基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法及裝置制造方法
【專利摘要】本發(fā)明涉及網(wǎng)絡(luò)故障診斷【技術(shù)領(lǐng)域】，具體涉及一種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法及裝置。本發(fā)明提供的一種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法及裝置，通過采用對虛擬網(wǎng)絡(luò)的觀察結(jié)果建立證據(jù)矩陣模型，利用DS證據(jù)理論求解各個虛擬網(wǎng)絡(luò)組件的故障概率，從而確定故障組件，克服了虛擬網(wǎng)絡(luò)的動態(tài)性、擴(kuò)展性以及信息不確定性。同時，因為本發(fā)明所采用的技術(shù)方案對證據(jù)進(jìn)行了提前的篩選處理，使得故障定位既保持了高準(zhǔn)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】基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及網(wǎng)絡(luò)故障診斷【技術(shù)領(lǐng)域】，具體涉及一種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障 診斷方法及裝置。

【背景技術(shù)】
[0002] 在虛擬網(wǎng)絡(luò)環(huán)境中，多個虛擬網(wǎng)絡(luò)同時存在于同一底層物理網(wǎng)絡(luò)上，傳統(tǒng)的 互聯(lián)網(wǎng)服務(wù)提供商（InternetServiceProvider，ISP)分為兩部分：基礎(chǔ)設(shè)施提供商 (InfrastructureProviders，InPs)和網(wǎng)絡(luò)服務(wù)運(yùn)營商（ServiceProviders，SPs)，基礎(chǔ)設(shè) 施提供商用來提供和管理物理基礎(chǔ)設(shè)施，網(wǎng)絡(luò)服務(wù)運(yùn)營商利用多個InPs提供的資源，通過 抽象、分配和隔離機(jī)制部署虛擬網(wǎng)絡(luò)，為終端用戶提供創(chuàng)新的端到端服務(wù)及多樣化的業(yè)務(wù) 應(yīng)用。
[0003] 虛擬化環(huán)境中由于底層信息對于上層虛擬網(wǎng)絡(luò)的透明性使得故障檢測系統(tǒng)無法 獲取完整的網(wǎng)絡(luò)知識，從而在對虛擬網(wǎng)絡(luò)故障診斷中存在大量的不確定性；此外，虛擬網(wǎng)路 是典型的大規(guī)模分布式網(wǎng)絡(luò)，其中包含大量的虛擬節(jié)點(diǎn)和虛擬鏈路，這些組件又隨需求動 態(tài)變更，沒有固定的網(wǎng)絡(luò)拓?fù)洹＜又肼曈绊?，使得虛擬環(huán)境中對虛擬網(wǎng)絡(luò)的故障診斷變得 更加困難。
[0004] 現(xiàn)有的技術(shù)方案主要采用基于管理層主動或被動探測故障定位方法來對虛擬網(wǎng) 絡(luò)進(jìn)行故障診斷。然而，采用上述方法診斷虛擬網(wǎng)絡(luò)故障需要了解網(wǎng)絡(luò)的全局拓?fù)?，不能較 好地適應(yīng)虛擬網(wǎng)絡(luò)的動態(tài)性和擴(kuò)展性。


【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術(shù)中不能較好地適應(yīng)虛擬網(wǎng)絡(luò)的動態(tài)性和擴(kuò)展性的缺陷，本發(fā)明提供 了一種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法及裝置。
[0006] -方面，本發(fā)明提供的一種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法，包括：
[0007] 獲取每一個客戶端對該客戶端對應(yīng)的虛擬網(wǎng)絡(luò)路徑是否發(fā)生故障的觀察結(jié)果；
[0008] 建立證據(jù)矩陣，其中所述證據(jù)矩陣的每一行對應(yīng)一個客戶端，所述證據(jù)矩陣的第 一列對應(yīng)該客戶端的觀察結(jié)果，其余每一列對應(yīng)一個虛擬網(wǎng)絡(luò)組件，所述虛擬網(wǎng)絡(luò)組件包 括虛擬節(jié)點(diǎn)和虛擬鏈路；
[0009] 將所述證據(jù)矩陣拆分為多個子證據(jù)矩陣，每一個所述子證據(jù)矩陣的列數(shù)與所述證 據(jù)矩陣的列數(shù)相等；
[0010] 針對每一個所述子證據(jù)矩陣，根據(jù)DS證據(jù)理論求解得到每一個虛擬網(wǎng)絡(luò)組件的 發(fā)生故障的概率；
[0011] 按照發(fā)生故障的概率由大到小的順序依次選取發(fā)生故障概率最大的虛擬網(wǎng)絡(luò)組 件，直到選取的全部虛擬網(wǎng)絡(luò)組件所覆蓋的發(fā)生故障的虛擬網(wǎng)絡(luò)路徑的數(shù)量達(dá)到預(yù)設(shè)值為 止。
[0012] 進(jìn)一步地，所述將所述證據(jù)矩陣拆分為多個子證據(jù)矩陣的步驟，包括：
[0013] 將所述證據(jù)矩陣拆分為兩個子證據(jù)矩陣，所述證據(jù)矩陣的奇數(shù)行作為第一子證據(jù) 矩陣，所述證據(jù)矩陣的偶數(shù)行作為第二子證據(jù)矩陣。
[0014] 進(jìn)一步地，所述根據(jù)DS證據(jù)理論求解得到每一個虛擬網(wǎng)絡(luò)組件的發(fā)生故障的概 率的步驟，包括：
[0015] 針對每一個所述子證據(jù)矩陣，根據(jù)DS證據(jù)理論構(gòu)造每一個虛擬網(wǎng)絡(luò)組件的一個m 函數(shù)；
[0016] 針對每一個虛擬網(wǎng)絡(luò)組件，根據(jù)DS證據(jù)理論的融合規(guī)則將同一個虛擬網(wǎng)絡(luò)組件 的所有m函數(shù)進(jìn)行融合，得到該虛擬網(wǎng)絡(luò)組件發(fā)生故障的概率。
[0017] 進(jìn)一步地，所述根據(jù)DS證據(jù)理論構(gòu)造每一個虛擬網(wǎng)絡(luò)組件的一個m函數(shù)的步驟， 包括：
[0018]針對第i個虛擬網(wǎng)絡(luò)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(quán)利要求】
1. 一種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷方法，其特征在于，所述方^包括： 獲取每一個客戶端對該客戶端對應(yīng)的虛擬網(wǎng)絡(luò)路徑是否發(fā)生故障的觀察結(jié)果； 建立證據(jù)矩陣，其中所述證據(jù)矩陣的每一行對應(yīng)一個客戶端，所述證據(jù)矩陣的第一列 對應(yīng)該客戶端的觀察結(jié)果，其余每一列對應(yīng)一個虛擬網(wǎng)絡(luò)組件，所述虛擬網(wǎng)絡(luò)組件包括虛 擬節(jié)點(diǎn)和虛擬鏈路； 將所述證據(jù)矩陣拆分為多個子證據(jù)矩陣，每一個所述子證據(jù)矩陣的列數(shù)與所述證據(jù)矩 陣的列數(shù)相等； 針對每一個所述子證據(jù)矩陣，根據(jù)DS證據(jù)理論求解得到每一個虛擬網(wǎng)絡(luò)組件的發(fā)生 故障的概率； 按照發(fā)生故障的概率由大到小的順序依次選取發(fā)生故障概率最大的虛擬網(wǎng)絡(luò)組件，直 到選取的全部虛擬網(wǎng)絡(luò)組件所覆蓋的發(fā)生故障的虛擬網(wǎng)絡(luò)路徑的數(shù)量達(dá)到預(yù)設(shè)值為止。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述證據(jù)矩陣拆分為多個子證據(jù) 矩陣的步驟，包括： 將所述證據(jù)矩陣拆分為兩個子證據(jù)矩陣，所述證據(jù)矩陣的奇數(shù)行作為第一子證據(jù)矩 陣，所述證據(jù)矩陣的偶數(shù)行作為第二子證據(jù)矩陣。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述根據(jù)DS證據(jù)理論求解得到每一 個虛擬網(wǎng)絡(luò)組件的發(fā)生故障的概率的步驟，包括： 針對每一個所述子證據(jù)矩陣，根據(jù)DS證據(jù)理論構(gòu)造每一個虛擬網(wǎng)絡(luò)組件的一個m函 數(shù)； 針對每一個虛擬網(wǎng)絡(luò)組件，根據(jù)DS證據(jù)理論的融合規(guī)則將同一個虛擬網(wǎng)絡(luò)組件的所 有m函數(shù)進(jìn)行融合，得到該虛擬網(wǎng)絡(luò)組件發(fā)生故障的概率。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)DS證據(jù)理論構(gòu)造每一個虛擬網(wǎng) 絡(luò)組件的一個m函數(shù)的步驟，包括： 針對第i個虛擬網(wǎng)絡(luò)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(dāng)QAPi時，In(Ni) =min(Llog(QiV3i) )，ITiGNi，AJ) =I-Iii(Ni) ^(Ai) = 0; 當(dāng)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(wǎng)絡(luò)組件C,正常的后驗概率，所述P,為所述虛擬網(wǎng)絡(luò)組件C,故障 的后驗概率。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)DS證據(jù)理論將同一個虛擬網(wǎng)絡(luò) 組件的所有m函數(shù)值進(jìn)行融合的步驟，包括：
其中，X、B、C為焦元，!!^第一子證據(jù)矩陣對應(yīng)的m函數(shù)，m2為第二子證據(jù)矩陣對應(yīng)的m函數(shù)，K為歸一化常數(shù)：K=Zlin(.._0m丨（B)m2(C)。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)值采用以下公式計算得到： 預(yù)設(shè)值=所有發(fā)生故障的虛擬網(wǎng)絡(luò)路徑數(shù)量* (1-抗噪聲系數(shù)）； 其中抗噪聲系數(shù)為預(yù)設(shè)參數(shù)。
7. -種基于證據(jù)篩選的虛擬網(wǎng)絡(luò)故障診斷裝置，其特征在于，所述裝置包括： 獲取模塊，用于獲取每一個客戶端對該客戶端對應(yīng)的虛擬網(wǎng)絡(luò)路徑是否發(fā)生故障的觀 察結(jié)果； 建立模塊，用于建立證據(jù)矩陣，其中所述證據(jù)矩陣的每一行對應(yīng)一個客戶端，所述證據(jù) 矩陣的第一列對應(yīng)該客戶端的觀察結(jié)果，其余每一列對應(yīng)一個虛擬網(wǎng)絡(luò)組件，所述虛擬網(wǎng) 絡(luò)組件包括虛擬節(jié)點(diǎn)和虛擬鏈路； 拆分模塊，用于將所述證據(jù)矩陣拆分為多個子證據(jù)矩陣，每一個所述子證據(jù)矩陣的列 數(shù)與所述證據(jù)矩陣的列數(shù)相等； 求解模塊，用于針對每一個所述子證據(jù)矩陣，根據(jù)DS證據(jù)理論求解得到每一個虛擬網(wǎng) 絡(luò)組件的發(fā)生故障的概率； 選取模塊，用于按照發(fā)生故障的概率由大到小的順序依次選取發(fā)生故障概率最大的虛 擬網(wǎng)絡(luò)組件，直到選取的全部虛擬網(wǎng)絡(luò)組件所覆蓋的發(fā)生故障的虛擬網(wǎng)絡(luò)路徑的數(shù)量達(dá)到 預(yù)設(shè)值為止。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述拆分模塊具體用于： 將所述證據(jù)矩陣拆分為兩個子證據(jù)矩陣，所述證據(jù)矩陣的奇數(shù)行作為第一子證據(jù)矩 陣，所述證據(jù)矩陣的偶數(shù)行作為第二子證據(jù)矩陣。
9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述求解模塊具體用于： 針對第i個虛擬網(wǎng)絡(luò)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(dāng)QAPi時，In(Ni) =min(Llog(QiV3i) )，ITiGNi，AJ) =I-Iii(Ni) ^(Ai) = 0; 當(dāng)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(wǎng)絡(luò)組件C,正常的后驗概率，所述P,為所述虛擬網(wǎng)絡(luò)組件C,故障 的后驗概率；
其中，X、B、C為焦元，!!^第一子證據(jù)矩陣對應(yīng)的m函數(shù)，m2為第二子證據(jù)矩陣對應(yīng)的m函數(shù)，K為歸一化常數(shù) :κ=ΣΒη('?(Β)Μ。)。
10. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述選取模塊具體用于： 所述預(yù)設(shè)值采用以下公式計算得到： 預(yù)設(shè)值=所有發(fā)生故障的虛擬網(wǎng)絡(luò)路徑數(shù)量* (1-抗噪聲系數(shù)）； 其中抗噪聲系數(shù)為預(yù)設(shè)參數(shù)。
【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(yōu)先權(quán)日:2014年11月13日
【發(fā)明者】王穎, 李文璟, 王昊, 邱雪松, 芮蘭蘭 申請人:北京郵電大學(xué)