JP2021144401A - 制御プログラム、制御方法および制御装置 - Google Patents
制御プログラム、制御方法および制御装置 Download PDFInfo
- Publication number
- JP2021144401A JP2021144401A JP2020041812A JP2020041812A JP2021144401A JP 2021144401 A JP2021144401 A JP 2021144401A JP 2020041812 A JP2020041812 A JP 2020041812A JP 2020041812 A JP2020041812 A JP 2020041812A JP 2021144401 A JP2021144401 A JP 2021144401A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- information
- application
- evaluation value
- processing node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 36
- 238000012545 processing Methods 0.000 claims abstract description 153
- 238000011156 evaluation Methods 0.000 claims abstract description 111
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000003860 storage Methods 0.000 claims description 47
- 230000006854 communication Effects 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 34
- 230000004044 response Effects 0.000 claims description 22
- 230000010365 information processing Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 description 61
- 239000013598 vector Substances 0.000 description 29
- 238000012544 monitoring process Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Abstract
Description
[第1の実施の形態]
第1の実施の形態を説明する。
第1の実施の形態の制御装置10は、情報処理システム20で発生した障害の分析に用いられる。制御装置10は、クライアント装置でもよいしサーバ装置でもよい。制御装置10を、コンピュータ、情報処理装置、分析装置、機械学習装置などと言うこともできる。制御装置10と情報処理システム20とがネットワークで接続されていてもよい。
次に、第2の実施の形態を説明する。
図2は、第2の実施の形態の情報処理システムの例を示す図である。
管理サーバ100は、CPU101、RAM102、HDD103、画像インタフェース104、入力インタフェース105、媒体リーダ106および通信インタフェース107を有する。管理サーバ100が有するこれらのユニットは、バスに接続されている。CPU101は、第1の実施の形態の処理部12に対応する。RAM102またはHDD103は、第1の実施の形態の記憶部11に対応する。クライアント端末31や物理マシン201,202も、管理サーバ100と同様のハードウェアを用いて実現できる。
図4は、仮想化インフラストラクチャの階層例を示す図である。
監視対象システム200は、コンピュータ仮想化技術として、ハイパーバイザ型仮想化とコンテナ型仮想化を併用する。ハイパーバイザ型仮想化では、仮想化ソフトウェアであるハイパーバイザを用いて、ゲストOSを含む仮想マシンを形成する。コンテナ型仮想化では、仮想化ソフトウェアであるコンテナエンジンを用いて、ゲストOSを含まないコンテナを形成する。物理マシン、仮想マシンおよびコンテナは何れも、アプリケーションからコンピュータとして認識され得る処理ノードである。ただし、仮想マシンおよびコンテナは、物理マシンそのものではない仮想処理ノードである。
第2の実施の形態の説明では、一例として、図5に示すような処理ノードおよびサービスノードの配置を使用する。監視対象システム200は、処理ノードとして、物理マシン201,202、仮想マシン211,212およびコンテナ221,222,223,224,225,226を含む。また、監視対象システム200は、サービスノード231,232,233,234,235,236を含む。これらの処理ノードおよびサービスノードのトポロジは、スイッチ203をルートとする木構造になっている。
サービスノード231,232,233,234,235,236は、相互に通信することで、連携して1つのサービスを実現する。サービスノード間の通信には、例えば、REST(Representational State Transfer)などの軽量な通信APIが使用される。前述のサイドカープロキシ246a,246bに相当するサイドカープロキシを用いることで、サービスノード間のメッセージ通信の状況を把握することが可能である。
図7は、原因判定モデルの生成例を示す図である。
管理サーバ100は、原因判定モデル151を生成する。原因判定モデル151は、ロジスティック回帰分析によって生成される回帰モデルである。原因判定モデル151は、1つのアプリ障害と1つのインフラ障害との間の関係を示す特徴ベクトルを、説明変数として使用する。また、原因判定モデル151は、当該1つのアプリ障害の原因が当該1つのインフラ障害である確率を示す確信度を、目的変数として使用する。
システム管理画面152は、管理サーバ100からクライアント端末31に送信され、クライアント端末31のディスプレイに表示される。システム管理画面152は、あるアプリケーションに障害が発生したことを示すメッセージを含む。また、システム管理画面152は、アプリ障害と同時期に、物理マシンや仮想マシンなどの処理ノードに障害が発生していることを示すメッセージを含む。また、システム管理画面152は、インフラ障害毎に、アプリ障害の原因である可能性を示す確信度の数値を含む。インフラ障害のメッセージは、確信度の降順にソートされている。
図9は、管理サーバの機能例を示すブロック図である。
管理サーバ100は、障害情報記憶部121、構成情報記憶部122、サービス情報記憶部123およびモデル記憶部124を有する。これらの記憶部は、例えば、RAM102またはHDD103の記憶領域を用いて実現される。また、管理サーバ100は、障害監視部125、構成監視部126、サービス監視部127、学習部128および原因判定部129を有する。これらの処理部は、例えば、プログラムを用いて実現される。
障害テーブル131は、障害情報記憶部121に記憶される。障害テーブル131は、障害ID、時刻、検出ノード、障害種別、メッセージ、対応フラグおよび原因IDの項目をそれぞれ含む複数のレコードを記憶する。障害IDとして、障害を識別する識別子が登録される。時刻として、障害が発生した時刻または障害が認識された時刻が登録される。検出ノードとして、障害を検出した処理ノードの識別子が登録される。障害を検出する処理ノードは、物理マシン、仮想マシンまたはコンテナである。
構成テーブル132は、構成情報記憶部122に記憶される。構成テーブル132は、時刻、親ノード、子ノードおよび距離の項目をそれぞれ含む複数のレコードを記憶する。時刻として、構成変更が検出された時刻が登録される。親ノードとして、下位(物理マシンに近い方)にある処理ノードの識別子が登録される。子ノードとして、親ノードの上位(アプリケーションに近い方)にある処理ノードの識別子が登録される。
サービス距離テーブル133は、サービス情報記憶部123に記憶される。サービス距離テーブル133は、時刻、始点ノード、終点ノードおよび距離の項目をそれぞれ含む複数のレコードを記憶する。時刻として、サービスメッシュグラフの変更が検出された時刻が登録される。サービスメッシュグラフは、コンテナの追加や削除、アプリケーションプログラムの更新などによって変化することがある。
訓練データテーブル135は、学習部128によって生成される。訓練データテーブル135が、モデル記憶部124に保存されてもよい。訓練データテーブル135は、アプリ障害、インフラ障害、評価値v1,v2,v3,v4、評価値v1’,v2’,v4’および教師ラベルの項目をそれぞれ含む複数のレコードを記憶する。
図14は、モデル生成の手順例を示すフローチャートである。
(S10)学習部128は、障害テーブル131から、複数のアプリ障害の障害情報と複数のインフラ障害の障害情報とを分けて抽出する。
(S20)学習部128は、ステップS11において、全てのアプリ障害とインフラ障害の組を選択したか判断する。全ての組を選択した場合はステップS21に進み、未選択の組がある場合はステップS11に戻る。
(S30)原因判定部129は、新たなアプリ障害が発生したことを検出する。すると、原因判定部129は、障害テーブル131から、当該新たなアプリ障害の障害情報と未解消のインフラ障害の障害情報とを抽出する。
(S32)原因判定部129は、前述のステップS12と同様にして、アプリ障害の検出ノードとインフラ障害の検出ノードの間の親子距離を示す評価値v1を算出する。
(S34)原因判定部129は、前述のステップS14と同様にして、サービスノード間のサービス距離を示す評価値v2を算出する。
(S36)原因判定部129は、前述のステップS16と同様にして、アプリ障害とインフラ障害の間の時刻差を示す評価値v4を算出する。
(S39)原因判定部129は、ステップS31において、全てのインフラ障害を選択したか判断する。全てのインフラ障害を選択した場合はステップS40に進み、未選択のインフラ障害がある場合はステップS31に戻る。
(S41)原因判定部129は、アプリ障害の情報と、確信度の降順に並べた未解消のインフラ障害の情報と、各インフラ障害の確信度とを含むシステム管理画面152を生成し、システム管理画面152をクライアント端末31に送信する。
このモデル更新は、図15の障害原因判定の後に実行される。
(S50)原因判定部129は、クライアント端末31から障害対応情報を受信する。障害対応情報は、アプリ障害の障害IDと、インフラ障害の障害IDと、そのインフラ障害がアプリ障害の原因であったか否かを示す教師ラベルとを含む。教師ラベルは、障害対応作業を通じてシステム管理者により判断された結果である。そのインフラ障害がアプリ障害の原因でない場合は教師ラベルが「0」となる。そのインフラ障害がアプリ障害の原因である場合は教師ラベルが「1」となる。原因判定部129は、受信した障害対応情報に基づいて、障害テーブル131を更新する。
11 記憶部
12 処理部
13,14 障害情報
15 教師ラベル
16 特徴情報
16a,16b,16c 評価値
17 モデル
20 情報処理システム
21,22,23 処理ノード
24,25 アプリケーション
Claims (8)
- コンピュータに、
それぞれが割り当てられたリソースを用いてアプリケーションを実行可能な処理ノードであって、仮想化ソフトウェアを用いて階層的に配置することが可能な複数の処理ノードを含み、複数のアプリケーションそれぞれが前記複数の処理ノードの何れかで実行される情報処理システムについて、第1のアプリケーションの障害を示す第1の障害情報と、第2の処理ノードの障害を示す第2の障害情報と、前記第1の障害情報と前記第2の障害情報との間の関連の有無を示す教師ラベルとを取得し、
前記第1の障害情報および前記第2の障害情報に基づいて、前記第1のアプリケーションを実行する第1の処理ノードと前記第2の処理ノードとの間の配置の階層関係を示す第1の評価値と、前記第2の処理ノードの上に配置された処理ノードで実行される第2のアプリケーションと前記第1のアプリケーションとの間の依存関係を示す第2の評価値と、前記第1の障害情報に含まれる第1のエラーメッセージと前記第2の障害情報に含まれる第2のエラーメッセージとの間の類似度を示す第3の評価値とを算出し、
前記第1の評価値、前記第2の評価値および前記第3の評価値を含む特徴情報と前記教師ラベルとを対応付けた訓練データを用いて、2つの障害情報についての特徴情報に対応する入力データから前記2つの障害情報の関連性の有無を推定するモデルを生成する、
処理を実行させる制御プログラム。 - 前記モデルの出力は、前記2つの障害情報の間の関連性の強さを示す確信度を含み、
前記コンピュータに更に、
前記モデルが生成された後、1つのアプリケーションの障害を示す第3の障害情報と、異なる処理ノードの障害を示す複数の第4の障害情報とを取得し、
前記第3の障害情報と前記複数の第4の障害情報のうちの1つの第4の障害情報との組毎に、前記第3の障害情報および前記1つの第4の障害情報に基づいて前記入力データを生成し、前記入力データを前記モデルに入力して前記確信度を算出し、
前記確信度に基づいて、前記複数の第4の障害情報を優先付けして出力する、
処理を実行させる請求項1記載の制御プログラム。 - 前記コンピュータに更に、
前記第1のアプリケーションの障害の分析結果を示す障害対応情報を取得し、前記障害対応情報が示す障害原因に前記第2の処理ノードの障害が含まれる場合、関連ありを示す前記教師ラベルを生成し、前記障害対応情報が示す障害原因に前記第2の処理ノードの障害が含まれない場合、関連なしを示す前記教師ラベルを生成する、
処理を実行させる請求項1記載の制御プログラム。 - 前記第1の評価値は、前記第1の処理ノードの階層と前記第2の処理ノードの階層との間の距離を示し、前記第2の評価値は、前記複数のアプリケーションの間の通信関係を示すメッシュグラフにおける前記第1のアプリケーションと前記第2のアプリケーションとの間の距離を示し、前記第3の評価値は、前記第1のエラーメッセージに含まれる単語と前記第2のエラーメッセージに含まれる単語の間の類似度を示す、
請求項1記載の制御プログラム。 - 前記特徴情報は更に、前記第1のアプリケーションの障害の発生時刻と前記第2の処理ノードの障害の発生時刻との間の時刻差を示す第4の評価値を更に含む、
請求項1記載の制御プログラム。 - 前記複数の処理ノードは、2以上の物理マシンと、それぞれ前記2以上の物理マシンの何れかの上に配置される2以上の仮想マシンと、それぞれ前記2以上の仮想マシンの何れかの上に配置される2以上のコンテナとを含み、
前記第1の処理ノードは、前記2以上のコンテナの何れか1つであり、前記第2の処理ノードは、前記2以上の物理マシンおよび前記2以上の仮想マシンの何れか1つである、
請求項1記載の制御プログラム。 - コンピュータが、
それぞれが割り当てられたリソースを用いてアプリケーションを実行可能な処理ノードであって、仮想化ソフトウェアを用いて階層的に配置することが可能な複数の処理ノードを含み、複数のアプリケーションそれぞれが前記複数の処理ノードの何れかで実行される情報処理システムについて、第1のアプリケーションの障害を示す第1の障害情報と、第2の処理ノードの障害を示す第2の障害情報と、前記第1の障害情報と前記第2の障害情報との間の関連の有無を示す教師ラベルとを取得し、
前記第1の障害情報および前記第2の障害情報に基づいて、前記第1のアプリケーションを実行する第1の処理ノードと前記第2の処理ノードとの間の配置の階層関係を示す第1の評価値と、前記第2の処理ノードの上に配置された処理ノードで実行される第2のアプリケーションと前記第1のアプリケーションとの間の依存関係を示す第2の評価値と、前記第1の障害情報に含まれる第1のエラーメッセージと前記第2の障害情報に含まれる第2のエラーメッセージとの間の類似度を示す第3の評価値とを算出し、
前記第1の評価値、前記第2の評価値および前記第3の評価値を含む特徴情報と前記教師ラベルとを対応付けた訓練データを用いて、2つの障害情報についての特徴情報に対応する入力データから前記2つの障害情報の関連性の有無を推定するモデルを生成する、
制御方法。 - それぞれが割り当てられたリソースを用いてアプリケーションを実行可能な処理ノードであって、仮想化ソフトウェアを用いて階層的に配置することが可能な複数の処理ノードを含み、複数のアプリケーションそれぞれが前記複数の処理ノードの何れかで実行される情報処理システムについて、第1のアプリケーションの障害を示す第1の障害情報と、第2の処理ノードの障害を示す第2の障害情報と、前記第1の障害情報と前記第2の障害情報との間の関連の有無を示す教師ラベルとを記憶する記憶部と、
前記第1の障害情報および前記第2の障害情報に基づいて、前記第1のアプリケーションを実行する第1の処理ノードと前記第2の処理ノードとの間の配置の階層関係を示す第1の評価値と、前記第2の処理ノードの上に配置された処理ノードで実行される第2のアプリケーションと前記第1のアプリケーションとの間の依存関係を示す第2の評価値と、前記第1の障害情報に含まれる第1のエラーメッセージと前記第2の障害情報に含まれる第2のエラーメッセージとの間の類似度を示す第3の評価値とを算出し、前記第1の評価値、前記第2の評価値および前記第3の評価値を含む特徴情報と前記教師ラベルとを対応付けた訓練データを用いて、2つの障害情報についての特徴情報に対応する入力データから前記2つの障害情報の関連性の有無を推定するモデルを生成する処理部と、
を有する制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020041812A JP7401764B2 (ja) | 2020-03-11 | 2020-03-11 | 制御プログラム、制御方法および制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020041812A JP7401764B2 (ja) | 2020-03-11 | 2020-03-11 | 制御プログラム、制御方法および制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021144401A true JP2021144401A (ja) | 2021-09-24 |
JP7401764B2 JP7401764B2 (ja) | 2023-12-20 |
Family
ID=77766644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020041812A Active JP7401764B2 (ja) | 2020-03-11 | 2020-03-11 | 制御プログラム、制御方法および制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7401764B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023282167A1 (ja) * | 2021-07-08 | 2023-01-12 | 株式会社Preferred Networks | データ処理装置およびプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011170802A (ja) * | 2010-02-22 | 2011-09-01 | Fujitsu Ltd | 障害パターン生成プログラムおよび障害パターン生成装置 |
WO2018146714A1 (ja) * | 2017-02-07 | 2018-08-16 | 株式会社日立製作所 | コンピュータシステムの監視装置および方法 |
JP2019066927A (ja) * | 2017-09-28 | 2019-04-25 | 株式会社日立製作所 | 障害対策システムおよび障害対策方法 |
JP2019204302A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社日立製作所 | 保全作業支援システム |
-
2020
- 2020-03-11 JP JP2020041812A patent/JP7401764B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011170802A (ja) * | 2010-02-22 | 2011-09-01 | Fujitsu Ltd | 障害パターン生成プログラムおよび障害パターン生成装置 |
WO2018146714A1 (ja) * | 2017-02-07 | 2018-08-16 | 株式会社日立製作所 | コンピュータシステムの監視装置および方法 |
JP2019066927A (ja) * | 2017-09-28 | 2019-04-25 | 株式会社日立製作所 | 障害対策システムおよび障害対策方法 |
JP2019204302A (ja) * | 2018-05-24 | 2019-11-28 | 株式会社日立製作所 | 保全作業支援システム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023282167A1 (ja) * | 2021-07-08 | 2023-01-12 | 株式会社Preferred Networks | データ処理装置およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7401764B2 (ja) | 2023-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116057510B (zh) | 用于异常检测的系统、设备和方法 | |
US20210028981A1 (en) | Application migration system | |
US10515002B2 (en) | Utilizing artificial intelligence to test cloud applications | |
US9979596B2 (en) | Configuration discovery service data visualization | |
US20140372347A1 (en) | Methods and systems for identifying action for responding to anomaly in cloud computing system | |
US8782039B2 (en) | Generating a semantic graph relating information assets using feedback re-enforced search and navigation | |
US8006134B2 (en) | Method for analyzing fault caused in virtualized environment, and management server | |
US20170373933A1 (en) | Intelligent configuration discovery techniques | |
US8972788B2 (en) | Ticket consolidation | |
US9071510B2 (en) | Determining root causes of network issues | |
AU2019253836A1 (en) | Processing data utilizing a corpus | |
US20160098390A1 (en) | Command history analysis apparatus and command history analysis method | |
US10372482B2 (en) | Domain transversal based transaction contextualization of event information | |
US20130238550A1 (en) | Method to detect transcoding tables in etl processes | |
US20230401139A1 (en) | Activity Tracing Through Event Correlation Across Multiple Software Applications | |
US11165665B2 (en) | Apparatus and method to improve precision of identifying a range of effects of a failure in a system providing a multilayer structure of services | |
US20220229870A1 (en) | Self adjusting dashboards for log and alert data | |
JP7401764B2 (ja) | 制御プログラム、制御方法および制御装置 | |
US11694092B2 (en) | Reward-based recommendations of actions using machine-learning on telemetry data | |
US11334461B2 (en) | Distributed application resource determination based on performance metrics | |
US11379145B2 (en) | Systems and methods for selecting devices for backup and restore operations for virtual machines | |
US11893411B2 (en) | System and method for resource optimized intelligent product notifications | |
US11757736B2 (en) | Prescriptive analytics for network services | |
US20240134774A1 (en) | Duplicate incident detection using dynamic similarity threshold | |
US11947504B1 (en) | Multi-cloud data processing and integration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221117 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231031 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231107 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7401764 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |