随着电信网络的飞速发展和网络规模的扩大,人们对电信网络的稳定运行提出了非常高的要求。面对这种情况,电信网络运维人员必须要精准找到产生故障的根本原因并快速解决故障。虽然网络中的故障是以告警的形式呈现,但是由于网络中的设备与组件存在关联,一个设备产生故障会导致相关联的组件或设备也产生故障,从而引发告警风暴,增加了找到故障根源的难度。面对海量的告警数据,准确地分析定位告警根源是解决故障的关键所在,对于提高网络运行的稳定性具有重要意义。本论文将运用数据挖掘的方法挖掘告警之间的关联关系以帮助网络运维人员准确定位根源告警解决故障。本论文主要的研究工作如下:1、电信网络系统产生的告警数据,如果不经处理直接挖掘告警的关联关系的话,那会消耗大量的时间和资源去处理海量的重复且不重要的告警,影响挖掘的质量。因此,需要对告警数据进行预处理,以过滤掉网络中发生频率高、持续时间短的颤动告警,降低对告警关联分析的影响,提高定位故障根源的准确性。2、在电信网络中,网络设备或组件相互关联,当网络中的某些组件产生故障会沿着调用链进行传播。从数据分析的角度建立告警网络拓扑图以分析告警传播规律是进行告警关联分析与根源分析的重要方法。因此,本论文将从告警数据集中学习得到告警贝叶斯网络,并结合Spark计算引擎提高学习速度,同时结合最小生成树算法,提炼出网络拓扑图的主干路径以优化网络拓扑图。3、序列模式挖掘能够找到数据之间潜在的关系,其研究意义巨大,并且该方法在告警关联分析领域内应用广泛。因此,本论文将基于时间序列模式挖掘告警之间的关联关系。针对GSP算法需要多次遍历序列集以及产生大量候选序列模式导致算法运行时间长的不足,本文对GSP算法做出相应的优化,改进后的算法基于字典搜索树的数据结构能有效减少算法的运行时间,但消耗了更多的内存空间。针对Prefix Span算法消耗内存巨大可能会导致内存溢出的缺陷,本文对Prefix Span算法做出相应的优化,改进后的算法基于二元组链表索引树的数据结构能有效减少内存空间地使用,运行时间与未改进的Prefix Span算法相接近。4、基于以上理论和实验结果,设计了告警溯源AIOps系统,详细介绍了系统的模块设计和实现。