Método para la determinación en tiempo real de las causas del deterioro de la calidad del servicio en redes convergentes.

En esta invención se pretende identificar entre las métricas críticas originales de los servicios y de la red (que originan caídas de rendimiento y cambios en las métricas relacionadas) en redes convergentes. El proceso es altamente automatizado, presenta una respuesta en tiempo casi real a los cambios en la CIPN, y no requiere intervención humana. La invención amplía el concepto de correlación para obtener las relaciones reales de causalidad entre el deterioro del rendimiento y las métricas en grandes CIPN, en las que la tasa de eventos entrantes puede sobrecargar fácilmente la potencia de proceso del sistema.

Método para la determinación en tiempo real de las causas del deterioro de la calidad del servicio en redes convergentes.

Sector de la técnica

La presente invención está relacionada con el campo de la gestión de redes de telecomunicaciones y, más en particular, con la gestión de la distribución de servicios integrados en Redes de la Próxima Generación (NGN), donde los servicios de Telecomunicaciones y de Tecnologías de la Información se integran en Redes IP Convergentes (CIPN).

Específicamente, esta invención ayuda a identificar entre las métricas críticas originales de los servicios y de la red, en redes convergente.

Se entiende por métrica un valor que se asigna a una ruta de telecomunicación para una interfaz de red en particular que identifica el costo asociado al uso de dicha ruta. Por ejemplo, la métrica se puede valorar en función de la velocidad del vínculo, el número de saltos o el retardo de tiempo.

En esta descripción se entenderá por cluster de datos un conjunto de datos agrupados por una relación de causalidad.

Estado de la técnica

Permitir la distribución de servicios integrados en las Redes de la Próxima Generación (NGN), donde los servicios de Telecomunicaciones y de Tecnologías de la Información están siendo integrados en Redes IP Convergentes (CIPN), es una tarea complicada dada la heterogeneidad subyacente en los servicios ofrecidos en las redes CIPN. Un ejemplo del prototipo de herramienta para conseguir este objetivo de integración es EzWeb [1]. EzWeb proporciona una Interfaz Gráfica de Usuario (GUI) para un servicio unificado y homogéneo. Esta plataforma se emplea para la integración de mega-servicios, servicios con millones de usuarios, creando un escenario de mercado, donde los servicios pueden ser registrados y confeccionados en el navegador de la red por los usuarios finales.

EzWeb permitirá a los operadores de Telecomunicaciones ir más allá de la tradicional distribución de servicios de voz/datos, permitiendo la integración de una diversidad de servicios que cambian permanentemente (a menudo, sobre redes CIPN y Subsistemas Multimedia sobre IP). Por ejemplo, los servicios de distribución de contenidos (como Imagenio [2]), canales de compra, capacidades de Voz sobre IP, etc., permiten al usuario de terminales ligeros (por ejemplo PDA, notebook, etc...) disponer de todos los servicios e información que son accesibles desde la propia red.

Este escenario basado en CIPN requiere el despliegue de diversos recursos de infraestructura (redes, ordenadores, cortafuegos, balanceadores de carga, etc.) que tienen que ser proporcionados por uno o más centros de datos o nodos de la red. La gestión de un Centro de Datos o nodo para la provisión de servicios requiere una gestión ágil y eficaz dirigida por el aseguramiento de la política de Calidad del Servicio (QoS).

La garantía de la QoS se gestiona automáticamente por medio de la supervisión de algunas métricas del Servicio, a menudo denominadas Indicadores Clave del Funcionamiento (KPI). Existen diversas tecnologías para supervisar servicios y redes como las sondas, los agentes, los análisis de registros, etc., que son capaces de supervisar muchas métricas. Estas tecnologías incluyen simples olfateadores de red, tales como Wireshark [3], herramientas que añaden informes de gestión, administración y distribución remotas para la simple supervisión de red [4] o el tradicional Protocolo Simple de Gestión de Red (SNMP), que forma parte del abanico de protocolos de Internet como los define el Grupo de Trabajo de Ingeniería de Internet (IETF, Internet Engineering Task Force). Además, también hay disponibles plataformas de recogida y supervisión de datos a gran escala, construidas para las empresas de Telecomunicaciones y servicios [5].

Sin embargo, es crucial identificar las métricas relevantes que tienen una influencia directa en la percepción de la QoS. Esta tarea no es nada trivial en el escenario descrito, ya que hay muchas interacciones entre servicios y componentes de red que no son obvias para técnicos en operación. El objetivo de esta solución es revelar las dependencias ocultas entre las métricas, que permiten identificar las causas raíz de los fallos del servicio, caídas de la QoS, etc. Una vez que se han encontrado estas dependencias, los operadores serán capaces de detectar e impedir esas situaciones por anticipado.

Hay un gran número de publicaciones que trataron este problema, pero no pudieron establecer relaciones reales de causalidad [6, 7], que es una manera de valorar la relevancia de una métrica dada. En la mayoría de los sistemas, el software ayuda al operador a construir tales relaciones [8, 9] o los usuarios tienen que aprender estas relaciones por sí mismos [10]. Se utiliza la correlación para obtener la causalidad potencial entre métricas. En Estados Unidos se han patentado técnicas semiautomatizadas avanzadas de correlación basadas en series de tiempo, para procesos de negocios, que proporcionan una certeza adicional a la relación causal [11]. El método de la presente invención es diferente de dichas técnicas debido a varias razones. En primer lugar se realiza la agrupación de "clusters" formados sobre la base de una relación de causalidad (que permite descubrir modelos ocultos), de acuerdo con el valor de los coeficientes de correlación. Además, la presente invención extiende la propuesta de dichas técnicas [11] optimizando los algoritmos para un dominio de aplicación opuestamente diferente. En segundo lugar, el proceso de extracción de la información conlleva una pesada sobrecarga de cálculo para descubrir relaciones estadísticas [12]. En la presente invención se propone una técnica rápida de indexación para aliviar este problema, ayudando a guiar el proceso de descubrimiento en un orden óptimo [13]. El problema se complica más porque los servicios y, por tanto, las mediciones y sus relaciones serán continuamente actualizados en las CIPN, que hace diferente a la presente invención de otras publicaciones relacionadas por causalidad [12].

Problema técnico planteado

La solución tradicional para detectar las métricas óptimas depende normalmente de la experiencia de los expertos en el dominio y es laboriosa y propensa a errores. Alrededor del 20% del trabajo para identificar una métrica de éxito proviene de un ciclo de instalar-observar-ajustar [14, 15, 16]. Este procedimiento de prueba y error puede llegar a no ser factible dada la complejidad, la distribución y el tamaño creciente de las CIPN. En las CIPN modernas, se introducen continuamente en la red nuevos servicios que interactúan con servicios existentes anteriormente. Por tanto, incluso los operadores más experimentados tienen poca o ninguna experiencia en sus redes, haciendo que el conocimiento de los expertos quede desactualizado rápidamente.

Los sistemas tradiciones de inteligencia de negocios [17, 18] proporcionan principalmente métricas históricas predefinidas (o indicadores atrasados) durante un análisis estadístico a largo o medio plazo [19] y les falta la necesaria flexibilidad para dar soporte a métricas o recogida de datos en evolución con el tiempo para el análisis en tiempo real. En un momento dado, la métrica que revela un fallo en la red puede ser diferente, de manera que el proceso debe ser iterativo.

Hay disponibles otras técnicas para detectar métricas importantes [20], en las que aplican un vector de ponderación de la prioridad (PWV) y lo integran en una red neural SOM (los estados normales del sistema se describen con un mapa auto-organizado identificado a partir de los datos. Una desviación grande de las muestras de datos en los nodos SOM se detecta como un comportamiento anómalo). Algunos autores utilizan un análisis de trazado disperso con el fin de determinar el punto en que comienza a declinar el rendimiento y utilizan el Modelo de Suavización Aditiva de Winter para obtener la tendencia estadística y prever la evolución del sistema [16]. Sin embargo, estos enfoques se utilizan para detectar un funcionamiento anómalo de una sola célula de la red y están basados en métodos de distancia Euclídea (no muy adecuado para detectar correlaciones en series temporales). Por tanto, las CIPN requieren técnicas de correlación más complejas que las redes móviles [21].

En las CIPN modernas, los servicios pueden residir por todo el mundo, y originan funcionamientos anómalos en el otro extremo del globo. Las técnicas actualmente disponibles tratan a menudo con datos locales, adoleciendo de falta...

1. Método para la determinación en tiempo real de las causas del deterioro de la calidad del servicio en redes convergentes, caracterizado porque comprende: