新一代云网融合数据中心关键技术研究

云网融合是通信技术和信息技术深度融合发展的必然趋势,国家政策、市场和技术等各方面推动着云网体系架构从云网协同向云网一体的融合架构演进。以云网融合为代表的新型数据中心是产业的发展方向,伴随着业务的拓展,迫切需要关键技术的革新。从云网融合数据中心演进趋势出发,阐述了新业务与新挑战,研究分析了新一代云网融合数据中心的关键技术。

对云网融合的几点思考

进入数字时代,现有云网分离的传统架构已无法满足数字经济蓬勃发展带来的一体化云网服务需求。云网融合作为新型基础设施建设的重要底座,是推动全球数字化转型的必然选择,也是信息通信技术发展的自然趋势。重点分析云网融合产生的背景与发展趋势,深度探讨云网融合的发展逻辑,给出云网融合重要表现形式。通过给出具有云网融合思维的多个新场景,提出包含新业务、新网络、新计算与新管控的云网融合发展愿景,并指出云网融合面临的关键挑战。

基于无监督学习的无线网络性能异常检测方法

在无线网络的实际运营中,性能异常检测主要依靠人工规则和阈值,对网络容量和覆盖等进行判断,检测手段单一,难以适应复杂多变的无线网络变化趋势。针对该问题,就无线移动网络性能异常的诊断识别问题,给出了三类通用的检测方法,分别为基于统计特征的异常检测、基于密度的异常检测以及基于聚类的异常检测,并选取现网性能指标数据,对三种算法进行评估分析,结果表明,基于聚类的异常检测算法在对无线网络诊断识别上效果最好。

一种基于神经网络的alarm2vec告警压缩算法

告警压缩是在网络故障告警的相关性分析中,发现告警间的关联性,从而减少告警数量,获取有用信息,根据已建立的告警知识库快速准确地对其进行分析推理,获取根源故障,从而确定网络设备或网络功能故障,完成故障定位。针对该场景,提出了一种基于神经网络的alarm2vec算法,并结合极大团图挖掘告警间的关联规则,实际网络告警数据实验结果表明,该方法相对原始数据,实现39.85%的告警压缩率,对告警数据信息进行了有效压缩。