JPWO2011155308A1 - 契約違反予測システム、契約違反予測方法および契約違反予測プログラム - Google Patents
契約違反予測システム、契約違反予測方法および契約違反予測プログラム Download PDFInfo
- Publication number
- JPWO2011155308A1 JPWO2011155308A1 JP2012519325A JP2012519325A JPWO2011155308A1 JP WO2011155308 A1 JPWO2011155308 A1 JP WO2011155308A1 JP 2012519325 A JP2012519325 A JP 2012519325A JP 2012519325 A JP2012519325 A JP 2012519325A JP WO2011155308 A1 JPWO2011155308 A1 JP WO2011155308A1
- Authority
- JP
- Japan
- Prior art keywords
- event
- probability
- violation
- sla
- contract
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/20—Traffic policing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
サービスレベル契約違反の予測精度を向上させる。学習用イベントログL1、学習用SLAログL2を参照し、イベントごとに計測値の確率分布を算出する確率分布算出部21と、算出された確率分布、SLAリストL7を参照し、イベントごとにSLA違反となる確率、SLA違反とならない確率を算出する確率算出部22と、学習用SLAログL2を参照し、イベント発生から所定時間経過後までの間にSLA違反となる計測値の確率密度、イベント発生から所定時間経過後までの間にSLA違反とならない計測値の確率密度を算出するSLA分布算出部23と、イベントが発生したときに該イベントに対応する各確率、該イベント発生時の計測値の各確率密度を用い、該イベント発生から所定時間以内にSLA違反が発生する確率を算出する違反発生確率算出部24とを備える。
Description
本発明は、契約違反予測システム、契約違反予測方法および契約違反予測プログラムに関する。
近年、ISP、ASP、SaaS等のサービス提供者が顧客との間で締結するサービスレベル契約(Service Level Agreement、以下「SLA」という。)が注目されている。SLAは、例えば、サービスの応答時間を3秒以内にする等、サービス提供者が顧客に提供するサービスの品質等を保証する契約である。SLAを締結したサービス提供者は、SLA違反の発生を事前に察知し、SLA違反が発生する前に対処することが重要となる。下記非特許文献1の第1章には、SLA違反の発生を予測する技術が開示されている。
P.DOMINGOS / M.PAZZANI 共著、「On the Optimality of the Simple Bayesian Classifier under Zero-One Loss」、Machine Learning、29、pp.103-130、1997 KluwerAcademic Publishers、Manufactured in The Netherlands
上記非特許文献1では、あるイベントPiが発生してから一定時間内にSLA違反が発生した回数に基づき、イベントPiが発生したときに一定時間内にSLA違反となる確率Pr(×|Pi)を算出し、この確率を用いてSLA違反の発生を予測している。この方法では、一定時間内に発生したSLA違反が少ないと、SLA違反が1件増減するだけで、算出される確率Pr(×|Pi)が大きく変動し、予測精度が低下してしまう。また、従来技術の単純ベイジアンフィルタでは、事象を離散値として扱い、閾値を超えているか否かでSLA違反の発生を予測する。したがって、サービス品質をあらわすパラメータ値を連続的に扱い、パラメータ値ごとに異なる違反確率に基づいてきめ細くSLA違反の発生を予測することはできない。
本発明は、上述した課題を解決するためになされたものであり、サービスレベル契約違反の予測精度を向上させることができる契約違反予測システム、契約違反予測方法および契約違反予測プログラムを提供することを目的とする。
本発明の契約違反予測システムは、サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出部と、前記確率分布算出部により算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出部と、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出部と、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出部と、を備える。
本発明の契約違反予測方法は、サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出ステップと、前記確率分布算出ステップにおいて算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出ステップと、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出ステップと、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出ステップと、を含む。
本発明の契約違反予測プログラムは、上記契約違反予測方法に含まれる各ステップをコンピュータに実行させる。
本発明によれば、サービスレベル契約違反の予測精度を向上させることができる。
以下、添付図面を参照して、本発明に係る契約違反予測システム、契約違反予測方法および契約違反予測プログラムの好適な実施形態について説明する。
[第1実施形態]
まず、図1を参照して、第1実施形態における契約違反予測システムの構成について説明する。図1に示すように、契約違反予測システム1は、機能的には、例えば、モニタ部10と、SLA違反確率計算部20と、表示部30とを有する。
まず、図1を参照して、第1実施形態における契約違反予測システムの構成について説明する。図1に示すように、契約違反予測システム1は、機能的には、例えば、モニタ部10と、SLA違反確率計算部20と、表示部30とを有する。
ここで、契約違反予測システム1は、物理的には、例えば、CPU(Central Processing Unit)と、メモリと、入出力インターフェースと、ディスプレイとを含んで構成される。メモリには、例えば、CPUで処理されるプログラムおよびデータを記憶するROM(Read Only Memory)やHDD(Hard Disk Drive)と、主として制御処理のための各種作業領域として使用されるRAM(Random Access Memory)とが含まれる。これらの要素は、互いにバスを介して接続されている。CPUが、ROMに記憶されたプログラムを実行し、入出力インターフェースを介して受信されたメッセージや、RAMに展開されたデータを処理することで、後述する契約違反予測システム1における各部の機能を実現することができる。
モニタ部10は、管理対象システム90の状態を監視し、学習用イベントログL1、学習用SLAログL2、検査対象イベントログL3、検査対象SLAログL4等の各種ログを生成する。管理対象システム90は、サービス提供者が顧客にサービスを提供するために利用するシステムであり、SLAの対象となるシステムである。モニタ部10は、一定時間(例えば、10秒)ごとに、ログ情報を出力する。
学習用イベントログL1および検査対象イベントログL3は、管理対象システム90が実行するイベントに関するイベント情報を記録するログである。図2に、学習用イベントログL1および検査対象イベントログL3を例示する。学習用イベントログL1および検査対象イベントログL3は、例えば、イベント発生時刻、イベント発生箇所(例えばホスト装置名)、イベントメッセージおよびイベントタイプ等のイベント情報を記録する。
学習用SLAログL2および検査対象SLAログL4は、イベント発生時のSLAサービス項目の計測値に関するSLA計測値情報を記録するログである。SLAサービス項目とは、SLAに含まれるサービス項目をいい、例えば、応答時間が該当する。図3に、学習用SLAログL2および検査対象SLAログL4を例示する。学習用SLAログL2および検査対象SLAログL4は、例えば、イベント発生時刻およびSLAサービス項目の計測値等のSLA計測値情報を記録する。
学習用イベントログL1および学習用SLAログL2は、SLA違反の発生を予測する際に参照する確率分布表L6やSLA確率分布表L9を事前に生成するために用いる分析・学習用のログである。検査対象イベントログL3および検査対象SLAログL4は、SLA違反の発生を予測する際に検査の対象となるイベントやSLA計測値を契約違反予測システム1に付与するためのログである。
図1に示すSLA違反確率計算部20は、確率分布算出部21と、確率算出部22と、SLA分布算出部23と、違反発生確率算出部24と、をさらに有する。
確率分布算出部21は、学習用イベントログL1、学習用SLAログL2およびイベント種類リストL5を参照し、学習用イベントログL1に記録されたイベントごとに、学習用SLAログL2に記録されたイベント発生時におけるSLAサービス項目の計測値の確率分布を算出し、確率分布表L6に格納する。確率分布として、本実施形態では正規分布を用いる。確率分布算出部21は、正規分布を一意に特定可能な平均値および不偏分散を、確率分布として算出する。
イベント種類リストL5は、各イベントが属するイベント種類を決定するためのリストである。図4に、イベント種類リストL5を例示する。イベント種類リストL5は、例えば、イベント種類とイベントタイプとを対応付けて記憶する。
確率分布表L6は、正規分布を特定する平均値および不偏分散をイベントごとに記憶する。図5に、確率分布表L6を例示する。確率分布表L6は、事象PであるイベントごとにSLA計測値pの平均値E(p|P)と不偏分散V(p|P)とを対応付けて記憶する。なお、“全体”の平均値と不偏分散列は、イベントの発生有無にかかわらず、全てのSLA計測値pの平均値E(p)と不偏分散V(p)となる。
以下に、確率分布算出部21がイベントPiの正規分布を算出する際の手順について説明する。確率分布算出部21は、学習用イベントログL1および学習用SLAログL2を参照し、イベントPiが発生した時刻tからδt秒(所定時間)が経過するまでの間に計測されたSLA計測値pの最悪値pworst(t)を、イベントPiが発生した時刻tごとに求め、これら最悪値pworst(t)の平均値Eおよび不偏分散Vを算出する。
例えば、イベントPiが発生した時刻をt1、…、tnとすると、最悪値pworst(t)の平均値E(pworst|Pi)および不偏分散V(pworst|Pi)は、それぞれ以下のように算出できる。
E(pworst|Pi)=(1/n)Σjpworst(tj) … (1)
V(pworst|Pi)=(1/n)Σj{pworst(tj)−E(pworst|Pi)}2 … (2)
V(pworst|Pi)=(1/n)Σj{pworst(tj)−E(pworst|Pi)}2 … (2)
不偏分散Vの平方根が偏差σとなるため、イベントPiの正規分布N{E(pworst|Pi)、σ(pworst|Pi)}は一意に定まる。なお、“全体”の正規分布Nは、N{E(pworst)、σ(pworst)}となる。
図1に示す確率算出部22は、確率分布表L6およびSLAリストL7を参照し、イベントごとに、SLA違反に該当する確率およびSLA違反に該当しない確率をそれぞれ算出し、違反確率表L8に格納する。
SLAリストL7は、SLAサービス項目ごとに、SLAサービス項目の契約条件となる閾値を記憶する。例えば、SLAの契約内容がサービスの応答時間を8秒以内にするという契約である場合に、SLAリストL7は、SLAサービス項目である応答時間を識別する情報に対応付けて契約閾値である8秒を記憶する。
違反確率表L8は、SLA違反に関する確率を記憶する。図6に、違反確率表L8を例示する。違反確率表L8は、SLA違反がδt秒(所定時間)以内に発生しなかったとき(“○”で表す)に、イベントPiが発生する確率Pr(Pi|○)と、SLA違反がδt秒以内に発生したとき(“×”で表す)に、イベントPiが発生する確率Pr(Pi|×)と、をイベントPiごとに対応付けて記憶する。また、違反確率表L8は、システム全体でSLA違反に該当しない確率Pr(○)とSLA違反に該当する確率Pr(×)とを対応付けて記憶する。
以下に、確率算出部22が、上記各確率を算出する際の手順について説明する。確率算出部22は、確率分布表L6から特定される確率分布と、SLAリストL7の契約閾値v0とを用いて、システム全体での非違反確率Pr(○)、違反確率Pr(×)、およびイベントPiごとの非違反確率Pr(○|Pi)、違反確率Pr(×|Pi)を、それぞれ以下のように算出する。なお、イベントPi発生時の確率分布をN(Ei、σi)とする。
Pr(○)=Pr{pworst<v0|N(E、σ)) … (3)
Pr(×)=Pr{pworst≧v0|N(E、σ)) … (4)
Pr(○|Pi)=Pr{pworst<v0|N(Ei、σi)) … (5)
Pr(×|Pi)=Pr{pworst≧v0|N(Ei、σi)) … (6)
Pr(×)=Pr{pworst≧v0|N(E、σ)) … (4)
Pr(○|Pi)=Pr{pworst<v0|N(Ei、σi)) … (5)
Pr(×|Pi)=Pr{pworst≧v0|N(Ei、σi)) … (6)
確率算出部22は、上記式(5)および式(6)で算出したPr(○|Pi)およびPr(×|Pi)を用い、Pr(Pi|○)およびPr(Pi|×)を、それぞれ以下のように算出する。
Pr(Pi|○)={Pr(○|Pi)×NPi}/{Pr(○)×Nall} … (7)
Pr(Pi|×)={Pr(×|Pi)×NPi}/{Pr(×)×Nall} … (8)
Pr(Pi|×)={Pr(×|Pi)×NPi}/{Pr(×)×Nall} … (8)
上記式(7)および式(8)のNPiはイベントPiが発生した件数であり、Nallは全イベントの発生件数である。
確率算出部22は、上記式(3)、式(4)、式(7)および式(8)で算出したPr(○)、Pr(×)、Pr(Pi|○)およびPr(Pi|×)を違反確率表L8に格納する。
図7を参照して、確率算出部22が算出する確率について具体例を用いて説明する。図7は、サービスの応答時間を8秒以内にするというSLA下での各種数値例を示したものである。イベントaがSLA違反(p>8)となる確率Pr(×|a)は、イベントaの確率密度をf(a)とすると、以下の式(9)で表される。
図7に例示するイベントaの違反確率Pr(×|a)は、“0.21”となる。また、Pr(○|a)=1−Pr(×|a)より、イベントaの非違反確率Pr(○|a)は、“0.79”となる。図7に示すPr(×|a)およびPr(○|a)の“計”欄が、システム全体での違反確率Pr(×)および非違反確率Pr(○)であり、それぞれ、“0.21”および“0.79”となる。
このとき、イベントaの違反回数の期待値は、イベントaの発生回数が41回であるため、41×Pr(×|a)=41×0.21=8.56回となる。また、システム全体での違反発生回数の期待値は、システム全体でのイベント発生回数が229回であるため、229×Pr(×)=229×0.21=48.19回となる。したがって、Pr(a|×)=8.56/48.19=0.17となる。これと同様にして、Pr(a|○)=32.44/179.80=0.18となる。
図1に示すSLA分布算出部23は、学習用SLAログL2を参照し、イベント発生からδt秒経過後までの間にSLA違反に該当するSLA計測値の確率分布と、イベント発生からδt秒経過後までの間にSLA違反に該当しないSLA計測値の確率分布とをそれぞれ算出し、SLA確率分布表L9に格納する。なお、本実施形態では、確率分布として正規分布を用いるため、SLA分布算出部23は、確率分布として、正規分布を一意に特定可能な平均値および不偏分散を算出する。確率分布が定まれば、確率密度を一意に特定することができる。
SLA確率分布表L9は、SLA計測値の正規分布を特定する平均値および不偏分散を、イベント発生からδt秒経過後までの間にSLA違反に該当する場合とSLA違反に該当しない場合とでそれぞれ記憶する。図8に、SLA確率分布表L9を例示する。SLA確率分布表L9は、イベント発生からδt秒経過後までの間にSLA違反に該当しない場合におけるSLA計測値pの平均値E(p|○)および不偏分散V(p|○)と、イベント発生からδt秒経過後までの間にSLA違反に該当する場合におけるSLA計測値pの平均値E(p|×)および不偏分散V(p|×)と、をそれぞれ記憶する。なお、図8に示すSLA確率分布表L9に記載されている値は、SLA計測値p(t)の値が“6”であると仮定した場合の数値例である。
以下に、SLA分布算出部23が、正規分布である平均値および不偏分散を算出する際の手順について説明する。例えば、δt秒経過後までにSLA違反が発生しなかった時刻をt1、…、tnとし、SLA計測値をp(t)とすると、SLA計測値をp(t)の平均値E○および不偏分散V○は、それぞれ以下のように算出できる。
E○=(1/n)Σjp(tj) … (10)
V○=(1/n)Σj{p(tj)−E}2 … (11)
V○=(1/n)Σj{p(tj)−E}2 … (11)
不偏分散V○の平方根が偏差σ○となるため、正規分布N{E○、σ○}が一意に定まり、確率密度f(p|○)も一意に定まる。同様にして、正規分布N{E×、σ×}および確率密度f(p|×)についても算出できる。
図1に示す違反発生確率算出部24は、イベントPが発生したときに、当該イベントPに対応する各確率Pr(○)、Pr(×)、Pr(P|○)、Pr(P|×)および当該イベントP発生時のSLA計測値pに対応する各確率密度f(p|○)、f(p|×)を用い、当該イベントP発生からδt秒以内に契約違反が発生する確率を算出する。この違反発生確率算出部24は、イベント確率検索部241と、SLA確率算出部242と、複合確率統合部243とを含む。
イベント確率検索部241は、検査対象イベントログL3に含まれるイベントに対応する各種の確率を違反確率表L8から検出する。例えば、イベントPiとイベントPjが同時に発生している場合には、Pr(Pi|○)、Pr(Pj|○)、Pr(○)、Pr(Pi|×)、Pr(Pj|×)、Pr(×)を違反確率表L8から検出する。
SLA確率算出部242は、検査対象SLAログL4から現在時刻tのSLA計測値p(t)の値vを読み込み、SLA確率分布表L9を参照して、確率密度f(p(t)=v|○)、f(p(t)=v|×)を算出する。具体的には、例えば図8に示すSLA確率分布表L9の場合には、SLA計測値p(t)の値が“6”であり、平均値が“2.86”であり、不偏分散が“10.71”である正規分布の確率密度を求めることで、確率密度f(p(t)=6|○)を算出する。同様に、平均値が“10.26”であり、不偏分散が“3.49”である正規分布の確率密度を求めることで、確率密度f(p(t)=6|×)を算出する。
複合確率統合部243は、イベント確率検索部241により検出された各種の確率と、SLA確率算出部242により算出された確率密度とを用い、現在時刻tにおいてSLA計測値p(t)の値がvであり、かつ、一または複数のイベントPが発生したときに、SLA違反となる確率Pr(×|p(t)=v、P)を算出する。
例えば、SLA計測値p(t)の値がvからv+δvに含まれるイベント(例えばイベントpとする)と、イベントPiとイベントPjとが発生している場合には、公知のベイズの定理と、lim_(δv->0)Pr(p)/δv=f(p)とを利用することで、SLA違反となる確率Pr(×|Pi、Pj、p)を以下のように算出することができる。
Pr(×|Pi、Pj、p)
=Pr(Pi、Pj、p|×)Pr(×)/Pr(Pi、Pj、p)
=Pr(Pi|×)Pr(Pj|×)Pr(p|×)Pr(×)/Pr(Pi、Pj、p)
=Pr(Pi|×)Pr(Pj|×)Pr(p|×)Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○)Pr(p|○)+Pr(×)Pr(Pi|×)Pr(Pj|×)Pr(p|×)}
=Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○){Pr(p|○)/δv}+Pr(×)Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}}
=lim_(δv->0){Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○){Pr(p|○)/δv}+Pr(×)Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}}}
=Pr(Pi|×)Pr(Pj|×)f(p|×)Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○)f(p|○)+Pr(×)Pr(Pi|×)Pr(Pj|×)f(p|×)} … (12)
=Pr(Pi、Pj、p|×)Pr(×)/Pr(Pi、Pj、p)
=Pr(Pi|×)Pr(Pj|×)Pr(p|×)Pr(×)/Pr(Pi、Pj、p)
=Pr(Pi|×)Pr(Pj|×)Pr(p|×)Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○)Pr(p|○)+Pr(×)Pr(Pi|×)Pr(Pj|×)Pr(p|×)}
=Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○){Pr(p|○)/δv}+Pr(×)Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}}
=lim_(δv->0){Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○){Pr(p|○)/δv}+Pr(×)Pr(Pi|×)Pr(Pj|×){Pr(p|×)/δp}}}
=Pr(Pi|×)Pr(Pj|×)f(p|×)Pr(×)/{Pr(○)Pr(Pi|○)Pr(Pj|○)f(p|○)+Pr(×)Pr(Pi|×)Pr(Pj|×)f(p|×)} … (12)
なお、上記式(12)は、イベントPiとイベントPjとが発生している場合の式であるが、例えば、イベントPiのみが発生している場合には、式(12)に含まれる各項から“Pj”部分を省略すればよい。
具体的には、例えば、ある時刻区間である5分間に、イベントaおよびイベントbが発生し、そのときのSLA計測値p(t)の値が“6”である場合に、5分以内にSLA違反となる確率Pr(×|Pa、Pb、p=6)を求めるとする。この場合には、上記式(12)を用いて以下のように計算することができる。
Pr(×|Pa、Pb、p=6)
=Pr(Pa|×)Pr(Pb|×)f(p=6|×)Pr(×)/{Pr(○)Pr(Pa|○)Pr(Pb|○)f(p=6|○)+Pr(×)Pr(Pa|×)Pr(Pb|×)f(p=6|×)} … (13)
=Pr(Pa|×)Pr(Pb|×)f(p=6|×)Pr(×)/{Pr(○)Pr(Pa|○)Pr(Pb|○)f(p=6|○)+Pr(×)Pr(Pa|×)Pr(Pb|×)f(p=6|×)} … (13)
ここで、図6の違反確率表L8および図8のSLA確率分布表L9の数値を例にすると、Pr(Pa|×)=“0.17”、Pr(Pb|×)=“0.24”、f(p=6|×)=“0.0158”、Pr(×)=“0.21”、Pr(Pa|○)=“0.18”、Pr(Pb|○)=“0.26”、f(p=6|○)=“0.0769”、Pr(○)=“0.79”となり、これらを上記式(13)に代入すると、Pr(×|Pa、Pb、p=6)=“0.00363”となる。
なお、本実施形態では、以下のことを前提としている。
前提1:pr(×|P1、…、Pn)は、時刻tによらず等しい。
前提2:SLA違反無(○)またはSLA違反有(×)を条件とする条件付確率において、事象P1、…、Pnは、確率的に独立である。したがって、Pr(Pm、Pn|○)=Pr(Pm|○)Pr(Pn|○)、およびPr(Pm、Pn|×)=Pr(Pm|×)Pr(Pn|×)が成立する。
前提3:SLA計測値p(t)の値の確率密度は、特定の確率分布に従い、この確率分布の種類(例えば、正規分布)は、事前に把握されている。なお、単純ベイジアンフィルタにおいて、前提2が多くの場合、近似的に成立することは公知である。
前提4:SLA違反無(○)またはSLA違反有(×)を条件とする条件付確率において、事象Piと、SLA計測値p(t)の値がvからδvに含まれることとは、確率的に独立である。したがって、Pr(Pi、v≦p(t)<v+δt|○)=Pr(Pi|○)Pr(v≦p(t)<v+δt|○)、およびPr(Pi、v≦p(t)<v+δt|×)=Pr(Pi|×)Pr(v≦p(t)<v+δt|×)が成立する。
前提5:SLA違反無(○)またはSLA違反有(×)を条件とする条件付確率において、SLA計測値p(t)の値の確率密度は、特定の確率分布に従い、この確率分布の種類(例えば、正規分布)は、事前に把握されている。
次に、図9を参照して、第1実施形態における契約違反予測システム1の動作について説明する。以下に説明する動作では、モニタ部10が、管理対象システム90の状態を監視し、学習用イベントログL1、学習用SLAログL2、検査対象イベントログL3、検査対象SLAログL4等の各種ログを予め生成していることを前提とする。
最初に、確率分布算出部21は、学習用イベントログL1、学習用SLAログL2およびイベント種類リストL5を参照し、学習用イベントログL1に記録されたイベントごとに、学習用SLAログL2に記録されたSLAサービス項目の計測値の確率分布を算出し、確率分布表L6に格納する(ステップS101)。
続いて、確率算出部22は、上記ステップS101で更新された確率分布表L6およびSLAリストL7を参照し、イベントごとに、SLA違反に該当する確率およびSLA違反に該当しない確率をそれぞれ算出し、違反確率表L8に格納する(ステップS102)。
一方、SLA分布算出部23は、学習用SLAログL2を参照し、イベント発生からδt秒経過後までの間にSLA違反に該当するSLA計測値に対応する確率分布と、イベント発生からδt秒経過後までの間にSLA違反に該当しないSLA計測値に対応する確率分布とをそれぞれ算出し、SLA確率分布表L9に格納する(ステップS103)。
ここで、上記ステップS101およびステップS102の処理と、上記ステップS103の処理とは、並行して実行することとしても良いし、いずれか一方を先に実行し他方を後から実行することとしても良い。また、上記ステップS101〜ステップS103までの各処理は、システムを運用する前に実行する準備処理となる。一方、下記ステップS104以降の各処理は、システムの運用時に実行する運用処理となる。
続いて、システム運用時になると、イベント確率検索部241は、検査対象イベントログL3に含まれるイベントに対応する各種の確率を違反確率表L8から検出する(ステップS104)。
一方、SLA確率算出部242は、検査対象SLAログL4から現在時刻tのSLA計測値p(t)の値vを読み込み、SLA確率分布表L9を参照して、確率密度f(p(t)=v|○)、f(p(t)=v|×)を算出する(ステップS105)。
ここで、上記ステップS104の処理と上記ステップS105の処理とは、並行して実行することとしても良いし、いずれか一方を先に実行し他方を後から実行することとしても良い。
続いて、複合確率統合部243は、上記ステップS104で検出された各種の確率と、上記ステップS105で算出された確率密度とを用い、現在時刻tにおいてSLA計測値p(t)の値がvであり、かつ、一または複数のイベントPが発生したときに、SLA違反となる確率Pr(×|p(t)=v、P)を算出する(ステップS106)。
続いて、表示部30は、上記ステップS106で算出されたSLA違反となる確率をディスプレイに表示させる(ステップS107)。
上述したように、第1実施形態における契約違反予測システム1によれば、学習用イベントログL1および学習用SLAログL2に蓄積されているデータに基づいて算出した確率分布を確率分布表に格納し、この確率分布表に基づいてSLA違反となる確率を予測することができるため、予測の精度を向上させることができる。
また、イベントが発生してからδt秒後までの間にSLA違反が発生したか否かの確率分布をSLA確率分布表に格納し、このSLA確率分布表に基づいて、現在のSLA計測値を基準にして、δt秒以内にSLA違反となる確率を予測することができる。したがって、より精度の高い予測を行うことが可能となる。
[第2実施形態]
本発明の第2実施形態について説明する。図10に示す第2実施形態における契約違反予測システム1が、上述した第1実施形態における契約違反予測システム1と相違する点は、検定部40と危険率リストL10とが追加される点である。それ以外の構成については、第1実施形態における契約違反予測システム1の各構成と同様であるため、各構成要素には同一の符合を付し、その説明は省略するとともに、以下においては、主に第1実施形態との相違点について説明する。
本発明の第2実施形態について説明する。図10に示す第2実施形態における契約違反予測システム1が、上述した第1実施形態における契約違反予測システム1と相違する点は、検定部40と危険率リストL10とが追加される点である。それ以外の構成については、第1実施形態における契約違反予測システム1の各構成と同様であるため、各構成要素には同一の符合を付し、その説明は省略するとともに、以下においては、主に第1実施形態との相違点について説明する。
検定部40は、各イベントについて、確率分布算出部21によって算出される確率分布、およびSLA分布算出部23によって算出される確率分布が、正規分布であるか否かの検定を行う。検定方法としては、例えば、公知のカイ二乗検定を用いることができる。具体的に、検定部40は、検定対象となる確率分布の有意確率を算出し、算出した有意確率が危険率リストL10に設定されている危険率(例えば、0.05)よりも大きい場合に、確率分布が正規分布であると検定する。
検定部40は、正規分布であると検定した確率分布に対応するイベントのみを、確率分布算出部21およびSLA分布算出部23の入力対象とする。具体的に、検定部40は、正規分布であると検定されたイベントに対応するイベント種類リストL5のレコードに使用フラグをたてる。確率分布算出部21およびSLA分布算出部23は、イベント種類リストL5で使用フラグがたてられているイベントのみを処理対象とする。これにより、正規分布であると検定した確率分布に対応するイベントのみを、確率分布算出部21およびSLA分布算出部23の入力対象とすることができる。
次に、図11を参照して、第2実施形態における契約違反予測システム1の動作について説明する。以下に説明する動作では、第1実施形態と同様に、学習用イベントログL1、学習用SLAログL2、検査対象イベントログL3、検査対象SLAログL4が予め生成されていることを前提とする。
最初に、検定部40は、各イベントについて、確率分布算出部21によって算出される確率分布、およびSLA分布算出部23によって算出される確率分布が、正規分布であるか否かの検定を行う(ステップS201)。
続いて、検定部40は、正規分布であると検定された確率分布に対応するイベントが存在するか否かを判定する(ステップS202)。この判定がNOである場合(ステップS202;NO)には、処理を終了する。
一方、上記ステップS202の判定で正規分布であると検定された確率分布に対応するイベントが存在すると判定された場合(ステップS202;YES)には、イベント種類リストL5で使用フラグがたてられているイベントについてのみ、上述したステップS101(図9参照)以降の処理を実行する(ステップS203)。
上述したように、第2実施形態における契約違反予測システム1によれば、管理対象システム90のイベントとSLA計測値との関係、およびSLA計測値とδt秒以内におけるSLA計測値の最悪値との関係が想定通りであるか否かをチェックすることができる。そして、想定外のイベントを除外することで、ノイズを除去し、SLA違反の予測精度を向上させることができる。
[第3実施形態]
本発明の第3実施形態について説明する。図12に示す第3実施形態における契約違反予測システム1が、上述した第1実施形態における契約違反予測システム1と相違する点は、相関分析部50とイベント種類フィルタ部51と相関一覧表L11が追加される点である。それ以外の構成については、第1実施形態における契約違反予測システム1の各構成と同様であるため、各構成要素には同一の符合を付し、その説明は省略するとともに、以下においては、主に第1実施形態との相違点について説明する。
本発明の第3実施形態について説明する。図12に示す第3実施形態における契約違反予測システム1が、上述した第1実施形態における契約違反予測システム1と相違する点は、相関分析部50とイベント種類フィルタ部51と相関一覧表L11が追加される点である。それ以外の構成については、第1実施形態における契約違反予測システム1の各構成と同様であるため、各構成要素には同一の符合を付し、その説明は省略するとともに、以下においては、主に第1実施形態との相違点について説明する。
相関分析部50は、事象間の相関度を、以下のように算出する。まず、相関分析部50は、各イベントが発生したベクトルを算出する。例えばイベントPiの場合、δt秒が経過するまでにSLA違反が発生しなかった時刻がt○,1、…、t○,nであるとき、イベントPiが発生したベクトルは、P○,i=(Pi(t○,1)、…、Pi(t○,n))となる。Pi(ti)は、イベントPiが発生した場合には1となり、イベントPiが発生しなかった場合には0となる。
具体的に、相関分析部50は、学習用イベントログL1および学習用SLAログL2を入力とし、5分ごとに、SLA計測値と、5分間でのSLA計測値の最悪値と、5分間で発生したイベントの情報とを、図13に示す表のように生成する。5分間で発生したイベントの情報としては、イベントごとに、5分間で発生した場合には“1”を格納し、5分間で発生しなかった場合には“0”を格納する。
続いて、相関分析部50は、各イベント間の相関係数kを算出する。相関係数kとしては、例えば、ピアソンの積率相関係数を用いることができる。この場合に、相関係数は、ki,j=(Pi−ki*n)・(Pj−kj*n)/|Pi−ki*n||Pj−kj*n|を算出することで求められる。相関分析部50は、例えば、PiとPjとの相関係数ki・jとして、k○i・j=P○,i・P○,i/|P○,i||P○,i|と、k×i・j=P×,i・P×,i/|P×,i||P×,i|とを算出する。ここで、Pi・Piは内積であり、|Pi|はベクトルの長さである。図13では、Pc=(0,1,0,0,1,…)であり、Pd=(0,1,1,0,0,…)であるため、相関分析部50は、これらの値を用いて、例えば、k○c,d=−0.17を算出し、k×c,d=−0.25”を算出する。相関分析部50は、算出した各イベント間の相関係数を、図14(A)および図14(B)に示す相関一覧表L11に格納する。
続いて、相関分析部50は、時刻tにおけるSLA計測値p(t)と、時刻tからδtまでの間のSLA計測値の最悪値pworst(t)との差で表されるδp(t)=pworst(t)−p(t)のベクトルδp=(δp(t1)、…、δp(tn)を算出する。
続いて、相関分析部50は、各イベントPiとδp(t)との相関係数ki,δpを算出する。相関係数としては、例えば、ピアソンの積率相関係数を用いることができる。この場合に、相関係数は、ki,δp=(Pi−ki*n)・(δp−kδp*n)/|Pi−ki*n||δp−kδp*n|を算出することで求められる。ここで、nは(1,1,…,1)であり、kiはPi=(ci,1,ci,2,…,ci,n)の平均値(1/n)Σjci,jであり、kδpはδp=(d1,d2,…,dn)の平均値(1/n)Σjdi,j1である。図13では、Pc=(0,1,0,0,1,…)であり、δp=(6.65−7.22,8.52−8.08,10.79−10.08,…)であるため、相関分析部50は、これらの値を用いて、例えば、kc,δp=0.04を算出する。相関分析部50は、算出した各相関係数ki,δpを図14(C)に示す相関一覧表L11に格納する。
図12に示すイベント種類フィルタ部51は、図14(C)に示す相関一覧表L11を参照し、δp(t)と相関性の低いイベントは、SLA計数値に対して影響が少ないイベントであると判定し、イベント種類リストの候補から排除する。相関性が低いか否かは、例えば、|ki,δp|が“0.005”未満であるか否かにより判定することができる。図14(C)に示す相関一覧表L11では、全ての|ki,δp|が“0.005”以上であるため、イベントは排除されない。
イベント種類フィルタ部51は、図14(A)および図14(B)に示す相関一覧表L11を参照し、イベント間の相関性が高いイベントのうち、いずれか一方のイベントを、イベント種類リストの候補から排除する。相関性が高いか否かは、例えば、|ki,j|が“0.5”を超えるか否かにより判定することができる。図14(A)および図14(B)に示す相関一覧表L11では、全ての|ki,j|が“0.5”以下であるため、イベントは排除されない。なお、相関性が高いイベントが存在する場合には、例えば、δp(t)との相関性が低い方のイベントを、イベント種類リストの候補から排除することができる。
イベント種類フィルタ部51は、例えば、図15に示すイベント種類リストL5を出力する。図15に示すイベント種類リストL5では、使用フラグ欄にフラグ(チェックマーク)がたてられているイベントa、b、c、d、fが“排除されていないイベント”であることを示し、使用フラグ欄にフラグがたてられていないイベントeが“排除されたイベント”であることを示す。
次に、図16を参照して、第3実施形態における契約違反予測システム1の動作について説明する。以下に説明する動作では、第1実施形態と同様に、学習用イベントログL1、学習用SLAログL2、検査対象イベントログL3、検査対象SLAログL4が予め生成されていることを前提とする。
最初に、相関分析部50は、管理対象システム90で発生した各イベントとδp(t)との相関係数を算出し、相関一覧表L11に格納する(ステップS301)。
続いて、相関分析部50は、管理対象システム90で発生した各イベント間の相関係数を算出し、相関一覧表L11に格納する(ステップS302)。
続いて、イベント種類フィルタ部51は、δp(t)との相関性が第1の所定閾値(例えば0.005)未満であるイベントを、イベント種類リストの候補から排除する(ステップS303)。
続いて、イベント種類フィルタ部51は、イベント間の相関性が第2の所定閾値(例えば0.5)を超えるイベントのうち、δp(t)との相関性が低い方のイベントを、イベント種類リストの候補から排除する(ステップS304)。
続いて、イベント種類フィルタ部51は、イベント種類リストL5を出力する(ステップS305)。
続いて、SLA違反確率計算部20は、イベント種類リストL5に使用フラグがたてられているイベントが存在するか否かを判定する(ステップS306)。この判定がNOである場合(ステップS306;NO)には、処理を終了する。
一方、上記ステップS306の判定で使用フラグがたてられているイベントが存在すると判定された場合(ステップS306;YES)には、イベント種類リストL5に使用フラグがたてられているイベントについてのみ、上述したステップS101(図9参照)以降の処理を実行する(ステップS307)。
上述したように、第3実施形態における装置1によれば、δp(t)との相関性が低いイベントを排除し、δp(t)との相関性が高いイベントのみを対象にしてSLA違反を予測することができる。これにより、サービス品質に影響を与えないイベントを排除することができるため、SLA違反の予測精度を向上させることが可能となる。
また、イベント間の相関性が高いイベントのうち、一方のイベントを排除することができる。本発明では事象が確率的に独立に発生することを前提としているため、確率的に依存性が高いイベントが存在する場合には、一方を排除することで、SLA違反の予測精度を向上させることが可能となる。
[変形例]
なお、上述した各実施形態は、単なる例示に過ぎず、各実施形態に明示していない種々の変形や技術の適用を排除するものではない。すなわち、本発明は、その趣旨を逸脱しない範囲で様々な形態に変形して実施することができる。
なお、上述した各実施形態は、単なる例示に過ぎず、各実施形態に明示していない種々の変形や技術の適用を排除するものではない。すなわち、本発明は、その趣旨を逸脱しない範囲で様々な形態に変形して実施することができる。
例えば、上記の各実施形態の一部または全部は、以下の付記のようにも記載され得るが、本発明を以下に限定するものではない。
(付記1)サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出部と、前記確率分布算出部により算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出部と、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出部と、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出部と、を備えることを特徴とする契約違反予測システム。
(付記2)前記確率分布算出部により算出される前記確率分布が、所定の分布であるか否かを検定する検定部を、さらに備え、前記確率分布算出部は、前記検定部により前記所定の分布であると判定された前記確率分布に対応する前記イベント情報および前記計測値情報に基づいて、前記確率分布を算出することを特徴とする付記1記載の契約違反予測システム。
(付記3)前記計測値情報を参照し、前記イベントごとに、当該イベント発生時の計測値と、当該イベントの発生から所定時間経過後までの間の前記計測値の変動値との間の第1相関係数を算出する相関係数算出部と、前記相関係数算出部により算出された前記第1相関係数が所定閾値よりも小さい前記イベントを、前記イベント情報の対象から除外するフィルタ部と、をさらに備えることを特徴とする付記1または2記載の契約違反予測システム。
(付記4)前記イベント情報を参照し、各前記イベント間の第2相関係数を算出する第2の相関係数算出部と、前記第2の相関係数算出部により算出された前記第2相関係数が第2の所定閾値よりも大きい場合に、当該第2相関係数に対応する2つの前記イベントのうち、前記相関係数算出部により算出された前記第1相関係数が小さい方の前記イベントを、前記イベント情報の対象から除外する第2のフィルタ部と、をさらに備えることを特徴とする付記3記載の契約違反予測システム。
(付記5)前記確率分布は、正規分布であることを特徴とする付記1〜4のいずれかに記載の契約違反予測システム。
(付記6)サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出ステップと、前記確率分布算出ステップにおいて算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出ステップと、前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出ステップと、前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出ステップと、を含むことを特徴とする契約違反予測方法。
(付記7)付記6に記載の各ステップをコンピュータに実行させるための契約違反予測プログラム。
この出願は、2010年6月9日に出願された日本出願特願2010−132300を基礎とする優先権を主張し、その開示の全てをここに取り込む。
本発明に係る契約違反予測システム、契約違反予測方法および契約違反予測プログラムは、サービスレベル契約違反の予測精度を向上させることに適している。
1…契約違反予測システム、10…モニタ部、20…SLA違反確率計算部、21…確率分布算出部、22…確率算出部、23…SLA分布算出部、24…違反発生確率算出部、241…イベント確率検索部、242…SLA確率算出部、243…複合確率統合部、30…表示部、40…検定部、50…相関分析部、51…イベント種類フィルタ部、90…管理対象システム、L1…学習用イベントログ、L2…学習用SLAログ、L3…検査対象イベントログ、L4…検査対象SLAログ、L5…イベント種類リスト、L6…確率分布表、L7…SLAリスト、L8…違反確率表、L9…SLA確率分布表、L10…危険率リスト、L11…相関一覧表。
Claims (7)
- サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出部と、
前記確率分布算出部により算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出部と、
前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出部と、
前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出部と、
を備えることを特徴とする契約違反予測システム。 - 前記確率分布算出部により算出される前記確率分布が、所定の分布であるか否かを検定する検定部を、さらに備え、
前記確率分布算出部は、前記検定部により前記所定の分布であると判定された前記確率分布に対応する前記イベント情報および前記計測値情報に基づいて、前記確率分布を算出することを特徴とする請求項1記載の契約違反予測システム。 - 前記計測値情報を参照し、前記イベントごとに、当該イベント発生時の計測値と、当該イベントの発生から所定時間経過後までの間の前記計測値の変動値との間の第1相関係数を算出する相関係数算出部と、
前記相関係数算出部により算出された前記第1相関係数が所定閾値よりも小さい前記イベントを、前記イベント情報の対象から除外するフィルタ部と、
をさらに備えることを特徴とする請求項1または2記載の契約違反予測システム。 - 前記イベント情報を参照し、各前記イベント間の第2相関係数を算出する第2の相関係数算出部と、
前記第2の相関係数算出部により算出された前記第2相関係数が第2の所定閾値よりも大きい場合に、当該第2相関係数に対応する2つの前記イベントのうち、前記相関係数算出部により算出された前記第1相関係数が小さい方の前記イベントを、前記イベント情報の対象から除外する第2のフィルタ部と、
をさらに備えることを特徴とする請求項3記載の契約違反予測システム。 - 前記確率分布は、正規分布であることを特徴とする請求項1〜4のいずれか1項に記載の契約違反予測システム。
- サービスレベル契約の対象システムで発生するイベントに関するイベント情報、およびサービスレベル契約に含まれるサービス項目の計測値に関する計測値情報に基づいて、前記イベントごとに前記計測値の確率分布を算出する確率分布算出ステップと、
前記確率分布算出ステップにおいて算出された前記確率分布および前記サービス項目の契約閾値を参照し、前記イベントごとに、サービスレベル契約の違反に該当する確率およびサービスレベル契約の違反に該当しない確率をそれぞれ算出する確率算出ステップと、
前記計測値情報を参照し、イベント発生から所定時間経過後までの間にサービスレベル契約の違反に該当する前記計測値の確率密度、およびイベント発生から前記所定時間経過後までの間にサービスレベル契約の違反に該当しない前記計測値の確率密度をそれぞれ算出する確率密度算出ステップと、
前記イベントが発生したときに、当該イベントに対応する各前記確率および当該イベント発生時の前記計測値に対応する各前記確率密度を用い、当該イベント発生から前記所定時間以内に前記契約違反が発生する確率を算出する違反発生確率算出ステップと、
を含むことを特徴とする契約違反予測方法。 - 請求項6に記載の各ステップをコンピュータに実行させるための契約違反予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012519325A JP5768983B2 (ja) | 2010-06-09 | 2011-05-20 | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010132300 | 2010-06-09 | ||
JP2010132300 | 2010-06-09 | ||
JP2012519325A JP5768983B2 (ja) | 2010-06-09 | 2011-05-20 | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム |
PCT/JP2011/061673 WO2011155308A1 (ja) | 2010-06-09 | 2011-05-20 | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2011155308A1 true JPWO2011155308A1 (ja) | 2013-08-01 |
JP5768983B2 JP5768983B2 (ja) | 2015-08-26 |
Family
ID=45097917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012519325A Active JP5768983B2 (ja) | 2010-06-09 | 2011-05-20 | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9396432B2 (ja) |
JP (1) | JP5768983B2 (ja) |
WO (1) | WO2011155308A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5768983B2 (ja) * | 2010-06-09 | 2015-08-26 | 日本電気株式会社 | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム |
JP2014106851A (ja) * | 2012-11-29 | 2014-06-09 | Fujitsu Ltd | 情報処理装置、情報処理方法及びプログラム |
US20160283304A1 (en) * | 2013-12-20 | 2016-09-29 | Hitachi, Ltd. | Performance prediction method, performance prediction system and program |
US11048608B2 (en) * | 2015-03-17 | 2021-06-29 | Vmware, Inc. | Probability-distribution-based log-file analysis |
US10116675B2 (en) * | 2015-12-08 | 2018-10-30 | Vmware, Inc. | Methods and systems to detect anomalies in computer system behavior based on log-file sampling |
EP3446261A1 (en) * | 2016-04-21 | 2019-02-27 | Telefonaktiebolaget LM Ericsson (PUBL) | Predicting timely completion of a work order |
US11347373B2 (en) * | 2016-10-05 | 2022-05-31 | Vmware, Inc. | Methods and systems to sample event messages |
US10810103B2 (en) * | 2016-12-14 | 2020-10-20 | Vmware, Inc. | Method and system for identifying event-message transactions |
US11277317B2 (en) * | 2019-08-05 | 2022-03-15 | International Business Machines Corporation | Machine learning to predict quality-of-service needs in an operational data management system |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5538897A (en) * | 1994-03-14 | 1996-07-23 | University Of Washington | Use of mass spectrometry fragmentation patterns of peptides to identify amino acid sequences in databases |
US7145898B1 (en) * | 1996-11-18 | 2006-12-05 | Mci Communications Corporation | System, method and article of manufacture for selecting a gateway of a hybrid communication system architecture |
US5867494A (en) * | 1996-11-18 | 1999-02-02 | Mci Communication Corporation | System, method and article of manufacture with integrated video conferencing billing in a communication system architecture |
GB9909436D0 (en) * | 1999-04-23 | 1999-06-23 | Pact | Routing device |
US6321179B1 (en) * | 1999-06-29 | 2001-11-20 | Xerox Corporation | System and method for using noisy collaborative filtering to rank and present items |
US6460001B1 (en) * | 2000-03-29 | 2002-10-01 | Advantest Corporation | Apparatus for and method of measuring a peak jitter |
IL157501A0 (en) | 2001-02-20 | 2004-03-28 | Associates International Inc C | System and method for monitoring service provider achievements |
US20040136379A1 (en) * | 2001-03-13 | 2004-07-15 | Liao Raymond R | Method and apparatus for allocation of resources |
JP2003150723A (ja) | 2001-11-14 | 2003-05-23 | Nippon Telegr & Teleph Corp <Ntt> | サービスプロバイダのsla違反検出及び返金処理方法及びシステム |
EP1335535A1 (en) * | 2002-01-31 | 2003-08-13 | BRITISH TELECOMMUNICATIONS public limited company | Network service selection |
JP2005523533A (ja) | 2002-04-19 | 2005-08-04 | コンピュータ アソシエイツ シンク,インコーポレイテッド | 混合型数字及び/又は非数字データの処理 |
US7444310B2 (en) | 2002-04-19 | 2008-10-28 | Computer Associates Think, Inc. | Automatic model maintenance through local nets |
WO2003090147A2 (en) | 2002-04-19 | 2003-10-30 | Computer Associates Think, Inc. | Method and apparatus for discovering evolutionary changes within a system |
US7777743B2 (en) | 2002-04-19 | 2010-08-17 | Computer Associates Think, Inc. | Viewing multi-dimensional data through hierarchical visualization |
JP2005011892A (ja) * | 2003-06-17 | 2005-01-13 | Matsushita Electric Ind Co Ltd | Lsiの設計マージンの設定方法 |
US7313533B2 (en) | 2003-07-11 | 2007-12-25 | International Business Machines Corporation | Systems and methods for monitoring and controlling business level service level agreements |
US8346909B2 (en) * | 2004-01-22 | 2013-01-01 | International Business Machines Corporation | Method for supporting transaction and parallel application workloads across multiple domains based on service level agreements |
US8041797B2 (en) * | 2004-03-31 | 2011-10-18 | International Business Machines Corporation | Apparatus and method for allocating resources based on service level agreement predictions and associated costs |
US8417499B2 (en) * | 2004-03-31 | 2013-04-09 | International Business Machines Corporation | Enabling real-time testing of on-demand infrastructure to predict service level agreement compliance |
US20060015593A1 (en) * | 2004-06-17 | 2006-01-19 | International Business Machines Corporation | Three dimensional surface indicating probability of breach of service level |
FR2872977B1 (fr) | 2004-07-08 | 2006-10-13 | Gemplus Sa | Procede de contre-mesure dans un composant electronique mettant en oeuvre un algorithme a cle publique utilisant les courbes elliptiques permettant la protection du calcul de couplage sur les dites courbes |
SG121921A1 (en) | 2004-11-02 | 2006-05-26 | Soon Seah Toh | Network management appliance |
JP4941296B2 (ja) | 2005-03-31 | 2012-05-30 | 日本電気株式会社 | 移動通信のサービスレベル管理システム |
US7957413B2 (en) | 2005-04-07 | 2011-06-07 | International Business Machines Corporation | Method, system and program product for outsourcing resources in a grid computing environment |
US7546039B1 (en) * | 2005-11-28 | 2009-06-09 | At&T Intellectual Property, Ii, L.P. | Systems, devices, and methods for controlling outage probabilities |
US20070239496A1 (en) * | 2005-12-23 | 2007-10-11 | International Business Machines Corporation | Method, system and computer program for operational-risk modeling |
US8713513B2 (en) * | 2006-12-13 | 2014-04-29 | Infosys Limited | Evaluating programmer efficiency in maintaining software systems |
JP4982216B2 (ja) | 2007-03-14 | 2012-07-25 | 株式会社日立製作所 | ポリシ作成支援方法、ポリシ作成支援システム、およびプログラム |
US20090076859A1 (en) * | 2007-12-12 | 2009-03-19 | Peter Phillips | System and method for hedging portfolios of variable annuity liabilities |
JP5088411B2 (ja) * | 2008-05-27 | 2012-12-05 | 富士通株式会社 | システム運用管理支援プログラム,方法及び装置 |
JP5768983B2 (ja) * | 2010-06-09 | 2015-08-26 | 日本電気株式会社 | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム |
-
2011
- 2011-05-20 JP JP2012519325A patent/JP5768983B2/ja active Active
- 2011-05-20 WO PCT/JP2011/061673 patent/WO2011155308A1/ja active Application Filing
- 2011-05-20 US US13/702,017 patent/US9396432B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP5768983B2 (ja) | 2015-08-26 |
WO2011155308A1 (ja) | 2011-12-15 |
US9396432B2 (en) | 2016-07-19 |
US20130080367A1 (en) | 2013-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5768983B2 (ja) | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム | |
JP6394726B2 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
US7693982B2 (en) | Automated diagnosis and forecasting of service level objective states | |
EP2759938B1 (en) | Operations management device, operations management method, and program | |
US10747188B2 (en) | Information processing apparatus, information processing method, and, recording medium | |
EP2814218A1 (en) | Detecting anomalies in work practice data by combining multiple domains of information | |
JP4282717B2 (ja) | 定期点検データ分析装置およびその方法 | |
JP5418610B2 (ja) | 障害原因抽出装置、障害原因抽出方法およびプログラム記憶媒体 | |
US20160378583A1 (en) | Management computer and method for evaluating performance threshold value | |
JP2010526352A (ja) | 統計的な分析を利用した性能障害管理システム及びその方法 | |
CN107992410B (zh) | 软件质量监测方法、装置、计算机设备和存储介质 | |
US8918345B2 (en) | Network analysis system | |
JP4573179B2 (ja) | 性能負荷異常検出システム、性能負荷異常検出方法、及びプログラム | |
US20100131952A1 (en) | Assistance In Performing Action Responsive To Detected Event | |
WO2016136198A1 (ja) | システム監視装置、システム監視方法、及び、システム監視プログラムが記録された記録媒体 | |
JP5387779B2 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
EP2690559B1 (en) | Operation administration system, operation administration method, and program | |
JPWO2014132611A1 (ja) | システム分析装置、及び、システム分析方法 | |
Wang | An imperfect software debugging model considering irregular fluctuation of fault introduction rate | |
EP3588395A1 (en) | Management device, management method, and program | |
JP2011170518A (ja) | 状態監視装置及び方法 | |
CN110458713B (zh) | 模型监控方法、装置、计算机设备及存储介质 | |
JP2014153736A (ja) | 障害予兆検出方法、プログラムおよび装置 | |
CN112685390B (zh) | 数据库实例管理方法及装置、计算设备 | |
WO2012070475A1 (ja) | 情報処理装置、情報処理方法、並びに情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140409 |
|
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: 20150527 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150609 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5768983 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |