一种告警阈值生成方法、业务性能指标监控方法及装置的制造方法
一种告警阈值生成方法、业务性能指标监控方法及装置的制造方法
【技术领域】
[0001] 本发明涉及网络管理技术领域，尤其涉及一种告警阔值生成方法、业务性能指标 监控方法及装置。
【背景技术】
[0002] 目前网络技术应用越来越广泛，人们很多的日常工作和娱乐活动都离不开网络。 为提高网络的服务质量，满足人们对网络的需求，网络运营商对网络的运行维护提出了更 高的要求。
[0003] 在传统的维护模式中，维护人员主要关注设备状态。判断一台设备是否运转正常， 主要依赖于设备告警。但客户对业务的感知是非常敏感的，传统的W设备状态为中也，基于 网络、设备告警的监控维护模式存在诸多问题。无法及时发现已导致业务质量下降，但设备 无告警的故障，无法保证先于客户发现故障。因此，在日常的监控维护工作中，对业务性能 指标监控变得越来越重要，已成为帮助维护人员判断系统运行是否正常的重要保证。
[0004] 在对业务性能指标的监控中，告警阔值的设置是性能指标监控的关键，如何设置 合理的告警阔值，直接决定性能指标的监控效果。现有技术中采用静态告警阔值或分时段 的静态告警阔值，即针对所监控的指标设置静态唯一告警阔值，此时，具体业务性能指标监 控方法如图1所示。
[0005] 步骤101;提取监控原始数据；
[0006] 步骤102 ;将提取的数据与静态告警阔值进行对比；
[0007] 步骤103;判断提取的数据是否大于静态告警阔值；若是，则执行步骤104,并返回 步骤101 ;若否，则返回步骤101 ;
[000引步骤104 ;触发告警。
[0009] 然而，在实际中，很多业务性能指标呈现出具有时间周期特征的动态变化的特征， 采用静态阔值设置方法或分时段的静态阔值设置方法对呈现出具有时间周期特征的动态 变化的特征的性能指标进行监控时，无法体现动态的变化，若告警阔值设置较低，则无法监 控业务质量变化，告警敏感度低；若告警阔值设置较高，虽能相对提升业务质量监控的告警 敏感度，但在业务闲时，特别是晚间，过高的告警阔值会触发大量误告警。静态的告警阔值 设置方法无法及时有效的监控到性能指标的突变，无法及时触发告警。
[0010] 例如；选取如图2所示的具有明显时间周期特征的无线局域网（WLAN)中的接入控 制器（AccessController,AC)在线用户数指标进行分析：
[0011] 从图2中（其横轴为时间，纵轴为在线用户个数，通过每隔5分钟对在线用户个数 进行采样得到)可W看出WLANAC在线用户数指标有明显的时间周期特征，忙闲时指标数值 差异较大，且具有明显指标上升和下降阶段。在监控中往往为了避免误告警出现，无论静态 阔值还是分时段阔值设置都会较为宽泛，无法有效实时跟踪指标变化状态。例如当出现图 中状态指标发生异常时，由于指标设置过于宽泛，无法及时触发告警。
[0012] 为了克服上述静态的告警阔值设置方法存在的缺点，实际应用中采用动态阔值， 目前计算动态阔值技术的基本方法是通过历史数据预测当前基准阔值，然后结合概率算法 得到一个认为合理的阔值范围。该阔值范围的上下阔值的选择相对于预测的基准阔值是对 称的。
[0013] 上述采用动态阔值对业务性能指标进行监控，可W实现对指标变化的动态跟踪， 但上述阔值范围的上下阔值的选择相对于预测基准值是对称的，该种阔值范围对业务性能 的监控存在告警准确性不高的缺点，具体分析如下：
[0014] 动态阔值算法主要采用对称概念，上阔值和下阔值相对于预测基值的偏离度是相 同的。但实际上，从样本空间的分布看，W预测的基准阔值为基线，其上部和下部的历史样 本点对基线的偏离度是不同的，且预测的基准阔值上部和下部的样本点数量也是不同的。 也即对于预测的基准阔值而言，样本的可能空间范围相对于预测的基准阔值应该为非对称 的。而上述动态阔值的计算在偏差计算上是统一计算的。在所有样本点中，偏离最大的样 本点对阔值空间范围的影响较大，而不考虑其位于预测基值的上部还是下部。从预测指标 值可能范围角度，具备有一定意义。但从形成动态阔值，用于实际监控操作角度讲，该样就 会扩大指标值的可能范围，导致由于告警阔值设置过大，无法准确告警的情况。
【发明内容】
[0015] 有鉴于此，本发明实施例提供了一种告警阔值生成方法、业务性能指标监控方法 及装置，用W解决采用现有技术中的动态阔值确定方法得到的告警阔值带来的告警不准确 的问题。
[0016] 一种告警阔值生成方法，所述方法包括：
[0017] 根据性能指标的历史样本空间中的各样本点和预测算法，对当前的业务性能指标 值进行预测，得到预测基值；
[0018] 根据历史样本空间，确定当前的业务性能指标值的分布范围，并将表示该分布范 围的上限值和下限值分别作为阔值基准的上限值和阔值基准的下限值；并
[0019] 将历史样本空间划分为上阔值样本空间和下阔值样本空间，其中，上阔值样本空 间中的各样本点的值大于等于所述预测基值，下阔值样本空间中的各样本点的值小于所述 预测基值；
[0020] 在历史样本空间中偏离预测基值最大的样本点存在于所述上阔值样本空间中时， 根据下阔值样本空间，确定下阔值空间的分布范围，将表示下阔值空间的分布范围的上限 值和下限值分别作为下阔值的上限值和下阔值的下限值；
[0021] 将阔值基准的下限值和下阔值的下限值中的最大值作为告警阔值的下限值，将阔 值基准的上限值作为告警阔值的上限值。
[0022] 较优的，在历史样本空间中偏离预测基值的最大的样本点存在于所述下阔值样本 空间中时，根据上阔值样本空间，确定上阔值空间的分布范围，将表示上阔值空间中的分布 范围的上限值和下限值分别作为上阔值的上限值和上阔值的下限值；
[0023] 将阔值基准的上限值和上阔值的上限值中的最小值作为告警阔值的上限值，将阔 值基准的下限值作为告警阔值的下限值。
[0024] 较优的，所述方法还包括：
[00巧]使用下述公式对告警阔值的上限值进行优化，得到优化后的告警阔值的上限值；
[0026] 优化后的告警阔值的上限值=告警阔值的上限值*(1+x);
[0027] 其中，X表示设定的告警阔值的上限值的容忍度系数。
[0028] 较优的，所述方法还包括：
[0029] 使用下述公式对告警阔值的下限值进行优化，得到优化后的告警阔值的下限值；
[0030] 优化后的告警阔值的下限值=告警阔值的下限值* (1-y);
[0031] 其中，y表示设定的告警阔值的下限值的容忍度系数。
[0032] 一种业务性能指标监控方法，所述方法包括：
[0033] 利用上述任一所述的告警阔值生成方法生成告警阔值；
[0034] 将当前的业务性能指标值与所述告警阔值进行比较；
[0035] 当当前的业务性能指标值不在告警阔值的上限值和下限值之间时，触发告警。
[0036] 一种告警阔值生成装置，所述装置包括：
[0037] 预测基值生成单元，用于根据性能指标的历史样本空间中的各样本点和预测算 法，对当前的业务性能指标值进行预测，得到预测基值；
[0038] 阔值基准确定单元，用于根据历史样本空间，确定当前的业务性能指标值的分布 范围，并将表示该分布范围的上限值和下限值分别作为阔值基准的上限值和阔值基准的下 限值；
[0039] 样本空间划分单元，用于将历史样本空间划分为上阔值样本空间和下阔值样本空 间，其中，上阔值样本空间中的各样本点的值大于等于所述预测基值，下阔值样本空间中的 各样本点的值小于所述预测基值；
[0040] 分布范围确定单元，在历史样本空间中偏离预测基值最大的样本点存在于所述上 阔值样本空间中时，根据下阔值样本空间，确定下阔值空间的分布范围，将表示下阔值空间 的分布范围的上限值和下限值分别作为下阔值的上限值和下阔值的下限值；
[0041] 告警阔值确定单元，用于将阔值基准的下限值和下阔值的下限值中的最大值作为 告警阔值的下限值，将阔值基准的上限值作为告警阔值的上限值。
[0042]较优的，分布范围确定单元，还用于在历史样本空间中偏离预测基值的最大的样 本点存在于所述下阔值样本空间中时，根据上阔值样本空间，确定上阔值空间的分布范围， 将表示上阔值空间中的分布范围的上限值和下限值分别作为上阔值的上限值和上阔值的 下限值；
[0043] 所述告警阔值确定单元，还用于将阔值基准的上限值和上阔值的上限值中的最小 值作为告警阔值的上限值，将阔值基准的下限值作为告警阔值的下限值。
[0044] 较优的，所述装置还包括：
[0045] 优化单元，用于使用下述公式对告警阔值的上限值进行优化，得到优化后 的告警 阔值的上限值；优化后的告警阔值的上限值=告警阔值的上限值*( 1+X);其中，X表示设 定的告警阔值的上限值的容忍度系数。
[0046] 较优的，所述装置还包括：
[0047] 优化单元，用于使用下述公式对告警阔值的下限值进行优化，得到优化后的告警 阔值的下限值；优化后的告警阔值的下限值=告警阔值的下限值*( 1-y);其中，y表示设 定的告警阔值的下限值的容忍度系数。
[0048] 一种业务性能指标监控装置，所述装置包括：
[0049] 上述任一所述的告警阔值生成装置；
[0050] 比较模块，用于将当前的业务性能指标值与所述告警阔值生成装置生成的告警阔 值进行比较；
[0051] 触发模块，用于当当前的业务性能指标值不在告警阔值的上限值和下限值之间 时，触发告警。
[0052] 在本发明实施例的技术方案中，通过采用非对称阔值概念，在对称阔值的基础上， W预测基值为基准，将大于预测基值的样本形成上阔值样本空间，将小于预测基值的样本 点形成下阔值样本空间；然后根据偏离度最大样本点的分布，对不存在最大偏离样本点的 样本空间进行二次阔值计算，打破原来动态阔值的对称分布特性，得到更合理的告警阔值 取值范围，因此，在用于业务性能的监控时，会告警的准确性，增强监控的有效性，及时有 效的监控到性能指标突变。
【附图说明】
[0053] 图1为本发明【背景技术】中的业务性能指标监控方法流程图；
[0054] 图2为本发明【背景技术】中的WLAN中的AC在线用户数指标图；
[0055] 图3为本发明实施例一中的一种告警阔值生成方法的流程图；
[0056] 图4为本发明实施例二中的一种业务性能指标监控方法的流程图；
[0057] 图5为本发明实施例四中的一种告警阔值生成装置的结构示意图；
[0058] 图6为本发明实施例五中的一种业务性能指标监控装置的结构示意图。
【具体实施方式】
[0059]为了解决采用现有技术中的动态阔值确定方法得到的告警阔值带来的告警不准 确的问题，本发明实施例提供了一种告警阔值生成方法、业务性能指标监控方法及装置。
[0060] 为了清楚地说明本发明实施例的方案，首先对本发明实施例的基本原理进行分析 说明：
[0061] 样本空间中偏离度最大的样本点对告警阔值范围的影响最大，但该样本点将只位 于预测基值的一侧，传统的动态阔值计算中采用对称阔值计算，此时该样本点就会影响另 一侧的阔值计算，进而会扩大阔值范围，降低监控敏感度。为克服该一缺点，本发明实施例 的方案中，采用非对称阔值概念，在对称阔值的基础上，W预测基值为基准，将大于预测基 值的样本形成上阔值样本空间，将小于预测基值的样本点形成下阔值样本空间。然后根据 偏离度最大样本点的分布，对不存在最大偏离样本点的样本空间进行二次阔值计算，打破 原来动态阔值的对称分布特性，得到更合理的告警阔值取值范围。
[0062] 下面结合说明书附图，对本发明实施例进行详细描述。
[0063] 实施例一
[0064] 本发明实施例一提供一种告警阔值生成方法，其流程图如图3所示，具体包括W 下步骤：
[0065] 步骤300;根据性能指标的历史样本空间中的各样本点和预测算法，对当前的业 务性能指标值进行预测，得到预测基值；并执行步骤301。
[0066] 所述预测算法有多种，例如移动平均法，加权平均法，相关回归算法，数学建模等， 在本发明实施例一中，可w结合需要监控的性能指标的数据的特点w及各预测算法自身的 特点，挑选一种合适的预测算法。进而由性能指标的历史样本空间中的各样本点的值和挑 选的预测算法，就可W对当前的业务性能指标值进行预测，得到预测基值。
[0067] 步骤301;根据历史样本空间，确定当前的业务性能指标值的分布范围，并将表示 该分布范围的上限值和下限值分别作为阔值基准的上限值和阔值基准的下限值；并执行步 骤 302。
[0068] 所述当前的业务性能指标值的分布范围，可关于预测基值对称的，也可不对称。
[0069] 在本步骤301中，根据历史样本空间，确定当前的业务性能指标值的分布范围，也 即根据历史样本空间，确定实际的业务性能指标空间中的业务性能指标值的可能范围。
[0070] 在数学领域中，样本空间中的样本值只是实际空间中的样本值一部分，可W根据 样本空间(局部）的样本值分布范围，利用概率论与数理统计知识来估算实际空间(全局）中 的值分布范围。而当前的业务性能指标值是实际业务性能指标空间中的一个值，因此，实际 的业务性能指标空间中的各业务性能指标值的可能的分布范围即为当前的业务性能指标 值的可能的分布范围。
[0071] 步骤302;将历史样本空间划分为上阔值样本空间和下阔值样本空间；并执行步 骤 303。
[0072]其中，上阔值样本空间中的各样本点的值大于等于所述预测基值，下阔值样本空 间中的各样本点的值小于所述预测基值；
[0073] 需要说明的是，步骤301和步骤302的位置可W互换，也可W同时执行步骤301和 步骤302。
[0074]步骤303;判断在历史样本空间中偏离预测基值最大的样本点是否存在于所述上 阔值样本空间中，若是，则执行步骤304 ;若否，则执行步骤306。
[007引步骤304;根据下阔值样本空间，确定下阔值空间的分布范围，得到下阔值空间分 布范围的上限值和下限值，并执行步骤305。
[0076] 步骤305;将阔值基准的下限值和下阔值的下限值中的最大值作为告警阔值的下 限值，将阔值基准的上限值作为告警阔值的上限值。
[0077] 步骤304和步骤305的是基于该样一种考虑；偏离预测基值最大的样本点若存在 在上阔值样本空间，在当前的业务性能指标值的分布范围关于预测基值对称时，其对步骤 301中确定的阔值基准的上限值的合理性影响不大，而对步骤301中确定的阔值基准的下 限值的合理性影响较大，也即使步骤301中确定的阔值基准的下限值较小，扩大了告警阔 值的范围，因此，对阔值基准的下限值进行适当的增大(本发明中采用步骤304和步骤305 来进行合理的增大)，进而达到收紧告警阔值的范围的目的。
[007引步骤306;根据上阔值样本空间，确定上阔值空间的分布范围，得到上阔值空间中 的分布范围的上限值和下限值，并执行步骤307。
[0079] 由于上阔值样本空间和下阔值样本空间中的样本点合在一起构成历史样本空间 中的全部样本点，因此，若历史样本空间中偏离预测基值的最大的样本点不存在于所述上 阔值样本空间，则必定存在于所述下阔值样本空间。
[0080] 步骤307;将阔值基准的上限值和上阔值的上限值中的最小值作为告警阔值的上 限值，将阔值基准的下限值作为告警阔值的下限值。
[0081] 步骤306和步骤307的是基于该样一种考虑；偏离预测基值最大的样本点若存 在在下阔值样本空间中，在当前的业务性能指标值的分布范围关于预测基值对称时，其对 步骤301中确定的阔值基准的下限值的合理性影响不大，而对步骤301中确定的阔值基准 的上限值的合理性影响较大，也即使步骤301中确定的阔值基准的上限值较大，扩大了告 警阔值的范围，因此，对阔值基准的上限值进行适当的减小(本发明中采用步骤306和步骤 307来进行合理的减小)，进而达到收紧告警阔值的范围的目的。
[0082] 较优的，为了进一步增强告警阔值的合理性，所述方法还包括：
[0083] 使用下述公式对告警阔值的上限值进行优化，得到优化后的告警阔值的上限值；
[0084] 优化后的告警阔值的上限值=告警阔值的上限值* (1+X);
[0085] 其中，X表示设定的告警阔值的上限值的容忍度系数。
[0086] 较优的，为了进一步增强告警阔值的合理性，所述方法还包括：
[0087] 使用下述公式对告警阔值的下限值进行优化，得到优化后的告警阔值的下限值；
[0088] 优化后的告警阔值的下限值=告警阔值的下限值* (1-y);
[0089] 其中，y表示设定的告警阔值的下限值的容忍度系数。
[0090] 在本发明实施例一的方案中，由于根据偏离度最大样本点的分布，对不存在最大 偏离样本点的样本空间进行二次阔值计算，打破原来动态阔值的对称分布特性，得到更合 理的告警阔值取值范围，因此，在用于业务性能的监控时，会告警的准确性，增强监控的有 效性，及时有效的监控到性能指标突变。
[0091] 下面通过实施例二对本发明实施例一的方案应用于业务性能指标监控时的情况 进行说明。
[0092] 实施例二
[0093] 本发明实施例二提供一种业务性能指标监控方法，其流程图如 图4所示，具体包 括W下步骤：
[0094] 步骤401;利用实施例一中任一所述的告警阔值生成方法生成告警阔值。
[0095] 步骤402;将当前的业务性能指标值与所述告警阔值进行比较。
[0096] 步骤403;判断当前的业务性能指标值是否在告警阔值的上限值和下限值之间， 若是，则执行步骤404;若否，则执行步骤405。
[0097] 步骤404;触发告警，并跳转至步骤401。
[0098] 步骤405;将所述当前的业务性能指标值加入历史样本数据，并跳转至步骤401。
[0099] 在上述判断结果为否时执行本步骤405,可有效对动态性能指标进行监控，实时跟 踪性能指标变化趋势，进而实时动态调整监控阔值。
[0100] 通过本发明实施例二的方案，由于使用的告警阔值是比较合理的，因此，可W较好 的提高告警的准确性，增强业务监控的有效性。
[0101] 下面通过一个具体的业务性能指标历史样本数据对本发明实施例一和实施例二 进行更为详细的说明。
[0102] 实施例H
[0103] 本发明实施例H是基于选取WLAN性能指标AC在线用户数进行测试，为例对本发 明实施例的告警阔值生成方法和业务性能指标监控方法进行说明，具体包括W下步骤：
[0104] 第一步；根据历史样本结合预测方法对当前性能指标值进行预测，得到预测基值。
[0105] 为了提高计算预测基准的准确性，在计算时，可对数据进行预处理，比如，剔除历 史样本数据中的最大值和最小值。
[0106] 得到预测基值的预测方法有多种，例如移动平均法，加权平均法，相关回归算法， 数学建模等，下面W移动平均法举例：
[0107] 移动平均法是一种改良的算术平均法，是自适应预测模型。它根据近期数据对预 测值影响较大，而远期数据对预测值影响较小的事实，把平均数逐期移动。
[010引移动平均的各元素的权重都相等。
[0109] 移动平均的计算公式如下：
[0110] Ft={(At-l)+ (At-2) + (At-3) +…+ (At-n)}/n
[0111]Ft表示对下一期的预测值；
[0112] n表示移动平均的时期个数；
[011引 At-1表示前期实际值；
[0114] At-2、At-3和At-n分别表示前两期、前H期直至前n期的实际值。
[011引选取WLAN性能指标AC在线用户数进行测试，取历史同期样本点数据40个，具体 分布如表（1)所7]^ :
[0116]
[0117] 表（1)
[0118] 对上述40个历史样本数据利用上述移动平均法得到性能指标的预测基值为： 496.8。
[0119] 第二步；根据历史样本空间，确定当前的业务性能指标值的分布范围。
[0120] 由于本发明实施例中的业务性能指标值是不是静态的，因此，也可称为动态阔值。 动态阔值基准可W采用数据建模，概率理论等多种方式获得，该里采用概率理论中的置信 区间算法，得出当前时间点，业务性能指标值的可能分布范围，形成动态阔值基准。
[0121] 所述置信区间是指由样本统计量所构造的总体参数的估计区间。在统计学中，一 个概率样本的置信区间（Confidenceinterval)是对该个样本的某个总体参数的区间估 计。置信区间展现的是该个参数的真实值有一定概率落在测量结果的周围的程度。置信区 间给出的是被测量参数的测量值的可信程度，即前面所要求的"一定概率"。该个概率被称 为置信水平。举例来说，如果在一次大选中某人的支持率为55%，而置信水平0. 95上的置信 区间是（50%，60%)，那么他的真实支持率有百分之九十五的机率落在百分之五十和百分之 六十之间，因此他的真实支持率不足一半的可能性小于百分之2. 5。如例子中一样，置信水 平一般用百分比表示，因此置信水平0. 95上的置信空间也可W表达为；95%置信区间。置 信区间的两端被称为置信极限。对一个给定情形的估计来说，置信水平越高，所对应的置信 区间就会越大。
[0122] 在对历史数据进行样本选取，并采用预测算法得到相应指标值数学期望后，利用 概率置信区间算法进行动态阔值计算。例如，根据移动平均算法得到预测基值，也即得到指 标值的"样本均值"（预测基值即为样本均值)，然后计算出抽样误差。性能数据样本空间为 一种数据随机序列，符合正态分布特性，用求出的"样本均值"加、减计算的"抽样误差"，得 出置信区间的两个端点。即：
[0123]
[0124]X为预测基值，0为根据样本空间和预测基值计算的方差，n为样本空间个数， Za/2为置信度系数(查表得到)。
[0125] 对第一步中的样本空间进行概率计算，采用置信区间算法，取置信度为95%，得到 的置信区间为：（423. 3, 570. 3)，也即确定当前的业务性能指标值的分布范围，并将表示该 分布范围的上限值570. 3和下限值423. 3分别作为阔值基准的上限值和阔值基准的下限值 时，该阔值基准即为（423. 3,570. 3)。
[0126] 第H步；W第二步预测基值为基础，将样本空间分为两部分，分别为；如表（2)所 示的上阔值样本空间（共包括15个样本点）和如表（3)下阔值样本空间（共包括25个样本 点）；
[0127]
[0130]表（3)
[0131] 第四步：通过将所有样本与预测基值进行对比，得到偏离度最大样本点为578,位 于上阔值样本空间。因此对下阔值空间进行二次概率计算，采用置信区间方式，取置信度为 95%，得到下阔值空间可能范围为；（500. 6,440. 6)。
[0132] 第五步：将第四步通过二次概率计算求得的下阔值下限440. 6,与第二步求得的 阔值基准下限423. 3比对，取相对较大值440. 6作为告警阔值的下限值，将阔值基准的上 限值570. 3作为告警阔值的上限值，从而得到告警阔值巧70. 3,440. 6)，可W看到不是关于 496. 8对称的。
[0133] 第六步；根据得到的告警阔值(也可称为非对称动态阔值)，辅W容忍度度系数，从 而得到最终的动态阔值。设上阔值容忍度系数为X，下阔值容忍度系数为y，最终得到的非 对称动态阔值为[570. 3X(1+X)，440. 6X(1-y)]。
[0134]第走步：假设最新采集的WLAN在线用户数指标值为Z。经比较，若Z值大小在非 对称动态阔值为[570. 3XQ+X) ,440. 6X(1-y)]区间外，则触发告警，否则，判断为正常。
[0135] 实施例四
[0136] 本发明实施例四提供一种告警阔值生成装置，其结构示意图如图5所示，所述装 置包括：预测基值生成单元501、阔值基准确定单元502、样本空间划分单元503、分布范围 确定单元504和告警阔值确定单元505,其中：
[0137] 预测基值生成单元501，用于根据性能指标的历史样本空间中的各样本点和预测 算法，对当前的业务性能指标值进行预测，得到预测基值；
[013引阔值基准确定单元502,用于根据历史样本空间，确定当前的业务性能指标值的分 布范围，并将表示该分布范围的上限值和下限值分别作为阔值基准的上限值和阔值基准的 下限值；
[0139] 样本空间划分单元503,用于将历史样本空间划分为上阔值样本空间和下阔值样 本空间，其中，上阔值样本空间中的各样本点的值大于等于所述预测基值，下阔值样本空间 中的各样本点的值小于所述预测基值；
[0140]分布范围确定单元504,在历史样本空间中偏离预测基值最大的样本点存在于所 述上阔值样本空间中时，根据下阔值样本空间，确定下阔值空间的分布范围，将表示下阔值 空间的分布范围的上限值和下限值分别作为下阔值的上限值和下阔值的下限值；
[0141] 告警阔值确定单元505,用于将阔值基准的下限值和下阔值的下限值中的最大值 作为告警阔值的下限值，将阔值基准的上限值作为告警阔值的上限值。
[0142] 较优的，所述分布范围确定单元504,还用于在历史样本空间中偏离预测基值的最 大的样本点存在于所述下阔值样本空间中时，根据上阔值样本空间，确定上阔值空间的分 布范围，将表示上阔值空间中的分布范围的上限值和下限值分别作为上阔值的上限值和上 阔值的下限值；
[0143] 较优的，所述告警阔值确定单元505,还用于将阔值基准的上限值和上阔值的上限 值中的最小值作为告警阔值的上限值，将阔值基准的下限值作为告警阔值的下限值。
[0144] 较优的，所述装置还包括：
[0145] 优化单元506,用于使用下述公式对告警阔值的上限值进行优化，得到优化后的告 警阔值的上限值；优化后的告警阔值的上限值=告警阔 值的上限值*( 1+X);其中，X表示 设定的告警阔值的上限值的容忍度系数，*表示乘法符号。
[0146] 较优的，所述装置还包括：
[0147] 优化单元506,用于使用下述公式对告警阔值的下限值进行优化，得到优化后的告 警阔值的下限值；优化后的告警阔值的下限值=告警阔值的下限值*( 1-y);其中，y表示 设定的告警阔值的下限值的容忍度系数，*表示乘法符号。
[014引 实施例五
[0149] 本发明实施例五提供一种业务性能指标监控装置，其结构示意图如图6所示，所 述装置包括；告警阔值生成装置601、比较模块602和触发模块603,其中：
[0150] 告警阔值生成装置601，其为本发明实施例四中任一所述的告警阔值生成装置；
[0151] 比较模块602,用于将当前的业务性能指标值与所述告警阔值生成装置生成的告 警阔值进行比较；
[0152] 触发模块603,用于当当前的业务性能指标值不在告警阔值的上限值和下限值之 间时，触发告警。
[0153] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序 产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实 施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产 品的形式。
[0154] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一 流程和/或方框、W及流程图和/或方框图中的流程和/或方框的结合。可提供该些计算 机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理 器W产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生 用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的装置。
[0155] 该些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备W特 定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。
[0156] 该些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计 算机或其他可编程设备上执行一系列操作步骤W产生计算机实现的处理，从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图 一个方框或多个方框中指定的功能的步骤。
[0157] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造 性概念，则可对该些实施例作出另外的变更和修改。所W，所附权利要求意欲解释为包括优 选实施例W及落入本发明范围的所有变更和修改。
[015引显然，本领域的技术人员可W对本发明进行各种改动和变型而不脱离本发明的精 神和范围。该样，倘若本发明的该些修改和变型属于本发明权利要求及其等同技术的范围 之内，则本发明也意图包含该些改动和变型在内。
【主权项】
1. 一种告警阈值生成方法，其特征在于，所述方法包括： 根据性能指标的历史样本空间中的各样本点和预测算法，对当前的业务性能指标值进 行预测，得到预测基值； 根据历史样本空间，确定当前的业务性能指标值的分布范围，并将历史样本空间划分 为上阈值样本空间和下阈值样本空间，其中，上阈值样本空间中的各样本点的值大于等于 所述预测基值，下阈值样本空间中的各样本点的值小于所述预测基值； 在历史样本空间中偏离预测基值最大的样本点存在于所述上阈值样本空间中时，根据 下阈值样本空间，确定下阈值空间的分布范围，将表示下阈值空间的分布范围的上限值和 下限值分别作为下阈值的上限值和下阈值的下限值； 将阈值基准的下限值和下阈值的下限值中的最大值作为告警阈值的下限值，将阈值基 准的上限值作为告警阈值的上限值。2. 如权利要求1所述的方法，其特征在于，在历史样本空间中偏离预测基值的最大的 样本点存在于所述下阈值样本空间中时，根据上阈值样本空间，确定上阈值空间的分布范 围，将表示上阈值空间中的分布范围的上限值和下限值分别作为上阈值的上限值和上阈值 的下限值； 将阈值基准的上限值和上阈值的上限值中的最小值作为告警阈值的上限值，将阈值基 准的下限值作为告警阈值的下限值。3. 如权利要求1或2所述的方法，其特征在于，所述方法还包括： 使用下述公式对告警阈值的上限值进行优化，得到优化后的告警阈值的上限值； 优化后的告警阈值的上限值=告警阈值的上限值* (1+x); 其中，X表示设定的告警阈值的上限值的容忍度系数。4. 如权利要求1或2任一所述的方法，其特征在于，所述方法还包括： 使用下述公式对告警阈值的下限值进行优化，得到优化后的告警阈值的下限值； 优化后的告警阈值的下限值=告警阈值的下限值* (1-y); 其中，y表示设定的告警阈值的下限值的容忍度系数。5. -种业务性能指标监控方法，其特征在于，所述方法包括： 利用权利要求1-4中任一所述的告警阈值生成方法生成告警阈值； 将当前的业务性能指标值与所述告警阈值进行比较； 当当前的业务性能指标值不在告警阈值的上限值和下限值之间时，触发告警。6. -种告警阈值生成装置，其特征在于，所述装置包括： 预测基值生成单元，用于根据性能指标的历史样本空间中的各样本点和预测算法，对 当前的业务性能指标值进行预测，得到预测基值； 阈值基准确定单元，用于根据历史样本空间，确定当前的业务性能指标值的分布范 围，并将表示该分布范围的上限值和下限值分别作为阈值基准的上限值和阈值基准的下限 值； 样本空间划分单元，用于将历史样本空间划分为上阈值样本空间和下阈值样本空间， 其中，上阈值样本空间中的各样本点的值大于等于所述预测基值，下阈值样本空间中的各 样本点的值小于所述预测基值； 分布范围确定单元，在历史样本空间中偏离预测基值最大的样本点存在于所述上阈值 样本空间中时，根据下阈值样本空间，确定下阈值空间的分布范围，将表示下阈值空间的分 布范围的上限值和下限值分别作为下阈值的上限值和下阈值的下限值； 告警阈值确定单元，用于将阈值基准的下限值和下阈值的下限值中的最大值作为告警 阈值的下限值，将阈值基准的上限值作为告警阈值的上限值。7. 如权利要求6所述的装置，其特征在于，分布范围确定单元，还用于在历史样本空间 中偏离预测基值的最大的样本点存在于所述下阈值样本空间中时，根据上阈值样本空间， 确定上阈值空间的分布范围，将表示上阈值空间中的分布范围的上限值和下限值分别作为 上阈值的上限值和上阈值的下限值； 所述告警阈值确定单元，还用于将阈值基准的上限值和上阈值的上限值中的最小值作 为告警阈值的上限值，将阈值基准的下限值作为告警阈值的下限值。8. 如权利要求6或7所述的装置，其特征在于，所述装置还包括： 优化单元，用于使用下述公式对告警阈值的上限值进行优化，得到优化后的告警阈值 的上限值；优化后的告警阈值的上限值=告警阈值的上限值* (1+x);其中，X表示设定的 告警阈值的上限值的容忍度系数。9. 如权利要求6或7任一所述的装置，其特征在于，所述装置还包括： 优化单元，用于使用下述公式对告警阈值的下限值进行优化，得到优化后的告警阈值 的下限值；优化后的告警阈值的下限值=告警阈值的下限值*( 1-y);其中，y表示设定的 告警阈值的下限值的容忍度系数。10. -种业务性能指标监控装置，其特征在于，所述装置包括： 权利要求6-9中任一所述的告警阈值生成装置； 比较模块，用于将当前的业务性能指标值与所述告警阈值生成装置生成的告警阈值进 行比较； 触发模块，用于当当前的业务性能指标值不在告警阈值的上限值和下限值之间时，触 发告警。
【专利摘要】本发明公开了一种告警阈值生成方法、业务性能指标监控方法及装置，包括：采用非对称阈值概念，在对称阈值的基础上，以预测基值为基准，将大于预测基值的样本形成上阈值样本空间，将小于预测基值的样本点形成下阈值样本空间；然后根据偏离度最大样本点的分布，对不存在最大偏离样本点的样本空间进行二次阈值计算，打破原来动态阈值的对称分布特性，得到更合理的告警阈值取值范围，因此，在用于业务性能的监控时，会告警的准确性，增强监控的有效性,及时有效的监控到性能指标突变。
【IPC分类】H04L12/26, H04L12/24
【公开号】CN104901823
【申请号】CN201410076801
【发明人】李巍, 李欣, 武智晖, 杨金伟, 邹生根, 李静, 霍晓华, 毕旻
【申请人】中国移动通信集团北京有限公司
【公开日】2015年9月9日
【申请日】2014年3月4日
【技术领域】
[0001] 本发明涉及网络管理技术领域，尤其涉及一种告警阔值生成方法、业务性能指标 监控方法及装置。
【背景技术】
[0002] 目前网络技术应用越来越广泛，人们很多的日常工作和娱乐活动都离不开网络。 为提高网络的服务质量，满足人们对网络的需求，网络运营商对网络的运行维护提出了更 高的要求。
[0003] 在传统的维护模式中，维护人员主要关注设备状态。判断一台设备是否运转正常， 主要依赖于设备告警。但客户对业务的感知是非常敏感的，传统的W设备状态为中也，基于 网络、设备告警的监控维护模式存在诸多问题。无法及时发现已导致业务质量下降，但设备 无告警的故障，无法保证先于客户发现故障。因此，在日常的监控维护工作中，对业务性能 指标监控变得越来越重要，已成为帮助维护人员判断系统运行是否正常的重要保证。
[0004] 在对业务性能指标的监控中，告警阔值的设置是性能指标监控的关键，如何设置 合理的告警阔值，直接决定性能指标的监控效果。现有技术中采用静态告警阔值或分时段 的静态告警阔值，即针对所监控的指标设置静态唯一告警阔值，此时，具体业务性能指标监 控方法如图1所示。
[0005] 步骤101;提取监控原始数据；
[0006] 步骤102 ;将提取的数据与静态告警阔值进行对比；
[0007] 步骤103;判断提取的数据是否大于静态告警阔值；若是，则执行步骤104,并返回 步骤101 ;若否，则返回步骤101 ;
[000引步骤104 ;触发告警。
[0009] 然而，在实际中，很多业务性能指标呈现出具有时间周期特征的动态变化的特征， 采用静态阔值设置方法或分时段的静态阔值设置方法对呈现出具有时间周期特征的动态 变化的特征的性能指标进行监控时，无法体现动态的变化，若告警阔值设置较低，则无法监 控业务质量变化，告警敏感度低；若告警阔值设置较高，虽能相对提升业务质量监控的告警 敏感度，但在业务闲时，特别是晚间，过高的告警阔值会触发大量误告警。静态的告警阔值 设置方法无法及时有效的监控到性能指标的突变，无法及时触发告警。
[0010] 例如；选取如图2所示的具有明显时间周期特征的无线局域网（WLAN)中的接入控 制器（AccessController,AC)在线用户数指标进行分析：
[0011] 从图2中（其横轴为时间，纵轴为在线用户个数，通过每隔5分钟对在线用户个数 进行采样得到)可W看出WLANAC在线用户数指标有明显的时间周期特征，忙闲时指标数值 差异较大，且具有明显指标上升和下降阶段。在监控中往往为了避免误告警出现，无论静态 阔值还是分时段阔值设置都会较为宽泛，无法有效实时跟踪指标变化状态。例如当出现图 中状态指标发生异常时，由于指标设置过于宽泛，无法及时触发告警。
[0012] 为了克服上述静态的告警阔值设置方法存在的缺点，实际应用中采用动态阔值， 目前计算动态阔值技术的基本方法是通过历史数据预测当前基准阔值，然后结合概率算法 得到一个认为合理的阔值范围。该阔值范围的上下阔值的选择相对于预测的基准阔值是对 称的。
[0013] 上述采用动态阔值对业务性能指标进行监控，可W实现对指标变化的动态跟踪， 但上述阔值范围的上下阔值的选择相对于预测基准值是对称的，该种阔值范围对业务性能 的监控存在告警准确性不高的缺点，具体分析如下：
[0014] 动态阔值算法主要采用对称概念，上阔值和下阔值相对于预测基值的偏离度是相 同的。但实际上，从样本空间的分布看，W预测的基准阔值为基线，其上部和下部的历史样 本点对基线的偏离度是不同的，且预测的基准阔值上部和下部的样本点数量也是不同的。 也即对于预测的基准阔值而言，样本的可能空间范围相对于预测的基准阔值应该为非对称 的。而上述动态阔值的计算在偏差计算上是统一计算的。在所有样本点中，偏离最大的样 本点对阔值空间范围的影响较大，而不考虑其位于预测基值的上部还是下部。从预测指标 值可能范围角度，具备有一定意义。但从形成动态阔值，用于实际监控操作角度讲，该样就 会扩大指标值的可能范围，导致由于告警阔值设置过大，无法准确告警的情况。
【发明内容】
[0015] 有鉴于此，本发明实施例提供了一种告警阔值生成方法、业务性能指标监控方法 及装置，用W解决采用现有技术中的动态阔值确定方法得到的告警阔值带来的告警不准确 的问题。
[0016] 一种告警阔值生成方法，所述方法包括：
[0017] 根据性能指标的历史样本空间中的各样本点和预测算法，对当前的业务性能指标 值进行预测，得到预测基值；
[0018] 根据历史样本空间，确定当前的业务性能指标值的分布范围，并将表示该分布范 围的上限值和下限值分别作为阔值基准的上限值和阔值基准的下限值；并
[0019] 将历史样本空间划分为上阔值样本空间和下阔值样本空间，其中，上阔值样本空 间中的各样本点的值大于等于所述预测基值，下阔值样本空间中的各样本点的值小于所述 预测基值；
[0020] 在历史样本空间中偏离预测基值最大的样本点存在于所述上阔值样本空间中时， 根据下阔值样本空间，确定下阔值空间的分布范围，将表示下阔值空间的分布范围的上限 值和下限值分别作为下阔值的上限值和下阔值的下限值；
[0021] 将阔值基准的下限值和下阔值的下限值中的最大值作为告警阔值的下限值，将阔 值基准的上限值作为告警阔值的上限值。
[0022] 较优的，在历史样本空间中偏离预测基值的最大的样本点存在于所述下阔值样本 空间中时，根据上阔值样本空间，确定上阔值空间的分布范围，将表示上阔值空间中的分布 范围的上限值和下限值分别作为上阔值的上限值和上阔值的下限值；
[0023] 将阔值基准的上限值和上阔值的上限值中的最小值作为告警阔值的上限值，将阔 值基准的下限值作为告警阔值的下限值。
[0024] 较优的，所述方法还包括：
[00巧]使用下述公式对告警阔值的上限值进行优化，得到优化后的告警阔值的上限值；
[0026] 优化后的告警阔值的上限值=告警阔值的上限值*(1+x);
[0027] 其中，X表示设定的告警阔值的上限值的容忍度系数。
[0028] 较优的，所述方法还包括：
[0029] 使用下述公式对告警阔值的下限值进行优化，得到优化后的告警阔值的下限值；
[0030] 优化后的告警阔值的下限值=告警阔值的下限值* (1-y);
[0031] 其中，y表示设定的告警阔值的下限值的容忍度系数。
[0032] 一种业务性能指标监控方法，所述方法包括：
[0033] 利用上述任一所述的告警阔值生成方法生成告警阔值；
[0034] 将当前的业务性能指标值与所述告警阔值进行比较；
[0035] 当当前的业务性能指标值不在告警阔值的上限值和下限值之间时，触发告警。
[0036] 一种告警阔值生成装置，所述装置包括：
[0037] 预测基值生成单元，用于根据性能指标的历史样本空间中的各样本点和预测算 法，对当前的业务性能指标值进行预测，得到预测基值；
[0038] 阔值基准确定单元，用于根据历史样本空间，确定当前的业务性能指标值的分布 范围，并将表示该分布范围的上限值和下限值分别作为阔值基准的上限值和阔值基准的下 限值；
[0039] 样本空间划分单元，用于将历史样本空间划分为上阔值样本空间和下阔值样本空 间，其中，上阔值样本空间中的各样本点的值大于等于所述预测基值，下阔值样本空间中的 各样本点的值小于所述预测基值；
[0040] 分布范围确定单元，在历史样本空间中偏离预测基值最大的样本点存在于所述上 阔值样本空间中时，根据下阔值样本空间，确定下阔值空间的分布范围，将表示下阔值空间 的分布范围的上限值和下限值分别作为下阔值的上限值和下阔值的下限值；
[0041] 告警阔值确定单元，用于将阔值基准的下限值和下阔值的下限值中的最大值作为 告警阔值的下限值，将阔值基准的上限值作为告警阔值的上限值。
[0042]较优的，分布范围确定单元，还用于在历史样本空间中偏离预测基值的最大的样 本点存在于所述下阔值样本空间中时，根据上阔值样本空间，确定上阔值空间的分布范围， 将表示上阔值空间中的分布范围的上限值和下限值分别作为上阔值的上限值和上阔值的 下限值；
[0043] 所述告警阔值确定单元，还用于将阔值基准的上限值和上阔值的上限值中的最小 值作为告警阔值的上限值，将阔值基准的下限值作为告警阔值的下限值。
[0044] 较优的，所述装置还包括：
[0045] 优化单元，用于使用下述公式对告警阔值的上限值进行优化，得到优化后 的告警 阔值的上限值；优化后的告警阔值的上限值=告警阔值的上限值*( 1+X);其中，X表示设 定的告警阔值的上限值的容忍度系数。
[0046] 较优的，所述装置还包括：
[0047] 优化单元，用于使用下述公式对告警阔值的下限值进行优化，得到优化后的告警 阔值的下限值；优化后的告警阔值的下限值=告警阔值的下限值*( 1-y);其中，y表示设 定的告警阔值的下限值的容忍度系数。
[0048] 一种业务性能指标监控装置，所述装置包括：
[0049] 上述任一所述的告警阔值生成装置；
[0050] 比较模块，用于将当前的业务性能指标值与所述告警阔值生成装置生成的告警阔 值进行比较；
[0051] 触发模块，用于当当前的业务性能指标值不在告警阔值的上限值和下限值之间 时，触发告警。
[0052] 在本发明实施例的技术方案中，通过采用非对称阔值概念，在对称阔值的基础上， W预测基值为基准，将大于预测基值的样本形成上阔值样本空间，将小于预测基值的样本 点形成下阔值样本空间；然后根据偏离度最大样本点的分布，对不存在最大偏离样本点的 样本空间进行二次阔值计算，打破原来动态阔值的对称分布特性，得到更合理的告警阔值 取值范围，因此，在用于业务性能的监控时，会告警的准确性，增强监控的有效性，及时有 效的监控到性能指标突变。
【附图说明】
[0053] 图1为本发明【背景技术】中的业务性能指标监控方法流程图；
[0054] 图2为本发明【背景技术】中的WLAN中的AC在线用户数指标图；
[0055] 图3为本发明实施例一中的一种告警阔值生成方法的流程图；
[0056] 图4为本发明实施例二中的一种业务性能指标监控方法的流程图；
[0057] 图5为本发明实施例四中的一种告警阔值生成装置的结构示意图；
[0058] 图6为本发明实施例五中的一种业务性能指标监控装置的结构示意图。
【具体实施方式】
[0059]为了解决采用现有技术中的动态阔值确定方法得到的告警阔值带来的告警不准 确的问题，本发明实施例提供了一种告警阔值生成方法、业务性能指标监控方法及装置。
[0060] 为了清楚地说明本发明实施例的方案，首先对本发明实施例的基本原理进行分析 说明：
[0061] 样本空间中偏离度最大的样本点对告警阔值范围的影响最大，但该样本点将只位 于预测基值的一侧，传统的动态阔值计算中采用对称阔值计算，此时该样本点就会影响另 一侧的阔值计算，进而会扩大阔值范围，降低监控敏感度。为克服该一缺点，本发明实施例 的方案中，采用非对称阔值概念，在对称阔值的基础上，W预测基值为基准，将大于预测基 值的样本形成上阔值样本空间，将小于预测基值的样本点形成下阔值样本空间。然后根据 偏离度最大样本点的分布，对不存在最大偏离样本点的样本空间进行二次阔值计算，打破 原来动态阔值的对称分布特性，得到更合理的告警阔值取值范围。
[0062] 下面结合说明书附图，对本发明实施例进行详细描述。
[0063] 实施例一
[0064] 本发明实施例一提供一种告警阔值生成方法，其流程图如图3所示，具体包括W 下步骤：
[0065] 步骤300;根据性能指标的历史样本空间中的各样本点和预测算法，对当前的业 务性能指标值进行预测，得到预测基值；并执行步骤301。
[0066] 所述预测算法有多种，例如移动平均法，加权平均法，相关回归算法，数学建模等， 在本发明实施例一中，可w结合需要监控的性能指标的数据的特点w及各预测算法自身的 特点，挑选一种合适的预测算法。进而由性能指标的历史样本空间中的各样本点的值和挑 选的预测算法，就可W对当前的业务性能指标值进行预测，得到预测基值。
[0067] 步骤301;根据历史样本空间，确定当前的业务性能指标值的分布范围，并将表示 该分布范围的上限值和下限值分别作为阔值基准的上限值和阔值基准的下限值；并执行步 骤 302。
[0068] 所述当前的业务性能指标值的分布范围，可关于预测基值对称的，也可不对称。
[0069] 在本步骤301中，根据历史样本空间，确定当前的业务性能指标值的分布范围，也 即根据历史样本空间，确定实际的业务性能指标空间中的业务性能指标值的可能范围。
[0070] 在数学领域中，样本空间中的样本值只是实际空间中的样本值一部分，可W根据 样本空间(局部）的样本值分布范围，利用概率论与数理统计知识来估算实际空间(全局）中 的值分布范围。而当前的业务性能指标值是实际业务性能指标空间中的一个值，因此，实际 的业务性能指标空间中的各业务性能指标值的可能的分布范围即为当前的业务性能指标 值的可能的分布范围。
[0071] 步骤302;将历史样本空间划分为上阔值样本空间和下阔值样本空间；并执行步 骤 303。
[0072]其中，上阔值样本空间中的各样本点的值大于等于所述预测基值，下阔值样本空 间中的各样本点的值小于所述预测基值；
[0073] 需要说明的是，步骤301和步骤302的位置可W互换，也可W同时执行步骤301和 步骤302。
[0074]步骤303;判断在历史样本空间中偏离预测基值最大的样本点是否存在于所述上 阔值样本空间中，若是，则执行步骤304 ;若否，则执行步骤306。
[007引步骤304;根据下阔值样本空间，确定下阔值空间的分布范围，得到下阔值空间分 布范围的上限值和下限值，并执行步骤305。
[0076] 步骤305;将阔值基准的下限值和下阔值的下限值中的最大值作为告警阔值的下 限值，将阔值基准的上限值作为告警阔值的上限值。
[0077] 步骤304和步骤305的是基于该样一种考虑；偏离预测基值最大的样本点若存在 在上阔值样本空间，在当前的业务性能指标值的分布范围关于预测基值对称时，其对步骤 301中确定的阔值基准的上限值的合理性影响不大，而对步骤301中确定的阔值基准的下 限值的合理性影响较大，也即使步骤301中确定的阔值基准的下限值较小，扩大了告警阔 值的范围，因此，对阔值基准的下限值进行适当的增大(本发明中采用步骤304和步骤305 来进行合理的增大)，进而达到收紧告警阔值的范围的目的。
[007引步骤306;根据上阔值样本空间，确定上阔值空间的分布范围，得到上阔值空间中 的分布范围的上限值和下限值，并执行步骤307。
[0079] 由于上阔值样本空间和下阔值样本空间中的样本点合在一起构成历史样本空间 中的全部样本点，因此，若历史样本空间中偏离预测基值的最大的样本点不存在于所述上 阔值样本空间，则必定存在于所述下阔值样本空间。
[0080] 步骤307;将阔值基准的上限值和上阔值的上限值中的最小值作为告警阔值的上 限值，将阔值基准的下限值作为告警阔值的下限值。
[0081] 步骤306和步骤307的是基于该样一种考虑；偏离预测基值最大的样本点若存 在在下阔值样本空间中，在当前的业务性能指标值的分布范围关于预测基值对称时，其对 步骤301中确定的阔值基准的下限值的合理性影响不大，而对步骤301中确定的阔值基准 的上限值的合理性影响较大，也即使步骤301中确定的阔值基准的上限值较大，扩大了告 警阔值的范围，因此，对阔值基准的上限值进行适当的减小(本发明中采用步骤306和步骤 307来进行合理的减小)，进而达到收紧告警阔值的范围的目的。
[0082] 较优的，为了进一步增强告警阔值的合理性，所述方法还包括：
[0083] 使用下述公式对告警阔值的上限值进行优化，得到优化后的告警阔值的上限值；
[0084] 优化后的告警阔值的上限值=告警阔值的上限值* (1+X);
[0085] 其中，X表示设定的告警阔值的上限值的容忍度系数。
[0086] 较优的，为了进一步增强告警阔值的合理性，所述方法还包括：
[0087] 使用下述公式对告警阔值的下限值进行优化，得到优化后的告警阔值的下限值；
[0088] 优化后的告警阔值的下限值=告警阔值的下限值* (1-y);
[0089] 其中，y表示设定的告警阔值的下限值的容忍度系数。
[0090] 在本发明实施例一的方案中，由于根据偏离度最大样本点的分布，对不存在最大 偏离样本点的样本空间进行二次阔值计算，打破原来动态阔值的对称分布特性，得到更合 理的告警阔值取值范围，因此，在用于业务性能的监控时，会告警的准确性，增强监控的有 效性，及时有效的监控到性能指标突变。
[0091] 下面通过实施例二对本发明实施例一的方案应用于业务性能指标监控时的情况 进行说明。
[0092] 实施例二
[0093] 本发明实施例二提供一种业务性能指标监控方法，其流程图如 图4所示，具体包 括W下步骤：
[0094] 步骤401;利用实施例一中任一所述的告警阔值生成方法生成告警阔值。
[0095] 步骤402;将当前的业务性能指标值与所述告警阔值进行比较。
[0096] 步骤403;判断当前的业务性能指标值是否在告警阔值的上限值和下限值之间， 若是，则执行步骤404;若否，则执行步骤405。
[0097] 步骤404;触发告警，并跳转至步骤401。
[0098] 步骤405;将所述当前的业务性能指标值加入历史样本数据，并跳转至步骤401。
[0099] 在上述判断结果为否时执行本步骤405,可有效对动态性能指标进行监控，实时跟 踪性能指标变化趋势，进而实时动态调整监控阔值。
[0100] 通过本发明实施例二的方案，由于使用的告警阔值是比较合理的，因此，可W较好 的提高告警的准确性，增强业务监控的有效性。
[0101] 下面通过一个具体的业务性能指标历史样本数据对本发明实施例一和实施例二 进行更为详细的说明。
[0102] 实施例H
[0103] 本发明实施例H是基于选取WLAN性能指标AC在线用户数进行测试，为例对本发 明实施例的告警阔值生成方法和业务性能指标监控方法进行说明，具体包括W下步骤：
[0104] 第一步；根据历史样本结合预测方法对当前性能指标值进行预测，得到预测基值。
[0105] 为了提高计算预测基准的准确性，在计算时，可对数据进行预处理，比如，剔除历 史样本数据中的最大值和最小值。
[0106] 得到预测基值的预测方法有多种，例如移动平均法，加权平均法，相关回归算法， 数学建模等，下面W移动平均法举例：
[0107] 移动平均法是一种改良的算术平均法，是自适应预测模型。它根据近期数据对预 测值影响较大，而远期数据对预测值影响较小的事实，把平均数逐期移动。
[010引移动平均的各元素的权重都相等。
[0109] 移动平均的计算公式如下：
[0110] Ft={(At-l)+ (At-2) + (At-3) +…+ (At-n)}/n
[0111]Ft表示对下一期的预测值；
[0112] n表示移动平均的时期个数；
[011引 At-1表示前期实际值；
[0114] At-2、At-3和At-n分别表示前两期、前H期直至前n期的实际值。
[011引选取WLAN性能指标AC在线用户数进行测试，取历史同期样本点数据40个，具体 分布如表（1)所7]^ :
[0116]
[0117] 表（1)
[0118] 对上述40个历史样本数据利用上述移动平均法得到性能指标的预测基值为： 496.8。
[0119] 第二步；根据历史样本空间，确定当前的业务性能指标值的分布范围。
[0120] 由于本发明实施例中的业务性能指标值是不是静态的，因此，也可称为动态阔值。 动态阔值基准可W采用数据建模，概率理论等多种方式获得，该里采用概率理论中的置信 区间算法，得出当前时间点，业务性能指标值的可能分布范围，形成动态阔值基准。
[0121] 所述置信区间是指由样本统计量所构造的总体参数的估计区间。在统计学中，一 个概率样本的置信区间（Confidenceinterval)是对该个样本的某个总体参数的区间估 计。置信区间展现的是该个参数的真实值有一定概率落在测量结果的周围的程度。置信区 间给出的是被测量参数的测量值的可信程度，即前面所要求的"一定概率"。该个概率被称 为置信水平。举例来说，如果在一次大选中某人的支持率为55%，而置信水平0. 95上的置信 区间是（50%，60%)，那么他的真实支持率有百分之九十五的机率落在百分之五十和百分之 六十之间，因此他的真实支持率不足一半的可能性小于百分之2. 5。如例子中一样，置信水 平一般用百分比表示，因此置信水平0. 95上的置信空间也可W表达为；95%置信区间。置 信区间的两端被称为置信极限。对一个给定情形的估计来说，置信水平越高，所对应的置信 区间就会越大。
[0122] 在对历史数据进行样本选取，并采用预测算法得到相应指标值数学期望后，利用 概率置信区间算法进行动态阔值计算。例如，根据移动平均算法得到预测基值，也即得到指 标值的"样本均值"（预测基值即为样本均值)，然后计算出抽样误差。性能数据样本空间为 一种数据随机序列，符合正态分布特性，用求出的"样本均值"加、减计算的"抽样误差"，得 出置信区间的两个端点。即：
[0123]
[0124]X为预测基值，0为根据样本空间和预测基值计算的方差，n为样本空间个数， Za/2为置信度系数(查表得到)。
[0125] 对第一步中的样本空间进行概率计算，采用置信区间算法，取置信度为95%，得到 的置信区间为：（423. 3, 570. 3)，也即确定当前的业务性能指标值的分布范围，并将表示该 分布范围的上限值570. 3和下限值423. 3分别作为阔值基准的上限值和阔值基准的下限值 时，该阔值基准即为（423. 3,570. 3)。
[0126] 第H步；W第二步预测基值为基础，将样本空间分为两部分，分别为；如表（2)所 示的上阔值样本空间（共包括15个样本点）和如表（3)下阔值样本空间（共包括25个样本 点）；
[0127]
[0130]表（3)
[0131] 第四步：通过将所有样本与预测基值进行对比，得到偏离度最大样本点为578,位 于上阔值样本空间。因此对下阔值空间进行二次概率计算，采用置信区间方式，取置信度为 95%，得到下阔值空间可能范围为；（500. 6,440. 6)。
[0132] 第五步：将第四步通过二次概率计算求得的下阔值下限440. 6,与第二步求得的 阔值基准下限423. 3比对，取相对较大值440. 6作为告警阔值的下限值，将阔值基准的上 限值570. 3作为告警阔值的上限值，从而得到告警阔值巧70. 3,440. 6)，可W看到不是关于 496. 8对称的。
[0133] 第六步；根据得到的告警阔值(也可称为非对称动态阔值)，辅W容忍度度系数，从 而得到最终的动态阔值。设上阔值容忍度系数为X，下阔值容忍度系数为y，最终得到的非 对称动态阔值为[570. 3X(1+X)，440. 6X(1-y)]。
[0134]第走步：假设最新采集的WLAN在线用户数指标值为Z。经比较，若Z值大小在非 对称动态阔值为[570. 3XQ+X) ,440. 6X(1-y)]区间外，则触发告警，否则，判断为正常。
[0135] 实施例四
[0136] 本发明实施例四提供一种告警阔值生成装置，其结构示意图如图5所示，所述装 置包括：预测基值生成单元501、阔值基准确定单元502、样本空间划分单元503、分布范围 确定单元504和告警阔值确定单元505,其中：
[0137] 预测基值生成单元501，用于根据性能指标的历史样本空间中的各样本点和预测 算法，对当前的业务性能指标值进行预测，得到预测基值；
[013引阔值基准确定单元502,用于根据历史样本空间，确定当前的业务性能指标值的分 布范围，并将表示该分布范围的上限值和下限值分别作为阔值基准的上限值和阔值基准的 下限值；
[0139] 样本空间划分单元503,用于将历史样本空间划分为上阔值样本空间和下阔值样 本空间，其中，上阔值样本空间中的各样本点的值大于等于所述预测基值，下阔值样本空间 中的各样本点的值小于所述预测基值；
[0140]分布范围确定单元504,在历史样本空间中偏离预测基值最大的样本点存在于所 述上阔值样本空间中时，根据下阔值样本空间，确定下阔值空间的分布范围，将表示下阔值 空间的分布范围的上限值和下限值分别作为下阔值的上限值和下阔值的下限值；
[0141] 告警阔值确定单元505,用于将阔值基准的下限值和下阔值的下限值中的最大值 作为告警阔值的下限值，将阔值基准的上限值作为告警阔值的上限值。
[0142] 较优的，所述分布范围确定单元504,还用于在历史样本空间中偏离预测基值的最 大的样本点存在于所述下阔值样本空间中时，根据上阔值样本空间，确定上阔值空间的分 布范围，将表示上阔值空间中的分布范围的上限值和下限值分别作为上阔值的上限值和上 阔值的下限值；
[0143] 较优的，所述告警阔值确定单元505,还用于将阔值基准的上限值和上阔值的上限 值中的最小值作为告警阔值的上限值，将阔值基准的下限值作为告警阔值的下限值。
[0144] 较优的，所述装置还包括：
[0145] 优化单元506,用于使用下述公式对告警阔值的上限值进行优化，得到优化后的告 警阔值的上限值；优化后的告警阔值的上限值=告警阔 值的上限值*( 1+X);其中，X表示 设定的告警阔值的上限值的容忍度系数，*表示乘法符号。
[0146] 较优的，所述装置还包括：
[0147] 优化单元506,用于使用下述公式对告警阔值的下限值进行优化，得到优化后的告 警阔值的下限值；优化后的告警阔值的下限值=告警阔值的下限值*( 1-y);其中，y表示 设定的告警阔值的下限值的容忍度系数，*表示乘法符号。
[014引 实施例五
[0149] 本发明实施例五提供一种业务性能指标监控装置，其结构示意图如图6所示，所 述装置包括；告警阔值生成装置601、比较模块602和触发模块603,其中：
[0150] 告警阔值生成装置601，其为本发明实施例四中任一所述的告警阔值生成装置；
[0151] 比较模块602,用于将当前的业务性能指标值与所述告警阔值生成装置生成的告 警阔值进行比较；
[0152] 触发模块603,用于当当前的业务性能指标值不在告警阔值的上限值和下限值之 间时，触发告警。
[0153] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序 产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实 施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产 品的形式。
[0154] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一 流程和/或方框、W及流程图和/或方框图中的流程和/或方框的结合。可提供该些计算 机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理 器W产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生 用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的装置。
[0155] 该些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备W特 定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。
[0156] 该些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计 算机或其他可编程设备上执行一系列操作步骤W产生计算机实现的处理，从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图 一个方框或多个方框中指定的功能的步骤。
[0157] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造 性概念，则可对该些实施例作出另外的变更和修改。所W，所附权利要求意欲解释为包括优 选实施例W及落入本发明范围的所有变更和修改。
[015引显然，本领域的技术人员可W对本发明进行各种改动和变型而不脱离本发明的精 神和范围。该样，倘若本发明的该些修改和变型属于本发明权利要求及其等同技术的范围 之内，则本发明也意图包含该些改动和变型在内。
【主权项】
1. 一种告警阈值生成方法，其特征在于，所述方法包括： 根据性能指标的历史样本空间中的各样本点和预测算法，对当前的业务性能指标值进 行预测，得到预测基值； 根据历史样本空间，确定当前的业务性能指标值的分布范围，并将历史样本空间划分 为上阈值样本空间和下阈值样本空间，其中，上阈值样本空间中的各样本点的值大于等于 所述预测基值，下阈值样本空间中的各样本点的值小于所述预测基值； 在历史样本空间中偏离预测基值最大的样本点存在于所述上阈值样本空间中时，根据 下阈值样本空间，确定下阈值空间的分布范围，将表示下阈值空间的分布范围的上限值和 下限值分别作为下阈值的上限值和下阈值的下限值； 将阈值基准的下限值和下阈值的下限值中的最大值作为告警阈值的下限值，将阈值基 准的上限值作为告警阈值的上限值。2. 如权利要求1所述的方法，其特征在于，在历史样本空间中偏离预测基值的最大的 样本点存在于所述下阈值样本空间中时，根据上阈值样本空间，确定上阈值空间的分布范 围，将表示上阈值空间中的分布范围的上限值和下限值分别作为上阈值的上限值和上阈值 的下限值； 将阈值基准的上限值和上阈值的上限值中的最小值作为告警阈值的上限值，将阈值基 准的下限值作为告警阈值的下限值。3. 如权利要求1或2所述的方法，其特征在于，所述方法还包括： 使用下述公式对告警阈值的上限值进行优化，得到优化后的告警阈值的上限值； 优化后的告警阈值的上限值=告警阈值的上限值* (1+x); 其中，X表示设定的告警阈值的上限值的容忍度系数。4. 如权利要求1或2任一所述的方法，其特征在于，所述方法还包括： 使用下述公式对告警阈值的下限值进行优化，得到优化后的告警阈值的下限值； 优化后的告警阈值的下限值=告警阈值的下限值* (1-y); 其中，y表示设定的告警阈值的下限值的容忍度系数。5. -种业务性能指标监控方法，其特征在于，所述方法包括： 利用权利要求1-4中任一所述的告警阈值生成方法生成告警阈值； 将当前的业务性能指标值与所述告警阈值进行比较； 当当前的业务性能指标值不在告警阈值的上限值和下限值之间时，触发告警。6. -种告警阈值生成装置，其特征在于，所述装置包括： 预测基值生成单元，用于根据性能指标的历史样本空间中的各样本点和预测算法，对 当前的业务性能指标值进行预测，得到预测基值； 阈值基准确定单元，用于根据历史样本空间，确定当前的业务性能指标值的分布范 围，并将表示该分布范围的上限值和下限值分别作为阈值基准的上限值和阈值基准的下限 值； 样本空间划分单元，用于将历史样本空间划分为上阈值样本空间和下阈值样本空间， 其中，上阈值样本空间中的各样本点的值大于等于所述预测基值，下阈值样本空间中的各 样本点的值小于所述预测基值； 分布范围确定单元，在历史样本空间中偏离预测基值最大的样本点存在于所述上阈值 样本空间中时，根据下阈值样本空间，确定下阈值空间的分布范围，将表示下阈值空间的分 布范围的上限值和下限值分别作为下阈值的上限值和下阈值的下限值； 告警阈值确定单元，用于将阈值基准的下限值和下阈值的下限值中的最大值作为告警 阈值的下限值，将阈值基准的上限值作为告警阈值的上限值。7. 如权利要求6所述的装置，其特征在于，分布范围确定单元，还用于在历史样本空间 中偏离预测基值的最大的样本点存在于所述下阈值样本空间中时，根据上阈值样本空间， 确定上阈值空间的分布范围，将表示上阈值空间中的分布范围的上限值和下限值分别作为 上阈值的上限值和上阈值的下限值； 所述告警阈值确定单元，还用于将阈值基准的上限值和上阈值的上限值中的最小值作 为告警阈值的上限值，将阈值基准的下限值作为告警阈值的下限值。8. 如权利要求6或7所述的装置，其特征在于，所述装置还包括： 优化单元，用于使用下述公式对告警阈值的上限值进行优化，得到优化后的告警阈值 的上限值；优化后的告警阈值的上限值=告警阈值的上限值* (1+x);其中，X表示设定的 告警阈值的上限值的容忍度系数。9. 如权利要求6或7任一所述的装置，其特征在于，所述装置还包括： 优化单元，用于使用下述公式对告警阈值的下限值进行优化，得到优化后的告警阈值 的下限值；优化后的告警阈值的下限值=告警阈值的下限值*( 1-y);其中，y表示设定的 告警阈值的下限值的容忍度系数。10. -种业务性能指标监控装置，其特征在于，所述装置包括： 权利要求6-9中任一所述的告警阈值生成装置； 比较模块，用于将当前的业务性能指标值与所述告警阈值生成装置生成的告警阈值进 行比较； 触发模块，用于当当前的业务性能指标值不在告警阈值的上限值和下限值之间时，触 发告警。
【专利摘要】本发明公开了一种告警阈值生成方法、业务性能指标监控方法及装置，包括：采用非对称阈值概念，在对称阈值的基础上，以预测基值为基准，将大于预测基值的样本形成上阈值样本空间，将小于预测基值的样本点形成下阈值样本空间；然后根据偏离度最大样本点的分布，对不存在最大偏离样本点的样本空间进行二次阈值计算，打破原来动态阈值的对称分布特性，得到更合理的告警阈值取值范围，因此，在用于业务性能的监控时，会告警的准确性，增强监控的有效性,及时有效的监控到性能指标突变。
【IPC分类】H04L12/26, H04L12/24
【公开号】CN104901823
【申请号】CN201410076801
【发明人】李巍, 李欣, 武智晖, 杨金伟, 邹生根, 李静, 霍晓华, 毕旻
【申请人】中国移动通信集团北京有限公司
【公开日】2015年9月9日
【申请日】2014年3月4日
最新回复(0)