JP6847590B2 - 統合監視運用システムおよび方法 - Google Patents
統合監視運用システムおよび方法 Download PDFInfo
- Publication number
- JP6847590B2 JP6847590B2 JP2016099438A JP2016099438A JP6847590B2 JP 6847590 B2 JP6847590 B2 JP 6847590B2 JP 2016099438 A JP2016099438 A JP 2016099438A JP 2016099438 A JP2016099438 A JP 2016099438A JP 6847590 B2 JP6847590 B2 JP 6847590B2
- Authority
- JP
- Japan
- Prior art keywords
- failure
- data
- operation system
- monitoring
- environment
- 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
Landscapes
- Debugging And Monitoring (AREA)
Description
第1環境対応の第1監視運用システムと、第2環境対応の第2監視運用システムと、を備え、
データを共有できない環境にある前記第1環境対応の第1監視運用システムおよび前記第2環境対応の第2監視運用システムは、
各環境にある監視運用システムから取得した取得データと、障害の原因を特定するに足りる障害区分を含む教師データを記憶する記憶装置と、前記取得データは、機密情報を含み、前記障害区分は、機密情報を含んでいないものであり、
前記記憶装置における教師データを元に識別モデルを作成し、新たに発生した障害時における取得した前記取得データと前記教師データを元に作成した識別モデルから障害区分の判定、障害の原因の決定を機械学習機能により可能とする機械学習装置と、
前記記憶装置と前記機械学習装置に接続された演算装置を備え、
前記教師データは、各環境における第1監視運用システムおよび前記第2監視運用システムにおいて共有される機械学習用のデータであり、
前記演算装置は、
各環境における第1監視運用システムおよび前記第2監視運用システムの運用状況を監視し、システムに障害が発生した場合、障害情報を検知する運用状況監視部と、
前記運用状況監視部にて障害情報を検知した場合、当該障害情報に対応し、前記機密情報を含んでいるデータを取得するデータ取得部と、
前記教師データにおける障害情報、前記データ取得部にて取得した取得データを分析するデータ分析部と、
新たな障害が発生した場合、新たに検知した障害における取得データと前記記憶装置における教師データを元に作成された識別モデルから、前記新たな障害が発生した取得データの、パターン化した障害区分を判定し、障害の原因を決定する障害区分判定部と、
を有し、
データを共有できない環境にある前記第1監視運用システムおよび前記第2監視運用システムにおいて、各環境における前記第1監視運用システムおよび前記第2監視運用システムで共有化される前記障害区分を含む教師データを使用して各環境における前記第1監視運用システムおよび前記第2監視運用システムにて収集したデータの障害の原因を機械学習機能により判定可能とすることを特徴とする。
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
以下の説明では、「情報」を「データ」と呼ぶことができる。また、「プログラム」を主語として処理を説明する場合がある。そのプログラムは、情報処理装置/コンピュータにおける演算装置/制御装置(プロセッサ、例えば、MP/Micro ProcessorやCPU/Central Processing Unit)によって実行されるものであり、定められた処理をするものである。プロセッサは、適宜に記憶資源(例えばメモリ)および通信インターフェース装置(例えば、通信ポート)を用いながら処理を行うため、処理の主語がプロセッサとされてもよい。プロセッサは、CPUの他に専用ハードウェアを有していてもよい。コンピュータプログラムは、プログラムソースから各コンピュータにインストールされても良い。プログラムソースは、例えば、プログラム配布サーバ又は記憶メディアなどで提供されるものであってもよい。
システム提供者側2にて構築したクラウド、例えば、パブリッククラウド(public cloud)、プライベートクラウド(private cloud)、又はハイブリッドクラウド(hybrid cloud)を有する。
そして、プライベートクラウドのデータセンタは、オンプレミス(on-premises)環境にある。
利用者通信端末11は、システム提供者側2からIT基盤/ITシステムなどの運用の委託を受けた企業に対して、システムに関する問い合わせを行うための電話やPCなどの端末であり、また、運用委託企業やシステム提供者側2からの問い合わせに対する対応応答、応急措置指示や作業指示、配信情報などの送受を行う端末でもある。
そして、クラウド向け統合運用サービスシステム3は、システム提供者側2からのIT基盤/ITシステムに関する運用委託を受け、環境Aにおいて運用されているシステムおよび環境Bにおいて運用されているシステムに各種サービス、例えば、業務BPO(Business Process Outsourcing)サービス(一般業務の問い合わせ、業務代行)、ITシステムサービス(窓口一元化、ワンストップ対応)、運用監視サービス(24時間、365日対応)、などを体系化、一本化して運用し、サービスクラウド向け統合運用サービスとしてお客様(顧客側、利用者側)にアウトソーシングするコンタクトセンタ31を備えている。
そして、業務BPOサービス、ITシステムサービス、運用監視サービス、の各サービスを提供するアウトソリューション機能を有する。
非IT業務とは、IT業務以外の業務を意味し、例えば、「花屋」や「ファンクラブ」などの受付窓口業務などが該当する。
監視運用システム313および監視運用システム314は、例えば、障害の検知範囲が異なる監視ソフトを利用するとよい。これにより、例えば、環境Aから得た教師データを元にした機械学習だけでは判定できない障害を、環境Bから得た教師データも含めることで、機械学習で判定できる可能性が広がる。
機械学習装置3132は、運用分析ソフトウェアからなる機械学習部を有する。
演算装置3134は、機械学習装置3132と連携し、内部に格納されたプログラムに従って上記の各部の動作を制御する。
機械学習(machine learning)とは、人間が自然に行っている学習能力と同様の機能をコンピュータで実現しようとする技術・手法のことであって、データから反復的に学習し、そこに潜むパターンを見つけ出すことであり、そして学習した結果を新たなデータにあてはめることで、パターンにしたがって将来を予測することができる。これは予測分析におけるモデル構築の自動化につながり、データサイエンティストの人材不足を補うものになると、大きく期待されている。機械学習、そのものは、周知なので、その詳細説明は省略する。
取得データと機械学習から得られる結果(判定)は、機密情報が含まれていない障害区分の判定結果のみであるため、機密情報が漏洩することはない。また、ログに含まれているIPアドレスやサーバ名などを、削除/置換するなどの処理工数も不要である。
取得したデータ31332の、例えば、サービスログ×××には、IPアドレス(192.18.0.102など)、会社名(A−Corp)やホスト名(host 10)、ユーザID(33445566)などの機密情報が含まれている場合がある。
本例では、これらの取得データを元に機会学習機能を利用して機密情報が含まない障害区分、を含む教師データを作成し、蓄積する。
ステップS602:演算装置3134は、取得したデータ31332の中から、パフォーマンスやログデータを取得する。
ステップS603:演算装置3134は、機械学習部の機械学習技術を利用しで判定する。つまり、ステップS602にて取得した障害時の取得データを機械学習により障害区分を判定する。
ステップS604:演算装置3134は、監視運用関係者側に通知を必要とするか否かの判定を行う。当該ステップに通報が必要でない場合(NO)は、終了し、通知が必要である場合(YES)は、ステップS605に進む。
ステップS605:演算装置3134は、監視運用関係者側に障害検知を通報した上で終了する。
ステップS702:演算装置3134は、機械学習により障害区分を判定する。つまり、ステップS701にて取得した障害時の取得データと機械学習により障害区分を判定する。
ステップS704:演算装置3134は、監視運用関係者側に通知を必要とするか否かの判定を行う。当該ステップに通報が必要でない場合(NO)は、終了し、通知が必要である場合(YES)は、ステップS705に進む。
ステップS705:演算装置3134は、監視運用関係者側に障害検知を通報した上で終了する。
つまり、製品サポートシステムにおける機械学習部3205は、監視運用システム313、314における教師データ31330から障害対策データを含む識別モデルを作成する。更に機械学習部3205は、障害発生時の障害区分/障害対策の判定も行う。
障害対策データ格納部(DB)3204は、障害対策データを格納する。
本例では、教師データとして、検知した障害31331、取得データ31332、障害区分31333に加えて障害対策31334が含まれる。
ステップS1002:演算装置3134は、取得したデータの中から、パフォーマンスやログデータを取得する。
ステップS1003:演算装置3134は、取得したデータを機械学習により障害区分/障害対策を判定する。つまり、ステップS1002にて取得した障害時の取得データと機械学習区分により障害区分および障害対策を判定する。
ステップS1004:演算装置3134は、ステップS1003における結果を受けて、障害区分有無を判定する。当該ステップにて障害区分有り(YES)の場合は、ステップS1005に進み、無い場合(NO)は、ステップS1010に進む。
ステップS1005:演算装置3134は、障害対策有無を判定する。当該ステップにて障害対策有り(YES)の場合は、ステップS1006に進み、障害対策無い場合(NO)は、ステップS1010に進む。
ステップS1006:演算装置3134は、ステップS1005にて、障害対策が有るとき、製品の障害を解消すべき障害対策処理を実行する。
ステップS1007:演算装置3134は、ステップS1006にて実行した障害対策により障害が回復したか否かを判定する。当該ステップにて、障害回復の場合(YES)は、処理を終了し、障害回復できない場合(NO)には、ステップS1010に進む。
ステップS1010:製品サポートシステム(製品Cサポートシステム、製品Dサポートシステム)320は、製品のサポートフロー(図11参照)を実行する。
ステップS10102:製品サポートシステム(製品Cサポートシステム、製品Dサポートシステム)320は、障害対策調査実行し、調査内容/判定結果を当該システムのデータベース(DB)に登録する。
ステップS10103:製品サポートシステム(製品Cサポートシステム、製品Dサポートシステム)320は、障害対策を実行する。
ステップS10104:製品サポートシステム(製品Cサポートシステム、製品Dサポートシステム)320は、ステップS10103における障害対策の実行により障害が回復したか否かを判定し、障害が回復している場合(YES)は、次のステップS10105に進み、回復していない場合(NO)は、ステップS10101に戻り、上記各ステップを繰り返す。
ステップS10105:製品サポートシステム(製品Cサポートシステム、製品Dサポートシステム)320は、各監視運用システム313、314にて監視して得た障害に対する障害対策データ作成を作成し、当該障害対策データを当該システムのデータベース(DB)に登録する。
実施例1では、例えば、ポート競合によるWEBサイトアクセス不可の場合における障害区分(ポート競合が発生していること)は把握できる。しかし、その対策が決まっていない状況にある場合、実施例2に示すようにサポートシステム320(図9のステップS1010におけるサポートフロー)と連携し、当該フローにより作成される障害対策データと各監視運用システムからのデータを元に教師データを作成することにより、より精度の高い障害区分/対策を判定することが可能となる。
このようにサポートフローにより、蓄積された障害区分/障害対策も含むデータを教師データとすることで、教師データ作成のための工数が不要となるだけでなく、精度の高い障害区分/対策を判定できるようになる。
本例では、環境Aの監視運用システム313のリソースと製品Cサポートシステム321のリソースを環境Bの監視運用システム314に貸与し、また、製品Cサポートシステム321のリソースを製品Dサポートシステム322に貸与したものである。
これにより、各監視運用システム313、314は、障害判定結果に基づく対策を実施することができる。ここで、対策ができない場合、つまり、製品サポートシステム320(製品Cサポートシステム321)への連絡(通報)が必要と判定した場合には、製品サポートシステム320(製品Cサポートシステム321)へ直接通報し、サポートフローを実行することも可能である。
すなわち、監視運用システム313,314は、それぞれ、各環境における製品に障害が発生した場合、当該障害の判定結果に応じた以下のようなパターン1、2の対応処理を実行する機能を有する。
例えば、環境Bの監視運用システム314にて、製品Cの障害を検知し、その判定結果、製品Cサポートシステム321への問合せが必要と判定した場合、製品Cサポートシステム321へ調査依頼をメール等により通報(連絡)する。
当該通報(調査依頼)を受けた製品Cサポートシステム321は、監視運用システム314における製品サポート情報を使って調査を開始する。このときの調査データは、環境Bのデータ群から必要なデータのみを取得する。この取得したデータには、機密情報があっても問題ない。
このように監視運用システムとサポートシステムを連携することにより、障害の検知から、障害分析(原因特定)/障害対策実施までを自動化する。
また、環境Bの監視運用システム314にて、製品Cの障害を検知し、その判定結果、判定に対策ありの場合には、当該監視運用システム314において、その対策方法に含まれる情報に基づく対策を実施する。
(1)複数の環境から取得した情報をもとに教師データ(共有データ)を作成することで、様々な状況の教師データを短期間に作成することができる。
(2)共有データの作成にあたり、機密情報に対する情報漏洩の対策が必要ないため、対策コストを抑えられる。
(3)障害区分判定を定期的に行えば、監視運用システムが障害を検知していない障害を予測できる場合がある。そのため、監視ソフトが異なるなどの理由により、他の環境より検知できる障害が少ない場合でも、本システムにより障害予測できる場合がある。
(4)本システムによる監視運用を開始した新規の環境では、導入後すぐに分析(障害区分の判定)を利用できる。通常は、教師データを作成するまでは、機械学習による判定はできないが、本システムでは、すでに作成済の他環境の教師データを利用することで、機械学習による判定が可能となり、その期間を必要としない。
(5)本システムでは機密情報を含む情報を、特別な情報漏洩対策(削除/置換)することなく教師データ(共有データ)から障害区分を判定することができるため、商品別の売上予測など監視システム以外の利用も可能である。例えば、複数の異なるスーパーマーケットの在庫管理を行う場合、商品別の売上予測などを行える。また、予測結果など判定した結果には、機密情報を含まないので、競合他社の売り上げ情報を相互に利用することもできる。
(6)機密情報を含む情報を情報漏洩なく情報を共有化することで、リソースの使用状況を比較し、場合によっては別環境の監視運用システムへのリソースの貸し出しや借り入れを行うことができる (貸し借りをしているだけで、監視システム全体の規模は変わっていない)。
2 システム提供者側
3 クラウド向け統合運用サービスシステム
31 コンタクトセンタ/サーバ
313、314 監視運用システム/サーバ
3131 インターフェース装置
3132 機械学習装置
3133 記憶装置
3134 演算装置
31341 運用状況監視部
31342 データ取得部
31343 データ分析部
31344、31344’ データ作成部
31345 データ格納部
31347 通報部
320 サポートシステム(製品サポートシステム)
3201 障害対策調査用データ取得部
3202 障害対策調査実行・データ分析部
3203 障害対策データ作成部
3204 障害対策データ格納部
Claims (6)
- 第1環境対応の第1監視運用システムと、第2環境対応の第2監視運用システムと、を備え、
データを共有できない環境にある前記第1環境対応の第1監視運用システムおよび前記第2環境対応の第2監視運用システムは、
各環境にある監視運用システムから取得した取得データと、障害の原因を特定するに足りる障害区分を含む教師データを記憶する記憶装置と、前記取得データは、機密情報を含み、前記障害区分は、機密情報を含んでいないものであり、
前記記憶装置における教師データを元に識別モデルを作成し、新たに発生した障害時における取得した前記取得データと前記教師データを元に作成した識別モデルから障害区分の判定、障害の原因の決定を機械学習機能により可能とする機械学習装置と、
前記記憶装置と前記機械学習装置に接続された演算装置を備え、
前記教師データは、各環境における第1監視運用システムおよび前記第2監視運用システムにおいて共有される機械学習用のデータであり、
前記演算装置は、
各環境における第1監視運用システムおよび前記第2監視運用システムの運用状況を監視し、システムに障害が発生した場合、障害情報を検知する運用状況監視部と、
前記運用状況監視部にて障害情報を検知した場合、当該障害情報に対応し、前記機密情報を含んでいるデータを取得するデータ取得部と、
前記教師データにおける障害情報、前記データ取得部にて取得した取得データを分析するデータ分析部と、
新たな障害が発生した場合、新たに検知した障害における取得データと前記記憶装置における教師データを元に作成された識別モデルから、前記新たな障害が発生した取得データの、パターン化した障害区分を判定し、障害の原因を決定する障害区分判定部と、
を有し、
データを共有できない環境にある前記第1監視運用システムおよび前記第2監視運用システムにおいて、各環境における前記第1監視運用システムおよび前記第2監視運用システムで共有化される前記障害区分を含む教師データを使用して各環境における前記第1監視運用システムおよび前記第2監視運用システムにて収集したデータの障害の原因を機械学習機能により判定可能と
することを特徴とする統合監視運用システム。 - 請求項1に記載された統合監視運用システムにおいて、
前記教師データは、障害の種類、前記取得データ、前記障害区分、を含む、
統合監視運用システム。 - 請求項1に記載された統合監視運用システムにおいて、
前記第1環境対応の第1監視運用システムおよび前記第2環境対応の第2監視運用システムは、障害が発生した場合、当該障害の対策データを作成するサービスシステムと連携する
ことを特徴とする統合監視運用システム。 - 請求項3に記載された統合監視運用システムにおいて、
前記教師データは、前記障害の種類、前記取得データ、前記障害区分、障害対策データを含む、
統合監視運用システム。 - 第1環境対応の第1監視運用システムと、第2環境対応の第2監視運用システムと、を備え、
データを共有できない環境にある前記第1環境対応の第1監視運用システムおよび前記第2環境対応の第2監視運用システムは、
各環境にある監視運用システムから取得した取得データと、障害の原因を特定するに足りる障害区分を含む教師データを記憶する記憶装置と、前記取得データは、機密情報を含み、前記障害区分は、機密情報を含んでいないものであり、
前記記憶装置における教師データを元に識別モデルを作成し、新たに発生した障害時における取得したデータと教師データを元に作成した識別モデルから障害区分の判定、障害の原因の決定を機械学習機能により可能とする機械学習装置と、
前記記憶装置と前記機械学習装置に接続された演算装置を備え、
前記教師データは、各環境における第1監視運用システムおよび前記第2監視運用システムにおいて共有される機械学習用のデータであり、
前記演算装置は、
各環境における第1監視運用システムおよび前記第2監視運用システムの運用状況を監視し、システムに障害が発生した場合、障害情報を検知するステップと、
前記障害情報を検知するステップにて障害情報を検知した場合、当該障害情報に対応し、機密情報を含んでいるデータを取得するステップと、
前記教師データにおける障害情報、前記データを取得するステップにて取得した取得データを分析するステップと、
新たな障害が発生した場合、新たに検知した障害における取得データと前記記憶装置における教師データを元に作成された識別モデルから、前記新たな障害が発生した取得データの、パターン化した障害区分を判定し、障害の原因を決定するステップと、を有し、
データを共有できない環境にある前記第1監視運用システムおよび前記第2監視運用システムにおいて、各環境における前記第1監視運用システムおよび前記第2監視運用システムで共有化される前記障害区分を含む教師データを使用して各環境における前記第1監視運用システムおよび前記第2監視運用システムにて収集したデータの障害の原因を機械学習機能により判定可能とすることを特徴とする統合監視運用方法。 - 第1環境対応の第1監視運用システムと、第2環境対応の第2監視運用システムと、障害の対策データを作成するサービスシステム、を備え、
データを共有できない環境にある前記第1環境対応の第1監視運用システムおよび前記第2環境対応の第2監視運用システムは、前記障害の対策データを作成するサービスシステムと連携し、
各環境にある監視運用システムから取得した取得データと、障害の原因を特定するに足りる障害区分および障害対策を含む教師データを記憶する記憶装置と、前記取得データは、機密情報を含み、前記障害区分および前記障害対策は、機密情報を含んでいないものであり、
前記記憶装置における教師データを元に識別モデルを作成し、新たに発生した障害時における取得した取得データと教師データを元に作成した識別モデルから障害区分を判定し、障害の原因を決定する機械学習機能を有する機械学習装置と、
前記記憶装置と前記機械学習装置に接続された演算装置を備え、
前記教師データは、各環境における第1監視運用システムおよび前記第2監視運用システムにおいて共有される機械学習用のデータであり、
前記演算装置は、
障害検知有無を判定するステップと、
前記障害検知有無を判定するステップにて障害を検知した場合、取得したデータの中から、パフォーマンスやログデータを取得するステップと、
検知障害種類、取得データである各パフォーマンスやログデータ、前記障害区分、を含む前記教師データから前記取得したデータの、パターン化した障害区分/障害対策を判定するステップと、
前記障害区分/障害対策を判定するステップにおける結果を受けて、障害区分有りか否かを判定するステップと、
前記障害区分有りか否かを判定するステップにて障害区分有りの場合、前記障害の対策を実行および障害の回復を行うステップと、
前記障害区分有りか否かを判定するステップにて障害区分が無い場合、前記障害の対策データを作成するサポートフローを実行するステップと、
前記障害の対策を実行および障害の回復を行うステップにて、障害が回復できなかった場合、前記障害区分に対策無を設定するステップと、を有する
ことを特徴とする統合監視運用方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016099438A JP6847590B2 (ja) | 2016-05-18 | 2016-05-18 | 統合監視運用システムおよび方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016099438A JP6847590B2 (ja) | 2016-05-18 | 2016-05-18 | 統合監視運用システムおよび方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017207894A JP2017207894A (ja) | 2017-11-24 |
JP6847590B2 true JP6847590B2 (ja) | 2021-03-24 |
Family
ID=60417222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016099438A Active JP6847590B2 (ja) | 2016-05-18 | 2016-05-18 | 統合監視運用システムおよび方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6847590B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019111867A1 (ja) * | 2017-12-07 | 2019-06-13 | 日本電気株式会社 | 制御装置、分析装置、通信システム、データ処理方法、データ送信方法、及び非一時的なコンピュータ可読媒体 |
JP6890109B2 (ja) * | 2018-09-27 | 2021-06-18 | Kddi株式会社 | 情報生成装置、情報生成システム及びプログラム |
JP6723401B1 (ja) * | 2019-02-27 | 2020-07-15 | レノボ・シンガポール・プライベート・リミテッド | 電子機器、制御方法、及びプログラム |
JP7439546B2 (ja) | 2020-01-31 | 2024-02-28 | 株式会社リコー | 情報処理装置、情報処理方法およびプログラム |
CN112711515B (zh) * | 2021-01-20 | 2022-12-09 | 维沃移动通信有限公司 | 一种实时监控方法、装置及电子设备 |
JPWO2023281688A1 (ja) * | 2021-07-08 | 2023-01-12 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2902532B2 (ja) * | 1993-01-18 | 1999-06-07 | 松下電工株式会社 | 振動体の検査方法及びその装置 |
JPH09189569A (ja) * | 1996-01-11 | 1997-07-22 | Hitachi Ltd | 定例操作支援方法及びその装置 |
JP4048467B2 (ja) * | 2001-07-30 | 2008-02-20 | 株式会社日立製作所 | 電気機器の遠隔監視診断システム |
JP5609637B2 (ja) * | 2010-12-28 | 2014-10-22 | 富士通株式会社 | プログラム、情報処理装置、及び情報処理方法 |
US9411673B2 (en) * | 2011-12-26 | 2016-08-09 | Hitachi, Ltd. | Management server, management system, and management method |
JP2014118848A (ja) * | 2012-12-14 | 2014-06-30 | Toyota Motor Corp | 内燃機関の制御装置 |
-
2016
- 2016-05-18 JP JP2016099438A patent/JP6847590B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017207894A (ja) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6847590B2 (ja) | 統合監視運用システムおよび方法 | |
US11449379B2 (en) | Root cause and predictive analyses for technical issues of a computing environment | |
CN109416643B (zh) | 应用程序迁移系统 | |
US10664256B2 (en) | Reducing overhead of software deployment based on existing deployment occurrences | |
US10467129B2 (en) | Measuring and optimizing test resources and test coverage effectiveness through run time customer profiling and analytics | |
CN103069749B (zh) | 虚拟环境中的问题的隔离的方法和系统 | |
KR20060061759A (ko) | 트랜잭션 기반 성능 모델을 자동 검증 및 캘리브레이션하기위한 컴퓨터 구현 방법 | |
CN103763117A (zh) | 服务和运营管理系统 | |
US11797416B2 (en) | Detecting performance degradation in remotely deployed applications | |
US20200184026A1 (en) | Computing system simulation and testing environment | |
US20120054332A1 (en) | Modular cloud dynamic application assignment | |
Di et al. | Exploring properties and correlations of fatal events in a large-scale hpc system | |
US20220197770A1 (en) | Software upgrade stability recommendations | |
US11513930B2 (en) | Log-based status modeling and problem diagnosis for distributed applications | |
JP2006048702A (ja) | トランザクションベースの性能モデルの自動構成 | |
US11526604B2 (en) | System for event detection, data integration, and data visualization | |
JP7174559B2 (ja) | 脆弱性管理システム及びプログラム | |
US20220179764A1 (en) | Multi-source data correlation extraction for anomaly detection | |
US11599404B2 (en) | Correlation-based multi-source problem diagnosis | |
US10990413B2 (en) | Mainframe system structuring | |
US11212162B2 (en) | Bayesian-based event grouping | |
Wongthai et al. | Performance measurement of logging systems in infrastructure as a service cloud | |
US20230017358A1 (en) | Automatically provisioned tag schema for hybrid multicloud cost and chargeback analysis | |
CN104216702A (zh) | 在联网计算环境中授权操作请求的方法和系统 | |
CN102841842A (zh) | 用于下一代测试系统的自动化控制器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190325 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200410 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200728 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200831 |
|
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: 20210202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210303 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6847590 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |