JP4952537B2 - Network performance prediction system, network performance prediction method and program - Google Patents

Network performance prediction system, network performance prediction method and program Download PDF

Info

Publication number
JP4952537B2
JP4952537B2 JP2007305759A JP2007305759A JP4952537B2 JP 4952537 B2 JP4952537 B2 JP 4952537B2 JP 2007305759 A JP2007305759 A JP 2007305759A JP 2007305759 A JP2007305759 A JP 2007305759A JP 4952537 B2 JP4952537 B2 JP 4952537B2
Authority
JP
Japan
Prior art keywords
regression analysis
unit
measurement value
network performance
prediction
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.)
Expired - Fee Related
Application number
JP2007305759A
Other languages
Japanese (ja)
Other versions
JP2009130800A (en
Inventor
啓 高野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2007305759A priority Critical patent/JP4952537B2/en
Publication of JP2009130800A publication Critical patent/JP2009130800A/en
Application granted granted Critical
Publication of JP4952537B2 publication Critical patent/JP4952537B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

この発明は、ネットワークの性能の予測を行うネットワーク性能予測システム、ネットワーク性能予測方法およびプログラムに関するものである。   The present invention relates to a network performance prediction system, a network performance prediction method, and a program for predicting network performance.

従来、時系列のデータから未来を予測するとき、回帰分析の手法が用いられている。この回帰分析は、時系列のデータを近似する回帰方程式を求め、その回帰方程式を未来に向けて外挿することにより、将来の値を予測するものである。回帰方程式は、自ずとその適用範囲（予測範囲）がある（例えば非特許文献１参照）。   Conventionally, when predicting the future from time-series data, a regression analysis method is used. In this regression analysis, a regression equation that approximates time-series data is obtained, and a future value is predicted by extrapolating the regression equation toward the future. The regression equation naturally has an application range (prediction range) (see, for example, Non-Patent Document 1).

また、特許文献１には、ソフトウェアの品質分析に回帰分析を適用する場合の予測範囲の設定について開示されている。ソフトウェアの品質分析においては、ソフトウェアの不具合件数に成長曲線と呼ばれる関数を仮定し、実際の不具合件数が成長曲線モデルに沿って計測されるならば、成長曲線の上限付近に到達した場合に品質が安定したと見なされる。このとき、予測範囲としての成長曲線の収束の上限については、特許文献１には目標収束件数を入力装置から入力することが記載されている。   Patent Document 1 discloses setting of a prediction range when regression analysis is applied to software quality analysis. In software quality analysis, assuming a function called a growth curve for the number of software defects, if the actual number of defects is measured along the growth curve model, the quality will be improved when the growth curve is near the upper limit. Considered stable. At this time, with respect to the upper limit of the convergence of the growth curve as the prediction range, Patent Document 1 describes that the target number of convergence is input from the input device.

特開平５−１１３９１０号公報JP-A-5-113910 涌井良幸著「図解でわかる回帰分析」日本実業出版社２００２年６月２０日（１１６〜１１９頁）Yoshiyuki Sakurai, "Regression Analysis Understandable by Illustration", Nihon Jitsugyo Publishing Co., Ltd. June 20, 2002 (116-119 pages)

非特許文献１に開示されているような回帰分析をネットワークの性能予測に用いる場合、例えば顧客との契約に基づく回線の帯域幅といった外部条件に基づく予測範囲を、ネットワーク内にある多くの機器や回線に対応して設定する必要がある。しかし、特許文献１に記載のもののように、例えば手作業で入力装置から入力すると、多くの機器や回線それぞれに対応する予測範囲の入力の作業負荷が高くなるという問題点があった。   When regression analysis as disclosed in Non-Patent Document 1 is used for network performance prediction, for example, a prediction range based on external conditions such as a bandwidth of a line based on a contract with a customer can be set as many devices in the network. It is necessary to set according to the line. However, like the one described in Patent Document 1, for example, when input is performed manually from an input device, there is a problem in that the workload of inputting a prediction range corresponding to each of many devices and lines increases.

この発明は、上述のような課題を解決するためになされたもので、ネットワーク性能予測システムにおいて、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、例えば顧客との契約といった外部条件に応じた適切な予測範囲で回帰分析による予測が行えるようにすることを目的としている。   The present invention has been made to solve the above-described problems. In the network performance prediction system, even when there are many devices and lines in the network, there is no work load, for example, external conditions such as a contract with a customer. The purpose is to enable prediction by regression analysis within an appropriate prediction range according to the situation.

この発明に係るネットワーク性能予測システムは、ネットワーク内において行われた通信に関する計測値に対応する計測値情報を取得する計測値取得部と、ネットワーク内の通信に関する予め定められた外部情報を読み取るとともに、この外部情報により回帰分析の予測範囲を求める外部情報読取部と、前記外部情報読取部で求めた予測範囲を設定するパラメータ設定部と、前記計測値取得部で取得した計測値情報に基づく回帰分析により、前記パラメータ設定部で設定した予測範囲で予測値を求める回帰分析部と、を備えたものである。 The network performance prediction system according to the present invention reads a measurement value acquisition unit that acquires measurement value information corresponding to a measurement value related to communication performed in the network, and reads predetermined external information related to communication in the network , An external information reading unit that obtains a prediction range of regression analysis using the external information, a parameter setting unit that sets the prediction range obtained by the external information reading unit, and a regression analysis based on the measurement value information acquired by the measurement value acquisition unit The regression analysis part which calculates | requires a predicted value in the prediction range set by the said parameter setting part is provided.

この発明は、ネットワーク性能予測システムにおいて、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。   According to the present invention, in a network performance prediction system, even when there are many devices and lines in a network, prediction can be performed by regression analysis within an appropriate prediction range according to external conditions without a work load.

実施の形態１．
この発明の実施の形態１によるネットワーク性能予測システムは、ネットワークの通信性能を示す計測値に基づく回帰分析により、顧客との契約情報としての外部情報から求めた予測範囲で予測値を求めるようにしたものである。これにより、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。 Embodiment 1 FIG.
The network performance prediction system according to the first embodiment of the present invention obtains a predicted value within a prediction range obtained from external information as contract information with a customer by regression analysis based on a measured value indicating the communication performance of the network. Is. As a result, even when there are many devices and lines in the network, it is possible to perform prediction by regression analysis within an appropriate prediction range according to external conditions without a work load.

図１は、この発明の実施の形態１によるネットワーク性能予測システムを示す構成図である。なお、各図において、同一符号は同一または相当部分を示す。図１において、１１は、ネットワーク性能計測システムであり、所定の間隔で通信ネットワークの各種性能値の計測を行い、時刻毎の計測値をレポートしたり、異常の有無を診断したりすることができるものである。また、定期的に計測し、その計測結果を蓄積し検索できるデータベース機能をもつものである。なお、計測する性能値や異常診断の方法はどのようなものでも良い。例えば、計測され予測されるネットワークの通信性能としては、通信回線におけるトラヒック量や帯域使用率、パケットの応答時間、ネットワーク機器におけるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）の使用率やメモリーの使用率がある。   FIG. 1 is a block diagram showing a network performance prediction system according to Embodiment 1 of the present invention. In each figure, the same numerals indicate the same or corresponding parts. In FIG. 1, reference numeral 11 denotes a network performance measurement system that can measure various performance values of a communication network at predetermined intervals, report a measurement value at each time, and diagnose the presence or absence of an abnormality. Is. In addition, it has a database function that can measure periodically and accumulate and retrieve the measurement results. Note that any performance value or abnormality diagnosis method may be used. For example, the network communication performance measured and predicted includes the traffic amount and bandwidth usage rate in the communication line, the packet response time, the CPU (Central Processing Unit) usage rate and the memory usage rate in the network device.

また、図１に示すネットワーク性能予測システム１において、２は、ネットワーク性能計測システム１１から、計測結果の時系列データや閾値データを取得する計測値取得部である。３は、計測値取得部２で得た計測値から分析用データを作成する分析用データ作成部である。４は、分析用データ作成部３で得た分析用データを用いて回帰分析を行う回帰分析部である。５は、回帰分析部４での分析結果の当てはめの良さを評価する分散分析部である。６は、回帰分析の結果を用いて、結論としてレポートに記載する文面の内容を決めるための判定部である。７は、回帰分析の結果を用いてグラフや表によるレポートを作るレポート作成部である。８は、回帰分析の予測範囲としての上限値および／または下限値を回帰分析部４に設定するパラメータ設定部である。９は，回帰分析の上限値および／または下限値を、外部のシステムから検索し取得するための外部情報読取部である。   In the network performance prediction system 1 shown in FIG. 1, reference numeral 2 denotes a measurement value acquisition unit that acquires time series data and threshold data of measurement results from the network performance measurement system 11. Reference numeral 3 denotes an analysis data creation unit that creates analysis data from the measurement values obtained by the measurement value acquisition unit 2. A regression analysis unit 4 performs regression analysis using the analysis data obtained by the analysis data creation unit 3. Reference numeral 5 denotes an analysis of variance unit that evaluates the goodness of fitting the analysis result in the regression analysis unit 4. 6 is a determination unit for determining the content of the text to be written in the report as a conclusion using the result of the regression analysis. Reference numeral 7 denotes a report creation unit that creates a report by a graph or a table using the result of the regression analysis. A parameter setting unit 8 sets an upper limit value and / or a lower limit value as a prediction range of the regression analysis in the regression analysis unit 4. Reference numeral 9 denotes an external information reading unit for searching and acquiring an upper limit value and / or a lower limit value of regression analysis from an external system.

また、図１において、２１は、外部情報読取部９がデータを取得する対象となるシステムの一例であり、顧客との契約に基づく各種の情報が管理されている顧客情報システムである。   In FIG. 1, reference numeral 21 denotes an example of a system from which the external information reading unit 9 acquires data, and is a customer information system in which various information based on a contract with a customer is managed.

次に、動作について説明する。ネットワーク性能の計測値は時々刻々と計測され蓄積されていくものであり、実施の形態１によるネットワーク性能予測システム１も定期的に予測が実行され、更新された予測結果を得るようにしている。あるいは指定により、随時予測結果を得るようにしても良い。いずれにしても、定期的あるいは指定の時刻に所定の機能を実行する方式としては、ｕｎｉｘのｃｒｏｎシステムなどが適用可能である。   Next, the operation will be described. The measured values of the network performance are measured and accumulated every moment, and the network performance prediction system 1 according to Embodiment 1 is also periodically predicted to obtain updated prediction results. Or you may make it obtain a prediction result at any time by designation | designated. In any case, a Unix cron system or the like can be applied as a method of executing a predetermined function periodically or at a specified time.

まず、計測値取得部２は、定められた期間の計測結果をネットワーク性能計測システム１１から取得する。定期的に予測を行う場合は、例えば前回の予測実施日から本日までのように差分だけ取得するようにしても良い。データ取得の方法としては、例えばデータベースシステムで良く用いられるＳＱＬ（Ｓｔｒｕｃｔｕｒｅｄ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）が適用可能であり、ネットワーク性能計測システム１１がサポートしている方法であればどのようなものでも良い。   First, the measurement value acquisition unit 2 acquires a measurement result for a predetermined period from the network performance measurement system 11. When the prediction is performed periodically, for example, only the difference may be acquired as from the previous prediction execution date to today. As a data acquisition method, for example, SQL (Structured Query Language) often used in a database system can be applied, and any method supported by the network performance measurement system 11 may be used.

次に計測値取得部２で取得した時系列データを用いて、分析用データ作成部３により、回帰分析用のデータを作成する。ただし、この機能は、オプション的な機能である。計測値取得部２で得た計測値をそのまま用いて回帰分析部４で回帰分析を行っても良い。しかし、ネットワーク性能の計測は、例えば数分間隔など頻繁に行われることが多く、また、計測対象となる機器やＭＩＢ（Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｂａｓｅ）値も多数であることが考えられる。このため、計測値をそのまま回帰分析すると、計算量が多くなる懸念がある。そこで、分析用データ作成部３で、例えば計測値の１日毎の平均値を算出し、この平均値を回帰分析用のデータとして用いることにより、回帰分析に使うデータ量を減らし、計算量を削減するようにしている。なお、作成された回帰分析用データは蓄積しておき、過去に算出した分析用データも使えるようにしても良い。また、上述の例では１日平均を使うこととしたが、これに限るものではない。例えば、１時間毎の平均や１週間毎の平均を使う、平日分のデータのみ使い休日のデータは使わない，９時〜１７時など営業時間帯のデータのみ使う、平均ではなく平均＋標準偏差を使う、等でも良い。   Next, data for regression analysis is created by the analysis data creation unit 3 using the time series data obtained by the measurement value obtaining unit 2. However, this function is an optional function. The regression analysis may be performed by the regression analysis unit 4 using the measurement value obtained by the measurement value acquisition unit 2 as it is. However, network performance measurement is frequently performed, for example, at intervals of several minutes, for example, and it is considered that there are many devices to be measured and MIB (Management Information Base) values. For this reason, there is a concern that the amount of calculation increases if the measured value is subjected to regression analysis as it is. Therefore, the analysis data creation unit 3 calculates, for example, an average value of measured values every day, and uses this average value as data for regression analysis, thereby reducing the amount of data used for regression analysis and reducing the amount of calculation. Like to do. Note that the created regression analysis data may be accumulated, and analysis data calculated in the past may be used. In the above example, the daily average is used, but the present invention is not limited to this. For example, use the hourly average or weekly average, use only weekday data, do not use holiday data, use only business hours data such as 9 am to 5 pm, not average but standard + standard deviation You can use.

次に、得られた分析用データを用いて、回帰分析部４により、単変数の回帰分析を行う。この回帰分析では，一次関数（直線）、二次関数、指数関数、対数関数など、各種の関数が適用可能であり、それぞれの関数に応じた分析方法としては、例えば直線回帰の場合は、非特許文献１に開示されている方法が適用可能である。この直線回帰の場合は、回帰関数ｙ＝Ａｘ＋ＢにおけるパラメータであるＡとＢの値を求める。   Next, a regression analysis of a single variable is performed by the regression analysis unit 4 using the obtained data for analysis. In this regression analysis, various functions such as a linear function (straight line), a quadratic function, an exponential function, and a logarithmic function can be applied. As an analysis method corresponding to each function, for example, in the case of linear regression, non- The method disclosed in Patent Document 1 is applicable. In the case of this linear regression, values of A and B that are parameters in the regression function y = Ax + B are obtained.

次に、分散分析部５において、回帰分析部４で得た各関数の当てはまりの良さを評価する。分散分析は、回帰関数の実測値に対する当てはまりの良さ（回帰関数の精度の高さ）を評価する手法である。すなわち、所定の時刻に対し、回帰関数で計算された値（予測値）と、その時刻において実際に計測された値（実測値）の差分を集計し、当てはまりの良さを表わす指標を求めるものである。このような指標として、例えば、予測値の分散と実測値の分散との比で定義される決定係数（または寄与率）と呼ばれる指標を用いることができる。決定係数が１に近ければ回帰関数は定量的に精度が良いことが確かめられる（例えば非特許文献１参照）。回帰分析部４は、分散分析部５の結果を用いて、最終的に当てはまりの良い回帰関数を選択する。   Next, the analysis of variance 5 evaluates the goodness of fit of each function obtained by the regression analyzer 4. Analysis of variance is a method for evaluating the goodness of fit of the regression function to the actual measurement value (high accuracy of the regression function). That is, for a given time, the difference between the value calculated by the regression function (predicted value) and the value actually measured at that time (actually measured value) is totaled to obtain an index representing the goodness of fit. is there. As such an index, for example, an index called a determination coefficient (or contribution rate) defined by a ratio between the variance of the predicted value and the variance of the actual measurement value can be used. If the coefficient of determination is close to 1, it is confirmed that the regression function is quantitatively accurate (see, for example, Non-Patent Document 1). The regression analysis unit 4 finally selects a regression function with a good fit using the result of the analysis of variance unit 5.

次に、判定部６は、回帰分析部４による回帰分析の結果に対し、わかりやすさのためにレポートに含める文面を規定する機能をもつ。この機能もオプショナルである。すなわち、判定部６は、回帰分析の結果に応じ、次のように文面を設定する。（１）回帰関数は一次関数で、傾きの検定により傾きは０の場合、「安定しています。」との文面が設定される。（２）回帰関数は一次関数で、傾きは０でない場合、「線形に増加または減少しています。」との文面が設定される。（３）回帰関数は線形でなく、増加している場合、「急な立ち上がりがあります。」との文面が設定される。（４）予測期間内に閾値を超過すると予想される場合、「Ｙ１年Ｍ１月Ｄ１日〜Ｙ２年Ｍ２月Ｄ２日頃に閾値を超える可能性があります。」との文面が設定される。   Next, the determination unit 6 has a function of defining the text to be included in the report for easy understanding with respect to the result of the regression analysis by the regression analysis unit 4. This feature is also optional. That is, the determination unit 6 sets the text as follows according to the result of the regression analysis. (1) The regression function is a linear function. If the slope is 0 by the slope test, the text “stable” is set. (2) The regression function is a linear function, and when the slope is not 0, the text “increase or decrease linearly” is set. (3) When the regression function is not linear and increases, the text “There is a steep rise” is set. (4) When it is predicted that the threshold value will be exceeded within the prediction period, the text “There is a possibility that the threshold value may be exceeded around Y1 year M1 D1 day to Y2 year M2 D2 date” is set.

次に、レポート作成部７は、これまでの処理の結果を用いて、レポートを作成する。レポートは、基本的には図２に示すように、回帰関数による予測線を示すグラフである。あわせて、実測値や分析用データの値を示す点や閾値線をプロットし、予測線が閾値線を超過する時期である超過時期を表示するようにしても良い。あるいは、予測値に関する９５％信頼区間（実測値が９５％の確率で分布する範囲）などを表示するようにしても良い。また、レポートはグラフでなく、表でも良い。参照方法としては、ＷＥＢブラウザで参照できるようにしても良いし、また、所定のユーザに対し電子メールで通知するようにしても良い。   Next, the report creation unit 7 creates a report using the results of the processing so far. The report is basically a graph showing a prediction line based on a regression function as shown in FIG. In addition, a point indicating an actual measurement value or a value of analysis data or a threshold line may be plotted, and an excess time that is a time when the prediction line exceeds the threshold line may be displayed. Alternatively, a 95% confidence interval (a range in which the actual measurement value is distributed with a probability of 95%) related to the predicted value may be displayed. The report may be a table instead of a graph. As a reference method, reference may be made with a WEB browser, or a predetermined user may be notified by e-mail.

次に、この発明による実施の形態１の特長である諸機能の動作について詳細に説明する。回帰分析部４は、予測値の上限値および／または下限値を得るため、パラメータ設定部８を使用する。パラメータ設定部８は、実施の形態１では、外部情報読取部９を使用して予測値の上限値もしくは下限値を得る。まず、外部情報読取部９の動作について説明する。   Next, operations of various functions that are the features of the first embodiment of the present invention will be described in detail. The regression analysis unit 4 uses the parameter setting unit 8 to obtain the upper limit value and / or lower limit value of the predicted value. In the first embodiment, the parameter setting unit 8 uses the external information reading unit 9 to obtain the upper limit value or the lower limit value of the predicted value. First, the operation of the external information reading unit 9 will be described.

外部情報読取部９は、分析対象の「顧客名、機器名、インタフェース名、計測対象データ（ＭＩＢ名）」などを検索キーとし、これに対応する上限値および／または下限値を外部のシステムから得る。例えば、トラヒック量に関する予測を行うために上限値を得る場合は、トラヒック量の上限は機器のインタフェースの帯域幅や顧客と契約した帯域幅により規定されるため、例えば顧客との契約内容を管理するシステムである顧客情報システム２１からデータを得る。このとき、「顧客名、機器名、インタフェース名」を検索キーとして、対応する「顧客名、機器名、インタフェース名、帯域幅」のデータを得て、目的の帯域幅の値を得ることになる。あるいは、顧客情報システム２１の代わりに、機器仕様の情報を管理するネットワーク機器の構成管理システムから、「機器名、インタフェース名」を検索キーとして、対応するインタフェースの帯域幅を得るようにしても良い。   The external information reading unit 9 uses the “customer name, device name, interface name, measurement target data (MIB name)” to be analyzed as a search key, and sets the upper limit value and / or lower limit value corresponding thereto from an external system. obtain. For example, when obtaining an upper limit value in order to make a prediction regarding the traffic volume, the upper limit of the traffic volume is defined by the bandwidth of the interface of the device and the bandwidth contracted with the customer. Data is obtained from the customer information system 21 which is a system. At this time, “customer name, device name, interface name” is used as a search key, and the corresponding “customer name, device name, interface name, bandwidth” data is obtained to obtain the desired bandwidth value. . Alternatively, instead of the customer information system 21, the bandwidth of the corresponding interface may be obtained from the configuration management system of the network device that manages device specification information using “device name, interface name” as a search key. .

次に、パラメータ設定部８は、外部情報読取部９で得た上限値および／または下限値を回帰分析部４のパラメータとして指定する。回帰分析部４は、指定された範囲で予測値を示す。つまり、予測値が上限値または下限値を超える値になったら、回帰関数による予測値の算出を停止する。   Next, the parameter setting unit 8 specifies the upper limit value and / or the lower limit value obtained by the external information reading unit 9 as parameters of the regression analysis unit 4. The regression analysis unit 4 shows the predicted value within the specified range. That is, when the predicted value exceeds the upper limit value or the lower limit value, the calculation of the predicted value by the regression function is stopped.

この結果、図２に示すような回帰分析結果のレポートにおいて、上述のように決定した上限値または下限値を超える予測値、すなわち、ありえない値を表示することを避け、より適切な予測結果を示すことができる。前述のように上限値または下限値の決定は自動的に行われるので、運用管理者の負荷を増やすこともない。   As a result, in the report of the regression analysis result as shown in FIG. 2, a predicted value exceeding the upper limit value or the lower limit value determined as described above, that is, an impossible value is avoided, and a more appropriate prediction result is shown. be able to. As described above, since the determination of the upper limit value or the lower limit value is automatically performed, the load on the operation manager is not increased.

以上のように、この発明の実施の形態１によるネットワーク性能予測システムにおいては、ネットワークの通信性能を示す計測値に基づく回帰分析により、顧客との契約情報としての外部情報から求めた予測範囲で予測値を求めるようにしている。これにより、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、例えば顧客との契約または機器の仕様に基づく通信回線の割り当て帯域幅といった外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。   As described above, in the network performance prediction system according to the first embodiment of the present invention, prediction is performed within a prediction range obtained from external information as contract information with a customer by regression analysis based on a measurement value indicating network communication performance. The value is calculated. As a result, even when there are many devices and lines in the network, there is no work load, and regression analysis is performed with an appropriate prediction range according to external conditions such as communication line allocation bandwidth based on contracts with customers or device specifications, for example. Prediction can be performed.

実施の形態２．
この発明の実施の形態２によるネットワーク性能予測システムは、ネットワークの通信性能を示す計測値に基づく回帰分析により、ＭＩＢ（Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｂａｓｅ）情報としての外部情報から求めた予測範囲で予測値を求めるようにしたものである。これにより、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。 Embodiment 2. FIG.
The network performance prediction system according to the second embodiment of the present invention obtains a prediction value within a prediction range obtained from external information as MIB (Management Information Base) information by regression analysis based on a measurement value indicating network communication performance. It is a thing. As a result, even when there are many devices and lines in the network, it is possible to perform prediction by regression analysis within an appropriate prediction range according to external conditions without a work load.

図３は、この発明の実施の形態２によるネットワーク性能予測システムを示す構成図である。なお、各図において、同一符号は同一または相当部分を示す。図３において、ネットワーク性能計測システム１１から取得したＭＩＢ情報を格納したＭＩＢ情報部１０を加え、外部情報読取部９がＭＩＢ情報部１０からＭＩＢ情報を読み取るように構成した以外は、図１に示した実施の形態１によるネットワーク性能予測システムと同様の構成である。   FIG. 3 is a block diagram showing a network performance prediction system according to Embodiment 2 of the present invention. In each figure, the same numerals indicate the same or corresponding parts. 3 except that the MIB information unit 10 storing the MIB information acquired from the network performance measurement system 11 is added and the external information reading unit 9 is configured to read the MIB information from the MIB information unit 10 as shown in FIG. The configuration is the same as that of the network performance prediction system according to the first embodiment.

次に、動作について説明する。外部情報読取部９は、ＭＩＢ情報部１０に格納された各種のＭＩＢ定義を解析して回帰分析の予測範囲としての上限値および／または下限値を得る。ＭＩＢの定義は、標準化団体ＩＥＴＦ（Ｉｎｔｅｒｎｅｔ Ｅｎｇｉｎｅｅｒｉｎｇ Ｔａｓｋ Ｆｏｒｃｅ）やネットワーク機器の各ベンダから提供されており、所定の言語構造で記述されている。図４において、例えば、”ｓａｍｐｌｅＭｉｂＯｂｊｅｃｔ”という名前のオブジェクトがあるとすると、その定義の中に，”ＳＹＮＴＡＸ”という句があり、ＳＹＮＴＡＸ句の中に、オブジェクトの値域が指定されていることがある。図４では”Ｇａｕｇｅ３２(０．．１００)”と書かれた部分がこれにあたり、ｓａｍｐｌｅＭｉｂＯｂｊｅｃｔは値域として０以上１００以下であることがわかる。別の方法として、図４における”ＵＮＩＴＳ”という句を使用することも可能である。これは、データの「単位」を意味するものなので，ＵＮＩＴＳ句の値によってはおのずと値域が定まるものがある。例えばパーセンテージである。従って、ＭＩＢ定義ファイルを構文解析することにより、上下限値が得られることになる。   Next, the operation will be described. The external information reading unit 9 analyzes various MIB definitions stored in the MIB information unit 10 and obtains an upper limit value and / or a lower limit value as a prediction range of regression analysis. The definition of MIB is provided by a standardization organization IETF (Internet Engineering Task Force) and various vendors of network devices, and is described in a predetermined language structure. In FIG. 4, for example, if there is an object named “sampleMibObject”, there is a phrase “SYNTAX” in its definition, and the range of the object may be specified in the SYNTAX phrase. In FIG. 4, the part written as “Gauge32 (0..100)” corresponds to this, and sampleMibObject is 0 to 100 as a range. Alternatively, the phrase “UNITS” in FIG. 4 can be used. Since this means a “unit” of data, the value range is naturally determined depending on the value of the UNITS clause. For example, percentage. Therefore, the upper and lower limit values can be obtained by parsing the MIB definition file.

以下、実施の形態１と同様に、パラメータ設定部８が回帰分析の予測値の範囲を規定し、回帰分析部４が回帰分析を行うことにより、実施の形態１と同様に負荷なく適切な予測を行うことができる。   Hereinafter, as in the first embodiment, the parameter setting unit 8 defines the range of the prediction value of the regression analysis, and the regression analysis unit 4 performs the regression analysis, so that appropriate prediction without load is performed as in the first embodiment. It can be performed.

以上のように、この発明の実施の形態２によるネットワーク性能予測システムにおいては、ネットワークの通信性能を示す計測値に基づく回帰分析により、ＭＩＢ情報としての外部情報から求めた予測範囲で予測値を求めるようにしている。これにより、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、例えばネットワーク機器のＣＰＵの使用率の制限といった外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。   As described above, in the network performance prediction system according to the second embodiment of the present invention, the prediction value is obtained in the prediction range obtained from the external information as the MIB information by the regression analysis based on the measurement value indicating the communication performance of the network. I am doing so. As a result, even when there are many devices or lines in the network, the prediction is made by regression analysis within an appropriate prediction range according to external conditions such as limitation of the usage rate of the CPU of the network device without any work load. be able to.

実施の形態３．
この発明の実施の形態３によるネットワーク性能予測システムは、ネットワークの通信性能を示す計測値に基づく回帰分析により、顧客との契約情報およびＭＩＢ（Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｂａｓｅ）情報としての外部情報から求めた予測範囲で予測値を求めるようにしたものである。これにより、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。 Embodiment 3 FIG.
The network performance prediction system according to the third embodiment of the present invention provides a prediction range obtained from contract information with a customer and external information as MIB (Management Information Base) information by regression analysis based on a measured value indicating the communication performance of the network. In this way, the predicted value is obtained. As a result, even when there are many devices and lines in the network, it is possible to perform prediction by regression analysis within an appropriate prediction range according to external conditions without a work load.

図５は、この発明の実施の形態３によるネットワーク性能予測システムを示す構成図である。なお、各図において、同一符号は同一または相当部分を示す。図５において、外部情報読取部９が顧客情報システム２１から顧客との契約情報（またはネットワーク機器の構成管理システムから機器仕様の情報）を読み取るとともに、ＭＩＢ情報部１０からＭＩＢ情報を読み取るように構成した以外は、図１、３に示した実施の形態１、２によるネットワーク性能予測システムと同様の構成である。   FIG. 5 is a block diagram showing a network performance prediction system according to Embodiment 3 of the present invention. In each figure, the same numerals indicate the same or corresponding parts. In FIG. 5, the external information reading unit 9 is configured to read the contract information with the customer from the customer information system 21 (or the device specification information from the network device configuration management system) and to read the MIB information from the MIB information unit 10. Other than that, the configuration is the same as that of the network performance prediction system according to the first and second embodiments shown in FIGS.

次に、動作について説明する。各部の動作も、パラメータ設定部８と外部情報読取部９以外は，実施の形態１、２の動作と同様である。外部情報読取部９は、まず、契約情報およびＭＩＢ情報のそれぞれで上下限値を得る。次に、パラメータ設定部８は、実際に回帰分析に使用する予測範囲としての上下限値を次の（１）、（２）式により選択して設定する。
設定する上限値＝ｍｉｎ（契約情報による上限値、ＭＩＢ情報による上限値） （１）
設定する下限値＝ｍａｘ（契約情報による下限値、ＭＩＢ情報による下限値） （２） Next, the operation will be described. The operation of each unit is the same as that of the first and second embodiments except for the parameter setting unit 8 and the external information reading unit 9. First, the external information reading unit 9 obtains upper and lower limit values for each of the contract information and the MIB information. Next, the parameter setting unit 8 selects and sets the upper and lower limit values as the prediction range actually used for the regression analysis by the following equations (1) and (2).
Upper limit value to be set = min (upper limit value based on contract information, upper limit value based on MIB information) (1)
Lower limit value to be set = max (lower limit value based on contract information, lower limit value based on MIB information) (2)

以下、実施の形態１と同様に、パラメータ設定部８が回帰分析の予測値の範囲を規定し、回帰分析部４が回帰分析を行うことにより、実施の形態１と同様に負荷なく適切な予測を行うことができる。さらに、顧客との契約情報（または機器仕様の情報）とＭＩＢ情報のいずれかから上限値が得られない場合にも、他方の値を使用できるようになるため、本発明の適用範囲を拡大することができる。   Hereinafter, as in the first embodiment, the parameter setting unit 8 defines the range of the prediction value of the regression analysis, and the regression analysis unit 4 performs the regression analysis, so that appropriate prediction without load is performed as in the first embodiment. It can be performed. Furthermore, when the upper limit value cannot be obtained from either the contract information with the customer (or information on the device specifications) or the MIB information, the other value can be used, so the application range of the present invention is expanded. be able to.

以上のように、この発明の実施の形態３によるネットワーク性能予測システムにおいては、ネットワークの通信性能を示す計測値に基づく回帰分析により、顧客との契約情報およびＭＩＢ情報としての外部情報から求めた予測範囲で予測値を求めるようにしている。これにより、ネットワーク内に多くの機器や回線がある場合にも作業負荷なく、例えば顧客との契約または機器の仕様に基づく通信回線の割り当て帯域幅といった外部条件やネットワーク機器のＣＰＵの使用率の制限といった外部条件に応じた適切な予測範囲で回帰分析による予測を行うようにすることができる。   As described above, in the network performance prediction system according to Embodiment 3 of the present invention, the prediction obtained from the contract information with the customer and the external information as the MIB information by the regression analysis based on the measurement value indicating the communication performance of the network. The predicted value is obtained in the range. As a result, even when there are many devices and lines in the network, there is no work load, for example, external conditions such as communication line allocation bandwidth based on contracts with customers or device specifications, and restrictions on the CPU usage rate of network devices Thus, it is possible to perform prediction by regression analysis within an appropriate prediction range according to such external conditions.

なお、上述の実施の形態１〜３によるネットワーク性能予測システムに対応するネットワーク性能予測方法は、マイクロコンピュータ等に実行させるプログラムを用いてソフトウエア処理により実現するようにしても良い。   Note that the network performance prediction method corresponding to the network performance prediction system according to the above-described first to third embodiments may be realized by software processing using a program executed by a microcomputer or the like.

この発明の実施の形態１によるネットワーク性能予測システムを示す構成図Configuration diagram showing a network performance prediction system according to Embodiment 1 of the present invention この発明の実施の形態１によるネットワーク性能予測システムを説明するための説明図Explanatory drawing for demonstrating the network performance prediction system by Embodiment 1 of this invention この発明の実施の形態２によるネットワーク性能予測システムを示す構成図The block diagram which shows the network performance prediction system by Embodiment 2 of this invention この発明の実施の形態２によるネットワーク性能予測システムを説明するための説明図Explanatory drawing for demonstrating the network performance prediction system by Embodiment 2 of this invention この発明の実施の形態３によるネットワーク性能予測システムを示す構成図The block diagram which shows the network performance prediction system by Embodiment 3 of this invention

符号の説明Explanation of symbols

１ ネットワーク性能予測システム
２ 計測値取得部
３ 分析用データ作成部
４ 回帰分析部
５ 分散分析部
６ 判定部
７ レポート作成部
８ パラメータ設定部
９ 外部情報読取部 DESCRIPTION OF SYMBOLS 1 Network performance prediction system 2 Measured value acquisition part 3 Analysis data creation part 4 Regression analysis part 5 Variance analysis part 6 Determination part 7 Report creation part 8 Parameter setting part 9 External information reading part

Claims (6)

ネットワーク内において行われた通信に関する計測値に対応する計測値情報を取得する計測値取得部と、
ネットワーク内の通信に関する予め定められた外部情報を読み取るとともに、この外部情報により回帰分析の予測範囲を求める外部情報読取部と、
前記外部情報読取部で求めた予測範囲を設定するパラメータ設定部と、
前記計測値取得部で取得した計測値情報に基づく回帰分析により、前記パラメータ設定部で設定した予測範囲で予測値を求める回帰分析部と、
を備えたことを特徴とするネットワーク性能予測システム。 A measurement value acquisition unit that acquires measurement value information corresponding to measurement values related to communication performed in the network;
An external information reading unit that reads predetermined external information related to communication in the network and obtains a prediction range of regression analysis based on the external information;
A parameter setting unit for setting a prediction range obtained by the external information reading unit;
By regression analysis based on measurement value information acquired by the measurement value acquisition unit, a regression analysis unit that obtains a predicted value within a prediction range set by the parameter setting unit;
A network performance prediction system characterized by comprising: 前記外部情報が、顧客との契約情報および／またはＭＩＢ（Ｍａｎａｇｅｍｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｂａｓｅ）情報であることを特徴とする請求項１に記載のネットワーク性能予測システム。   The network performance prediction system according to claim 1, wherein the external information is contract information with a customer and / or MIB (Management Information Base) information. 前記計測値取得部で取得した計測値情報に基づいて分析用データを作成する分析用データ作成部と、を備え、
前記回帰分析部は、前記分析用データ作成部で作成した分析用データの回帰分析により、前記パラメータ設定部で設定した予測範囲で予測値を求めることを特徴とする請求項１または請求項２に記載のネットワーク性能予測システム。 An analysis data creation unit that creates analysis data based on the measurement value information acquired by the measurement value acquisition unit,
The said regression analysis part calculates | requires a predicted value in the prediction range set in the said parameter setting part by the regression analysis of the data for analysis created in the said analysis data creation part, The Claim 1 or Claim 2 characterized by the above-mentioned. The described network performance prediction system. 前記回帰分析部による回帰分析結果の当てはまりの良さを評価する分散分析部と、
前記回帰分析部による回帰分析結果を示すレポートの文面を決める判定部と、
前記回帰分析部による回帰分析結果を示すレポートを作成するレポート作成部と、
を備えたことを特徴とする請求項１〜請求項３のいずれかに記載のネットワーク性能予測システム。 A variance analysis unit that evaluates the goodness of fit of the regression analysis result by the regression analysis unit,
A determination unit for determining a text of a report indicating a regression analysis result by the regression analysis unit;
A report creation unit for creating a report indicating a regression analysis result by the regression analysis unit;
The network performance prediction system according to any one of claims 1 to 3, further comprising: ネットワーク内において行われた通信に関する計測値に対応する計測値情報を取得する計測値取得ステップと、
ネットワーク内の通信に関する予め定められた外部情報を読み取るとともに、この外部情報により回帰分析の予測範囲を求める外部情報読取ステップと、
前記外部情報読取ステップで求めた予測範囲を設定するパラメータ設定ステップと、
前記計測値取得ステップで取得した計測値情報に基づく回帰分析により、前記パラメータ設定ステップで設定した予測範囲で予測値を求める回帰分析ステップと、
を備えたことを特徴とするネットワーク性能予測方法。 A measurement value acquisition step for acquiring measurement value information corresponding to a measurement value related to communication performed in the network;
An external information reading step for reading a predetermined external information related to communication in the network and obtaining a prediction range of regression analysis based on the external information;
A parameter setting step for setting the prediction range obtained in the external information reading step;
A regression analysis step for obtaining a predicted value within a prediction range set in the parameter setting step by regression analysis based on the measurement value information acquired in the measurement value acquisition step;
A network performance prediction method comprising: 請求項５に記載のネットワーク性能予測方法を電子計算機に実行させるプログラム。   A program for causing an electronic computer to execute the network performance prediction method according to claim 5.
JP2007305759A 2007-11-27 2007-11-27 Network performance prediction system, network performance prediction method and program Expired - Fee Related JP4952537B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007305759A JP4952537B2 (en) 2007-11-27 2007-11-27 Network performance prediction system, network performance prediction method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007305759A JP4952537B2 (en) 2007-11-27 2007-11-27 Network performance prediction system, network performance prediction method and program

Publications (2)

Publication Number Publication Date
JP2009130800A JP2009130800A (en) 2009-06-11
JP4952537B2 true JP4952537B2 (en) 2012-06-13

Family

ID=40821250

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007305759A Expired - Fee Related JP4952537B2 (en) 2007-11-27 2007-11-27 Network performance prediction system, network performance prediction method and program

Country Status (1)

Country Link
JP (1) JP4952537B2 (en)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2745899B2 (en) * 1991-10-23 1998-04-28 三菱電機株式会社 Software reliability prediction device
JPH05282281A (en) * 1992-03-31 1993-10-29 Hitachi Ltd Method and device for forecasting demand
JP2002083121A (en) * 2000-09-07 2002-03-22 Zeon Joho System Kk Computer network risk calculating method and computer network insurance providing method using it
JP4498666B2 (en) * 2002-08-21 2010-07-07 日本電信電話株式会社 Prediction device, prediction program, and recording medium

Also Published As

Publication number Publication date
JP2009130800A (en) 2009-06-11

Similar Documents

Publication Publication Date Title
EP1624397A1 (en) Automatic validation and calibration of transaction-based performance models
JP5363122B2 (en) Interactive specification of context-sensitive service level agreements, provisioning of resources required during service delivery events coordinated by service level agreements, and compatibility with service level agreements during service delivery events Method and apparatus for monitoring
EP2015510B1 (en) Deployment planning of components in heterogeneous environments
US7925560B2 (en) Systems and methods for valuing a derivative involving a multiplicative index
US20030101089A1 (en) Method and system for quantitatively assessing project risk and effectiveness
DE102005016572A1 (en) System for estimating processing requirements
US20070271269A1 (en) Method and apparatus for ranking-based information processing
CN114138625A (en) Method and system for evaluating health state of server, electronic device and storage medium
US20120101802A1 (en) Prediction apparatus, prediction method, and recording medium
EP1484684B1 (en) Method and computer system for providing a cost estimate for sizing a computer system
US9262731B1 (en) Service ticket analysis using an analytics device
US7617313B1 (en) Metric transport and database load
Ghosh Divergence based robust estimation of the tail index through an exponential regression model
JP5242531B2 (en) Progress management device and progress management method
WO2014188524A1 (en) Task time estimation device
JP4952537B2 (en) Network performance prediction system, network performance prediction method and program
Alexopoulos et al. Oscillator analogy for modelling the manufacturing systems dynamics
JP6063544B1 (en) Apparatus, method and program for calculating explanatory variable values
JP4777941B2 (en) Demand forecasting method and apparatus
Matson et al. Evaluating aptness of a regression model
Dhamo et al. Using the R-package to forecast time series: ARIMA models and Application
CN112817713B (en) Job scheduling method and device and electronic equipment
Bracke Data Collection and First Analysis Steps
US20180174174A1 (en) Trend-based data anlysis
Liao et al. Implementation of traffic data quality verification for WIM sites

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100927

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20111118

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111129

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120126

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: 20120214

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120227

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150323

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees