随着互联网和信息技术的不断发展,使用网络变得越来越容易。随着网络给我们提供的功能越来越丰富,它自身的结构也变得越来越复杂,包含设备越来越多。而且这些设备又通过各种各样的媒介联系在了一起,使得经常会出现一个设备出现问题就会影响周边很多设备,进而导致所有不正常的设备都会发出告警信息,当网管人员面对这种所谓的“告警风暴”时,一般的人工分析已经几乎不可能解决问题。此时就需要有一种方法,能在这些大规模告警数据的背后找到某些关联,而这些关联能够快速让我们分析出故障的源头。这就是告警相关性分析。本文研究目标是如何在大量的告警历史数据中挖掘出有用的信息,即找出其中的频繁项,作为最终告警根因分析的依据。文章的前两章主要给出了告警关联分析的一些基本概念以及海量数据预处理的理论方法和技术手段。在第三章,则从两个经典数据挖掘算法Apriori和FP-growth出发,通过查阅文献,详细介绍了两者的优缺点以及一些改进算法,在后半部分给出了一些新的告警相关性分析算法和研究思路。在前三章基础上本文在第四章给出了Apriori的一个改进算法,重点解决Apriori两大缺陷即多次扫描数据库以及中间产生大量候选集。针对FP-growth,本文给出了工程实现的一个改进。最后对经典算法和改进算法并分别做了实验对比。第五章是作者参与开发的多源资源监控系统,该系统具有监控范围广、易扩展、界面可定制等多个特点,主要作为告警数据采集的监控平台。该章节详细介绍了该系统的硬件和软件架构以及各个模块的实现,并且在最后给出了较为详细的测试用例。