一種ip網(wǎng)絡(luò)故障探針的選擇方法
【專利摘要】本發(fā)明提供一種IP網(wǎng)絡(luò)故障探針的選擇方法，該方法包括：建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之間的貝葉斯網(wǎng)絡(luò)模型，并計算備選故障探針的條件熵B，還包括：計算各個備選故障探針的條件熵A；計算各個備選故障探針的信息熵增益G；選取信息增益最大的備選故障探針進(jìn)行發(fā)送。本發(fā)明中，將信息熵增益分解為兩個條件熵A、B之差，且條件熵B為基于故障探針經(jīng)過的節(jié)點的故障探針的信息熵，在探測過程中不發(fā)生改變，這樣在整個探測過程中僅需計算一次條件熵B，通過這種方式降低了探針選擇過程中的運算量，提高了探針選擇的效率，并降低了探針選擇所占用的系統(tǒng)資源。
【專利說明】一種IP網(wǎng)絡(luò)故障探針的選擇方法【技術(shù)領(lǐng)域】[0001]本發(fā)明涉及IP網(wǎng)絡(luò)故障檢測【技術(shù)領(lǐng)域】，特別涉及一種IP網(wǎng)絡(luò)故障探針的選擇方法。【背景技術(shù)】[0002]隨著互聯(lián)網(wǎng)的迅猛發(fā)展，IP網(wǎng)絡(luò)規(guī)模也不斷擴大，網(wǎng)絡(luò)結(jié)構(gòu)和設(shè)備變得越來越復(fù) 雜。如何快速準(zhǔn)確地探測和定位到網(wǎng)絡(luò)故障成為了網(wǎng)絡(luò)管理中的一大挑戰(zhàn)?；谥鲃犹綔y 的故障探測和定位技術(shù)具有自適應(yīng)、高效和準(zhǔn)確的特點，成為了近年來網(wǎng)管領(lǐng)域的研究熱 點。主動探測需要挑選合適的探針集合，探針選擇的目的是以最少的探測代價獲得最多的 網(wǎng)絡(luò)信息。[0003]現(xiàn)有的探針選擇方法中有采用一種基于貝葉斯模型的探測選擇算法BPEA(Belief Propagation for Entropy Approximation)算法，該算法將網(wǎng)絡(luò)剩余的信息熵化簡為三部 分，交差熵減去條件熵再加上一個常量。并利用近似推理的算法通過利用置信傳播計算網(wǎng) 絡(luò)剩余信息熵以降低探針質(zhì)量計算時的計算復(fù)雜度。[0004]但該方法中，每次在探針返回故障探測結(jié)果后，都需要利用置信傳播算法對交叉 熵和條件熵進(jìn)行一次運算，探針選擇過程耗時，且會占用大量的系統(tǒng)資源。
【發(fā)明內(nèi)容】
[0005](一)所要解決的技術(shù)問題[0006]本發(fā)明提供了一種IP網(wǎng)絡(luò)故障探針的選擇方法，能夠降低探針選擇過程中的運 算量，從而降低探針選擇過程所占用的時間和系統(tǒng)資源。[0007](二)技術(shù)方案[0008]本發(fā)明提供一種IP網(wǎng)絡(luò)故障探針選擇方法選擇，該方法包括:[0009]建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之間的貝葉斯網(wǎng)絡(luò)模 型，并計算備選故障探針的條件熵B，其中第i個備選故障探針Ti的條件熵B (Ti)為H (Ti [parent (Ti)),parent (Ti)為第i個備選故障探針?biāo)?jīng)過的網(wǎng)絡(luò)節(jié)點的狀態(tài),所述方法 還包括:[0010]計算各個備選故障探針的條件熵A，其中第i個備選故障探針的條件熵A (Ti) =H (TjD), D為已發(fā)送故障探針返回的結(jié)果集合；[0011]計算各個備選故障探針的信息熵增益G，其中第i個備選故障探針的信息熵增益G (Ti)=A (Ti) —B (Ti)；[0012]選取信息增益最大的備選故障探針進(jìn)行發(fā)送。[0013]優(yōu)選的，所述計算備選故障探針的條件熵B，具體為離線計算備選故障探針的條件 熵B。[0014]優(yōu)選的，所述選取信息增益最大的備選故障探針進(jìn)行發(fā)送之后，所述方法還包 括:[0015]判斷網(wǎng)絡(luò)中剩余的不確定度是否小于預(yù)先設(shè)定的閾值，若是，則結(jié)束探測，并基于 已發(fā)送故障探針返回的結(jié)果定位故障，否則返回計算各個備選故障探針的條件熵A的步 驟，繼續(xù)選擇故障探針發(fā)送。[0016]優(yōu)選的，所述計算各個備選故障探針的條件熵A具體為利用近似推理算法計算所 述條件熵A。[0017]本發(fā)明還提供了一種IP網(wǎng)絡(luò)故障探針的選擇設(shè)備，包括:[0018]建模模塊，用于建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之間的 貝葉斯網(wǎng)絡(luò)模型；[0019]第一計算模塊，用于計算備選故障探針的條件熵B，其中第i個備選故障探針Ti的 條件熵B (Ti)為H (Ti [parent (Ti)), parent (Ti)為第i個備選故障探針?biāo)?jīng)過的網(wǎng)絡(luò) 節(jié)點的狀態(tài)；[0020]第二計算模塊，用于計算各個備選故障探針的條件熵A，第i個備選故障探針的條 件熵A (Ti)=H (TiID), D為已發(fā)送故障探針返回的結(jié)果集合；[0021]第三計算模塊，用于計算各個備選故障探針的信息熵增益G，其中第i個備選故障 探針的信息熵增益G (Ti)=A (Ti) —B (Ti)；[0022]探針發(fā)送模塊，用于選取信息增益最大的備選故障探針進(jìn)行發(fā)送。[0023]優(yōu)選的，所述第一計算模塊具體用于離線計算備選故障探針的條件熵B。[0024]優(yōu)選的，該設(shè)備還包括:判斷模塊，用于判斷網(wǎng)絡(luò)中剩余的不確定度是否小于預(yù)先 設(shè)定的閾值，并在判斷為是時，指示所述設(shè)備結(jié)束探測，在判斷為否時，指示所述第二計算 模塊再次計算各個備選故障探針的條件熵A ；[0025]故障定位模塊，用于在所述判斷模塊的判斷結(jié)果為是時，根據(jù)已發(fā)送故障探針返 回的結(jié)果定位故障。[0026]優(yōu)選的，所述第二計算模塊具體用于利用近似推理算法計算所述條件熵A。[0027](三)有益效果[0028]本發(fā)明提供了一種IP網(wǎng)絡(luò)故障探針選擇方法，該方法中，將備選探針的信息熵增 益分解為兩個條件熵A、B之差,其中條件熵B為基于故障探針經(jīng)過的節(jié)點的故障探針的信 息熵，在探測過程中不發(fā)生改變，這樣在整個探測過程中僅需計算一次條件熵B，通過這種 方式降低了探針選擇過程中的運算量，提高了探針選擇的效率，并降低了探針選擇所占用 的系統(tǒng)資源。同時本發(fā)明中，離線計算條件熵B，降低了探針選擇對在線資源的占用。另外， 本發(fā)明中，利用近似推理算法計算條件熵A，降低了計算的復(fù)雜度?！緦＠綀D】

【附圖說明】[0029]圖1為本發(fā)明實施例提供的IP網(wǎng)絡(luò)故障探針選擇方法的流程示意圖；[0030]圖2為本發(fā)明實施例提供的IP網(wǎng)絡(luò)故障探針選擇方法的流程示意圖；[0031]圖3為本發(fā)明實施例提供的IP網(wǎng)絡(luò)故障探針選擇設(shè)備的結(jié)構(gòu)示意圖?！揪唧w實施方式】[0032]下面結(jié)合附圖和具體實施例對本發(fā)明提供的IP網(wǎng)絡(luò)故障探針選擇方法做進(jìn)一步 詳細(xì)說明。[0033]本發(fā)明實施例提供了一種IP網(wǎng)絡(luò)故障探針選擇方法，如圖1所示，該方法包括:[0034]步驟101、建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之間的貝葉 斯網(wǎng)絡(luò)模型，并計算備選故障探針的條件熵B ;其中第i個備選故障探針的條件熵B (Ti)為 H (Ti [parent (Ti)), parent (Ti)為第i個備選故障探針?biāo)?jīng)過的網(wǎng)絡(luò)節(jié)點的狀態(tài)。[0035]這里的網(wǎng)絡(luò)節(jié)點的狀態(tài)是指網(wǎng)絡(luò)節(jié)點的工作狀態(tài)，即網(wǎng)絡(luò)節(jié)點是否發(fā)生能夠正常 工作。[0036]本步驟中，建立貝葉斯網(wǎng)絡(luò)模型的方式與現(xiàn)有技術(shù)中一致，在此不再贅述。且根據(jù) 本步驟的記載，本領(lǐng)域技術(shù)人員能夠明確H (Ti (parent (Ti))的計算方法,在此也不再進(jìn)一 步說明。[0037]不難理解，條件熵B的值僅與其經(jīng)過的網(wǎng)絡(luò)節(jié)點的狀態(tài)有關(guān)，這樣，本發(fā)明實施例 中針對同一個故障探針Ti,僅需計算一次條件熵B。[0038]步驟102、計算各個備選故障探針的條件熵A，第i個備選故障探針的條件熵A(Ti) =H (TiID), D為已發(fā)送故障探針返回的結(jié)果集合。[0039]步驟103、計算各個備選故障探針的信息熵增益G，其中第i個備選故障探針的信 息熵增益 G (Ti)=A (Ti) —B (Ti)0[0040]步驟104、選取信息增益最大的備選故障探針進(jìn)行發(fā)送。[0041]本發(fā)明實施例中，由于將信息熵增益分解為兩個條件熵A和B的差值，且條件熵B 為基于故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點的狀態(tài)的信息熵，在探測過程中不發(fā)生改變，這樣在整個 探測過程中僅需計算一次條件熵B，通過這種方式降低了探針選擇過程中的運算量，提高了 探針選擇的效率，并降低了探針選擇所占用的系統(tǒng)資源。[0042]優(yōu)選的，由于條件熵B僅與其經(jīng)過的節(jié)點狀態(tài)有關(guān)，與故障探針返回的結(jié)果無關(guān)， 因此在本發(fā)明優(yōu)選的實施例中，可以在探測過程開始之前，離線計算條件熵B并存儲。這樣 后續(xù)過程中無需在線計算條件熵B，節(jié)省了探針選擇所占用的時間和在線資源。[0043]優(yōu)選的，本發(fā)明實施例一中的步驟104后還可以包括:[0044]步驟105，判斷網(wǎng)絡(luò)中剩余的不確定度是否小于預(yù)先設(shè)定的閾值，若是，則結(jié)束探 測，并基于已發(fā)送故障探針返回的結(jié)果定位故障，否則回到步驟102。網(wǎng)絡(luò)中剩余的不確定 度用來衡量目前對于網(wǎng)絡(luò)的狀態(tài)的確定程度，通過發(fā)送故障探針等形式對網(wǎng)絡(luò)的狀態(tài)了解 的越多，該網(wǎng)絡(luò)的不確定就越小。本發(fā)明優(yōu)選的實施例中，接收到故障探針發(fā)送的結(jié)果之 后，還可以使系統(tǒng)對當(dāng)前網(wǎng)絡(luò)中的不確定度進(jìn)行判斷，若小于一定的預(yù)先設(shè)定值，則說明對 網(wǎng)絡(luò)的狀態(tài)有足夠的了解，此時無需繼續(xù)進(jìn)行探測，在此基礎(chǔ)上，結(jié)束探測，并基于探針返 回的結(jié)果進(jìn)行故障定位(基于返回的結(jié)果進(jìn)行故障定位的方式在現(xiàn)有技術(shù)中已經(jīng)實現(xiàn)，本 發(fā)明中不再做進(jìn)一步的闡述)。若是系統(tǒng)的判斷結(jié)果為大于或等于一定的預(yù)先設(shè)定值，則說 明對網(wǎng)絡(luò)中的狀態(tài)還沒有了解到需要了解的程度，則轉(zhuǎn)向步驟102，繼續(xù)執(zhí)行步驟102-步 驟104，直到判斷網(wǎng)絡(luò)中剩余的不確定度小于預(yù)設(shè)值。[0045]在本發(fā)明優(yōu)選的實施例中，系統(tǒng)利用近似推理算法對條件熵A進(jìn)行計算。[0046]下面結(jié)合圖2對本發(fā)明實施例提供的另外一種IP網(wǎng)絡(luò)故障探針的選擇方法進(jìn)行 詳細(xì)說明，如圖2所示，該方法可以包括:[0047]步驟201，開始進(jìn)行故障檢測。[0048]步驟202，建立網(wǎng)絡(luò)節(jié)點與故障探針之間的貝葉斯網(wǎng)絡(luò)依賴模型。模型給出了各個故障探針(比如Ti)的返回結(jié)果與其經(jīng)過的節(jié)點狀態(tài)(Parent(Ti))之間的直接依賴關(guān)系，以及相應(yīng)的條件概率P (Ti I parent (?\))。這里的故障探針可以為全部的故障探針，也可以為備選的故障探針，或者一定范圍內(nèi)的故障探針。[0049]步驟203，離線環(huán)境下計算各個備選故障探針的條件熵B，其中第i個備選故障探針Ti對應(yīng)的條件熵B(Ti)可以根據(jù)如下公式進(jìn)行計算:B (Ti) =H (Ti (parent (Ti)) =-Σ Ti, parent (Ti) P (Ti, parent (Ti) ) 1gP (Ti | parent (Ti)X[0050]步驟204，計算各個備選故障探針的條件熵A，其中第i個備選故障探針Ti對應(yīng)的條件熵A(Ti)可以根據(jù)如下公式進(jìn)行計算:P(Ti, parent (Ti))[0051 ] -40-:) = --0-:;U) = — ΣP (Tt0-:則:ο￡ι ?0-:1D)；[0052]其中D為已經(jīng)返回的故障探針的結(jié)果集合。由于P(T」，D)的計算復(fù)雜度很高，可采用近似推理的算法，如BP (belief propagation,置信傳播)計算出P(TiID)的近似值,然后得到A (Ti)的近似值。[0053]步驟205，計算每個備選故障探針的信息熵增益，其中，其中第i個備選故障探針 Ti對應(yīng)的條件熵增益G (Ti)可以根據(jù)如下公式計算:[0054]G(Ti) =H(Ti ID) -H(Ti | parent (Ti))即 G (Ti)=A (Ti) —B (Ti)0[0055]由于現(xiàn)有技術(shù)中，信息熵增益計算公式為:[0056]G (Ti) =H (X [ D) —H(X 丨 D, Ti) (I);[0057]由信息熵的鏈?zhǔn)叫再|(zhì)可知:[0058]H (XID) =H (X，D) -H (D) (2);[0059]H (XID, Ti) =H (X，D, Ti) -H (D, Ti) (3);[0060]將(2) (3)式帶入式(I)可得:[0061 ] G (Ti) =H(X，D) -H(D) -H(X，D, Ti) +H(D, Ti)[0062]=H (D，Ti) -H (D) - (H (X，D，Ti) -H (X，D))⑷；[0063]再次使用鏈?zhǔn)叫再|(zhì)可得:[0064]G (Ti) =H (Ti ID) —H (Ti | X，D) (5);[0065]由于故障探針Ti的狀態(tài)只與其經(jīng)過的網(wǎng)絡(luò)節(jié)點parent (Ti)的狀態(tài)有關(guān)，則[0066]H (Ti IX, D) =H (Ti | parent (Ti)) (6);[0067]進(jìn)而得:G(Ti) =H (Ti ID) -H (Ti | parent (Ti))。[0068]這樣，每個備選故障探針信息熵增益可分為條件熵A、B兩個部分。其中，B可在離線環(huán)境下計算并存儲，A則可是用計算推理的算法計算出來。如此可大大降低探針信息熵增益計算的在線計算復(fù)雜度和計算時間。[0069]按照這種方式，系統(tǒng)計算每個備選故障探針的信息熵增益。[0070]步驟206，選取備選探針集合中信息增益熵最大的故障探針進(jìn)行發(fā)送。[0071]步驟207，判斷網(wǎng)絡(luò)中剩余的不確定度H(X|D)是否小于預(yù)設(shè)值，若是，則轉(zhuǎn)向步驟 208，若否，則轉(zhuǎn)向步驟204，繼續(xù)選擇故障探針并發(fā)送。其中，X為網(wǎng)絡(luò)中所有的節(jié)點，并根據(jù)如下公式計算剩余不確定度:H (XID) = Σ DP⑶H (XID) =- Σ X DP (X，D) 1gP (X | D)。如果網(wǎng)絡(luò)中剩余的不確定度小于預(yù)先設(shè)定的閾值，則表明網(wǎng)絡(luò)的情況基本探明，可以結(jié)束探測；否則說明對網(wǎng)絡(luò)中的狀態(tài)還沒有了解到需要了解的程度，此時回到步驟204，繼續(xù)選擇故障探針并發(fā)送。[0072]步驟208，將已發(fā)送的探針返回的結(jié)果作為故障診斷的輸入，利用相應(yīng)的故障診斷 進(jìn)行故障診斷和定位。[0073]本發(fā)明實施例中，將備選探針的信息熵增益分解為兩個條件熵A、B之差，其中條 件熵B為基于故障探針經(jīng)過的節(jié)點的故障探針的信息熵，在探測過程中不發(fā)生改變，這樣 在整個探測過程中僅需計算一次條件熵B，通過這種方式降低了探針選擇過程中的運算量， 提高了探針選擇的效率，并降低了探針選擇所占用的系統(tǒng)資源。同時本發(fā)明實施例中，離線 計算條件熵B，降低了探針選擇對在線資源的占用。另外，本發(fā)明實施例中，利用近似推理算 法計算條件熵A，降低了計算的復(fù)雜度。[0074]基于同樣的構(gòu)思，本發(fā)明實施例還提供了一種IP網(wǎng)絡(luò)故障探針的選擇設(shè)備，如圖 3所示,包括:[0075]建模模塊301，用于建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之 間的貝葉斯網(wǎng)絡(luò)模型；[0076]第一計算模塊302，用于計算備選故障探針的條件熵B，其中第i個備選故障探針 Ti的條件熵B (Ti)為H (Ti [parent (Ti)), parent (Ti)為第i個備選故障探針?biāo)?jīng)過的 網(wǎng)絡(luò)節(jié)點的狀態(tài)；[0077]第二計算模塊303，用于計算各個備選故障探針的條件熵A，第i個備選故障探針 的條件熵A (Ti)=H (TiID), D為已發(fā)送故障探針返回的結(jié)果集合；[0078]第三計算模塊304，用于計算各個備選故障探針的信息熵增益G，其中第i個備選 故障探針的信息熵增益G (Ti)=A (Ti) —B (Ti)；[0079]探針發(fā)送模塊305，用于選取信息增益最大的備選故障探針進(jìn)行發(fā)送。[0080]優(yōu)選的，第一計算模塊302具體用于離線計算備選故障探針的條件熵B。[0081]優(yōu)選的，該設(shè)備還包括:判斷模塊306，用于判斷網(wǎng)絡(luò)中剩余的不確定度是否小于 預(yù)先設(shè)定的閾值，并在判斷為是時，指示所述設(shè)備結(jié)束探測，在判斷為否時，指示第二計算 模塊303再次計算各個備選故障探針的條件熵A ；[0082]故障定位模塊307，用于在判斷模塊306的判斷結(jié)果為是時，根據(jù)已發(fā)送故障探針 返回的結(jié)果定位故障。[0083]第二計算模塊303具體用于利用近似推理算法計算所述條件熵A。[0084]以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本【技術(shù)領(lǐng)域】的普通技術(shù)人 員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和替換，這些改進(jìn)和替換 也應(yīng)視為本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種IP網(wǎng)絡(luò)故障探針的選擇方法，其特征在于，該方法包括:建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之間的貝葉斯網(wǎng)絡(luò)模型，并 計算備選故障探針的條件熵B，其中第i個備選故障探針Ti的條件熵B(Ti)為H(Ti I parent (Ti)), parent (Ti)為第i個備選故障探針?biāo)?jīng)過的網(wǎng)絡(luò)節(jié)點的狀態(tài)，所述方法還包括:計算各個備選故障探針的條件熵A，其中第i個備選故障探針的條件熵A(Ti)=KTiID), D為已發(fā)送故障探針返回的結(jié)果集合；計算各個備選故障探針的信息熵增益G，其中第i個備選故障探針的信息熵增益G(Ti) =A (Ti) —B (Ti)；選取信息增益最大的備選故障探針進(jìn)行發(fā)送。
2.如權(quán)利要求1所述的方法，其特征在于，所述計算備選故障探針的條件熵B，具體為 離線計算備選故障探針的條件熵B。
3.如權(quán)利要求1所述的方法，其特征在于，所述選取信息增益最大的備選故障探針進(jìn) 行發(fā)送之后，所述方法還包括:判斷網(wǎng)絡(luò)中剩余的不確定度是否小于預(yù)先設(shè)定的閾值，若是，則結(jié)束探測，并基于已發(fā) 送故障探針返回的結(jié)果定位故障，否則返回計算各個備選故障探針的條件熵A的步驟，繼 續(xù)選擇故障探針發(fā)送。
4.如權(quán)利要求1-3任一項所述方法，其特征在于，所述計算各個備選故障探針的條件 熵A具體為利用近似推理算法計算所述條件熵A。
5.一種IP網(wǎng)絡(luò)故障探針的選擇設(shè)備，其特征在于，包括:建模模塊，用于建立備選故障探針與相應(yīng)的備選故障探針經(jīng)過的網(wǎng)絡(luò)節(jié)點之間的貝葉 斯網(wǎng)絡(luò)模型；第一計算模塊，用于計算備選故障探針的條件熵B，其中第i個備選故障探針Ti的條件 熵B (Ti)為H (Ti [parent (Ti)), parent (Ti)為第i個備選故障探針?biāo)?jīng)過的網(wǎng)絡(luò)節(jié)點 的狀態(tài)；第二計算模塊，用于計算各個備選故障探針的條件熵A，第i個備選故障探針的條件熵 A (Ti)=H (TiID), D為已發(fā)送故障探針返回的結(jié)果集合；第三計算模塊，用于計算各個備選故障探針的信息熵增益G，其中第i個備選故障探針 的信息熵增益G (Ti)=A (Ti) —B (Ti)；探針發(fā)送模塊，用于選取信息增益最大的備選故障探針進(jìn)行發(fā)送。
6.如權(quán)利要求5所述的設(shè)備，其特征在于，所述第一計算模塊具體用于離線計算備選 故障探針的條件熵B。
7.如權(quán)利要求5所述的設(shè)備，其特征在于，還包括:判斷模塊，用于判斷網(wǎng)絡(luò)中剩余的 不確定度是否小于預(yù)先設(shè)定的閾值，并在判斷為是時，指示所述設(shè)備結(jié)束探測，在判斷為否 時，指示所述第二計算模塊再次計算各個備選故障探針的條件熵A ；故障定位模塊，用于在所述判斷模塊的判斷結(jié)果為是時，根據(jù)已發(fā)送故障探針返回的 結(jié)果定位故障。
8.如權(quán)利要求5-7任一項所述的設(shè)備，其特征在于，所述第二計算模塊具體用于利用 近似推理算法計算所述條件熵A。
【文檔編號】H04L12/26GK103501257SQ201310474004
【公開日】2014年1月8日 申請日期:2013年10月11日 優(yōu)先權(quán)日:2013年10月11日
【發(fā)明者】李文璟, 王智立, 關(guān)璐, 王穎, 邱雪松, 郭少勇, 楊楊 申請人:北京郵電大學(xué)