劉藝?yán)?，賈詩瑋，劉 斌，張小強，田程軍，曾 強

（中國移動通信集團陜西有限公司，陜西 西安 710000）

0 引 言

近年來，隨著互聯(lián)網(wǎng)的快速發(fā)展，互聯(lián)網(wǎng)電視服務(wù)越來越受歡迎。然而，與其他先進技術(shù)一樣，互聯(lián)網(wǎng)電視服務(wù)在運行過程中會遇到各種故障，如網(wǎng)絡(luò)擁塞、服務(wù)器停機和終端故障等。故障定位是互聯(lián)網(wǎng)電視業(yè)務(wù)服務(wù)提供商確保其服務(wù)穩(wěn)定性和可靠性的重要任務(wù)。互聯(lián)網(wǎng)電視業(yè)務(wù)性能劣化涉及互聯(lián)網(wǎng)電視端到端整個流程環(huán)節(jié)。對互聯(lián)網(wǎng)電視業(yè)務(wù)的分析及質(zhì)量監(jiān)測一方面為提高用戶業(yè)務(wù)體驗提供依據(jù)，另一方面，也可以作為“端-管-云”各個層級運維的有效手段。隨著互聯(lián)網(wǎng)電視業(yè)務(wù)的發(fā)展，運維部門需要考慮和研究如何實現(xiàn)自動化、智能化、快速、準(zhǔn)確地識別業(yè)務(wù)性能劣化，及時進行故障定界定位，避免出現(xiàn)大面積故障問題，以免影響用戶業(yè)務(wù)體驗。為此，本文提出一種基于聚類算法的互聯(lián)網(wǎng)電視業(yè)務(wù)故障定界定位方法，通過對業(yè)務(wù)感知的監(jiān)測、分析、聚類，構(gòu)建自智網(wǎng)絡(luò)，利用自智網(wǎng)絡(luò)的自適應(yīng)性和學(xué)習(xí)能力，實現(xiàn)對業(yè)務(wù)故障的自動定位和定界[1]。

1 互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差存在的問題

互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差通常由于網(wǎng)絡(luò)故障、應(yīng)用故障、設(shè)備故障及傳輸鏈路故障等原因?qū)е拢枰ㄟ^判斷和分析快速診斷問題并進行故障解決。

業(yè)界已經(jīng)提出了很多關(guān)于互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差定位的方法。其中，基于網(wǎng)絡(luò)流量分析的方法是比較常用的。該方法通過對網(wǎng)絡(luò)流量進行分析，找出流量異常的地方，從而定位故障。然而，該方法需要大量的人工干預(yù)和時間，效率低下。另外還有一些基于機器學(xué)習(xí)的方法。這些方法通過對業(yè)務(wù)流量進行監(jiān)測和分析，利用機器學(xué)習(xí)算法進行故障定位和解決，可以自動化地進行故障定位和解決，提高效率。但是，此類方法需要大量的數(shù)據(jù)進行訓(xùn)練，且對算法的選擇和參數(shù)的設(shè)置要求較高。

自智網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)系統(tǒng)。它可以自動地學(xué)習(xí)和適應(yīng)環(huán)境的變化，具有自我組織和自我調(diào)整的能力。自智網(wǎng)絡(luò)可以用于模式識別、分類、聚類等任務(wù)。自智網(wǎng)絡(luò)由神經(jīng)元和連接權(quán)值組成。神經(jīng)元接收輸入信號，通過連接權(quán)值對輸入信號進行加權(quán)、求和，然后將結(jié)果傳遞給下一層神經(jīng)元。自智網(wǎng)絡(luò)的訓(xùn)練是通過調(diào)整連接權(quán)值實現(xiàn)的，使得網(wǎng)絡(luò)輸出與期望輸出之間的誤差最小化。

通過聚類算法實現(xiàn)互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差的定界定位，主要是通過對業(yè)務(wù)感知的監(jiān)測和分析，構(gòu)建自智網(wǎng)絡(luò)，利用自智網(wǎng)絡(luò)的自適應(yīng)性和學(xué)習(xí)能力，實現(xiàn)對業(yè)務(wù)故障的自動定位和定界。

2 互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差定界定位技術(shù)內(nèi)容

互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差定界定位，通過對用戶感知的互聯(lián)網(wǎng)電視業(yè)務(wù)質(zhì)量進行評估，以快速發(fā)現(xiàn)、定位和解決故障問題。本文利用聚類算法對業(yè)務(wù)質(zhì)量指標(biāo)、業(yè)務(wù)感知指標(biāo)等進行數(shù)據(jù)訓(xùn)練，建立數(shù)據(jù)模型，從而實現(xiàn)互聯(lián)網(wǎng)電視業(yè)務(wù)感知質(zhì)差定界定位。

2.1 質(zhì)差定界定位數(shù)據(jù)模型

數(shù)據(jù)模型采用層次聚類算法[2]，是一種基于樹形結(jié)構(gòu)的聚類方法，常用的是自底向上的結(jié)合策略（AGNES算法）。假設(shè)有N個待聚類的樣本，其基本步驟是：

（1）初始化，把每個樣本歸為一類，計算每兩個類之間的距離，也就是樣本與樣本之間的相似度；

（2）尋找各個類之間最近的兩個類，把它們歸為一類（這樣類的總數(shù)就少了一個）；

（3）重新計算新生成的這個類與各個舊類之間的相似度；

（4）重復(fù)步驟（2）和步驟（3），直到所有樣本點都?xì)w為一類，結(jié)束。

算法以互聯(lián)網(wǎng)電視軟探針采集的用戶觀看視頻質(zhì)量數(shù)據(jù)為基礎(chǔ)，以大數(shù)據(jù)驅(qū)動來實現(xiàn)業(yè)務(wù)感知質(zhì)差定界定位的自智化。通過質(zhì)差用戶的業(yè)務(wù)質(zhì)量感知，定位出質(zhì)差終端、質(zhì)差網(wǎng)元及質(zhì)差信號源等。

2.1.1 數(shù)據(jù)采集

采集約600萬互聯(lián)網(wǎng)電視用戶數(shù)據(jù)，平均每小時有播放操作的用戶數(shù)約20%，即超過120萬，每個互聯(lián)網(wǎng)電視軟探針每10 min上報一次數(shù)據(jù)，即每個小時平臺可以收到超過720萬用戶的觀看數(shù)據(jù)。軟探針每次上報的數(shù)據(jù)內(nèi)容包括了每10 min內(nèi)用戶播放過的視頻業(yè)務(wù)質(zhì)量指標(biāo)數(shù)據(jù)，數(shù)據(jù)量非常龐大[3]。

2.1.2 數(shù)據(jù)清洗

質(zhì)差定界定位是在互聯(lián)網(wǎng)電視視頻播放出現(xiàn)異常的基礎(chǔ)上聚類的，需要先對數(shù)據(jù)樣本進行清洗。與用戶視頻播放相關(guān)的特征指標(biāo)有很多個，很多指標(biāo)特征之間存在強關(guān)聯(lián)性。根據(jù)實際指標(biāo)間的特征關(guān)聯(lián)性，選取相關(guān)絕對系數(shù)較大的指標(biāo)。

2.1.3 數(shù)據(jù)關(guān)聯(lián)

根據(jù)互聯(lián)網(wǎng)電視軟探針上報的用戶觀看質(zhì)量數(shù)據(jù)，以終端媒體訪問控制（Media Access Control，MAC）地址為關(guān)聯(lián)關(guān)系，與綜資數(shù)據(jù)進行關(guān)聯(lián)匹配，由此得到互聯(lián)網(wǎng)電視用戶上聯(lián)網(wǎng)絡(luò)鏈路信息，包括上聯(lián)網(wǎng)元光線路終端（Optical Line Terminal，OLT）、寬帶遠(yuǎn)程接入服務(wù)器（Broadband Remote Access Server，BRAS）、播控平臺等信息，為質(zhì)差定界定位提供網(wǎng)元鏈路信息。

2.1.4 模型構(gòu)建

根據(jù)互聯(lián)網(wǎng)電視軟探針的業(yè)務(wù)質(zhì)量指標(biāo)集構(gòu)建數(shù)據(jù)邏輯模型[4]，從而得到用戶終端的業(yè)務(wù)質(zhì)量聚類。通過對異常指標(biāo)、故障類型、用戶行為數(shù)據(jù)和反饋數(shù)據(jù)的關(guān)聯(lián)，后臺形成質(zhì)差原因支持庫，在每個異常指標(biāo)產(chǎn)生的時候，自動計算和匹配故障原因數(shù)據(jù)，并將異常指標(biāo)匹配上故障類型時長變量和故障原因信息。

2.1.5 質(zhì)差網(wǎng)元處理

根據(jù)最終定位出的質(zhì)差網(wǎng)元結(jié)合事件具體原因及質(zhì)差原因支持庫，分析具體影響要因，給出合理化優(yōu)化整改建議。

2.2 質(zhì)差定界定位判斷規(guī)則

根據(jù)數(shù)據(jù)清洗流程，輸出質(zhì)差終端用戶，以互聯(lián)網(wǎng)電視業(yè)務(wù)質(zhì)量指標(biāo)為導(dǎo)向，進行質(zhì)差用戶分類[5]。

質(zhì)差事件場景包括用戶質(zhì)量劣化、光分配網(wǎng)（Optical Distribution Network，ODN）中斷、OLT中斷和劣化、BRAS中斷和劣化、內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Network，CDN）服務(wù)器中斷和劣化、播控平臺中斷和劣化、節(jié)目源中斷和劣化。

（1）用戶視頻播放業(yè)務(wù)質(zhì)量指標(biāo)異常。用戶視頻播放優(yōu)良率指標(biāo)小于99%，定義為質(zhì)差用戶。

（2）網(wǎng)元聚類。結(jié)合綜資數(shù)據(jù)匹配到的用戶網(wǎng)元鏈路信息，進行層次聚類計算，根據(jù)層次聚類算法對故障進行定界定位。

（3）告警時間關(guān)聯(lián)。根據(jù)用戶層次聚類后定位到的網(wǎng)元信息進行告警數(shù)據(jù)關(guān)聯(lián)，區(qū)分網(wǎng)元質(zhì)差原因。

3 主要技術(shù)創(chuàng)新點

3.1 質(zhì)差網(wǎng)元挖掘方式

本文所述方法由互聯(lián)網(wǎng)電視用戶業(yè)務(wù)感知切入，為解決影響用戶業(yè)務(wù)體驗的質(zhì)差網(wǎng)元優(yōu)化提供具體的數(shù)據(jù)支撐。傳統(tǒng)的故障處理方式往往是通過網(wǎng)元的固定指標(biāo)劣化或者批量用戶的投訴而進行故障處理，故障處理延遲，影響到用戶業(yè)務(wù)體驗后才進行處理，屬于事后行為。采用聚類算法的互聯(lián)網(wǎng)電視業(yè)務(wù)故障定界定位方法是通過大數(shù)據(jù)采集進行層次聚類算法分析，提前感知用戶業(yè)務(wù)質(zhì)量劣化分析數(shù)據(jù)的變化趨勢，關(guān)聯(lián)相關(guān)網(wǎng)元信息，進行故障的提前定位。

3.2 用戶業(yè)務(wù)感知數(shù)據(jù)模型構(gòu)建

算法關(guān)聯(lián)綜合資源管理系統(tǒng)、業(yè)務(wù)平臺媒體資源表等，生成網(wǎng)絡(luò)、網(wǎng)元、地理、平臺、節(jié)目源、終端廠家等多個維度的資源樹和相關(guān)標(biāo)簽信息，按互聯(lián)網(wǎng)電視用戶劣化數(shù)據(jù)層次聚類，確保數(shù)據(jù)處理實時性、高效性的同時提高聚類的準(zhǔn)確性，降低算力消耗，輸出各層級設(shè)備和鏈路質(zhì)量劣化及告警數(shù)據(jù)。通過不斷的測試驗證和模擬故障數(shù)據(jù)進行觸發(fā)，最后總結(jié)出一套互聯(lián)網(wǎng)電視業(yè)務(wù)故障定界定位體系，包括告警指標(biāo)、閾值、聚類比例等；告警匯聚邏輯從下層節(jié)點逐步上升到上層節(jié)點，在故障排查時能從上層節(jié)點對下層節(jié)點及具體用戶回溯。

4 方案成效

4.1 故障處理效率提升

互聯(lián)網(wǎng)電視業(yè)務(wù)感知故障定界定位方案實施后，實現(xiàn)故障發(fā)現(xiàn)時長由5 min降至10 s內(nèi)，告警處置由原來的30 min縮短至分鐘級，解決了運維人員人工故障排查耗時長、準(zhǔn)確率低、業(yè)務(wù)校驗不標(biāo)準(zhǔn)的難題。互聯(lián)網(wǎng)電視業(yè)務(wù)質(zhì)量類投訴占比由方案實施前的60.3%下降到方案實施后的29.7%，陜西移動互聯(lián)網(wǎng)電視業(yè)務(wù)社會認(rèn)可度逐步增高，客戶滿意度不斷提升。

4.2 運維能力提升

在運維能力和手段提升方面，本文方法改變故障監(jiān)控手段由“被動”監(jiān)測變“主動”，由原來的單純依賴人工經(jīng)驗識別判斷故障變?yōu)榛谡鎸嵱脩魯?shù)據(jù)結(jié)合網(wǎng)元告警、日志等信息進行智能算法為主的智能化運維[6]。

在應(yīng)用落地前，故障識別及時率只有30%，并且受測試過程及環(huán)境標(biāo)準(zhǔn)影響。應(yīng)用落地后，故障識別及時率提升到90%以上，且均基于層次聚斂算法自動識別。

在應(yīng)用落地前，故障判斷準(zhǔn)確率不足60%，并受限于環(huán)境和人工經(jīng)驗等因素制約。應(yīng)用落地后，故障判斷準(zhǔn)確率提升到90%以上，并基于最近的網(wǎng)元告警及日志，結(jié)合機頂盒軟探針上報的數(shù)據(jù)進行實時分析。

5 結(jié) 語

現(xiàn)有的故障分析技術(shù)主要都采用固定指標(biāo)門限、固定故障類型、固定故障節(jié)點，部分有故障隱患但是達(dá)不到固定告警條件的數(shù)據(jù)可能會被遺漏，也無法進一步判斷故障原因。基于聚類算法的互聯(lián)網(wǎng)電視業(yè)務(wù)故障定界定位方法可以有效地提升故障監(jiān)控告警數(shù)據(jù)的有效性和告警及時性，可在互聯(lián)網(wǎng)電視批量用戶故障投訴前提前通知運維人員處理故障，減少互聯(lián)網(wǎng)電視用戶投訴，提高互聯(lián)網(wǎng)電視用戶感知。