网络故障检测方法、装置、设备及可读存储介质与流程

本发明涉及网络运维，尤其涉及一种网络故障检测方法、装置、设备及可读存储介质。

背景技术：

1、当前基于机器学习和深度学习的网络运维方案，大多依赖传统的统计算法。异常检测算法和根因诊断算法也都依赖于数据的标注以及专家的经验，这些很难编译到模型里。在接入维护方面，当遇到新客户、私域知识、业务经验以及数据变动等情况时，传统的网络运维通常只能重新训练。由于未知的网络故障没有经过训练，传统的网络运维方法无法实现准确的故障检测。

技术实现思路

1、本发明提供一种网络故障检测方法、装置、设备及可读存储介质，用以解决现有网络运维方案无法实现对网络故障的准确检测的技术问题。

2、本发明提供一种网络故障检测方法，包括：

3、获取待检测网络异常数据的异常类型和对比指标；

4、基于所述异常类型和所述对比指标，对多个所述待检测网络异常数据进行排序；

5、基于目标网络异常数据的关联业务信息，确定故障节点的异常信息，所述目标网络异常数据是基于排序结果确定的待检测网络异常数据；

6、基于所述异常信息确定根因节点的故障信息，以及所述故障信息对应的修复策略，所述根因节点是基于所述故障节点确定的。

7、根据本发明提供的一种网络故障检测方法，所述基于所述异常类型和所述对比指标，对多个所述待检测网络异常数据进行排序包括：

8、基于所述异常类型和所述对比指标，确定每个所述待检测网络异常数据的优先级指数；

9、根据每个所述待检测网络异常数据的优先级指数，对多个所述待检测网络异常数据进行排序。

10、根据本发明提供的一种网络故障检测方法，所述基于所述异常类型和所述对比指标，确定每个所述待检测网络异常数据的优先级指数包括：

11、在所述异常类型存在多个的情况下，确定多个所述异常类型的先后顺序；

12、基于所述先后顺序以及每个所述异常类型的待检测网络异常数据的对比指标，确定每个所述待检测网络异常数据的优先级指数。

13、根据本发明提供的一种网络故障检测方法，所述异常类型包括网络设备故障、端口连接异常以及性能指标衰减；所述基于所述先后顺序以及每个所述异常类型的待检测网络异常数据的对比指标，确定每个所述待检测网络异常数据的优先级指数包括：

14、在所述先后顺序为网络设备故障、端口连接异常以及性能指标衰减的情况下，确定所述网络设备故障的待检测网络异常数据的优先级指数大于所述端口连接异常的待检测网络异常数据的优先级指数，所述端口连接异常的待检测网络异常数据的优先级指数大于所述性能指标衰减的待检测网络异常数据的优先级指数；

15、在所述网络设备故障的多个待检测网络异常数据中，或所述端口连接异常的多个待检测网络异常数据中，或所述性能指标衰减的多个待检测网络异常数据中，基于每个所述待检测网络异常数据的对比指标，确定所述网络设备故障的多个待检测网络异常数据的优先级指数。

16、根据本发明提供的一种网络故障检测方法，所述网络故障检测方法还包括：

17、在所述故障节点存在多个的情况下，获取每个所述故障节点的异常指标数据和异常信息；

18、基于所述异常指标数据和所述异常信息，确定多个所述故障节点中的根因节点。

19、根据本发明提供的一种网络故障检测方法，所述基于所述异常信息确定根因节点的故障信息包括：

20、获取所述根因节点的节点信息；

21、基于所述节点信息和异常程度，确定所述根因节点的故障信息，所述异常程度是基于所述根因节点的异常指标数据确定的。

22、根据本发明提供的一种网络故障检测方法，所述获取待检测网络异常数据的异常类型包括：

23、获取待检测网络异常数据中的异常指标数据；

24、基于所述异常指标数据，确定所述待检测网络异常数据的异常类型。

25、本发明还提供一种网络故障检测装置，包括：

26、获取模块，用于获取待检测网络异常数据的异常类型和对比指标；

27、数据排序模块，用于基于所述异常类型和所述对比指标，对多个所述待检测网络异常数据进行排序；

28、异常信息确定模块，用于基于目标网络异常数据的关联业务信息，确定故障节点的异常信息，所述目标网络异常数据是基于排序结果确定的待检测网络异常数据；

29、修复策略确定模块，用于基于所述异常信息确定根因节点的故障信息，以及所述故障信息对应的修复策略，所述根因节点是基于所述故障节点确定的。

30、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述网络故障检测方法。

31、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述网络故障检测方法。

32、本发明提供的网络故障检测方法、装置、设备及可读存储介质，通过获取的待检测网络异常数据的异常类型和对比指标，对多个待检测网络异常数据进行排序，基于排序结果确定多个待检测网络异常数据中的目标网络异常数据，根据目标网络异常数据的关联业务信息确定故障节点的异常信息，最终基于异常信息确定故障节点中的根因节点的故障信息及其对应的修复策略。通过综合考量复杂网络的多个变量，对待检测网络异常数据进行深度分析，能够准确检测网络故障。

技术特征：

1.一种网络故障检测方法，其特征在于，包括：

2.根据权利要求1所述的网络故障检测方法，其特征在于，所述基于所述异常类型和所述对比指标，对多个所述待检测网络异常数据进行排序包括：

3.根据权利要求2所述的网络故障检测方法，其特征在于，所述基于所述异常类型和所述对比指标，确定每个所述待检测网络异常数据的优先级指数包括：

4.根据权利要求3所述的网络故障检测方法，其特征在于，所述异常类型包括网络设备故障、端口连接异常以及性能指标衰减；所述基于所述先后顺序以及每个所述异常类型的待检测网络异常数据的对比指标，确定每个所述待检测网络异常数据的优先级指数包括：

5.根据权利要求1所述的网络故障检测方法，其特征在于，所述网络故障检测方法还包括：

6.根据权利要求5所述的网络故障检测方法，其特征在于，所述基于所述异常信息确定根因节点的故障信息包括：

7.根据权利要求1所述的网络故障检测方法，其特征在于，所述获取待检测网络异常数据的异常类型包括：

8.一种网络故障检测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述网络故障检测方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述网络故障检测方法。

技术总结本发明涉及网络运维技术领域，本发明提供一种网络故障检测方法、装置、设备及可读存储介质，该方法包括：获取待检测网络异常数据的异常类型和对比指标；基于所述异常类型和所述对比指标，对多个所述待检测网络异常数据进行排序；基于目标网络异常数据的关联业务信息，确定故障节点的异常信息，所述目标网络异常数据是基于排序结果确定的待检测网络异常数据；基于所述异常信息确定根因节点的故障信息，以及所述故障信息对应的修复策略，所述根因节点是基于所述故障节点确定的。本发明通过综合考量复杂网络的多个变量，对待检测网络异常数据进行深度分析，能够准确检测网络故障。技术研发人员：黄晶受保护的技术使用者：浪潮通信信息系统有限公司技术研发日：技术公布日：2024/7/18