人工智能故障诊断技术通过对获取的网络数据信息进行分析,掌握网络运转状态,及时发现网络故障,提前预判网络风险,这是网络监控的主要目的,也是整个网络监控体系的核心所在。在实际工作中,每台被监控的网络设备就有几十甚至上百条数据信息需要被采集,而面对一个由数十台网络设备组成的网络体系,其采集的数据量是十分庞大的。此外这些收集来的数据,并非是独立无关的,通常需要对多条网络设备的信息值进行综合评估后,才能得出当前设备技术状态。那么网络维护数据采集方式是怎样的?
 
1、网络数据采集
网络维护数据采集作为监控系统的重要模块,决定整个监控系统的工作能力及工作效率,所以数据采集方式的选择至关重要。这次研究的网络数据监控系统,需要采集与网络设备、服务器设备相关的技术参数,用于网络安全监控。在综合考虑数据采集的全面性、操作的简便性、信息的安全性等方面后,决定选用SNMP模型进行数据采集工作。
2、SNMP数据采集模型
SNMP简单网络协议以及MIB一同构成的SNMP数据采集系统是一种特殊的C/S模型。其相对于其它数据采集协议,特点在于可以从无法安装监控客户端软件的设备如路由器、交换机、防火墙等处采集到数据,这是由于很多网络设备的厂家在设备出厂前已经在网络设备中嵌入SNMP服务。SNMP的数据采原理是由服务器端运行控制进程实现对被管理端的监控,被管理端运行SNMP服务进程响应服务器端的请求,而被管理对象的各种网络参数存放在被管理端的MIB库中。服务器端将数据采集的请求等命令以SNMP报文的形式发送到被管理端,被管理端通过分析报文,查询MIB库将获取的网络数据返回给服务器端,从而完成网络数据的采集。
网络维护还要通过分析各个网络设备之间数据信息的关系,由此判断当前整个监控网络的具体情况,才能准确的进行故障诊断及预警工作。在面对海量的数据信息及信息间错综复杂的关系时,单单凭借人力是无法完成其分析工作的。这就需要一种依靠人工智能的可靠高效的故障诊断技术来优化数据分析,以此得出较为准确的诊断结论。