5G专网网络业务质量主动探测研究与实现

对5G专网网络业务质量主动探测进行研究与实现。采用集中式部署,在测试中心远程控制多个网络接口的自动化测试,基于测试数据记录,进行质量实时监控预警,利用图数据库和二叉决策树对预警事件进行推理分析,对故障点进行定界定位。针对现有网络质量监测现状进行对比分析研究,针对不同的要素进行解决方案适配。通过客户切片模拟方式对5G专网网络进行端到端业务质量主动探测,能够快速实时感知业务质量劣化,有效提升运维效率;采用基于图模型的串行探测诊断方法,抽象网络拓扑,先通过端到端探测,然后分段探测诊断,快速对故障落点进行定位,提高排障效率。

基于贝叶斯模型的IP网拥塞链路诊断算法

通过端到端路径的性能判断IP网络运行状态的方法可以以较小的代价诊断网络故障,但目前已有的端到端技术仍然存在两个主要问题:1)端到端的探测数量不足以准确定位每条链路的拥塞状态;2)随着网络规模的扩大,诊断所消耗的计算时间过长,无法达到实时性的要求。为解决以上问题,提出一种基于贝叶斯模型的高效拥塞链路诊断算法。所提算法将拥塞定位问题建立成贝叶斯模型,将模型进行二次化简,并限制了同时发生拥塞的链路个数,从而在保证一定准确度的基础上大大降低了推理的计算复杂度。通过仿真与Planetlab实验将所提算法与Clink算法进行了对比,实验结果证明,所提算法具有更高的诊断准确度和更短的诊断时间。