[发明专利]网络拥塞问题的定位方法以及装置

说明书

技术领域

本发明涉及互联网通信传输领域，尤其涉及一种网络拥塞问题的定位方法以及装置。

背景技术

相关技术中，通常采用以下方式以定位网络拥塞问题：运维人员可先确定问题发生的时间点，之后，可根据该问题发生的时间点通过人工来追查服务器日志，并凭借运维人员的经验去找出该问题产生的原因。然而，这种通过人工排查的方式来对网络拥塞问题进行定位，可能会出现由于运维人员对某个业务的技术经验不足而导致问题定位不准确的情况，进而导致定位结果的准确率低，而由于人工成本较高，也会导致问题定位成本高、定位效率低等。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出一种网络拥塞问题的定位方法。该方法减少了人工成本，降低了问题定位成本，提高了定位效率，并提高了定位结果的准确率。

本发明的第二个目的在于提出一种网络拥塞问题的定位装置。

为达上述目的，本发明第一方面实施例的网络拥塞问题的定位方法，包括：获取海量运维数据，并对所述海量运维数据进行时间序列分析以定位异常点；根据所述异常点在所述时间序列上的分布以确定异常区间；根据所述异常区间确定运维数据分布变化的时间拐点；根据所述时间拐点，通过相关性分析定位网络拥塞问题的产生原因。

根据本发明实施例的网络拥塞问题的定位方法，可获取海量运维数据，并对海量运维数据进行时间序列分析以定位异常点，之后，可根据异常点在时间序列上的分布以确定异常区间，并根据异常区间确定运维数据分布变化的时间拐点，最后，根据时间拐点，通过相关性分析定位网络拥塞问题的产生原因。即自动根据海量数据分布变化情况自分析问题产生的根源时间点，不需要运维人员过多的参与，减少了人工成本，降低了问题定位成本，提高了定位效率，且基于时间序列的数据分布变化分析，能找到异常发生的根源时间，而不是异常凸现的时间，提高了定位结果的准确率，并基于相关性分析和关联分析能追踪产生异常的根本原因，从而能够更加准确地定位出产生网络拥塞问题的原因。

根据本发明的一个实施例，所述根据所述异常区间确定运维数据分布变化的时间拐点，包括：根据所述异常区间，通过变点的贝叶斯分析对所述运维数据进行分析，得到所述运维数据分布发生改变的时间区间，并将所述运维数据分布发生改变的时间区间作为所述运维数据分布变化的时间拐点。

根据本发明的一个实施例，所述时间序列分析采用预先训练的线性模型和周期模型混合的方式。

根据本发明的一个实施例，所述对所述海量运维数据进行时间序列分析以定位异常点，包括：将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以假设当前数据分布是否发生变化；如果所述当前数据分布发生变化，则定位所述当前数据分布在所述时间序列上的时间点，并将所述时间点作为所述异常点。

根据本发明的一个实施例，所述将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以假设当前数据分布是否发生变化，包括：将所述海量运维数据分别代入所述预先训练的线性模型和周期模型中以对所述当前数据做出判断；如果多次触发异常报警，则假设所述当前数据分布发生变化。

为达上述目的，本发明第二方面实施例的网络拥塞问题的定位装置，包括：获取模块，用于获取海量运维数据；第一定位模块，用于对所述海量运维数据进行时间序列分析以定位异常点；第一确定模块，用于根据所述异常点在所述时间序列上的分布以确定异常区间；第二确定模块，用于根据所述异常区间确定运维数据分布变化的时间拐点；第二定位模块，用于根据所述时间拐点，通过相关性分析定位网络拥塞问题的产生原因。

根据本发明实施例的网络拥塞问题的定位装置，可通过获取模块获取海量运维数据，第一定位模块对海量运维数据进行时间序列分析以定位异常点，第一确定模块根据异常点在时间序列上的分布以确定异常区间，第二确定模块根据异常区间确定运维数据分布变化的时间拐点，第二定位模块根据时间拐点，通过相关性分析定位网络拥塞问题的产生原因。即自动根据海量数据分布变化情况自分析问题产生的根源时间点，不需要运维人员过多的参与，减少了人工成本，降低了问题定位成本，提高了定位效率，且基于时间序列的数据分布变化分析，能找到异常发生的根源时间，而不是异常凸现的时间，提高了定位结果的准确率，并基于相关性分析和关联分析能追踪产生异常的根本原因，从而能够更加准确地定位出产生网络拥塞问题的原因。