JP2011002906A - 監視プログラム、監視装置、および監視方法 - Google Patents

Abstract

【課題】監視対象機器において今後発生する障害を予測して通知すること。
【解決手段】監視装置１０１は、監視対象機器１０２−ｋから現監視データを受信し、複数の監視項目の測定値に基づいて、障害事例ＤＢ１２０内の旧監視データＧ_ijごとに、旧監視データＧ_ijと現監視データとの類似度Ｒ_ijを算出する。そして、監視装置１０１は、算出された算出結果に基づいて、障害事例ＤＢ１２０を参照して、複数の障害事例Ｂ１〜Ｂｍの中から監視対象機器１０２−ｋにおいて発生が予測される障害事例Ｂｉを決定して出力する。
【選択図】図１０

Description

本開示技術は、計算機の稼働状況を監視する監視プログラム、監視装置、および監視方法に関する。

近年、データセンタの巨大化、高度複雑化により、電子機器（たとえば、計算機、ルータ、スイッチなど）の稼働状況の監視にかかる作業負担が増大している。一方で、データセンタでのサービス品質を維持するために、計算機で動作する顧客サービスが障害などの影響を受けることなく安定して稼働し続ける必要がある。

従来、原子力プラント、火力プラントなどのプラント機器の異常がプラント運転に及ぼす影響を評価して、各プラント機器の点検手法を決定する技術がある。また、過去に発生した故障事例をグラフ化したグラフデータをＤＢ（データベース）に蓄積し、現に発生した故障状況をグラフ化したグラフデータを用いてＤＢにアクセスして、過去に発生した類似の故障事例に対して有効であった対応策を検索する技術がある。

特開２００５−２２２３７７号公報 特開２００４−２４０６４２号公報

しかしながら、上述した従来技術では、事後的な結果から故障原因を特定するため、故障の予知や回避を行なうことが難しく、障害発生前において事前処置を適切に行なうことが困難であるという問題があった。この結果、計算機上で動作する顧客サービスが障害の影響を受け、サービス品質の低下を招くという問題があった。

本開示技術は、上述した従来技術による問題点を解消するため、監視対象機器において今後発生する障害を予測することができる監視プログラム、監視装置、および監視方法を提供することを目的とする。

上述した課題を解決し、目的を達成するため、本開示技術は、監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶するデータベースにアクセス可能であり、前記監視対象機器から複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信し、前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出し、算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定し、決定された決定結果を出力することを特徴とする。

本監視プログラム、監視装置、および監視方法によれば、監視対象機器において今後発生する障害を予測することができるという効果を奏する。

データセンタのシステム構成の一例を示す説明図である。 監視装置のハードウェア構成を示すブロック図である。 監視データの具体例を示す説明図である。 障害事例ＤＢの記憶内容の一例を示す説明図である。 監視装置の機能的構成を示すブロック図である。 類似度テーブルの記憶内容の一例を示す説明図である。 障害予測レポートの具体例を示す説明図である。 障害事例の発生までの時間的な緊急度を示す説明図である。 障害リストの記憶内容の一例を示す説明図である。 監視装置の監視処理手順の一例を示すフローチャートである。 類似度算出処理の具体的処理手順の一例を示すフローチャートである。 第１重み付け処理の具体的処理手順の一例を示すフローチャートである。 監視装置の他の監視処理手順の一例を示すフローチャートである。 第２重み付け処理の具体的処理手順の一例を示すフローチャートである。

以下に添付図面を参照して、本開示技術にかかる監視プログラム、監視装置、および監視方法の好適な実施の形態を詳細に説明する。

（データセンタのシステム構成）
まず、本実施の形態にかかるデータセンタのシステム構成について説明する。図１は、データセンタのシステム構成の一例を示す説明図である。図１において、データセンタ１００は、監視装置１０１と、監視対象機器１０２−１〜１０２−ｐと、がインターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などのネットワーク１３０を介して相互に通信可能に接続されている。

監視装置１０１は、監視データＤＢ１１０を備え、監視対象機器１０２−１〜１０２−ｐから監視データを受信する機能を有する。ここで、監視データＤＢ１１０は、監視対象機器１０２−１〜１０２−ｐから受信した監視データを記憶するデータベースである。

また、監視データは、監視対象機器１０２−１〜１０２−ｐの複数の監視項目の状態を表わす情報である。監視項目としては、たとえば、監視対象機器１０２−１〜１０２−ｐのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）温度、ハードディスク温度、メモリ温度、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）死活、消費電力などがある。なお、監視データの具体例は図３を用いて後述する。

また、監視装置１０１は、障害事例ＤＢ１２０を備え、監視対象機器１０２−１〜１０２−ｐにおいて今後発生が予測される障害を特定する機能を有する。ここで、障害事例ＤＢ１２０は、監視対象機器１０２−１〜１０２−ｐにおいて過去に発生した障害事例ごとに、該障害事例の発生時刻に至るまでの一定期間分の監視データを記憶するデータベースである。なお、障害事例ＤＢ１２０の記憶内容については図４を用いて後述する。

また、監視装置１０１は、監視対象機器１０２−１〜１０２−ｐを制御する機能を有する。具体的には、たとえば、監視装置１０１は、障害が発生した監視対象機器１０２−１〜１０２−ｐの電源を遮断したり、一時的にネットワーク１３０から切り離したりする。また、監視装置１０１は、障害が発生した監視対象機器１０２−１〜１０２−ｐ上で動作するアプリケーションを他の監視対象機器１０２−１〜１０２−ｐにマイグレーションする機能を有する。

監視対象機器１０２−１〜１０２−ｐは、たとえば、アプリケーションやジョブを実行する計算機である。また、監視対象機器１０２−１〜１０２−ｐは、複数の計算機を接続するためのルータやスイッチ、電源を安定供給するための冗長化電源機器などであってもよい。

監視対象機器１０２−１〜１０２−ｐは、複数の監視項目の状態を測定し、測定結果を監視データとして監視装置１０１に送信する機能を有する。具体的には、たとえば、監視対象機器１０２−１〜１０２−ｐは、監視装置１０１からの送信要求に応じて、複数の監視項目の状態を測定し、監視データを送信する。なお、監視データの送信要求は、たとえば、所定時間間隔（たとえば、５分）で監視装置１０１から送信される。

また、監視対象機器１０２−１〜１０２−ｐは、何らかの障害発生時に障害データを監視装置１０１に送信する。具体的には、たとえば、監視対象機器１０２−１〜１０２−ｐは、ＣＰＵ温度が所定値を超えた場合や、ハードディスクが故障した場合などに障害データを監視装置１０１に送信する。なお、障害データには、障害を特定する情報（たとえば、障害名）が含まれている。

（監視装置のハードウェア構成）
図２は、監視装置のハードウェア構成を示すブロック図である。図２において、監視装置１０１は、ＣＰＵ２０１と、ＲＯＭ（Ｒｅａｄ‐Ｏｎｌｙ Ｍｅｍｏｒｙ）２０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２０３と、磁気ディスクドライブ２０４と、磁気ディスク２０５と、光ディスクドライブ２０６と、光ディスク２０７と、ディスプレイ２０８と、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）２０９と、キーボード２１０と、マウス２１１と、スキャナ２１２と、プリンタ２１３と、を備えている。また、各構成部はバス２００によってそれぞれ接続されている。

ここで、ＣＰＵ２０１は、監視装置１０１の全体の制御を司る。ＲＯＭ２０２は、ブートプログラムなどのプログラムを記憶している。ＲＡＭ２０３は、ＣＰＵ２０１のワークエリアとして使用される。磁気ディスクドライブ２０４は、ＣＰＵ２０１の制御にしたがって磁気ディスク２０５に対するデータのリード／ライトを制御する。磁気ディスク２０５は、磁気ディスクドライブ２０４の制御で書き込まれたデータを記憶する。

光ディスクドライブ２０６は、ＣＰＵ２０１の制御にしたがって光ディスク２０７に対するデータのリード／ライトを制御する。光ディスク２０７は、光ディスクドライブ２０６の制御で書き込まれたデータを記憶したり、光ディスク２０７に記憶されたデータをコンピュータに読み取らせたりする。

ディスプレイ２０８は、カーソル、アイコンあるいはツールボックスをはじめ、文書、画像、機能情報などのデータを表示する。このディスプレイ２０８は、たとえば、ＣＲＴ、ＴＦＴ液晶ディスプレイ、プラズマディスプレイなどを採用することができる。

インターフェース（以下、「Ｉ／Ｆ」と略する。）２０９は、通信回線を通じてＬＡＮ、ＷＡＮ、インターネットなどのネットワーク１３０に接続され、このネットワーク１３０を介して他の装置に接続される。そして、Ｉ／Ｆ２０９は、ネットワーク１３０と内部のインターフェースを司り、外部装置からのデータの入出力を制御する。Ｉ／Ｆ２０９には、たとえばモデムやＬＡＮアダプタなどを採用することができる。

キーボード２１０は、文字、数字、各種指示などの入力のためのキーを備え、データの入力をおこなう。また、タッチパネル式の入力パッドやテンキーなどであってもよい。マウス２１１は、カーソルの移動や範囲選択、あるいはウィンドウの移動やサイズの変更などをおこなう。ポインティングデバイスとして同様に機能を備えるものであれば、トラックボールやジョイスティックなどであってもよい。

スキャナ２１２は、画像を光学的に読み取り、監視装置１０１内に画像データを取り込む。なお、スキャナ２１２は、ＯＣＲ（Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅａｄｅｒ）機能を持たせてもよい。また、プリンタ２１３は、画像データや文書データを印刷する。プリンタ２１３には、たとえば、レーザプリンタやインクジェットプリンタを採用することができる。

なお、図２では監視装置１０１のハードウェア構成について説明したが、監視対象機器１０２−１〜１０２−ｐ（図１参照）のハードウェア構成についても同様のハードウェア構成によって実現できる。

（監視データの具体例）
つぎに、監視対象機器１０２−ｋ（ｋ＝１，２，…，ｐ）から監視装置１０１に送信される監視データの具体例について説明する。図３は、監視データの具体例を示す説明図である。図３において、監視データ３００は、時間、ＣＰＵ温度、ハードディスク温度、ＮＩＣ死活および消費電力のフィールドを有する。各フィールドに情報を設定することで、複数の監視項目に関する観測結果がレコードとして記憶されている。

ここで、時間とは、監視データ３００の送信時刻である。ＣＰＵ温度とは、監視対象機器１０２−ｋが有するＣＰＵの温度［℃］である。ハードディスク温度とは、監視対象機器１０２−ｋが有するハードディスクの温度［℃］である。ＮＩＣ死活とは、監視対象機器１０２−ｋが有するＮＩＣの稼働状態を表わす値である。ここでは、ＮＩＣの稼働状態に障害がない場合は「０」が設定され、障害がある場合は「１」が設定される。消費電力とは、監視対象機器１０２−ｋで消費されている消費電力［Ｗ］である。

（障害事例ＤＢの記憶内容）
つぎに、図１に示した障害事例ＤＢ１２０の記憶内容について説明する。図４は、障害事例ＤＢの記憶内容の一例を示す説明図である。図４において、障害事例ＤＢ１２０は、監視対象機器１０２−１〜１０２−ｐにおいて過去に発生した様々な障害事例に関する障害事例データ４００−１〜４００−ｍを有している。

具体的には、障害事例データ４００−１〜４００−ｍは、障害ＩＤ、障害名、障害内容および対処方法を有している。ここで、障害ＩＤとは、障害事例の識別子である。障害名とは、障害の名称である。障害内容とは、障害の具体的内容である。対処方法とは、障害が発生した場合に行なうべき対応策である。障害事例データ４００−１を例に挙げると、障害Ｂ１の障害名は「ＣＰＵ温度障害」、障害内容は「ＣＰＵ温度が上昇しシステム停止」、対処方法は「空調温度を下げる」である。

また、障害事例データ４００−１〜４００−ｍは、障害の発生時刻に至るまでの一定時間分の時系列の監視データ群を有している。障害事例データ４００−１を例に挙げると、障害Ｂ１の発生時刻に至るまでの一定時間分の時系列の監視データＧ₁₁〜Ｇ_1nを有している。なお、監視データＩＤは、監視データの識別子である。

ここでは、監視データＧ_1nの時間ｔｎを障害Ｂ１の発生時刻とする。また、監視対象機器１０２−ｋから監視装置１０１に送信される監視データの送信時間間隔（たとえば、監視データＧ₁₁と監視データＧ₁₂の時間間隔）を５分とする。ここで、「ｎ＝６０」とすると、監視データＧ₁₁の時間ｔ１は、障害Ｂ１の発生時刻（時間ｔ６０）の２９５分前である。すなわち、監視データの送信時間間隔を一定間隔とすることにより、任意の監視データ間の時間間隔を監視対象機器１０２−ｋからの送信順序によって求めることができる。

なお、以下の説明では、障害事例データ４００−１〜４００−ｍのうち任意の障害事例データを「障害事例データ４００−ｉ」と表記する（ｉ＝１，２，…，ｍ）。また、障害事例データ４００−ｉが有する監視データ群を「監視データＧ_i1〜Ｇ_in」と表記する。また、監視データＧ_i1〜Ｇ_inのうち任意の監視データを「監視データＧ_ij」と表記する（ｊ＝１，２，…，ｎ）。

（監視装置の機能的構成）
つぎに、監視装置１０１の機能的構成について説明する。図５は、監視装置の機能的構成を示すブロック図である。図５において、監視装置１０１は、受信部５０１と、類似度算出部５０２と、決定部５０３と、選択部５０４と、残余時間算出部５０５と、作成部５０６と、重み算出部５０７と、出力部５０８と、を含む構成である。この制御部となる機能（受信部５０１〜出力部５０８）は、具体的には、たとえば、図２に示したＲＯＭ２０２、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶されたプログラムをＣＰＵ２０１に実行させることにより、または、Ｉ／Ｆ２０９により、その機能を実現する。

受信部５０１は、監視対象機器１０２−ｋから複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信する機能を有する。具体的には、たとえば、受信部５０１が、ネットワーク１３０を介して、監視対象機器１０２−ｋから監視データ３００（図３参照）を受信する。なお、受信された受信結果は、図２に示したＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶される。

類似度算出部５０２は、複数の監視項目の測定値に基づいて、障害事例ＤＢ１２０内の過去の監視データＧ_ij（以下、「旧監視データ」という）ごとに、旧監視データＧ_ijと現監視データとの類似度を算出する機能を有する。なお、以下の説明では、現監視データと旧監視データＧ_ijとの類似度を「類似度Ｒ_ij」と表記する。

具体的には、たとえば、まず、類似度算出部５０２が、複数の監視項目をベクトル要素として、現監視データと旧監視データＧ_ijを多次元ベクトル化する。そして、類似度算出部５０２が、現監視データと旧監視データＧ_ijとのベクトル間距離を求めることにより、類似度Ｒ_ijを算出することにしてもよい。ここでは、現監視データと旧監視データＧ_ijとのベクトル間距離が近いほど類似度Ｒ_ijは高くなる。

より具体的には、たとえば、類似度算出部５０２が、下記式（１）を用いて、現監視データの多次元ベクトルと旧監視データＧ_ijの多次元ベクトルがなす角θの余弦（ｃｏｓθ）を求めることで、類似度Ｒ_ijを算出することができる。

ここで、現監視データを監視データ３００とし、旧監視データＧ_ijを旧監視データＧ₁₁とする。この場合、監視データ３００と旧監視データＧ₁₁との類似度Ｒ₁₁は、各監視項目の測定値を上記式（１）に代入することにより、下記式（２）のように求めることができる。

Ｒ₁₁＝（３０×５０＋２０×４０＋０×０＋９０×１００）／｛（３０−５０）²＋（２０−４０）²＋（０−０）²＋（９０−１００）²｝^1/2≒３７７ …（２）

なお、上記式（１）に代入する監視項目の測定値に重み付けを行なうことにしてもよい。具体的には、たとえば、重大な問題を引き起こす可能性が高い監視項目（たとえば、ＮＩＣ死活）の観測値をα倍（たとえば、１００倍）して、上記式（１）に代入することにしてもよい。

また、類似度Ｒ_ijの算出手法は上述した手法に限らない。具体的には、たとえば、まず、類似度算出部５０２が、現監視データと旧監視データＧ_ijとの同一監視項目の測定値を比較する。そして、類似度算出部５０２が、監視項目の測定値が一致（または所定範囲内）となる項目数を計数して、類似度Ｒ_ij（たとえば、測定値が一致する項目数）を算出することにしてもよい。

算出された算出結果は、たとえば、図６に示す類似度テーブル６００に記憶される。図６は、類似度テーブルの記憶内容の一例を示す説明図である。図６において、類似度テーブル６００は、障害ＩＤ、監視データＩＤおよび類似度のフィールドを有する。各フィールドに情報を設定することで、旧監視データごとの類似度がレコードとして記憶されている。なお、類似度テーブル６００は、たとえば、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶されている。

決定部５０３は、算出された算出結果に基づいて、複数の障害事例Ｂ１〜Ｂｍの中から、監視対象機器１０２−ｋにおいて発生が予測される障害事例Ｂｉを決定する機能を有する。ここで、決定部５０３による決定処理の具体例について説明する。

まず、選択部５０４は、算出された算出結果に基づいて、障害事例ＤＢ１２０内の全旧監視データの中から現監視データに類似する旧監視データを選択する機能を有する。具体的には、たとえば、選択部５０４が、類似度テーブル６００を参照して、類似度が最大となる旧監視データＧ_ijを選択してもよい。

このあと、決定部５０３が、類似度テーブル６００を参照して、選択された旧監視データＧ_ijに対応する障害事例Ｂｉを特定する。そして、決定部５０３が、障害事例ＤＢ１２０を参照して、特定された障害事例Ｂｉの障害事例データ４００−ｉを、監視対象機器１０２−ｋにおいて発生が予測される障害事例に決定する。

なお、上記選択部５０４は、類似度テーブル６００を参照して、類似度が高い上位Ｘ個の旧監視データを選択することにしてもよい。この場合、決定部５０３が、類似度テーブル６００を参照して、選択されたＸ個の旧監視データに対応する障害事例を特定することになる。なお、上記Ｘは任意に設定可能である。決定された決定結果は、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶される。

出力部５０８は、決定された決定結果を出力する機能を有する。具体的には、たとえば、出力部５０８が、障害事例Ｂｉの障害事例データ４００−ｉを、監視対象機器１０２−ｋの識別子と関連付けて出力することにしてもよい。これにより、監視対象機器１０２−ｋにおいて今後発生が予測される障害名、障害内容および対処方法をユーザに通知することができる。

なお、出力形式としては、たとえば、ディスプレイ２０８への表示、プリンタ２１３への印刷出力、Ｉ／Ｆ２０９による外部装置への送信がある。また、ＲＡＭ２０３、磁気ディスク２０５、光ディスク２０７などの記憶装置に記憶することとしてもよい。

残余時間算出部５０５は、監視対象機器１０２−ｋにおいて障害が発生するまでの残余の時間を算出する機能を有する。具体的には、たとえば、残余時間算出部５０５が、下記式（３）を用いて、選択部５０４によって選択された旧監視データＧ_ijの時間ｔｊと、障害事例Ｂｉの発生時刻との時間間隔を残余の時間として算出することができる。ただし、障害事例Ｂｉの発生時刻は旧監視データＧ_inの時間ｔｎ、Ｔは障害が発生するまでの残余の時間、Ｓは監視データの送信時間間隔である。また、ｎは障害事例Ｂｉごとの旧監視データ群Ｇ_i1〜Ｇ_inのデータ数であり、ｊは「１〜ｎ」の整数である。

Ｔ＝Ｓ（ｎ−ｊ） ・・・（３）

作成部５０６は、決定された決定結果と、算出された残余の時間とを用いて、監視対象機器１０２−ｋにおいて今後発生が予測される障害に関する障害予測レポートを作成する機能を有する。ここで、障害予測レポートの具体例について説明する。

図７は、障害予測レポートの具体例を示す説明図である。図７において、障害予測レポート７００には、機器ＩＤ、障害ＩＤ、障害名、障害内容、対処方法および障害が発生するまでの残余の時間が示されている。なお、機器ＩＤは、監視対象機器１０２−ｋの識別子であり、たとえば、監視対象機器１０２−ｋのＩＰアドレスである。

また、出力部５０８は、作成された障害予測レポートを出力する。具体的には、たとえば、出力部５０８が、障害予測レポート７００を出力することにしてもよい。これにより、監視対象機器１０２−ｋにおいて今後発生が予測される障害名、障害内容、対処方法および障害が発生するまでの残余の時間をユーザに通知することができる。

重み算出部５０７は、旧監視データＧ_ijごとに、障害事例Ｂｉの発生時刻と旧監視データＧ_ijの測定時刻とに基づいて、障害事例Ｂｉの発生までの時間的な緊急度を表わす重みを算出する機能を有する。ここで、旧監視データＧ_ijの測定時刻は、たとえば、複数の監視項目の測定値が測定された時間であってもよく、また、旧監視データＧ_ijの送信時刻でもよい。

また、障害事例Ｂｉの発生までの時間的な緊急度は、図８に示すように、障害事例の発生時刻に近くなるほど高くなる。図８は、障害事例の発生までの時間的な緊急度を示す説明図である。図８において、障害事例Ｂｉの発生までの時間的な緊急度の時間変化を表わすグラフ８００が示されている。なお、図８中、縦軸は障害事例Ｂｉの発生までの時間的な緊急度を表わし、横軸は旧監視データＧ_ijの時間ｔｊを表わしている。

グラフ８００によれば、旧監視データＧ_ijの時間ｔｊが障害事例Ｂｉの発生時刻（ここでは、時間ｔ２０）に近づくにつれて、指数関数的に緊急度が増加している。そこで、重み算出部５０７が、たとえば、下記式（４）を用いて、障害事例Ｂｉの発生までの時間的な緊急度を表わす重みを算出することにしてもよい。ただし、Ａ_ijは障害事例Ｂｉの発生までの旧監視データＧ_ijの時間的な緊急度を表わす重みである。

Ａ_ij＝（１＋ｌｏｇ（ｊ）） ・・・（４）

上記式（４）において、ｊは「１〜ｎ」の整数である。すなわち、重みＡ_ijは、旧監視データＧ_ijの時間ｔｊが障害事例Ｂｉの発生時刻（時間ｔｎ）に近づく（ここでは、時間ｔｊの“ｊ”が大きくなる）につれて大きくなる。

また、類似度算出部５０２は、算出された旧監視データＧ_ijの重みＡ_ijと、旧監視データＧ_ijの類似度Ｒ_ijとを用いて、重み付けされた旧監視データＧ_ijの類似度を算出することにしてもよい。具体的には、たとえば、類似度算出部５０２が、下記式（５）を用いて、重み付けされた旧監視データＧ_ijの類似度を算出することができる。ただし、Ｒ’_ijは重み付けされた旧監視データＧ_ijの類似度である。

Ｒ’_ij＝Ａ_ij×Ｒ_ij ・・・（５）

上記式（５）によれば、旧監視データＧ_ijの時間ｔｊが障害事例Ｂｉの発生時刻に近いほど、旧監視データＧ_ijの類似度Ｒ’_ijは高くなる。なお、重み付けされた旧監視データＧ_ijの類似度Ｒ’_ijは、たとえば、図６に示した類似度テーブル６００に記憶される。

また、決定部５０３は、重み付けされた旧監視データＧ_ijの類似度Ｒ’_ijに基づいて、障害事例Ｂ１〜Ｂｍの中から監視対象機器１０２−ｋにおいて発生が予測される障害事例Ｂｉを決定してもよい。これにより、障害が発生するまでの時間的な緊急度を考慮して、監視対象機器１０２−ｋにおいて今後発生が予測される障害を特定することができる。

また、重み算出部５０７は、障害事例Ｂｉごとに、旧監視データ群Ｇ_i1〜Ｇ_inの類似度Ｒ_i1〜Ｒ_inのばらつき度合を表わす重みを算出する機能を有する。ここで、ある障害が発生するまでの類似度の変化パターンは時系列に沿って類似しており、ある時点での類似度が高いからといって、その障害が発生するとは限らないと仮定する。すなわち、障害事例Ｂｉについて、類似度Ｒ_i1〜Ｒ_inが（１０，２０，３０，…）のように時系列に沿って規則的に変化している場合は適切とする。一方、障害事例Ｂｉについて、（２０，８０，１０，…）のように時系列に沿って不規則に変化している場合は不適切とする。

具体的には、たとえば、重み算出部５０７が、下記式（６）を用いて、時系列に連続する旧監視データＧ_ijと旧監視データＧ_i(j+1)との類似度の差分の総和を求めることにより、類似度Ｒ_i1〜Ｒ_inのばらつき度合を表わす重みを算出してもよい。ただし、Ｄｉは類似度Ｒ_i1〜Ｒ_inのばらつき度合を表わす重みである。

また、類似度算出部５０２は、算出された障害事例Ｂｉの重みＤｉと、旧監視データＧ_ijの類似度Ｒ_ijとを用いて、重み付けされた旧監視データＧ_ijの類似度Ｒ’_ijを算出してもよい。具体的には、たとえば、類似度算出部５０２が、下記式（７）を用いて、類似度Ｒ’_ijを算出することができる。

Ｒ’_ij＝Ｒ_ij／Ｄｉ ・・・（７）

上記式（７）によれば、類似度Ｒ_i1〜Ｒ_inのばらつき度合を表わす重みＤｉが大きくなるにつれて、旧監視データＧ_ijの類似度Ｒ’_ijは低くなる。これにより、旧監視データ群Ｇ_i1〜Ｇ_inの類似度Ｒ_i1〜Ｒ_inのばらつきが大きくなる障害事例Ｂｉを予測対象から排除することができる。

（障害事例ＤＢの構築手法）
つぎに、障害事例ＤＢ１２０の構築手法の一例について説明する。ここでは、以下に説明する（１）〜（５）の手順により、障害事例ＤＢ１２０に障害事例データを登録する手法について説明する。

（１）監視装置１０１により、監視対象機器１０２−ｋから監視データを受信すると、監視データを監視対象機器１０２−ｋの識別子と関連付けて監視データＤＢ１１０に記憶する。監視データＤＢ１１０には、監視対象機器１０２−ｋごとに、一定期間分の監視データ群が記憶される。

（２）監視装置１０１により、監視対象機器１０２−ｋから障害データを受信すると、障害事例ＤＢ１２０を参照して、障害データに含まれる障害名の障害事例データが登録されているか否かを判断する。ここでは、障害事例ＤＢ１２０に障害データに含まれる障害名の障害事例データが未登録とする。

（３）監視装置１０１により、図９に示す障害リスト９００を参照して、障害データに含まれる障害名から障害内容および対処方法を特定する。図９は、障害リストの記憶内容の一例を示す説明図である。障害リスト９００には、障害ごとの障害内容および対処方法がリスト化されて記憶されている。

（４）監視装置１０１により、監視データＤＢ１１０から一定期間分の監視データ群を抽出し、障害名、障害内容および対処方法を含む障害事例データを作成する。（５）監視装置１０１により、作成された障害事例データを障害事例ＤＢ１２０に登録する。これにより、障害事例データを自動作成して障害事例ＤＢ１２０に登録することができる。

（監視装置の監視処理手順）
つぎに、監視装置１０１の監視処理手順について説明する。図１０は、監視装置の監視処理手順の一例を示すフローチャートである。図１０のフローチャートにおいて、まず、受信部５０１により、監視対象機器１０２−ｋから現監視データを受信したか否かを判断する（ステップＳ１００１）。

ここで、現監視データを受信するのを待つ（ステップＳ１００１：Ｎｏ）。そして、現監視データを受信した場合（ステップＳ１００１：Ｙｅｓ）、類似度算出部５０２により、旧監視データＧ_ijと現監視データとの類似度Ｒ_ijを算出する類似度算出処理を実行する（ステップＳ１００２）。

このあと、類似度算出部５０２により、障害事例Ｂｉの発生までの時間的な緊急度に関する第１重み付け処理を実行する（ステップＳ１００３）。つぎに、選択部５０４により、類似度テーブル６００を参照して、全旧監視データの中から類似度が最大となる旧監視データＧ_ijを選択する（ステップＳ１００４）。

そして、決定部５０３により、障害事例ＤＢ１２０を参照して、選択された旧監視データＧ_ijに対応する障害事例Ｂｉを、監視対象機器１０２−ｋにおいて発生が予測される障害事例に決定する（ステップＳ１００５）。

このあと、残余時間算出部５０５により、選択された旧監視データＧ_ijの時間ｔｊと、決定された障害事例Ｂｉの発生時刻を表わす時間ｔｎとの時間間隔を求めることにより、監視対象機器１０２−ｋにおいて障害が発生するまでの残余の時間を算出する（ステップＳ１００６）。

そして、作成部５０６により、障害予測レポートを作成し（ステップＳ１００７）、出力部５０８により、作成された障害予測レポートを出力して（ステップＳ１００８）、本フローチャートによる一連の処理を終了する。

これにより、監視対象機器１０２−ｋにおいて今後発生が予測される障害をユーザに通知することができる。

＜類似度算出処理手順＞
つぎに、図１０に示したステップＳ１００２の類似度算出処理の具体的処理手順について説明する。図１１は、類似度算出処理の具体的処理手順の一例を示すフローチャートである。図１１のフローチャートにおいて、まず、類似度算出部５０２により、「ｉ＝１」として（ステップＳ１１０１）、障害事例ＤＢ１２０を参照して、障害事例Ｂ１〜Ｂｍの中から障害事例Ｂｉを選択する（ステップＳ１１０２）。

このあと、類似度算出部５０２により、「ｊ＝１」として（ステップＳ１１０３）、障害事例ＤＢ１２０を参照して、旧監視データＧ_ijを選択する（ステップＳ１１０４）。そして、類似度算出部５０２により、上記式（１）を用いて、現監視データと旧監視データＧ_ijとの類似度Ｒ_ijを算出して（ステップＳ１１０５）、類似度テーブル６００に記憶する（ステップＳ１１０６）。

つぎに、類似度算出部５０２により、ｊをインクリメントして（ステップＳ１１０７）、「ｊ＞ｎ」か否かを判断する（ステップＳ１１０８）。ここで、「ｊ≦ｎ」の場合（ステップＳ１１０８：Ｎｏ）、ステップＳ１１０４に戻る。

一方、「ｊ＞ｎ」の場合（ステップＳ１１０８：Ｙｅｓ）、類似度算出部５０２により、ｉをインクリメントして（ステップＳ１１０９）、「ｉ＞ｍ」か否かを判断する（ステップＳ１１１０）。ここで、「ｉ≦ｍ」の場合（ステップＳ１１１０：Ｎｏ）、ステップＳ１１０２に戻る。一方、「ｉ＞ｍ」の場合（ステップＳ１１１０：Ｙｅｓ）、図１０に示したステップＳ１００３に移行する。

これにより、現監視データと旧監視データＧ_ijとの類似度Ｒ_ijを定量的に求めることができる。

＜第１重み付け処理手順＞
つぎに、図１０に示したステップＳ１００３の第１重み付け処理の具体的処理手順について説明する。図１２は、第１重み付け処理の具体的処理手順の一例を示すフローチャートである。図１２のフローチャートにおいて、まず、重み算出部５０７により、「ｉ＝１」とし（ステップＳ１２０１）、「ｊ＝１」とする（ステップＳ１２０２）。

このあと、重み算出部５０７により、上記式（４）を用いて、旧監視データＧ_ijの時間的な緊急度を表わす重みＡ_ijを算出する（ステップＳ１２０３）。そして、類似度算出部５０２により、上記式（５）を用いて、重み付けされた旧監視データＧ_ijの類似度Ｒ’_ijを算出して（ステップＳ１２０４）、類似度テーブル６００に記憶する（ステップＳ１２０５）。

つぎに、重み算出部５０７により、ｊをインクリメントして（ステップＳ１２０６）、「ｊ＞ｎ」か否かを判断する（ステップＳ１２０７）。ここで、「ｊ≦ｎ」の場合（ステップＳ１２０７：Ｎｏ）、ステップＳ１２０３に戻る。

一方、「ｊ＞ｎ」の場合（ステップＳ１２０７：Ｙｅｓ）、重み算出部５０７により、ｉをインクリメントして（ステップＳ１２０８）、「ｉ＞ｍ」か否かを判断する（ステップＳ１２０９）。ここで、「ｉ≦ｍ」の場合（ステップＳ１２０９：Ｎｏ）、ステップＳ１２０２に戻る。一方、「ｉ＞ｍ」の場合（ステップＳ１２０９：Ｙｅｓ）、図１０に示したステップＳ１００４に移行する。

これにより、障害が発生するまでの時間的な緊急度を考慮して、監視対象機器１０２−ｋにおいて今後発生する障害を予測することができる。

（監視装置の他の監視処理手順）
つぎに、監視装置１０１の他の監視処理手順について説明する。図１０のフローチャートでは、障害事例Ｂｉの発生までの時間的な緊急度を考慮して、類似度Ｒ_ijの重み付けを行なう場合について説明した。ここでは、さらに類似度Ｒ_i1〜Ｒ_inのばらつき度合を考慮して重み付けを行なう場合について説明する。

図１３は、監視装置の他の監視処理手順の一例を示すフローチャートである。図１３のフローチャートにおいて、まず、受信部５０１により、監視対象機器１０２−ｋから現監視データを受信したか否かを判断する（ステップＳ１３０１）。

ここで、現監視データを受信するのを待つ（ステップＳ１３０１：Ｎｏ）。そして、現監視データを受信した場合（ステップＳ１３０１：Ｙｅｓ）、類似度算出部５０２により、旧監視データＧ_ijと現監視データとの類似度Ｒ_ijを算出する類似度算出処理を実行する（ステップＳ１３０２）。

このあと、類似度算出部５０２により、障害事例Ｂｉの発生までの時間的な緊急度に関する第１重み付け処理を実行する（ステップＳ１３０３）。つぎに、障害事例Ｂｉごとに、旧監視データ群Ｇ_i1〜Ｇ_inの類似度Ｒ_i1〜Ｒ_inのばらつき度合に関する第２重み付け処理を実行する（ステップＳ１３０４）。

そして、選択部５０４により、類似度テーブル６００を参照して、全旧監視データの中から類似度が最大となる旧監視データＧ_ijを選択する（ステップＳ１３０５）。つぎに、決定部５０３により、障害事例ＤＢ１２０を参照して、選択された旧監視データＧ_ijに対応する障害事例Ｂｉを、監視対象機器１０２−ｋにおいて発生が予測される障害事例に決定する（ステップＳ１３０６）。

このあと、残余時間算出部５０５により、選択された旧監視データＧ_ijの時間ｔｊと、決定された障害事例Ｂｉの発生時刻を表わす時間ｔｎとの時間間隔を求めることにより、監視対象機器１０２−ｋにおいて障害が発生するまでの残余の時間を算出する（ステップＳ１３０７）。

そして、作成部５０６により、障害予測レポートを作成し（ステップＳ１３０８）、出力部５０８により、作成された障害予測レポートを出力して（ステップＳ１３０９）、本フローチャートによる一連の処理を終了する。

＜第２重み付け処理手順＞
つぎに、図１３に示したステップＳ１３０４の第２重み付け処理の具体的処理手順について説明する。図１４は、第２重み付け処理の具体的処理手順の一例を示すフローチャートである。

図１４のフローチャートにおいて、まず、重み算出部５０７により、「ｉ＝１」とし（ステップＳ１４０１）、上記式（６）を用いて、類似度Ｒ_i1〜Ｒ_inのばらつき度合を表わす重みＤｉを算出する（ステップＳ１４０２）。そして、類似度算出部５０２により、「ｊ＝１」として（ステップＳ１４０３）、障害事例ＤＢ１２０を参照して、旧監視データＧ_ijを選択する（ステップＳ１４０４）。

このあと、類似度算出部５０２により、下記式（８）を用いて、重み付けされた旧監視データＧ_ijの類似度Ｒ’’_ijを算出して（ステップＳ１４０５）、類似度テーブル６００に記憶する（ステップＳ１４０６）。

Ｒ’’_ij＝Ｒ’_ij／Ｄｉ ・・・（８）

つぎに、類似度算出部５０２により、ｊをインクリメントして（ステップＳ１４０７）、「ｊ＞ｎ」か否かを判断する（ステップＳ１４０８）。ここで、「ｊ≦ｎ」の場合（ステップＳ１４０８：Ｎｏ）、ステップＳ１４０４に戻る。

一方、「ｊ＞ｎ」の場合（ステップＳ１４０８：Ｙｅｓ）、重み算出部５０７により、ｉをインクリメントして（ステップＳ１４０９）、「ｉ＞ｍ」か否かを判断する（ステップＳ１４１０）。ここで、「ｉ≦ｍ」の場合（ステップＳ１４１０：Ｎｏ）、ステップＳ１４０２に戻る。一方、「ｉ＞ｍ」の場合（ステップＳ１４１０：Ｙｅｓ）、図１３に示したステップＳ１３０５に移行する。

これにより、旧監視データ群Ｇ_i1〜Ｇ_inの類似度Ｒ_ijのばらつきが大きくなる障害事例Ｂｉを予測対象から排除することができる。

以上説明したように、本開示技術は、複数の監視項目の測定値に基づいて、障害事例ＤＢ１２０内の旧監視データと現監視データとの類似度を算出し、障害事例Ｂ１〜Ｂｍの中から監視対象機器１０２−ｋにおいて発生が予測される障害事例Ｂｉを決定する。これにより、監視対象機器１０２−ｋにおいて今後発生が予測される障害をユーザに通知することができる。

また、本開示技術において、複数の監視項目をベクトル要素として多次元ベクトル化して現監視データと旧監視データＧ_ijとのベクトル間距離を求めることにより、類似度Ｒ_ijを算出することにしてもよい。これにより、現監視データと旧監視データＧ_ijとの類似度Ｒ_ijを定量的に求めることができる。

また、本開示技術において、旧監視データ／現監視データ間の類似度に基づいて、全旧監視データの中から現監視データに類似する旧監視データＧ_ijを選択し、旧監視データＧ_ijに対応する障害事例Ｂｉを今後発生が予測される障害事例に決定してもよい。これにより、監視対象機器１０２−ｋの現在の稼働状況に類似した稼働状況において発生した障害事例を、今後発生する障害事例として予測することができる。

また、本開示技術において、全旧監視データの中から類似度が最大となる旧監視データＧ_ijを選択してもよい。これにより、監視対象機器１０２−ｋの現在の稼働状況に最も類似した稼働状況において発生した障害事例を、今後発生する障害事例として予測することができる。

また、本開示技術において、選択された旧監視データＧ_ijの測定時刻と、決定された障害事例Ｂｉの発生時刻との時間間隔を求めることにより、障害事例Ｂｉが発生するまでの残余の時間を算出することにしてもよい。これにより、監視対象機器１０２−ｋにおいて障害が発生するまでの残余の時間をユーザに通知することができる。

また、本開示技術において、旧監視データＧ_ijに対応する障害事例Ｂｉの発生時刻と旧監視データＧ_ijの測定時刻から、障害発生までの時間的な緊急度を表わす重みＡｉを算出して、類似度Ｒ_ijに重み付けすることにしてもよい。これにより、障害が発生するまでの時間的な緊急度を考慮して、監視対象機器１０２−ｋにおいて今後発生する障害を予測することができる。

また、本開示技術は、時系列に連続する旧監視データ群Ｇ_i1〜Ｇ_inの類似度Ｒ_i1〜Ｒ_inのばらつき度合を表わす重みＤｉを算出して、類似度Ｒ_ijを重み付けすることにしてもよい。これにより、旧監視データ群Ｇ_i1〜Ｇ_inの類似度Ｒ_ijのばらつきが大きくなる障害事例Ｂｉを予測対象から排除することができる。

これらのことから、本監視プログラム、監視装置、および監視方法によれば、監視対象機器１０２−ｋにおいて発生する障害および障害発生までの残余時間が予測可能となり、障害発生前の事前処置を適切に行なうことができる。

具体的には、たとえば、障害発生までの残余時間から緊急を要さないと判断された場合は、監視周期を長くすることで監視作業にかかるネットワーク負荷や監視サーバの負荷を軽減することができる。一方、緊急を要すると判断された場合は、監視対象機器１０２−ｋに対する迅速な事前処置を行なうことができる。

また、障害の対処方法を提示することにより、たとえば、ハードディスク障害では、事前に交換用ハードディスクの在庫確認を行なうなど、適切な事前処置を行なうことができる。この結果、データセンタ１００において、シームレスかつ高品質のサービスを顧客に提供することができる。

なお、本実施の形態で説明した監視方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本監視プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本監視プログラムは、インターネット等のネットワークを介して配布してもよい。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶するデータベースにアクセス可能なコンピュータを、
前記監視対象機器から前記複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信する受信手段、
前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出する算出手段、
前記算出手段によって算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定する決定手段、
前記決定手段によって決定された決定結果を出力する出力手段、
として機能させることを特徴とする監視プログラム。

（付記２）前記算出手段は、
前記複数の監視項目をベクトル要素として多次元ベクトル化して前記現監視データと前記旧監視データとのベクトル間距離を求めることにより、前記類似度を算出することを特徴とする付記１に記載の監視プログラム。

（付記３）前記コンピュータを、
前記算出手段によって算出された算出結果に基づいて、前記全旧監視データの中から前記現監視データに類似する旧監視データを選択する選択手段、
前記監視対象機器において発生が予測される障害事例が発生するまでの残余の時間を算出する残余時間算出手段として機能させ、
前記決定手段は、
前記選択手段によって選択された旧監視データに対応する障害事例を、前記監視対象機器において発生が予測される障害事例に決定し、
前記残余時間算出手段は、
前記選択手段によって選択された旧監視データの測定時刻と、前記決定手段によって決定された障害事例の発生時刻との時間間隔を求めることにより、当該障害事例が発生するまでの残余の時間を算出し、
前記出力手段は、
前記決定結果とともに、前記残余時間算出手段によって算出された残余の時間を出力することを特徴とする付記１または２に記載の監視プログラム。

（付記４）前記選択手段は、
前記全旧監視データの中から前記類似度が最大となる旧監視データを選択することを特徴とする付記３に記載の監視プログラム。

（付記５）前記コンピュータを、
前記旧監視データごとに、当該旧監視データに対応する障害事例の発生時刻と前記旧監視データの測定時刻とに基づいて、前記障害事例の発生までの時間的な緊急度を表わす重みを算出する重み算出手段として機能させ、
前記算出手段は、
前記重み算出手段によって算出された旧監視データごとの重みと、前記旧監視データの類似度とを用いて、重み付けされた前記旧監視データの類似度を算出し、
前記決定手段は、
前記算出手段によって算出された重み付けされた類似度に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定することを特徴とする付記１〜４のいずれか一つに記載の監視プログラム。

（付記６）前記重み算出手段は、
前記障害事例ごとに、時系列に連続する前記旧監視データ群の類似度のばらつき度合を表わす重みを算出し、
前記算出手段は、
前記重み算出手段によって算出された障害事例ごとの重みと、前記旧監視データの類似度とを用いて、重み付けされた前記旧監視データの類似度を算出することを特徴とする付記５に記載の監視プログラム。

（付記７）監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶する記憶手段と、
前記監視対象機器から前記複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信する受信手段と、
前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出する算出手段と、
前記算出手段によって算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定する決定手段と、
前記決定手段によって決定された決定結果を出力する出力手段と、
を備えることを特徴とする監視装置。

（付記８）制御手段および記憶手段を備え、監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶するデータベースにアクセス可能なコンピュータが、
前記制御手段により、前記監視対象機器から前記複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信して、前記記憶手段に記憶する受信工程と、
前記制御手段により、前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出して、前記記憶手段に記憶する算出工程と、
前記制御手段により、前記算出工程によって算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定して、前記記憶手段に記憶する決定工程と、
前記制御手段により、前記決定工程によって決定された決定結果を出力する出力工程と、
を実行することを特徴とする監視方法。

１００ データセンタ
１０１ 監視装置
１０２−１〜１０２−ｐ，１０２−ｋ 監視対象機器
１１０ 監視データＤＢ
１２０ 障害事例ＤＢ
５０１ 受信部
５０２ 類似度算出部
５０３ 決定部
５０４ 選択部
５０５ 残余時間算出部
５０６ 作成部
５０７ 重み算出部
５０８ 出力部

Claims (7)

1. 監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶するデータベースにアクセス可能なコンピュータを、
   前記監視対象機器から前記複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信する受信手段、
   前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出する算出手段、
   前記算出手段によって算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定する決定手段、
   前記決定手段によって決定された決定結果を出力する出力手段、
   として機能させることを特徴とする監視プログラム。
2. 前記算出手段は、
   前記複数の監視項目をベクトル要素として多次元ベクトル化して前記現監視データと前記旧監視データとのベクトル間距離を求めることにより、前記類似度を算出することを特徴とする請求項１に記載の監視プログラム。
3. 前記コンピュータを、
   前記算出手段によって算出された算出結果に基づいて、前記全旧監視データの中から前記現監視データに類似する旧監視データを選択する選択手段、
   前記監視対象機器において発生が予測される障害事例が発生するまでの残余の時間を算出する残余時間算出手段として機能させ、
   前記決定手段は、
   前記選択手段によって選択された旧監視データに対応する障害事例を、前記監視対象機器において発生が予測される障害事例に決定し、
   前記残余時間算出手段は、
   前記選択手段によって選択された旧監視データの測定時刻と、前記決定手段によって決定された障害事例の発生時刻との時間間隔を求めることにより、当該障害事例が発生するまでの残余の時間を算出し、
   前記出力手段は、
   前記決定結果とともに、前記残余時間算出手段によって算出された残余の時間を出力することを特徴とする請求項１または２に記載の監視プログラム。
4. 前記コンピュータを、
   前記旧監視データごとに、当該旧監視データに対応する障害事例の発生時刻と前記旧監視データの測定時刻とに基づいて、前記障害事例の発生までの時間的な緊急度を表わす重みを算出する重み算出手段として機能させ、
   前記算出手段は、
   前記重み算出手段によって算出された旧監視データごとの重みと、前記旧監視データの類似度とを用いて、重み付けされた前記旧監視データの類似度を算出し、
   前記決定手段は、
   前記算出手段によって算出された重み付けされた類似度に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定することを特徴とする請求項１〜３のいずれか一つに記載の監視プログラム。
5. 前記重み算出手段は、
   前記障害事例ごとに、時系列に連続する前記旧監視データ群の類似度のばらつき度合を表わす重みを算出し、
   前記算出手段は、
   前記重み算出手段によって算出された障害事例ごとの重みと、前記旧監視データの類似度とを用いて、重み付けされた前記旧監視データの類似度を算出することを特徴とする請求項４に記載の監視プログラム。
6. 監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶する記憶手段と、
   前記監視対象機器から前記複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信する受信手段と、
   前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出する算出手段と、
   前記算出手段によって算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定する決定手段と、
   前記決定手段によって決定された決定結果を出力する出力手段と、
   を備えることを特徴とする監視装置。
7. 制御手段および記憶手段を備え、監視対象機器において発生した障害事例ごとに、当該障害事例の発生時刻に至るまでの前記監視対象機器の複数の監視項目の測定値を表わす過去の監視データ群を記憶するデータベースにアクセス可能なコンピュータが、
   前記制御手段により、前記監視対象機器から前記複数の監視項目の現在の測定値を表わす監視データ（以下、「現監視データ」という）を受信して、前記記憶手段に記憶する受信工程と、
   前記制御手段により、前記複数の監視項目の測定値に基づいて、前記データベース内の過去の監視データ（以下、「旧監視データ」という）ごとに、当該旧監視データと前記現監視データとの類似度を算出して、前記記憶手段に記憶する算出工程と、
   前記制御手段により、前記算出工程によって算出された算出結果に基づいて、前記複数の障害事例の中から前記監視対象機器において発生が予測される障害事例を決定して、前記記憶手段に記憶する決定工程と、
   前記制御手段により、前記決定工程によって決定された決定結果を出力する出力工程と、
   を実行することを特徴とする監視方法。

Images