基于改進智能優(yōu)化算法的網(wǎng)絡功能虛擬化故障分析處理方法
相關(guān)鏈接： 中國安全網(wǎng) 中國質(zhì)量網(wǎng) 中國論文網(wǎng) 中國資訊網(wǎng)
王智明1．陳冰2
（1．中國聯(lián)合網(wǎng)絡通信有限公司研究院，北京100032；2．中國聯(lián)合網(wǎng)絡通信有限公司總部，北京100033）
摘要：網(wǎng)絡功能虛擬化已成為全球電信行業(yè)發(fā)展的重要趨勢，隨著網(wǎng)絡功能虛擬化的快速發(fā)展及其電信業(yè)務的迅速增長，需要處理分析的數(shù)據(jù)量過大、分析和處理故障的效率較低等問題日益突出。針對日益迫切的網(wǎng)絡功能虛擬化發(fā)展需求，基于改進智能優(yōu)化算法的網(wǎng)絡功能虛擬化故障分析處理方法對于網(wǎng)絡功能虛擬化的迅速持續(xù)發(fā)展具有重要意義。在研究網(wǎng)絡功能虛擬化傳統(tǒng)故障管理功能機制的基礎上，提出了一種基于改進智能優(yōu)化算法的網(wǎng)絡功能虛擬化故障分析處理方法，較好地解決了網(wǎng)絡功能虛擬化故障分析處理的現(xiàn)存問題。
關(guān)鍵詞：電信行業(yè)；網(wǎng)絡功能虛擬化；故障分析處理
中圖分類號：C305doi: 10.11959/j.issn.1000-0801.20160991
引言
隨著全球電信行業(yè)網(wǎng)絡服務供應的成本逐漸升高，兼顧現(xiàn)有網(wǎng)絡的復雜度，即便滿足基本需求也需要耗費較高的成本。目前，電信運營商的網(wǎng)絡主要依賴數(shù)量巨大且仍在不斷增加的硬件應用。部署新的網(wǎng)絡服務需要不斷增加運營成本和資本支出，同時需要運營所需要的
專業(yè)技術(shù)及復雜硬件應用。而且，網(wǎng)絡服務已遍及每一個角落，網(wǎng)絡服務在需求一設計一整合一部署循環(huán)周期中一般很少或沒有經(jīng)濟收益。進一步，硬件的生命周期隨著技術(shù)、服務發(fā)展創(chuàng)新的加速而逐漸縮短。
網(wǎng)絡功能虛擬化(NFV)的部署幫助運營商實現(xiàn)了靈活、簡單、硬件設備統(tǒng)一、高效的網(wǎng)絡。運營商通過API開放實現(xiàn)了靈活、多樣的網(wǎng)絡服務能力。網(wǎng)絡功能虛擬化現(xiàn)已成為全球電信行業(yè)發(fā)展的重要趨勢，網(wǎng)絡功能虛擬化技術(shù)是為了解決現(xiàn)有專用通信設備的不足而產(chǎn)生的，是對傳統(tǒng)網(wǎng)絡功能進行虛擬化，并將其承載于通用硬件構(gòu)成的軟件平臺。在這種情況下，面對日益迫切的網(wǎng)絡功能虛擬化發(fā)展需求，網(wǎng)絡功能虛擬化故障分析處理方法對于網(wǎng)絡功能虛擬化的迅速持續(xù)發(fā)展具有重要意義。
隨著電信應用業(yè)務的快速增長和網(wǎng)絡功能虛擬化的快速發(fā)展，傳統(tǒng)的網(wǎng)絡功能虛擬化使用網(wǎng)元管理系統(tǒng)(element management system，EMS)以及由網(wǎng)絡功能虛擬基礎設施(network function virtual infrastructure，NFVI)等上報的故障管理方式，存在較多局限性，如準確度不高、故障處理時間較長、故障處理效率較低等，已經(jīng)不再適用，必須提出新型的適用于高服務要求和大數(shù)據(jù)量處理分析的故障分析的處理方法。綜上所述，本文提出了一種基于改進智能優(yōu)化算法的網(wǎng)絡功能虛擬化故障分析處理方法，該方法具有準確度高、故障處理時間較短、故障處理效率較高等優(yōu)勢。
2 網(wǎng)絡功能虛擬化故障分析處理總體架構(gòu)
圖1為網(wǎng)絡功能虛擬化的故障分析處理總體架構(gòu)。
網(wǎng)絡功能虛擬化的故障分析處理方法采用松耦合架構(gòu)。系統(tǒng)從橫向可分為兩個域：業(yè)務網(wǎng)絡域和管理編排(management and orChestration，MANO)域，管理編排域包含的網(wǎng)絡功能虛擬化組織與編排(NFVO)主要包括故障管理和流程編排等8個子功能模塊。
為了滿足服務等級協(xié)議(service level agreement，SLA)的要求，故障管理功能子模塊一般采用典型的集中或分布式部署模式。故障管理功能子模塊的故障通知機制的通知來源為物理基礎設施（計算、存儲和網(wǎng)絡）、虛擬化基礎設施（虛擬機相關(guān)）、應用邏輯（VNF實例相關(guān)故障）。故障管理功能子模塊在進行故障的根源分析和處理后，根據(jù)相應的故障信息在最短時間內(nèi)進行處理，本文的故障管理功能子模塊準確度高、故障處理時間較短、故障處理效率較高。
3 基于網(wǎng)絡功能虛擬化架構(gòu)的準確高效故障分析處理方法
準確高效故障分析處理方法包括獲取訂閱點消息單元、獲取故障點消息單元、分析決策單元和消息通知單元。獲取訂閱點消息單元用于獲取網(wǎng)絡功能虛擬化架構(gòu)中的訂閱點發(fā)送的故障訂閱消息：獲取故障點消息單元用于獲取網(wǎng)絡功能虛擬化系統(tǒng)中故障發(fā)布點（基礎設施或虛擬網(wǎng)絡功能）發(fā)送的故障發(fā)布消息；分析決策單元用于將所述請求訂閱的故障信息和所述故障發(fā)布消息進行分析決策，生成故障通知消息；消息通知單元用于將所述故障告知與
所述訂閱點的標識關(guān)聯(lián)的訂閱點，進而實現(xiàn)故障點信息的準確快速分析決策和通知。網(wǎng)絡功能虛擬化故障分析處理方法流程如圖2所示。
本文采用貪婪智能優(yōu)化算法進行屬性約簡，并使用粗糙集算法進行分析決策。該方法有效提高了相關(guān)故障分析處理的準確度，并且有效減少了網(wǎng)絡功能虛擬基礎設施和虛擬網(wǎng)絡功能的相關(guān)故障分析處理時間，較大提高了故障分析處理效率。
屬性約簡已被驗證為非確定多項式（non-deterministicpolynomial，NP)問題，常用的屬性約簡方法往往是局部最優(yōu)卻不能取得全局最優(yōu)，并且，隨著數(shù)據(jù)量增加，約簡復雜度也會增大，更難以取得全局最優(yōu)。
本文提出了一種改進智能優(yōu)化粗糙集算法，此算法在智能優(yōu)化算法的評估函數(shù)中使用粗糙集思想，使用貪婪思想進行最優(yōu)選擇操作，使用切比雪夫距離進行種群更迭，明顯改善了該算法獲得最優(yōu)屬性的效率和準確性。改進智能優(yōu)化粗糙集算法流程如圖3所示。
具體步驟如下所示。
(1)設定改進智能優(yōu)化粗糙集算法的初始參數(shù)，300為最大迭代次數(shù)，并規(guī)定編碼規(guī)則及表現(xiàn)形式。
(2)編碼操作
初始迭代種群中的初始個體交換為由0和l構(gòu)成的原始解，所有個體均為可行解。每一個個體的表示形式均為距離為H（H即屬性總數(shù)）的二進制數(shù)值串。其中的一位對應每一個個體的某個屬性。若取值為1，即具有此屬性；否則，無此屬性。
式(2)中，d(y)為每一個個體包含的屬性數(shù)量，H為每一個個體距離，η為每一個個體的屬性頻率和。綜上所述，每一個個體的屬性數(shù)量少且區(qū)分功能強大時，則迭代到下一次的可能性較大。
(3)選擇操作
即按照評價函數(shù)的值區(qū)分優(yōu)劣并保留優(yōu)秀的個體。并且，當次迭代前的優(yōu)秀個體替換掉本次迭代的部分劣勢個體。假設種群規(guī)模為k，每一個個體的評估函數(shù)值為f j (j=1，2，…，k)。
采用貪婪思想選擇優(yōu)秀個體，并且采用改進的保留優(yōu)秀個體的方式，讓待選個體依據(jù)評估值排列，其中待選個體的最小評估值為m(j)，則將迭代前評估值大于m（j)的個體替換迭代后的劣勢個體，從而確保智能優(yōu)化粗糙集算法獲取全局最優(yōu)解。
(4)學習及提高操作
本文采用動物群體在捕食中的學習和提高思想，即先依據(jù)每一個個體的評估值，將種群中最優(yōu)秀個體的捕食位置作為全局最優(yōu)捕食位置和當次迭代的最優(yōu)捕食位置，然后種群中其余個體均依據(jù)式(3)對種群個體的捕食位置p進行學習和提高。
(5)種群更迭操作
多點更迭，即隨機選取多個更迭點。并且，使用切比雪夫距離判斷每兩個個體的相似度，將對應更迭點的數(shù)值互相替換。其個體相似度為：
某些動物群體繁衍的抽象規(guī)則，僅由種群中最優(yōu)秀個體分別與種群中其余個體進行可能的種群更迭，并且僅當每兩個個體的個體相似度res≤0.2時才執(zhí)行更迭操作，從而確保迭代種群的多樣性和準確性。
(6)若符合迭找停止條件則本算法結(jié)束，否則轉(zhuǎn)至選擇操作。
4 結(jié)束語
網(wǎng)絡功能虛擬化已成為全球電信行業(yè)發(fā)展的重要趨勢，并且電信應用業(yè)務和網(wǎng)絡功能虛擬化仍在持續(xù)快速發(fā)展。針對日益迫切的網(wǎng)絡功能虛擬化發(fā)展需求，本文提出了基于改進智能優(yōu)化算法的網(wǎng)絡功能虛擬化故障分析處理方法，該方法基于改進智能優(yōu)化算法，結(jié)合了粗糙集理論，能較好地適用于網(wǎng)絡功能虛擬化的故障分析和處理，并提供了有效的解決方案。
