JPWO2014132612A1 - システム分析装置、及び、システム分析方法 - Google Patents

システム分析装置、及び、システム分析方法 Download PDF

Info

Publication number
JPWO2014132612A1
JPWO2014132612A1 JP2015502762A JP2015502762A JPWO2014132612A1 JP WO2014132612 A1 JPWO2014132612 A1 JP WO2014132612A1 JP 2015502762 A JP2015502762 A JP 2015502762A JP 2015502762 A JP2015502762 A JP 2015502762A JP WO2014132612 A1 JPWO2014132612 A1 JP WO2014132612A1
Authority
JP
Japan
Prior art keywords
correlation function
correlation
metric
pair
function
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
Application number
JP2015502762A
Other languages
English (en)
Other versions
JP6183450B2 (ja
Inventor
昌尚 棗田
昌尚 棗田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2014132612A1 publication Critical patent/JPWO2014132612A1/ja
Application granted granted Critical
Publication of JP6183450B2 publication Critical patent/JP6183450B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/006—Identification
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Hardware Design (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Debugging And Monitoring (AREA)

Abstract

不変関係分析において、異常の検出能力が高い相関モデルを生成する。システム分析装置（１００）は、相関関数記憶部（１０２２）、及び、相関関数抽出部（１０２３）を含む。相関関数記憶部（１０２２）は、システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶する。相関関数抽出部（１０２３）は、複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、メトリックのペアの相関関数として抽出する。

Description

本発明は、システム分析装置、及び、システム分析方法に関する。
システム性能の時系列情報を用いて、システムのモデル化を行い、生成されたモデルを用いてそのシステムの障害や異常等の要因を判定する運用管理システムの一例が特許文献１に記載されている。
特許文献１に記載の運用管理システムは、システムの複数のメトリックの計測値をもとに、複数のメトリックの内の各ペアの相関関係を表す相関関数を決定することにより、システムの相関モデルを生成する。そして、この運用管理システムは、生成された相関モデルを用いて、相関関係の破壊（相関破壊）を検出し、相関破壊をもとにシステムの障害要因を判定する。このように、相関破壊をもとにシステムの状態を分析する技術は、不変関係分析と呼ばれる。
なお、関連技術として、特許文献２には、プロセスの複数点の物理量が基準点から変化した場合に、点間の相関関係をもとに、障害点を判定する方法が開示されている。
特許第４８７２９４４号公報 特開昭６３−５１９３６号公報
特許文献１の不変関係分析においては、メトリックｙ、ｕのペアに対して、メトリックｙを予測する相関関数ｆ（ｙ，ｕ）が決定される。ここで、相関関数ｆ（ｙ，ｕ）により予測されるメトリックｙを目的メトリック、他方のメトリックｕを非目的メトリックと呼ぶ。相関関数ｆ（ｙ，ｕ）は、例えば、予測精度（フィットネス）の値が最大となるように、決定される。
しかしながら、予測精度をもとに相関関数ｆ（ｙ，ｕ）を決定しても、非目的メトリックや目的メトリックの異常が目的メトリックの予測値に与える影響が小さく、異常の検出能力が低い相関関数ｆ（ｙ，ｕ）が生成される場合がある。
図９は、異常の検出能力が低い相関関数の例を示す図である。図９の例では、相関関数が自己回帰モデルに近く、非目的メトリックｕの異常が目的メトリックｙの予測値に与える影響が小さい。このため、ケース２のように、非目的メトリックｕに異常が発生しても、予測誤差が閾値を超えず、相関破壊が発生しないため、メトリックｕの異常を検出できないことがある。
図１０は、異常の検出能力が低い相関関数の他の例を示す図である。図１０の例では、相関関数における目的メトリックｙの過去の時系列の加減算の結果、目的メトリックｙの異常が目的メトリックｙの予測値に与える影響が小さい。このため、ケース２のように、目的メトリックｙに異常が発生しても、予測誤差が閾値を超えず、相関破壊が発生しないため、メトリックｙの異常を検出できないことがある。
本発明の目的は、上述の課題を解決し、不変関係分析において、異常の検出能力が高い相関モデルを生成できるシステム分析装置、及び、システム分析方法を提供することである。
本発明の一態様におけるシステム分析装置は、システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶する、相関関数記憶手段と、前記複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、前記メトリックのペアの相関関数として抽出する、相関関数抽出手段と、を備える。
本発明の一態様におけるシステム分析方法は、システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶し、前記複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、前記メトリックのペアの相関関数として抽出する。
本発明の一態様におけるコンピュータが読み取り可能な記録媒体は、コンピュータに、システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶し、前記複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、前記メトリックのペアの相関関数として抽出する、処理を実行させるプログラムを格納する。
本発明の効果は、不変関係分析において、異常の検出能力が高い相関モデルを生成できることである。
本発明の第１の実施の形態の特徴的な構成を示すブロック図である。 本発明の第１の実施の形態における、システム分析装置１００の構成を示すブロック図である。 本発明の第１の実施の形態における、システム分析装置１００の動作を示すフローチャートである。 本発明の第１の実施の形態における、相関関数の抽出例を示す図である。 本発明の第１の実施の形態における、相関モデル１２２の例を示す図である。 本発明の第２の実施の形態における、相関関数の抽出例を示す図である。 本発明の第２の実施の形態における、相関関数の他の抽出例を示す図である。 本発明の第２の実施の形態における、相関関数の他の抽出例を示す図である。 異常の検出能力が低い相関関数の例を示す図である。 異常の検出能力が低い相関関数の他の例を示す図である。
ここでは、ＩＴ（Information Technology）システムの不変関係分析を例に、実施の形態を説明する。
（第１の実施の形態）
本発明の第１の実施の形態について説明する。
はじめに、本発明の第１の実施の形態の構成について説明する。図２は、本発明の第１の実施の形態における、システム分析装置１００の構成を示すブロック図である。
図２を参照すると、本発明の第１の実施の形態におけるシステム分析装置１００は、１以上の被監視装置２００を含む被監視システムと接続される。被監視装置２００は、各種サーバ装置やネットワーク装置等、ＩＴシステムを構成する装置である。
被監視装置２００は、被監視装置２００の複数種目の性能値の実測データ（計測値）を一定間隔毎に計測し、システム分析装置１００へ送信する。性能値の種目として、例えば、ＣＰＵ（Central Processing Unit）使用率、メモリ使用率、ディスクアクセス頻度等、コンピュータリソースやネットワークリソースの使用率や使用量が用いられる。
ここで、被監視装置２００と性能値の種目の組をメトリック（性能指標）とし、同一時刻に計測された複数のメトリックの値の組を性能情報とする。メトリックは、整数や小数の数値より表される。ここで、各性能値は正規化されていることが望ましい。正規化の方法としては、例えば、平均が０、分散が１になるよう変換する方法や、最大値が１、最小値が−１となるように変換する方法がある。また、メトリックは、特許文献１における相関モデルの生成対象である「要素」に相当する。
システム分析装置１００は、被監視装置２００から収集した性能情報をもとに、被監視装置２００の相関モデル１２２を生成し、生成した相関モデル１２２を用いて検出された相関破壊をもとに、被監視装置２００の状態を分析する。
システム分析装置１００は、性能情報収集部１０１、相関モデル生成部１０２、相関破壊検出部１０３、異常要因抽出部１０４、性能情報記憶部１１１、相関モデル記憶部１１２、及び、相関破壊記憶部１１３を含む。
性能情報収集部１０１は、被監視装置２００から性能情報を収集する。
性能情報記憶部１１１は、性能情報収集部１０１が収集した性能情報の時系列変化を、性能系列情報として記憶する。
相関モデル生成部１０２は、性能系列情報をもとに、被監視システムの相関モデル１２２を生成する。ここで、相関モデル１２２は、メトリックの各ペア（対）の相関関係を表す相関関数（または、予測式）を含む。
相関モデル生成部１０２は、相関関数生成部１０２１、相関関数記憶部１０２２、及び、相関関数抽出部１０２３を含む。
相関関数生成部１０２１は、メトリックの各ペアについて、複数の相関関数を生成する。相関関数は、メトリックのペアの内の一方の値を、ペアの両方の時系列、または、他方の時系列から予測する関数である。以下、メトリックのペアの内、相関関数により予測されるメトリックを目的メトリック、他方のメトリックを非目的メトリックと呼ぶ。
相関関数生成部１０２１は、特許文献１の運用管理装置と同様に、所定のモデル化期間の性能情報に対するシステム同定処理により、メトリックｙ（ｔ）、ｕ（ｔ）のペアに対して、数１式のように相関関数ｆ（ｙ，ｕ）を決定する。ここで、メトリックｙ（ｔ）、ｕ（ｔ）が、それぞれ、目的メトリック、非目的メトリックである。ａｎ（ｎ＝１〜Ｎ）、ｂｍ（ｍ＝０〜Ｍ）は、それぞれ、ｙ（ｔ−ｎ）、ｕ（ｔ−Ｋ−ｍ）に乗じられる係数である。
Figure 2014132612
相関関数生成部１０２１は、メトリックの各ペアについて、例えば、数１式におけるパラメータＮ、Ｋ、Ｍの所定の複数の組み合わせに対して、相関関数を生成する。
相関関数記憶部１０２２は、相関関数生成部１０２１が生成した相関関数を、相関モデル１２２に設定する相関関数の候補として記憶する。
図４は、本発明の第１の実施の形態における、相関関数の抽出例を示す図である。図４の例では、メトリックＡ、Ｂのペアに対して、パラメータＫ、Ｍの組み合わせが異なる、メトリックＡを目的メトリックとする相関関数ｆ１（Ａ，Ｂ）、ｆ２（Ａ，Ｂ）、ｆ３（Ａ，Ｂ）が生成されている。また、メトリックＢを目的メトリックとする相関関数ｆ４（Ｂ，Ａ）、ｆ５（Ｂ，Ａ）、ｆ６（Ｂ，Ａ）が生成されている。なお、図４の例では、簡単のため、相関関数において非目的メトリックに乗じられる係数ｂｍのみが示され、目的メトリックに乗じられる係数ａｎは省略されている。
相関関数抽出部１０２３は、メトリックの各ペアに対する複数の相関関数の候補の中から、相関モデル１２２に設定する相関関数を抽出する。
ここで、相関関数抽出部１０２３は、相関関数の検出感度が他の相関関数に比べて大きい相関関数を抽出する。検出感度は、相関関数に係るメトリックの異常の予測値への影響の大きさ、すなわち、メトリックの異常時の相関関係における相関破壊の発生しやすさを示す。
ここで、本発明の第１の実施の形態における、検出感度の算出方法について説明する。
相関関係が上述の数１式のような相関関数で表される場合、メトリックのペアの内のいずれかに係る物理的な故障が発生すると、相関関数の目的メトリックの予測値の予測誤差は、正または負のいずれかの方向に大きくなる傾向がある。この場合、メトリックの異常時の相関関係における相関破壊の発生しやすさは、当該相関関係を表す相関関数の係数の和で近似的に表すことができる。
ただし、相関関数の係数の和が大きい相関関数を選択すれば、相関破壊が発生しやすい相関関数を抽出できるが、予測誤差が大きい相関関数が抽出される可能性がある。そこで、本発明の第１の実施の形態では、相関関数の係数の和を予測誤差の大きさで規格化した値を検出感度と定義する。
例えば、メトリックｙ、ｕのペアに対して、数１式の相関関数ｆ（ｙ，ｕ）が定義されている場合、検出感度は以下のように算出される。目的メトリックｙに対する検出感度Ｓｙは、数２式のように、相関関数ｆ（ｙ，ｕ）における目的メトリックｙに乗じる係数の和を予測誤差の大きさで除することにより算出される。また、非目的メトリックｕに対する検出感度Ｓｕは、数３式のように、相関関数ｆ（ｙ，ｕ）におけるメトリックｕに乗じる係数の和を予測誤差の大きさで除することにより算出される。
Figure 2014132612
Figure 2014132612
ここで、ＰＥは、相関関数ｆ（ｙ，ｕ）による予測誤差の大きさを示す。ＰＥの値は、例えば、相関関数生成部１０２１により、モデル化期間の性能情報に対する予測誤差の最大値や、標準偏差をもとに決定される。
例えば、図４において、相関関数ｆ２（Ａ，Ｂ）の非目的メトリックＢに対する検出感度は、非目的メトリックＢに乗じられる係数ｂ０（=0）、ｂ１（=1.46）、ｂ２（=1.23）、ｂ３（=0）、及び、予測誤差の大きさＰＥ（=39）を用いて、数３式により0.069と算出される。
なお、目的メトリックｙに対する検出感度Ｓｙと非目的メトリックｕに対する検出感度Ｓｕには相関がある。このため、検出感度Ｓｙ、Ｓｕのいずれを用いても、目的メトリックｙまたは非目的メトリックｕの異常時に相関破壊が発生しやすい相関関数を抽出できる。しかしながら、本発明の第１の実施の形態においては、図９で示した、相関関数が自己回帰モデルに近い問題の低減により効果的な、非目的メトリックｕに対する検出感度Ｓｕを用いて相関関数を抽出する。
相関関数抽出部１０２３は、抽出した相関関数を、相関モデル１２２に設定する。
図５は、本発明の第１の実施の形態における、相関モデル１２２の例を示す図である。図５において、相関モデル１２２は、ノードと矢印を含むグラフで示される。ここで、各ノードはメトリックを示し、メトリック間の矢印は相関関係を示す。また、矢印の先のメトリックが、目的メトリックに対応する。
図５の相関モデル１２２では、装置識別子Ａ〜Ｄの被監視装置２００の各々に１つのメトリック（以下、メトリックＡ〜Ｄとする）が存在し、メトリックＡ〜Ｄの内のペア毎に、相関関数が定義されている。
相関モデル記憶部１１２は、相関モデル生成部１０２が生成した相関モデル１２２を記憶する。
相関破壊検出部１０３は、新たに入力された性能情報について、相関モデル１２２に含まれる相関関係の相関破壊を検出する。
ここで、相関破壊検出部１０３は、特許文献１の運用管理装置と同様に、メトリックの各ペア（対）について、相関破壊を検出する。相関破壊検出部１０３は、メトリックの計測値を相関関数に入力して得られた目的メトリックの予測値と、当該目的メトリックの計測値との差分（予測誤差）が所定の閾値以上の場合、当該ペアの相関関係の相関破壊として検出する。
相関破壊記憶部１１３は、相関破壊が検出された相関関係を示す相関破壊情報を記憶する。
異常要因抽出部１０４は、相関破壊情報をもとに、異常が発生したメトリック（異常要因メトリック）の候補を抽出する。ここで、異常要因抽出部１０４は、例えば、特許文献１の運用管理装置と同様に、各メトリックにおける相関破壊の数や割合をもとに、異常要因メトリックの候補を抽出する。
なお、システム分析装置１００は、ＣＰＵとプログラムを記憶した記憶媒体を含み、プログラムに基づく制御によって動作するコンピュータであってもよい。また、性能情報記憶部１１１、相関関数記憶部１０２２、相関モデル記憶部１１２、及び、相関破壊記憶部１１３は、それぞれ個別の記憶媒体でも、１つの記憶媒体によって構成されてもよい。
次に、本発明の第１の実施の形態におけるシステム分析装置１００の動作について説明する。
図３は、本発明の第１の実施の形態における、システム分析装置１００の動作を示すフローチャートである。
はじめに、システム分析装置１００の性能情報収集部１０１は、被監視装置２００から性能情報を収集し、性能情報記憶部１１１に保存する（ステップＳ１０１）。
例えば、性能情報収集部１０１は、メトリックＡ〜Ｄの性能情報を収集する。
相関モデル生成部１０２の相関関数生成部１０２１は、性能情報記憶部１１１の性能系列情報を参照し、メトリックのペアを１つ選択する（ステップＳ１０２）。
相関関数生成部１０２１は、管理者等により指定された所定のモデル化期間の性能情報をもとに、メトリックの各ペアについて複数の相関関数を生成する（ステップＳ１０３）。相関関数生成部１０２１は、生成した相関関数を、相関関数記憶部１０２２に保存する。
例えば、相関関数抽出部１０２３は、メトリックＡ、Ｂのペアについて、図４のように、相関関数ｆ１（Ａ，Ｂ）、ｆ２（Ａ，Ｂ）、ｆ３（Ａ，Ｂ）、ｆ４（Ｂ，Ａ）、ｆ５（Ｂ，Ａ）、ｆ６（Ｂ，Ａ）を生成する。
相関関数抽出部１０２３は、相関関数生成部１０２１が生成した複数の相関関数のそれぞれについて、数３式により、非目的メトリックに対する検出感度を算出する。そして、相関関数抽出部１０２３は、算出した検出感度が他の相関関数より大きい相関関数を、相関モデル１２２に設定する相関関数として抽出する（ステップＳ１０４）。
例えば、相関関数抽出部１０２３は、メトリックＡ、Ｂのペアの各相関関数について、図４のように、非目的メトリックに対する検出感度を算出する。そして、相関関数抽出部１０２３は、図４のように、非目的メトリックに対する検出感度が最大（=0.069）の相関関数ｆ２（Ａ，Ｂ）を、相関モデル１２２に設定する相関関数として抽出する。
相関関数抽出部１０２３は、メトリックの全てのペアについて、ステップＳ１０２からの処理を繰り返す（ステップＳ１０５）。
相関関数抽出部１０２３は、抽出した相関関数を、相関モデル１２２に設定する。
例えば、相関関数抽出部１０２３は、図５のように、メトリックＡ〜Ｄの内の各ペアについて、相関関数を抽出する。
相関破壊検出部１０３は、性能情報収集部１０１により新たに収集された性能情報を用いて、相関モデル１２２に含まれる相関関係の相関破壊を検出し、相関破壊情報を生成する（ステップＳ１０６）。相関破壊検出部１０３は、相関破壊情報を相関破壊記憶部１１３に保存する。
異常要因抽出部１０４は、相関破壊情報をもとに、異常要因メトリックの候補を抽出する（ステップＳ１０７）。
以上により、本発明の第１の実施の形態の動作が完了する。
次に、本発明の第１の実施の形態の特徴的な構成を説明する。図１は、本発明の第１の実施の形態の特徴的な構成を示すブロック図である。
図１を参照すると、システム分析装置１００は、相関関数記憶部１０２２、及び、相関関数抽出部１０２３を含む。
相関関数記憶部１０２２は、システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶する。
相関関数抽出部１０２３は、複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、メトリックのペアの相関関数として抽出する。
本発明の第１の実施の形態によれば、不変関係分析において、異常の検出能力が高い相関モデルを生成できる。その理由は、相関関数抽出部１０２３が、複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、メトリックのペアの相関関数として抽出するためである。
（第２の実施の形態）
次に、本発明の第２の実施の形態について説明する。
本発明の第２の実施の形態においては、相関関数抽出部１０２３が、相関関数の検出感度に加えて、予測精度（フィットネス）を用いて相関関数を抽出する点において、本発明の第１の実施の形態と異なる。
本発明の第２の実施の形態におけるシステム分析装置１００の構成は、本発明の第１の実施の形態（図２）と同様となる。
相関関数抽出部１０２３は、相関関数の検出感度、及び、予測精度を用いて相関関数を抽出する。ここで、相関関数の予測精度は、例えば、相関関数生成部１０２１により、数４式により算出される。
Figure 2014132612
次に、本発明の第２の実施の形態におけるシステム分析装置１００の動作について説明する。
本発明の第２の実施の形態の動作は、相関関数抽出部１０２３による相関関数の抽出処理（図３のステップＳ１０４）を除いて、本発明の第１の実施の形態と同様となる。
図６、図７、図８は、本発明の第２の実施の形態における、相関関数の抽出例を示す図である。図６、図７、図８では、各相関関数について算出された予測精度が追加されている。
図６は、予測精度が閾値以上の相関関数を抽出する場合の例である。
この場合、ステップＳ１０４において、相関関数抽出部１０２３は、相関関数生成部１０２１が生成した複数の相関関数から、予測精度が所定の閾値以上の相関関数を抽出し、抽出した相関関数について、非目的メトリックに対する検出感度を算出する。そして、相関関数抽出部１０２３は、抽出された相関関数の中から、非目的メトリックに対する検出感度が他の相関関数より大きい相関関数を、相関モデル１２２に設定する相関関数として抽出する。
例えば、予測精度の閾値が０．７の場合、相関関数抽出部１０２３は、図６のように、予測精度が０．７以上の相関関数ｆ１（Ａ，Ｂ）、ｆ２（Ａ，Ｂ）、ｆ３（Ａ，Ｂ）、ｆ４（Ｂ，Ａ）を抽出する。そして、相関関数抽出部１０２３は、非目的メトリックに対する検出感度が最大（=0.069）の相関関数ｆ２（Ａ，Ｂ）を、相関モデル１２２に設定する相関関数として抽出する。
図７は、目的メトリックが異なる相関関数のペアから、予測精度を用いて相関関数を抽出する場合の例である。
この場合、ステップＳ１０４において、相関関数抽出部１０２３は、メトリックのペアの各メトリックについて、当該メトリックを目的メトリックとする相関関数から、予測精度が他の相関関数より大きい相関関数を抽出する。そして、相関関数抽出部１０２３は、抽出された相関関数の内、非目的メトリックに対する検出感度が大きい方の相関関数を、相関モデル１２２に設定する相関関数として抽出する。
例えば、図７のように、相関関数抽出部１０２３は、メトリックＡを目的メトリックとする相関関数から、予測精度が最大（=0.79）の相関関数ｆ２（Ａ，Ｂ）を抽出する。また、相関関数抽出部１０２３は、メトリックＢを目的メトリックとする相関関数から、予測精度が最大（=0.81）の相関関数ｆ４（Ｂ，Ａ）を抽出する。そして、相関関数抽出部１０２３は、非目的メトリックに対する検出感度が大きい（=0.069）相関関数ｆ２（Ａ，Ｂ）を、相関モデル１２２に設定する相関関数として抽出する。
図８は、目的メトリックが異なる相関関数のペアから、予測精度を用いて相関関数を抽出する場合の他の例である。
この場合、ステップＳ１０４において、相関関数抽出部１０２３は、メトリックのペアの各メトリックについて、当該メトリックを目的メトリックとする相関関数から、非目的メトリックに対する検出感度が他の相関関数より大きい相関関数を抽出する。そして、相関関数抽出部１０２３は、抽出された相関関数の内、予測精度が大きい方の相関関数を、相関モデル１２２に設定する相関関数として抽出する。
例えば、図８のように、相関関数抽出部１０２３は、メトリックＡを目的メトリックとする相関関数から、非目的メトリックに対する検出感度が最大（=0.069）の相関関数ｆ２（Ａ，Ｂ）を抽出する。また、相関関数抽出部１０２３は、メトリックＢを目的メトリックとする相関関数から、非目的メトリックに対する検出感度が最大（=0.025）の相関関数ｆ４（Ｂ，Ａ）を抽出する。そして、相関関数抽出部１０２３は、予測精度が大きい（=0.81）相関関数ｆ４（Ｂ，Ａ）を、相関モデル１２２に設定する相関関数として抽出する。
また、相関関数抽出部１０２３は、上記の方法を組み合わせた方法により相関関数を抽出してもよい。例えば、相関関数抽出部１０２３は、図６の方法と同様にして抽出された、予測精度が所定の閾値以上の相関関数に対して、図８の方法を適用して、相関関数を抽出してもよい。
以上により、本発明の第２の実施の形態の動作が完了する。
本発明の第２の実施の形態によれば、異常の検出能力が高く、かつ、予測精度の高い相関モデルを生成できる。その理由は、相関関数抽出部１０２３が、相関関数の検出感度に加えて、予測精度を用いて相関関数を抽出するためである。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
例えば、本発明の実施の形態では、相関関数のメトリックに対する検出感度を数２式、数３式により算出しているが、メトリックに乗じる係数に応じて大きい値が得られれば、検出感度を他の方法により決定してもよい。例えば、相関関数抽出部１０２３は、メトリックに乗じる係数とメトリックの計測値を用いて、検出感度を決定してもよい。また、相関関数抽出部１０２３は、一対のメトリックのペアに対して、それぞれが、非目的メトリック、目的メトリックによって変化する定数を用いて、検出感度を決定してもよい。また、メトリックの異常時の相関破壊の発生しやすさを示すことができれば、係数を用いる以外の方法で、検出感度を決定してもよい。
また、本発明の実施の形態では、非目的メトリックに対する検出感度を用いて相関関数を抽出しているが、目的メトリックに対する検出感度用いて相関関数を抽出してもよい。また、非目的メトリックに対する検出感度と目的メトリックに対する検出感度の二乗和を用いる等、両方の検出感度用いて相関関数を抽出してもよい。また、検出感度と予測精度の二乗和を用いるなど、異なる指標を組み合わせた指標によって、相関関数を抽出してもよい。
また、本発明の実施の形態では、一対のメトリックのペアに対して１つの相関関数を抽出しているが、ペアの内の各メトリックを目的メトリックとする相関関数を抽出してもよい。すなわち、一対のメトリックのペアに対して２つの相関関数を抽出してもよい。
また、本発明の実施の形態では、一対のメトリックのペアに対して相関関数があるものとして説明したが、予測精度や検出感度の閾値に基づいて、相関関係の有無を判断してもよい。この場合、相関関係がないと判断されたメトリックのペアについては、相関関数の抽出は行わない、または、相関破壊の検出や異常要因の候補の抽出を行わないようにしてもよい。
また、本発明の実施の形態では、被監視システムを、サーバ装置やネットワーク装置等を被監視装置２００として含むＩＴシステムとした。しかしながら、被監視システムの相関モデルを生成し、相関破壊により異常要因を判定できれば、被監視システムは他のシステムでもよい。例えば、被監視システムは、プラントシステム、構造物、輸送機器等であってもよい。この場合、システム分析装置１００は、例えば、各種センサの値をメトリックとして相関モデル１２２を生成し、相関破壊の検出、異常要因の候補の抽出を行う。
この出願は、２０１３年２月２６日に出願された日本出願特願２０１３−０３５７８５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。
本発明は、相関モデル上で検出された相関破壊によりシステムの異常や障害の要因を判定する、不変関係分析に適用できる。
１００ システム分析装置
１０１ 性能情報収集部
１０２ 相関モデル生成部
１０２１ 相関関数生成部
１０２２ 相関関数記憶部
１０２３ 相関関数抽出部
１０３ 相関破壊検出部
１０４ 異常要因抽出部
１１１ 性能情報記憶部
１１２ 相関モデル記憶部
１１３ 相関破壊記憶部
１２２ 相関モデル
２００ 被監視装置

Claims (18)

  1. システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶する、相関関数記憶手段と、
    前記複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、前記メトリックのペアの相関関数として抽出する、相関関数抽出手段と、
    を備えるシステム分析装置。
  2. 相関関数抽出手段は、前記複数の相関関数の候補の中から、前記検出感度が他の相関関数に比べて大きい相関関数を、前記メトリックのペアの相関関数として抽出する、
    請求項１に記載のシステム分析装置。
  3. 前記メトリックのペアの相関関数は、当該メトリックのペアの一方のメトリックの値を当該ペアの両方の時系列、または、当該ペアの他方の時系列から予測する関数であり、
    前記相関関数に係るメトリックに対する当該相関関数の検出感度は、当該相関関数において当該メトリックに乗じる係数に応じて大きくなるように決定される、
    請求項１または２に記載のシステム分析装置。
  4. 前記相関関数に係るメトリックに対する当該相関関数の検出感度は、さらに、当該相関関数の予測誤差に応じて小さくなるように決定される、
    請求項３に記載のシステム分析装置。
  5. 前記相関関数抽出手段は、前記複数の相関関数の候補の中の予測精度が所定値以上の相関関数の中から、前記相関関数を抽出する、
    請求項１乃至４のいずれかに記載のシステム分析装置。
  6. さらに、
    前記抽出された前記メトリックのペアの相関関数を用いて、当該メトリックのペアの相関関係における相関破壊を検出する相関破壊検出手段と、
    前記相関破壊が検出された相関関係をもとに、異常要因の候補のメトリックを抽出する、異常要因抽出手段と、を備える
    請求項１乃至５のいずれかに記載のシステム分析装置。
  7. システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶し、
    前記複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、前記メトリックのペアの相関関数として抽出する、
    システム分析方法。
  8. 前記メトリックのペアの相関関数を抽出する場合、前記複数の相関関数の候補の中から、前記検出感度が他の相関関数に比べて大きい相関関数を、前記メトリックのペアの相関関数として抽出する、
    請求項７に記載のシステム分析方法。
  9. 前記メトリックのペアの相関関数は、当該メトリックのペアの一方のメトリックの値を当該ペアの両方の時系列、または、当該ペアの他方の時系列から予測する関数であり、
    前記相関関数に係るメトリックに対する当該相関関数の検出感度は、当該相関関数において当該メトリックに乗じる係数に応じて大きくなるように決定される、
    請求項７または８に記載のシステム分析方法。
  10. 前記相関関数に係るメトリックに対する当該相関関数の検出感度は、さらに、当該相関関数の予測誤差に応じて小さくなるように決定される、
    請求項９に記載のシステム分析方法。
  11. 前記メトリックのペアの相関関数を抽出する場合、前記複数の相関関数の候補の中の予測精度が所定値以上の相関関数の中から、前記相関関数を抽出する、
    請求項７乃至１０のいずれかに記載のシステム分析方法。
  12. さらに、
    前記抽出された前記メトリックのペアの相関関数を用いて、当該メトリックのペアの相関関係における相関破壊を検出し、
    前記相関破壊が検出された相関関係をもとに、異常要因の候補のメトリックを抽出する、
    請求項７乃至１１のいずれかに記載のシステム分析方法。
  13. コンピュータに、
    システムにおけるメトリックのペアの相関関係を表す相関関数の候補を複数記憶し、
    前記複数の相関関数の候補の中から、相関関数に係るメトリックの異常時の相関破壊の発生しやすさを示す検出感度をもとに、一つの相関関数を、前記メトリックのペアの相関関数として抽出する、
    処理を実行させるプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  14. 前記メトリックのペアの相関関数を抽出する場合、前記複数の相関関数の候補の中から、前記検出感度が他の相関関数に比べて大きい相関関数を、前記メトリックのペアの相関関数として抽出する、
    請求項１３に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  15. 前記メトリックのペアの相関関数は、当該メトリックのペアの一方のメトリックの値を当該ペアの両方の時系列、または、当該ペアの他方の時系列から予測する関数であり、
    前記相関関数に係るメトリックに対する当該相関関数の検出感度は、当該相関関数において当該メトリックに乗じる係数に応じて大きくなるように決定される、
    請求項１３または１４に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  16. 前記相関関数に係るメトリックに対する当該相関関数の検出感度は、さらに、当該相関関数の予測誤差に応じて小さくなるように決定される、
    請求項１５に記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  17. 前記メトリックのペアの相関関数を抽出する場合、前記複数の相関関数の候補の中の予測精度が所定値以上の相関関数の中から、前記相関関数を抽出する、
    請求項１３乃至１６のいずれかに記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
  18. さらに、
    前記抽出された前記メトリックのペアの相関関数を用いて、当該メトリックのペアの相関関係における相関破壊を検出し、
    前記相関破壊が検出された相関関係をもとに、異常要因の候補のメトリックを抽出する、
    請求項１３乃至１７のいずれかに記載のプログラムを格納する、コンピュータが読み取り可能な記録媒体。
JP2015502762A 2013-02-26 2014-02-24 システム分析装置、及び、システム分析方法 Active JP6183450B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013035785 2013-02-26
JP2013035785 2013-02-26
PCT/JP2014/000950 WO2014132612A1 (ja) 2013-02-26 2014-02-24 システム分析装置、及び、システム分析方法

Publications (2)

Publication Number Publication Date
JPWO2014132612A1 true JPWO2014132612A1 (ja) 2017-02-02
JP6183450B2 JP6183450B2 (ja) 2017-08-23

Family

ID=51427891

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015502762A Active JP6183450B2 (ja) 2013-02-26 2014-02-24 システム分析装置、及び、システム分析方法

Country Status (4)

Country Link
US (1) US10346758B2 (ja)
EP (1) EP2963553B1 (ja)
JP (1) JP6183450B2 (ja)
WO (1) WO2014132612A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016088362A1 (ja) 2014-12-05 2016-06-09 日本電気株式会社 システム分析装置、システム分析方法および記憶媒体
JP6164311B1 (ja) * 2016-01-21 2017-07-19 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム
US20180089288A1 (en) 2016-09-26 2018-03-29 Splunk Inc. Metrics-aware user interface
JP7135969B2 (ja) * 2019-03-27 2022-09-13 富士通株式会社 情報処理方法及び情報処理装置
JP7358791B2 (ja) 2019-06-11 2023-10-11 中国電力株式会社 プラント監視システムおよびプラント監視方法
US11403326B2 (en) 2020-12-03 2022-08-02 International Business Machines Corporation Message-based event grouping for a computing operation
US11599404B2 (en) 2020-12-03 2023-03-07 International Business Machines Corporation Correlation-based multi-source problem diagnosis
US11995562B2 (en) 2020-12-03 2024-05-28 International Business Machines Corporation Integrating documentation knowledge with log mining for system diagnosis
US11513930B2 (en) 2020-12-03 2022-11-29 International Business Machines Corporation Log-based status modeling and problem diagnosis for distributed applications
US11243835B1 (en) 2020-12-03 2022-02-08 International Business Machines Corporation Message-based problem diagnosis and root cause analysis
US11474892B2 (en) 2020-12-03 2022-10-18 International Business Machines Corporation Graph-based log sequence anomaly detection and problem diagnosis
US11797538B2 (en) 2020-12-03 2023-10-24 International Business Machines Corporation Message correlation extraction for mainframe operation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10187226A (ja) * 1996-12-20 1998-07-14 Hitachi Ltd プラント状態予測装置
JP2006135412A (ja) * 2004-11-02 2006-05-25 Tokyo Gas Co Ltd 遠隔監視システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6351936A (ja) 1986-08-22 1988-03-05 Hisayoshi Matsuyama プロセスの異常診断方法
JP4239932B2 (ja) 2004-08-27 2009-03-18 株式会社日立製作所 生産管理システム
US8463899B2 (en) * 2005-07-29 2013-06-11 Bmc Software, Inc. System, method and computer program product for optimized root cause analysis
JP4872944B2 (ja) 2008-02-25 2012-02-08 日本電気株式会社 運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラム
US9195563B2 (en) * 2011-03-30 2015-11-24 Bmc Software, Inc. Use of metrics selected based on lag correlation to provide leading indicators of service performance degradation
US9218570B2 (en) * 2013-05-29 2015-12-22 International Business Machines Corporation Determining an anomalous state of a system at a future point in time

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10187226A (ja) * 1996-12-20 1998-07-14 Hitachi Ltd プラント状態予測装置
JP2006135412A (ja) * 2004-11-02 2006-05-25 Tokyo Gas Co Ltd 遠隔監視システム

Also Published As

Publication number Publication date
EP2963553A1 (en) 2016-01-06
EP2963553B1 (en) 2020-12-09
US20150379417A1 (en) 2015-12-31
JP6183450B2 (ja) 2017-08-23
US10346758B2 (en) 2019-07-09
WO2014132612A1 (ja) 2014-09-04
EP2963553A4 (en) 2016-07-27

Similar Documents

Publication Publication Date Title
JP6183450B2 (ja) システム分析装置、及び、システム分析方法
JP6394726B2 (ja) 運用管理装置、運用管理方法、及びプログラム
US9658916B2 (en) System analysis device, system analysis method and system analysis program
JP6183449B2 (ja) システム分析装置、及び、システム分析方法
JP5874936B2 (ja) 運用管理装置、運用管理方法、及びプログラム
JP2015230727A (ja) 時系列データ内の異常を検出する方法
JP6196196B2 (ja) ログ間因果推定装置、システム異常検知装置、ログ分析システム、及びログ分析方法
JP5267748B2 (ja) 運用管理システム、運用管理方法、及びプログラム
JP5971395B2 (ja) システム分析装置、及び、システム分析方法
US10157113B2 (en) Information processing device, analysis method, and recording medium
WO2018198267A1 (ja) 因果関係学習方法、プログラム、装置および異常分析システム
JPWO2018142694A1 (ja) 特徴量生成装置、特徴量生成方法及びプログラム
JP6627258B2 (ja) システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム
WO2015182072A1 (ja) 因果構造推定システム、因果構造推定方法およびプログラム記録媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170116

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: 20170627

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170710

R150 Certificate of patent or registration of utility model

Ref document number: 6183450

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150