多源監(jiān)控告警數(shù)據(jù)相關性分析的研究與應用.pdf

1、隨著互聯(lián)網(wǎng)和信息技術的不斷發(fā)展,使用網(wǎng)絡變得越來越容易。隨著網(wǎng)絡給我們提供的功能越來越豐富,它自身的結構也變得越來越復雜,包含設備越來越多。而且這些設備又通過各種各樣的媒介聯(lián)系在了一起,使得經(jīng)常會出現(xiàn)一個設備出現(xiàn)問題就會影響周邊很多設備,進而導致所有不正常的設備都會發(fā)出告警信息,當網(wǎng)管人員面對這種所謂的“告警風暴”時,一般的人工分析已經(jīng)幾乎不可能解決問題。此時就需要有一種方法,能在這些大規(guī)模告警數(shù)據(jù)的背后找到某些關聯(lián),而這些關聯(lián)能夠快速

2、讓我們分析出故障的源頭。這就是告警相關性分析。
　　本文研究目標是如何在大量的告警歷史數(shù)據(jù)中挖掘出有用的信息,即找出其中的頻繁項,作為最終告警根因分析的依據(jù)。文章的前兩章主要給出了告警關聯(lián)分析的一些基本概念以及海量數(shù)據(jù)預處理的理論方法和技術手段。在第三章,則從兩個經(jīng)典數(shù)據(jù)挖掘算法Apriori和FP-growth出發(fā),通過查閱文獻,詳細介紹了兩者的優(yōu)缺點以及一些改進算法,在后半部分給出了一些新的告警相關性分析算法和研究思路。

3、>　　在前三章基礎上本文在第四章給出了Apriori的一個改進算法,重點解決Apriori兩大缺陷即多次掃描數(shù)據(jù)庫以及中間產(chǎn)生大量候選集。針對FP-growth,本文給出了工程實現(xiàn)的一個改進。最后對經(jīng)典算法和改進算法并分別做了實驗對比。
　　第五章是作者參與開發(fā)的多源資源監(jiān)控系統(tǒng),該系統(tǒng)具有監(jiān)控范圍廣、易擴展、界面可定制等多個特點,主要作為告警數(shù)據(jù)采集的監(jiān)控平臺。該章節(jié)詳細介紹了該系統(tǒng)的硬件和軟件架構以及各個模塊的實現(xiàn),并且在最后