肖弋

摘  要： 为解决由负载分配不均造成的断网故障问题，设计新型失稳网络的非均衡断网故障排除系统。在非均衡网络负载框架中，重新分配失稳网络故障探查模块、排除编译器两个单元结构所占比重，实现新型故障排除系统的硬件运行环境搭建。在故障排除服务器的支持下，规范断网故障数据表、非均衡失稳网络锁协议的联结形式，实现新型故障排除系统的软件运行环境搭建，结合软、硬件运行结构，完成失稳网络非均衡断网故障排除系统设计。对比实验结果显示，与现有故障排除系统相比，在非均衡网络失衡状态比为0.33和0.47的条件下，应用新型失稳网络非均衡断网故障排除系统，能使负载分配均衡率达到90%，有效解决由负载分配不均带来的断网故障现象。

关键词： 失稳网络; 非均衡断网; 故障排除; 运行环境搭建; 网络锁协议; 系统设计

中图分类号： TN02?34; TP297                     文献标识码： A                     文章编号： 1004?373X（2019）11?0072?05

Abstract： A new unbalanced network outage fault removal system of unstable network is designed to eliminate the network outage fault caused by unbalanced load distribution. In the load framework of unbalanced network， the proportion of fault detection module and fault data exclusion compiler of unstable network is reallocated to build the hardware running environment of the new fault removal system. With the support of the fault removal server， the connection form of network outage fault database table and unbalanced unstable network lock protocol is standardized to build the software running environment of the new fault removal system. In combination with software and hardware running structures， the design of the unbalanced network outage fault removal system is completed. The experimental result of the proposed system is compared with that of available system， which shows that the new unbalanced network outage fault removal system of unstable network can make the load distribution balance rate up to 90% while the unbalanced state ratios of unbalanced network are 0.33 and 0.47 respectively， and eliminate the network outage fault caused by unbalanced load distribution.

Keywords： unstable network; unbalanced network outage; fault removal; running environment construction; network lock protocol; system design

0  引  言

網络故障是一种由硬件问题、病毒入侵、软件漏洞等引起的网络服务质量下降状态，严重时甚至会导致网络服务直接出现瘫痪趋势。随着网络故障现象的频繁发生，非均衡网络开始出现严重的失稳情况。所谓网络失稳是指所有运行数据在一段时间之内，不能始终保持原有的传输速率，且随着运行数据总量的不断增加，这种传输速率的变化也总是呈现出较强的不定性[1?2]。一段时间之后，运行数据的传输速率又会自发地恢复成原有状态，但由于受到多重不定向因素的影响，待传输数据总是出现过量传输或不足传输，额定传输任务不能得到良好保障，最终导致网络自身稳定性受到破坏。现有技术手段为有效排除非均衡环境下的断网故障问题，利用Web框架隔离高层网络应用结构与底层执行设备，并通过代管传输数据包的方式，达到定向排除断网故障问题的目的。但随着科学技术手段的进步，这种普通系统的执行效果始终不能达到预期效果。为改善此现状，在原有系统的基础上，本文针对失稳网络环境进行针对性分析，在排除编译器、数据库表等软、硬件设备的支持下，建立一种新型的非均衡断网故障排除系统，并通过后续应用实验说明该新型系统的实效性。

1  系统硬件设计

通过非均衡网络负载框架设计、失稳网络故障探查模块设计、排除编译器设计三个主要环节，完成新型系统的硬件运行环境搭建，其具体操作方法可按如下步骤进行。

1.1  非均衡网络负载框架设计

非均衡网络负载框架包含故障负载探测、负载量控制两个主要功能，详情如图1所示。对于故障负载探测功能的执行来说，监视部件、负载特征化部件是两个必不可少的组成单元，可以在监测系统中断网故障数据的同时，通过DBMS设备对处于失稳状态的网络数据进行物理拦截，并将最终的分析信息反馈给监视部件[3?4]。而负载量控制单元主要负责对网络环境中可能引起断网故障的信息进行抽取收集，并根据各硬件设备的应用标准，对数据信息进行重新编码分配处理。负载特征化部件以Query Scheduler设备作为核心搭建装置，可以根据非均衡网络负载框架中监视部件的输出情况，调整系统中运行故障数据的动态流量，并在满足非均衡网络功能的前提下，达到平衡硬件设备故障、排除属性能力的目的[5?6]。

图1  非均衡网络负载框架结构图

1.2  失稳网络故障探查模块设计

失稳网络故障探查模块可依附于非均衡网络负载框架而存在，并在故障管理数据库等软件设备的支持下，通过生成弹窗的形式，清晰表达现阶段系统中断网故障事件的可能发生几率。在失稳网络环境下，隨着非均衡条件严苛等级的不断提升，系统中运行的断网故障数据也会随之大量累计，此时故障数据库信息表会在该时间内达到存储极限[7?8]。为避免因故障数据存储受限而影响系统的运行速度，失稳网络故障探查模块会根据数据库信息表单生成回执信息，对所有涉及的断网故障数据进行标识处理，并在建立排除建议信息前，对核心处理计算机弹出预判策略窗口。在得到核心处理计算机的肯定答复后，MIB设备会按照断网故障数据所属的优先级顺序，对其所代表的故障类型进行探查。完整的模块执行结构如图2所示。

图2  失稳网络故障探查模块结构图

1.3  排除编译器设计

排除编译器中包含一个前端MIIB编译装置、一个中端ASN编译装置和一个后端Compiler编译装置，可以在接收失稳网络故障探查模块传输文件信息的同时，对系统中现行的断网故障数据进行定义分析，并根据相应的转码规则，生成与原信息相对应的关联编译文件。对于系统核心计算机来说，编译文件是其执行故障数据排除操作的主要物理依据。位于模块前端的MIIB编译装置具备非均衡性的数据解析功能，可对网络失稳环境下出现的所有断网故障数据进行判别分类[9?10]。位于模块中端的ASN编译装置以1VIIB法则作为译码基础，一方面负责接收MIIB编译装置的解析数据，另一方面向Compiler编译装置传输具备定向排除能力的故障数据输出文件。位于模块后端的Compiler编译装置只具备数据整合功能，可根据排除编译器的整体执行目标，对非均衡状态下的断网故障数据进行排列整合处理。具体的排除编译器结构如图3所示。

图3  排除编译器结构图

2  系统软件设计

通过故障排除服务器设计、断网故障数据表设计、非均衡失稳网络锁协议设计三个步骤，实现软件运行环境搭建，结合硬件运行环境，完成失稳网络非均衡断网故障排除系统设计。

2.1  故障排除服务器设计

失稳网络的非均衡故障排除服务器是一种固化了的LQNM节点元素。从执行结构的角度来看，故障排除服务器可以承担系统在失稳网络环境中的所有逻辑操作，即非均衡网络负载框架、失稳网络故障探查模块、排除编译器等硬件执行设备均是依附于故障排除服务器而存在的。在整个断网故障排除系统中，核心计算机作为最主要的任务发布组织[11?12]，而故障排除服务器则是该组织的最重要拥护者。从端口软件组织的角度来看，故障排除服务器针对各种类型的断网故障数据，建立了多种不同的可行排除策略，并在传输线程组织的促进下，将这些策略信息反馈到系统的各级执行结构。完整的故障排除服务器设计原理如图4所示。

图4  故障排除服务器设计原理图

2.2  断网故障数据库表设计

断网故障数据库表通过编程的方式，利用第三方FireBird Maestro软件实现对非均衡故障数据的存储与保护，详细结构如图5所示。经过故障排除服务器处理后的系统运行数据始终具备较强的传输抗组能力，对于线程组织来说，在传输过程中由于受到物理抗性压力的影响，断网故障数据总量会随着传输线路的延长而不断减缩[13]。而被迫减少的断网故障数据将作为入侵因子，对失稳网络造成更为严重的故障影响。为避免上述情况的发生，断网故障数据库表在具备SQL管理器能力的同时，还必须能够根据故障现象发生位置，建立固定的索引连接，以保证线程组织能在最短时间内获取到最多的故障数据。而FireBird Maestro软件在整个数据库表中起到催化剂的作用，可以增强表结构自身的存储、连接与定量指向功能。

2.3  非均衡失稳网络锁协议设计

非均衡失稳网络锁协议（也叫2PL协议）是断网故障数据库表的有力辅助结构，具备两个实操锁阶段。随着数据库表处理形式的改变，非均衡失稳网络锁协议可以出现实操阶段并发与兼行同时存在的物理状态[14]。第一阶段非均衡失稳网络锁协议的主要功能是获得断网故障的排除封锁，也可以称为故障数据的扩展处理。此阶段的锁协议始终保持静连接状态，可以根据系统中断网故障的严重情况，配置最为适宜的粒度条件，并以此作为促进数据库表进行快速存储的物理依据。第二阶段非均衡失稳网络锁协议的主要功能是释放系统的故障排除封锁，也可以称为故障数据的收缩处理[15]。此阶段的锁协议始终保持动连接状态，可在核心计算机连续发出断网故障排除指令时，避免网络稳定性严重失衡现象的出现，图6反映了两阶段网络锁协议的并发与兼性状态。整合上述软、硬件设备单元结构，完成失稳网络非均衡断网故障排除系统设计。

图5  断网故障数据库表结构图

图6  非均衡失稳网络锁协议的连接状态解析图

3  實验结果与分析

为避免突发性因素对实验结果真实性造成影响，本次实验分为两部分进行，且每一实验阶段内，除了非均衡网络失衡状态比改变外，其他因素始终保持不变。在整个实验过程中，实验组器材始终搭载失稳网络非均衡断网故障排除系统，对照组器材始终搭载现有故障排除系统。

3.1  实验参数配置

相关实验仪器型号及各项实验参数配置见表1。

表1  实验参数配置表

为将外界条件对实验结果准确性的影响程度降至最低，实验组、对照组实验参数配置情况始终保持一致。

3.2  负载分配均衡率对比

在两台Authoritative NameServer主机中，将失稳网络域名调节为www.ncic.ac.cn，分别记录在排除编译器为LXY?0802?63A、数据库表为SQL与FireBird Maestro结合时，实验组、对照组系统负载分配均衡率的变化情况。已知系统负载分配均衡率与断网故障排除效果保持正比关系，即负载分配均衡率越高系统断网故障排除效果越好。详细实验结果如图7，表2所示，其中图7中的非均衡网络失衡状态比为0.33，表2中的非均衡网络失衡状态比为0.47。

图7  负载分配均衡率对比图（第一次）

分析图7可知，在非均衡网络失衡状态比为0.33的条件下，实验组系统负载分配均衡率始终呈现上升、下降交替出现的变化趋势，整个实验过程中，共出现6次负载分配均衡率超过90%的情况。对照组系统负载分配均衡率在实验前期保持上升、下降交替出现的变化趋势，实验中后期的变化趋势相对稳定，但整个实验过程中，最大值仅达到70%左右，且该情况只出现一次。

分析表2可知，在非均衡网络失衡状态比为0.47的条件下，实验组系统负载分配均衡率最小值为89.77%，整个实验过程中，负载分配均衡率低于90%的情况仅出现一次。对照组系统负载分配均衡率在实验前期与后期均保持稳定，实验中期阶段保持小幅度上升，但最大值仅为71.99%，整个实验过程中也仅出现一次。

综上可知，无论非均衡网络失衡状态比如何取值，应用失稳网络非均衡断网故障排除系统都具备提升负载分配均衡率的能力，即这种新型系统具备较好的断网故障排除效果。

表2  负载分配均衡率对比表（第二次）

4  结  语

在失稳网络中，非均衡性的断网故障会对网络运行能力造成极大的负面影响。但随着新型故障排除系统的应用，锁协议、数据库表等软件执行结构得到良性激活，排除编译器等硬件设备在负载框架的作用下，也可以快速达到最佳运行状态，使断网故障问题得到有效解决。

参考文献

[1] 刘雪奇，孙胜利.基于YOLO网络模型的异常行为检测方法研究[J].电子设计工程，2018，26（20）：154?158.

LIU Xueqi， SUN Shengli. Research on abnormal behavior detection method based on YOLO network model [J]. Electronic design engineering， 2018， 26（20）： 154?158.

[2] 雷小朋，王长清.Ping命令下多媒体网络故障被动诊断方法仿真[J].计算机仿真，2017，34（8）：369?372.

LEI Xiaopeng， WANG Changqing. Simulation of passive fault diagnosis method for multimedia network under Ping command [J]. Computer simulation， 2017， 34（8）： 369?372.

[3] 韩刚，张琛，蔡旭.电网短路故障引发的全功率风电机组频率失稳机理与控制方法[J].电工技术学报，2018，33（10）：2167?2175.

HAN Gang， ZHANG Chen， CAI Xu. Frequency instability mechanism and control method of full power wind turbines caused by short circuit fault in power grid [J]. Transactions of China electrotechnical society， 2018， 33（10）： 2167?2175.

[4] 韩慧仙，刘建林.某型滑移式装载机工作装置液压系统振动故障分析与排除[J].机床与液压，2017，45（10）：170?173.

HAN Huixian， LIU Jianlin. Vibration fault analysis and elimination for hydraulic system of a certain type of skid loader [J]. Machine tool & hydraulics， 2017， 45（10）： 170?173.

[5] 乔文刚，赵静思，王磊.轧机活套液压控制系统状态监测与故障诊断专家系统研究[J].锻压技术，2017，42（6）：122?125.

QIAO Wengang， ZHAO Jingsi， WANG Lei. Research on condition monitoring and fault diagnose expert system in hydraulic control system of rolling mill looper [J]. Forging & stamping technology， 2017， 42（6）： 122?125.

[6] 王明伟，陈立万，李洪兵，等.基于混合免疫系统机理的无线传感网络故障检测算法[J].仪表技术与传感器，2016，23（4）：84?86.

WANG Mingwei， CHEN Liwan， LI Hongbing， et al. Fault detection algorithm for wireless sensor networks based on hybrid immune system mechanism [J]. Instrument technique and sensor， 2016， 23（4）： 84?86.

[7] 刘勇，沈轩帆，廖勇，等.基于遗传算法的无线传感器/执行器网络故障检测滤波器设计[J].计算机应用，2016，36（3）：616?619.

LIU Yong， SHEN Xuanfan， LIAO Yong， et al. Fault detection filter design based on genetic algorithm in wireless sensor and actuator network [J]. Journal of computer applications， 2016， 36（3）： 616?619.

[8] 伊洋，刘育权，陈宇强，等.基于信息综合判断的智能变电站网络通信故障定位技术研究[J].电力系统保护与控制，2016，44（3）：135?140.

YI Yang， LIU Yuquan， CHEN Yuqiang， et al. Research of network communication fault location technique in smart substation based on comprehensive information judgment [J]. Power system protection and control， 2016， 44（3）： 135?140.

[9] 陈峰，胡映月，李小红，等.城市轨道交通有权网络相继故障可靠性研究[J].交通运输系统工程与信息，2016，16（2）：139?145.

CHEN Feng， HU Yingyue， LI Xiaohong， et al. Cascading fai?lures in weighted network of urban rail transit [J]. Journal of transportation systems engineering and information technology， 2016， 16（2）： 139?145.

[10] 于勁松，沈琳，唐荻音，等.基于贝叶斯网络的故障诊断系统性能评价[J].北京航空航天大学学报，2016，42（1）：35?40.

YU Jinsong， SHEN Lin， TANG Diyin， et al. Performance evaluation of fault diagnosis system based on Bayesian network [J]. Journal of Beijing University of Aeronautics and Astronautics， 2016， 42（1）： 35?40.

[11] 夏晓峰，何常胜.LSM 结合邻居干扰抵抗模型的传感器网络节点故障检测[J].湘潭大学自然科学学报，2016，38（1）：101?105.

XIA Xiaofeng， HE Changsheng. Node fault detection for sensor network based on LSM and neighbor interference resistance model [J]. Journal of Xiangtan University （Natural Science）， 2016， 38（1）： 101?105.

[12] 王跃飞，张亚生，刘红军，等.基于AUTOSAR的汽车FlexRay网络通信故障检测与管理[J].农业工程学报，2016，19（4）：105?112.

WANG Yuefei， ZHANG Yasheng， LIU Hongjun， et al. Fault detection and management for automotive FlexRay network communication based on AUTOSAR [J]. Transactions of the Chinese society of agricultural engineering， 2016， 19（4）： 105?112.

[13] 王鹤鸣，王灵矫，谭貌，等.基于多目标优化回声状态网络的电网故障恢复[J].云南大学学报（自然科学版），2017，39（5）：760?767.

WANG Heming， WANG Lingjiao， TAN Mao， et al. Service restoration for distributed system based on ESN and MOA [J]. Journal of Yunnan University （Natural Sciences Edition）， 2017， 39（5）： 760?767.

[14] 孟宗，胡猛，谷伟明，等.基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法[J].中国机械工程，2016，27（4）：433?437.

MENG Zong， HU Meng， GU Weiming， et al. Rolling bearing fault diagnosis method based on LMD multi?scale entropy and probabilistic neural network [J]. China mechanical enginee?ring， 2016， 27（4）： 433?437.

[15] CHATTERJEE S， SARKAR S， HORE S， et al. Particle swarm optimization trained neural network for structural failure prediction of multistoried RC buildings [J]. Neural computing & applications， 2017， 28（8）： 2005?2016.