KR101656012B1 - IT Infra Quality Monitoring System and Method therefor - Google Patents
IT Infra Quality Monitoring System and Method therefor Download PDFInfo
- Publication number
- KR101656012B1 KR101656012B1 KR1020140194968A KR20140194968A KR101656012B1 KR 101656012 B1 KR101656012 B1 KR 101656012B1 KR 1020140194968 A KR1020140194968 A KR 1020140194968A KR 20140194968 A KR20140194968 A KR 20140194968A KR 101656012 B1 KR101656012 B1 KR 101656012B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- infrastructure
- central server
- time series
- configuration
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
Abstract
본 발명은 IT 인프라 품질 감시 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 IT 인프라 품질 감시 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for monitoring quality of an IT infrastructure, and more particularly, to a system and method for monitoring quality of an IT infrastructure, By predicting the time of arrival of the value, it is possible to avoid the obstacle in the IT infrastructure in advance by judging whether the IT infrastructure is obstacle and the point of failure and continuously monitoring the quality of the IT infrastructure. The present invention relates to an IT infrastructure quality monitoring system and method.
Description
본 발명은 IT 인프라 품질 감시 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 IT 인프라 품질 감시 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for monitoring quality of an IT infrastructure, and more particularly, to a system and method for monitoring quality of an IT infrastructure, By predicting the time of arrival of the value, it is possible to avoid the obstacle in the IT infrastructure in advance by judging whether the IT infrastructure is obstacle and the point of failure and continuously monitoring the quality of the IT infrastructure. The present invention relates to an IT infrastructure quality monitoring system and method.
최근 IT 인프라는 발전을 거듭하여 다양한 종류의 IT 인프라가 생겨나고 있으며 일반적으로 IT 인프라라고 하면 서버, 네트워크, 스토리지, 가상 인프라 등의 다양한 하드웨어와 소프트웨어를 포함하는 개념이다.In recent years, IT infrastructure has evolved to create various types of IT infrastructure. In general, IT infrastructure is a concept that includes various hardware and software such as server, network, storage, and virtual infrastructure.
IT 인프라가 발달하면서 IT 인프라의 품질에 대한 중요성이 부각되고 있으며 IT 인프라 품질 감시는 IT 인프라에 대한 장애를 감지하여 신속한 진단 및 복구를 가능하게 하는 전 단계로서의 의미를 갖는다.As the IT infrastructure develops, the quality of the IT infrastructure is becoming more important, and the monitoring of the quality of the IT infrastructure is meaningful as a stage to detect the obstacle to the IT infrastructure and enable rapid diagnosis and recovery.
종래의 IT 인프라 품질 감시는 IT 인프라 시계열 데이터 현재 상태를 기반으로 하여 고정된 임계값과 통계적 감지 기법을 사용하여 왔으며 이에 따라 특정한 시점에서의 IT 인프라 상태만을 반영하는 방식이 주를 이루었다.Conventional IT infrastructure quality monitoring has been based on the current status of IT infrastructure time series data, and has been using fixed threshold and statistical sensing techniques. Therefore, it mainly focused on the way of reflecting the state of IT infrastructure at a specific point in time.
이러한 종래의 IT 인프라 품질 감시 방식에 의하면 최근의 변화된 IT 인프라에 대해서는 부적합할 수밖에 없는데 이는 IT 인프라가 대량의 IT 자원을 사용하고 있으며 짧은 시간에도 항상 변화하는 특성이 있어서 종래 기술에 따라 IT 인프라 품질을 감시한다면 발생한 장애와 품질 저하에 대한 신속한 진단이 곤란하기 때문이다.According to this conventional IT infrastructure quality monitoring method, it is inevitable for the recent changed IT infrastructure because the IT infrastructure uses a large amount of IT resources and always changes in a short time. Therefore, according to the conventional technology, This is because it is difficult to quickly diagnose faults and quality deterioration that occur.
IT 인프라에서의 품질 감시와 관련한 종래 기술로서, 한국공개특허 제10-2004-0035572호 '정보 인프라에서의 종합 침해 사고 대응 시스템 및 그 운영 방법' 등은 인터넷 네트워크에서 장애를 파악하고 복구하는 기술에 관해 개시하고 있으나, 이러한 기술 역시 현재의 고정적인 IT 인프라 상태 정보만을 반영하는 기술일 뿐, 미래 구간의 예측 데이터를 생성하여 이에 따라 미래 구간의 품질과 장애 여부를 예측할 수 있는 기술과는 거리가 멀었다.As a conventional technology related to quality monitoring in the IT infrastructure, Korean Patent Laid-Open No. 10-2004-0035572 'Integrated Infringement Response System and its Operation Method in Information Infrastructure' is a technology for detecting and recovering faults in the Internet network However, this technology is also a technology that only reflects the current status information of the fixed IT infrastructure, and it is far from the technology that can predict the quality of the future section and generate the prediction data of the future section accordingly .
본 발명이 해결하고자 하는 과제는, 상기 문제점을 극복하기 위한 것으로서, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 IT 인프라 품질 감시 시스템 및 방법을 제공하는 것이다.The present invention has been made to overcome the above problems, and it is an object of the present invention to provide a method and apparatus for predicting a failure in an IT infrastructure and monitoring quality, By predicting the timing of the future IT infrastructure, it is possible to avoid the obstacle in the IT infrastructure by judging the failure status of the IT infrastructure and the point of time of the failure and to continuously monitor the quality of the IT infrastructure. And to provide an IT infrastructure quality monitoring system and method.
본 발명은 IT 인프라 품질 감시 시스템에 관한 것으로서, IT 인프라로부터 IT 인프라 시계열 데이터를 수신하는 정보수신수단과, 수신한 시계열 데이터에 적합한 회귀 모델을 선정하고, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하며, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하고, 가공된 시계열 데이터로부터 패턴을 탐지하며, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하고, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 품질감시수단과, IT 인프라 품질 데이터를 관리자단말기로 제공하는 정보제공수단을 포함하는 중앙서버; IT 인프라 시계열 데이터를 상기 중앙서버로 전송하는 IT 인프라; 및 상기 중앙서버로부터 IT 인프라 품질 데이터를 제공받는 관리자단말기;를 포함한다.The present invention relates to an IT infrastructure quality monitoring system, comprising: information receiving means for receiving time series data of IT infrastructure from an IT infrastructure; means for selecting a regression model suitable for the received time series data and converting the received time series data according to the selected regression model And generates processed time series data by performing generalization processing using the residual from the converted time series data, detects a pattern from the processed time series data, and generates a time series processed using the selected regression model and the detected pattern A quality server for generating prediction data from the data and analyzing the IT infrastructure quality data from the generated prediction data, and an information providing means for providing the IT infrastructure quality data to the manager terminal; An IT infrastructure for transmitting IT infrastructure time series data to the central server; And an administrator terminal receiving the IT infrastructure quality data from the central server.
이때, 상기 품질감시수단은, 가공된 시계열 데이터로부터 1차 패턴을 탐지하며, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하고, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 기능을 포함하는 것을 특징으로 한다.At this time, the quality monitoring means detects the primary pattern from the processed time series data, calculates the respective correlation coefficients while shifting the time window corresponding to the primary pattern in the entire time series data, And a function of selecting a pattern as a final pattern.
또한 이때, 상기 중앙서버의 정보수신수단이 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고, 상기 중앙서버의 정보수신수단이 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 한다.In this case, the IT infrastructure time series data received by the information receiving means of the central server includes the configuration of the virtual infrastructure and the performance data, the configuration of the virtual infrastructure, the performance data includes the VDI layer configuration, the performance data, Performance data, a Hypervisor Layer configuration, a performance data, a virtual infrastructure network configuration, a performance data, a virtual infrastructure storage configuration, and performance data, and the information receiving means of the central server includes a virtual infrastructure configuration The VDI environment that is supported for data collection includes Citrix XenDesktop and VMware View environments. Hypervisor environments include XEN, KVM, RHEV, VMware vSphere, and Microsoft Hyper-V environments, IBM PowerVM, and HP VM environments. , Virtual infrastructure storage includes an RDBMS (relational database) DB, and NoSQL DB.
한편 본 발명은 IT 인프라 품질 감시 방법에 관한 것으로서, (A) 중앙서버가, IT 인프라로부터 IT 인프라 시계열 데이터를 수신하는 단계; (B) 상기 중앙서버가, 수신한 시계열 데이터에 적합한 회귀 모델을 선정하는 단계; (C) 상기 중앙서버가, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하는 단계; (D) 상기 중앙서버가, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하는 단계; (E) 상기 중앙서버가, 가공된 시계열 데이터로부터 패턴을 탐지하는 단계; (F) 상기 중앙서버가, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하는 단계; (G) 상기 중앙서버가, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 단계; 및 (H) 상기 중앙서버가, IT 인프라 품질 데이터를 관리자단말기로 제공하는 단계;를 포함한다.According to another aspect of the present invention, there is provided a method for monitoring quality of an IT infrastructure, the method comprising the steps of: (A) receiving, by a central server, IT infrastructure time series data from an IT infrastructure; (B) the central server selecting a regression model suitable for the received time series data; (C) converting the time series data received by the central server according to the selected regression model; (D) generating, by the central server, processed time series data by performing generalization processing using residual from the converted time series data; (E) the central server detecting a pattern from the processed time series data; (F) generating, by the central server, predictive data from the time series data processed using the selected regression model and the detected pattern; (G) analyzing the IT infrastructure quality data from the generated prediction data by the central server; And (H) the central server providing the IT infrastructure quality data to the administrator terminal.
이때, 상기 (E) 단계는, (E1) 상기 중앙서버가, 가공된 시계열 데이터로부터 1차 패턴을 탐지하는 단계; (E2) 상기 중앙서버가, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하는 단계; 및 (E3) 상기 중앙서버가, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 단계;를 포함하는 것을 특징으로 한다.The step (E) comprises: (E1) the central server detecting a primary pattern from the processed time series data; (E2) the central server calculating respective correlation coefficients while shifting the time window corresponding to the primary pattern in the entire time series data; And (E3) the central server selecting a primary pattern having a maximum correlation coefficient as a final pattern.
또한 이때, 상기 (A) 단계에서 상기 중앙서버가 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고, 상기 중앙서버가 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 한다.In this case, in the step (A), the IT infrastructure time series data received by the central server includes the configuration of the virtual infrastructure, the performance data, the configuration of the virtual infrastructure, the performance data, the VDI layer configuration, The performance data, the hypervisor layer configuration, the performance data, the virtual infrastructure network configuration, the performance data, the virtual infrastructure storage configuration, and the performance data. The central server includes the configuration of the virtual infrastructure, The Hypervisor environment includes XEN, KVM, RHEV, VMware vSphere, and Microsoft Hyper-V environments, IBM PowerVM, and HP VM environments, and virtual The infrastructure storage includes an RDBMS (Relational Database) DB, and NoSQL DB.
본 발명에 따르면, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 효과가 있다.According to the present invention, in predicting failure and quality monitoring in an IT infrastructure, prediction of future time series data based on present data and prediction of arrival time of a threshold value according to predicted future time series data, It is possible to avoid obstacles in the IT infrastructure in advance and to diagnose the cause of the occurrence of the failure even if a failure occurs and correct the recovery of the cause.
도 1은 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템에 관한 전체 구성도.
도 2는 본 발명의 바람직한 실시 예에 따른 입력된 시계열 데이터의 일반화 처리 가공을 설명하기 위한 참고도.
도 3은 본 발명의 바람직한 실시 예에 따른 가공된 시계열 데이터로부터의 패턴 처리를 설명하기 위한 참고도.
도 4는 본 발명의 바람직한 실시 예에 따른 예측 데이터 생성을 설명하기 위한 참고도.
도 5는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관한 전체 흐름도.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is an overall configuration diagram of an IT infrastructure quality monitoring system according to a preferred embodiment of the present invention; FIG.
FIG. 2 is a reference diagram for explaining generalization processing of input time series data according to a preferred embodiment of the present invention; FIG.
3 is a reference diagram for explaining pattern processing from processed time-series data according to a preferred embodiment of the present invention;
4 is a reference diagram for explaining generation of prediction data according to a preferred embodiment of the present invention;
5 is an overall flowchart of a method for monitoring an IT infrastructure quality according to a preferred embodiment of the present invention.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.Before describing the specific details for the practice of the invention, terms and words used in the specification and claims should be construed to enable the inventor to properly define the concept of a term in order to best describe its invention It should be interpreted as meaning and concept consistent with the technical idea of the present invention.
또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
It is to be noted that the detailed description of known functions and constructions related to the present invention is omitted when it is determined that the gist of the present invention may be unnecessarily blurred.
이하, 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템에 관해 도 1 내지 도 4를 참조하여 상세히 설명한다.Hereinafter, an IT infrastructure quality monitoring system according to a preferred embodiment of the present invention will be described in detail with reference to FIG. 1 to FIG.
도 1은 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템에 관한 전체 구성도이며, 도 2는 본 발명의 바람직한 실시 예에 따른 입력된 시계열 데이터의 일반화 처리 가공을 설명하기 위한 참고도이고, 도 3은 본 발명의 바람직한 실시 예에 따른 가공된 시계열 데이터로부터의 패턴 처리를 설명하기 위한 참고도이며, 도 4는 본 발명의 바람직한 실시 예에 따른 예측 데이터 생성을 설명하기 위한 참고도이다.FIG. 1 is an overall configuration diagram of an IT infrastructure quality monitoring system according to a preferred embodiment of the present invention. FIG. 2 is a reference diagram for explaining generalized processing of input time series data according to a preferred embodiment of the present invention, FIG. 3 is a reference diagram for explaining pattern processing from processed time series data according to a preferred embodiment of the present invention, and FIG. 4 is a reference diagram for explaining generation of prediction data according to a preferred embodiment of the present invention.
본 발명의 바람직한 실시 예에 따른 품질 감시의 대상이 되는 IT 인프라는, 서버, 네트워크, 스토리지, 가상 인프라 등의 다양한 하드웨어와 소프트웨어를 포함하는 개념으로서 다양한 IT 인프라를 포함하는 것이나, 이하에서는 주로 가상 인프라를 상정하여 설명하기로 한다.The IT infrastructure to be subjected to the quality monitoring according to the preferred embodiment of the present invention includes various hardware and software such as a server, a network, a storage, and a virtual infrastructure, and includes various IT infrastructures. Will be described below.
본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템은, 중앙서버(100), IT 인프라(200) 및 관리자단말기(300)를 포함한다.The IT infrastructure quality monitoring system according to the preferred embodiment of the present invention includes a central server 100, an IT infrastructure 200, and an
중앙서버(100)는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 서비스를 제공하는 회사의 서버로서, 정보수신수단(110), 품질감시수단(120) 및 정보제공수단(130)을 포함한다.The central server 100 is a server of a company that provides an IT infrastructure quality monitoring service according to the preferred embodiment of the present invention and includes an information receiving unit 110, a quality monitoring unit 120, and an information providing unit 130 .
먼저, 정보수신수단(110)은 IT 인프라(200)로부터 IT 인프라 구성요소 시계열 데이터를 수신한다.First, the information receiving means 110 receives IT infrastructure component time series data from the IT infrastructure 200.
IT 인프라(200)가 가상 인프라인 경우, 정보수신수단(110)은 가상 인프라의 구성, 성능 데이터를 수집할 수 있으며 수집한 가상 인프라의 구성, 성능 데이터는 IT 인프라 구성요소 시계열 데이터에 포함될 수 있고, 가상 인프라의 구조는 다양할 수 있으며, 본 발명은 다양한 이 기종 IT 인프라에 대한 품질 감시를 지원할 수 있게 된다.When the IT infrastructure 200 is a virtual infrastructure, the information receiving unit 110 may collect the configuration and performance data of the virtual infrastructure, and the collected virtual infrastructure configuration data and performance data may be included in the IT infrastructure component time series data , The structure of the virtual infrastructure may vary, and the present invention can support quality monitoring of various types of IT infrastructure.
가상 인프라의 구성, 성능 데이터는, VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함할 수 있다.The configuration and performance data of the virtual infrastructure include VDI layer configuration, performance data, VM layer configuration, performance data, hypervisor layer configuration, performance data, virtual infrastructure network configuration, performance data, virtual infrastructure storage configuration, .
더욱 구체적으로, VDI Layer 구성, 성능 데이터는, VDI 서비스를 구성하는 노드별 구성, 성능 데이터와, 노드 간의 연관 정보를 정의하는 데이터와, 각 구간별 성능 데이터 등이 있을 수 있다.More specifically, the VDI layer configuration and performance data may include configuration for each node constituting the VDI service, performance data, data defining association information between nodes, performance data for each section, and the like.
VM Layer 구성, 성능 데이터는, VM에 대한 구성, 성능 데이터와, VM과 Hypervisor 간의 연관 정보를 정의하는 데이터와, VM과 연관성을 갖는 Hypervisor에 대한 성능 데이터 등이 있을 수 있다.The VM layer configuration and performance data may include configuration data for the VM, performance data, data defining association information between the VM and the hypervisor, and performance data for the hypervisor having a relationship with the VM.
Hypervisor Layer 구성, 성능 데이터는, 가상 인프라 종류별 Hypervisor에 대한 구성, 성능 데이터와, Hypervisor와 네트워크 및 스토리지 간의 연관 정보를 정의하는 데이터와, Hypervisor와 연관성을 갖는 네트워크 및 스토리지에 대한 성능 데이터 등이 있을 수 있다.The Hypervisor Layer configuration, performance data, can include configurations for Hypervisors by type of virtual infrastructure, performance data, data defining association information between hypervisors and network and storage, performance data for networks and storage related Hypervisor have.
가상 인프라 네트워크 구성, 성능 데이터는, 가상 인프라를 구성하는 가상 네트워크에 대한 구성, 성능 데이터와, 가상 네트워크에 연결된 Hypervisor 데이터와, 가상 네트워크와 연관성을 갖는 Hypervisor에 대한 성능 데이터 등이 있을 수 있다.The virtual infrastructure network configuration and performance data may include the configuration and performance data for the virtual network constituting the virtual infrastructure, the hypervisor data connected to the virtual network, and the performance data for the hypervisor associating with the virtual network.
가상 인프라 스토리지 구성, 성능 데이터는, 가상 인프라를 구성하는 가상 스토리지에 대한 구성, 성능 데이터와, 가상 스토리지에 연결된 Hypervisor 데이터와, 가상 스토리지와 연관성을 갖는 Hypervisor에 대한 성능 데이터 등이 있을 수 있다.The virtual infrastructure storage configuration, performance data may include configuration for virtual storage constituting the virtual infrastructure, performance data, hypervisor data connected to the virtual storage, and performance data for the hypervisor associating with the virtual storage.
정보수신수단(110)이 지원하는 VDI 환경은 다양한 이 기종 환경이며, Citrix XenDesktop, VMware View 등 2개 이상의 이 기종 VDI 환경을 지원한다.The VDI environment supported by the information receiving means 110 is various types of environments, and supports two or more types of VDI environments such as Citrix XenDesktop and VMware View.
정보수신수단(110)이 지원하는 Hypervisor 환경은 다양한 이 기종 환경이며, XEN, KVM, RHEV, VMware vSphere, Microsoft Hyper-V 등의 x86 가상 인프라 3종 이상과, IBM PowerVM, HP VM 등의 유닉스 가상 인프라 2종 이상을 지원한다.The Hypervisor environment supported by the information receiving means 110 is a variety of heterogeneous environments and includes at least three types of x86 virtual infrastructures such as XEN, KVM, RHEV, VMware vSphere, and Microsoft Hyper-V, Supports two or more infrastructure.
정보수신수단(110)이 지원하는 가상 인프라 스토리지는 다양한 이 기종 데이터베이스이며, RDBMS(관계형 데이터베이스) DB, NoSQL DB 등 2종 이상의 데이터베이스를 지원한다. 일반적으로 일반 클라우드 관제 소프트웨어는 RDBMS를 사용하며 빅데이터 소프트웨어는 NoSQL을 사용하는데, 본 발명에 따르면 이들을 융합하여 데이터를 처리할 수 있게 된다.The virtual infrastructure storage supported by the information receiving means 110 is a variety of model databases, and supports two or more databases such as an RDBMS (relational database) DB and a NoSQL DB. Generally, the general cloud control software uses RDBMS and the big data software uses NoSQL. According to the present invention, data can be processed by merging them.
또한, 품질감시수단(120)은 수신한 시계열 데이터에 적합한 회귀 모델을 선정하고, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하며, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하고, 가공된 시계열 데이터로부터 패턴을 탐지하며, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하고, 생성된 예측 데이터로부터 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 분석한다.Also, the quality monitoring means 120 selects a regression model suitable for the received time series data, converts the received time series data according to the selected regression model, and performs generalization processing using the residual from the converted time series data Generating processed time series data, detecting patterns from the processed time series data, generating predictive data from the processed time series data using the selected regression model and the detected pattern, And the time of the failure.
구체적으로, 품질감시수단(120)은 특정한 IT 인프라 구성요소의 시계열 데이터를 입력받으면 입력받은 시계열 데이터를 특정한 회귀 모델과 매칭하여 그에 따라 시계열 데이터를 변환하는데, 회귀 모델의 종류로는 선형, 지수, 로그 모델 등이 있다.Specifically, when the quality monitoring means 120 receives the time series data of a specific IT infrastructure component, it inputs the received time series data to a specific regression model and converts the time series data accordingly. The types of the regression model include linear, exponential, Log model.
변환한 시계열 데이터에 대해 잔차를 이용한 일반화 처리를 수행하는데, 도 2를 참조하면 변환한 시계열 데이터를 x, 회귀선을 f(x)라 하면 일반화 처리 과정은 f'(x)=x-f(x)로 표현할 수 있다.Referring to FIG. 2, if the transformed time series data is x and the regression line is f (x), the generalization process is f '(x) = xf (x) Can be expressed.
일반화 처리 가공된 시계열 데이터로부터 반복적으로 나타나는 패턴을 탐지할 수 있으며, 구체적으로는 가공된 시계열 데이터로부터 1차 패턴을 탐지하며, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하고, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는데, 이를 도 3에 나타내었다.Generalized processing It is possible to detect a pattern repeatedly appearing from the processed time series data. More specifically, it detects a primary pattern from the processed time series data, shifts the time window corresponding to the primary pattern in the entire time series data, The coefficients are calculated, and a primary pattern having a maximum correlation coefficient is selected as a final pattern, as shown in FIG.
가공된 시계열 데이터로부터 패턴이 감지되었으면, 선정된 회귀 모델과 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하는데, 선정된 회귀 모델을 미래 구간의 기저 데이터로 채택하며, 기저 데이터에 탐지된 패턴을 더하여 미래 구간의 예측 데이터를 생성하고, 이를 도 4에 나타내었다.When the pattern is detected from the processed time series data, the predicted data is generated from the processed time series data using the selected regression model and pattern. The selected regression model is adopted as the base data of the future section, and the pattern detected in the base data To generate prediction data of a future section, which is shown in FIG.
미래 구간의 예측 데이터를 분석하면, 미래 구간에서의 비정상 패턴을 파악함으로써 미래 구간에서의 장애 여부, 장애 발생 시점 등을 파악할 수 있으며, 이러한 정보들을 통해 미래 구간에서의 IT 인프라 품질 감시가 구현된다.By analyzing the prediction data of the future section, it is possible to grasp the abnormality pattern in the future section and to identify the obstacle in the future section and the point of occurrence of the failure, and the information quality monitoring of the IT infrastructure in the future section is realized through such information.
그리고 정보제공수단(130)은 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 관리자단말기(300)로 제공하며, 바람직하게는 IT 인프라 품질 데이터를 데이터 시각화하여 제공한다.The information providing means 130 provides the IT infrastructure quality data, such as the failure or the occurrence time of the failure, in the future section to the
구체적으로, 정보제공수단(130)은, IT 인프라 품질 데이터에 대한 데이터 시각화를 수행하며 데이터 시각화 수행 결과를 관리자단말기(300)로 제공하고, 데이터 시각화는 예를 들어 플러그인 방식의 데이터 시각화 방식, 플러그인 방식의 분석 마법사 방식, HTML5 기반 반응형 웹 클라이언트 방식이 있을 수 있으며, 데이터 시각화 컴포넌트 개수는 10개 이상인 것이 바람직하다.Specifically, the information providing unit 130 performs data visualization on the IT infrastructure quality data, and provides the result of performing the data visualization to the
더욱 구체적으로, 정보제공수단(130)의 데이터 시각화 중 플러그인 방식의 데이터 시각화는, Gadget 기반 대시보드 구성, 데이터 시각화 컴포넌트 구성, 시각화 컴포넌트 설치, 가상 인프라 구조 간 맵핑 관계 수집 등을 수행한다.More specifically, plug-in data visualization during data visualization of the information providing means 130 performs a gadget-based dashboard configuration, a data visualization component configuration, a visualization component installation, and a mapping relationship between virtual infrastructure structures.
다음으로, IT 인프라(200)는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시의 대상이 되는 인프라로서, 서버, 네트워크, 스토리지, 가상 인프라 등의 다양한 하드웨어와 소프트웨어를 총괄하는 개념이다.Next, the IT infrastructure 200 is an infrastructure to be subjected to the quality monitoring of the IT infrastructure according to the preferred embodiment of the present invention, and is a concept of managing various hardware and software such as a server, a network, a storage, and a virtual infrastructure.
IT 인프라(200)는 IT 인프라 구성요소 시계열 데이터를 중앙서버(100)로 전송한다.The IT infrastructure 200 transmits the IT infrastructure component time series data to the central server 100.
마지막으로, 관리자단말기(300)는, 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 중앙서버(100)로부터 수신한다.
Lastly, the
이하, 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관해 도 5를 참조하여 상세히 설명한다.Hereinafter, an IT infrastructure quality monitoring method according to a preferred embodiment of the present invention will be described in detail with reference to FIG.
도 5는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관한 전체 흐름도이다.5 is a flowchart illustrating an IT infrastructure quality monitoring method according to a preferred embodiment of the present invention.
먼저, 도 5에 도시한 바와 같이, 중앙서버(100)가, IT 인프라(200)로부터 IT 인프라 구성요소 시계열 데이터를 수신한다(S10).First, as shown in FIG. 5, the central server 100 receives IT infrastructure component time series data from the IT infrastructure 200 (S10).
S10 단계에서 중앙서버(100)가 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함할 수 있다.In step S10, the IT infrastructure time series data received by the central server 100 includes the configuration of the virtual infrastructure, the performance data, the configuration of the virtual infrastructure, the performance data, the VDI layer configuration, the performance data, , Hypervisor Layer configuration, performance data, virtual infrastructure network configuration, performance data, virtual infrastructure storage configuration, and performance data.
또한 S10 단계에서 중앙서버(100)가 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함할 수 있다.In step S10, the VDI environment that the central server 100 supports for the configuration of the virtual infrastructure and performance data collection includes the Citrix XenDesktop and VMware View environments. The hypervisor environment includes XEN, KVM, RHEV, VMware vSphere, and Microsoft A Hyper-V environment, an IBM PowerVM, and an HP VM environment, and a virtual infrastructure storage may include an RDBMS (relational database) DB, and NoSQL DB.
다음으로, 중앙서버(100)가, 수신한 시계열 데이터에 적합한 회귀 모델을 선정한다(S20).Next, the central server 100 selects a regression model suitable for the received time series data (S20).
다음으로, 중앙서버(100)가, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환한다(S30).Next, the central server 100 converts the received time series data according to the selected regression model (S30).
다음으로, 중앙서버(100)가, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성한다(S40).Next, the central server 100 generates the processed time series data by performing generalization processing using the residual from the converted time series data (S40).
다음으로, 중앙서버(100)가, 가공된 시계열 데이터로부터 패턴을 탐지한다(S50).Next, the central server 100 detects the pattern from the processed time-series data (S50).
S50 단계는, 중앙서버(100)가, 가공된 시계열 데이터로부터 1차 패턴을 탐지하는 단계와, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하는 단계와, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 단계를 포함할 수 있다.In step S50, the central server 100 detects the primary pattern from the processed time series data, calculates the respective correlation coefficients while shifting the time window corresponding to the primary pattern in the entire time series data, And a step of selecting a primary pattern having a maximum correlation coefficient as a final pattern.
다음으로, 중앙서버(100)가, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성한다(S60).Next, the central server 100 generates predictive data from the time series data processed using the selected regression model and the detected pattern (S60).
다음으로, 중앙서버(100)가, 생성된 예측 데이터로부터 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 분석한다(S70).Next, the central server 100 analyzes the IT infrastructure quality data such as the failure or the failure occurrence point in the future section from the generated prediction data (S70).
마지막으로, 중앙서버(100)가, 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 관리자단말기(300)로 제공하며, 바람직하게는 IT 인프라 품질 데이터를 데이터 시각화하여 제공한다(S80).Lastly, the central server 100 provides the IT infrastructure quality data, such as a failure in the future section, a failure occurrence time, and the like, to the
S80 단계는, 중앙서버(100)가, 플러그인 방식의 데이터 시각화를 수행하는 단계를 포함하며, 플러그인 방식의 데이터 시각화 수행 단계는 Gadget 기반 대시보드 구성 단계, 데이터 시각화 컴포넌트 구성 단계, 시각화 컴포넌트 설치 단계, 및 가상 인프라 구조 간 맵핑 관계 수집 단계 등을 포함할 수 있다.
In step S80, the central server 100 performs plug-in data visualization, and the plug-in data visualization step includes a gadget-based dashboard configuration step, a data visualization component configuration step, a visualization component installation step, And a virtual infrastructure mapping relationship collection step.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다.While the present invention has been particularly shown and described with reference to preferred embodiments thereof, it will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. It will be appreciated by those skilled in the art that numerous changes and modifications can be made without departing from the invention. Accordingly, all such modifications and variations are intended to be included within the scope of the present invention.
100 : 중앙서버 110 : 정보수신수단
120 : 품질감시수단 130 : 정보제공수단
200 : IT 인프라 300 : 관리자단말기100: central server 110: information receiving means
120: Quality monitoring means 130: Information providing means
200: IT infrastructure 300: administrator terminal
Claims (6)
IT 인프라(200)로부터 IT 인프라 시계열 데이터를 수신하는 정보수신수단(110)과, 회귀 모델을 선정하고, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하며, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하고, 가공된 시계열 데이터로부터 패턴을 탐지하며, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하고, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 품질감시수단(120)과, IT 인프라 품질 데이터를 관리자단말기(300)로 제공하는 정보제공수단(130)을 포함하는 중앙서버(100);
IT 인프라 시계열 데이터를 상기 중앙서버(100)로 전송하는 IT 인프라(200); 및
상기 중앙서버(100)로부터 IT 인프라 품질 데이터를 제공받는 관리자단말기(300);를 포함하며,
상기 품질감시수단(120)은, 가공된 시계열 데이터로부터 1차 패턴을 탐지하며, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하고, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하며, 선정된 회귀 모델을 미래 구간의 기저 데이터로 채택하고, 기저 데이터에 선정된 최종 패턴을 더하여 미래 구간의 예측 데이터를 생성하는 기능을 포함하는 것을 특징으로 하고,
상기 정보제공수단(130)은 IT 인프라 품질 데이터를 상기 관리자단말기(300)로 시각화하여 제공하되 데이터 시각화 방식은 플러그인 방식의 데이터 시각화 방식, 플러그인 방식의 분석 마법사 방식 및 HTML5 기반 반응형 웹 클라이언트 방식 중 어느 하나의 방식을 채택하고 데이터 시각화 컴포넌트 개수는 10개 이상인 것을 특징으로 하며,
상기 중앙서버(100)의 정보수신수단(110)이 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고,
상기 중앙서버(100)의 정보수신수단(110)이 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 하는 IT 인프라 품질 감시 시스템.
In the IT infrastructure quality monitoring system,
An information receiving means 110 for receiving IT infrastructure time series data from the IT infrastructure 200; a selection unit 110 for selecting a regression model, converting the received time series data according to the selected regression model, and calculating a residual from the converted time series data Generates predicted data from the processed time series data by using the selected regression model and the detected pattern, and outputs the generated predictive data A quality monitoring means 120 for analyzing IT infrastructure quality data from the central server 100 and an information providing means 130 for providing IT infrastructure quality data to the administrator terminal 300;
An IT infrastructure (200) for transmitting IT infrastructure time series data to the central server (100); And
And an administrator terminal 300 receiving the IT infrastructure quality data from the central server 100,
The quality monitoring means 120 detects a primary pattern from the processed time series data, calculates each correlation coefficient while shifting the time window corresponding to the primary pattern in the entire time series data, and outputs a correlation coefficient of 1 And a function of generating prediction data of a future section by adding the selected final pattern to the base data and adding the selected final pattern as the base data of the future section,
The information providing means 130 visualizes and provides the IT infrastructure quality data to the administrator terminal 300, and the data visualization method includes a plug-in data visualization method, a plug-in analysis wizard method, and an HTML5- One of which is adopted and the number of data visualization components is ten or more,
The IT infrastructure time series data received by the information receiving means 110 of the central server 100 includes the configuration of the virtual infrastructure and the performance data, the configuration of the virtual infrastructure, the performance data, the VDI layer configuration, Layer configuration, performance data, hypervisor layer configuration, performance data, virtual infrastructure network configuration, performance data, virtual infrastructure storage configuration, and performance data,
The VDI environment supported by the information receiving unit 110 of the central server 100 for the configuration of the virtual infrastructure and performance data collection includes the Citrix XenDesktop and the VMware View environment. The hypervisor environment includes XEN, KVM, RHEV, VMware vSphere, and Microsoft Hyper-V environments, IBM PowerVM, and HP VM environments, and the virtual infrastructure storage includes an RDBMS (Relational Database) DB and a NoSQL DB.
(A) 중앙서버(100)가, IT 인프라(200)로부터 IT 인프라 시계열 데이터를 수신하는 단계;
(B) 상기 중앙서버(100)가, 회귀 모델을 선정하는 단계;
(C) 상기 중앙서버(100)가, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하는 단계;
(D) 상기 중앙서버(100)가, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하는 단계;
(E) 상기 중앙서버(100)가, 가공된 시계열 데이터로부터 패턴을 탐지하는 단계;
(F) 상기 중앙서버(100)가, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하는 단계;
(G) 상기 중앙서버(100)가, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 단계; 및
(H) 상기 중앙서버(100)가, IT 인프라 품질 데이터를 관리자단말기(300)로 제공하는 단계;를 포함하되,
상기 (E) 단계는,
(E1) 상기 중앙서버(100)가, 가공된 시계열 데이터로부터 1차 패턴을 탐지하는 단계;
(E2) 상기 중앙서버(100)가, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하는 단계; 및
(E3) 상기 중앙서버(100)가, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 단계;를 포함하는 것을 특징으로 하며,
상기 (F) 단계는,
(F1) 상기 중앙서버(100)가, 선정된 회귀 모델을 미래 구간의 기저 데이터로 채택하는 단계; 및
(F2) 상기 중앙서버(100)가, 기저 데이터에 선정된 최종 패턴을 더하여 미래 구간의 예측 데이터를 생성하는 단계;를 포함하는 것을 특징으로 하고,
상기 (H) 단계에서, 상기 중앙서버(100)는, IT 인프라 품질 데이터를 상기 관리자단말기(300)로 시각화하여 제공하되 데이터 시각화 방식은 플러그인 방식의 데이터 시각화 방식, 플러그인 방식의 분석 마법사 방식 및 HTML5 기반 반응형 웹 클라이언트 방식 중 어느 하나의 방식을 채택하고 데이터 시각화 컴포넌트 개수는 10개 이상인 것을 특징으로 하며,
상기 (A) 단계에서 상기 중앙서버(100)가 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고,
상기 중앙서버(100)가 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 하는 IT 인프라 품질 감시 방법.In the IT infrastructure quality monitoring method,
(A) the central server 100 receives IT infrastructure time series data from the IT infrastructure 200;
(B) selecting, by the central server (100), a regression model;
(C) converting the time series data received by the central server 100 according to the selected regression model;
(D) generating, by the central server 100, the processed time series data by performing a generalization process using the residual from the converted time series data;
(E) the central server (100) detecting a pattern from the processed time series data;
(F) generating, by the central server (100), predictive data from the time series data processed using the selected regression model and the detected pattern;
(G) analyzing the IT infrastructure quality data from the generated prediction data by the central server 100; And
(H) The central server 100 provides IT infrastructure quality data to the administrator terminal 300,
The step (E)
(E1) the central server (100) detecting a primary pattern from the processed time series data;
(E2) the central server 100 calculating respective correlation coefficients while shifting the time window corresponding to the primary pattern in the entire time series data; And
(E3) The central server 100 selects a primary pattern having a maximum correlation coefficient as a final pattern,
The step (F)
(F1) the central server (100) adopting the selected regression model as the base data of the future period; And
(F2) the central server (100) adds predicted final patterns to the base data to generate predictive data of a future interval,
In step (H), the central server 100 visualizes and provides IT infrastructure quality data to the administrator terminal 300, wherein the data visualization method is a plug-in data visualization method, a plug-in analysis wizard method, Based reactive web client method, and the number of data visualization components is 10 or more,
In step (A), the IT infrastructure time series data received by the central server 100 includes the configuration of the virtual infrastructure and the performance data, the configuration of the virtual infrastructure, the performance data, the VDI layer configuration, Configuration, performance data, hypervisor layer configuration, performance data, virtual infrastructure network configuration, performance data, virtual infrastructure storage configuration, and performance data,
The VDI environment supported by the central server 100 for the configuration and performance data collection of the virtual infrastructure includes Citrix XenDesktop and VMware View environment. The hypervisor environment includes XEN, KVM, RHEV, VMware vSphere, and Microsoft Hyper-V And a virtual environment storage includes an RDBMS (relational database) DB, and a NoSQL DB.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140194968A KR101656012B1 (en) | 2014-12-31 | 2014-12-31 | IT Infra Quality Monitoring System and Method therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140194968A KR101656012B1 (en) | 2014-12-31 | 2014-12-31 | IT Infra Quality Monitoring System and Method therefor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160081321A KR20160081321A (en) | 2016-07-08 |
| KR101656012B1 true KR101656012B1 (en) | 2016-09-08 |
Family
ID=56503577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140194968A KR101656012B1 (en) | 2014-12-31 | 2014-12-31 | IT Infra Quality Monitoring System and Method therefor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101656012B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210115904A (en) | 2020-03-17 | 2021-09-27 | (주)나래데이터 | Apparatus for recommending IT infrastructure system |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220137263A (en) * | 2021-04-02 | 2022-10-12 | 삼성전자주식회사 | Method for soving networks problem and apparatus for performing the method |
| US11936542B2 (en) | 2021-04-02 | 2024-03-19 | Samsung Electronics Co., Ltd. | Method of solving problem of network and apparatus for performing the same |
| CN113468022B (en) * | 2021-07-01 | 2024-02-09 | 丁鹤 | Automatic operation and maintenance method for centralized monitoring of products |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100840129B1 (en) * | 2006-11-16 | 2008-06-20 | 삼성에스디에스 주식회사 | System and method for management of performance fault using statistical analysis |
-
2014
- 2014-12-31 KR KR1020140194968A patent/KR101656012B1/en active IP Right Grant
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210115904A (en) | 2020-03-17 | 2021-09-27 | (주)나래데이터 | Apparatus for recommending IT infrastructure system |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160081321A (en) | 2016-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wen et al. | Fog orchestration for internet of things services | |
| US20180174062A1 (en) | Root cause analysis for sequences of datacenter states | |
| JP6440203B2 (en) | Network monitoring system, network monitoring method and program | |
| KR101656012B1 (en) | IT Infra Quality Monitoring System and Method therefor | |
| Gulenko et al. | A system architecture for real-time anomaly detection in large-scale nfv systems | |
| US9891959B2 (en) | Stage-aware performance modeling for computer cluster sizing | |
| US20150324580A1 (en) | Apparatus and method for analyzing malicious code in real environment | |
| US20180174072A1 (en) | Method and system for predicting future states of a datacenter | |
| JP6572795B2 (en) | Analysis apparatus and analysis program | |
| US20150019722A1 (en) | Determining, managing and deploying an application topology in a virtual environment | |
| CN107343164B (en) | Video monitoring task allocation method and device | |
| US11349730B2 (en) | Operation device and operation method | |
| US20200372367A1 (en) | Cognitive methods and systems for responding to computing system incidents | |
| US20210377129A1 (en) | Network building apparatus, network building method, non-transitory computer readable medium storing program | |
| US20220222066A1 (en) | Software change analysis and automated remediation | |
| JP6965873B2 (en) | Change procedure generator, change procedure generation method and change procedure generator | |
| JP2018014107A (en) | Approximate computing for application performance in heterogeneous systems | |
| McKee et al. | Enabling decision support for the delivery of real-time services | |
| WO2015019488A1 (en) | Management system and method for analyzing event by management system | |
| US20170293292A1 (en) | Rule based real-time data stream-processing method and apparatus thereof | |
| US10805180B2 (en) | Enterprise cloud usage and alerting system | |
| KR101636796B1 (en) | Virtual Infra Obstacle Managing System and Method therefor | |
| JP2022027556A (en) | System and method for determining manufacturing plant topology and fault propagation information | |
| KR20220156266A (en) | Monitoring service apparatus and method for providing fault prediction of device based on transfer learning | |
| CA3170297A1 (en) | Generating performance predictions with uncertainty intervals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190806 Year of fee payment: 4 |
|
| R401 | Registration of restoration |