AJ) =I-Iii(Ni) ^(Ai) = 0; 當Qi〈 =Pi時,m(A) =min(1,-Iog(QiV3i)) ;m( (Ni,AJ) =I-Iii(Ni),Iii(Ni) = 0 ; 所述Qi為所述虛擬網絡組件C,正常的後驗概率,所述P,為所述虛擬網絡組件C,故障 的後驗概率;
其中,X、B、C為焦元,!!^第一子證據矩陣對應的m函數,m2為第二子證據矩陣對應的m函數,K為歸一化常數 :κ=ΣΒη('?(Β)Μ。)。
10. 根據權利要求7所述的裝置,其特徵在於,所述選取模塊具體用於: 所述預設值採用以下公式計算得到: 預設值=所有發生故障的虛擬網絡路徑數量* (1-抗噪聲係數); 其中抗噪聲係數為預設參數。
【文檔編號】H04L12/46GK104468196SQ201410641874
【公開日】2015年3月25日 申請日期:2014年11月13日 優先權日:2014年11月13日
【發明者】王穎, 李文璟, 王昊, 邱雪松, 芮蘭蘭 申請人:北京郵電大學