随着云计算领域的发展,数据中心成为供应商提供可靠服务的重要保障。然而在现代的数据中心中,经常会出现网络设备出现故障的情况。并且,随着数据中心的规模逐渐增大,定位这些网络设备出现故障的位置也变得愈发艰难。而且,由于传统网络路由路径未知,以及路由动态切换的特性,准确快速定位这些故障成为当前运维的难点和痛点。本文设计了一种基于延迟数据进行网络设备故障定位的系统,有效地定位交换机故障以及交换机之间链路拥塞的灰色故障,本文的工作如下:本文首先进行网络故障与通信延迟关联关系分析,本文发现交换机故障以及交换机间链路拥塞发生位置与结点间的通信延迟受影响程度强相关。因此,延迟数据的变化可以反映数据中心网络的通信状态。通过对延迟数据进行统计值分析和数据挖掘,可以对交换机故障和交换机链路的拥塞故障进行定位。然后本文设计了一个基于通信延迟波动分析的网络故障定位系统——Net Cruiser,本系统可以主动探测和收集延迟数据,并对延迟数据进行分析从而达到定位故障的目的。本系统在收集主机延迟的同时,还提出并设计了一种处理延迟数据的延迟数据立方体的数据结构。延迟数据立方体具有三个维度的特征,空间维度,时间维度和特征维度。基于这种数据结构,本系统应用了机器学习算法进行交换机故障以及链路间拥塞的灰色故障定位。通过在Fat-tree,ATT北美网络等多种网络拓扑下的实验结果表明,在设置为2000ms的时间窗口下,以ATT北美拓扑为代表的数据中心间网络的平均精度可以达到93.7%左右,在以Fat-tree拓扑为代表的数据中心内网络的平均精度可以达到93.4%左右。此外,数据中心间网络的平均推理速度可以达到0.159ms,而数据中心内网络的平均推理速度可以达到0.107ms。因此,Net Cruiser可以广泛应用于数据中心网络,进行准确且快速的网络故障定位。