JP6447348B2 - ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 - Google Patents
ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 Download PDFInfo
- Publication number
- JP6447348B2 JP6447348B2 JP2015093791A JP2015093791A JP6447348B2 JP 6447348 B2 JP6447348 B2 JP 6447348B2 JP 2015093791 A JP2015093791 A JP 2015093791A JP 2015093791 A JP2015093791 A JP 2015093791A JP 6447348 B2 JP6447348 B2 JP 6447348B2
- Authority
- JP
- Japan
- Prior art keywords
- dump data
- class
- objects
- dump
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0766—Error or fault reporting or storing
- G06F11/0778—Dumping, i.e. gathering error/state information after a fault for later diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/073—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a memory management context, e.g. virtual memory or cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/0223—User address space allocation, e.g. contiguous or non contiguous base addressing
- G06F12/023—Free address space management
- G06F12/0253—Garbage collection, i.e. reclamation of unreferenced memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Debugging And Monitoring (AREA)
Description
ダンプデータ管理プログラムに基づいて、コンピュータは、複数のクラスのオブジェクトが格納されるメモリから異なる時期に取得された複数のダンプデータに基づいて、前記複数のクラスそれぞれに属するオブジェクト数の情報を生成する。次にコンピュータは、生成した前記オブジェクト数の情報に基づいて、クラスごとに、該クラスのオブジェクト数の時間変化においてオブジェクト数が極小となるダンプデータの少なくとも一部を、保存候補のダンプデータとして決定する。そしてコンピュータは、クラスごとに決定された保存候補のダンプデータを、ダンプデータ総量削減時の削除対象から除外する。
〔第1の実施の形態〕
以下、第1の実施の形態について説明する。第1の実施の形態は、メモリリークの原因解析用のダンプデータの総データ量の抑制のためにダンプデータの一部を削除する際に、メモリリークの原因解析に有用なダンプデータが削除されることを抑止するものである。
メモリ11には、複数のクラスのオブジェクト11a,11b,・・・が格納される。
さらに演算部13は、保存候補のダンプデータ以外のすべてのダンプデータを削除しても、ダンプデータの総量が閾値を超える場合、クラスごとに、保存候補のダンプデータの中から該クラスのオブジェクト数が最も少ないダンプデータを特定する。そして演算部13は、特定したダンプデータと最後に取得されたダンプデータとを除く保存候補のダンプデータを、ダンプデータ総量削減時の削除対象とする。
[ステップS11]演算部13は、メモリ11からダンプデータを採取する。演算部13は、採取したダンプデータに、採取時の時刻(タイムスタンプ)を付与し、ストレージ装置12に格納する。
[ステップS15]演算部13は、削除候補のダンプデータを抽出する。例えば演算部13は、クラスに属するオブジェクト数の推移において、オブジェクト数が極小となるときのダンプデータ、および最新のダンプデータを削除候補から除外する。そして演算部13は、いずれのクラスにおいても、削除候補から除外されなかったダンプデータを、削除候補として抽出する。
[ステップS18]演算部13は、ストレージ装置12に格納されたダンプデータのデータサイズの合計が、まだ閾値を超過しているか否かを判断する。データサイズの合計が閾値を超過している場合、処理がステップS16に進められる。閾値を超過していなければ、処理がステップS20に進められる。
このようにして、ダンプデータのデータ総量の抑制のためのダンプデータ削除時にメモリリークの原因解析に有用なダンプデータが削除されるのを抑止することができる。また、ダンプデータのデータサイズの合計が閾値以下となった場合、ダンプデータの削除が停止される。
次に第2の実施の形態について説明する。第2の実施の形態では、ヒープダンプのような、個々のオブジェクトの内容や参照関係を保持したダンプファイルと、クラスヒストグラム情報を含むファイルを合わせて「資料」とする。第2の実施の形態では、複数の資料の中から、メモリリーク調査に有用でないものから自動で削除できるようにする。これにより、採取資料によるディスク領域の使用量と、人手で資料を取捨選択する手間を削減することができる。
コマンド通知部131は、所定間隔で、仮想マシン110に対して資料採取コマンドを送信する。
図7は、リーククラスのオブジェクトの数の増加量が閾値を超えたときの前後の資料を残す例を示す図である。図7では、資料「a」〜「e」のうち、資料「c」と資料「d」との間で、オブジェクト数が閾値以上増加している。そこで、資料「c」と資料「d」とが残され、他の資料「a」、「b」、「e」が削除される。
1)仮想マシン110は、ヒープダンプによりダンプファイルを採取する。
2)資料管理部130は、ダンプファイルに含まれるオブジェクト数の増減傾向を分析し、リークが疑われる複数のクラスを特定する。例えば資料管理部130は、各クラスのオブジェクト数を分析し、増加傾向が大きい所定数のクラスをリーククラスと判断する。
3)資料管理部130は、リーククラスのオブジェクト数の増減傾向を分析し、得られた未回収オブジェクトの数に基づいて不要と判定された資料を削除候補とし、すべてのリーククラスで削除候補となった資料を、削除する資料と判断する。
4)資料管理部130は、2)を実施しても資料の総データ量が閾値を超えていた場合、クラスに関して、最新の資料と一番オブジェクト数の少ない資料を残し、それ以外の資料を削除候補として、当該クラスすべてで削除候補となったものを削除する資料と判断する。
図10は、オブジェクトの回収を考慮した資料削除の判断例を示す図である。図10の例では、オブジェクト数は、資料「b」、「c」において増加した後、資料「d」において減少している。そうすると資料「d」よりもオブジェクト数が多い資料「b」、「c」に含まれているほとんどのオブジェクトは、資料「d」の採取までに回収されている。
図13は、複数のリーククラスで削除候補となった資料の削除例を示す図である。図13の例では、資料「c」のみが、すべてのクラスにおいて削除候補と判断されている。従って、資料「c」が削除される。
なお、第2の実施の形態において削除候補資料の削除を行うのは、資料の総データ量が閾値を超えた場合である。閾値は、メモリリークの原因解析のための資料を確保できるだけの十分大きな値とする。
1)保存できる資料の総データ量(資料サイズの合計)の最大値(資料削除が行われる閾値)
2)資料採取の時間間隔(待機時間)
3)着目するクラス数(K)
図16は、資料管理処理の手順の一例を示すフローチャートである。
このような手順で、資料採取と、資料の総データ量が閾値を超えた場合の資料の削除とが繰り返される。
図17は、リーククラス特定処理に使用する記憶領域内のデータの一例を示す図である。例えばリーククラス特定部133は、クラスリスト31、資料情報32、およびクラス情報33の記憶領域をメモリ102内に確保する。クラスリスト31の記憶領域には、各クラスのクラスIDとクラス名とが格納される。資料情報32の記憶領域には、xiの合計、xi 2の合計、採取した資料数が格納される。クラス情報33の記憶領域には、クラスIDに対応付けて、ykiの合計、xiykiの合計、および傾きが格納される。図17に示したような情報を用いて、リーククラスの特定処理が実行される。
[ステップS111]リーククラス特定部133は、変数iの値を1に初期化する。
[ステップS112]リーククラス特定部133は、採取した資料のうちのi番目の資料の情報で、資料情報32を更新する。例えばリーククラス特定部133は、xiの合計に、i番目の資料の時刻xiを加算する。またリーククラス特定部133は、xi 2の合計に、i番目の資料の時刻xiの自乗を加算する。さらにリーククラス特定部133は、採取した資料数に1を加算する。
[ステップS115]リーククラス特定部133は、変数kの値を1に初期化する。
[ステップS117]リーククラス特定部133は、クラス情報33内のk番目のクラスに関する、ykiの合計とxiykiの合計とを更新する。例えばリーククラス特定部133は、ykiの合計に、k番目のクラスのi番目の資料におけるオブジェクト数ykiを加算する。またリーククラス特定部133は、xiykiの合計に、i番目の資料の時刻xiと、k番目のクラスのi番目の資料におけるオブジェクト数ykiとの乗算値を加算する。
[ステップS120]リーククラス特定部133は、k番目のクラスについて、オブジェクトの増加傾向を示す直線の傾きを計算する。例えばリーククラス特定部133は、資料情報32内の値と、クラス情報33内のk番目のクラスに関する値とを式(1)に代入し、傾きを計算する。リーククラス特定部133は、計算した傾きを、k番目のクラスのクラスIDに対応付けて、クラス情報33に設定する。
[ステップS123]リーククラス特定部133は、オブジェクトの増加傾向が大きいK個のクラスを、リーククラスとして特定する。例えばリーククラス特定部133は、クラス情報33に含まれるクラスごとのエントリを、傾きで降順にソートする。そしてリーククラス特定部133は、上位K個のクラスを、リーククラスとして特定する。
i:資料ID
I:資料数(削除した資料を含む)
j:クラスID
J:クラス数
Y[i][j]:資料iに含まれるクラスjのオブジェクト数
S={S0,S1,...,Si,...,SI-1}:採取した資料の集合
k:着目するクラスIDのインデックス
K:着目するクラス数
X={X0,X1,...,Xk,...,XK-1}:注目するクラスIDの集合
(0≦k<K,0≦Xk<j)
DS[k]:クラス(ID==Xk)の削除候補資料の集合
TDS:全体での削除候補資料の集合(DS[0]〜DS[K−1]の積集合)
図19は、資料削除処理の手順の一例を示すフローチャート(1/3)である。図19には、クラスごとの削除候補資料を決定するまでの処理が示されている。
[ステップS138]資料削除部134は、DS[k]に、i番目の資料Siを含める。
[ステップS141]資料削除部134は、kの値がK−1か否かを判断する。kの値がK−1であれば、処理がステップS151(図20参照)に進められる。kの値がK−1でなければ、処理がステップS142に進められる。
図20は、資料削除処理の手順の一例を示すフローチャート(2/3)である。図20には、図19の処理により各クラスで削除候補となった資料の削除処理が示されている。
[ステップS152]資料削除部134は、TDSが空か否かを判断する。TDSが空であれば、処理がステップS161(図21参照)に進められる。TDSが空でなければ、処理がステップS153に進められる。
図21は、資料削除処理の手順の一例を示すフローチャート(3/3)である。図21には、図20の処理では、最新の資料と、各クラスにおけるオブジェクト数が最小の資料以外を削除候補資料として、資料を削除する処理が示されている。なお図21の処理で削除する資料の集合をESとする。
[ステップS162]資料削除部134は、SにSI-2が存在するか否かを判断する。SI-2が存在する場合、処理がステップS163に進められる。SI-2が存在しない場合、処理がステップS172に進められる。
[ステップS168]資料削除部134は、min_iの値が「−1」か否かを判断する。min_iの値が「−1」の場合とは、最後に採取した資料のオブジェクト数が最も少ない場合である。min_iの値が「−1」であれば、処理がステップS170に進められる。min_iの値が「−1」でなければ、処理がステップS169に進められる。
[ステップS170]資料削除部134は、kの値がK−1と同じか否かを判断する。kの値がK−1と同じであれば、処理がステップS172に進められる。kの値がK−1と同じでなければ、処理がステップS171に進められる。
[ステップS172]資料削除部134は、ESに含まれている資料を削除する。例えば、ファイルシステム120に対して、ESに含まれる資料のダンプファイルとヒストグラムファイルとの削除コマンドを送信する。すると、ファイルシステム120により、HDD103から該当するダンプファイルとヒストグラムファイルとが削除される。資料削除部134は、Sからも、ESに含まれる資料を示す要素を削除する。
11 メモリ
11a,11b,・・・ オブジェクト
12 ストレージ装置
12a〜12f ダンプデータ
13 演算部
Claims (7)
- コンピュータに、
複数のクラスのオブジェクトが格納されるメモリから異なる時期に取得された複数のダンプデータに基づいて、前記複数のクラスそれぞれに属するオブジェクト数の情報を生成し、
生成した前記オブジェクト数の情報に基づいて、クラスごとに、該クラスのオブジェクト数の時間変化においてオブジェクト数が極小となるダンプデータの少なくとも一部を、保存候補のダンプデータとして決定し、
クラスごとに決定された前記保存候補のダンプデータを、ダンプデータ総量削減時の削除対象から除外する、
処理を実行させるダンプデータ管理プログラム。 - 前記保存候補のダンプデータの決定では、最後に取得されたダンプデータも、前記保存候補ダンプデータとする、
請求項1記載のダンプデータ管理プログラム。 - 前記保存候補のダンプデータの決定では、前記複数のダンプデータそれぞれを判定対象とし、判定対象のダンプデータにおける一クラスのオブジェクト数が、該判定対象のダンプデータより後に取得された他のダンプデータそれぞれの前記一クラスのオブジェクト数より少ない場合、該判定対象のダンプデータを、前記保存候補のダンプデータとして決定する、
請求項1または2記載のダンプデータ管理プログラム。 - 前記コンピュータに、さらに、
前記保存候補のダンプデータ以外のすべてのダンプデータを削除しても、ダンプデータの総量が閾値を超える場合、クラスごとに、前記保存候補のダンプデータの中から該クラスのオブジェクト数が最も少ないダンプデータを特定し、
該特定したダンプデータと最後に取得されたダンプデータとを除く前記保存候補のダンプデータを、ダンプデータ総量削減時の削除対象とする、
請求項1乃至3のいずれかに記載のダンプデータ管理プログラム。 - 前記コンピュータに、さらに、
前記複数のクラスから、属するオブジェクト数の増加傾向が大きい方から2以上のクラスを選択する処理を実行させ、
前記保存候補のダンプデータの決定では、選択されたクラスについてのオブジェクト数の時間変化に基づいて、前記保存候補のダンプデータを決定する、
請求項1乃至4のいずれかに記載のダンプデータ管理プログラム。 - コンピュータが、
複数のクラスのオブジェクトが格納されるメモリから異なる時期に取得された複数のダンプデータに基づいて、前記複数のクラスそれぞれに属するオブジェクト数の情報を生成し、
生成した前記オブジェクト数の情報に基づいて、クラスごとに、該クラスのオブジェクト数の時間変化においてオブジェクト数が極小となるダンプデータの少なくとも一部を、保存候補のダンプデータとして決定し、
クラスごとに決定された前記保存候補のダンプデータを、ダンプデータ総量削減時の削除対象から除外する、
ダンプデータ管理方法。 - 複数のクラスのオブジェクトが格納されるメモリから異なる時期に取得された複数のダンプデータを記憶するストレージ装置と、
前記複数のダンプデータに基づいて、前記複数のクラスそれぞれに属するオブジェクト数の情報を生成し、生成した前記オブジェクト数の情報に基づいて、クラスごとに、該クラスのオブジェクト数の時間変化においてオブジェクト数が極小となるダンプデータの少なくとも一部を、保存候補のダンプデータとして決定し、クラスごとに決定された前記保存候補のダンプデータを、ダンプデータ総量削減時の削除対象から除外する演算部と、
を有するダンプデータ管理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015093791A JP6447348B2 (ja) | 2015-05-01 | 2015-05-01 | ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 |
US15/083,414 US10204000B2 (en) | 2015-05-01 | 2016-03-29 | Apparatus and method for managing dump data for cause analysis of a memory leak |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015093791A JP6447348B2 (ja) | 2015-05-01 | 2015-05-01 | ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016212538A JP2016212538A (ja) | 2016-12-15 |
JP6447348B2 true JP6447348B2 (ja) | 2019-01-09 |
Family
ID=57204119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015093791A Active JP6447348B2 (ja) | 2015-05-01 | 2015-05-01 | ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10204000B2 (ja) |
JP (1) | JP6447348B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10289347B2 (en) * | 2016-04-26 | 2019-05-14 | Servicenow, Inc. | Detection and remediation of memory leaks |
CN110032502B (zh) * | 2018-01-11 | 2023-05-26 | 广州市康锦信息技术有限公司 | 一种异常处理的方法、装置及电子设备 |
KR102536266B1 (ko) * | 2018-08-02 | 2023-05-25 | 삼성전자주식회사 | 메모리 누수 검출 방법 및 그 전자 장치 |
US11307923B2 (en) * | 2019-07-23 | 2022-04-19 | Vmware, Inc. | Memory leak detection |
US11300967B2 (en) * | 2019-10-25 | 2022-04-12 | Toyota Research Institute, Inc. | System and method for collection of performance data by a vehicle |
US20210191745A1 (en) * | 2019-12-19 | 2021-06-24 | Cerner Innovation, Inc. | System and methods for reconstituting an object in a runtime environment using heap memory |
KR20230034646A (ko) * | 2021-09-03 | 2023-03-10 | 에스케이하이닉스 주식회사 | 메모리 시스템 및 메모리 시스템의 동작 방법 |
US11789845B2 (en) | 2021-10-15 | 2023-10-17 | International Business Machines Corporation | Software object identification using record generating code insertion |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10333938A (ja) | 1997-06-04 | 1998-12-18 | Toshiba Corp | 計算機システムにおける実行ログの記録、表示方法、ならびに同方法を用いた計算機システム、及び同方法がプログラムされ記録される記録媒体 |
JP4170988B2 (ja) | 2003-05-09 | 2008-10-22 | 富士通株式会社 | 実行環境の危険予測/回避方法,システム,プログラムおよびその記録媒体 |
US7222133B1 (en) * | 2004-02-05 | 2007-05-22 | Unisys Corporation | Method for reducing database recovery time |
US7685575B1 (en) * | 2004-06-08 | 2010-03-23 | Sun Microsystems, Inc. | Method and apparatus for analyzing an application |
US8255435B2 (en) * | 2004-10-07 | 2012-08-28 | International Business Machines Corporation | Detecting memory management anti-patterns |
JP2006350876A (ja) * | 2005-06-20 | 2006-12-28 | Hitachi Ltd | ヒープダンプ取得方法 |
US7734666B2 (en) * | 2006-04-28 | 2010-06-08 | Sap Ag | Method and system for inspecting memory leaks and analyzing contents of garbage collection files |
JP4847300B2 (ja) | 2006-11-27 | 2011-12-28 | 株式会社日立製作所 | メモリリーク検出方法、メモリリーク検出装置及びメモリリーク検出プログラム |
US7743280B2 (en) | 2007-02-27 | 2010-06-22 | International Business Machines Corporation | Method and system for analyzing memory leaks occurring in java virtual machine data storage heaps |
JP2009151680A (ja) | 2007-12-21 | 2009-07-09 | Brother Ind Ltd | 情報処理装置、ログ監視プログラム及びログ監視方法 |
US8032568B2 (en) * | 2008-06-30 | 2011-10-04 | International Business Machines Corporation | Method for performing memory leak analysis inside a virtual machine |
US8601323B2 (en) * | 2010-12-13 | 2013-12-03 | Sap Ag | Advanced management of runtime errors |
-
2015
- 2015-05-01 JP JP2015093791A patent/JP6447348B2/ja active Active
-
2016
- 2016-03-29 US US15/083,414 patent/US10204000B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016212538A (ja) | 2016-12-15 |
US20160321130A1 (en) | 2016-11-03 |
US10204000B2 (en) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6447348B2 (ja) | ダンプデータ管理プログラム、ダンプデータ管理方法、およびダンプデータ管理装置 | |
US9753801B2 (en) | Detection method and information processing device | |
US9563552B2 (en) | Storage control device and storage control method | |
US8522216B2 (en) | Memory leak detection | |
US20070136402A1 (en) | Automatic prediction of future out of memory exceptions in a garbage collected virtual machine | |
JP2016015111A (ja) | 評価プログラム、評価方法、および評価装置 | |
US9959197B2 (en) | Automated bug detection with virtual machine forking | |
CN106294206B (zh) | 一种缓存数据处理方法以及装置 | |
US9612837B2 (en) | Trace method and information processing apparatus | |
US9766815B2 (en) | Determining causes of external fragmentation of memory | |
US20110191393A1 (en) | Marking algorithm for low-bandwith memory | |
US9274946B2 (en) | Pre-leak detection scan to identify non-pointer data to be excluded from a leak detection scan | |
US9870400B2 (en) | Managed runtime cache analysis | |
US8904360B2 (en) | Automated identification of redundant method calls | |
RU2697961C1 (ru) | Система и способ оценки деградации устройства хранения данных и обеспечения сохранности наиболее важных данных | |
US11010158B2 (en) | Determining the availability of memory optimizations by analyzing a running binary | |
US10776240B2 (en) | Non-intrusive performance monitor and service engine | |
JP2009217617A (ja) | メモリリーク箇所の特定方法及び装置 | |
US8140597B2 (en) | Computer system memory management | |
CN106959888B (zh) | 云存储系统中的任务处理方法及装置 | |
US20140040585A1 (en) | Computer, management method, and recording medium | |
JP2007323380A (ja) | メモリ管理装置及びメモリ管理方法及びプログラム | |
JP2020155008A (ja) | 制御方法,情報処理装置および制御プログラム | |
US11914493B2 (en) | Information processing device, information processing system, monitoring method, and recording medium | |
JP5278901B2 (ja) | 頻繁に発生するイベントを推定する方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181030 |
|
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: 20181106 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6447348 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |