JP2006094155A - ネットワーク障害監視システムおよびそのためのプログラム - Google Patents

Abstract

【課題】 不稼動状態で詳細情報の収集を行い、ダウンタイムや機器ごとの障害率、作業時間などからキャリア・ベンダの品質評価、被害総額などを算出することが可能なネットワーク障害監視システムおよびそのためのプログラムの提供。
【解決手段】 障害発生機器に対して、ＩＣＭＰ（Ping送出）によってネットワークレベルのダウンタイムを測定するとともに、障害で影響を受ける関連アプリケーションに対してアプリケーションの動作確認を連続して実行してアプリケーションレベルでの正確なダウンタイムを測定し（ダウンタイム計測部００４）、ＩＣＭＰによりネットワークレベルでの応答があった後もアプリケーションレベルでの正常稼動が確認されるまで障害の発生している機器に関する情報を収集し（不稼動情報記録システム００）、収集した情報に基づいて品質評価、被害総額などを算出する（キャリア／ベンダ評価システム１０）。
【選択図】 図１

Description

本発明は、通信ネットワークの障害監視技術に係り、特に障害を監視しダウンタイムなどの不稼動情報を収集するネットワーク障害監視システム、障害に起因する被害総額を算出するネットワーク障害監視システム、通信ネットワークサービスを提供するキャリアまたはベンダの品質を評価するネットワーク障害監視システムおよびそのためのプログラムに関する。

現在、電子商取引や損保代理店システム等の基幹システムなどの重要な業務サービスが、インターネットやＬＡＮなどのネットワークを介して提供されるようになっている。そしてそのサービスが広く普及するに伴って、ユーザから２４時間３６５日不休で稼動することが求められるようになってきている。そのため、これらネットワークサービスを提供するキャリアやベンダには、ネットワークを構成する機器の常時監視や、万が一の障害発生時に対する迅速な対応と短時間での障害復旧が望まれている。

障害対策に関するものとして、例えば、特開平９−２８８５９４号公報（特許文献１）の「障害対処方法通知システム」や特開平７−２３１３２５号公報（特許文献２）の「障害監視装置」などに提案されている。

特開平９−２８８５９４号公報（特許文献１）に開示されたものは、被管理装置から検出された障害情報について、障害箇所の特定または修復作業に適切な情報を運用者に通知することにより、障害対処作業の効率化を図ったものであり、そのために、被管理装置対応の情報記憶領域に障害種別の障害情報、障害の組み合わせ、規定発生回数、発生有効時間、判定情報を予め登録しておき、且つ被管理装置に障害が発生したとき受信時刻を記憶し、条件一致のときは判定情報を読み出し、この判定情報に対応して別の情報記憶領域に予め登録されている対処方法を読み出し、表示手段に出力するようにしたものである。また、判定情報に対応した対処処理を被管理装置に対し実施し、実施結果を可視表示するようにしている。

また、特開平７−２３１３２５号公報（特許文献２）の「障害監視装置」に開示されたものは、障害箇所の絞り込み作業を容易に行えるようにするためのものであり、そのために、通信回線上に接続された複数の端末の障害の発生状態を含む動作状態を示すテーブルと、前記複数の端末に対してテストコマンドを送信し、正常な応答がない場合は、前記テーブル中の対応する端末の動作状態を障害発生とする障害監視部と、予め決められた周期で前記テーブルを検索し、動作状態が障害である端末を抽出する障害端末抽出部と、前記障害端末抽出部で抽出された端末を障害端末として表示する表示部とを備えたものである。

一方、ネットワークサービスを享受する側としては、根本的な障害発生率の低減や障害回復時間の短縮を目指し、ネットワークサービスの品質評価や、キャリアやベンダの選定能力向上が急務となっている。

特開平９−２８８５９４号公報 特開平７−２３１３２５号公報

ネットワークサービスやキャリアやベンダを選定するための評価基準としては、ネットワークが正常に稼動している状態が平常であるためこの正常な状態からのマイナス要因、すなわち、障害の発生率や障害発生時のダウンタイム・回復までの時間などのマイナス要因が用いられる。

しかし、従来のネットワーク監視では「特許文献１」や「特許文献２」に開示されているように、障害箇所の絞込みや障害対処作業の効率化などを主な目的としたものであり、障害が発生している間の不稼動状態での情報の収集には重点が置かれておらず、作業履歴などおおよそを手作業で記録されているにすぎない。

そのため、これらネットワークサービスを提供するキャリアやベンダは、顧客が最も必要とするサービスのダウンタイムや、その間の被害総額など正確な情報を示すことができず、提供できる作業詳細情報、例えば短時間で回復した障害などの正確なダウンタイムや機器ごとの障害率、作業時間などの情報が不足することにより、顧客の信頼喪失につながっている、という問題がある。

また、ネットワークサービスを享受する側としては、キャリア・ベンダの品質評価に必要な情報が不足するため、結果的にネットワークサービスの定量的な品質評価、優良なキャリア・ベンダを選定できず、障害の発生率を抑えることや回復時間の短縮を実現できていない、という問題がある。

本発明の目的は、上記問題を解消し、障害が発生している間の不稼動状態でのダウンタイムなどの詳細情報の収集を行い、ダウンタイムや機器ごとの障害率、作業時間、キャリア・ベンダの品質評価を求め、被害総額などを算出することが可能なネットワーク障害監視システムおよびそのためのプログラムを提供することにある。

本発明は、上記目的を達成するために、異常を検知した時から自動的に起動し、不稼動状態での情報を取得する下記の如き構成を有するネットワーク障害監視システムを用いた。

すなわち、ネットワーク障害の発生している機器に対して、障害発生から障害回復時までＩＣＭＰ（Ｉnternet Ｃontrol Ｍessage Ｐrotocol：Ping送出）による生死確認を連続して実行し、ネットワークレベルでの正確なダウンタイムを取得する手段（第１の測定手段）と、ネットワーク障害の発生している機器に関連するアプリケーションに対して、障害発生時から障害回復時までユーザによるアクセスと同じ手法でアプリケーションの動作確認を連続して実行し、アプリケーションレベルでの正確なダウンタイムを取得する手段（第２の測定手段）を併用する。

これらの手段により、通常の監視装置では、ＩＣＭＰの応答があれば障害が回復したと誤認してしまうケースが、アプリケーションレベルでは回復していないことを感知することができ、ＩＣＭＰの応答があった後の障害情報も収集することができる。

またさらに、ネットワーク（回線や機器）の状態を常に監視し、異常を検知した時から自動的にネットワーク上での異常発生場所や異常の内容の記録、前記ダウンタイムのカウントによる回復までの時間や、変更履歴、作業履歴などのデータを自動的に収集し、データベースに記録する。

これにより、ネットワーク不稼動状態の間に、障害機器や障害発生時間を特定する情報などを含む障害情報に加え、障害機器の状態変化、作業履歴、ダウンタイムなどの情報を、通常の監視装置よりも多くかつ正確に収集することができる。

また、当該ネットワークサービスに依存するアプリケーションが発生する時間あたりの売上高を記録してあるデータベースなどを参照すれば、ネットワークのダウンに伴う被害総額なども自動で計算して求めることができる。

また情報を集計・分析し、各項目ごとにランク付けすることで、ネットワークサービスや機器を提供するキャリアもしくはベンダのサービスレベル評価を行うことができる。

本発明により、正確な障害発生率やダウンタイム・作業履歴などの詳細情報の取得を行うことができ、蓄積したデータを利用して、ネットワークサービスを提供するキャリアやベンダは、顧客が最も必要とするサービスのダウンタイムや、その間の被害総額など正確な情報や作業詳細情報を提供でき、顧客の信頼を得ることができる。

また、ネットワークサービスを享受する側としては、本発明を利用すれば、キャリア・ベンダの品質評価に必要な情報を得られ、キャリアやベンダ、回線・機器の品質評価を行い、優良なキャリアやベンダを選定でき、結果的に障害の発生率や被害額も抑えることができる。

以下、本発明に係るネットワーク不稼動情報収集システムの実施例を、図面を用いて詳細に説明する。

図１は本発明に係るネットワーク不稼動情報収集システムの機能構成を示す図である。図２は本発明フローチャート図（不稼動情報記録システム）である。図３は本発明データベースに含まれるテーブルの具体例である。図４は本発明フローチャート図（ダウンタイム計測）の図である。図５は本発明フローチャート図（状態履歴記録）である。図６本発明評価レポートの具体例である。以下、図１、２、３、４、５、６に関して詳細を説明する。

図１は、本発明に係るネットワーク不稼動情報収集システムの機能構成図である。本ネットワーク不稼動情報収集システムは、大きく分けて、不稼動情報記録システム（００）とキャリア／ベンダ評価システム（１０）の２つの部分から構成される。

これらは、図示しないが、ＣＰＵ、主記憶装置、外部記憶装置を含むコンピュータから構成されており、図１の各処理部は、対応する機能を実現するプログラムをＣＰＵで実行することにより実現されるものであることはいうまでもない。

まず、不稼動情報記録システム（００）について説明する。
この不稼動情報記録システム（００）は、常時ネットワーク監視を行っているネットワーク監視部（２０）がネットワーク内に異常を検知したときにのみ起動される。

ネットワーク監視部（２０）の実現には、ネットワークの異常を感知し、それをトリガとして何らかのプログラムを動作させる機能を持つ、市販のネットワーク監視系のソフトウェアなどを用いる方法がある。

ネットワーク監視部（２０）は、ネットワークの異常を検知すると、システム起動／停止部（２１）により不稼動情報記録システム（００）を起動する。起動された不稼動情報記録システム（００）では、キャリアやベンダ評価に必要な様々な情報の収集を開始する。

不稼動情報記録システム（００）は、５つの機能を実現する処理部、すなわち、ネットワーク構成情報取得部（００１）、ネットワーク異常情報取得部（００２）、回線／機器情報取得部（００３）、ダウンタイム計測部（００４）、状態履歴記録部（００５）からなる。これらの機能を実現する処理部は、上述したようにプログラムを実行することによりソフトウェア的に行われる。

まず、図２に示される上記５つの機能の実行順序を簡単に説明し、次にそれぞれの機能部について詳細に説明する。

図２は、本発明の不稼動情報記録システム（００）の各処理部の機能実行順序を示すフローチャートである。

システムが起動されると、まずネットワーク異常情報取得部（００２）で、ネットワーク監視部（２０）から、障害機器や障害発生時間を特定する情報（単に障害情報ともいう）、例えば異常が発生した時間、機器名、機器IPアドレス、どのような警告を検知したのかという現象、影響を受ける区間などの情報を取得する。

具体的なデータの例としては、図３に示す不稼動情報データベース（４０）のネットワーク異常情報テーブル（２０１）にあるような情報（図の例では、ネットワーク異常ＩＤ，発生日時，障害発生機器名，障害発生機器ＩＰアドレス，機器区分（サーバーかルータか），現象（アラーム検知、ルータ無応答検知など），回線区間など）を取得する。

次に、ネットワーク構成情報取得部（００１）により、ネットワークの構成情報を取得して、障害によって影響を受ける機器名、回線区間、サービス名、アプリケーション名、会社名、人物名などの関連情報を取得する。

次に、回線／機器情報取得部（００３）では、ネットワーク異常情報取得部（００２）から障害が起こった機器の情報を取得し、実際にネットワーク上の機器から障害の詳細情報を取得する。

具体的なデータの例としては、図３に示す不稼動情報データベース（４０）の回線／機器情報テーブル（２０２）にあるような情報（図の例では、ネットワーク異常ＩＤ，機器情報ＩＤ，回線／機器名，機器ＩＰアドレス，発生エラー内容（ｗｗｗサービスダウン，応答無など））を取得する。

ダウンタイム計測部（００４）では、異常が発生した時点から、２種類のダウンタイムカウント処理を実行する。ひとつはPingダウンタイムカウント処理（００６）で、もうひとつはアプリケーションダウンタイムカウント処理（００７）である。

Pingダウンタイムカウント処理では、異常が発生した機器や異常が発生した先にあるサーバやルータなどに対してPingを発信し続け、修理が完了して応答が帰ってくるまでの時間を記録する（第１の測定手段）。

アプリケーションダウンタイムカウント処理では、障害に関連するアプリケーションが利用できない時間を記録する（第２の測定手段）。例えば、Webアプリケーションであれば、サーバ自体はハード的に動いていてもサービスが停止していれば利用できない。

実現方法としては、市販のWebアプリケーション監視ソフトウェアなどを用いて、ユーザによるアクセスと同じ手法でWebページを取得し、正しいページが帰ってきているかどうかを確認することで、アプリケーションが正常に利用できる状態になっているかどうかを判断する。

ダウンタイム計測部（００４）（第１および第２の測定手段）で行われる２つの処理については、図４でフローチャートを用いて詳しく説明する。

具体的なデータの例としては、図３に示す不稼動情報データベース（４０）のダウンタイムテーブル（２０４）にあるような情報（図の例では、ネットワーク異常ＩＤ，Pingダウンタイム，Ping測定開始時間，Ping測定終了時間，アプリケーションダウンタイム，アプリケーション測定開始時間，Ping測定終了時間など）を取得する。

最後に、状態履歴記録部（００５）では、ネットワーク異常情報取得部（００２）から障害が起こった機器の情報を取得し、実際にネットワーク上の機器から状態の変更情報を取得し、状態履歴を作成する。

例えば機器の交換を行ったとすればMAC（Ｍedia Ａccess Ｃontrol）アドレスが変わるため、それを記録しておく。実現方法としては、サーバであればアプリケーションエラーログを監視すること、ルータ機器などでは、ＭＩＢ（Ｍanagement Ｉnformation Ｂase）情報などから様々な状態の変化を自動的に取得して、記録する。

具体的なデータの例としては、図３に示す不稼動情報データベース（４０）の状態履歴テーブル（２０３）にあるような情報（図の例では、ネットワーク異常ＩＤ，機器情報ＩＤ，機器設定変更時間，機器設定変更履歴など）を取得する。

この情報の取得は、ＩＣＭＰによる応答が確認された後もアプリケーションレベルでの正常稼動が確認されるまで続けられる（００９）。のちほど、図４，５で、Pingダウンタイムカウント処理（００６）、アプリケーションダウンタイムカウント処理（００７）、状態履歴取得処理（００８）についてフローチャートを用いて詳しく説明する。

追加情報として、もし現場にカードリーダなどが設置してあれば、それから得られる作業員の到着時間や退出時間なども不稼動情報データベースに随時蓄積しておく。具体的なデータの例としては、図３に示す不稼動情報データベース（４０）の作業履歴テーブル（２０５）のような情報（図の例では、ネットワーク異常ＩＤ，作業員到着時間，作業員退出時間，作業開始時間，作業終了時間など）を記録する。

次に、キャリア／ベンダ評価システム（１０）について説明する。
キャリア／ベンダ評価システム（１０）は、不稼動情報情報取得部（１０１）が不稼動情報データベース（４０）から障害に関する各種情報やダウンタイムを取得し、キャリア／ベンダ情報取得部（１０２）がネットワーク構成（キャリア／ベンダの回線や機器を含む）情報データベース（３０）から、キャリアやベンダの回線や機器に関するキャリア／ベンダ情報を取得する。

さらに、売上高情報データベース（５０）にネットワークを利用するサービスやシステムが発生する売上高情報を格納しておき、該売上高情報データベース（５０）から売上高情報を取得し（１０３）、被害総額計算部（１０５）で売上高情報からネットワークのダウンに伴う被害総額などを自動で計算して求める。

例えば、自社や顧客のＢtoＢ，ＢtoＣサイトを運営するサービスであれば、時間当たりのサイトの平均売上高とアプリケーションのダウンタイムを掛け合わせることで自社や顧客の被害総額を求めることができる。また、顧客のシステムを請け負っている会社（ＩＤＣ（Ｉnternet Ｄata Ｃenter）やＳＩ（Ｓystem Ｉntegrater））の被害総額を求める場合には、顧客との契約＝ＳＬＡ（Ｓervice Ｌevel Ａgreement）による違約金や賠償金額が被害総額に相当する。これらの被害算出用のプログラムは、ＣＤ−ＲＯＭ、ＤＶＤ、ＦＤなどの記録媒体に格納されていて、これをコンピュータにインストールして実行する。

最後に、キャリア／ベンダ品質評価部（１０４）では、品質評価情報データベース（６０）を参照し、取得した情報を各項目ごとに集計し、障害率やダウンタイムを指標としてキャリアやベンダの評価やランク付けを行う。

評価結果の具体的な例として、図６にキャリアベンダ評価レポートの一例を示す。図の例では、キャリア毎の総合評価，障害件数，障害発生率（％），作業員到着時間平均（分），ダウンタイム合計（分），アプリケーションダウンタイム合計，被害総額（千円）の項目、キャリア別評価、機器別評価が示されている。

またランク付け基準の例として図３の（２）品質評価情報データベース（６０）のテーブル構造例（２０６）に示す。図の例では、ランク，障害件数，障害発生率（％），作業員到着時間平均（分），ダウンタイム合計（分），アプリケーションダウンタイム合計，被害総額（千円）・・などからなる。

図４はPingダウンタイムカウント処理（００６）、アプリケーションダウンタイムカウント処理（００７）の内部処理を示すフローチャートである。

Pingダウンタイムカウント処理（００６）では、最初にPingにより応答を確認する対象機器の機器名／IPアドレスを取得する（ステップＳ６０１）。不稼動情報データベース（４０）に開始時間を記録する（ステップＳ６０２）。それから対象機器に対してPingを発信し（ステップＳ６０３）、応答があるまで（ステップＳ６０４）続ける。

応答があった場合は（ステップＳ６４：Ｙ）、終了時間を記録し（ステップＳ６０５）、その後、開始時間と終了時間からダウンタイムを計算して不稼動情報データベース（４０）に格納する（ステップＳ６０６）。

アプリケーションダウンタイムカウント処理（００７）では、まずネットワーク構成情報データベース（３０）から障害によって影響を受けるアプリケーション情報を取得する（ステップＳ７０１）。そのアプリケーションに合わせた、市販のアプリケーション監視ソフトウェアなどを起動する（ステップＳ７０２）。

不稼動情報データベース（４０）に開始時間を記録する（ステップＳ７０３）。市販のアプリケーション監視ソフトウェアによって、アプリケーションが正常に利用できる状態になっているかどうかを調査し（ステップＳ７０４）、正しい応答が帰ってくるまで監視を続ける（ステップＳ７０５）。

応答があった場合は（ステップＳ７０５：Ｙ）、終了時間を記録し（ステップＳ７０６）、その後、開始時間と終了時間からダウンタイムを計算して不稼動情報データベース（４０）に格納する（ステップＳ７０７）。それぞれのダウンタイムの格納結果は、図３の不稼動情報データベース（４０）のダウンタイムテーブル（２０４）を参照されたい。

図５は状態履歴取得処理（００８）の内部処理を示すフローチャートである。最初に障害が発生した対象機器の機器名／IPアドレスなどの情報を取得し（ステップＳ８０１）、機器の監視を開始する（ステップＳ８０２）。

サーバであればアプリケーションエラーログを、ルータ機器などではＭＩＢ情報などから機器状態を定期的に取得し（ステップＳ８０３）、前回に取得した情報から変更があれば（ステップＳ８０４：Ｙ）、状態変化を不稼動情報データベースに記録（ステップＳ８０５）、前回の機器情報を更新（ステップＳ８０６）する。

不稼動情報記録システム（００）から監視終了通知があるまで（ステップＳ８０７）この処理を続ける。監視終了通知があったら（ステップＳ８０７：Ｙ）、回線／機器監視を終了する（ステップＳ８０８）。

図１における各処理部によって行われる処理は、プログラムコード化してＣＤ−ＲＯＭ、ＤＶＤ、ＦＤなどの記録媒体に格納して配布したり、インターネットなどのネットワークを介してユーザに配布して普及することができる。

本発明は、管理者が自社の利用するキャリア・ベンダの評価が定量的に可能になるだけでなく、インターネットサービスプロバイダ（ISP）などが、管理を依頼された顧客ネットワークの品質の保証や顧客アプリケーションの正確なダウンタイムおよびそれに伴う被害額の算出結果を、顧客向けのサービスとして提供する場合にも有効である。

本発明機能構成図である。 本発明に係る不稼動情報記録システムのフローチャートである。 本発明データベース（不稼動情報／品質評価情報）テーブルの具体例を示す図である。 本発明に係るダウンタイム計測のフローチャート図である。 本発明に係る状態履歴取得処理（００８）の内部処理を示すフローチャートである。 本発明評価レポートの具体例を示す図である。

符号の説明

００ 不稼動情報記録システム
１０ キャリア／ベンダ評価システム
２０ ネットワーク監視部
２１ システム起動／停止部
３０ ネットワーク構成（キャリアベンダ情報含）情報データベース
４０ 不稼動情報データベース
５０ 売上高情報データベース
６０ 品質評価情報データベース
００１ ネットワーク構成情報取得部
００２ ネットワーク異常情報取得部
００３ 回線／機器情報取得部
００４ ダウンタイム計測部
００５ 状態履歴記録部
１０１ 不稼動情報取得部
１０２ キャリア／ベンダ情報取得部
１０３ 売上高情報取得部
１０４ キャリア／ベンダ品質評価部
１０５ 被害総額計算部

Claims (5)

1. 障害の発生している機器に対して、障害発生から障害回復時までＩＣＭＰ（Ping送出）による生死確認を連続して実行してネットワークレベルのダウンタイムを測定する第１の測定手段と、ネットワーク障害により影響を受ける関連アプリケーションに対して障害発生から障害回復時までアプリケーションの動作確認を連続して実行してアプリケーションレベルでの正確なダウンタイムを測定する第２の測定手段を備え、該第１の測定手段と第２の測定手段を併用し、ＩＣＭＰによりネットワークレベルでの応答があった後もアプリケーションレベルでの正常稼動が確認されるまで前記障害の発生している機器に関する情報を収集することを特徴とするネットワーク障害監視システム。
2. ネットワークの障害発生時に自動的に起動され、障害監視装置からの障害が発生している機器や発生時間を含む障害情報、および障害の発生している機器から、障害発生から障害回復時まで、実際に障害機器のアプリケーションエラーログやＭＩＢ情報から取得した設定や状態の変更履歴や作業履歴を含む障害に関する詳細情報を自動的に取得する手段を有することを特徴とする請求項１記載のネットワーク障害監視システム。
3. ネットワークを利用するサービスやシステムが発生する売上高情報を格納した売上高情報データベースを有し、該売上高情報データベースから売上高情報を取得し、前記第１の測定手段で取得したネットワークレベルでの正確なダウンタイムと前記第２の測定手段で取得したアプリケーションレベルでの正確なダウンタイムを基にして、ネットワーク障害に対する被害総額を自動で算出する手段を有することを特徴とする請求項２記載のネットワーク障害監視システム。
4. 障害発生から障害回復時までの間に収集した、前記障害情報、および障害機器の状態変化、作業履歴、ダウンタイムを集計・分析し、各項目ごとにランク付けし、そのランクを基にネットワークサービスや機器を提供するキャリアもしくはベンダのサービスレベル評価を行う手段を有することを特徴とする請求項２または３記載のネットワーク障害監視システム。
5. コンピュータに、請求項１から４記載のネットワーク障害監視システムにおける各手段を実現させるためのプログラム。

Images