本申请涉及故障诊断技术领域，特别涉及一种有线家庭宽带网络的故障诊断方法及装置。
背景技术：
有线家庭宽带的故障诊断装置做为投诉预处理的核心模块，直面一线用户，对于缩短故障定位，响应客户投诉，提升品牌价值具有重大现实意义。
现有技术中，家庭宽带故障诊断都是基于账户的正向故障判定，即首先梳理基于账号的资源树“账号-光网络单元(opticalnetworkunit，onu)-分光器-光线路终端(opticallineterminal，olt)-宽带远程接入服务器(broadbandaccessserver，bas)”，然后逐层分析告警数据及用户的账号数据，最后根据各节点状态对用户的投诉做出判定，指导用户排障或转发相关节点排障。由于目前的故障诊断是基于单用户、单节点的逻辑判断诊断，缺乏关联度，且群障功能基于设备告警主动上报，手段单一，无有效的校验机制；无法基于群体效应，给予投诉用户宏观的反馈。
技术实现要素：
本申请实施例提供一种家庭宽带网络故障诊断方法及装置，以至少解决诊断手段单一造成的判断故障区域不精确的问题。
本申请一个实施例提供一种家庭宽带网络故障诊断方法，所述方法包括：针对家庭宽带网络中的用户，从该用户的最低级关联设备起执行反向诊断，将所述该用户的最低级关联设备作为目标关联设备，其中每个用户具有多级关联设备，
其中，所述反向诊断包括：
根据所述目标关联设备的指标数据，确认所述目标关联设备是否存在异常；
在确定所述目标关联设备异常的情况下，确定出该用户的相邻用户，其中，所述目标关联设备与所述相邻用户的同一级关联设备具有相同的上一级关联设备；
根据所述相邻用户的所述同一级关联设备的指标数据，确认所述相邻用户的所述同一级关联设备是否存在异常；
在所述相邻用户的所述同一级关联设备的指示数据异常的情况下，将所述上一级关联设备作为目标关联设备，针对所述目标关联设备执行所述反向诊断。
进一步的，所述反向诊断之前还包括：
基于每个所述用户的多级关联设备建立索引库。
进一步的，所述基于每个所述用户的多级关联设备建立索引库，包括：
查询每个所述用户的多级关联设备的指标数据的集合，基于所述指标数据的集合来抽象告警、性能、流量三个维度指标，建立索引文档库，并将所述索引文档库存储在所述索引库中。
进一步的，所述基于每个所述用户的多级关联设备建立索引库之后，还包括：当所述用户的多级关联设备的指标数据更新时，基于更新后的指标数据，将所述索引库中的索引文档库同步更新。
进一步的，所述基于每个所述用户的多级关联设备建立索引库，包括：
查询每个所述用户的多级关联设备的指标数据的集合中的结构化数据；
将所述指标数据的集合中的字段与对应值建立映射关系，得到映射字段；
根据所述映射字段的对应值形成预设匹配条件，按照所述预设匹配条件将输入的字符串与机器字典词条进行匹配；
对所述机器字典词条进行排序，按照出现频次从高到低顺序排列，生成索引文档库，且将所述索引文档库保存到所述索引库中。
进一步的，所述将所述索引库中的索引文档库同步更新，包括：
根据每个所述用户的告警上报消息，得到增量告警数据，且将所述增量告警数据更新所述指标数据集；
将所述增量告警数据存储到变更表中；
获取所述增量告警数据，根据所述增量告警数据建立增量索引文档库，并将所述增量索引文档库存储在所述索引库中。
进一步的，所述反向诊断包括：根据搜索机制进行反向诊断，所述搜索机制包括：
输入查询字符串；
根据所述查询字符串，在所述索引库中搜索所述索引文档库，找到与所述查询字符串对应的索引文档库；
根据所述维度指标中的至少一种，将所述查询字符串对应的索引文档库分类统计，输出分类统计结果。
本发明实施例还提供了一种家庭宽带网络故障诊断装置，所述装置用于针对家庭宽带网络中的用户的故障诊断，从该用户的最低级关联设备起执行反向诊断，将所述该用户的最低级关联设备作为目标关联设备，其中每个用户具有多级关联设备，所述装置包括：
目标关联设备异常确认模块，用于根据目标关联设备的指标数据，确认目标关联设备是否存在异常；
相邻用户确认模块，用于在确定目标关联设备异常的情况下，确定出该用户的相邻用户，其中，所述目标关联设备与所述相邻用户的同一级关联设备具有相同的上一级关联设备；
同一级关联设备异常确认模块，用于根据所述相邻用户的所述同一级关联设备的指标数据，确认所述相邻用户的所述同一级关联设备是否存在异常；
上一级关联设备异常确认模块，用于在所述相邻用户的所述同一级关联设备的指示数据异常的情况下，将所述上一级关联设备作为目标关联设备，返回所述目标关联设备异常确认模块。
进一步的，所述装置还包括：
索引库建立模块，用于基于每个所述用户的多级关联设备建立索引库。
进一步的，所述索引库建立模块包括：
查询单元，用于查询每个所述用户的多级关联设备的指标数据的集合；
建立单元，用于基于所述指标数据的集合来抽象告警、性能、流量三个维度指标，建立索引文档库；
存储单元，用于存储所述索引文档库至所述索引库中。
进一步的，所述装置还包括索引库更新模块，用于当所述用户的多级关联设备的指标数据更新时，基于更新后的指标数据，将所述索引库中的索引文档库同步更新。
进一步的，所述索引库建立模块还包括：
结构提取单元，用于查询每个所述用户的多级关联设备的指标数据的集合中的结构化数据；
字段映射单元，用于将所述指标数据的集合中的字段与对应值建立映射关系，得到映射字段；
匹配单元，用于根据所述映射字段的对应值形成预设匹配条件，按照所述预设匹配条件将输入的字符串与机器字典词条进行匹配；
索引库生成单元，用于对所述机器字典词条进行排序，按照出现频次从高到低顺序排列，生成索引文档库，且将所述索引文档库保存到所述索引库中。
进一步的，所述索引库更新模块包括：
数据更新单元，用于根据每个所述用户的告警上报消息，得到增量告警数据，且将所述增量告警数据更新所述指标数据集；
数据库触发器，用于将所述增量告警数据存储到变更表中；
索引库更新单元，用于获取所述增量告警数据，根据所述增量告警数据建立增量索引文档库，并将所述增量索引文档库存储在所述索引库中。
进一步的，所述装置还包括索引搜索模块，所述索引搜索模块包括：
输入单元，用于输入查询字符串；
搜索单元，用于根据所述查询字符串，在所述索引库中搜索所述索引文档库，找到与所述查询字符串对应的索引文档库；
输出单元，用于根据所述维度指标中的至少一种，将所述查询字符串对应的索引文档库分类统计，输出分类统计结果。
由以上本申请实施例提供的技术方案可见，本申请实施例通过单用户单节点的投诉或故障关联诊断相邻用户的宽带状态，避免了单纯依赖设备告警上报排障的单一手段，以点带面展现群体效应，从而更加精确的推理出网络故障的节点或区域，对传统的正向故障诊断进行有益的补充，降低用户的无效投诉、提升故障定界效率；且通过利用lucene高性能智能查询大量数据的方法与实时的索引同步机制实现了高效即时智能诊断。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一中家庭宽带网络结构连接示意图；
图2为本申请实施例一提供的家庭宽带网络故障诊断方法的中的反向诊断流程示意图；
图3为本申请实施例一提供的家庭宽带网络故障诊断方法中的部分流程示意图；
图4为本申请实施例一提供的家庭宽带网络故障诊断方法中的建立索引库的示意图；
图5为本申请实施例一提供的家庭宽带网络故障诊断方法中的更新索引库的示意图；
图6为本申请实施例一提供的家庭宽带网络故障诊断方法中的搜索机制的示意图；
图7为本申请实施例二提供的家庭宽带网络故障诊断装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
实施例一：
多用户通过如图1所示的逻辑结构接入整个网络，每个用户都不是单一存在的，都是互通的。例如：一个楼层的用户归属一个二级分光器；一个楼的用户归属于一个一级分光器；一个小区的用户归属到一个olt。所以在进行故障判定的过程中，相邻用户的数据信息，对单一用户存在明确指导意义。
本发明实施例一提供了一种家庭宽带网络故障诊断方法，针对家庭宽带网络中的用户，从该用户的最低级关联设备起执行反向诊断，将该用户的最低级关联设备作为目标关联设备，其中每个用户具有多级关联设备，
其中，如图2所示，反向诊断可以包括下述步骤s1-s4：
s1、根据目标关联设备的指标数据，确认目标关联设备是否存在异常。若是，执行s2。若否，可以结束反向诊断。
s2、确定出该用户的相邻用户，其中，目标关联设备与相邻用户的同一级关联设备具有相同的上一级关联设备。
s3、根据相邻用户的同一级关联设备的指标数据，确认相邻用户的同一级关联设备是否存在异常。若是，执行s4。若否，可以结束反向诊断。
s4、将所述上一级关联设备作为目标关联设备，针对所述目标关联设备执行执行s1。
依照上述方法的逻辑依次完成“二级分光、一级分光、olt的无源光纤网络(passiveopticalnetwork，pon)口、olt的私有虚拟局域网(privatevirtuallocalareanetwork，svlan)、olt设备500、bas端口600、bas设备700”总共最多为七次迭代。在s1中，若目标关联设备正常，则结束迭代，此时若目标关联设备为用户的最低级关联设备，则确认为用户侧单一故障，若目标关联设备不是用户的最低级关联设备，则确认目标关联设备的下一级关联设备出现故障。在s3中，若同一级关联设备正常，则结束迭代，可以判定本次迭代过程中的s1中的目标关联设备出现故障。
具体的，当s1中的目标关联设备是用户中的任一个发生故障的用户1的最低级关联设备时，其同一级关联设备是和目标关联设备处于同级的用户1的最低级关联设备，目标关联设备是通过上一级关联设备和同一级关联设备产生关联的，例如最低级目标关联设备的上一级关联设备是二级分光，二级分光的上一级关联设备是一级分光，一级分光的上一级关联设备是olt的pon口300，olt的pon口300的上一级关联设备是olt的svlan400，olt的svlan400的上一级关联设备是olt设备500，olt设备500的上一级关联设备是bas端口600，bas端口600的上一级关联设备是bas设备700。循环执行上述s1至s4，直至bras设备或者当前的目标关联设备正常，结束。
例如，当依次从二级分光迭代到目标关联设备是处于olt的svlan400时，在执行s1时，目标关联设备异常，继续执行s2、s3，s3中目标关联设备的同一级关联设备是正常的，那么就可以判定此时的故障是出现在olt的pon口300，olt的svlan400及其上层是正常的，可以停止迭代。
通过查询用户关联的接入设备(onu100或者mdu200、olt、bras)的相邻用户上报的业务质量信息，根据同一分光器、pon口、pon板、bras上的是否有上报正常的业务质量指标，辅助判断分光器、pon口、pon板、bras是否正常，定界局内故障还是用户侧故障，以及确认故障具体是出现在哪个区域范围内。如果判定是用户侧单一故障，可以指导用户进行本机修复，非共性网络问题，不需要代维人员上门处理。本申请实施例通过单用户单节点的投诉或故障关联诊断相邻用户的宽带状态，避免了单纯依赖设备告警上报排障的单一手段，以点带面展现群体效应，从而更加精确的推理出网络故障的节点或区域，对传统的正向故障诊断进行有益的补充，降低用户的无效投诉、提升故障定界效率。
上述方法需要对目标关联设备的判定建立模型；该模型需对资源信息、告警信息、性能数据等100余种类型进行长期存储和检索，对于百万级用户量的省份而言数据量总量非常巨大。如果直接对数据指标进行操作性能十分低下，所以计算过程中通过lucene搜索引擎对单一节点建立信息模型，辅助进行提升大数据检索能力，此办法有效的提高了性能。
因此，如图3所示，s1之前还包括s101和s102：
s101：基于每个用户的多级关联设备建立索引库。
s101包括：查询多级关联设备的指标数据的集合，基于指标数据的集合来抽象告警、性能、流量三个维度指标，建立索引，并将索引存储在索引库中。数据库中的指标数据虽然是结构化的数据，但是没有分词处理，需建立字符串与文档的关系，为了建立关系则需要创建索引，并存储在索引库中。
s102：当用户的多级关联设备的指标数据更新时，基于更新后的指标数据，将索引库中的索引文档库同步更新。
如图4所示，上述s101具体包括：
打开连接：从指标数据的集合的连接池获取空闲连接。
查询数据：通过sql查询指标数据的集合中的结构化数据；为了降低数据库服务器负荷与i/o压力，采用分页查询方式获取数据。
字段映射：将指标数据的集合中的字段与对应值建立映射关系，得到映射字段。
词法分析：根据映射字段的对应值形成预设匹配条件，按照预设匹配条件将输入的字符串与机器字典词条进行匹配；如果在机器字典词条中找到当前字符串，则成功输出识别的词条。
语义分析：对映射字段的对应值按词条、句法、语义分析并行进行，利用句法、语义信息来处理分词的歧义。
词频统计：将映射字段的对应值全部合并，进行词频统计；相邻的字搭配出现的频率越多，就越有可能形成一个固定的词。对固定的词条进行权重计算进行排序，根据出现频次高的排在前面，出现频次低的排在后面。
创建索引：生成索引文档库，且将索引文档库保存到索引库中。
首次生成索引库实现了告警数据的全量同步，增量的数据同步需要由数据库触发器来完成，通过存储增量数据、发生变更通知等步骤实现。如图5所示，s102包括：
更新数据：通过告警上报消息更新指标数据的集合；
触发器存储增量数据：由数据库触发器将增量告警数据存储到变更表中；
发送变更通知：采用lucenu服务器获取增量告警数据；
返回增量数据：查询变更数据并返回；
词法分析：根据映射字段的对应值形成预设匹配条件，按照预设匹配条件将输入的字符串与机器字典词条进行匹配；
语义分析：对映射字段的对应值按词条、句法、语义分析并行进行，利用句法、语义信息来处理分词的歧义；
词频统计：将映射字段的对应值全部合并，进行词频统计；
更新索引：对原有索引库的索引文档库进行更新。
如图6所示，作为优选，本实施例中的家庭宽带网络故障诊断方法中的反向诊断包括：根据搜索机制进行反向诊断，其中，搜索机制包括：
输入查询字符串。
搜索索引：根据查询字符串，搜索索引。
搜索索引包括：对查询字符串进行词法分析来识别固定词条与关键字、根据查询语句的语法规则来形成一颗语法树、通过合并与差操作找到文档中的至少一种。
命中索引：查找索引，找到与查询字符串对应的文档；
输出统计分类搜索结果：对于输入单一词条的查询条件按告警的全字段进行统计，输出分类统计结果。
显示数据：显示分类统计结果。
查看分类搜索结果。
分类搜索请求：触发按分类结果二次搜索请求。搜索索引：按照分类搜索结果触发二次搜索请求。
搜索索引：按照分类统计结果进行二次词法、语义分析。
二次命中索引：查找索引，找到索引对应的文档。
输出结果：输出按分类条目词条命中的搜索结果显示到显示窗口，显示数据。
实施例二：
如图7所示，本发明实施例还提供了一种家庭宽带网络故障诊断装置10，所述装置10用于针对家庭宽带网络中的用户的故障诊断，从该用户的最低级关联设备起执行反向诊断，将该用户的最低级关联设备作为目标关联设备，其中每个用户具有多级关联设备，所述装置10包括：目标关联设备异常确认模块11、相邻用户确认模块12、同一级关联设备异常确认模块13、上一级关联设备异常确认模块14。该装置10的工作原理同实施例一，在此不一一赘述。
目标关联设备异常确认模块11，用于根据目标关联设备的指标数据，确认目标关联设备是否存在异常。
相邻用户确认模块12，用于在确定目标关联设备异常的情况下，确定出该用户的相邻用户，其中，目标关联设备与所述相邻用户的同一级关联设备具有相同的上一级关联设备。
同一级关联设备异常确认模块13，用于根据相邻用户的同一级关联设备的指标数据，确认相邻用户的同一级关联设备是否存在异常。
上一级关联设备异常确认模块14，用于在相邻用户的同一级关联设备的指示数据异常的情况下，将上一级关联设备作为目标关联设备，返回所述目标关联设备异常确认模块11。
作为优选，所述装置10还包括：索引库建立模块，索引库更新模块，索引搜索模块。
其中，索引库建立模块用于基于每个用户的多级关联设备建立索引库。索引库建立模块包括：查询单元，用于查询每个用户的多级关联设备的指标数据的集合；建立单元，用于基于指标数据的集合来抽象告警、性能、流量三个维度指标，建立索引文档库；存储单元，用于存储索引文档库至索引库中。还包括：结构提取单元，用于查询每个用户的多级关联设备的指标数据的集合中的结构化数据；字段映射单元，用于将指标数据的集合中的字段与对应值建立映射关系，得到映射字段；匹配单元，用于根据映射字段的对应值形成预设匹配条件，按照预设匹配条件将输入的字符串与机器字典词条进行匹配；索引库生成单元，用于对机器字典词条进行排序，按照出现频次从高到低顺序排列，生成索引文档库，且将索引文档库保存到索引库中。
索引库更新模块用于当用户的多级关联设备的指标数据更新时，基于更新后的指标数据，将索引库中的索引文档库同步更新。索引库更新模块包括：数据更新单元，用于根据每个用户的告警上报消息，得到增量告警数据，且将增量告警数据更新所述指标数据集；数据库触发器，用于将增量告警数据存储到变更表中；索引库更新单元，用于获取增量告警数据，根据增量告警数据建立增量索引文档库，并将增量索引文档库存储在所述索引库中。
索引搜索模块包括：输入单元，用于输入查询字符串；搜索单元，用于根据查询字符串，在索引库中搜索索引文档库，找到与查询字符串对应的索引文档库；输出单元，用于根据维度指标中的至少一种，将查询字符串对应的索引文档库分类统计，输出分类统计结果。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。