与性能监测有关的结构和方法

专利名称：与性能监测有关的结构和方法
技术领域：
本发明涉及用于实时监测网络的性能的结构(arrangement),该网络 包括多个网络装置或节点、服务以及用户。本发明还涉及用于监测网络 性能的方法。
背景技术：
网络总体上日益变得异构且复杂化。未来最可能的网络将是服务驱 动型的，并且用户期望获得该用户所接入的任何网络上的恒定服务可用 性。这种网络正常情况下将包括各种各样的不同接入网络和核心网络， 并且它们需要同时提供许多服务。除此以外，与当前网络相比，它们将 展现更多的动态行为，以便能够基本上实时适应于针对最佳质量体验 (QoE)的终端用户需求和针对合理运营商开支下最优资源管理(OPEX) 的运营商需求。这些因素使得网络管理复杂化，并且网络运营商能够满 足的期望(以用户为中心、终端到终端、始终最佳连接性)变高了。具 体来说，需要复杂的、分布式的以及在很大程度上自适应网络变化的网 络管理系统。这格外驱动发展向基于策略的网络管理进行，基于策略的 网络管理适于在网络中部署关于服务、服务之间的相互作用、用户偏好 以及战略性的业务视角的专门知识，以使该网络可以在动态的、异构多 服务环境中，决策怎样管理这些服务。
基于策略的网络管理例如在J. Strassner于2004年写的"Policy-Based Network Management: Solutions for the Next Generation "中进行了讨论。
在例如根据策略驱动的任何分布式自管理网络中，网络的装置展现 个体行为，以便满足服务/或用户需求。这种个体行为将整体上影响网络。 因此，至关紧要的是，能够出于诸如预报和检测不希望行为、误操作等 的目的来观察网络的行为。为了能够监测由网络装置、服务以及用户组成的网络的行为，管理系统必须监测与网络相关的事件，并且监测网络 的状态。为了有用，管理系统应当推论网络怎样做和做什么(与网络有 关的事件)，并且推论这对网络的状态产生怎样的影响。理想的是，管理 系统应当基于与网络中过去所发生的事情有关的知识来推断该网络中可
能发生什么事情。出于这个目的，使用所谓的关键性能指标(KPI)和关
键质量指标，它们描述了网络运营商怎样评估他们对现有网络资源利用 的效率和有效性。这些指标可以基于网络装置上或网络中的、诸如未接 呼叫数量的单一性能参数。它们还可以基于涉及多个网络参数的复杂公 式。
针对单独网络装置计算网络装置KPI，从而指示相应装置的性能。网 络级KPI基于网络装置KPI的集合，或者是基于指定公式的其它测量， 并且整体上是网络整体性能的指标。
传统上，定期基于历史记录数据来计算关键性能指标。这些历史KPI 已经被用于确定过去网络执行其功能有多好，并且被用于回顾识别过去 可能已经发生的问题。运营商设置针对足够KPI性能的阈值级别。当一 KPI降到低于该指定阈值，从而导致装置上或网络中的性能差时，该KPI 违例(violate )。
在回顾报告中，可以在表示KPI违例的图中建立下降点(dip)。对 于运营商来说，接着以识别例如网络以低性能运行的特定天。为了识别 什么导致那些天的性能劣化，运营商必须返回以例如调用数据记录、告 警日志以及故障单日志。这种历史KPI计算和呈现已经被广泛用于各种 网络管理解决方案中。有许多工具来执行这种功能，以改变简洁度、效 率以及自动化。在当今时代，向网络运营商高度要求用于实时监测关键 性能指标的功能。今天，有一些工具提供实时关键性能指标监测，这又 使用户可以定义新的KPI公式、KPI违例阈值，以设置告警并且呈现当 前KPI状态。
然而，利用现有工具，仅可以对已经发生的性能劣化进行动作。这 种回顾式方法无疑不能令人满意，因为它们不可能使运营商及时对KPI 违例做出响应。在这种后期的唯一可能动作，在于尝试识别违例的根本原因(这是非常繁重的任务并完全依靠专家)，以便防止问题重发生，并 且对于受控服务操作来说，例如，为任何过去的违例支付惩罚性费用。 这种解决方案无疑不能令人满意。发明内容因此，本发明的一般目的是，改进网络性能监测。具体来说，本发明的一个目的是，提供一种使得能够实时监测、分析KPI行为以及对KPI 行为做出响应的结构。更具体地说，本发明的一个目的是，提供一种使 得能够预测KPI劣化的功能，并且提供一种使运营商可能在实际上发生 KPI劣化之前就积极主动防止它们的解决方案。还有一个目的是，提供一 种允许运营商及时且高效地对KPI违例做出响应的结构。具体来说，本发明的一个目的是，提供一种使得更容易确定性能劣 化(特别是由KPI值所表示的性能劣化)的原因的结构。更具体地说， 本发明的一个目的是，提供这样一种结构，即，该结构使得可以按更容 易、更高效以及更快速的方式执行根本原因分析，并且与已知结构相比， 在较小程度上依靠专家。而且，本发明的一个目的是，提供一种使得可以实现上述目的中的 一个或更多个目的的方法。更具体地说，本发明的一个目的是，提供一种用于监测自管理或策 略驱动网络的改进结构。因此，提供了一种如最初提到的结构，其包括生成装置，该生成装 置用于根据针对所述网络装置中的一个或更多个和/或针对所述网络的多 个性能参数，生成并呈现性能KPI定义指标。该生成装置包括图生成装 置或者与该图生成装置通信，该图生成装置适于根据KPI定义性能参数 和附加或相关参数，生成表示相应KPI值和组合概率的一个或更多个决 策图结构。该生成装置包括决策图内容更新装置，该决策图内容更新装 置适于利用收集的信息来更新决策图参数，使得能够预测KPI状态或KPI 行为。状态在此意指单一时点(例如任何指定时点)处的值，或当前值。 行为在此意指在指定时间间隔期间的变化、在指定时间间隔上的改变。针对KPI和/或单独性能参数，例如性能计数器，这是可以做到的。因此，该状态是静态的，而行为涉及KPI值过去或现在怎样移动或动作。预测 行为包括预测KPI值和/或单独性能参数是上升还是下降，或者在一个时 间段内遵循什么模式。还设置有消息发送装置，其可以发出消息或通知。 因此，本发明还提供了一种用于实时监测网络中的性能的方法，该网络包括多个网络装置或节点、服务以及用户，该方法包括以下步骤根据KPI定义性能参数并且根据附加或相关参数来生成或设置一个或更多个关键性能指标(KPI)，作为决策图；利用该决策图预测KPI和/或性能参数，当任何定义性能参数和/或任何附加或相关参数存在变化时，自动更新KPI值，以使KPI值和组合概率总是最新的。根据本发明的解决方案的一个优点是，其允许运营商在实际上发生 KPI劣化或性能劣化之前积极主动地防止该KPI劣化或性能劣化。还有 一个优点是，便于实时监测网络的服务性能，并且可以实时预测并分析 服务性能。而且，本发明原理的一个优点是，便于实时监测关键性能指标。又 一优点是，使得更容易识别违例的根本原因。更具体地说， 一个优点是， 可以实际预测KPI劣化，从而可以采取相关动作，并且使得可以甚至在 问题有机会发生之前就在源头解决该问题。而且，本发明的一个优点是，缩减了对分析监测结果并采取相关措 施的专家的需要，并且对于实际上需要的专家，则减轻他/她的任务。具 体来说， 一个优点是，可以显著地縮减运营商因KPI违例而付出的成本。


下面，按非限制的方式，并且参照附图，对本发明进行更详尽的描 述，在附图中图1示出了表示KPI及其定义性能计数器的BN(贝叶斯网络)图的 示例，图2示出了根据本发明的包括扩展BN图的决策图，图3示出了根据本发明的还包括配置服务的决策图的另一示例，10图4A示出了根据本发明一个实施方式的监测结构， 图4B示出了根据本发明另一实施方式的监测结构， 图5示出了描述本发明的一个实现的流程图，以及 图6示出了本发明原理的另一实现的流程图。
具体实施方式
本发明具体提出了一种性能监测结构，其中，在一优选实现中，利 用根据例如依靠描述逻辑(Description Logics)和/或帧逻辑(Frame Logics)的形式本体论(formal ontology)所提供的推论或推理能力，来 导出包括扩展贝叶斯网络在内的决策图结构。在具体实施方式
中假定按 形式本体论来表示专家知识。形式本体论的不同推论或推理能力可以被 用于生成决策图模型的结构，以导出图节点与预测行为之间的因果关系。 同一申请人在2006年12月7日所提交的专利申请"Arrangement And Method For Network Management",描述了一种用于网络管理的结构，其 中，将本体论用作知识源。通过引用将该专利申请的内容并入于此。本体论是从普通现实世界向严格特定领域知识提供知识的结构化表 达的方式。利用本体论表达，可以捕获指定领域中的概念，以便提供对 该领域的共享普通理解，使得除了机器可读性之外还能够实现互操作性 和知识重复使用，并且通过推论来推理有关信息。本体论是确定性的， 并且包括与领域有关的概念和事实以及它们彼此间的关系。贝叶斯网络 是基于领域的图形化模型来估计状态的复合概率的方式。而且，它们是 知识的结构化表达，并且规定一领域的概念(或变量)之间的关系。这 些关系指明这些概念或变量之间保持的相关性(dependency)和互相关性 (interdependency)。它们是概率性的。因而，可以使用本体论的知识表 达和推论能力来自动构成决策图模型，具体为扩展贝叶斯网络。本体论模型被设计成提供便于自动化配置工作流程的自配置功能，并且其具体 用作用于构造获知扩展贝叶斯网络组件的机器的知识库。该扩展贝叶斯网络组件又被设计成提供自适应功能，监测并获知配置动作的效果，以 及关闭针对管理活动的反馈环。因而，如上面提到的，生成装置适于生成或至少更新一个或更多个 决策图，每一个决策图都包括一扩展贝叶斯网络。生成决策图的结构或 形状的装置可以位于该生成装置中，或者与该生成装置通信。生成装置 在此意指在性能监测结构外部或其中设置的决策图生成装置，和包括在 该结构中的更新装置。这意味着，在该结构中，例如，在要监测的装置 或节点中，或者在中央位置处，可以使用"预先构成的"图结构，或者 可以"现场"生成图结构。贝叶斯网络(BN)包括定向非循环图(DAG)结构。图中的节点表 示根据应用领域的变量，例如，电信网络中的性能计数器。本体论表示 概念和关系方面的知识。就贝叶斯网络来说，本体论概念是可以取特定 值并且具有被表示为BN图中的节点的关联概率分布的领域变量。该图 中的弧通常表示变量之间保持的相关性，通常为因果关系。更具体地说，该决策图包括这样的贝叶斯网络，即，该贝叶斯网络 适于扩展有评估装置和决策装置，该评估装置适于使得能够对KPI值和 组合概率以及KPI行为进行定性状态评估，而决策装置适于使得能够基 于对所述性能变量的所述状态评估来进行决策。在一个实施方式中，扩 展贝叶斯网络包括DAG，该DAG包括表示所述KPI定义性能参数的许 多节点，并且扩展有包括所述评估装置在内的多个效用(utility)节点和 包括所述决策装置在内的多个决策节点。所述决策节点或决策装置尤其 适于使用所述效用节点所执行的评估，来触发一个或更多个动作。该效 用节点尤其适于对参照指定阈值对生成的KPI值的定性评估进行编码。 可以给出与KPI违例和KPI违例的特定风险中的一个或更多个有关的一 个或更多个阈值。性能参数可以但不是必须由运营商限定。而且，所述 阈值中的一个或更多个也可以由运营商限定，尽管它们不必由运营商限 定。性能参数具体包括性能计数器。附加或相关参数可以包括告警、配 置动作、KPI定义或外部性能计数器中的一个或更多个。在一优选实现中， 提供了针对性能参数(或变量)的条件概率分布，其适于编码该性能参 数(变量)在针对其它性能变量或参数给出特定值时取不同值的概率。12能计 数器)的公式。具体来说，本结构包括用于存储针对一个KPI或许多KPI 的、 一个或更多个决策图模型的存储装置。具体来说，本结构适于在一个变量或参数存在变化时，自动更新KPI 的性能变量或参数的值以及其它参数或变量的值，由此，自动更新相应 KPI (以及其它参数)的当前状态。具体来说，本结构适于在达到或超过、 或者被预测达到或超过运营商限定的阈值时生成一动作。这个动作包括 通知或告警，和识别决策图中对KPI值的贡献达到/越过阈值或者被预测 达到/越过阈值的变量。决策图具体包括多个KPI性能变量、附加性能变 量、配置服务以及效用节点和通知决策节点。该效用节点具体适于基于 参数(变量)值和决策组合向每一个质量评估指配一值。该结构具体包 括计算装置，该计算装置适于弄清针对变量或KPI的节点的值在其它或 相关定义性能参数和附加性能参数改变时怎样改变，以执行灵敏度分析。 计算装置还可以适于弄清KPI的值随着附加性能参数值的改变怎样改变， 以通过弄清决策图中哪个其它节点或哪些其它节点对该KPI节点具有最 强影响，来执行对被预测或实际达到与KPI违例有关的预定阈值的根本 原因分析。在一个实现中，该决策图包括针对网络装置的局部决策图，并且本 结构(可能没有决策图(结构)生成装置，该决策图(结构)生成装置 可能在外部，而非在内部)适于设置在所述网络装置中或与该网络装置 相关联，以进行分布式网络管理。在另选实现中，该决策图包括针对多 个网络级KPI的全局决策图，从而适于设置在网络中的中央位置处，以 进行集中式网络管理监测。针对本方法，就对应的方法步骤，还提供了对应另选的或可选有利 的实现或特征。本结构或方法可以在需要管理或具有受控优点的一般任何节点(如无线电接入网络节点，例如RBS (无线电基站)、RNC (无线电网络控制 器)，或者更一般地说，如可以是无线或非无线的路由器、移动终端(例 如，PDA (个人数字助理))等)中实现或针对其来实现。根据本发明的 性能监测还可以在网络级实现。如上所述，贝叶斯网络包括DAG结构，在该DAG结构中，节点表 示诸如性能计数器的统计学变量，弧表示这些节点之间的有影响关系。 除此以外，存在针对所述统计学变量(例如，性能计数器)的关联条件 概率分布。条件概率分布对变量在BN中的其它变量的值给定的情况下 取不同值的概率进行编码。根据不同实施方式，该概率分布由专家来指 配，根据历史数据离线获知，或者根据现场数据馈送以增量方式在线获 知。更优选的是，在网络装置上在线获知该概率。根据本发明，图生成装置适于生成决策图结构。决策图另外在 "Bayesian Networks and Decision Networks " ， F. B. Jensen ， Springer-Verlag， 2001中进行了描述。决策图包括相同元素(DAG和条 件概率分布表)作为BN，除此以外，还包括对BN表示的状态的定性评 估，和基于对该状态的评估而进行决策的装置。根据本发明，与贝叶斯 网络相比，决策图的附加功能通过BNDAG中的两个附加节点类型来实 现。这些节点类型中的一个包括效用节点，效用节点适于提供对它们所 连接到的决策图变量的、表示不同决策图状态的好或坏的定性评估。另 一附加节点类型是决策节点，决策节点适于基于效用节点所执行的定性 评估来触发动作，举例来说，如发送警告、告警或通知。图1示意性地例示了贝叶斯网络中的KPI与关联性能计数器的表示 图。KPI是基于针对指定网络装置收集的一个或多个计数器的公式。BN 提供了直接在该图中编码这种公式的功能。表示BN图中的KPI的节点 510连接至节点550、 530、 540，节点550、 530、 540表示已构成其KPI 公式的计数器。连接表示计数器的变化与KPI的变化之间的因果关系。 除了这个基本因果关系之外，BN还提供了用于准确定义施加因果性的公 式(即，KPI公式本身)的功能。在图1中，NodeSetupRate 510 KPI表 示计数器 PMSetupAttempts 520 、 PMSetupFailures 530 以及14AdditionalFaihires 540与KPI本身之间的因果连接。KPI节点510规定这 些计数器怎样贡献于KPI值，在此是根据下面的公式-
SuccessfUlSetupRate = ((pmSetupFailures + pmNoOfRIAdditionalFailures ) /pmSetupAttempts ) X 100
根据KPI的这种传统BN表达，可以跟踪KPI的当前值，并且确定 KPI具有指定值的概率。
根据本发明，提供了一种使用决策图的、分别用于实时监测、预测 以及分析KPI行为的结构和方法。基本上，可以认为本发明包括，将KPI、 它们的伴随参数(性能变量)以及其它关注事件(如告警)建模为决策 图，包括指配KPI值的定性评估，和将相关决策图模型存储在网络涉及 和/或网络中的每一个网络装置上。而且，它包括通过更新网络装置上的 BN中的相应伴随参数或性能变量的值来自动更新针对该网络装置的KPI 的当前状态，并且使得能够在"差"KPI值的概率较高的情况下生成通知 或告警以采取动作。在一优选实施方式中，在KPI违例或预测接近KPI 违例的情况下，本发明原理包括，识别决策图模型中对这个违例贡献最 大的关键变量。然而，这涉及本发明原理不限于的有利实现。
下面，参照附图对本发明进行更详尽的说明。参照图2，对根据本发 明编码决策图中的KPI进行说明。如上所述，决策图是扩展的BN，该扩 展的BN包括对外部实体(例如，网络运营商)可能想要最大化BN内的 什么值的定性评估。该决策图包含(参考图1)贝叶斯网络的节点，而且 还包括两个其它节点类型决策节点和效用节点，决策节点对可以采取 的一些决策例如发送告警或不发送警告、通知等进行编码。效用节点指 定决策何时最优，即，表示决策的质量。效用节点61在此编码什么是"好" KPI值和什么是"差"KPI值的定性评估，例如，什么是针对KPI违例的 阈值。这个值可以由运营商来设置。在图2中，将效用节点例示为 OptimumNotification 61，而将决策节点例示为SendNotification 60。针对 指定KPI的决策节点和效用节点，允许运营商指定KPI的哪一个实际或 预测值将触发警告，这又将触发告警并且可以被简单地忽略。应当清楚， 这些仅构成实施例。图2具体示出了针对SuccessfblSetupRate KPI 51的决策图。通过实现根据本发明的决策图，可以发送通知，或者更一般地 说，不仅基于实际评估而且基于预测评估或某种预测行为来采取动作。
图3示出了对与指定网络装置相关的一组KPI、告警以及配置事件等
进行建模的"最终决策图"。在一个实施方式中，可以由人类专家来执行 在此描述的决策图的编码。另选的是，根据知识源(例如，本体论模型) 自动构建它。"最终决策图"在此包括配置服务，和具有关联性能计数器
(在此为pmSetupAttempts 52、 pmNoOffRiAdditionFailures 53 以及 pmSetupFailures 54)的KPI (在此为KPI—SuccessflilSetupRate) 51、效用 节点OptimumNotification 61、通知决策节点NotificationDecision 60以及 具有关联变量的配置服务56-59 DropAtmCrossConnectionService 55。
为了监测针对网络装置的KPI，决策图模型预订关于该网络装置(或 整个网络)的性能参数和其它关注事件，即，决策图中编码的全部性能 参数和其它关注事件。这意味着在决策图模型中自动更新性能参数的任 何变化。BN的基本功能确保每一个单独变化都通过决策图来传播，从而 改变图中相关变量的概率。这意味着，性能参数的变化将导致修改任何 关联KPI的值的概率。随着时间的过去，这些概率估计将稳定，并且通 过对构成决策图递增学习算法的一致证据源的性能参数的恒定更新，来 微调它们。这个递增学习过程意指随着时间的过去，决策图能够基于过 去的经历进行有关未来行为的预测。正常情况下，随着对概率估计的微 调，这些预测随着时间的过去而变得更正确。
通过引入效用节点和决策节点，可以使用图形模型来给出决策建议。 把特定决策图参数(变量)的值和特定决策的值连接至使变量和决策的 组合最优的定性评估。如上提到，将决策和网络状态的这个定性评估编 码为效用节点。可以对不同结果指配效用值。效用值的一个实现例是指 配范围从0 (表示差)到l (表示最优)的效用值。
可以采取的决策的示例有发出告警，发出警告，或者不发出任何 通知。必须针对指定KPI的实际或预测值来做决策。最佳结果是针对KPI 的最大概率值发出正确种类的通知。例如，在KPI值极不可能越过违例 阈值时，即使其接近该阈值，差结果也将发送一告警。这个结果具有效用"0"。在KPI极可能越过违例阈值时，好结果将发送通知。这个结果将具有效用"1"，因为它使运营商有时间积极主动地解决可能导致性能劣化的问题。给定在KPI参数的自动更新的当前值的情况下每一个决策的期望效用，容纳决策图模型的软件组件将发出告警或通知，或者合适当时什么都不发出。
在本发明的一特定实施方式中，使用决策图来执行用于识别一变量怎样依赖于其它变量的灵敏度分析，具体来说，识别哪一个变量或哪些变量最敏感。
可以使用决策图来识别针对KPI违例或接近违例的贡献因子。可以执行决策图中的单一参数(或变量)或节点相对于该图中的其它变量的灵敏度分析。针对单一变量，例如，单一KPI，可以测试其值怎样随着其它变量集而变，由此评估哪些其它变量对所关注的KPI具有最强影响。
在本发明的另一有利实现中，可以按这种识别决策图中最影响KPI的值的节点的方式来执行和使用灵敏度分析。如上提到，决策图预订许多网络事件，如KPI的性能计数器、告警以及配置事件。最显见且公知的相关性是，KPI的值依赖于KPI公式中的性能计数器的值。然而，如果不顾对KPI的这些主要影响，则可以弄清其它节点怎样影响指定KPI。这样，可以使用灵敏度分析来提供针对KPI违例的自动化根本原因分析工具。可以使用灵敏度分析来确定哪些事件(即，决策图中的哪些其它节点)对取值超过其违例阈值或连接有可能原因的预测违例阈值的KPI具有最强影响。例如，可以使用分析来识别，即使定义的KPI公式包括其它指标或性能变量，丢包率也最易受空气接口变化的影响。应当清楚，这仅仅是一个简单示例，最主要的是，可以针对每一个变量或节点确定其它变量怎样影响KPI，或者任何希望的参数(变量)集怎样影响特定参数。另外，如上提到，可以确定哪些附加性能参数或其任何希望组合或集合影响KPI，这极其有利。
图4A示出了性能监测结构10的第一实施方式，如果针对局部监测实现，则性能监测结构IO可以设置在如虚线所示的网络装置中。网络装置例如可以包括无线电基站或无线电网络控制器或任何其它节点。生成
装置1在此包括决策图生成装置2，决策图生成装置2适于现场生成决策
图的形状或结构。前面已对该决策图进行了描述。当在监测结构中实现
时，决策图的内容通过更新装置3来更新，该更新装置3适于收集或接收来自信息收集装置6的信息，该信息收集装置6按任何合适或常规方式收集例如与通信事件、用户活动、管理事件等有关的信息。决策图中的更新过程早先也已在本申请中进行了描述。针对被更新的每一个节点或参数值，同样更新所有其它节点或参数。而且，计算特定参数根据其它值的变化而取特定值的概率(即，可能性多大)，并且评估装置4适于评估或计算针对决策装置5所进行的各种决策的组合概率的效用。该监测结构还包括消息生成装置7，消息生成装置7能够在合适时(即，当决策要采取某种动作时)生成消息或通知。接着，将该消息或通知提供给相关装置，例如管理系统，然而，该管理系统不形成本发明的一部分。
图4B示出了根据本发明的性能监测结构101的另选实现，性能监测结构101也可以位于如虚线所示的网络装置中。该性能监测结构.101包括生成装置11，生成装置11在此与决策图生成装置21通信或与其相关联。这意味着，生成装置ll可以取入或接收来自外部装置的预先形成或预先构造的决策图，该决策图在被安装在该监测结构中时，通过收集或接收来自信息收集装置61的信息的更新装置31来更新。可以收集任何相关信息。评估装置41和决策装置51如图4A所示被包括在生成装置中，并且也如图4A所示与消息生成装置71通信。因此，将不对它们进行进一步描述。
图5是描述当在性能监测结构本身内生成决策图的形状或结构时的过程的流程图。
首先，建立定义KPI的性能参数(100)，这意味着建立所关注的定义性能参数。接着，利用所述定义性能参数来设置KPI公式(101)。接着，建立附加或相关性能参数(102)。接着，通过生成决策图结构来对KPI公式、定义性能参数以及附加性能参数建模(103)。(通过决策图中的效用节点)执行对参数值的定性评估(104)。基于所述评估来进行与采取动作(例如，发送消息或通知或者生成告警或者不采取动作等).有
关的决策(105)。这个过程连续发生，通过图5中的包括下面要说明的步骤106-111的循环来例示该过程。如图所示，假定在步骤104、 105中，相关信息最新。因而，连续收集与用户活动、通信事件、管理事件等有关的信息(106)。连续判断是否有任何参数值存在变化(107)。如果否，则继续进行信息收集。然而，如果有一个或更多个参数值存在变化，则更新决策图中的所有参数值或节点以及弧(108)，并且更新定性评估(109)。进行与是否采取特定动作有关的决策(110)。如果决定采取动作，则釆取相关动作(111)。应当牢记，决策图可以包括一个KPI，但也可以包括多个或许多KPI。
图6是与图5的流程图类似的流程图，但代替的是，示出了在生成结构本身外部设置决策图生成装置，该生成结构被包括在监测结构中，在这个意义上说，在其中装有预先构造的决策图。最主要的是，按某一方式，将决策图的结构或形状装在该结构中。而通过什么装置和在哪里形成了决策图，则无关紧要，主要的是，设法为进行监测而安装它。因而，在此假定，在设置在网络装置中的监测结构中取入或实现了预先构成的决策图结构(200)。将当前值应用于表示KPI、定义性能参数以及附加性能参数的图节点(201)。执行对参数值的定性评估(202)，并且基于所述评估，对采取或不采取某种动作以及合适时采取何种动作进行决策(203)。连续收集例如与用户活动、通信事件、管理事件等有关的信息(204)，由此更新决策图(205)。执行基于更新值的新定性评估，并且进行与动作等有关的恰当决策(207)。如果决定采取特定动作，则采取该动作，例如，生成告警或发出消息等(208)。如果决定不釆取任何动作，则信息搜集和更新过程简单地继续进行。
根据本发明，可以基于预测的KPI评估来触发诸如告警和通知的动作。因为可以在早期阶段采取相关动作，所以可以避免有问题的情况实际发生。还可以将网络中的其它事件与KPI级别变化相关联。本发明的一个具体优点是，所要求保护的对决策图的因果结构和参数的自动化灵敏度分析，使得便于对预测的或实际KPI违例进行根本原因分析。该定性评估包括将特定决策图变量的值与特定决策的值连接至使变量和决策的组合最优的定性评估。
因此，本发明提供了这样一种结构和方法，即，其使得能够基于利用决策图的通信网络(例如，电信网络或数据通信网络)中的性能计数器和其它事件，实时监测、预测以及分析网络或网络装置的由关键性能指标所表明的服务性能。在网络节点(装置)级上，该结构可以实现在要被管理由此被监测的合适网络节点中，例如，实现在接入网络中的基站中，甚或实现在核心网络节点或要被监测并管理的其它类型节点中。
可以基于预测的KPI违例来触发告警和通知，这使运营商可以积极主动地解决网络中的任何问题。
可以将网络中的其它事件与KPI级别的变化相关联，并且可以执行对决策图的因果结构和参数的自动化灵敏度分析，这使得便于对预测的或实际KPI违例进行根本原因分析。
权利要求
1、一种用于实时监测网络的性能的结构(10；101)，该网络包括多个网络节点、服务以及用户，所述结构包括信息收集装置(6；61)、生成装置(1；11，21)，该生成装置用于根据所述多个网络节点中的一个或更多个网络节点的多个定义性能参数，生成性能指标(KPI)，其特征在于，所述生成装置(1；11)包括决策图生成装置(2；21)或者与该决策图生成装置通信，所述决策图生成装置适于根据KPI定义性能参数并且根据附加或相关参数，生成表示相应KPI值和组合概率的决策图结构，并且，所述生成装置包括决策图内容更新装置(3；31)，所述决策图内容更新装置适于利用所述收集的信息来更新决策图参数，以使能够及时预测一个时点处的KPI值和/或性能参数，和/或该KPI值和/或性能参数在指定时间间隔内的变化，并且，设置有消息发送装置(7；71)，该消息发送装置适于发出与一个或更多个预测结果有关的消息或通知。
2、 根据权利要求1所述的结构，其特征在于，所述生成装置(1; 11)适于更新或者生成并更新一个或更多个决策 图，每一个决策图都包括一扩展贝叶斯网络。
3、 根据权利要求2所述的结构，其特征在于，所述决策图包括贝叶斯网络，所述贝叶斯网络适于被扩展有评估装 置(4; 41)和决策装置(5; 51)，所述评估装置适于使得能够对所述 KPI值和组合概率以及KPI行为进行定性状态评估，而所述决策装置适 于使得能够基于对所述性能的所述状态评估进行与一个或更多个动作有 关的决策。
4、 根据权利要求3所述的结构，其特征在于，所述扩展贝叶斯网络包括定向非循环图，所述定向非循环图包括表 示所述KPI定义性能参数和组合概率的多个节点和弧，还扩展有多个包 括所述评估装置的效用节点和多个包括所述决策装置(5; 51)的决策节
5、 根据权利要求4所述的结构，其特征在于，所述决策节点适于使用所述效用节点执行的评估，来触发一个或更 多个动作。
6、 根据权利要求5所述的结构，其特征在于，所述效用节点适于针对多个阈值的指定组合，对生成的KPI值的定 性评估进行编码。
7、 根据权利要求6所述的结构，其特征在于，针对KPI违例或KPI违例的风险中的一个或更多个，指定一个或更 多个阈值。
8、 根据权利要求7或8所述的结构，其特征在于， 所述阈值中的一个或更多个由运营商限定。
9、 根据前述权利要求中的任一项所述的结构，其特征在于， 所述性能参数由运营商限定。
10、 根据前述权利要求中的任一项所述的结构，其特征在于， .所述性能参数包括性能计数器。
11、 根据前述权利要求中的任一项所述的结构，其特征在于， 所述附加或相关参数包括告警、配置动作、非KPI定义性能计数器中的一个或更多个。
12、 至少根据权利要求4所述的结构，其特征在于， 扩展的定向非循环图结构包括多个节点之间的、表示这些节点之间的有影响关系的弧，并且，提供了针对性能变量的条件概率分布，其适于对性能参数在 针对其它性能参数给出特定值时取不同值的概率进行编码。
13、 根据前述权利要求12所述的结构，其特征在于， 该结构适于在线接收所述概率分布。
14、 根据前述权利要求中的任一项所述的结构，其特征在于， 每一个KPI都包括依赖于多个性能参数的公式。
15、 根据前述权利要求中的任一项所述的结构，其特征在于， 该结构包括用于存储一个或更多个决策图模型的存储装置。
16、 根据前述权利要求中的任一 项所述的结构，其特征在于，该结构适于在所述KPI定义性能参数改变时更新所述值和概率，由 此自动更新相应KPI和其它KPI的当前状态。
17、 根据权利要求16所述的结构，其特征在于， 该结构适于在达到或超过或者预测要达到或超过运营商限定的阈值时，生成包括通知或告警在内的动作，并且适于识别所述决策图中的、 对所述KPI值的贡献达到/越过或者预测要达到/越过所述阈值的变量。
18、 根据前述权利要求中的任一项所述的结构，其特征在于， 所述决策图包括多个KPI、性能参数、附加性能参数、配置服务，以及效用节点和通知决策节点。
19、 根据前述权利要求中的任一项所述的结构，其特征在于， 所述效用节点适于基于参数值和决策组合向每一个质量评估指配一值。
20、 根据前述权利要求中的任一项所述的结构，其特征在于， 该结构包括计算装置，该计算装置适于弄清一节点的值随着其它或相关定义性能参数值和附加性能参数值的变化而怎样变化，以执行灵敏 度分析。
21、 根据前述权利要求20所述的结构，其特征在于， 所述计算装置适于弄清一 KPI节点的值随着附加性能参数值的变化而怎样变化，以通过弄清所述决策图中的哪个或哪些其它节点对所述KPI 节点具有最强影响，来对预测达到或实际达到与KPI违例有关的预定阈 值执行根本原因分析。
22、 根据前述权利要求中的任一项所述的结构，其特征在于， 所述决策图包括针对一网络节点的局部决策图，并且，所述结构适于设置在所述网络节点中，或者与所述网络节点相关联，以进行分布式 网络管理。
23、 根据前述权利要求中的任一项所述的结构，其特征在于， 所述图生成装置是外部装置(21)，并且，所述生成装置适于从该外部装置取入或接收预先建立的决策图结构。
24、 根据权利要求1到23中的任一项所述的结构，其特征在于， 所述生成装置(11)包括所述图生成装置(21)。
25、 根据权利要求23或24所述的结构，其特征在于， 所述生成装置适于设置在网络节点中。
26、 根据权利要求1到21中的任一项所述的结构，其特征在于， 所述决策图包括针对多个网络级KPI的全局决策图，并且，所述结构适于设置在网络中的中央位置处，以进行集中式网络管理。
27、 一种用于实时监测网络的方法，所述网络包括多个网络装置或 网络节点、服务以及用户，其特征在于， 所述方法包括以下步骤在表示KPI值和组合概率的决策图中，根据KPI定义性能参数和附 加或相关参数，来设置一个或更多个关键性能指标(KPI)，当任何定义性能参数和/或任何附加或相关参数存在变化时，自动更 新所述KPI值和性能概率，以使所述KPI值和组合概率总是最新的，利用所述决策图来预测一个时点处的KPI值和/或性能参数，和/或 KPI值和/或性能参数在指定时间间隔期间的变化。
28、 根据权利要求27所述的方法，其特征在于， 所述方法包括以下步骤 存储所述决策图。
29、 根据权利要求27或28所述的方法，其特征在于， 所述生成步骤包括实现预先形成的或外部生成的决策图结构。
30、 根据权利要求27或28所述的方法， 其特征在于， 所述生成步骤包括-内部生成所述决策图结构。
31、 根据权利要求27到30中的任一项所述的方法，其特征在于， 所述生成步骤包括收集性能计数器，该性能计数器提供定义KPI的公式，利用BN技术，来通过以下步骤在所述决策图中直接编码所述公式:用所述图中的KPI节点表示所述KPI， 将所述KPI定义性能参数表示为所述决策图中的节点， 通过弧或连接将所述KPI节点连接至所述性能计数器，所述 连接表示性能计数器的变化与所述KPI的变化之间的因果关系， 将与采取动作有关的决策表示为多个通知决策节点， 定性评估可变性能参数的值和决策值的组合，以提供效用值， 将所述效用值编码到效用节点中。
32、 根据权利要求27到31中的任一项所述的方法，其特征在于， 所述方法包括以下步骤通过逐个改变包括定义性能参数和附加性能参数在内的其它性能参 数，来执行对表示为一节点的性能参数的灵敏度分析。
33、 根据权利要求27到31中的任一项所述的方法，其特征在于， 所述方法包括以下步骤通过下列步骤来执行KPI根本原因分析改变所述附加或相关性能参数， 建立对应获取的效用值。
全文摘要
本发明涉及用于实时监测网络中的性能的结构(10)，网络包括多个网络装置或节点、服务以及用户。结构(10)包括信息收集装置(6)、生成装置(1)，生成装置(1)根据所述多个网络节点中的一个或更多个网络节点的多个定义性能参数，生成性能KPI指标。生成装置(1)包括决策图生成装置(2)或与其通信，决策图生成装置适于根据KPI定义性能参数并且根据附加或相关参数，生成表示相应KPI值和组合概率的决策图结构。生成装置(1)包括决策图内容更新装置(3)，决策图内容更新装置适于利用所述收集的信息来更新决策图结构，以使能够预测KPI状态/行为，并且设置有消息发送装置(7)，该消息发送装置适于发出与一个或更多个预测结果有关的消息或通知。
文档编号H04L29/08GK101675648SQ200780052881
公开日2010年3月17日 申请日期2007年3月8日 优先权日2007年3月8日
发明者安·德维特 申请人:Lm爱立信电话有限公司