一种网络故障诊断方法及装置与流程

本发明涉及计算机技术领域，尤其涉及一种网络故障诊断方法及装置。

背景技术：

随着信息技术的快速发展，网络系统的规模不断扩大，复杂程度也越来越高，这使得传统的通过人工查看系统日志定位网络故障的诊断方法已不再适用。

目前，对于网络故障的诊断，可利用大数据技术从海量日志记录中提取出相关特征，进而运用机器学习算法对这些特征进行统计分析，便可快速检测出故障。由于机器学习算法是概率性算法，因此检测得到故障仅是疑似故障，还需通过人工分析日志以确认故障。此外，受到长度的限制，单条日志所能记录的信息有限，例如，通常会记录某个业务所出现的事件，但更细节的信息，比如网元的实时状态信息等，则往往不会记录。而这些细粒度信息的缺失，可能导致无法找到导致网络发生故障的根因。也就是说，通过人工分析日志也只能确认故障，而无法保证能够找到导致网络发生故障的根因。

综上所述，现有的网络故障诊断方法需人工介入以确认故障，并且只能确认故障而无法得出引起故障的根因。

技术实现要素：

为此，本发明实施例提供了一种网络故障诊断方法及装置，无需人工介入即可实现网络故障的自动定位，并且能够确定故障根因，实现了自动化故障诊断，提高了故障诊断效率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供一种网络故障诊断方法，应用于网络系统，该网络系统包括网元、网管设备、监控设备以及网络故障诊断装置，方法包括：

网络故障诊断装置获取网元、网管设备及监控设备的日志、告警、配置及kpi数据，并根据所采集的数据检测异常网元以及异常信息；

网络故障诊断装置根据异常信息以及预存的、异常信息与故障事件的对应关系，确定与异常信息对应的第一故障事件；

网络故障诊断装置根据第一故障事件以及预存的故障规则库，确定与第一故障事件对应的第一故障规则，故障规则库包括至少一个故障规则，每个故障规则包括至少两个故障事件以及至少两个故障事件之间的逻辑因果关系；

网络故障诊断装置采集异常网元的实时数据，根据异常网元的实时数据，分别对第一故障事件中的疑似故障事件及第二故障事件进行确认，第二故障事件为第一故障规则所包括的至少两个故障事件中除第一故障事件之外的故障事件，并根据确认结果及第一故障规则进行逻辑计算，确定引起网络系统发生故障的根因。

优选的，在网络故障诊断装置采集网元、网管设备及监控设备的日志、告警、配置及kpi数据之前，还可以包括：

网络故障诊断装置获取网络系统可能出现的异常信息以及预存的故障规则库中的每个故障规则所包括的故障事件；

网络故障诊断装置分别将网络系统可能出现的异常信息及故障规则库中的每个故障规则所包括的故障事件进行抽象，得到异常信息对应的故障行为及故障事件对应的故障行为；

网络故障诊断装置根据异常信息对应的故障行为及故障事件对应的抽象行为，建立并存储异常信息与故障事件的对应关系。

优选的，在网络故障诊断装置根据疑似故障事件、第二故障事件的确认结果以及故障规则进行逻辑计算，确定引起网络系统发生故障的根因之后，还可以包括：

网络故障诊断装置根据根因生成对应的故障恢复脚本，并向异常网元或网管设备发送故障恢复脚本，以使异常网元或网管设备根据故障恢复脚 本修复网络系统发生的故障。

如此，在发现故障根因后，针对该故障根因，生成对对应的恢复脚本，并发送给相关设备以修复该故障，以使网络系统恢复正常，这样一来，无需人工介入即可实现网络故障的自动修复。

优选的，在网络故障诊断装置根据异常网元的实时数据，分别对第一故障事件中的疑似故障事件及第二故障事件进行确认之后，还可以包括：

网络故障诊断装置获取当前故障诊断过程中确认的故障事件以及历史故障事件，根据当前故障诊断过程中确认的故障事件以及历史故障事件，历史故障事件为网络故障诊断装置在之前的故障诊断过程中确认的故障事件，挖掘新的故障规则，并将新的故障规则存储至故障规则库中。

基于上述方案，可积累每次故障诊断的经验，进而根据积累的经验发现当前故障规则库未覆盖的故障规则，因此可达到提高故障定位的精度、扩大故障定位的广度的目的。

第二方面，提供一种网络故障诊断装置，网络故障诊断装置应用于网络系统，网络系统还包括网元、网管设备以及监控设备，网络故障诊断装置包括：数据获取模块、故障发现模块、事件映射模块以及故障确诊模块；

数据获取模块，用于获取网元、网管设备及监控设备的日志、告警、配置及kpi数据；

故障发现模块，用于根据日志、告警、配置及kpi数据检测异常网元以及异常信息；

事件映射模块，用于根据异常信息以及预存的对应关系，得到异常信息对应的第一故障事件，预存的对应关系为异常信息与故障事件的对应关系；

故障确诊模块，用于根据第一故障事件以及预存的故障规则库，确定与第一故障事件对应的第一故障规则；其中，故障规则库包括至少一个故障规则，每个故障规则包括至少两个故障事件以及至少两个故障事件之间的逻辑关系；

数据采集模块，还用于采集异常网元的实时数据；

故障确诊模块，还用于根据异常网元的实时数据，分别对第一故障事 件中的疑似故障事件及第二故障事件进行确认，并根据疑似故障事件、第二故障事件的确认结果以及故障规则进行逻辑计算，确定引起网络系统发生故障的根因，其中，第二故障事件为第一故障规则所包括的至少两个故障事件中除第一故障事件之外的故障事件。

第三方面，提供一种网络故障诊断装置，包括：

处理器，用于执行第一方面提供的网络故障诊断方法。

现有的网络故障诊断方法需人工介入以确认故障，并且由于单条日志所能记录的信息有限，单条日志往往不会记录细粒度信息，因此可能无法找到导致网络发生故障的根因。而基于本发明实施例提供的网络故障诊断方法及装置，通过采集网络系统相关设备的日志、告警、配置及kpi数据，根据所采集数据检测异常网元及异常信息，并根据异常信息及预存的对应关系确定每条异常信息所对应的第一故障事件，进而根据第一故障事件及预存的故障规则库确定故障规则，并通过采集异常网元的实时数据，利用异常网元的实时数据对相关的疑似故障事件进行确认，同时根据故障规则进行逻辑计算，即可确定引起网络系统发生故障的根因。由于通过异常信息与故障事件的对应关系即可将检测得到的异常信息自动映射为相关的故障事件，同时，根据具体的故障事件采集相关网元的实时数据，利用网元的实时数据即可对故障事件进行确认，进而根据确认结果以及相关的故障规则进行逻辑计算即可排除误报故障，同时对真实故障进行根因定位。可见，基于本发明实施例提供的网络故障诊断方法及装置，无需人工介入即可实现网络故障的自动定位，并且能够确定故障根因，从而实现自动化故障诊断，提高故障诊断效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中的网络系统的架构示意图；

图2为本发明实施例提供的一种网络故障诊断方法的流程示意图；

图3为本发明实施例提供的一种故障规则的组成示意图；

图4为本发明实施例提供的另一种网络故障诊断方法的流程示意图；

图5为本发明实施例提供的又一种网络故障诊断方法的流程示意图；

图6为本发明实施例提供的又一种网络故障诊断方法的流程示意图；

图7为本发明实施例提供的一种建立异常信息与故障事件的对应关系的方法的示意图；

图8为本发明实施例提供的一种网络故障诊断装置的结构示意图；

图9为本发明实施例提供的另一种网络故障诊断装置的结构示意图；

图10为本发明实施例提供的又一种网络故障诊断装置的结构示意图；

图11为本发明实施例提供的一种网络故障诊断装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

需要说明的是，为了便于清楚描述本发明实施例的技术方案，在本发明下述各实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。

另外，还需说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。本领域普通技术人员可以理解，本申请实施例中示出的示例为本发明为便于读者理解所作的示意性的说明，并不构成对本发明的限定。

首先，为便于理解本发明实施例下述的网络故障诊断方法，先对其应用环境-网络系统，进行简要介绍如下：

图1所示为所述网络系统的架构图。参见图1，所述网络系统10包括网元101、网管设备102、监控设备103以及网络故障诊断装置104。其中，网元101指能够独立完成一种或几种功能的网络设备或实体，如路由器、 交换机等；网管设备102则主要用于对网元101进行全面管理，例如，网管设备102可通过算法快速自动搜索网元101，并实时显示网络资源的链路关系和运行状态，实时监测网元101的核心参数，如监测路由器及交换机的端口流量、端口使用率、内存使用率、路由表等，监测服务器的运行状态、启动情况、内存、磁盘、进程、服务等指标；而监控设备103则主要用于对网络的应用系统及应用系统的运行状况进行监测；网络故障诊断装置用于执行本发明实施例下述的网络故障诊断方法以对网络系统进行故障诊断，其可能是配置于网元101或网管设备102之上的装置，也可能是独立于网元101及网管设备102、并与网元101、网管设备102及监控设备103可以通信的装置，如图1所示，本发明实施例对此不作具体限定。

基于图1所示的网络系统10，本发明实施例提供一种网络故障诊断方法，应用于图1所示的网络系统10，如图2所示，包括：

s201、网络故障诊断装置104获取网元101、网管设备102及监控设备103的日志、告警、配置及关键绩效指标(keyperformanceindicator，kpi)数据，并根据日志、告警、配置及kpi数据检测异常网元以及异常信息。

其中，需要说明的是，可通过网元101、网管设备102及监控设备103周期性地采集日志、告警、配置及kpi数据，并将所采集数据主动上报给网络故障诊断装置104，实现数据获取。

另外，还需说明的是，所述异常网元是指日志、告警、配置或kpi数据出现异常的网元，所述的异常信息即指异常网元所出现的异常，具体可以包括异常网元的名称或ip地址、网元类型、出现异常的时间、对应的业务等等，本发明实施例对此不作具体限定。

本领域普通技术人员可以理解，由于网络系统某一业务的实现通常需要多个网元101协同完成，同时单个网元101可能存在多种业务，因此当网络系统中的某个网元101出现故障后，网络系统中的其他相关网元101或系统的某些参数也会因此受到影响而出现异常。例如，当实现开放最短路径优先(openshortestpathfirst，ospf)路由协议业务的网元a出现故障后，协同实现ospf路由协议业务的网元b可能因此受到影响而表现出异常，同时，网元a的另一业务-虚拟专用网络(virtualprivatenetwork， vpn)业务，也可能因此受到影响而表现出异常。因此，步骤s201中网络故障诊断装置104根据所采集的数据检测到的异常网元通常包括多个网元，异常信息也包括多条信息。

s202、网络故障诊断装置104根据异常信息以及预存的对应关系，确定与异常信息对应的第一故障事件。

其中，预存的对应关系为异常信息与故障规则中的故障事件的对应关系，通过该对应关系可将异常事件转换为故障规则中的故障事件，以便于后续进行故障诊断及修复。

具体的，所述的异常信息与故障事件的对应关系可描述为如下所示的表1，其中第一列为异常信息，第二列即为与异常信息对应的故障事件。例如，当检测到异常信息为ospf流量下降时，对应的故障事件即为ospf流量下降。

表1

容易理解，由于步骤s201中检测出的异常信息通常为多条，因此根据异常信息确定的第一故障事件也为多个。

s203、网络故障诊断装置104根据第一故障事件以及预存的故障规则库，确定与第一故障事件对应的第一故障规则。

其中，故障规则库包括至少一个故障规则，每个故障规则包括至少两个故障事件之间的逻辑因果关系。示例性的，故障规则具体可以是故障树、或决策书、或贝叶斯网络等，本发明实施例对此不作具体限定。

本领域普通技术人员容易理解，某一故障事件对应的故障规则可能是一条也可能是多条，例如，某一网元出现的某一故障事件可能仅出现在故障树a中，也可能既出现在故障树a中，又出现在故障树b中。因此，步骤s203中，所确定的故障规则可能是一条，也可能是一组。同时，由 于步骤s202中得到的故障事件为多个，因此步骤s203中所确定的故障规则往往是一组。

s204、网络故障诊断装置104采集异常网元的实时数据，根据异常网元的实时数据，分别对第一故障事件中的疑似故障事件及第二故障事件进行确认，并根据疑似故障事件、第二故障事件的确认结果以及故障规则进行逻辑计算，确定引起网络系统发生故障的根因。

其中，需要说明的是，所述第二故障事件为n个故障事件中除第一故障事件之外的故障事件。所述实时数据具体可以是网元的实时状态或性能数据，可针对具体的待确认故障事件，通过向相应的异常网元发送相关的查询命令实现对网元实时数据的采集。

另外，还需说明的是，本领域普通技术人员可以理解，在检测异常信息时所用到的机器学习算法为概率性算法，其通过预设的灵敏度阈值来检测异常信息，因此若灵敏度阈值设置的太高，则可能导致漏报故障，而若灵敏度阈值设置的太低，又可能所导致误报故障。因此，根据检测得到的异常信息所确定的故障事件属于疑似故障。当然，对于某些特殊的故障事件，如，业务的流量下降，硬件的内存使用率升高等，由于不存在误报的可能，因此不属于疑似故障事件。在本发明实施例中，根据异常信息所确定的第一故障事件中的部分故障事件可能为检测算法灵敏度阈值太低所导致的误报故障，因而需要根据网元101的实时状态或性能数据确认这部分故障事件是否确为真实故障。

容易理解，若步骤s203中所确定的故障规则只有一条，则仅需根据第一故障事件中的疑似故障事件、第二故障事件的确认结果，结合该条故障规则进行逻辑计算即可；若步骤s203中所确定的故障规则有多条，则需根据第一故障事件中的疑似故障事件、第二故障事件的确认结果，依次结合其中的每条故障规则进行逻辑计算以确定引起网络系统发生故障的根因。需要说明的是，本领域普通技术人员容易想到，为简化诊断过程，提高诊断速度，可仅选择其中对应的第一故障事件数量较多的故障规则进行逻辑计算，本发明实施例对此不作具体限定。

具体而言，若采用故障树作为故障规则，则可按照自顶向下或自底向上的原则进行逻辑计算。

示例性的，以下将以自定向下的原则为例，结合图3所示的故障树，简单说明逻辑计算的具体过程：

从顶事件t1开始向下搜索与顶事件t1通过逻辑门关联的事件t2、t3以及t8，若搜索到事件t2、t3及t8(即确认事件t2、t3及t8均成立)，则继续向下搜索与事件t2、t3及t8通过逻辑门关联的其它故障事件，直到搜索到底事件，搜索到的所有底事件即为故障根因。例如，假设向下搜索到事件t4、t5以及t7，则故障根因即为事件t4、t5、t7以及上一次搜索到的事件t8。其中，所谓底事件是指没有其它故障事件通过逻辑门与其关联的事件，如图3中的事件t4，在事件t4下面没有其他事件通过逻辑门与事件st4关联，因此事件t4即是底事件。

具体的，如图4所示，本发明实施例提供的网络故障诊断方法中，网络故障诊断装置104根据日志、告警、配置及kpi数据确定检测异常网元以及异常信息(即s202)，具体可以包括：

s202a、网络故障诊断装置104将日志、告警、配置及kpi数据解析为结构化数据，并提取结构化数据的特征值。

s202b、网络故障诊断装置104利用机器学习算法对结构化数据的特征值进行特征统计，得到统计结果。

s202c、网络故障诊断装置104根据统计结果，确定异常网元以及异常信息。

示例性的，可提取所采集数据的频率及周期性两个特征，并通过相关的机器学习算法对数据的频率及周期特征进行统计分析，确定异常网元及异常信息，其依据在于：出现频率越低、周期性越低的数据，越可能是与故障相关的数据。

进一步的，如图5所示，本发明实施例提供的网络故障诊断方法，在网络故障诊断装置104根据疑似故障事件、第二故障事件的确认结果以及故障规则进行逻辑计算，确定引起网络系统发生故障的根因之后，还可以包括：

s205、网络故障诊断装置104根据根因生成对应的故障恢复脚本，并向异常网元或网管设备102发送故障恢复脚本，以使异常网元或网管设备 102根据故障恢复脚本修复网络系统发生的故障。

即，在发现故障根因后，针对该故障根因，生成对对应的恢复脚本，并发送给相关设备以修复该故障，以使网络系统恢复正常。

优选的，本发明实施例提供的网络故障诊断方法，在网络故障诊断装置104根据异常网元的实时数据，分别对第一故障事件中的疑似故障事件及第二故障事件进行确认之后，还可进一步包括：

网络故障诊断装置104获取当前故障诊断过程中确认的故障事件以及历史故障事件，根据当前故障诊断过程中确认的故障事件以及历史故障事件，挖掘新的故障规则，并将新的故障规则存储至故障规则库中。

其中，历史故障事件为之前的故障诊断过程中确认的故障事件。本领域普通技术人员容易理解，所述新的故障规则为故障规则库未覆盖的故障规则。

本发明实施例的一种可能的实现方式中，可在每次故障诊断过程中将此次确认的故障事件存储至数据库中，形成历史故障事件库。这样，在挖掘新的故障规则时，即可直接读取历史故障事件库中的数据以获取确认的故障事件。

现有技术中，由于机器并不理解信息的语义，无法像技术人员那样根据信息的语义推理出故障信息之间的因果关系，并随着诊断次数的增加，不断积累经验，从而总结归纳出相应的故障规则用于以后的故障诊断，所以现有的网络故障诊断方法往往没有充分利用故障诊断过程中所获得的经验。而本发明实施例提供的网络故障诊断方法，通过积累每次故障诊断的经验，进而根据积累的经验发现当前故障规则库未覆盖的故障规则，因此能够提高故障定位的精度、扩大故障定位的广度。

优选的，如图6所示，本发明实施例提供的网络故障诊断方法，在网络故障诊断装置104采集网元101、网管设备102及监控设备103的日志、告警、配置及kpi数据之前，还可以包括：

s206、网络故障诊断装置104获取网络系统可能出现的异常信息以及预存的故障规则库中的所有故障规则所包括的全部故障事件。

s207、网络故障诊断装置104将网络系统可能出现的异常信息进行抽 象，得到该异常信息对应的故障行为，以及，将预存的故障规则库中的每个故障规则所包括的故障事件进行抽象，得到该故障事件对应的故障行为。

s208、网络故障诊断装置104根据异常信息对应的故障行为及故障事件对应的抽象行为，建立并存储异常信息与故障事件的对应关系。

例如，可将异常信息和故障事件抽象为以下4类故障行为：(1)业务：即网元所表现出的业务功能，例如，vpn业务，ospf路由协议业务等；(2)系统：即网元所具有的非业务功能，具体可以是利用下层的硬件为上层的业务提供的基础功能，如告警管理、时钟管理等；(3)硬件：即网元的物理装置，如中央处理器(centralprocessingunit，cpu)、网口、主控板等。进一步的，上述的每一类故障行为又可具体抽象为以下的3个子类：(1)性能：如业务的流量下降，硬件的cpu使用率升高等；(2)事件：如业务的协议震荡，系统的时钟源丢失等；(3)配置：如vpn业务封装类型不一致。这样，以故障行为中介即可建立其异常信息与故障事件的映射关系，也即异常信息与故障事件的对应关系。

示例性的，参考图7，假设网络系统可能出现的异常信息包括：ospf流量下降量超过阈值、ospf_nbr_up或ospf_nbr_down频繁出现、以及两个网元配置的封装类型不一致，故障规则库中的故障规则包括以下3个故障事件：ospf流量下降、协议震荡以及邻居配置不一致，则通过将异常信息及故障事件抽象为图7中间所示的故障行为，即可通过故障行为建立异常信息与故障事件的对应关系，如表1所示。

现有的网络故障诊断方法需人工介入以确认故障，并且由于单条日志所能记录的信息有限，单条日志往往不会记录细粒度信息，因此可能无法找到导致网络发生故障的根因。而本发明实施例提供的网络故障诊断方法，通过采集网络系统相关设备的日志、告警、配置及kpi数据，根据所采集数据检测异常网元及异常信息，并根据异常信息及预存的对应关系确定每条异常信息所对应的第一故障事件，进而根据第一故障事件及预存的故障规则库确定故障规则，并通过采集异常网元的实时数据，利用异常网元的实时数据对相关的疑似故障事件进行确认，同时根据故障规则进行逻辑计算，即可确定引起网络系统发生故障的根因。由于通过异常信息与故 障事件的对应关系即可将检测得到的异常信息自动映射为相关的故障事件，同时，根据具体的故障事件采集相关网元的实时数据，利用网元的实时数据即可对故障事件进行确认，进而根据确认结果以及相关的故障规则进行逻辑计算即可排除误报故障，同时对真实故障进行根因定位。可见，本发明实施例提供的网络故障诊断方法无需人工介入即可实现网络故障的自动定位，并且能够确定故障根因，实现了自动化故障诊断，提高了故障诊断效率。

基于上述方法，本发明实施例提供了一种网络故障诊断装置104，应用于图1所示的网络系统10，如图8所示，包括：数据获取模块1041、故障发现模块1042、事件映射模块1043以及故障确诊模块1044。

其中，数据获取模块1041，用于采集网元101、网管设备102及监控设备103的日志、告警、配置及kpi数据。

故障发现模块1042，用于根据日志、告警、配置及kpi数据检测异常网元以及异常信息。

事件映射模块1043，用于根据异常信息以及预存的对应关系，确定异常信息对应的第一故障事件。

故障确诊模块1044，用于根据第一故障事件以及预存的故障规则库，确定与第一故障事件对应的故障规则。

数据获取模块1041，还用于采集异常网元的实时数据。

故障确诊模块1044，还用于根据异常网元的实时数据，分别对第一故障事件中的疑似故障事件及第二故障事件进行确认，并根据疑似故障事件、第二故障事件的确认结果以及故障规则进行逻辑计算，确定引起网络系统发生故障的根因。

其中，所述的对应关系为异常信息与故障事件的对应关系；所述的故障规则库包括至少一个故障规则，每个故障规则包括至少两个故障事件以及至少两个故障事件之间的逻辑因果关系；所述的第二故障事件为n第一故障规则所包括的至少两个故障事件中除第一故障事件之外的故障事件。

具体的，本发明实施例提供的网络故障诊断装置104中，故障发现模块1042具体可以用于：

将日志、告警、配置及kpi数据解析为结构化数据，并提取结构化数据的特征值；

利用机器学习算法对结构化数据的特征值进行特征统计，得到统计结果：

根据统计结果，确定异常网元以及异常信息。

进一步的，如图9所示，本发明实施例提供的网络故障诊断装置104还可以包括：策略生成模块1045。

策略生成模块1045，用于在故障确诊模块1044根据疑似故障事件、第二故障事件的确认结果以及故障规则进行逻辑计算，确定引起网络系统发生故障的根因之后，根据根因生成对应的故障恢复脚本，并向异常网元或网管设备102发送故障恢复脚本，以使异常网元或网管设备102根据故障恢复脚本修复网络系统发生的故障。

优选的，如图10所示，本发明实施例提供的网络故障诊断装置104还可进一步包括：故障规则挖掘模块1046。

故障规则挖掘模块1046，用于在故障确诊模块1044根据异常网元的实时数据，分别对第一故障事件中的疑似故障事件及第二故障事件进行确认之后，获取故障确诊模块1044在当前故障诊断过程中确认的故障事件以及历史故障事件，根据故障确诊模块1044在当前故障诊断过程中确认的故障事件以及历史故障事件，挖掘新的故障规则，并将新的故障规则存储至故障规则库中。

其中，历史故障事件为故障确诊模块1044在之前的故障诊断过程中确认的故障事件。

优选的，本发明实施例提供的网络故障诊断装置104中，事件映射模块1043还可以用于：

在数据获取模块1041采集网元、网管设备102及监控设备103的日志、告警、配置及kpi数据之前，获取网络系统可能出现的异常信息以及预存的故障规则库中的每个故障规则所包括的故障事件；

将网络系统可能出现的异常信息进行抽象，得到该异常信息对应的故障行为，以及，将预存的故障规则库中的所有故障规则所包括的全部故障 事件进行抽象，得到该故障事件对应的故障行为；

根据异常信息对应的故障行为及故障事件对应的抽象行为，建立并存储异常信息与故障事件的对应关系。

由于本实施例提供的网络故障诊断装置104能够用于执行上述网络故障诊断方法，因此，其所能获得的技术效果也可以参照上述方法实施例的描述，此处不再赘述。

此外，本发明实施例还提供了一种网络故障诊断装置，如图11所示，所述网络故障诊断装置110包括处理器1101。

其中，所述处理器1101用于执行本发明实施例提供的网络故障诊断方法。

由于本实施例中网络故障诊断装置110能够用于执行上述网络故障诊断方法，因此，其所能获得的技术效果也可以参照上述方法实施例的描述，此处不再赘述。

此外，本发明实施例还提供一种计算可读媒体(或介质)，包括在被执行上述方法实施例中网络故障诊断装置110的操作的计算机可读指令：

另外，还提供一种计算机程序产品，包括上述计算机可读媒体。

应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可 以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。