基于语义缓存与规则引擎的边缘侧根因分析方法及系统与流程

本发明涉及电信接入网设备智能运维，具体涉及一种基于语义缓存与规则引擎的边缘侧根因分析方法及系统。

背景技术：

1、随着5g通信与边缘计算的快速普及，无线接入网设备（如bbu、rru、prru、hub/rhub）的运维复杂度急剧攀升。高密度部署场景中，设备故障常涉及射频收发、功放、天馈、前传光模块及空口信号等多维硬件子系统与业务的复杂联动，单一告警或日志信息远不足以准确定位根因。现有智能运维（aiops）体系在架构设计、数据融合与领域适配方面仍存在显著短板，难以满足高精度、低延迟的边缘运维需求。

2、在根因分析层面，传统云端rca方案依赖上传告警、日志至云端大模型和cmdb拓扑进行自上而下推断，虽在大型数据中心已获应用，但其端到端延迟可达数分钟，持续数据传输带来带宽消耗与隐私风险，且无法在边缘独立运行，网络中断即分析失效。

3、在告警与日志处理层面，现有聚合与关联分析多采用时间窗口合并或静态规则匹配，难以适应动态故障模式，误报漏报率高，且日志与告警系统相互割裂，缺乏联动协同，规则编写依赖人工，未知异常覆盖不足，严重制约根因定位精度。

4、在推理效率方面，llm语义缓存虽通过向量数据库复用历史结果以降低成本，但其缓存策略为通用lru或固定ttl，未针对运维场景设计告警级别加权和时效性衰减，命中判断仅依赖文本向量距离，缺乏故障上下文语义融合，有效性与可靠性不足。

5、进一步聚焦电信接入网场景，典型故障（前传链路中断/误码、射频性能退化、vswr异常、光模块老化、功放过热、空口质量恶化）均表现为多个硬件子系统与业务指标的联动变化，需综合sfp光模块ddm数据、功放功率/温度/vswr、前向/反向功率、环境温度及rsrp/sinr等多维指标方能判别根因。然而，现有告警与日志系统缺失针对上述电信专有指标的跨维度联合分析能力，运维人员仍需在多个子系统间逐一排查，定位效率极低。

6、上述场景揭示了一个核心共性问题：故障根因极少源于单一指标，而多为多个硬件子系统与业务指标联动变化所致。然而，现有告警与日志系统相互割裂，缺乏针对上述电信专有指标（射频、pa、vswr、前传光模块、空口信号）的跨维度联合分析能力，运维人员仍须在多个子系统间逐一排查，定位效率低下。

7、综上所述，现有技术至少存在以下缺点：

8、1、云端依赖无法脱网运行：传统根因分析依赖云端大模型，网络中断时完全不可用，无法满足边缘设备离线运维需求。

9、2、告警与日志分析割裂：两者独立运行，缺少跨源联合分析，根因定位不准确，易产生误报或漏报。

10、3、语义缓存未针对运维场景优化：通用缓存策略未考虑时效性衰减、告警级别加权与上下文关联，命中率低且可能返回过期结果。

11、4、分析过程不可追溯：现有ai方案多为黑盒分析，运维人员无法理解推理路径与判定依据，难以验证结果可信度。

12、5、缺少电信专有故障的多维指标关联分析能力：现有方案仅关注通用it指标（cpu、内存、网络等），未针对射频、功放、天馈、前传光模块及空口信号等电信专有硬件子系统设计跨维度联合根因分析机制。例如，vswr异常升高时需同时关联pa输出功率、反射功率、pa温度及终端rsrp/sinr变化，方能判别是天馈硬件故障、连接器松动还是覆盖环境变化-这一能力在现有方案中尚属空白。

13、因此，亟需一种能够融合多维电信指标与日志数据、具备边缘独立推理能力且过程可解释的轻量化根因分析系统，以填补现有技术在电信接入网高密度运维场景中的空白。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明在于提出一种基于语义缓存与规则引擎的边缘侧根因分析方法。

2、根据本发明实施例的一种基于语义缓存与规则引擎的边缘侧根因分析方法，包括以下步骤：

3、s1、采集边缘设备的运行状态指标数据和日志数据；

4、s2、对采集的指标数据进行告警检测，生成告警事件，并对告警事件进行去重和聚合处理，形成包含多维指标特征向量的告警组；

5、s3、将所述告警组与对应时间窗口内的日志数据进行关联分析，提取与告警设备相关的异常日志记录；

6、s4将所述告警组的特征向量和关联日志输入四层分级决策链进行根因推理，所述四层分级决策链包括：

7、l0层：基于规则引擎进行固定规则匹配，当告警特征匹配预置规则时直接输出根因及第一置信度；

8、l1层：若l0层未输出高于第一预设阈值的根因，则基于统计异常检测方法进行推理，输出根因及第二置信度；

9、l2层：若l1层未输出高于第二预设阈值的根因，则查询语义缓存，所述语义缓存存储历史分析结果，通过计算当前请求与缓存条目的相似度，并结合时效性权重和告警级别权重进行综合评分，当综合评分超过第三预设阈值时命中缓存，返回缓存的根因及第三置信度；

10、l3层：若l2层未命中或输出的置信度低于第四预设阈值，则调用大语言模型进行深度语义推理，输出根因及第四置信度；

11、s5、综合各层输出的置信度，计算最终置信度，选择置信度最高的根因作为诊断结果，并生成修复建议；

12、s6、将本次分析结果存入所述语义缓存，并记录所述四层分级决策链中每步推理的输入、输出和判定依据，形成可追溯的推理路径。

13、在本发明的一些实施例中，所述语义缓存的综合评分计算公式为：综合评分=相似度×时效性权重×告警级别权重，其中，所述时效性权重随时间衰减，所述告警级别权重随告警严重度升高而增大；缓存淘汰策略结合lru和综合评分，综合评分低的条目优先淘汰。

14、在本发明的一些实施例中，所述规则引擎为lua脚本引擎，预置规则支持运行时热更新，规则冲突时按优先级自动裁决；所述统计异常检测方法包括z-score滑动窗口异常检测和线性回归趋势分析。

15、在本发明的一些实施例中，所述方法应用于电信接入网设备故障诊断，所述采集的指标数据包括电信专有指标。其中，所述电信专有指标至少包括：射频收发信机tx功率、evm、aclr；功放pa输出功率、温度、vswr；sfp光模块tx/rx光功率、偏置电流、温度；cpri/ecpri链路状态、误码率ber；天线端口vswr、反射功率；空口信号质量rsrp、sinr、cqi、rtwp、底噪；以及转发引擎吞吐量和丢包率。

16、在本发明的一些实施例中，所述电信专有指标通过多种采集适配器采集，所述多种采集适配器包括：6种内置标准适配器用于采集通用it指标；5种电信设备custom适配器通过dlopen动态加载，直接从设备本地硬件接口采集电信专有指标，所述5种custom适配器包括i2c总线eeprom读取适配器、pmbus电源/功放监控适配器、sfp数字诊断监测ddm适配器、rs485 modbus功放监控适配器和内存映射硬件寄存器hw_reg适配器；以及1种业务软件读取适配器sw_counter，通过共享内存从业务软件采集空口信号质量和转发引擎统计指标；采集过程采用双通道采集协调机制，ai实时通道以固定周期采集核心指标，通用采集通道以可配置周期采集全量电信指标，两通道通过相位偏移和共享内存缓存实现互补运行。

17、在本发明的一些实施例中，所述告警聚合和去重包括：在可配置时间窗口内将相同设备、相同类型的重复告警合并；采用关联规则矩阵将同一设备上不同指标的相关告警关联为告警组，每条规则定义源告警类型、目标告警类型、关联类型和关联强度；采用三级聚合窗口依次进行同设备同类型去重、同设备跨类型关联和跨设备拓扑关联。

18、在本发明的一些实施例中，还包括电信多维指标关联分析，具体包括：

19、天馈故障关联：当vswr告警和tx功率告警同时触发时，自动关联pa温度指标，通过vswr、tx功率、pa温度的三维关联分析区分天馈硬件故障与功放过热保护；

20、前传链路故障关联：当cpri链路中断告警触发时，自动关联cpri误码率ber、sfprx光功率和ru心跳状态，通过三者关联分析定位接口模块故障、光纤链路故障或ru设备整体故障；

21、覆盖问题关联：当rsrp下降告警触发时，自动关联sinr、rrc连接数、tx功率和vswr指标，区分覆盖空洞、容量拥塞和设备射频故障；

22、多维故障签名匹配：维护故障签名库，每种故障签名由多个电信指标的联合异常模式定义，通过将当前告警组的多维指标特征向量与故障签名库进行加权多维特征距离匹配，输出候选根因列表及匹配度。

23、在本发明的一些实施例中，还包括告警风暴三级分级防护：

24、t1级：对单设备告警进行限流，超过预设限流值的告警被丢弃或合并；

25、t2级：对全局告警进行风暴检测，当全局告警量超过预设阈值时触发背压机制；

26、t3级：对背压队列进行水位保护，当队列水位高于高水位阈值时拒绝低优先级告警入队，当队列水位低于低水位阈值时恢复正常接收。

27、本发明还提及了一种基于语义缓存与规则引擎的边缘侧根因分析系统，包括：

28、数据采集模块，用于采集边缘设备的运行状态指标数据和日志数据；

29、告警管理器，用于基于采集的指标生成告警，对告警进行去重和聚合，形成告警组；

30、日志分析器，用于将日志结构化解析，识别异常模式，并将与告警相关的异常日志关联为根因候选；

31、规则引擎模块，用于执行固定规则匹配，输出第一推理结果及置信度；

32、语义缓存模块，用于存储历史分析结果，并通过相似度计算、时效性加权和告警级别加权进行命中判断，输出缓存的推理结果及置信度；

33、异常检测模块，用于基于统计方法进行异常检测和趋势分析，输出第二推理结果及置信度；

34、大语言模型接口模块，用于调用外部大语言模型进行深度推理，输出第三推理结果及置信度；

35、决策链控制模块，用于按l0-l3顺序调用所述规则引擎模块、异常检测模块、语义缓存模块和大语言模型接口模块，并综合各模块输出的置信度计算最终置信度，选择置信度最高的结果作为诊断结果，输出修复建议；

36、追溯记录模块，用于记录决策链中每步推理的输入、输出和判定依据，形成可追溯的推理路径。

37、在本发明的一些实施例中，所述系统部署于电信接入网设备的边缘管理设备上，所述数据采集模块包括多种采集适配器，用于采集通用it指标和电信专有指标，所述电信专有指标至少包括射频收发信机参数、功放参数、天馈参数、前传光模块参数和空口信号质量参数。

38、与现有技术相比，根据本发明实施例的基于语义缓存与规则引擎的边缘侧根因分析方法及系统，具有以下有益效果：

39、第一，本发明将告警聚合、日志关联分析、语义缓存和根因推理有机整合为完整链路，全部部署于小基站eu设备本地。系统通过l0层lua规则引擎在离线状态下即可独立完成根因推断，无需依赖云端大模型算力与网络传输。相较于传统云端rca方案（端到端延迟达数分钟，网络中断即完全不可用），本发明在离线模式下根因分析全过程耗时控制在500ms以内，彻底解决了边缘场景中网络不稳定或中断时的运维"断联"难题，实现了真正意义上的边缘侧独立可运行。

40、第二，本发明构建了12种标准化采集适配器（6种内置标准适配器+5种电信设备custom适配器+1种业务软件读取适配器sw_counter），通过dlopen动态加载机制实现即插即用，直接从设备本地硬件接口（i2c总线、rs485串口、内存映射寄存器mmio）和共享内存获取射频收发信机tx功率/evm/aclr、功放pa输出功率/温度/vswr、sfp光模块tx/rx光功率/偏置电流/温度、cpri/ecpri链路状态/误码率ber、天线端口vswr/反射功率、空口信号质量rsrp/sinr/cqi/rtwp/底噪以及转发引擎吞吐量/丢包率等电信专有指标。双通道采集协调机制（ai实时通道5s周期+通用采集通道5s~300s可配置周期）通过2.5s相位偏移和共享内存缓存，确保两通道在资源受限的嵌入式环境中互补运行且不产生文件读取竞争。相较于仅依赖通用it指标（cpu/内存/磁盘/网络）的传统方案，本发明首次在边缘侧实现了从通用it基础设施到电信专用硬件子系统、再到业务服务质量的全栈式数据覆盖，为跨子系统联合根因分析奠定了完整的数据基础。

41、第三，本发明将告警聚合、日志结构化分析和指标异常检测整合为统一的根因推理链路。告警管理器通过12条关联规则矩阵（关联强度0.55~0.95）实现跨类型告警关联，三级聚合窗口（300s/600s/900s）从同设备到跨设备逐级收敛，告警升级引擎实现连续3次超阈值升级至major、30分钟未确认升级至critical的渐进式告警等级管理，严重度评分模型综合基础分、频率因子、时间衰减和拓扑影响进行量化评估。日志分析器将原始日志结构化解析并自动关联为根因候选证据。告警风暴三级分级防护（l1单设备100条/分钟限流、l2全局200条/60s风暴检测触发背压、l3高水位5000/低水位1000队列水位保护）配合bucket分段锁+读写锁分离+原子cas三级并发安全策略，确保告警风暴场景下系统稳定运行，核心告警不丢失、分析链路不中断。

42、第四，本发明独创的四层分级决策链（l0-l3）在保证分析准确率的同时实现了llmapi调用量的有效控制：l0层lua规则引擎（置信度0.95，响应<1ms）处理确定性故障场景；l1层z-score异常检测+线性回归趋势预测（置信度≥0.80，响应1-10ms）处理统计特征明显的异常；l2层语义缓存（置信度0.90，响应<2ms）复用历史分析结果；l3层deepseek api（置信度0.95，响应500-5000ms）仅在前三层均无法给出高置信度根因时触发。实测表明，该分级策略使llm api调用量降低约55%，缓存命中时响应时间<50ms，在保障诊断准确性的同时大幅降低了云端api调用成本和网络带宽消耗。

43、第五，本发明针对电信接入网设备专有故障场景建立了多维故障签名库和跨子系统关联矩阵。天馈故障关联矩阵通过vswr+tx功率+pa温度的三维关联分析，区分天馈硬件故障（vswr↑+tx功率↓+pa温度正常）与功放过热保护（vswr正常+tx功率↓+pa温度↑），将传统方案约20%的误判风险降低至约5%；前传链路故障关联矩阵通过cpri ber+sfp rx功率+ru心跳的三维关联分析，将故障定位粒度从整条链路精确到接口模块、光纤链路/光模块或ru设备整体，平均故障修复时间缩短40%以上；覆盖问题关联矩阵通过rsrp+sinr+rrc连接数（由bbu/du侧l2/l3协议栈统计，经eu侧汇聚后纳入分析）的三维关联分析，区分覆盖空洞、容量拥塞和设备射频故障，覆盖类问题根因定位准确率从不足70%提升至90%以上；多维故障签名库（天馈故障签名：vswr≥2.5且pa反向功率≥10且pa前向功率≤40；光模块老化签名：sfp rx功率下降趋势且线性回归斜率β1<-0.05且sfp偏置电流持续增大且sfp温度≥70°c）通过加权多维特征距离匹配，常见故障响应时间压缩至10ms以内。

44、第六，本发明针对运维场景对通用语义缓存进行了专项优化。综合评分模型=相似度×时效性权重×告警级别权重，时效性权重随缓存产生时间按预设曲线动态衰减（如24小时内保持满权重，24~72小时线性衰减至0.7），告警级别权重随严重度升高而增大（warning=0.8、major=1.0、critical=1.2），确保缓存复用结果兼具语义相关性、时效新鲜度和重要性保障。淘汰策略将lru与综合评分联动，优先淘汰既陈旧又低优先级的缓存条目。相较于通用语义缓存的lru或固定ttl策略，本发明在运维场景中缓存命中率提升约15~20个百分点，有效避免了返回过期或不相关结果的可靠性风险。