陈果

摘要：随着智慧医院的推进，医院信息化程度越来越高，网络系统的可靠性尤为重要，网络设备的健康管理对于提高网络系统的可靠性、保障任务的顺利进行具有重要意义。本文基于灰色系统理论研究网络设备健康状态，根据网络设备特征参量的历史数据，通过灰色聚类法建模实现对网络设备健康状态评估，在故障发生之前采取有效措施保证网络的安全性和可靠性。

关键词：网络设备;灰色理论;健康管理; 灰色聚类法

中图分类号：TP393    文献标识码：A

文章编号：1009-3044（2021）03-0063-02

网络中运行的设备如路由器、交换机等日益增多，网络设备运行情况对整个网络有着至关重要的影响。因此，保障这些网络设备的正常运行是网络维护和管理工作的核心任务，确保网络在出现故障后能快速排除故障。实际工作中，网络设备故障可以分为两大类故障：硬件故障和软件故障。其中，硬件问题故障包括网络线路故障，比如端口问题、网络线松动、设备物理故障等，而软件问题故障则包含路由器配置故障、系统缺少网卡驱动程序等[1]。这些软硬件故障的出现是制约网络系统可靠性的主要因素。本文以网络设备特征参量作为评价指标，研究灰色系统理论，构建网络设备健康状态模型，对整个网络设备进行健康状态评估。通过评估，我们可以直观反应网络设备健康程度，对劣化状态设备提前做出预防干预，从而提高网络可靠性。

1  灰色理论介绍

灰色系统理论是我国学者邓聚龙教授在 1982 年提出的[2]，指既含有已知信息，又含有未知信息或非确知信息的系统。灰色系统主要研究内容有：灰色建模理论、灰色关联分析理论，灰色预测理论、灰色系统分析和评价理论等。灰色系统理论认为，尽管客观系统表象比较复杂，数据非常离乱，但是它是具有整体功能的，必然存在某种规律。如果选择恰当的方式挖掘利用这些数据，就能够弱化其随机性，展现其规律性。通过近40年发展，灰色系统理论的应用范围已拓展到工业、农业、社会、经济、能源、地质、石油等众多科学领域，成功地解决了生产、生活和科学研究中的大量实际问题，取得了显著成果[3-5]。网络设备在实际运行中，网络设备健康状态是一个受到多方因素影响的，在确定的范围内也可以看作是一个灰色过程。

2 灰色聚类评估方法

3 网络设备健康度评估实例分析

3.1网络设备特征量的提取

我们可以使用 SNMP和 SYSLOG等工具，获取正在使用的网络设备的运行信息[5]，例如：设备使用时间、板卡的温度、CPU 利用率、內存利用率、端口流量、端口丢包率、SYSLOG 日志等等。作为健康状态评估，我们选用板卡的温度、CPU 利用率、内存利用率作为特征量来评估设备的健康状态。一般经验来说：设备的板卡的温度超过标准温度（夏季 27±3℃，冬季 24±3℃）越高，CPU的利用率越高，内存利用率越高，设备越不稳定，设备发生故障的概率越大。

3.2 健康状态分类

健康状态分类能更直观地显示设备的运行状态、运行趋势，可以针对不同的类别，做出相应的预防性维护。我们将网络设备运行状态分为三级（第Ⅲ灰类），一级为健康状态，说明设备运行良好;二级为亚健康状态（第Ⅱ灰类），说明有个别指标偏离正常值，但运行尚可，可不做处理;三级为不健康状态（第Ⅰ灰类），设备指标异常，需要进行预防性处理，可能出现故障。详细见下表1。

3.3灰色聚类法在网络设备的健康状态中的评价

本数据从本院现行运行的网络管理系统中抽取部分网络设备运行数据，其特征指标的数据如表2。

根据3.2确定各指标白化函数的阈值，根据实际工作经验将指标分级界限作为阈值，如表3所示。

3.3.2计算指标聚类权

根据网络设备健康状态分级区间的分级界限，采用公式（2）计算各指标对3个级别灰类的权重，各个指标临界点和权值如表4。

由式（3）求得各网络设备属于各类别的灰色聚类系数所组成的聚类系数向量如表5所示。根据隶属度最大原则，比较各个网络设备的不同类别的聚类系数，很容易评价各个网络设备的健康状态级别。表5 网络设备不同类别的聚类系数及健康状态级别

4 健康状态评价分析

从表5我们可以看到1，2，3，4号网络设备属于健康状态一类。它们各项特征参数都在合适的范围内，可见运行良好;5-8和11-14号网络设备属于亚健康状态。它们的单项指标偏离正常范围，但相对运行尚可。9，10号网络设备属于不健康状态，原因一目了然，内存，cpu使用率均超高，无形增加设备负荷，故温度也在高位状态。另外我们可以从聚类系数可以分析网络设备健康状态发展趋势。比如4号设备，第[Ⅱ]灰类聚类系数已经达到0.3816，可见它相对于1，2，3健康状态差。同理，7，8号设备同属第[Ⅱ]灰类，7号较好，8号设备可能继续恶化。第[Ⅰ]灰类的9，10号设备，10号设备聚类系数更大，状况更差。我们从现场检查9.10号设备，并对其进行相应除尘，散热维护，清理缓存等相关处理。

5结语

本研究采用灰色聚类法对网络设备健康状态进行评价，然后根据聚类结果分析原因。构建了网络设备的一种健康状态评价模型，通过案例，验证了方法的可行性与有效性。这种评价分析法能够直观反应设备健康状态及发展趋势，有利于提前预防网络故障发生，有效保证网络健康。

参考文献：

[1] 古新文.计算机网络故障的归类分析[J].科技信息（学术研究），2007（25）：197，199.

[2] 邓聚龙.灰理论基础[M].武汉：华中科技大学出版社，2002.

[3] 刘思峰，杨英杰.灰色系统研究进展（2004—2014）[J].南京航空航天大学学报，2015，47（1）：1-18.

[4] 刘思峰，灰色系统理论及其应用[M].科学出版社， 2014.

[5] 刘仕兵，朱雪龙，张艳伟，等.基于灰色聚类和组合赋权法的高速铁路接触网健康状态评估研究[J].铁道学报，2016，38（7）：57-63.

[6] 刘婷，肖长来，王雅男，等.基于中心点三角白化权函数的灰色评估法在地下水水质评价中的应用[J].节水灌溉，2013（5）：26-28，33.

[7] 王正新，党耀国，刘思峰.基于白化权函数分类区分度的变权灰色聚类[J].统计与信息论坛，2011，26（6）：23-27.

【通联编辑：闻翔军】