JP6701245B2 - 分析装置および分析方法 - Google Patents

Description

本発明は、分析装置および分析方法に関する。

ネットワーク上のサービスの異常判定をするためにネットワークを監視する際、ネットワーク上で監視する値に対して異常な値を検出するための手法が従来から数多く提案されている。例えば、固定閾値による異常判定、データの周期性を考慮した異常判定（例：SARIMAモデル）、データの周期性と全体的な変動傾向を考慮した異常判定（例：Holt-winters法）、複数のデータ系列を組み合わせた異常判定（例：相関係数）、深層学習による異常判定（例：Auto-Encoder）、といった手法が提案されている。
一方、特許文献１には、ネットワークサービスの構築、および、ネットワークサービスのライフサイクルを管理する技術について開示されている。特許文献１によれば、ネットワークサービスを構築するために、ネットワークサービスの雛型となるカタログを用いる。

特開２０１７−１４３４５２号公報

異常判定用の分析ロジックをサービスの異常判定に適用するためには、ネットワーク上で監視可能な分析対象データの特性やサービスの特性に応じて、適切なロジックを選択したりカスタマイズしたりする必要がある。しかし、特許文献１を含む従来技術では、サービスの異常判定に適用する分析ロジックをどのようにするかという判断は、オペレータの経験則等の人手に委ねられている。このため、オペレータの保守負担を低減することができないという問題がある。

このような背景に鑑みて、本発明は、オペレータの保守負担を低減することを課題とする。

前記した課題を解決するため、請求項１に記載の発明は、ネットワーク上のサービスを分析する分析装置であって、前記ネットワークから所定の時間間隔で、かつ、前記サービスごとに収集される保全情報、用途別に分類された複数種類の分析ロジックの適用手法を記述した適用ルール、および、前記分析ロジックの仕様を記述したカタログを記憶する記憶部と、分析対象サービスに関する要求があると、当該分析対象サービスの所定期間に亘る前記保全情報を前記適用ルールに適用するルール適用部と、前記適用ルールへの適用結果に基づいて前記分析ロジックを用途別に選択する分析ロジック選択部と、前記選択された分析ロジックの仕様を記述したカタログを組み合わせた連携カタログを生成する連携カタログ生成部と、を備える、ことを特徴とする。

また、請求項４に記載の発明は、ネットワーク上のサービスを分析する分析装置における分析方法であって、前記分析装置の記憶部は、前記ネットワークから所定の時間間隔で、かつ、前記サービスごとに収集される保全情報、用途別に分類された複数種類の分析ロジックの適用手法を記述した適用ルール、および、前記分析ロジックの仕様を記述したカタログを記憶しており、前記分析装置が、分析対象サービスに関する要求があると、当該分析対象サービスの所定期間に亘る前記保全情報を前記適用ルールに適用するステップと、前記適用ルールへの適用結果に基づいて前記分析ロジックを用途別に選択するステップと、前記選択された分析ロジックの仕様を記述したカタログを組み合わせた連携カタログを生成するステップと、を実行する、ことを特徴とする。

請求項１，４に記載の発明によれば、従来ではオペレータ自身が経験則等で選択していた適切な分析ロジックを自動的に選択することができる。
したがって、オペレータの保守負担を低減することができる。

また、請求項２に記載の発明は、請求項１に記載の分析装置であって、前記カタログは、前記分析対象サービスの異常判定のための分析ロジックの仕様を記述したカタログであり、前記分析ロジックは、前処理ロジック、スコア値算出ロジック、閾値算出ロジックに分類され、前記適用ルールは、前処理適用ルール、スコア値算出適用ルール、閾値算出適用ルールに分類される、ことを特徴とする。

請求項２に記載の発明によれば、異常判定のための分析ロジックを自動的に選択することができる。

また、請求項３に記載の発明は、請求項１に記載の分析装置であって、前記カタログは、前記分析対象サービスの需要予測のための分析ロジックの仕様を記述したカタログであり、前記分析ロジックは、前処理ロジック、モデル算出ロジック、将来値算出ロジックに分類され、前記適用ルールは、前処理適用ルール、モデル算出適用ルール、将来値算出適用ルールに分類される、ことを特徴とする。

請求項３に記載の発明によれば、サービスの需要予測のための分析ロジックを自動的に選択することができる。

本発明によれば、オペレータの保守負担を低減することができる。

本実施形態の分析装置の機能構成図である。 分析ロジックの例である。 適用ルールの例である。 連携カタログ生成処理を示すフローチャートである。

以下、図面を参照して本発明を実施するための形態（以下、「本実施形態」という）について説明する。

≪構成≫
本実施形態の分析装置は、サービス異常判定用の分析ロジックの仕様を記述したカタログと、分析ロジックの適用手法を記述した適用ルールとにより、適切な分析ロジックを選択したりカスタマイズしたりするカタログドリブンアーキテクチャを有する。つまり、本実施形態の分析装置は、カタログの内容に従ってサービス異常判定を行う。図１に示すように、本実施形態の分析装置１は、入出力部１０と、処理部２０と、記憶部３０といったハードウェアを備えている。処理部２０の具体例となるＣＰＵ（Central Processing Unit）が、記憶部３０の具体例となるメモリ上に読み込んだプログラムを実行することにより、本実施形態の方法を実現する。

入出力部１０は、ＡＰＩアダプタ部１１と、業務ＡＰＩ部１２と、出力部１３とを備える。ＡＰＩは、Application Programming Interfaceの略である。

ＡＰＩアダプタ部１１は、サービスが提供されるネットワークを監視することで得られる監視値を入力装置２−１から収集するインタフェースである。監視値は、例えば、ネットワークのトラヒック量やフローデータ、サーバへの給電量であるが、これらに限定されない。また、入力装置２−１は、ネットワーク上に配置されているネットワーク装置やサービスを実現するアプリケーションを搭載したサーバであるが、これらに限定されない。ネットワーク装置は、例えば、ルータ、ブリッジ、ゲートウェイであるが、これらに限定されない。

業務ＡＰＩ部１２は、分析装置１による適切な分析ロジックの選択に関する要求を入力装置２−２から取得するインタフェースである。入力装置２−２は、例えば、サービス事業者が用いるコンソールであるが、これに限定されない。入力装置２−２から入力される要求には、分析対象サービスのＩＤ、分析対象サービスが正常に機能していた期間であるサービス正常期間が含まれるが、これらに限定されない。

出力部１３は、処理部２０の処理結果をファイルｆとして出力する。処理部２０の処理結果は、例えば、後記する連携カタログ生成部２４が生成する連携カタログがあるが、これに限定されない。

処理部２０は、保全情報収集部２１と、ルール適用部２２と、分析ロジック選択部２３と、連携カタログ生成部２４とを備える。

保全情報収集部２１は、ＡＰＩアダプタ部１１が収集した監視値を保全情報として収集する。保全情報収集部２１は、保全情報を定期的に（所定の時間間隔で）、かつ、サービスごとに収集する。例えば、ＡＰＩアダプタ部１１が監視するネットワーク上で転送されるパケットのヘッダ情報を解析し、ヘッダ情報中の送信元ポート番号、送信先ポート番号からサービスを特定することで、保全情報をサービスごとに収集することができる。

ルール適用部２２は、収集した保全情報のうち所定の条件を満たす保全情報を、サービス異常判定用の分析ロジックの適用手法を記述した適用ルールに適用する。所定の条件を満たす保全情報とは、例えば、分析対象サービスのサービス正常期間に亘る保全情報であるが、これに限定されない。「所定の条件を満たす保全情報を適用ルールに適用する」とは、当該保全情報の特性（保全情報を分析ロジックに入力して得られた出力の特性も含む）が適用ルールに示された各種条件のいずれに該当するかを判定する意味である。分析ロジックおよび適用ルールは、サービス異常判定に関する用途別に分類されている。分析ロジックおよび適用ルールの詳細は、後記する。

分析ロジック選択部２３は、ルール適用部２２による適用ルールへの適用結果に基づいて、サービス異常判定用の分析ロジックを用途別に選択する（詳細は後記）。

連携カタログ生成部２４は、分析ロジック選択部２３が選択した分析ロジックの仕様を記述したカタログを組み合わせた連携カタログを生成する。

記憶部３０は、保全情報保存部３１と、ルール保存部３２と、カタログ保存部３３と、分析パラメータ保存部３４と、連携カタログ保存部３５とを備える。

保全情報保存部３１は、保全情報収集部２１が収集した保全情報を保存する。保全情報保存部３１が保存する保全情報は、ルール適用部２２および分析ロジック選択部２３に用いられる。

ルール保存部３２は、サービス異常判定に関する所定の適用ルール（詳細は後記）を保存する。ルール保存部３２が保存する適用ルールは、ルール適用部２２に用いられる。

カタログ保存部３３は、サービス異常判定用の分析ロジックの仕様を記述した所定のカタログを保存する。カタログ保存部３３が保存するカタログは、分析ロジック選択部２３に用いられる。

分析パラメータ保存部３４は、分析ロジック選択部２３が選択した分析ロジックを実行させるための分析パラメータを保存する。分析パラメータは、分析ロジックごとに予め設定されている。つまり、各分析ロジックにおいて、自身の分析ロジックを実行するために用いられる分析パラメータが定義されている。ただし、分析パラメータを設定する必要が無い分析ロジックについてはこの限りでない。

連携カタログ保存部３５は、連携カタログ生成部２４が生成した連携カタログを保存する。連携カタログを構成するカタログが示す分析ロジックに分析パラメータが設定されている場合には、連携カタログ保存部３５は、当該分析パラメータを連携カタログと併せて保存する。

（分析ロジック、適用ルールの詳細）
サービス異常判定の手法は、ネットワークから収集される監視値の一部が閾値を超えた（または下回った）か否かを判定する手法である。そこで、本実施形態では、サービス異常判定用の分析ロジックが、前処理ロジック、スコア値算出ロジック、閾値算出ロジックの３種類の用途に分類されるものとして説明する。つまり、分析装置１は、前処理、スコア値算出、閾値算出の３種類の処理を実行することで、サービス異常判定を実現する。監視値は、スコア値の一例である。また、適用ルールは、前処理適用ルール、スコア値算出適用ルール、閾値算出適用ルールの３種類に分類される。

分析装置１は、適切な分析ロジックの選択に関する要求があると、前処理適用ルールへの適用→前処理ロジックの選択→スコア値算出適用ルールの適用→スコア値算出ロジックの選択→閾値算出適用ルールの適用→閾値算出ロジックの選択、の順序を経て、選択した分析ロジックのカタログを組み合わせた連携カタログを生成する。分析装置１は、連携カタログに従ってサービス異常判定を実行することができる。

サービス異常判定用の分析ロジックの例を図２に示す。図２に示すように、分析ロジックには、「キーワードカウント」、「季節周期抽出」、「自己相関」、「LoOP（Local Outlier Probabilities）」、「ｋ近傍法」、「Holt-winters法」、「正規分布」、「固定閾値」が存在するが、これらに限定されない。

「キーワードカウント」は、前処理ロジックに分類される。文字列を入力値とし、整数値を出力値とする。「キーワードカウント」で用いられる分析パラメータとしてキーワード：ｘが設定される。「キーワードカウント」は、入力文字列の中のキーワード出現回数を出力することができる。

「季節周期抽出」は、前処理ロジックに分類される。１次元の時系列数値を入力値とし、季節成分の周期：ｓを出力値とする。「季節周期抽出」に対する分析パラメータは設定されない。

「自己相関」は、前処理ロジックに分類される。１次元の時系列数値を入力値とし、自己相関係数を出力値とする。「自己相関」で用いられる分析パラメータとして整数値：ｔが設定される。「自己相関」は、ｔ個前のデータ点との自己相関係数を出力することができる。

「LoOP」は、スコア値算出ロジックに分類される。ｎ次元の時系列数値を入力値とし（ｎ：２以上の自然数）、時系列数値（０〜１までの値をとるように正規化）を出力値とする。「LoOP」で用いられる分析パラメータとして整数値：ｋ、数値：λが設定される。

「ｋ近傍法」は、スコア値算出ロジックに分類される。１次元の時系列数値を入力値とし、時系列数値を出力値とする。「ｋ近傍法」で用いられる分析パラメータとして整数値：ｗ、整数値：ｋが設定される。

「Holt-winters法」は、スコア値算出ロジックに分類される。１次元の時系列数値を入力値とし、時系列数値を出力値とする。「Holt-winters法」で用いられる分析パラメータとして周期：ｓ（「季節周期抽出」の周期：ｓに相当）が設定される。「Holt-winters法」では、出力値が予測モデルとの差で得られる。

「正規分布」は、閾値算出ロジックに分類される。（各スコア値算出ロジックの出力値となる）時系列数値を入力値とし、閾値を出力値とする。「正規分布」で用いられる分析パラメータとして累積確率：ｒが設定される。

「固定閾値」は、閾値算出ロジックに分類される。（各スコア値算出ロジックの出力値となる）時系列数値を入力値とし、閾値を出力値とする。「固定閾値」で用いられる分析パラメータとして数値：Ｔが設定される。

サービス異常判定用の適用ルールの例を図３に示す。図３に示すように、適用ルールには、すでに説明した通り、「前処理適用ルール」、「スコア値算出適用ルール」、「閾値算出適用ルール」の３種類が存在する。

「前処理適用ルール」において、入力値が文字列であった場合、「キーワードカウント」が選択される。また、入力値が（１次元の）時系列数値であった場合、「自己相関」が選択され、自己相関係数が算出される。もし、算出された自己相関係数が、自己相関係数＞0.7であった場合、「季節周期抽出」が選択され、季節成分の周期：ｓが算出される。入力値としての保全情報を「前処理適用ルール」に適用した場合、保全情報の特性に応じて「キーワードカウント」、「自己相関」、「季節周期抽出」のいずれかが前処理ロジックとして選択される。

「スコア値算出適用ルール」において、入力値（例えば、選択した前処理ロジックの出力値）が２次元の時系列数値であった場合、（デフォルトパラメータを用いた）「LoOP」が選択される。また、入力値が１次元の時系列数値であり、かつ、周期ｓがｓ＞１であった場合、「Holt-winters法」が選択される。また、入力値が１次元の時系列数値であり、かつ、周期ｓがｓ≦１であった場合、（デフォルトパラメータを用いた）「ｋ近傍法」が選択される。
なお、入力値が３次元以上の次元数の時系列数値であった場合、「LoOP」を選択してもよい。
入力値としての、前処理ロジックの出力を「スコア値算出適用ルール」に適用した場合、前処理ロジックの出力の特性に応じて「LoOP」、「Holt-winters法」、「ｋ近傍法」のいずれかがスコア値算出ロジックとして選択される。このことは、前処理ロジックの出力に対応する入力となる保全情報の特性に応じてスコア値算出ロジックが選択されることを意味する。

「閾値算出適用ルール」において、入力値（例えば、選択したスコア値算出ロジックの出力値）が正規分布に従う場合、「正規分布」が選択され、従わない場合、「固定閾値」が選択される。
入力値としての、スコア値算出ロジックの出力を「閾値算出適用ルール」に適用した場合、スコア値算出ロジックの出力の特性に応じて「正規分布」、「固定閾値」のいずれかが閾値算出ロジックとして選択される。このことは、スコア値算出ロジックの出力に対応する入力となる、前処理ロジックの出力の特性に応じて閾値算出ロジックが選択されることを意味する。換言すれば、前処理ロジックの出力に対応する入力となる保全情報の特性に応じて閾値算出ロジックが選択されることを意味する。

≪処理≫
本実施形態の分析装置１が実行する処理について説明する。分析装置１が実行する処理として、保全情報収集処理および連携カタログ生成処理がある。保全情報収集処理は、保全情報収集部２１（図１）がＡＰＩアダプタ部１１を介して収集した保全情報を、保全情報保存部３１に保存する処理である。保全情報収集処理は、定期的に実行される。保全情報保存部３１に保存される保全情報は、監視するネットワーク上のサービスごとに収集される。

連携カタログ生成処理について、図４を参照して説明する。連携カタログ生成処理は、業務ＡＰＩ部１２を介して、適切な分析ロジックの選択に関する要求があったときに開始する。要求には、分析対象となるサービスの識別子である分析対象サービスＩＤ、および、分析対象サービスのサービス正常期間が含まれている。

まず、分析装置１は、ルール適用部２２によって、業務ＡＰＩ部１２から分析対象サービスＩＤおよびサービス正常期間を含む要求を取得する（ステップＳ１）。

次に、分析装置１は、ルール適用部２２によって、分析対象サービスのサービス正常期間に亘る保全情報を保全情報保存部３１から読み出す（ステップＳ２）。具体的には、ルール適用部２２が、要求に含まれる、分析対象サービスＩＤおよびサービス正常期間をキーとして、保全情報保存部３１に保存されている保全情報のうち、分析対象サービスＩＤで識別されるサービスの、サービス正常期間に該当する保全情報を読み出す。

次に、分析装置１は、分析ロジックの用途ごとに、ステップＳ４〜ステップＳ６に亘るループ処理を実行する（ステップＳ３）。分析ロジックの用途は、前処理ロジック、スコア値算出ロジック、閾値算出ロジックの３種類存在するので、ステップＳ４〜ステップＳ６の処理を３回行う。

次に、分析装置１は、ルール適用部２２によって、ステップＳ２で読み出した保全情報を適用ルールに適用する（ステップＳ４）。具体的には、前処理適用ルール、スコア値算出適用ルール、閾値算出適用ルールの３種類に適用される。

次に、分析装置１は、分析ロジック選択部２３によって、適用ルールへの適用結果に基づいて分析ロジックを選択する（ステップＳ５）。分析ロジックの選択は、分析ロジックの用途別に行われる。つまり、前処理適用ルールへの適用に対して前処理ロジックの１つが選択される。スコア値算出適用ルールへの適用に対してスコア値算出ロジックの１つが選択される。閾値算出適用ルールへの適用に対して閾値算出ロジックの１つが選択される。
なお、各適用ルールに対して選択される分析ロジックは、１つに限らず２以上であってもよい。

次に、分析装置１は、分析ロジック選択部２３によって、選択した分析ロジックに設定される分析パラメータを設定する（ステップＳ６）。分析ロジック選択部２３は、設定された分析パラメータを分析パラメータ保存部３４に保存する。なお、分析パラメータが設定されない分析ロジックが選択された場合には、本ステップＳ６はスキップされる。

分析装置１は、ループ処理（ステップＳ３）の後、連携カタログ生成部２４によって、連携カタログを生成する（ステップＳ７）。具体的には、連携カタログ生成部２４は、分析ロジック選択部２３が選択した分析ロジック（前処理ロジック、スコア値算出ロジック、閾値算出ロジック）の各々の仕様を記述したカタログを組み合わせて連携カタログを生成する。連携カタログ生成部２４は、生成した連携カタログを連携カタログ保存部３５に保存する。また、連携カタログ生成部２４は、選択された分析ロジックに設定されている分析パラメータを分析パラメータ保存部３４から読み出し、連携カタログに併せて連携カタログ保存部３５に保存する。
以上で、連携カタログ生成処理が終了する。

連携カタログ生成処理の終了後、分析装置１は、出力部１３によって、適切な分析ロジックの選択に関する要求に対し、連携カタログ生成部２４が生成した連携カタログを出力することができる。

本実施形態によれば、従来ではオペレータ自身が経験則等で選択していた適切な分析ロジックを自動的に選択することができる。
したがって、オペレータの保守負担を低減することができる。
特に、本実施形態では、異常判定のための分析ロジックを自動的に選択することができる。

≪他の実施形態≫
カタログドリブンアーキテクチャを有する分析装置１は、カタログの内容に従って、上記したサービス異常判定だけでなく、サービス需要予測を行うこともできる。サービス需要予測の手法は、所定のモデルに従って、ネットワークから収集される現在の監視値から将来の観測値を予測する手法である。そこで、他の実施形態では、サービス需要予測用の分析ロジックが、前処理ロジック、モデル算出ロジック、将来値算出ロジックの３種類の用途に分類されるものとして説明する。つまり、分析装置１は、前処理、モデル算出、将来値算出の３種類の処理を実行することで、サービス需要予測を実現する。また、適用ルールには、前処理適用ルール、モデル算出適用ルール、将来値算出適用ルールの３種類に分類される。

カタログ保存部３３が保存するカタログは、サービスの需要予測のための分析ロジックの仕様を記述したカタログである。また、ルール保存部３２は、サービス需要予測に関する所定の適用ルールを保存する。具体的には、ルール保存部３２は、前処理適用ルール、モデル算出適用ルール、将来値算出適用ルールを保存する。

分析装置１は、適切な分析ロジックの選択に関する要求があると、前処理適用ルールへの適用→前処理ロジックの選択→モデル算出適用ルールの適用→モデル算出ロジックの選択→将来値算出適用ルールの適用→将来値算出ロジックの選択、の順序を経て、選択した分析ロジックのカタログを組み合わせた連携カタログを生成する。分析装置１は、連携カタログに従ってサービス需要予測を実行することができる。

他の実施形態においても、分析装置１は、保全情報収集処理を実行する。また、サービス需要予測の連携カタログの生成の手順は、サービス異常判定の連携カタログの生成の手順と同様であり、連携カタログ生成処理（図４参照）に従う。サービス需要予測に対する連携カタログ生成処理は、業務ＡＰＩ部１２を介して、適切な分析ロジックの選択に関する要求があったときに開始する。要求には、分析対象となるサービスの識別子である分析対象サービスＩＤ、および、分析対象サービスの需要サンプル期間が含まれている。需要サンプル期間は、分析対象サービスが動作していた、現時点から遡った過去の所定期間である。

他の実施形態によれば、従来ではオペレータ自身が経験則等で選択していた適切な分析ロジックを自動的に選択することができる。
したがって、オペレータの保守負担を低減することができる。
特に、サービスの需要予測のための分析ロジックを自動的に選択することができる。

≪その他≫
業務ＡＰＩ部１２が取得する、適切な分析ロジックの選択に関する要求において、当該要求にサービス事業者の要望を示す要望情報を含めてもよい。要望情報は、例えば、「５分以内に分析を完了すること」、「分析対象サービスを実現する分析プロセスにおいてＣＰＵリソースを２０％以上利用しないこと」などとすることができるがこれらに限定されない。上記要求に、分析プロセスを動作させるマシン群（例：サーバ、ネットワーク装置）のスペックを示す構成情報を含めてもよい。

分析対象サービスのＩＤ、所定期間（サービス正常期間、需要サンプル期間）を含む要求に、要望情報および構成情報も含まれていた場合、連携カタログ生成処理（図４）のループ処理（ステップＳ３）で一通りの分析ロジックが選択された段階で、上記構成情報で上記要望情報を満たすことができるか否かを判定する処理を実行してもよい。要望情報を満たす場合、選択された分析ロジックを確定し、確定した分析ロジックによる連携カタログが生成される（ステップＳ７）。要望情報を満たさない場合、要望情報を満たすように他の分析ロジックを選択してもよい。また、要望情報を満たすことができる分析ロジックの組が存在しない場合には、出力部１３を介して事業者にアラート出力してもよい。

また、適用ルールの詳細（図３）において、分析ロジックを選択する条件（if）として、選択される分析ロジックを実行したときの負荷を示す負荷情報を用いてもよい。適切な分析ロジックの選択に関する要求に要望情報および構成情報が含まれていた場合、負荷情報の条件を満たす分析ロジックを選択することができる（図４のステップＳ５）。

本実施形態で説明した種々の技術を適宜組み合わせた技術を実現することもできる。
本実施形態で説明したソフトウェアをハードウェアとして実現することもでき、ハードウェアをソフトウェアとして実現することもできる。
その他、ハードウェア、ソフトウェア、フローチャートなどについて、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。

１ 分析装置
１０ 入出力部
１１ ＡＰＩアダプタ部
１２ 業務ＡＰＩ部
１３ 出力部
２０ 処理部
２１ 保全情報収集部
２２ ルール適用部
２３ 分析ロジック選択部
２４ 連携カタログ生成部
３０ 記憶部
３１ 保全情報保存部
３２ ルール保存部
３３ カタログ保存部
３４ 分析パラメータ保存部
３５ 連携カタログ保存部

Claims (4)

1. ネットワーク上のサービスを分析する分析装置であって、
   前記ネットワークから所定の時間間隔で、かつ、前記サービスごとに収集される保全情報、用途別に分類された複数種類の分析ロジックの適用手法を記述した適用ルール、および、前記分析ロジックの仕様を記述したカタログを記憶する記憶部と、
   分析対象サービスに関する要求があると、当該分析対象サービスの所定期間に亘る前記保全情報を前記適用ルールに適用するルール適用部と、
   前記適用ルールへの適用結果に基づいて前記分析ロジックを用途別に選択する分析ロジック選択部と、
   前記選択された分析ロジックの仕様を記述したカタログを組み合わせた連携カタログを生成する連携カタログ生成部と、を備える、
   ことを特徴とする分析装置。
2. 前記カタログは、前記分析対象サービスの異常判定のための分析ロジックの仕様を記述したカタログであり、
   前記分析ロジックは、前処理ロジック、スコア値算出ロジック、閾値算出ロジックに分類され、
   前記適用ルールは、前処理適用ルール、スコア値算出適用ルール、閾値算出適用ルールに分類される、
   ことを特徴とする請求項１に記載の分析装置。
3. 前記カタログは、前記分析対象サービスの需要予測のための分析ロジックの仕様を記述したカタログであり、
   前記分析ロジックは、前処理ロジック、モデル算出ロジック、将来値算出ロジックに分類され、
   前記適用ルールは、前処理適用ルール、モデル算出適用ルール、将来値算出適用ルールに分類される、
   ことを特徴とする請求項１に記載の分析装置。
4. ネットワーク上のサービスを分析する分析装置における分析方法であって、
   前記分析装置の記憶部は、前記ネットワークから所定の時間間隔で、かつ、前記サービスごとに収集される保全情報、用途別に分類された複数種類の分析ロジックの適用手法を記述した適用ルール、および、前記分析ロジックの仕様を記述したカタログを記憶しており、
   前記分析装置が、
   分析対象サービスに関する要求があると、当該分析対象サービスの所定期間に亘る前記保全情報を前記適用ルールに適用するステップと、
   前記適用ルールへの適用結果に基づいて前記分析ロジックを用途別に選択するステップと、
   前記選択された分析ロジックの仕様を記述したカタログを組み合わせた連携カタログを生成するステップと、を実行する、
   ことを特徴とする分析方法。

Images