应用用户申告进行光接入网故障检测的方法

［李忠谕 迟景升 李哲］

1 引言

现网发生网络故障时，通过系统结合网管告警和资源拓扑信息进行故障定位检测，进而实施故障抢修，是当前运营商的主要的网络运维方式。但是受设备或网管能力等原因影响，存在网管告警不完整的情况，表现为现网发生了故障，但是并没有产生对应的网管告警。这部分不能通过告警触发检测出来的故障，仍然需要依靠用户申告业务故障后再进行人工排查和定位故障点，这不能满足当前智慧化运维的要求。

本文通过应用用户申告工单触发进行光接入网故障分析，能够快速自动定位故障段落，作为一种通过告警触发进行故障分析的补充手段，实现系统检测光接入网故障的全面覆盖。

2 应用用户申告检测故障的方法设计

2.1 概要定义

本方法通过用户申告工单触发系统流程，根据预设的故障分析流程，结合网管和资源信息定位故障段落，实现系统对光接入网故障的主动检测。

2.2 设计思路

系统首先接收用户申告工单，提取工单中的业务接入号，查询到接入号关联的终端信息，进而查询网管上此终端所属PON 口下的网管信息，获取关联ONU的运行状态和离线时间，再结合资源网络拓扑信息，通过故障分析逻辑实现故障段落定位，整体方案框架如图1 所示。

图1 故障分析方案框架

2.2.1 通过用户申告工单关联终端设备

当用户发现业务不可用时，可以通过拨打10000 号或微信公众号等渠道进行故障申告，工单处理系统将生成相应的申告工单，申告工单信息包括故障现象、故障业务接入号等（其中工单中故障现象为规范化的描述，比如网络不可用、网速慢、频繁掉线等）。系统采用JDBC的方式，接收工单处理系统的用户申告工单信息，提取故障现象为“网络不可用”的工单，按工单信息中的业务接入号查询到对应的终端设备，以此终端设备定义为申告设备，从而实现了从用户申告转变为终端告警行为。

2.2.2 查看申告设备同PON 口网管信息

以该用户申告业务接入号查询的终端为申告设备ONU，系统查询网管上同PON 口下的所有ONU的运行状态，获取到所有终端的当前状态以及最后一次离线时间（LASTOFFTIME）。终端的运行状态主要分为三类，分别是UP 状态、LOS 状态和POWEROFF 状态等，网管上ONU的最后一次离线时间记录的是ONU 最后一次从在线状态转变为非在线状态的时间，包括ONU 最后一次从UP 状态转变为LOS 状态的时间，或者ONU 最后一次从UP 状态转变为POWEROFF 状态的时间。本文所述的ONU 离线时间，即是指该ONU的最后一次离线时间（LASTOFFTIME）。

2.2.3 结合资源拓扑信息进行分析

根据PON 网络分光结构，上联光路终端会引起下联所有在线ONU 同时离线，因此，当某条上联光路下挂的所有在线ONU 同时离线时，可以认为是上联光路发生了故障[1,2]。

结合资源拓扑进行故障定位，以PON 网络二级分光为例，输出主光路断（PON 口至一级OBD 段落故障）、分支光路断（一级OBD 至二级OBD 段落故障）、皮纤断（二级OBD 至ONU 段落故障）。为了提高故障定位准确率，针对申告设备进行光接入网故障分析，系统定义了4 个原则。

（1）同时离线定义：考虑到时延、系统交互影响等原因，以申告设备的离线时间作为故障分析基准时间点T0，认为在故障分析时间点前后10 分钟时间段（记为T0±10）基准时间段。在基准时间段内离线的ONU 属于与申告设备同时离线。本文描述的同时离线，均是指在T0±10 分钟时间段内离线。

（2）上联故障排除原则：现网发生上联光路故障会导致该光路下挂所有ONU 立刻离线，如果故障发生后，上联光路下挂的设备存在在线的、在T0±10 分钟后离线的ONU（比如，有个设备离线了，但是它是在T0的30分钟后离线的，那么造成申告设备离线的故障与这个设备离线的原因并不相同，申告设备离线的时候，这个设备是在线的。间接也可以证明，申告设备离线的原因并不是上联光路引起的），那么排除上联光路是造成申告设备通信故障的原因。

（3）向下判定故障原则：发生上联光路故障，下挂所有对象都将离线，且多个对象是属于同时离线的，如果在故障时间段只有一个对象离线，系统认定是下联线路发生故障，并不是上联光路故障。对于分支光路是所有下挂ONU 都离线，且多个ONU 同时离线；对于主光路是所有二级OBD 下挂的ONU 都离线，且多个二级OBD的ONU 同时离线（即是说需要同时离线的ONU 分布在多个二级OBD 上，才认为多个二级OBD 共用的主光路故障）。

（4）掉电影响原则：受终端性能影响，部分ONU不具备上报掉电能力（表现为网管无法识别ONU 是否发生了掉电），为了提高故障检测准确率，系统规定在故障发生时间段内，只要同PON 口下有掉电状态的ONU，则认为本次故障是由于市电停电或者用户关电等因素引起。

那么判断故障段落的规则是：

（l）主光路断：申告设备所在PON 口下挂所有ONU均离线，且没有在T0+10 分钟后离线的ONU，且在故障发生时有多个ONU 同时离线（系统采用至少2 个ONU同时离线，理论上同时离线的ONU 越多，故障判定就越准确），且同时离线的ONU 分布在多个OBD 上，判定为主光路断。

（2）分支光路断：申告设备所在二级OBD 下所有ONU 均离线，且没有在T0+10 分钟后离线的ONU，且在故障发生时有多个ONU 同时离线，但是在同一PON 口存在ONU 在线或T0+10 分钟后离线的ONU，判定为分支光路断。

（3）皮纤断：故障发生时，有且只有申告设备离线，判定为皮纤断。

（4）ONU 掉电：在申告设备离线同时，同PON 口下有ONU 发生掉电。

那么以申告设备触发故障分析流程，对每个申告设备输出对应的故障结论，分析流程示意图如图2 所示。

图2 故障分析流程示意图

需要说明的是，当现网发生故障，如果系统通过网管告警实现了主动检测到群障故障（群障故障是指比如主光路断、分支光路断等会影响多个用户业务使用的故障），将直接主动派出故障单给现场抢修，同时会发起群障拦截[3]，对于该群障影响的用户申告进行拦截，不会再下申告工单，也不需要进入本文所述故障检测流程，不至于产生重复故障单。当现网发生故障，由于网管告警丢失等其他原因导致系统没主动检测到故障时，在首个受影响的用户申告业务不可用故障后，系统经过本文方法分析检测到光接入网故障段落，输出是主光路断、分支光路断等群障故障，或皮纤断、ONU 掉电等单用户故障，系统会即时发起故障抢修单或上门检测单。对于检测到的群障故障，系统也会同时发起群障拦截，当该群障影响的其他用户再申告业务不可用故障时，将会被系统检测到业务所在区域存在群障，而不需要再次进入故障分析流程。

3 结束语

电信运营商依靠网管告警触发故障检测，因为存在告警不完整的原因，仅仅能够将现网70%的光接入网故障主动检测并派单抢修，依旧有30%的故障需要人工上门排查分析。本文方法上线后，运营商实现了系统主动检测100%的光接入网故障，全面推进落地网络运营主动维护模式，全面提升了光接入网监控和维护支撑能力。

运营商通常管理的OLT 设备达到几万台，如果通过升级设备或网管能力来保障告警上报能力，进而提升光接入网故障的主动分析检测能力，将是一个浩大的投资。而本文所述方法，可以在现有软硬件能力的基础上，通过生产流程的数据应用，即可实现系统主动检测故障的全面覆盖。