利用多维属性关键性能指标(key performance indicators,KPI)的可加性特征,能够实现对大型互联网服务故障的根因定位.由一项或多项异常根因导致的KPI数据变化,会导致大量相关KPI数据值的变化.提出一种基于异常相似性评估和影响力因子的剪枝搜索异常定位模型(pruning search model based on anomaly similarity and effectiveness factor for root cause location,PASER),该模型以多维KPI异常传播模型为基础,提出了衡量候选集合成为根因可能性的异常潜在分数评估方案;基于影响力的逐层剪枝搜索算法,将异常根因的定位时间降低到了平均约5.3 s.此外,针对异常根因定位中所使用的时间序列预测算法的准确性和时效性也进行了对比实验,PASER模型在所使用的数据集上的定位表现达到了0.99的F-score.
在6G物联网时代,海量终端设备智慧互联,发掘环境信息提高生活质量,创造更加智能的世界。随着经济社会和工业的发展,工业物联网(industrial internet of things,IIoT)中工业节点的数量以惊人的速度增长,这些工业节点间实时传输交换信息,...
详细信息
在6G物联网时代,海量终端设备智慧互联,发掘环境信息提高生活质量,创造更加智能的世界。随着经济社会和工业的发展,工业物联网(industrial internet of things,IIoT)中工业节点的数量以惊人的速度增长,这些工业节点间实时传输交换信息,对通信的时延和可靠性提出了更高要求。在有限的时频资源和严格的通信质量要求下,为保证IIoT中海量终端的超可靠超低时延通信(ultra-reliable and low-latency communication,URLLC),需要从低时延、可靠性、能量效率、频谱效率和可拓展性等方面对存在的关键问题进行分析。在工业物联网场景下,结合URLLC的特点和需求,研究了工业物联网中通信的关键问题:活跃用户检测、随机接入、资源分配和通算融合中的挑战和机遇,对关键问题以及现有技术进行总结分析后,提出了未来的研究方向。
暂无评论