（通信与信息系统专业论文）无线自组织网络故障管理系统设计与实现.pdf

摘要 摘要 无线自组织网络 m 糨 是一种不依赖固定基础通信设施的特殊无线网络 它从功能上和本质上与传统的有线网络迥然不同 同时与蜂窝网络和无线局域网 等其他无线网络也有显著不同 目前学术界投入了大量的精力来研究无线自组织 网络 但是绝大部分研究都是关于路由 移动性管理等组网技术 而有关其网络 管理的研究非常少 目前组网技术的研究已经接近成熟 很多研究学者或机构陆 续提出了相关的协议标准 为了无线自组织网络能够尽快在紧急灾难救援和临时 集会等场合应用 故障管理作为网络稳定通信的保障技术就变得越来越重要 目 前故障管理的研究成果大多数是基于有线网络的 依赖确定性的网络故障模型和 正确完整的故障征兆信息 这些条件对于m a n e t 是很难甚至无法得到满足的 现在 也有少数有关m a n e t 故障管理的论文发表 但是这些算法或系统存在着 效率低 网络通信开销大等缺点 因此 有必要研究并实现一种专门针对m a n e t 的故障管理系统 本文将人工神经网络技术应用于无线自组织网络的故障诊断中 同时 针对 传统的b p b a c kp r o p a g a t i o n 神经网络训练算法收敛速度缓慢 易陷入局部最小 值等缺点 提出了一种基于遗传算法g a g e n e r i ca l g o r i t h m 的神经网络改进训 练算法一混合g a b p 算法 实验结果表明 混合算法可以加快b p 神经网络的收 敛速度 避免陷入局部最小值并能提高故障诊断正确率 为了有效收集网络故障 征兆信息并尽量不增加系统通信开销 本文设计了基于 n m p 的分级故障数据采 集系统 最后 使用j a v a 语言在在l i n u x 系统环境实现了该系统 在实际无线自 组织网络环境下测试了该故障管理系统故障征兆信息收集和实时故障诊断功能 测试结果表明该系统可以达到预期的设计目标 关键字 m a n e t 无线自组织网络 故障诊断 b p 神经网络 g a 遗传算法 s n m 口 j a v a l i n u x a b s t r a c t m o b i l ea dh o cn e t w o r k m a n e t i ss p e c i f i cw i r e l e s sn e t w o r kw i t h o u tf i x e d i n 丘a s t r i 咖r e i td i f f e r sf u n d a m e n t a l l yi nb o t l lf u n c t i o n a l i t ya n dc a p a b i l i t yf r o mw i r e d n e t w o r ko rw i r e l e s sl a n as i g n i f i c a n ta m o u n to fr e s e a r c hh a sb e e nd e d i c a t e dt ot h e d e v e l o p m e n to fm a n e t h o w e v e r m o s t o ft h er e s e a r c he f f o r t sh a v e b e e nc o n c e n t r a t e d o nf u n d a m e n t a ln e t w o r k i n gi s s u e ss u c ha sr o u t i n ga n dm o b i l i t ym a n a g e m e n t r a t h e r t h a nm a n a g e m e n t n o w t h et e c h n o l o g i e sf o ri m p l e m e n t i n ga n dd e p l o y i n gm a n e ta r e b e c o m i n gm o r em a t u r ea n ds t a n d a r d sf o ra dh o cn e t w o r k i n ga r ee m e r g i n g i ti st i m et o p a ya t t e n t i o nt om a n a g e m e n ti s s u e s d u et ot h ee m e r g i n gn e e df o rr a p i dd e p l o y m e n to f m a n e ti na r e a ss u c ha st e m p o r a r yc o n f e r e n c ea n dd i s a s t e rr e c o v e r y f a u l tm a n a g e m e n t t h a tg u a r a n t y sr o b u s tn e t w o r kc o m m u n i c a t i o ns e r v i c eb e c o m e sm o r ei m p o r t a n t h o w e v e r m o s te x i s t i n gf a u l tm a n a g e m e n tm e t h o d sa r ed e s i g n e df o rw i r e dn e t w o r k s a s s u m i n gs t a t i cd e t e r m i n i s t i cn e t w o r ke l e m e n t sd e p e n d e n c ym o d e la n di n f o r m a t i o n t h e s ea s s u m p t i o n sc a nn o tb em a d ei nm a n e td u et oi t ss t o c h a s t i cn a l 玎e a l t h o u g h s e v e r a ln e wf a u l tm a n a g e m o t rm e t h o d sw o r es u g g e s t e df o rm a n e t t h e ys u f f e rf i o m l o we f f i c i e n c y a n dl a r g ec o m m u n i c a t i o no v e r h e a d c o n s e q u e n t l y i ti si m p e r a t i v et o d e s i g ns p e c i f i cf a u l tm a n a g e m e n tf o rm a n e t w ea p p l i e da r t i f i c i a ln e u r a ln e t w o r kt e c h n i q u et of a u l tm a n a g e m e n ti nm a n e t h o w e v e r t r a d i t i o n a lb a c k p r o p a g a t i o n0 3 p n e u r a ln e t w o r ks u f f e r sl o c a lm i n i m u t n p o i n tt r a p p i n gp r o b l e m t oo v e r c o m ei t w ec o m b i n e sg e n e r i ca l g o r i t h m g a a n db p a l g o r i t h mt od e s i g nah y b r i dg a b pt r a i n i n ga l g o r i t h m t h ee x p e r i m e n tr e s u l t ss h o w t h a tt h eh y b r i ds o l u t i o ni ss u p e r i o rc o m p a r e dw i t ht h et r a d i t i o n a lb pa l g o r i t h m t o e f f e c t i v e l yc o l l e c tf a u l ta l a r m sw h i l em a i n t a i n i n gl o wo v e r h e a d ah i e r a r c h i c a lf a u l t i n f o r m a t i o nc o l l e c t i o ns y s t e mb a s e do ns n m pi sd e s i g n e d u n d e rl i n u xo s w e i m p l e m e n tt h i sf a u l tm a n a g e m e n ts y s t e ma n dt h e nt e s ti ti nr e a lm a n e t e n v i r o n m e n t t h er e s u l t ss h o wt h i ss y s t e mp e r f o r m sw e l la n dc a na c h i e v et h ed e s i g ng o a l k e yw o r d s m a n e t f a u l td i a g n o s i s b pn e u r a ln e t w o r k g aa l g o r i t h m s n m p j a v a l i n u x i i 图表目录 图表目录 图1 1m o b i l ea dh o cn e t w o r k 1 图2 1 集中式故障管理系统 9 图2 2 分层式网络故障管理系统 1 1 图2 3 分布式网络故障管理系统 1 2 图2 4 基于比较的完全分布式故障诊断系统 1 3 图2 5 故障诊断所用的自适应生成树 15 图2 6 群首向群成员发送测试请求报文 1 5 图2 7 分群的有合作的分布式故障管理系统 1 6 图2 8 基于分层的协作分布式m a n e t 故障管理系统 1 7 图2 9 故障征兆信息收集与管理信息交换示意图 1 9 图2 1 0 故障诊断过程示意图 2 0 图3 1s n m p 系统协议栈 2 2 图3 2 基于s n m p 的数据采集子系统 2 3 图3 3s n m p 管理者与代理通信模型 2 3 图3 4 故障征兆信息收集系统流程图 2 6 图3 5 故障征兆数据表 2 6 图4 1 神经元模型 3l 图4 2 三层的b p 神经网络 3 1 图禾3 遗传算法流程图 3 4 图4 4 混合g a b p 算法流程图 3 8 图4 5 模块运行逻辑图 4 1 图4 6b r a i n 类内部流程图 4 2 图4 7g ar u n n e r 类的内部流程图 4 3 图4 8 模块运行逻辑图 4 5 图4 9m a i n f a u l t a n a l y s i s 类工作流程图 4 5 图4 1 0 训练样本数据表结构 4 6 图4 1 l 已训练神经网络结构参数表 4 6 v 图表目录 图4 1 2 已训练神经网络隐含层权值表 4 6 图4 1 3 已训练神经网络输出层权值表 4 7 图4 1 4 故障诊断结果表 4 7 图5 1 星型拓扑 一4 8 图5 2 混合g a b p 算法训练结果示意图 5 1 图5 3 单纯b p 算法训练结果示意图 51 图5 4 网络业务分布 5 2 图5 5 网络业务分布 5 3 图5 6 网络业务分布 5 4 图5 7 网络业务分布 5 4 图5 8 测试网络拓扑图 5 6 图5 9 无线接口输出流量统计 5 7 图5 1 0 无线接口输入流量统计 5 7 图5 1 1 无线接口输出流量统计 5 8 图5 1 2 无线接口输入流量统计 5 8 图5 1 3 无线接口输出流量统计 5 9 图5 1 4 无线接口输入流量统计 6 0 图5 15 无线接口输出流量统计 6 1 图5 1 6 无线接口输入流量统计 6 1 图5 1 7 无线接口输出流量图 6 2 图5 18 无线接口输入流量图 6 2 图5 19s n m p 输入报文变化图 6 4 图5 2 0s n m p 输出报文变化图 6 4 图5 2 1s n m p 输入报文变化图 6 4 图5 2 2s n m p 输出报文变化图 6 5 图5 2 3s n m p 输入报文变化图 6 5 图5 2 4s n m p 输出报文变化图 6 5 图5 2 5s n m p 输入报文变化图 6 6 图5 2 6s n m p 输出报文变化图 6 6 图5 2 7s n m p 输入报文变化图 6 6 图5 2 8s n m p 输出报文变化图 6 7 图5 2 9s n m p 输入报文变化图 6 7 v i 图表目录 图5 3 0s n m p 输出报文变化图 6 7 图5 31s n m p 输入报文变化图 6 8 图5 3 2s n m p 输出报文变化图 6 8 表5 一l 离散化后的故障诊断训练样本表 5 0 表5 2 训练神经网络结构结果 5 0 表5 3 故障诊断延迟时间度量值 单位为秒 5 3 表5 4 故障诊断延迟时间度量值 单位为秒 5 3 表5 5 故障诊断延迟时间度量值 单位为秒 5 4 表5 6 故障诊断延迟时间度量值 单位为秒 5 5 表5 7 故障正确率测试结果 5 5 表5 8r u d e 报文 5 5 表5 9 各节点实时输出流量表 b i t s 5 7 表5 1 0 各节点实时输入流量表 b i t s 5 8 表5 1 1 各节点实时输出流量表 b i t s 5 9 表5 1 2 各节点实时输入流量表 b i t s 5 9 表5 1 3 各节点实时输出流量表 b i t s 6 0 表5 1 4 各节点实时输入流量表 b i t s 6 0 表5 1 各节点实时输出流量表 b i t s 6 l 表5 1 6 各节点实时输入流量表 b i t s 6 2 表5 1 7 各节点实时输出流量表 b i t s 6 3 表5 1 8 各节点实时输入流量表 b i f f s 6 3 表5 1 9 无u d p 业务下的s n m p 延迟统计表 单位为毫秒 6 8 表5 2 02 0 p a c k e t s su d p 业务下的s n m p 延迟统计表 单位为毫秒 6 9 表5 2 l4 0 p a c k e t s su d p 业务下的s n m p 延迟统计表 单位为毫秒 6 9 表5 2 26 0 p a c k e t s su d p 业务下的s n m p 延迟统计表 单位为毫秒 6 9 表5 2 38 0 p a c k e t s su d p 业务下的s n m p 延迟统计表 单位为毫秒 6 9 表5 2 41 0 0 p a c k e t s su d p 业务下的s n m p 延迟统计表 单位为毫秒 6 9 表5 2 51 2 0p a c k e t s su d p 业务下的s n m p 延迟统计表 单位为毫秒 7 0 v 缩略词表 a o d v b p c b c d c b f d d c f g a h n n i d r m u 口 j d b c m a c 嗄a 套i e t m i b n m s n n o l s r q o s r c a s d r s n m p t c p t r p t r q u d p 缩略词表 a dh o co nd e m a n dd i s t a n c ev e c t o r b a c kp r o p a g a t i o n c l u s t e rb a s e dc o m p a r i s o nd i a g n o s i s c o m p a r i s o nb a s e df a u l td i a g n o s i s d i s t r i b u t e dc o o r d i n a t i o nf u n c t i o n g e n e r i ca l g o r i t h m h o p f i e l dn e u r a ln e t w o r k i pp a c k e td r o pr a t i o i n c r e m e n t a lh y p o t h e s i su p d a t i n g i n t e m e tp r o t o c o l 3 删ad a t a b a s ec o n n e c t i v i t y m e d i aa c c e s sc o n t r o l m o b i l ea dh o en e t w o r k m a n a g e m e n ti n f o r m a t i o nb a s e n e t w o r km a n a g e m e n ts t a t i o n n e u r a ln e t w o r k o p t i m i z e dl i n ks t a t er o u t i n g q u a l i t yo fs e r v i c e r o o tc a u s e a n a l y s i s s u p p l yd e m a n dr a t i o s i m p l en e t w o r km a n a g e m e n tp r o t o c o l t r a n s m i s s i o nc o n t r o lp r o t o c o l t e s tr e s p o n s e t e s tr e q u e s t u s e td a t a g r a mp r o t o c o l v l u 按需距离矢量路由 反向传播 基于簇的比较诊断 基于比较的故障诊断 分布式协调功能 遗传算法 霍普菲尔德神经网络 i p 报文丢弃率 渐增假设更新 网际协议 j a v a 数据库接口 媒介接入控制 移动自组织网络 管理信息库 网络管理站 神经网络 最优化链路状态路由 服务质量 根原因分析 供需比 简单网络管理协议 传输控制协议 测试相应 测试请求 用户数据报协议 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果 据我所知 除了文中特别加以标注和致谢的地 方外 论文中不包含其他人已经发表或撰写过的研究成果 也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意 签名 尊广苍 日期 年月日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留 使用学位论文 的规定 有权保留并向国家有关部门或机构送交论文的复印件和磁 盘 允许论文被查阅和借阅 本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索 可以采用影印 缩印或 扫描等复制手段保存 汇编学位论文 保密的学位论文在解密后应遵守此规定 笨幺 董j 二点 签名 罗 一 导师签名 日期 年 月日 第一章引言 1 1 研究背景及意义 第一章引言 1 1 1 移动自组织网络m a n e t 简介 移动自组织网络 m a n e t 是没有任何固定基础设施可依赖的无线网络 因 此 它不能像蜂窝网络依赖基站或无线局域网依靠无线接入点那样向世界的其他 地区中继通信 它们可以被用于紧急救助 灾难救援 音乐会和会议等临时场合 在这些没有任何基础设施的地区快速布设通信的迫切需要 促使m a n e t 的重要 性快速提升 m a n e t 可由几个甚至成百上千个性能和通信需求都迥然不同的节点 所构成 图1 1 所示的就是一个由七个无线节点构成的m a n e t 其中每个节点都 兼具普通终端和路由器的功能 节点在处理本身的通信之外 还需要为网络中的 其他节点中继数据 m a n e t 节点 图1 1m o b i l ea dh o cn e t w c l r k m a n e t 具有巨大的潜在商用价值 为了有效的部署和维护这样的网络 需要 合适的网络管理技术和工具 m a n e t 在功能上和性能上都与有线网络和其他无线 电子科技大学硕士学位论文 网络迥然不同 这些差异已经激发了有关移动自组织网络的大量研究 但是现有 的绝大多数研究都是针对m a n e t 的基础组网技术而非网络管理 这主要是因为 m a n e t 是比较新颖的无线网络 过去 研究者们把主要精力都放在了m a n e t 的 基础性组网技术上 包括路由 移动性管理 传输机制等方面 但是现在实现和 部署m a n e t 的技术已经变得越来越成熟 是时候来研究高效网络管理技术了 1 1 2m a n e t 故障管理面临的挑战 m a n e t 网络与有线网络相比 在功能上和性能上都具有根本性的差别 这源 于一系列的原因 包括节点的随机移动 不可预知的网络拓扑动态变化 波动的 链路质量 有限的处理能力和电池容量限制等等 所有这些都导致了底层网络需 要在功能上和管理上做出巨大的改变 另外与有线网络不同的是 m a n e t 中网络 元素之间没有固定的依赖模型或关系 节点的移动 网络链路质量具有动态变化 和不可预知的特征 导致了网络拓扑的动态变化 最后 一个关键的问题是无线 网络带宽资源的稀缺 与具有丰富带宽资源和稳定链路的有线网络不同 移动自 组织网络的网络带宽非常有限 并且由于环境因素而比较不可靠 m a n e t 的研究 所要面临的挑战如下 如上所述 在m a n e t 中没有任何固定基础设施 这就意味着m a n e t 中的 每个节点都要参与路由过程 尽管某些m a n e t 例如传感器网络的节点可能是静止的 一般m a n e t 节点 都是可以移动的 这意味着m a n e t 的拓扑是动态变化的 这为链路调度 路由 节点分群等制造了障碍 m a n e t 节点的电池能量 c p u 资源和存储能力均有限 在为其设计协议和 服务的时候 需要考虑这些限制条件 虽然蜂窝网络的手机和无线局域网络的无 线终端也有能量和处理能力的限制 但是在m a n e t 中这些限制的影响更大 这 是因为m a n e t 节点除了具有终端功能外还要具备路由功能 当一个节点承载 m a n e t 的路由业务时 它的故障就可能影响到其他节点的正常工作 相比之下 无线局域网络或蜂窝网络中的终端故障仅仅影响使用这个终端的用户 同时 蜂 窝基站和无线局域网接入点没有能量和处理能力限制 因此它们能够为网络中的 其他节点继续提供服务 由于移动和有限的电池能量 m a n e t 中的节点可能经常会脱离网络 当一个 节点移出了其他节点的传输范围 就不再能够和它们进行通信 与此相似的是 2 第一章引言 当一个节点的电池能量有限而想节省能量的话 它就可以周期性的关机或休眠而 脱离网络 这就会妨碍网络中的其他节点 因为它们还要依赖这个节点的路由服 务 m a n e t 网络基于无线链路通信 因此需要安全的空中通信机制来防范窃听 安全机制强度根据应用的不同而改变 例如公司内部会议将比紧急灾难救援场合 需要更严格的安全机制 与现在具有丰富带宽资源和可靠链路的有线网络不同 m a n e t 网络的特点就 是无线带宽有限 这带来了高带宽因特网环境中所没有的很多挑战 因为带宽有 限 设计m a n e t 的协议和管理机制的一个关键考虑因素就是节省通信开销 尽 管蜂窝网络和无线局域网也存在带宽稀缺的问题 但是蜂窝网络和无线局域网络 中带宽的限制问题仅限于数据链路的 接入 部分 例如从手机到蜂窝基站或者 是从便携电脑和其他8 0 2 1 1 设备到无线接入点的网络带宽有限问题 相比之下 m a n e t 节点间所有链路都存在着这个问题 这也导致了所有网络流量所经过链路 的带宽都是紧张的 与因特网不同 高丢失率和不可靠的链路质量是m a n e t 的常态而不是偶然 事件 这使得现有因特网协议的很多基础假设条件不再成立 例如 t c p 协议最 初设计时的一个假设是任何报文丢失都是由网络拥塞引起的 因此当报文丢失的 时候 t c p 就会依据拥塞控制机制来减少发送窗口 但是这对于m a n e t 却不再 适用 m a n e t 链路的嘈杂和不可靠特性使得它的网络管理比传统网络面临更多的 挑战 有线网络故障管理系统使用的一种根原因分析 r c a 技术依赖确定性故 障模型 需要有关故障征兆的完整信息 但是 由于m a n e t 链路天然的嘈杂特 性 对于r c a 算法能够获得所有故障征兆信息的假设是不现实的 这是因为故障 报告和征兆在传输中可能会丢失 另外由于m a n e t 的拓扑动态变化特点 其所 使用的r c a 算法必须具有随机特质而不能像有线网络一样具有预先决定性要求 1 1 3m a n e t 故障管理系统的需求 如前面章节所述 由于底层是无线信道 m a n e t 本质上是高度动态变化的 无线链路容易因为节点移动而连接中断 对于安全性和可靠性的严格要求以及网 络的动态变化特性激发了对于网络自组织 自配置和自修复能力的研究 传统的 集中式网络管理方案指定一台管理主机收集网络信息 同时网络管理员分析采集 3 电子科技大学硕士学位论文 到的数据并通过网络发布管理决策 这种模型的有效性依赖稳定的网络连接和充 裕的网络负载能力 正如现在的因特网所提供的 它同时也依赖相对稳定的网络 状况 仅需要适量的人为干预 但是由于移动节点所带来的网络动态性和带宽的 不稳定性 这种管理模型不适用于m a n e t m a n e t 与有线网络迥然不同的特性 刺激了大量的关于其他替代网络管理模型的研究 因为节点的移动性和由此带来 的动态变化的网络拓扑 m a n e t 的管理任务牵扯到频繁的网络配置 网络节点的 电池能量和存储空间往往有限 它们的无线信道的负载和质量也由于天气 地形 树木枝叶等环境因素而动态变化 这些挑战导致了对于一种专门适合m a n e t 的 管理体系的需求 在1 1 2 节阐述了m a n e t 网络的故障管理所要面临的挑战 本节主要论述由 此产生的对于故障管理系统的特殊要求 m a n e t 管理系统的一个最重要的指标就是把所用无线带宽最小化 如前所 述 由于有限的无线信道负载能力和波动的链路质量 m a n e t 仅有稀少的带宽 因此 需要尽量减少各种类型的管理开销而把带宽资源提供给网络业务 为了减少管理带宽占用 就需要将本地管理功能最大化 因此m a n e t 的管 理必须是分布式的 这样就会减少经无线信道发送的管理信息 这与很多有线网 络特别是小型和中型的企业级网络把网络管理功能集中的做法形成鲜明的对比 由于m a n e t 网络的高动态性 它会比静态有线网络更加频繁的进行重新配 置 因此 它需要自动重配置而不是人工对节点进行配置 本质上不可靠的无线链路引起信息分散方式根本性的改变 如前所述 现有 的因特网协议例如t c p 协议在m a n e t 这样高丢失网络环境中的表现不佳 因此 m a n e t 需要不依赖传输层协议例如t c p 来传播管理信息的生存性强的机制 尽管m a n e t 的管理必须是分布式的 网络节点间仍需要共享少量管理信息 这是为了故障关联或是查看网络状态 因此 m a n e t 中的节点需要被分级组织起 来报告管理信息 由于网络的动态性 这种分级必须也是适应动态变化的 m a n e t 节点必须能够把它们自动组织成自形成 自维护的管理分级结构 由于m a n e t 的高动态性 任何网络管理系统必须能够根据当时的网络条件 进行改变 因为网络条件不可预知 网络管理系统必须考虑当前的网络条件并调 整自己 具体来说 m a n e t 的管理系统应当适应网络的动态变化并在资源波动的 情况下提供业务q o s 保障 例如 如果网络的可用带宽资源由于天气恶化而急剧 下降的时候 管理系统需要暂时性减少节点间管理信息的交换直到网络条件得以 改善 4 第一章引言 1 2 国内外研究现状 故障管理是网络管理系统的核心功能 其中最关键部分就是故障诊断技术 在有线网络的故障诊断领域 已有很多成熟的研究成果 常见的故障诊断方法可 以分为基于人工智能的 基于模型遍历的和基于图论的技术 人工智能技术又分 为专家系统 神经网络 决策树和免疫系统等 基于图论的技术又可分为基于代 码本的 基于贝叶斯网络的和渐增故障假设更新技术 大部分故障诊断技术都需 要确定的故障模型和完整 正确的故障警告信息 但是由于与传统的有线网络相 比移动自组织网络天生具有不确定性 使得有线网络中的故障诊断技术很难直接 应用到m a n e t 中 由于移动自组织网络的新颖性 高度动态变化和不可预知等特性 吸引了很 多研究者的注意 但是目前的研究主要集中于基础组网技术研究 包括蓝牙 红 外 多天线等物理层技术 8 0 2 1 1 d c f 为代表的m a c 层研究 a o d v 和o l s r 等 路由技术 移动性管理等 相比之下 对于网络管理的研究就很少 但是目前关 于基础组网的研究已经接近成熟 很多有关路由等组网技术的标准被陆续提出 为了把m a n e t 的应用尽快普及来满足急救 临时会议和在缺乏基础设施的地区 紧急布设网络的要求 迫切需要开展对于m a n e t 的管理技术尤其是故障管理技 术的研究 目前国内外对于m a n e t 故障管理的研究比较少 发展也不成熟 s t e f a n o c h e s s a 和p a o l os a n t i 于2 0 0 1 提出了一种专门针对m a n e t 的在一对多通信模式 下基于比较的故障诊断c b f d 的算法模型与实现 2 1 c b f d 是一种分布式的a dh o c 网络故障诊断算法 其大概思想是网络中的每个无故障的节点也称测试节点周期 性的或根据需要向一跳邻居节点广播一个测试任务请求报文 然后它就等待接收 邻居节点发回的测试响应报文 收到后与预先设定的答案比较来判断节点的状态 如果在规定时间内没有收到某个邻居节点的响应报文 就判断这个邻居节点发生 了硬件故障 在将所有邻居判断完毕后 此测试节点会把包含所有邻居状态的报 文向全网洪泛广播并同时接收其他测试节点的报文完成整个故障诊断过程 但是这种算法具有严重缺陷 首先 c b f d 算法假设诊断测试过程中网络拓扑 稳定不变 如果拓扑发生变化 那么该算法对于超时未应答的节点 不能判断是 节点硬件故障还是它移出了测试节点有效通信范围 因此该算法在拓扑变化的情 况下不能对所有节点做出正确判断 其次 当网络中某个节点收到其他节点对某 次测试任务的响应报文的时候 也可能会触发其自身称为测试节点 这样会导致 5 电子科技大学硕士学位论文 对节点的重复诊断 另外 c b f d 是一种分布式算法 网络中的所有故障的节点都 可以向邻居发起测试请求 这会导致很多节点被重复测试 同时 测试完成后节 点会向全网洪泛它的邻居故障信息 这会造成很重的网络通信开销 m o u r a de l h a d e f a z z e d i n eb o u k e r c h e 和h i s h a me l k a d i k i 为解决c b f d 算法 洪泛邻居测试结果信息造成网络负载过重的问题 参考c b f d 设计了一系列基于 生成树的比较算法 3 4 1 e l h a d e f 等人的算法在一跳邻域内的故障比较诊断过程与 c b f d 基本相同 但是本地故障诊断信息的扩散不是采用洪泛方式而是使用在网络 建立初期生成的自适应生成树 叶子节点将邻居故障信息沿着自适应生成树向父 节点传播 最终根节点会得到全网节点的状态信息 然后根节点把全网的状态沿 着自适应生成树向下传播到所有叶子节点 这种算法可以减少洪泛邻居故障信息 带来的通信开销 但是自适应生成树的维护也需要通信开销 其次 这种算法没 有解决节点被重复诊断的问题 另外 这种基于自适应生成树的诊断方法会带来 较长的诊断潜伏期 增加了时间复杂度 李冬妮和王光兴 5 6 研究了m a n e t 的故障诊断问题 基于c b f d 算法提出了 利用网络分级的 基于群的比较诊断算法 c b c d 其针对 基于比较的故障诊断 算法 系统开销大和诊断期间网络由于拓扑变化导致部分节点无法诊断的缺陷 利用群首对诊断过程的集中控制功能 减小了诊断过程的系统开销 并突破了诊 断期间要求网络拓扑不变的限制 与分布式的c b f d 算法不同 该算法首先利用 群首作为本群内诊断的集中控制单元 对本群的成员节点采用c b f d 方式进行诊 断 然后利用群首组成的逻辑子网完成对群首的诊断 在网络规模较大时 c b c d 明显优于c b f d 算法 首先 c b c d 算法中一个群内的节点都由群首集中诊断 故障诊断的触发是由一个群到另一个群 而不像c b f d 是由一个节点到另一个节 点 因此测试节点的数量大大减少 同时诊断信息通信开销也随之减少 其次 c b f d 中每个正常节点都会产生邻居故障信息报文并洪泛到全网 而c b c d 的邻 居故障信息仅仅在群首之间进行广播 m a i t r e y an a t u 和a d a r s h p a ls s e t h i t 7 在2 0 0 5 年提出了一种适用于移动自组织网 络的自适应故障定位算法 这种算法针对m a n e t 中节点移动导致拓扑动态变化 网络环境复杂 故障与告警关系不确定的问题 改进了需要确定故障模型的渐增 故障假设i h u 算法 这个算法可以适应网络故障模型的变化 它采用的算法模型 考虑了暂时性信息把时间与故障告警关系联系起来 可以显示故障依赖模型与每 个具体故障告警的关联程度 它的故障关联算法与传统的i h u 不同 可以适应故 障模型的动态变化 在收到故障告警并使用故障依赖模型处理后 会根据收到的 6 第一章引言 拓扑变化信息修改假设 此算法根据概率故障依赖模型和暂时性信息来计算各种 故障原因的可能性大小 后来 他们与d a ns t e r n e 等人合作研究一种分层的m a n e t 故障诊断系统 8 主要是利用网络分层来实现高效故障告警信息收集和尽量在最低 层次诊断故障的目标 以此来减少诊断和传播故障告警的通信开销 r i t uc h a d h a 和l a t h ak a n t 于2 0 0 7 年 9 提出了一种跨层的基于策略的m a n e t 管理系统 其中的故障管理模块论述了故障管理功能和操作过程模型 网络故障 警告信息监测 根原因分析技术和自恢复技术 他们使用了改进的贝叶斯网络来 进行m a n e t 的故障根原因分析 以上所述的故障诊断算法虽然从不同角度来尝试解决m a n e t 中的故障诊断 问题 但是依然存在各种各样的问题 c b f d 算法以及相关的改进算法均存在着网 络开销大的问题 最主要的是这一系列算法只考虑了节点是否故障 却不能对故 障节点作进一步的故障分析和诊断 而在实际应用中 对故障类别的判定是必须 的 这就需要更加智能的诊断模型和方法 而m a i t r e y an a t u 和a d a r s h p a ls s e t h i 的改进型i h u 故障诊断算法和砒t i lc h a d h a 和l a t h ak a n t 的改进贝叶斯算法仍然 不能完全适应m a n e t 的故障模型不确定性和动态变化 故障告警信息不完整甚 至不正确的挑战 因此需要更加智能的故障诊断模型和方法来适应不确定并高度 动态的m a n e t 在随后的章节中 我们将会介绍一种新的故障管理模型和故障诊 断算法 1 3 本文主要工作 在分析 研究和比较了目前网络故障管理所采用的体系结构的基础上 结合 分层m a n e t 网络的特点 本文提出了分层分布式故障管理体系结构 根据无线自组织网络的特点和故障管理系统的需求 设计了网络故障信息采 集和存储机制 利用开源软件n e t s n m p 软件作为收集网络故障征兆信息的本地 代理 利用p e r l 语言与n e t s n m p 和m y s q l 的成熟的接1 3 程序 编写了管理者 收集代理节点故障征兆信息并存入m y s q l 数据库的程序 为了存储故障征兆信 息 诊断结果 神经网络结构和权值等信息 设计了相应的m y s q l 存储表格结构 利用j a v a 语言的j d b c 模块实现了故障征兆信息和神经网络结构和权值存取的功 能模块 在分析比较了目前故障诊断算法后 提出了将b p 神经网络应用到m a n e t 网 络的故障诊断中 针对传统b p 训练算法收敛速度慢并且易于陷于局部最小值的缺 7 电子科技大学硕士学位论文 点以及g a g e n e r i c a l g o r i t h m 遗传算法的广泛应用 本文提出了一种混合b p g a 训练算法用来训练神经网络 给出了算法的具体流程并用j a v a 语言实现了该算 法 最后通过试验验证了b p g a 算法 应用于网络故障诊断时 与单独的b p 算 法相比较收敛速度更快 搜索全局最优解成功率高并且提高了故障诊断成功率 在实际无线自组织网络环境中对实现的故障管理系统进行功能和性能测试 并对结果进行了分析 试验表明该系统已能满足设计的要求 它能自动周期性的 获取网络中节点的故障征兆信息 利用训练好的神经网络进行诊断 并且将诊断 结果存储到m y s q l 数据库中 1 4 本文组织架构 本文主要工作和组织结构如下 第一章 介绍了m a n e t 网络 它的故障管理面临的挑战与要求 接着介绍 了国内外对于m a n e t 网络故障管理的研究现状 第二章t 首先介绍了现有的网络故障管理体系结构 然后根据无线自组织网 络的特点和对故障管理的需求设计了分层分布式网络故障管理系统结构 简要介 绍了管理信息收集子系统和故障诊断子系统 第三章 介绍了基于s n m p 的故障信息收集模块的设计与实现 首先介绍了 s n m p 协议 然后具体叙述了信息收集子系统的设计与实现 第四章 首先介绍了常见的网络故障诊断算法 b p 神经网络及训练算法和 g a 遗传算法 提出了应用b p 神经网络于无线自组织网络故障诊断的设想 以及 混合g a b p 训练算法及其优点 最后介绍了混合g a b p 神经网络训练算法模块 和故障诊断模块的实现 第五章 在实际m a n e t 环境下运行了该故障管理系统 对故障管理系统进 行功能测试和性能测试 并给出了试验结果分析 第六章 全文的总结 并提出了对进一步研究的展望 最后是致谢和参考文献 8 第二章无线自组织网络故障管理系统设计 第二章无线自组织网络故障管理系统设计 2 1 现有的故障管理系统 本节首先介绍有线网络中几种典型的故障管理模型 以及近来出现的基于移 动代理的分布式网络故障管理模型 屉后介绍已有的针对m a n e t 设计的故障管 理模型 通过对这些故障管理模型的分析比较 设计了适用m a n e t 的故障管理 模型 目前网络故障管理系统的结构有很多种 根据其中管理者和普通代理相互交 互深度和彼此之间的独立程度以及具体的实现方法 有线网络中的故障管理系统 结构可以划分为集中式 分层式和分布式网络故障管理三种 i 2 1 1 集中式网络故障管理 集中式故障管理体系结构是研究最早的 最简单的也是应用最广泛的体系结 构 它由在一台计算机上的管理者管理其他所有的计算机 并且采用单一的集中 数据库来存放管理信息 网络中的资源靠用多个被管理对象来描述 被管理对象 的集合就构成了管理信息库 下图为典型的集中式管理体系结构示意图 圈2 1 撰中式故障管理系统 在集中式故障管理系统中 管理者定期轮询各个被管理设备上的代理 同时 被管理设备上的代理监听并响应管理者的网络管理命令 电子科技大学硕士学位论文 采用集中式网络故障管理时 所有的网络设备都由一个管理者进行管理 系 统结构简单 维护和操作方便 由于主要工作在管理站上实现 所以对网络设备 的要求不高 当网络管理信息流量较小的时候 集中式网络管理简单而且有效 所以非常适合小型局域网络 在集中式网络管理结构下 管理者要完成复杂的网络故障管理任务 同时还 要具有交换信息的功能 当网络规模较大或者网络管理信息流量大的时候 这种 系统存在着很大的缺陷 具体表现为 1 管理者计算机负责收集所有被管理计算机的状态信息并进行相应的分析 和计算 造成其工作负担过重 2 网络管理工作站一旦失效 整个网络故障管理系统就崩溃了 所以集中 式系统的可靠性低 3 集中式系统中 所有的原始网络管理数据都必须通过网络传送给管理者 这会带来了大量的管理通信开销 并容易在管理者处形成通信瓶颈 造成了网管 系统工作效率低下 4 远端设备和管理工作站的信息交互延时过大 5 当网络由于路由器等网关设备失效而出现连接故障时 集中式网络管理 就无法对网络进行管理 现在网络规模和提供的应用服务变得越来越复杂 同时用户需求也在不断改 变 但是集中式故障管理系统中的代理通常是预先定义好并且功能固定的 扩展 新的功能十分不便 造成系统的可扩展性差 2 1 2 分层式网络故障管理 由于集中式的网络故障管理存在较大的缺陷 所以产生了分层式网络管理的 思想 分层式体系结构把集中式管理系统的管理功能一分为二 其中一部分运行 网络管理中某些功能 同时负责管理其余管理系统 称为管理者的管理者 m a n a g e m e n t o f m a n a g e m e n t 简称m o m i l l l 其余的管理者称为 子域管理者 实现另外一些网络管理功能 重点在收集被管设备的信息 各子域的管理者仅对 本域进行管理而彼此之间并不直接通信 它们在管理者的管理者和代理之间起着 中间桥梁的作用 分层式网络故障管理系统如下图2 2 所示 1 0 第二章无线自组织阿络故障管理系统设计 图2 2 分层式阿络故障管理系统 分层式体系结构的优点有 1 将网络管理系统的工作分散于高级管理者与子域管理者的方法 缓解了 集中式管理体系结构中管理系统负载过重的矛盾 较高级别的管理者需要从于域 管理者处获取信息 这种方式具有较好的可扩充性和伸缩性 如果在m o m 上继 续增加一级 层次还可以进一步加深 形成多级分层组合 子域管理者很容易集 成到已存在的网络管理系