JP5732913B2 - 障害調査情報資料採取システム、管理サーバ、障害調査情報資料採取方法およびそのプログラム - Google Patents

Description

本発明は障害調査情報資料採取システム、管理サーバ、障害調査情報資料採取方法およびそのプログラムに関し、特にコンピュータネットワークで発生した障害の種類に応じて必要な資料の採取を適切に行うことを可能とする障害調査情報資料採取システム等に関する。

コンピュータネットワークが企業などの基幹業務で根幹をなす存在となっている以上、その運用中に発生した障害に対しては早急に対処する必要がある。障害が発生した場合、その発生原因を特定するために、当該ネットワーク上で運用中であるコンピュータやネットワーク機器から、たとえば動作ログ、入力ログなどのような必要な情報を採取することが必要である。これを、本明細書では資料の採取という。

この資料の採取は、当該コンピュータネットワーク上で正常に動作している他のコンピュータ、アプリケーション、およびネットワーク機器などの動作に悪影響を及ぼさない範囲で行うことが必要とされている。そのため、通常は基幹業務用アプリケーションが動作している平日の昼間などの時間帯を避けて資料の採取が行われる。

これに関連して、次のような各々の技術文献がある。その中でも特許文献１には、あらかじめシステム管理者が定めた、障害時の情報採取に生じるリスクをポリシーとして定めて、その範囲内での資料を採取するという障害調査資料採取システムについて記載されている。

特許文献２には、過去に発生した障害と現在の障害とを比較して採取する資料の種類を決定するという障害調査資料採取システムについて記載されている。特許文献３には、資料の採取によって生じる影響を定めたポリシーから、発生した故障の原因を分析して措置を行うという故障措置システムについて記載されている。

特許文献４には、現在の障害と過去の類似障害とを比較して障害発生可能性を予測する障害監視システムについて記載されている。特許文献５には、稼働状態に関する情報から算出した相関情報から、障害を回復する処理による影響を判定して実行要否／時刻／順序を決定するというコンピュータシステムの制御方法について記載されている。

特許文献６には、ソフトウェアの動作について記録した監査ログの特定の指標値について集計し、その指標値について以前のログと比較して評価するという監査ログ収集・比較システムについて記載されている。特許文献７には、採取情報データベースを用いて資料採取を一元化することができるという情報採取手順管理システムについて記載されている。

特開２００６−１９５６８７号公報 特開２００３−３４５６２８号公報 特開２００４−０８０２９７号公報 特開２００７−２９３３９３号公報 特開２００８−００９８４２号公報 特開２００９−１１０２２０号公報 特開２００９−１９３２０７号公報

特許文献１に記載された既存の障害調査資料採取システムでは、発生した障害の種類に応じて、リスクの判定に使用するポリシー、具体的には採取する資料の種類やその採取方法を切り替えることはできない。

より具体的には、「アプリケーションの処理速度が低下した（アプリケーションスローダウン）」場合なら動作中の他のアプリケーションの動作を阻害しない範囲で資料の採取を行う必要があるが、「アプリケーションの動作が停止した（アプリケーションダウン）」場合にはそのアプリケーションの動作を再開させることが必要であるので、他の基幹業務ソフトの動作を阻害してでも資料の採取を優先することが適切である。

しかしながら、この障害調査資料採取システムでは、発生した障害の種類に応じて採取する資料やその採取方法を切り替えることができないので、このような点に対して考慮した適切な措置を取ることが不可能である。

また、この障害調査資料採取システムでは、採取する必要のある資料であってもポリシーとして設定された条件を満たさないと判定された場合には、以後その資料の採取は行わないものと判定される。たとえば、「その資料を採取することによってＣＰＵ（Central Processing Unit）の利用率が特定の数値範囲を越える場合にはその資料の採取を行わない」ようにポリシーが設定されていた時に「ＣＰＵの利用率が設定された範囲を越えている」と判断された場合には、他のアプリケーションが動作していない夜間や休日などにＣＰＵの利用率が低下してその資料の採取が可能になったとしても、その資料は採取されない。

特許文献１に記載された技術のこれらの問題点を解決しうる技術は、特許文献２〜７には記載されていない。特許文献５には、障害を回復する処理による影響を判定して実行要否などを決定するという技術は記載されているが、これは「資料の採取による影響」について判定するものではない。残る特許文献１〜４および６〜７にも、この点について判定して資料の採取を適切に行うことを可能とする技術は記載されていない。

本発明の目的は、ネットワーク内において発生した障害の種類に応じて、その発生原因の特定に必要な資料の採取がネットワーク全体に対して与える影響について判定し、資料の採取を適切に行うことを可能とする障害調査情報資料採取システム、管理サーバ、障害調査情報資料採取方法およびそのプログラムを提供することにある。

上記目的を達成するため、本発明に係る障害調査情報資料採取システムは、管理サーバと監視対象サーバとが相互に接続され、監視対象サーバの動作について発生した障害の原因を解析するために必要な障害資料を管理サーバが監視対象サーバから採取する障害調査情報資料採取システムであって、監視対象サーバが、管理サーバから予め送られた発生条件によって障害の発生を検知してその旨を含む障害情報を管理サーバに対して送出する障害検知部と、管理サーバからの要求に応じて障害資料を採取する障害試料採取部とを備えると共に、管理サーバが、監視対象サーバから障害情報を受信した際に、予め記憶された障害時採取情報データから障害情報に含まれる障害名に対応して監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部と、障害資料の種類に対応する採取方法とこれによって監視対象サーバに発生する影響、および障害名に対応する障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから取得する採取資料判断部と、障害資料の種類と採取方法および影響を監視対象サーバの現在の状態と比較し、障害名に対応する優先許容度に基づいて、障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを判定する障害資料管理部と、取得可能であると判定された障害資料の取得を監視対象サーバの障害試料採取部に依頼する障害資料要求部とを有することを特徴とする。

上記目的を達成するため、本発明に係る管理サーバは、監視対象サーバと相互に接続され、監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を監視対象サーバから採取する管理サーバであって、監視対象サーバから障害が発生した旨の障害情報を受信した際に、予め記憶された障害時採取情報データから障害情報に含まれる障害名に対応して監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部と、障害資料の種類に対応する採取方法とこれによって監視対象サーバに発生する影響、および障害名に対応する障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから取得する採取資料判断部と、障害資料の種類と採取方法および影響を監視対象サーバの現在の状態と比較し、障害名に対応する優先許容度に基づいて、障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを判定する障害資料管理部と、取得可能であると判定された障害資料を監視対象サーバから取得する障害資料要求部とを有することを特徴とする。

上記目的を達成するため、本発明に係る障害調査情報資料採取方法は、管理サーバと監視対象サーバとが相互に接続され、監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を管理サーバが監視対象サーバから採取する障害調査情報資料採取システムにあって、監視対象サーバから障害が発生した旨の障害情報を管理サーバが受信し、障害情報に含まれる障害名に対応する障害資料の種類を予め記憶された障害時採取情報データから管理サーバの障害診断部が取得して決定し、障害資料の種類に対応する採取方法とこれによって監視対象サーバに発生する影響、および障害名に対応する障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから管理サーバの採取資料判断部が取得し、障害資料の種類と採取方法および影響を監視対象サーバの現在の状態と比較し、障害名に対応する優先許容度に基づいて、障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを管理サーバの障害資料管理部が判定し、取得可能であると判定された障害資料を監視対象サーバから管理サーバの障害資料要求部が取得することを特徴とする。

上記目的を達成するため、本発明に係る障害調査情報資料採取プログラムは、管理サーバと監視対象サーバとが相互に接続され、監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を管理サーバが監視対象サーバから採取する障害調査情報資料採取システムにあって、管理サーバが備えるコンピュータに、監視対象サーバから受信した障害が発生した旨の障害情報に含まれる障害名に対応する障害資料の種類を予め記憶された障害時採取情報データから取得して決定する手順、障害資料の種類に対応する採取方法とこれによって監視対象サーバに発生する影響、および障害名に対応する障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから取得する手順、障害資料の種類と採取方法および影響を監視対象サーバの現在の状態と比較し、障害名に対応する優先許容度に基づいて、障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを判定する手順、および取得可能であると判定された障害資料を監視対象サーバから取得する手順を実行させることを特徴とする。

本発明は、上述したように、発生した障害の種類に対応してその採取による影響を監視対象サーバの現在の状態と比較してその障害資料が取得可能であるか否かを判断するように構成した。これによって、ネットワーク内において発生した障害の種類に応じて、その発生原因の特定に必要な資料の採取を適切に行うことを可能であるという、優れた特徴を持つ障害調査情報資料採取システム、管理サーバ、障害調査情報資料採取方法およびそのプログラムを提供することができる。

図２に示した障害調査情報採取システムを構成する管理サーバ、監視対象サーバ、管理端末の動作を、より観念的に示す説明図である 本発明の第１の実施形態に係る障害調査情報採取システムの構成について示す説明図である。 図１〜２に示した許容度データの内容の一例について示す説明図である。 図１〜２に示した採取対象障害資料データの内容の一例について示す説明図である。 図１〜２に示した障害時採取情報データの内容の一例について示す説明図である。 図１〜２に示した障害資料データの内容の一例について示す説明図である。 図１〜２に示したシステム状態データの内容の一例について示す説明図である。 図１〜２に示した監視対象サーバの発生条件データの内容の一例について示す説明図である。 図１〜２に示した障害調査情報採取システムで行われる、障害資料の採取の動作について示すフローチャートである。

（実施形態）
以下、本発明の実施形態の構成について添付図１〜２に基づいて説明する。
最初に、本実施形態の基本的な内容について説明し、その後でより具体的な内容について説明する。
本実施形態に係る障害調査情報採取システム１は、管理サーバ１０と監視対象サーバ２０とが相互に接続され、監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を管理サーバが監視対象サーバから採取する障害調査情報資料採取システムである。ここで監視対象サーバ２０は、管理サーバから予め送られた発生条件によって障害の発生を検知してその旨を含む障害情報を管理サーバに対して送出する障害検知部２０１と、管理サーバからの要求に応じて障害資料を採取する障害試料採取部２０３とを備える。そして管理サーバ１０は、監視対象サーバから障害が発生した旨の障害情報を受信した際に、予め記憶された障害時採取情報データ１１３から障害情報に含まれる障害名に対応して監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部１０１と、障害資料の種類に対応する採取方法とこれによって監視対象サーバに発生する影響とを予め記憶された採取対象障害資料データ１１２から取得する採取資料判断部１０４と、障害資料の種類と採取方法および影響を監視対象サーバの現在の状態と比較してこの障害資料が取得可能であるか否かを判定する障害資料管理部１０５と、取得可能であると判定された障害資料の取得を監視対象サーバの障害試料採取部に依頼する障害資料要求部１０３とを有する。

また、障害時採取情報データ１１３には、障害名に対応する障害資料が取得可能であるか否かの判定基準である優先許容度について記憶されており、障害資料管理部１０５は、この障害名に対応する優先許容度に基づいて障害資料が取得可能であるか否かを判定する機能を有する。

ここで、管理サーバ１０は、監視対象サーバの現在の状態の中で当該監視対象サーバから取得可能な項目についてこれを取得するよう当該監視対象サーバに要求するシステム情報要求部１０２を有する。また、監視対象サーバの現在の状態の中でユーザが入力可能な項目についての入力を受け付けてこれを記憶するシステム状態入力部１０６を有する。

そして障害資料要求部１０３は、取得可能でないと判定された障害資料について、取得可能になるまで待機してから取得する機能を有する。さらに、この管理サーバ１０と、障害時採取情報データおよび採取対象障害資料データをユーザが予め入力することが可能である管理端末３０とが相互に接続されている。

以上の構成を備えることにより、障害調査情報採取システム１は、ネットワーク内において発生した障害の種類に応じて、その発生原因の特定に必要な資料の採取を適切に行うことが可能となる。
以下、これをより詳細に説明する。

図２は、本発明の第１の実施形態に係る障害調査情報採取システム１の構成について示す説明図である。障害調査情報採取システム１（以後単にシステムという場合がある）は、障害調査情報の採取についての動作を管理する管理サーバ１０、監視対象となる業務に係る動作を行う監視対象サーバ２０、およびシステム管理者が操作入力を行う管理端末３０が、ネットワーク４０を介して相互に接続されて構成されている。管理サーバ１０、監視対象サーバ２０、管理端末３０の各々の台数については特に制限は無い。

管理サーバ１０は、一般的なコンピュータ装置としての構成を備えている。即ち、管理サーバ１０は、コンピュータプログラムとして記述された各種処理を実行する主体である主演算制御手段（ＣＰＵ: Central Processing Unit）１１と、プログラムおよびデータを記憶する記憶手段１２と、ネットワーク４０に接続して他の情報処理装置とデータ通信を行う通信手段１３とを備える。その他の要素については、本実施形態を説明する上で特に必要ではないので、図示していない。

管理サーバ１０の主演算制御手段１１で障害調査情報採取プログラムが動作することにより、主演算制御手段１１は、障害診断部１０１、システム情報要求部１０２、障害資料要求部１０３、採取資料判断部１０４、障害資料管理部１０５、およびシステム状態入力部１０６の各々として機能する。また記憶手段１２には、許容度データ１１１、採取対象障害資料データ１１２、障害時採取情報データ１１３、障害資料データ１１４、およびシステム状態データ１１５の各々が記憶されている。これらの各々については後述する。

監視対象サーバ２０もまた、一般的なコンピュータ装置としての構成を備えている。即ち、監視対象サーバ２０は、管理サーバ１０と同様の主演算制御手段２１と、通信手段２２と、記憶手段２３とを備える。入出力手段やその他の要素については、本実施形態を説明する上で特に必要ではないので、図示していない。

監視対象サーバ２０の主演算制御手段２１で、管理サーバ１０とは別の障害調査情報採取プログラムが動作することにより、主演算制御手段２１は障害検知部２０１、システム情報採取部２０２、障害資料採取部２０３、および本業務プログラム動作部２０４の各々として機能する。記憶手段２３には、発生条件データ２１１が記憶されている。これらの各々についても後述する。

管理端末３０もまた、一般的なコンピュータ装置としての構成を備えている。即ち、管理端末３０は、管理サーバ１０および監視対象サーバ２０と同様の主演算制御手段３１と、通信手段３２とを備える。さらに、ユーザからの操作入力を受け付け、またユーザに処理結果を提示する入出力手段３３を備える。記憶手段やその他の要素については、本実施形態を説明する上で特に必要ではないので、図示していない。

管理端末３０の主演算制御手段３１で、管理サーバ１０および監視対象サーバ２０とは別の障害調査情報採取プログラムが動作することにより、主演算制御手段３１は採取対象障害資料登録部３０１、障害時採取情報登録部３０２、許容度登録部３０３、障害資料管理部３０４、およびシステム状態登録部３０５の各々として機能する。これらの各々についても後述する。

図１は、図２に示した障害調査情報採取システム１を構成する管理サーバ１０、監視対象サーバ２０、管理端末３０の動作を、より観念的に示す説明図である。

障害診断部１０１は、障害検知部２０１から受信した障害情報の内容に応じて、障害時採取情報データ１１３を用いて採取すべき障害資料を判断し、その判断結果を採取資料判断部１０３に渡す。

システム情報要求部１０２は、障害資料の採取が障害調査情報採取システム１全体に与える直接的なリスクを判断するために必要な情報、たとえば「ファイルサイズ」「ＣＰＵ利用率」などのような情報をシステム情報採取部２０２から受信して、これを障害資料管理部１０５に渡す。

障害資料要求部１０３は、障害資料管理部１０５から「採取すべき障害資料」についての情報を受け取り、この障害資料の送付を障害資料採取部２０３に対して要求すると共に、これに対して返送されてきた障害資料を障害資料採取部２０３から受信し、これを障害資料データ１１４に保存する。

採取資料判断部１０４は、障害診断部１０１から「採取すべき障害資料」についての情報を受け取り、これの「具体的な取得方法」および「採取が与える影響」についての情報を採取対象障害資料データ１１２を参照して読み取り、これを障害資料管理部１０５に渡す。

障害資料管理部１０５は、採取資料判断部１０４、システム情報要求部１０２、およびシステム状態入力部１０６から受け取った情報から、許容度データ１１１および障害資料データ１１４を参照して、「採取すべき障害資料」を決定し、この決定結果を障害資料要求部１０３に渡す。この動作の詳細については後述する。

システム状態入力部１０６は、リスクに関連するシステムの状態に関するユーザからの入力を取得し、障害資料管理部１０５に送出する。ここでいう「リスクに関連するシステムの状態」とは、たとえば該システムが「本番稼働中」である、あるいは「障害対応中」である、などのような動作状態のことをいう。ただし、その「リスクに関連するシステムの状態」の中には、日時などのように、管理サーバ１０の内蔵時計などを介して取得可能なものもある。

本実施形態では、システム情報要求部１０２が監視対象サーバ２０から取得する情報を「システム情報」といい、それ以外の（システム管理者の入力などによる）情報を「システム状態」という。システム情報およびシステム状態は、いずれも障害資料管理部１０５が各々の資料の採取が可能であるか否かを判定するために使用される情報であり、いずれも特許請求の範囲でいう「監視対象サーバの現在の状態」に該当する情報である。

障害検知部２０１は、予め管理サーバ１０から送られた障害発生と判定する条件を発生条件データ２１１として記憶し、この条件によって監視対象サーバ２０で発生した障害を検知し、障害診断部１０１に対してその情報を送出する。

システム情報採取部２０２は、監視対象サーバ２０においてシステム情報要求部１０２からの要求に応じて、システムに与える直接的なリスクを判断するために必要な情報を採取し、これをシステム情報要求部１０２に返信する。

障害資料採取部２０３は、監視対象サーバ２０において障害資料要求部１０３からの要求に応じて、障害の調査に必要な障害資料を採取し、これを障害資料要求部１０３に返信する。

本業務プログラム動作部２０４は、監視対象となる業務に係る動作を行うコンピュータプログラムである本業務プログラム（図示せず）を動作させる。

管理端末３０の採取対象障害資料登録部３０１、障害時採取情報登録部３０２、許容度登録部３０３、障害資料管理部３０４、およびシステム状態登録部３０５は、それぞれ採取対象障害資料データ１１２、障害時採取情報データ１１３、許容度データ１１１、障害資料データ１１４、およびシステム状態データ１１５の内容の追加、削除、変更、参照などを、入出力手段３３を介して行う。

図３は、図１〜２に示した許容度データ１１１の内容の一例について示す説明図である。図４は、採取対象障害資料データ１１２の内容の一例について示す説明図である。図５は、障害時採取情報データ１１３の内容の一例について示す説明図である。図６は、障害資料データ１１４の内容の一例について示す説明図である。図７は、システム状態データ１１５の内容の一例について示す説明図である。そして図８は、図１〜２に示した監視対象サーバ２０の発生条件データ２１１の内容の一例について示す説明図である。

許容度データ１１１（図３）は、各々の許容度の設定に対して一意に与えられる許容度番号１１１ａと、その許容度が影響を与える対象を示す影響対象１１１ｂと、影響対象１１１ｂに対してシステムとして許容できる範囲についての内容を示す許容影響度１１１ｃを含む。即ち、影響対象１１１ｂで示される各項目の各々について、許容できる範囲が許容影響度１１１ｃとして示される。

ここでいう影響対象１１１ｂは、システム情報要求部１０２が監視対象サーバ２０から直接的に取得するファイルサイズやＣＰＵ使用率などのようなデータ（システム情報）だけでなく、たとえば日時や曜日、あるいはプログラムの動作状況などのような内容（システム状態）も対象として含む。図３に示された例では、「ファイルサイズ」と「ＣＰＵ使用率」に加えて、「日時」と「業務」が影響対象１１１ｂに含まれている。「日時」に対する許容影響度１１１ｃは「平日９時〜１８時の間は実施不可」、「業務」に対する許容影響度１１１ｃは「本業務プログラムの稼働中は実施不可」となっている。

後述するように、「ファイルサイズ」と「ＣＰＵ使用率」については監視対象サーバ２０から取得されたシステム情報と比較し、「日時」と「業務」についてはシステム管理者の入力などによるシステム状態と比較して、各々が許容範囲であるか否かを判断する。

採取対象障害資料データ１１２（図４）は、採取対象の障害資料に対して一意に与えられる採取資料番号１１２ａ、採取対象の資料の名前を示す採取資料名１１２ｂ、その資料を採取する方法を示す採取方法１１２ｃ、その採取によってシステムに与える影響を示す影響１１２ｄを含む。

ここで、採取方法１１２ｃは、採取する際に使用するコマンド、もしくは採取するファイルのホスト名を含むＵＲＩ（Uniform Resource Identifier）などを表す。図４に示した例では、「動作ログ」「入力ログ」を取得する場合にそのファイルのＵＲＩ、「ホスト名」を取得する場合にはそのホスト名（ｈｏｓｔｎａｍｅ）、「ＣＰＵ（主演算制御手段２１）利用率」を取得する場合には「ｓａｒ」コマンドを「ＣＰＵ利用率を１秒間に１回取得する」というオプションを指定して送信する、ということが示されている。

影響１１２ｄは、その情報の採取によってシステムに直接的に与える影響、たとえば取得されるデータファイルの容量、あるいはＣＰＵ（主演算制御手段２１）の利用率の増加などについて登録する。

障害時採取情報データ１１３（図５）は、障害の種類を示す障害名１１３ａ、その障害が発生したことを判別する方法および条件を示す判別方法１１３ｂ、その障害が発生した時に採取する資料を示す採取情報１１３ｃ、およびその障害が発生した時に優先的に考慮すべきリスクへの対応内容を示す優先許容影響度１１３ｄを含む。

ここで、採取情報１１３ｃに登録される情報は採取対象障害資料データ１１２の採取資料番号１１２ａで表され、また優先度順に並べられている。また優先許容影響度１１３ｄに登録されている情報は、許容度データ１１１の許容度番号１１１ａと、その許容度番号１１１ａが示す影響対象１１１ｂに対する条件が示されている。即ち、障害名１１３ａに示される項目の障害が発生した場合に、優先的に考慮すべきリスクへの対応内容が優先許容影響度１１３ｄに登録されている。

図５に示されている例でいえば、アプリケーションの処理速度の低下を意味する障害名１１３ａ「ＡＰ（アプリケーション）スローダウン」の障害については、「ａｐｐｅｒｆコマンドで取得される性能情報の数値が３０以下である」という条件で示される状態が検出された場合にこの障害が発生したと判断するよう、判別方法１１３ｂに示されている。

そして、この障害が発生した場合の採取情報１１３ｃは「１，４，３」、即ち「動作ログ」「ＣＰＵ利用率」「ホスト名」を順番に取得することを示している。そしてこの場合の優先許容影響度１１３ｄは空欄であるので、許容度データ１１１に示された許容範囲内で各データを取得することが示されている。

これに対して、アプリケーションの動作の停止を意味する障害名１１３ａ「ＡＰダウン」の障害については、「ＡＰＮＡＭＥ」をチェック対象アプリケーションのプロセス名とすると、「動作中プロセス一覧を取得して、その中に該プロセス名（ＡＰＮＡＭＥ）が含まれない」という条件で示される状態が検出された場合にこの障害が発生したと判断するよう、判別方法１１３ｂに示されている。

そして、この障害が発生した場合の採取情報１１３ｃは「１，２，３」、即ち「動作ログ」「入力ログ」「ホスト名」を順番に取得することを示している。そして優先許容影響度１１３ｄは「ファイルサイズ：無制限」と「業務：無制限」であるので、許容度データ１１１に示された許容範囲の中で「ファイルサイズ」と「業務」についての条件を無視して、「ＣＰＵ利用率」と「日時」の許容範囲だけを満たす範囲で各データを取得することが示されている。

障害資料データ１１４（図６）は、情報採取の起因となった各々の障害に対して与えられる障害番号１１４ａ、その障害の名前を示す障害名１１４ｂ、その障害が登録された日時を示す登録日時１１４ｃ、採取対象となった障害情報の資料を示す採取資料１１４ｄ、その採取資料が採取済みか否かを示す採取状況１１４ｅを含む。

ここで、同一種類の障害が複数回発生した場合でも、原因がその各々で異なる場合がある。また同じ原因で発生した同一種類の障害であっても、対処はそのたびごとに行う必要がある。従って、資料の採取は障害発生のたびに行われ、障害番号１１４ａはそのたびに与えられる。

採取資料１１４ｄは、採取対象障害資料データ１１２の採取資料番号１１２ａで表され、その順序は障害時採取情報データ１１３の採取情報１１３ｃとして示された順番に従う。採取状況１１４ｅは「未済」「要求済」「採取済」の３通りの値で示される。「未済」はその資料に対して何もアクションが行われていない状態、「要求済」はその資料を採取するよう障害資料要求部１０３に対して要求はされたが実際の採取がまだであるという状態、「採取済」はその資料の採取が完了した状態、を各々示す。初期値は「未済」である。

システム状態データ１１５（図７）は、前述したように、システム管理者が管理端末３０を介して入力した、または管理サーバ１０の内蔵時計を介して取得した「リスクに関連するシステムの状態」を含む。

図７に示した例では、システム状態データ１１５には「日時」「業務（業務プログラムの動作状況）」といった各項目が含まれており、「日時」は内蔵時計から取得される。また、「業務」はシステム管理者が管理端末３０のシステム状態登録部３０５を介して入力する。これらの状態と許容影響度１１１ｃとを比較して、各々の資料の採取が可能であるか否かを障害資料管理部１０５が判定する。

監視対象サーバ２０の発生条件データ２１１（図８）は、障害時採取情報データ１１３の障害名１１３ａおよび判別方法１１３ｂと同一のデータが、予め障害診断部１０１から障害検知部２０１に送られて記憶されるものである。ここで、監視対象サーバ２０ごとに該当する障害名１１３ａおよび判別方法１１３ｂのみを、障害診断部１０１から障害検知部２０１に送るようにしてもよい。障害検知部２０１は、これで記憶された発生条件に基づいて障害の発生を検知する。

図９は、図１〜２に示した障害調査情報採取システム１で行われる、障害資料の採取の動作について示すフローチャートである。まず、障害診断部１０１は障害時採取情報データ１１３の障害名１１３ａおよび判別方法１１３ｂを、各々の監視対象サーバ２０ごとに、予め障害検知部２０１に送っておく。障害検知部２０１はこれを発生条件データ２１１として記憶する（ステップＳ１０１）。障害検知部２０１は判別方法１１３ｂに示された基準に基づいて障害の発生を検知する動作を行う。

障害検知部２０１が障害の発生を検知すると（ステップＳ１０２）、検知した障害名１１３ａを障害発生情報として障害診断部１０１に送信する。これを受けた障害診断部１０１は、障害時採取情報データ１１３を参照して、障害名１１３ａに対応する採取情報１１３ｃ、即ちその障害に対して採取すべき資料を確定させ、採取資料判断部１０４にその資料を採取するよう指令する（ステップＳ１０３）。その際、採取情報１１３ｃに登録された順序で資料を採取するよう、採取資料判断部１０４に指令する。

これを受けた採取資料判断部１０４は、障害診断部１０１から採取するよう指令された採取情報１１３ｃに示された資料を、採取情報１１３ｃを採取資料番号１１２ａとして採取対象障害資料データ１１２を参照して、これに対応する採取方法１１２ｃと影響１１２ｄとを取得し、障害資料管理部１０５に渡す（ステップＳ１０４）。

これを受けた障害資料管理部１０５は、受け取った情報を障害資料データ１１４に登録する（ステップＳ１０５）。ステップＳ１０２で障害検知部２０１が検知した障害の種類が障害名１１４ｂとなり、障害番号１１４ａは前述のようにその障害発生に対して与えられる番号、登録日時１１４ｃはその障害が登録された日時である。ステップＳ１０３で障害診断部１０１が採取するよう指令した資料番号が、順番もそのまま採取資料１１４ｄとなる。採取資料１１４ｄの各々に対する採取状況１１４ｅの初期値は「未済」である。

障害資料管理部１０５は引き続いて、障害資料データ１１４に登録された採取資料１１４ｄの中で、採取状況１１４ｅが「未済」（即ち障害資料要求部１０３に対して採取要求が行われてもいない）の資料があるか否かを判定する（ステップＳ１０６）。全ての資料について、障害資料要求部１０３に対して採取要求が行われていれば（即ち採取状況１１４ｅが「未済」のものが１つもなければ）、ステップＳ１１０に進む。

採取状況１１４ｅが「未済」の資料があれば（ステップＳ１０６がイエス）、その資料およびその資料採取の元になった障害に対して、（システム情報要求部１０２がシステム情報採取部２０２から取得した）システム情報および（システム状態データ１１５に入力された）システム状態と、採取対象障害資料データ１１２の影響１１２ｄとして登録されたその資料の取得による影響と、許容度データ１１１の許容影響度１１１ｃとして登録された影響対象に対する許容影響度、障害時採取情報データ１１３の優先許容影響度１１３ｄとして登録された優先許容影響度を比較し、現時点で採取可能な情報であるか否かを判断する（ステップＳ１０７〜１０８）。

この時、障害時採取情報データ１１３の優先許容影響度１１３ｄが登録されている場合には、その内容に基づいてその資料が採取可能であるか否かを判定し、優先許容影響度１１３ｄが登録されていない場合には許容度データ１１１の許容影響度１１１ｃの内容に基づいて判定を行う。

また、許容度データ１１１でシステム状態データ１１５にある項目、たとえば「日時」「業務」（システム状態）についてはそのシステム状態データ１１５を利用し、それ以外の項目、たとえば「（動作ログや入力ログなどの）ファイルサイズ」「ＣＰＵ利用率」（システム情報）についてはシステム情報要求部１０２が採取対象障害資料データ１１２に登録された採取方法によってシステム情報採取部２０２から取得する。

障害資料データ１１４に登録された全ての採取資料１１４ｄについて以上のリスク判定を行い、それらの許容範囲を満たしつつその資料を採取することが可能である場合には、それらのデータを取得するよう、障害資料要求部１０３に指令する。障害資料要求部１０３は、採取状況１１４ｅを「要求済」として、指定された資料の優先度の順に採取スケジュールを立てる（ステップＳ１０９）。その後、ステップＳ１０６に戻る。

ここで、ステップＳ１０７〜１０８の判断についてより詳細に説明する。障害名１１３ａ「ＡＰダウン」の障害が発生した場合、優先許容影響度１１３ｄは「ファイルサイズ：無制限」と「業務：無制限」であるので、障害資料管理部１０５は、システム状態データ１１５などに示されたシステム上の状態が、許容度データ１１１に示された許容範囲の中で「ファイルサイズ」と「業務」についての条件を無視して「ＣＰＵ利用率」と「日時」の許容範囲だけを満たす範囲で各データを取得するよう、障害資料要求部１０３に指令する。その際、採取情報１１３ｃに「１，２，３」とあるので、「動作ログ」「入力ログ」「ホスト名」を順番に取得するよう、障害資料要求部１０３に指令する。

これに対して、障害名１１３ａ「ＡＰ（アプリケーション）スローダウン」の障害が発生した場合、優先許容影響度１１３ｄは空欄であるので、障害資料管理部１０５は、システム状態データ１１５などに示されたシステム上の状態が許容度データ１１１に示された許容範囲の全項目を満たす範囲で各データを取得するよう、障害資料要求部１０３に指令する。その際、採取情報１１３ｃに「１，４，３」とあるので、「動作ログ」「ＣＰＵ利用率」「ホスト名」を順番に取得するよう、障害資料要求部１０３に指令する。

障害資料データ１１４に登録された全ての資料について、障害資料要求部１０３に対して採取要求が行われていれば、障害資料要求部１０３はステップＳ１０９で立てられたスケジュールに基づき、障害資料採取部２０３経由でそれらの資料を採取する（ステップＳ１１０）。障害資料要求部１０３はこれに伴って、採取が完了した資料について採取状況１１４ｅを「採取済」とする。そして、障害資料データ１１４に登録された全ての資料が採取されたか否か（採取状況１１４ｅが「採取済」となったか否か）を判断する（ステップＳ１１１）。

採取されていない資料がある場合（ステップＳ１１１がノー）、これはシステム情報およびシステム状態のうちのいずれかの項目が許容範囲を満たしていないからである（たとえば「ＣＰＵ利用率」が指定された条件の範囲を超えていたため、「日時」の条件が「平日９時〜１８時実施不可」となっているのに対してその範囲内の日時だったため、あるいは「業務」の条件が「本業務プログラム稼働中実施不可」となっているのに対して本業務プログラムが稼働中であったため…などのように）。

従って、障害資料要求部１０３は、その許容範囲を満たす状態になるまで待機して（ステップＳ１１２）からステップＳ１０６に戻る。障害資料データ１１４に登録された全ての資料が採取できたら（ステップＳ１１１がイエス）、ひとまず動作は終了し、ステップＳ１０２の障害発生を待機する状態に戻る。

（実施形態の全体的な動作）
次に、上記の実施形態の全体的な動作について説明する。本実施形態に係る障害調査情報資料採取方法は、管理サーバ１０と監視対象サーバ２０とが相互に接続され、監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を管理サーバが監視対象サーバから採取する障害調査情報資料採取システムにあって、監視対象サーバから障害が発生した旨の障害情報を管理サーバが受信し（図９・ステップＳ１０２）、障害情報に含まれる障害の種類に対応する障害資料の種類を予め記憶された障害時採取情報データから管理サーバの障害診断部が取得して決定し（図９・ステップＳ１０３）、障害資料の種類に対応する採取方法とこれによって監視対象サーバに発生する影響とを予め記憶された採取対象障害資料データから管理サーバの採取資料判断部が取得し（図９・ステップＳ１０４）、障害資料の種類と採取方法および影響を監視対象サーバの現在の状態と比較してこの障害資料が取得可能であるか否かを管理サーバの障害資料管理部が判定し（図９・ステップＳ１０７〜１０８）、取得可能であると判定された障害資料を監視対象サーバから管理サーバの障害資料要求部が取得する（図９・ステップＳ１１０）。

ここで、上記各動作ステップについては、これをコンピュータで実行可能にプログラム化し、これらを前記各ステップを直接実行するコンピュータである管理サーバ１０に実行させるようにしてもよい。本プログラムは、非一時的な記録媒体、例えば、ＤＶＤ、ＣＤ、フラッシュメモリ等に記録されてもよい。その場合、本プログラムは、記録媒体からコンピュータによって読み出され、実行される。
この動作により、本実施形態は以下のような効果を奏する。

本実施形態によれば、発生した障害の種類に応じて採取する資料の種類を切り替えるだけでなく、障害資料が取得可能であるか否かを判定する基準もまた、発生した障害の種類に応じて切り替えることができる。従って、たとえば前述した「ＡＰスローダウン」と「ＡＰダウン」のように、発生した障害の質や重要度などに応じて、必要な資料の採取を適切に行うことが可能となる。

さらに、現状で採取できないと判定された資料であっても、状況が変わることを待ってから採取する構成となっているので、必要な資料が採取できないために障害原因の解析が困難となるような状況の発生を抑制することができる。

そして、障害資料が取得可能であるか否かの判断には、監視対象サーバから取得したシステム情報だけでなく、システム管理者が手で入力するシステム状態も利用するので、障害資料が取得可能であるか否かについてより状況に即した適切な判断が可能となる。

これまで本発明について図面に示した特定の実施形態をもって説明してきたが、本発明は図面に示した実施形態に限定されるものではなく、本発明の効果を奏する限り、これまで知られたいかなる構成であっても採用することができる。

上述した実施形態について、その新規な技術内容の要点をまとめると、以下のようになる。なお、上記実施形態の一部または全部は、新規な技術として以下のようにまとめられるが、本発明は必ずしもこれに限定されるものではない。

（付記１） 管理サーバと監視対象サーバとが相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記管理サーバが前記監視対象サーバから採取する障害調査情報資料採取システムであって、
前記監視対象サーバが、前記管理サーバから予め送られた発生条件によって前記障害の発生を検知してその旨を含む障害情報を前記管理サーバに対して送出する障害検知部と、前記管理サーバからの要求に応じて前記障害資料を採取する障害試料採取部とを備えると共に、
前記管理サーバが、
前記監視対象サーバから前記障害が発生した旨の障害情報を受信した際に、予め記憶された障害時採取情報データから前記障害情報に含まれる障害名に対応して前記監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部と、
前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響とを予め記憶された採取対象障害資料データから取得する採取資料判断部と、
前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較してこの障害資料が取得可能であるか否かを判定する障害資料管理部と、
取得可能であると判定された前記障害資料の取得を前記監視対象サーバの前記障害試料採取部に依頼する障害資料要求部と
を有することを特徴とする障害調査情報資料採取システム。

（付記２） 前記障害時採取情報データに、前記障害名に対応する前記障害資料が取得可能であるか否かの判定基準である優先許容度について記憶されており、
前記障害資料管理部が、この障害名に対応する優先許容度に基づいて前記障害資料が取得可能であるか否かを判定する機能を有することを特徴とする、付記１に記載の障害調査情報資料採取システム。

（付記３） 前記管理サーバが、前記監視対象サーバの現在の状態の中で当該監視対象サーバから取得可能な項目についてこれを取得するよう当該監視対象サーバに要求するシステム情報要求部を有することを特徴とする、付記１に記載の障害調査情報資料採取システム。

（付記４） 前記管理サーバが、前記監視対象サーバの現在の状態の中でユーザが入力可能な項目についての入力を受け付けてこれを記憶するシステム状態入力部を有することを特徴とする、付記１に記載の障害調査情報資料採取システム。

（付記５） 前記管理サーバの前記障害資料要求部が、取得可能でないと判定された前記障害資料について、取得可能になるまで待機してから取得する機能を有することを特徴とする、付記１に記載の障害調査情報資料採取システム。

（付記６） 前記管理サーバと、前記障害時採取情報データおよび前記採取対象障害資料データをユーザが予め入力することが可能である管理端末とが相互に接続されていることを特徴とする、付記１に記載の障害調査情報資料採取システム。

（付記７） 監視対象サーバと相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記監視対象サーバから採取する管理サーバであって、
前記監視対象サーバから前記障害が発生した旨の障害情報を受信した際に、予め記憶された障害時採取情報データから前記障害情報に含まれる障害の種類に対応して前記監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部と、
前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響とを予め記憶された採取対象障害資料データから取得する採取資料判断部と、
前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較してこの障害資料が取得可能であるか否かを判定する障害資料管理部と、
取得可能であると判定された前記障害資料を前記監視対象サーバから取得する障害資料要求部と
を有することを特徴とする管理サーバ。

（付記８） 管理サーバと監視対象サーバとが相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記管理サーバが前記監視対象サーバから採取する障害調査情報資料採取システムにあって、
前記監視対象サーバから前記障害が発生した旨の障害情報を前記管理サーバが受信し、
前記障害情報に含まれる障害の種類に対応する障害資料の種類を予め記憶された障害時採取情報データから前記管理サーバの障害診断部が取得して決定し、
前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響とを予め記憶された採取対象障害資料データから前記管理サーバの採取資料判断部が取得し、
前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較してこの障害資料が取得可能であるか否かを前記管理サーバの障害資料管理部が判定し、
取得可能であると判定された前記障害資料を前記監視対象サーバから前記管理サーバの障害資料要求部が取得する
ことを特徴とする障害調査情報資料採取方法。

（付記９） 管理サーバと監視対象サーバとが相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記管理サーバが前記監視対象サーバから採取する障害調査情報資料採取システムにあって、
前記管理サーバが備えるコンピュータに、
前記障害情報に含まれる障害の種類に対応する障害資料の種類を予め記憶された障害時採取情報データから取得して決定する手順、
前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響とを予め記憶された採取対象障害資料データから取得する手順、
前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較してこの障害資料が取得可能であるか否かを判定する手順、
および取得可能であると判定された前記障害資料を前記監視対象サーバから取得する手順
を実行させることを特徴とする障害調査情報資料採取プログラム。

本発明は、コンピュータネットワークの維持および運用に適用できる。特に、企業などの基幹業務を実行するコンピュータネットワークに適している。

１ 障害調査情報採取システム
１０ 管理サーバ
１１、２１、３１ 主演算制御手段
１２、２３ 記憶手段
１３、２２、３２ 通信手段
２０ 監視対象サーバ
３０ 管理端末
３３ 入出力手段
４０ ネットワーク
１０１ 障害診断部
１０２ システム情報要求部
１０３ 障害資料要求部
１０４ 採取資料判断部
１０５ 障害資料管理部
１０６ システム状態入力部
１１１ 許容度データ
１１２ 採取対象障害資料データ
１１３ 障害時採取情報データ
１１４ 障害資料データ
１１５ システム状態データ
２０１ 障害検知部
２０２ システム情報採取部
２０３ 障害資料採取部
２０４ 本業務プログラム動作部
２１１ 発生条件データ
３０１ 採取対象障害資料登録部
３０２ 障害時採取情報登録部
３０３ 許容度登録部
３０４ 障害資料管理部
３０５ システム状態登録部

Claims (8)

1. 管理サーバと監視対象サーバとが相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な障害資料を前記管理サーバが前記監視対象サーバから採取する障害調査情報資料採取システムであって、
   前記監視対象サーバが、前記管理サーバから予め送られた発生条件によって前記障害の発生を検知してその旨を含む障害情報を前記管理サーバに対して送出する障害検知部と、前記管理サーバからの要求に応じて前記障害資料を採取する障害試料採取部とを備えると共に、
   前記管理サーバが、
   前記監視対象サーバから前記障害情報を受信した際に、予め記憶された障害時採取情報データから前記障害情報に含まれる障害名に対応して前記監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部と、
   前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響、および前記障害名に対応する前記障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから取得する採取資料判断部と、
   前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較し、前記障害名に対応する優先許容度に基づいて、前記障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを判定する障害資料管理部と、
   取得可能であると判定された前記障害資料の取得を前記監視対象サーバの前記障害試料採取部に依頼する障害資料要求部と
   を有することを特徴とする障害調査情報資料採取システム。
2. 前記管理サーバが、前記監視対象サーバの現在の状態の中で当該監視対象サーバから取得可能な項目についてこれを取得するよう当該監視対象サーバに要求するシステム情報要求部を有することを特徴とする、請求項１に記載の障害調査情報資料採取システム。
3. 前記管理サーバが、前記監視対象サーバの現在の状態の中でユーザが入力可能な項目の情報についての入力を受け付けてこれを記憶するシステム状態入力部を有することを特徴とする、請求項１に記載の障害調査情報資料採取システム。
4. 前記管理サーバの前記障害資料要求部が、取得可能でないと判定された前記障害資料について、取得可能になるまで待機してから取得する機能を有することを特徴とする、請求項１に記載の障害調査情報資料採取システム。
5. 前記管理サーバと、前記障害時採取情報データおよび前記採取対象障害資料データをユーザが予め入力することが可能である管理端末とが相互に接続されていることを特徴とする、請求項１に記載の障害調査情報資料採取システム。
6. 監視対象サーバと相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記監視対象サーバから採取する管理サーバであって、
   前記監視対象サーバから前記障害が発生した旨の障害情報を受信した際に、予め記憶された障害時採取情報データから前記障害情報に含まれる障害名に対応して前記監視対象サーバから採取する障害資料の種類を取得して決定する障害診断部と、
   前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響、および前記障害名に対応する前記障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから取得する採取資料判断部と、
   前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較し、前記障害名に対応する優先許容度に基づいて、前記障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを判定する障害資料管理部と、
   取得可能であると判定された前記障害資料を前記監視対象サーバから取得する障害資料要求部と
   を有することを特徴とする管理サーバ。
7. 管理サーバと監視対象サーバとが相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記管理サーバが前記監視対象サーバから採取する障害調査情報資料採取システムにあって、
   前記監視対象サーバから前記障害が発生した旨の障害情報を前記管理サーバが受信し、
   前記障害情報に含まれる障害名に対応する障害資料の種類を予め記憶された障害時採取情報データから前記管理サーバの障害診断部が取得して決定し、
   前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響、および前記障害名に対応する前記障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから前記管理サーバの採取資料判断部が取得し、
   前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較し、前記障害名に対応する優先許容度に基づいて、前記障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを前記管理サーバの障害資料管理部が判定し、
   取得可能であると判定された前記障害資料を前記監視対象サーバから前記管理サーバの障害資料要求部が取得する
   ことを特徴とする障害調査情報資料採取方法。
8. 管理サーバと監視対象サーバとが相互に接続され、前記監視対象サーバの動作について発生した障害の原因を解析するために必要な資料を前記管理サーバが前記監視対象サーバから採取する障害調査情報資料採取システムにあって、
   前記管理サーバが備えるコンピュータに、
   前記監視対象サーバから受信した前記障害が発生した旨の障害情報に含まれる障害名に対応する障害資料の種類を予め記憶された障害時採取情報データから取得して決定する手順、
   前記障害資料の種類に対応する採取方法とこれによって前記監視対象サーバに発生する影響、および前記障害名に対応する前記障害資料の取得による影響対象とその取得に対して許容できる範囲である許容影響度とを含む優先許容度を予め記憶された採取対象障害資料データから取得する手順、
   前記障害資料の種類と採取方法および前記影響を前記監視対象サーバの現在の状態と比較し、前記障害名に対応する優先許容度に基づいて、前記障害資料の取得による影響が許容範囲内であるか否かによって当該障害資料が取得可能であるか否かを判定する手順、
   および取得可能であると判定された前記障害資料を前記監視対象サーバから取得する手順
   を実行させることを特徴とする障害調査情報資料採取プログラム。

Images