地震预警数据流监控与分析

王红蕾; 朱宏; 毛国良; 李冬圣; 李振波; 蒋宏毅

doi:10.11899/zzfy20230220

地震预警数据流监控与分析

doi: 10.11899/zzfy20230220

王红蕾^{1, 2,},
朱宏³,
毛国良^{1, 2},
李冬圣^{1, 2},
李振波^{1, 2},
蒋宏毅^{1, 2}

1.
河北省地震局, 石家庄 050021
2.
河北红山巨厚沉积与地震灾害国家野外科学观测研究站, 河北邢台 055350
3.
天津市地震局, 天津 300201

基金项目: 中国地震局地震科技星火计划专项（XH23005A）；河北省地震科技星火计划攻关项目（DZ20200326044）；国家地震烈度速报与预警工程（河北子项目）（152004000000163041）

详细信息

作者简介:
王红蕾，女，生于1981年。高级工程师。主要从事地震预警及地震信息网络相关研究。E-mail：wanghlcea@126.com

计量
- 文章访问数: 256
- HTML全文浏览量: 24
- PDF下载量: 31
- 被引次数: 5
出版历程
- 收稿日期: 2022-06-24
- 刊出日期: 2023-06-30

Data Flow Monitoring and Analysis of Earthquake Early Warning System

Wang Honglei^{1, 2
,},
Zhu Hong³,
Mao Guoliang^{1, 2},
Li Dongsheng^{1, 2},
Li Zhenbo^{1, 2},
Jiang Hongyi^{1, 2}

1.
Hebei Earthquake Agency, Shijiazhuang 050021, China
2.
Hebei Hongshan National Observatory on Thick Sediments and Seismic Hazards, Xingtai 055350, Hebei, China
3.
Tianjin Earthquake Agency, Tianjin 300201, China

摘要

摘要: 为实现地震预警网络环境实时监控与分析，明确各业务系统之间的数据流向和范围，根据地震预警系统业务分区梳理关键业务、网段和终端，并通过数据流分析实现地震预警系统网络流量监控。通过数据包采集与解码技术，实现对主要业务系统关键指标的监控，从而对地震预警系统的网络访问性能、系统服务性能、应用响应性能等关键指标进行综合监控与分析，实现以业务为核心的网络环境监控与支撑。
- 地震预警 /
- 流量分析 /
- 数据包检测 /
- 运维监控
Abstract: This paper studies the data flow monitoring of the Earthquake Early Warning system based on the connection of the core components. We sort out the key servers, network segments and terminals of the EEW system, and then analysis the data flow, extract key indicators by data packet acquisition and decoding technology, so as to comprehensively monitor and analyze the key performance indicators such as network access performance, system service performance and application response performance of the full life cycle of EEW system.
- Earthquake early warning /
- Network traffic analysis /
- Packet analysis /
- Operation and maintenance

HTML全文

引言

地震预警能够有效减轻地震灾害，世界上多个国家和地区相继建立了多套地震预警系统，并取得了明显的减灾成效（张红才等，2013；Allen等，2019）。我国“国家地震烈度速报与预警工程”于2018年正式实施，目前，正在按照“全国一张网、一套处理系统、一套处理结果以及一套发布平台、多级信息服务”的技术架构开展建设（王俊等，2021）。至2021年底，云南、四川、京津冀等地区已基本具备地震预警服务能力。

随着我国地震预警系统建设的逐步开展，系统测试用户数量和范围逐渐扩大，从最初的个人用户到学校、政府机构、企业用户等，通过不同的渠道获取预警信息并采取相应的方式进行应对（孙路强等，2020）。与此同时，对整个地震预警系统的运维监控提出了较高的要求，以保证整套系统运行稳定、性能优越、产出准确及时。

预警系统运维包括台站仪器状态、观测数据质量、网络运行状态等，其中针对网络运行状态的监控是地震预警系统运行必不可少的重要且复杂的工作。预警各项核心业务及其支撑业务系统均依赖于网络系统，网络层面发生故障，会影响台站波形数据传输，对于对外公共服务而言，甚至会发生地震漏报，影响地震预警整体服务能力。为变被动为主动，需全面监控预警业务系统各环节服务质量，快速发现并定位影响关键业务性能及稳定性的原因，实现以业务为核心的网络环境监控与支撑。

1. 地震预警网络现状

地震预警通信网络包括广域网和局域网，广域网由国家中心和省级中心共34个节点组成，各中心通过中国电信CN2虚拟专用网（陈军华等，2006）和应急指挥骨干网双平面接入，局域网指省级数据中心通信网和台站通信网。广域网各节点分别部署2台骨干路由器进行接入，局域网每个省中心部署2台台站接入路由器和2台VPN路由器，支撑台站数据传输（图1）。

图 1 省中心地震预警网拓扑

Figure 1. Topology of earthquake early warning network for provincial center

下载: 全尺寸图片幻灯片

地震预警系统主要由3个功能部分组成（Given等，2018；王红蕾等，2019），第1个功能部分为预警信息生产系统，是预警系统最关键的部分，包括4个环节，分别为基于高密度台网的数据采集端（包括测震台网、强震台网及一般站网）、数据汇聚交换系统、数据处理系统、预警信息决策与产出系统；第2个功能部分为数据存储管理系统；第3个功能部分为综合运维监控系统（图2）。图2中箭头标识预警业务各功能区间的数据流向。在实际部署中将预警业务进一步细分为数据接入系统、数据汇集与交换系统、核心业务处理系统、数据存储系统、信息发布系统和运维监控系统等。

图 2 地震预警业务流程

Figure 2. Diagram of earthquake early warning data flow

下载: 全尺寸图片幻灯片

2. 业务集中监控

本文以河北省地震预警网为例，实现省中心地震预警业务集中监控。河北省地震预警业务系统部署在物理服务器和虚拟机服务器上，物理机主要用于波形流服务、预警业务处理及数据存储等系统部署，虚拟机主要用于信息发布、监控运维业务系统部署。预警业务监控基于网络流量监控和数据包采集与解码技术实现，对预警局域网和广域网高速转发的流量进行数据包解码与关键指标监控，实现对预警系统的网络访问性能、系统服务性能、应用响应性能等关键性能指标的采集与分析。

2.1 监控元素梳理

依据地震预警主要业务区，梳理待监控应用主机、网段、终端等基本元素。按照业务划分建立端到端的全业务流程图和分区业务流程图。河北省中心共梳理核心应用34个（表1）。根据业务类型及台站位置分布，将局域网划分为20个网段，其中业务网段为包含专线预警发布区、互联网对外发布区、DMZ区、预警数据交换区、预警数据处理区、预警数据存储与备份区、预警运行监控与展示区、预警数据信息服务区、预警系统安全管理区和测试区在内的10个网段（表2），以实现网段间业务、设备等交互信息统计。针对预警台站数量较多的特点，以地市为单位进行网段区分，将新建137个预警台站分为10个网段（表3）。终端元素为新建137个预警台站的数据采集设备。

表 1 核心应用

Table 1. List of core applications

业务分区	分系统部署单元	部署方式	IP地址
数据接入区	波形流服务（分流服务）	物理机	10.×.×.5（国家项目台站流）
			10.×.×.6（省项目台站流1）
			10.×.×.7（省项目台站流2）
			10.×.×.8（唐山台站流）
			10.×.×.9（张家口台站流）
			10.×.×.10（背景场台站流）
			10.×.×.11（一般站）
汇集交换区	波形流服务（综合）	物理机	10.×.×.12
	波形流服务（触发流）	物理机	10.×.×.13
	波形流服务（台网中心）	未知	10.×.×.14
	波形流服务（备份中心）	未知	10.×.×.15
	波形流服务（北京局）	未知	10.×.×.16
	波形流服务（天津局）	未知	10.×.×.17
业务处理区	预警处理软件（JEEW）	物理机	10.×.×.18
	预警处理软件（EEW）	物理机	10.×.×.19
	烈度速报	物理机	10.×.×.20
	决策平台	物理机	10.×.×.21
	决策平台（台网中心）	未知	10.×.×.22
数据存储区	数据存储AWS	物理机	10.×.×.23
信息发布区	信息发布子系统	集群	10.×.×.24；10.×.×.25
	消息中间件	主备	10.×.×.26
	消息通道：预警终端政府	集群	10.×.×.27
	消息通道：预警终端学校	集群	10.×.×.28
	消息通道：PC端、通信运营商、新闻媒体通道、特殊行业通道	集群	10.×.×.29
	消息通道：市级转发通道	集群	10.×.×.30；10.×.×.31
	Nginx（负载均衡）	主备	10.×.×.32
	MYSQL（紧急地震信息服务）	主备	10.×.×.12
	预警转发平台（IPTV、广电等预警信息发布）	集群	10.×.×.33
运维监控区	站点监控	集群（负载均衡）	10.×.×.34
	业务系统监控/预警终端	集群（负载均衡）	10.×.×.35
	观测数据监控	主备	10.×.×.36
	NTP	单机	10.×.×.37

下载: 导出CSV

| 显示表格

表 2 预警业务网段划分

Table 2. Network segments of EEW system

地址段划分	业务分区	VLAN	网关
10.×.0.0/24	专线预警发布区（接入政府专线）	2100	10.×.0.254
10.×.1.0/24	互联网对外发布区	2101	10.×.1.254
10.×.2.0/24	DMZ区	2102	10.×.2.254
10.×.7.0/24	预警数据交换区	2107	10.×.7.254
10.×.8.0/24	预警数据处理区	2108	10.×.8.254
10.×.9.0/24	预警数据存储与备份区	2109	10.×.9.254
10.×.10.0/24	预警运行监控与展示区	2110	10.×.10.254
10.×.11.0/24	预警数据信息服务区	2111	10.×.11.254
10.×.13.0/24	预警系统安全管理区	2113	10.×.13.254
10.×.63.0/24	测试区	2163	10.×.63.254

下载: 导出CSV

| 显示表格

表 3 预警台站网段划分

Table 3. Network segments of EEW stations

地市	台站数	网段	总带宽/Mbps
廊坊	9	15.×.4.0/22	18
保定	17	15.×.8.0/22	34
邢台	16	15.×.12.0/22	32
唐山	13	15.×.16.0/22	26
沧州	13	15.×.20.0/22	26
邯郸	15	15.×.24.0/22	30
衡水	11	15.×.28.0/22	22
承德	5	15.×.32.0/22	10
石家	4	15.×.36.0/22	8
张家口	34	15.×.40.0/22	68

下载: 导出CSV

| 显示表格

2.2 业务监控架构实现

对于各应用之间的交互关系，在理解业务逻辑关系的基础上，通过交互数据包分析进一步确定网络节点之间IP会话特征（刘恩海等，2015；王颀等，2021），分析预警各业务数据流之间的关联关系，划分应用类型，形成预警业务数据流监控框架。

地震预警业务数据流交互如图3所示，整体数据流流向按照业务逻辑分区自左至右推进，主要核心应用的数据流交互关系通过不同方向和不同颜色的箭头进行标记，箭头方向表示数据流向，橙色表示省数据中心内部数据，蓝色表示省中心之外的设备及数据流交互。由图3可明确各应用要素在业务分区的位置及不同业务分区中的关键节点和数据流向。

图 3 整体业务流程

Figure 3. EEW system flow chart

下载: 全尺寸图片幻灯片

当需要分析某一特定业务时，可以该节点为中心，进一步挖掘特定时间段内与其交互的所有访问关系，确定正常连接之间的访问类型、网络流量、应用响应时间等，并以此监控是否存在非法连接。以省决策平台为例，梳理了与其有数据交互的11个应用，包括每个应用的详细信息及应用间的数据流向，如图4所示。河北省邢台市威县3.6级地震发生前后1 min内（发震时刻2022-02-06 21:48:49）以发布平台为中心的交互访问关系如图5所示，通过数据流回溯挖掘，可分析发布应用的响应时间，其作为服务端或客户端与其他应用的交互协议类型、端口号（图5中应用间连线所标注信息）、流量峰值数据等基于网络应用层的各项特征值，从应用程序会话角度细致分析TCP请求协议类型、响应时间，确定延迟源，更精准地分析发布服务器的运行性能。

图 4 决策平台数据流交互

Figure 4. Decision modular data flow diagram

下载: 全尺寸图片幻灯片

图 5 发布平台数据流交互

Figure 5. Message sending modular data flow diagram

下载: 全尺寸图片幻灯片

3. 监控指标分析

通过构建预警业务流监控架构图，可将预警系统的整体业务架构、重点应用数据流交互及访问关系的主要网络特征等通过可视化的方式呈现。在此基础上，通过数据包回溯挖掘分析，确定应用数据特征值，识别应用层协议类型，完成基于行为模式的业务检测与分类，探查宏观数据流中存在的细微数据变化，有针对性地细化监控范围和参数，进一步确定影响各业务应用运行的性能指标，并设定各指标的告警阈值。

业务指标分析包括网络性能、应用性能和主机性能指标分析。网络性能指标分析可通过流量统计（数据包数、比特率、字节数等指标）和传输性能统计（TCP有效载荷数据包数、TCP重传率、TCP分段丢失率等指标）综合体现。应用性能指标分析可通过TCP客户端/服务端响应时间、传输时间、超时比例、交易次数和响应率等指标体现。主机性能指标分析可通过会话统计、连接状态、客户端/服务器窗口尺寸等指标综合体现，如表4所示。

表 4 监控指标

Table 4. Network monitoring metrics

监控类别	监控指标名称
网络性能	数据流量（上行和下行）	3次握手平均RTT （客户端、服务端）	ACK时延（客户端、服务端）	丢包率	重传率	丢包重传比
应用性能	响应时间	超时比例	交易次数	交易响应率
主机性能	会话数量	连接状态	服务器窗口尺寸	客户端窗口尺寸

下载: 导出CSV

| 显示表格

以数据接入区为例，台站到流服务器之间，通过回溯分析发现采样时间内未抓取到FIN包和RST包（FIN包和RST包是TCP断开连接的数据包）（凯文R.福尔等，2016），可判定台站节点和流服务器之间会话一直处于正常通信状态，其连接类型为TCP长连接。同样，判断波形流服务器（综合）和天津流交互通信方式为长连接（异步双工长连接），通信双方既是对端的服务器，又是对端的客户端，双方数据流互相传输，监控指标应用两端的延迟ACK确定网络延迟。对于服务器间的链路状态监控，需通过服务器平均ACK时延进行判断。但服务器平均ACK时延受链路传输时延、服务器性能的影响，当观测TCP窗口大小为合理值时，才能判定链路时延是否正常，所以在服务器端需监控TCP窗口数值。

初步确定监控指标后，选取部分核心应用针对某一特定时间段进行统计指标分析（表5），对台站链路进行统计分析（表6），并根据这些指标监控结果结合业务状态，设定告警阈值。以预警流数据分发为例，在交换台站数不变的前提下，河北与台网中心、广东备份中心、北京局、天津局进行数据交换，在正常业务状态下制定两点之间数据流量的阈值范围，并进行监控（图6）。警报触发规则如下：在IP会话中，当端点1的IP地址为10.×.×.12，端点2的IP地址为10.×.×.13，且端点1发送比特率≤15 Mbps或≥20 Mbps时触发警报，图6中横向表示触发规则之间为“与”的关系，纵向表示触发规则之间为“或”的关系。

表 5 主要应用监控指标

Table 5. Monitoring metrics of core applications

类别	监控指标	波形流服务（综合）	台网中心流交换	广东流服务（备份）	北京流交换	波形流服务（分流）	流服务（一般站）	决策系统
连接类型		长连接	长连接	长连接	长连接	长连接	短连接	短连接
网络性能	比特率/Mbps	142.84	21.85	22.49	19.30	6.20	9.54	0.064
	上行比特率/Mbps	1.79	20.07	20.45	16.28	2.14	8.37	0.032
	下行比特率/Mbps	141.05	1.79	2.05	3.02	4.06	1.18	0.032
	客户端平均ACK时延/ms	2.85	1 693.50	0.00	1.86	1.27	282.38	29.08
	服务器平均ACK时延/ms	1.18	15.95	39.41	0.00	26.04	34.30	33.10
	TCP重传率/%	0.09	0	0.03	0	0	0.39	0
应用性能	平均响应时间/ms	0.39	0	0	0	0	1.48	0.31
应用性能	服务器响应平均传输时间/ms	0.05	0	0	0	0	137.73	1.13
主机性能	活动会话数	10	1	1	1	134	552	10
	客户端平均窗口大小/KB	662.78	1.00	1.00	164.92	9.38	18.82	382.75
	服务器平均窗口大小/KB	37.33	5.45	25.48	64.19	8.32	62.77	56.84
注：监控时间段为2022年3月15日08:05—2022年3月15日08:10。

下载: 导出CSV

| 显示表格

表 6 台站链路监控指标

Table 6. Monitoring metrics of station links

地市	台站数	数据流量/Kbps	上行流量/Kbps	上行丢包数/个	TCP重传率/%	客户端3次握手平均RTT/ms	服务器3次握手平均RTT/ms	平均ACK 时延/ms
廊坊	9	161.78	141.77	1 386	0	13.33	0.01	20.73
张家口	34	492.07	453.99	44	0	16.70	75.95	38.07
保定	17	324.12	288.55	2 278	0.01	71.19	1.29	19.47
邢台	16	285.91	250.55	2 856	0	8.11	0.17	20.54
唐山	13	251.64	231.60	1 862	0	165.34	1.29	25.08
沧州	13	229.89	203.44	9 675	0.01	45.67	0.59	20.24
邯郸	15	218.83	201.43	0	0	82.60	0.22	39.12
衡水	11	207.44	184.05	1 539	0	4.24	0.43	19.72
承德	5	89.99	83.03	217	0.01	11.66	4.62	27.13
石家庄	4	81.67	73.84	549	0.02	1.27	0.28	18.11

下载: 导出CSV

| 显示表格

图 6 数据流分发告警规则

Figure 6. Alarm rules diagram of data flow distribution

下载: 全尺寸图片幻灯片

4. 总结与讨论

地震预警系统整体技术架构和技术层级较复杂，地震预警信息的产出及发布要求具有高时效、高可靠、高智能的标准贯穿全过程。因此，对于系统的网络监控，不仅要求监控网络流量和硬件设备状态，还需要确定数据中心内部各应用的访问关系，明确特定应用程序的响应时间，构建业务访问关系的可视化，实现对业务系统全局的运行质量监控、故障点快速定位及原因分析（Ganguli等，2018），为解决业务运行出现的问题提供处置依据。

通常意义上的网络管理NPM（Network Performance Management）（Saito等，2005；陈琳等，2017）基于SNMP（简单网络管理协议）轮询、基于流的技术和基于包的技术实现基本网络监测与分析。SNMP重点关注网元设备（路由、交换等）的硬件状态，基于流的监控侧重设备间而非业务间的流量状态，基于包的分析一般旨在针对局域网内出现网络攻击时进行回溯分析。而本文将基于流和包的分析用于业务间状态监控，将流的分析颗粒度细化至秒级，采用深度数据包分析DPI（Deep Packet Inspection）技术在网络应用层进行业务定向分析。本研究根据实际部署的地震预警系统梳理了针对主机、网段、终端等关键元素，并将业务间数据流的逻辑访问关系细化，构建地震预警关键业务监控架构，实现基于预警系统全生命周期的数据流可视化。但基于流的数据不提供源和目标之间的特定网络数据包集的详细信息，也不提供有关会话本身或延迟组件的任何定时信息（Siswanto等，2019），包括2个网络节点之间IP会话的特征。对于这种局限性，本文进一步采用数据包采集与解码技术，提高数据流信息的质量和颗粒度，基于TCP请求/响应定时采集会话间延迟源及客户端/服务端响应时间等指标，达到监控服务器的应用性能和主机性能的目的。

该监控架构构建以来，已针对预警数据流分发和主要业务间访问异常进行了有效监控，在中国地震台网中心进行的地震预警网流量测试中起到了关键作用，在系统日常运行和震时数据流分析方面，提供了完整的网络路径分析和主动性能问题检测。

2021年底，河北与广东备份中心数据流交互出现流量下降及中断现象，河北与台网中心、天津等地数据流交互出现不定期延时过大或中断现象，此监控系统根据图6中数据流分发监控进行告警。

2022年2月24日，河北省唐山市丰南区M3.0地震期间，JEEW分系统与决策平台消息推送服务异常，造成处理结果未向决策平台发布。该监控系统显示决策平台与发布平台业务连接从16号中断且未处理。

2022年3月29日，河北预警综合流服务器数据流中断3 s。所有发送流（含局域网和广域网）中断，且中断重传后，到台网中心和广东备份中心的数据流量均较之前下降3～4 Mbps，发送的数据包大小也产生明显差异。

以上问题的产生，既存在于地震预警局域网中的核心业务，又存在于广域网中省级节点间数据流分发，出现的问题围绕台站数据流传输，包括核心业务互连、异常连接访问等。如前文所述，作为全自动运行与发布的秒级预警系统，任何环节的非正常运行均有可能造成地震预警信息产出的失误，并造成难以估量的社会影响。

随着国家预警项目的建设与发展，地震预警成效初现（许可等，2019；Peng等，2022），与此同时，业务系统仍在不断改进，业务软件不断升级优化，对于预警数据流的监控和分析也需进一步细化并更新各业务节点的访问关系，确定问题基线和警报范围，并针对具体问题分析具体原因，做到网络和业务紧密结合，不断验证本研究各项监控的可靠性。

本文涉及的IP地址和端口号均为虚拟地址，文中监控数据部分来源于科来网络回溯分析系统和科来业务性能管理系统，文中配图由Visio2013实现。

致谢感谢河北省地震局高景春研究员的指导和帮助，感谢审稿专家及编辑老师给出的意见和建议。

图 1 省中心地震预警网拓扑

Figure 1. Topology of earthquake early warning network for provincial center

下载: 全尺寸图片幻灯片

图 2 地震预警业务流程

Figure 2. Diagram of earthquake early warning data flow

下载: 全尺寸图片幻灯片

图 3 整体业务流程

Figure 3. EEW system flow chart

下载: 全尺寸图片幻灯片

图 4 决策平台数据流交互

Figure 4. Decision modular data flow diagram

下载: 全尺寸图片幻灯片

图 5 发布平台数据流交互

Figure 5. Message sending modular data flow diagram

下载: 全尺寸图片幻灯片

图 6 数据流分发告警规则

Figure 6. Alarm rules diagram of data flow distribution

下载: 全尺寸图片幻灯片

表 1 核心应用

Table 1. List of core applications

业务分区	分系统部署单元	部署方式	IP地址
数据接入区	波形流服务（分流服务）	物理机	10.×.×.5（国家项目台站流）
			10.×.×.6（省项目台站流1）
			10.×.×.7（省项目台站流2）
			10.×.×.8（唐山台站流）
			10.×.×.9（张家口台站流）
			10.×.×.10（背景场台站流）
			10.×.×.11（一般站）
汇集交换区	波形流服务（综合）	物理机	10.×.×.12
	波形流服务（触发流）	物理机	10.×.×.13
	波形流服务（台网中心）	未知	10.×.×.14
	波形流服务（备份中心）	未知	10.×.×.15
	波形流服务（北京局）	未知	10.×.×.16
	波形流服务（天津局）	未知	10.×.×.17
业务处理区	预警处理软件（JEEW）	物理机	10.×.×.18
	预警处理软件（EEW）	物理机	10.×.×.19
	烈度速报	物理机	10.×.×.20
	决策平台	物理机	10.×.×.21
	决策平台（台网中心）	未知	10.×.×.22
数据存储区	数据存储AWS	物理机	10.×.×.23
信息发布区	信息发布子系统	集群	10.×.×.24；10.×.×.25
	消息中间件	主备	10.×.×.26
	消息通道：预警终端政府	集群	10.×.×.27
	消息通道：预警终端学校	集群	10.×.×.28
	消息通道：PC端、通信运营商、新闻媒体通道、特殊行业通道	集群	10.×.×.29
	消息通道：市级转发通道	集群	10.×.×.30；10.×.×.31
	Nginx（负载均衡）	主备	10.×.×.32
	MYSQL（紧急地震信息服务）	主备	10.×.×.12
	预警转发平台（IPTV、广电等预警信息发布）	集群	10.×.×.33
运维监控区	站点监控	集群（负载均衡）	10.×.×.34
	业务系统监控/预警终端	集群（负载均衡）	10.×.×.35
	观测数据监控	主备	10.×.×.36
	NTP	单机	10.×.×.37

下载: 导出CSV

表 2 预警业务网段划分

Table 2. Network segments of EEW system

地址段划分	业务分区	VLAN	网关
10.×.0.0/24	专线预警发布区（接入政府专线）	2100	10.×.0.254
10.×.1.0/24	互联网对外发布区	2101	10.×.1.254
10.×.2.0/24	DMZ区	2102	10.×.2.254
10.×.7.0/24	预警数据交换区	2107	10.×.7.254
10.×.8.0/24	预警数据处理区	2108	10.×.8.254
10.×.9.0/24	预警数据存储与备份区	2109	10.×.9.254
10.×.10.0/24	预警运行监控与展示区	2110	10.×.10.254
10.×.11.0/24	预警数据信息服务区	2111	10.×.11.254
10.×.13.0/24	预警系统安全管理区	2113	10.×.13.254
10.×.63.0/24	测试区	2163	10.×.63.254

下载: 导出CSV

表 3 预警台站网段划分

Table 3. Network segments of EEW stations

地市	台站数	网段	总带宽/Mbps
廊坊	9	15.×.4.0/22	18
保定	17	15.×.8.0/22	34
邢台	16	15.×.12.0/22	32
唐山	13	15.×.16.0/22	26
沧州	13	15.×.20.0/22	26
邯郸	15	15.×.24.0/22	30
衡水	11	15.×.28.0/22	22
承德	5	15.×.32.0/22	10
石家	4	15.×.36.0/22	8
张家口	34	15.×.40.0/22	68

下载: 导出CSV

表 4 监控指标

Table 4. Network monitoring metrics

监控类别	监控指标名称
网络性能	数据流量（上行和下行）	3次握手平均RTT （客户端、服务端）	ACK时延（客户端、服务端）	丢包率	重传率	丢包重传比
应用性能	响应时间	超时比例	交易次数	交易响应率
主机性能	会话数量	连接状态	服务器窗口尺寸	客户端窗口尺寸

下载: 导出CSV

表 5 主要应用监控指标

Table 5. Monitoring metrics of core applications

类别	监控指标	波形流服务（综合）	台网中心流交换	广东流服务（备份）	北京流交换	波形流服务（分流）	流服务（一般站）	决策系统
连接类型		长连接	长连接	长连接	长连接	长连接	短连接	短连接
网络性能	比特率/Mbps	142.84	21.85	22.49	19.30	6.20	9.54	0.064
	上行比特率/Mbps	1.79	20.07	20.45	16.28	2.14	8.37	0.032
	下行比特率/Mbps	141.05	1.79	2.05	3.02	4.06	1.18	0.032
	客户端平均ACK时延/ms	2.85	1 693.50	0.00	1.86	1.27	282.38	29.08
	服务器平均ACK时延/ms	1.18	15.95	39.41	0.00	26.04	34.30	33.10
	TCP重传率/%	0.09	0	0.03	0	0	0.39	0
应用性能	平均响应时间/ms	0.39	0	0	0	0	1.48	0.31
应用性能	服务器响应平均传输时间/ms	0.05	0	0	0	0	137.73	1.13
主机性能	活动会话数	10	1	1	1	134	552	10
	客户端平均窗口大小/KB	662.78	1.00	1.00	164.92	9.38	18.82	382.75
	服务器平均窗口大小/KB	37.33	5.45	25.48	64.19	8.32	62.77	56.84
注：监控时间段为2022年3月15日08:05—2022年3月15日08:10。

下载: 导出CSV

表 6 台站链路监控指标

Table 6. Monitoring metrics of station links

地市	台站数	数据流量/Kbps	上行流量/Kbps	上行丢包数/个	TCP重传率/%	客户端3次握手平均RTT/ms	服务器3次握手平均RTT/ms	平均ACK 时延/ms
廊坊	9	161.78	141.77	1 386	0	13.33	0.01	20.73
张家口	34	492.07	453.99	44	0	16.70	75.95	38.07
保定	17	324.12	288.55	2 278	0.01	71.19	1.29	19.47
邢台	16	285.91	250.55	2 856	0	8.11	0.17	20.54
唐山	13	251.64	231.60	1 862	0	165.34	1.29	25.08
沧州	13	229.89	203.44	9 675	0.01	45.67	0.59	20.24
邯郸	15	218.83	201.43	0	0	82.60	0.22	39.12
衡水	11	207.44	184.05	1 539	0	4.24	0.43	19.72
承德	5	89.99	83.03	217	0.01	11.66	4.62	27.13
石家庄	4	81.67	73.84	549	0.02	1.27	0.28	18.11

下载: 导出CSV

参考文献(16)

陈军华, 王忠民, 2006. BGP/MPLS VPN实现原理. 计算机工程, 32（23）: 124—126

Chen J. H. , Wang Z. M. , 2006. Theory and implementation of BGP/MPLS VPN. Computer Engineering, 32(23): 124—126. (in Chinese)

陈琳, 南洋, 2017. 一种面向大规模系统域网络性能管理系统. 计算机工程与科学, 39（9）: 1588—1593

Chen L. , Nan Y. , 2017. A performance management system for large-scale system area networks. Computer Engineering & Science, 39(9): 1588—1593. (in Chinese)

凯文 R. 福尔, W. 理查德·史蒂文斯, 2016. TCP/IP详解-卷1: 协议. 吴英, 张玉, 许昱伟, 译. 北京: 机械工业出版社, 423—427

Fall K. R., Stevens W. R., 2016. TCP/IP illustrated-volume 1: the protocols. Wu Y., Zhang Y., Xu Y. H., trans. Beijing: China Machine Press, 423—427. (in Chinese)

刘恩海, 刘微, 樊世燕等, 2015. 增强的NetFlow数据采集系统设计与实现. 计算机工程与设计, 36（5）: 1150—1155

Liu E. H. , Liu W. , Fan S. Y. , et al. , 2015. Design and implementation of enhanced Netflow data collection system. Computer Engineering and Design, 36(5): 1150—1155. (in Chinese)

孙路强, 张春莉, 徐小远等, 2020. 地震综合信息多渠道发布系统设计与实现. 震灾防御技术, 15（3）: 563—570

Sun L. Q. , Zhang C. L. , Xu X. Y. , et al. , 2020. Design and implementation of multi-channel release system of seismic comprehensive information. Technology for Earthquake Disaster Prevention, 15(3): 563—570. (in Chinese).

王红蕾, Walter M. , 高景春等, 2019. 美国地震预警系统ShakeAlert测试与评估. 国际地震动态, （5）: 17—25

Wang H. L. , Walter M. , Gao J. C. , et al. , 2019. Instruction of earthquake early warning ShakeAlert testing platform. Recent Developments in World Seismology, (5): 17—25. (in Chinese)

王俊, 刘红桂, 周昱辰, 2021. 地震预警技术的应用与展望. 防灾减灾工程学报, 41（4）: 874—882

Wang J. , Liu H. G. , Zhou Y. C. , 2021. Application and prospect of earthquake early warning technology. Journal of Disaster Prevention and Mitigation Engineering, 41(4): 874—882. (in Chinese)

王颀, 刘丰, 张彬等, 2021. SNMP与NetStream流量监控方法的对比分析. 海洋信息, 36（3）: 18—25

Wang Q. , Liu F. , Zhang B. , et al. , 2021. Comparative analysis of SNMP and netstream traffic monitoring methods. Marine Information, 36(3): 18—25. (in Chinese)

许可, 郭巍, 高也等, 2019. 天津简易烈度计地震预警试验区建设. 震灾防御技术, 14（2）: 456—463

Xu K. , Guo W. , Gao Y. , et al. , 2019. Development of simple intensity meter in Tianjin early warn experimental site. Technology for Earthquake Disaster Prevention, 14(2): 456—463. (in Chinese)

张红才, 金星, 李军等, 2013. 地震预警系统研究及应用进展. 地球物理学进展, 28（2）: 706—719

Zhang H. C. , Jin X. , Li J. , et al. , 2013. Progress of research and application of earthquake early warning system (EEWs). Progress in Geophysics, 28(2): 706—719. (in Chinese)

Allen R. M. , Melgar D. , 2019. Earthquake early warning: advances, scientific challenges, and societal needs. Annual Review of Earth and Planetary Sciences, 47: 361—388. doi: 10.1146/annurev-earth-053018-060457

Ganguli S., Bhalla V., Prasad P., 2018. Gartner magic quadrant for network performance monitoring and diagnostics. (2018-02-21)[2022-04-21].https://www.gartner.com/en/documents/3859467.

Given D. D., Allen R. M., Baltay A. S., et al., 2018. Revised technical implementation plan for the ShakeAlert system—An earthquake early warning system for the West Coast of the United States. Reston: USGS, 15—17.

Peng C. Y. , Jiang P. , Ma Q. , et al. , 2022. Chinese nationwide earthquake early warning system and its performance in the 2022 Lushan M6.1 earthquake. Remote Sensing, 14(17): 4269. doi: 10.3390/rs14174269

Saito H. , Chusho T. , 2005. Development of performance evaluation system for network systems by client observation. Electronics and Communications in Japan (Part I: Communications), 88(2): 71—80. doi: 10.1002/ecja.20083

Siswanto A., Syukur A., Kadir E. A., et al., 2019. Network traffic monitoring and analysis using packet sniffer. In: 2019 International Conference on Advanced Communication Technologies and Networking (CommNet). Rabat: IEEE, 1—4.

施引文献

期刊类型引用(2)

1.	欧阳龙斌，苏柱金，刘军，黄文辉，洪玉清，吕浩杰. 国家地震烈度速报与预警工程融合决策平台建设. 中国地震. 2024(01): 24-39 . 百度学术
2.	陈超，谭心鑫，王迪，李长俊. 油库抗震韧性动态评估模型. 中国安全科学学报. 2024(04): 87-92 . 百度学术