擎创技术流 | 基于日志的交换机故障预测

夏洛克AIOps系统，分析包含日志数据、机器数据、网络数据等等在内的多样化数据。

同样，也经由海量数据分析进行多指标的异常预测、故障定位。本文虽然不是夏洛克系统的应用，也为异常检测及预测提供了一种思路接近的解决方案。

简介

当前，数据中心网络中传输了大量的数据流量，并部署了大量的服务器和网络设备，包括ToR 交换机和聚合交换机在内的多种交换机，从服务器收集数据流量，并转发和汇聚给上层的路由器。因此，交换机在数据中心网络中扮演了基础的角色。交换机故障，即交换机不能够转发流量的事件，在数据中心网络中经常发生，在总的网络设备故障中占主导地位，为了让数据中心网络具有较好的容错机制，处理交换机故障是很有必要的。

当前的数据中心网络故障容错方案，聚焦于改变协议和网络拓扑。这样，数据中心网络可以自动地从网络故障中恢复。但是，上述方法并不能覆盖所有的交换机，有时候又需要运维人员快速的诊断并定位。这些方法或者面临部署问题，或者需要大量的时间以定位并解决交换机故障。在这篇文章中，提出一种新的思路，即在交换机故障发生前预测交换机故障。使用这一方法，可以通过提前“解决（fix）”问题，以有效地避免互联网服务性能受损。因此，命名新的系统为“PreFix”。

设计思想及困难

在研究交换机故障预测这一问题时，很重要的一点是明确什么是交换机故障预测。PreFix 致力于在运行中决定一个交换机是否会在未来近期内发生故障。这一故障预测基于对当前交换机系统状态的测量，以及对历史交换机故障的研究。

当用于在线预测时，故障预测系统需要每隔一段时间就预测一次。所以，需要首先通过把较长的时间区间切分成小的时间片，以实现把连续的时间转化为离散的时间。文章研究的对象是一个拥有固定时间长度的时间片（比如15分钟），想要预判在这个时间片未来的一段时间之内（比如0.5小时到2