KR20050061358A - 네트워크 진단 방법, 네트워크 진단을 수행하는 코드를포함하는 컴퓨터 판독 가능 매체 및 시스템 - Google Patents

네트워크 진단 방법, 네트워크 진단을 수행하는 코드를포함하는 컴퓨터 판독 가능 매체 및 시스템 Download PDF

Info

Publication number
KR20050061358A
KR20050061358A KR1020040106847A KR20040106847A KR20050061358A KR 20050061358 A KR20050061358 A KR 20050061358A KR 1020040106847 A KR1020040106847 A KR 1020040106847A KR 20040106847 A KR20040106847 A KR 20040106847A KR 20050061358 A KR20050061358 A KR 20050061358A
Authority
KR
South Korea
Prior art keywords
network
edge
packet
measurements
matrix
Prior art date
Application number
KR1020040106847A
Other languages
English (en)
Inventor
바포드리에이
Original Assignee
애질런트 테크놀로지스, 인크.
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 애질런트 테크놀로지스, 인크. filed Critical 애질런트 테크놀로지스, 인크.
Publication of KR20050061358A publication Critical patent/KR20050061358A/ko

Links

Classifications

    • 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
    • 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
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • 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
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
    • 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
    • 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
    • H04L43/04—Processing captured monitoring data, e.g. for logfile generation
    • H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

본 발명은 통신 네트워크와 연관되어 있는 이벤트의 측정치의 선택을 분석하기 위한 시스템 및 방법에 관한 것이다. 일 실시예에서, 측정치의 선택은 네트워크의 표시를 생성하는 것을 포함한다. 네트워크 표현과 연관되어 있는 예상되는 측정치의 복수의 집합이 생성된다. 예상되는 측정치의 각 집합이 네트워크 진단 알고리즘에 제공되면, 예상되는 측정치의 각 집합에 대하여 제각각의 진단 효과성에 관한 행렬이 계산된다.

Description

네트워크 진단 방법, 네트워크 진단을 수행하는 코드를 포함하는 컴퓨터 판독 가능 매체 및 시스템{SYSTEMS AND METHODS FOR ANALYZING THE SELECTION OF MEASUREMENTS OF A COMMUNICATION NETWORK}
본 발명은 통신 네트워크 모델링, 네트워크 측정 및 네트워크 진단에 관한 것이다.
통신 네트워크의 관리를 돕기 위해 사용되는 애플리케이션이 다수 존재한다. 전형적으로, 애플리케이션은 주어진 네트워크로부터 측정치를 수집하고, 어떠한 방식으로 측정치를 처리하고, 처리된 측정치를 사용자에게 보고한다. 어떤 애플리케이션은 고장의 하나 이상의 가능한 원인을 식별함으로써 통신 네트워크의 고장을 진단하려 한다. 그러나, 네트워크 진단을 행하려는 애플리케이션은 이용 가능한 측정치에 의해 제한된다. 측정치는 여러 가지 이유 때문에 제한될 수 있다. 예를 들어, 이전의 기존 네트워크 디자인에서의 네트워크 측정치가 제한될 수 있다. 이와 다르게, 네트워크 내의 장치로부터의 측정치를, 진단을 행하는 특정 프로세싱 시스템으로 전달하는 것이 필요할 수 있다. 이러한 전달이 네트워크의 정상 동작을 방해하는 것을 방지하기 위해, 진단 기능을 하는 프로세싱 시스템으로 이용 가능한 측정치의 부분집합만 전달하는 것이 바람직할 수 있다.
본 발명은 통신 네트워크의 진단을 위해 네트워크 측정치의 선택을 용이하게 하기 위한 시스템 및 방법에 관한 것이다. 본 실시예에서, 네트워크의 표현(가령, 방향성 그래프 표시)이 생성된다. 측정치의 예상되는 집합은 예상되는 측정치의 위치 및 성질을 식별하는 네트워크 표현의 선택된 요소와 연관되어 있다. 각 측정치 집합에 있어서, 제각각의 측정치를 프로세싱하는 진단 알고리즘의 진단 정확성에 관련되어 있는 행렬이 계산된다. 행렬은 네트워크 내에서 장치의 고장 확률 및/또는 그 장치의 수리 비용에 대한 관계를 가질 수도 있다.
일 실시예에서, 측정의 선택을 용이하게 하기 위해, 제 1 통신 링크가 패킷을 손상시키는 경우에, 제 1 통신 링크와 제 2 통신 링크 중 손상시키는 링크를 정확히 구별할 수 있는 지 여부를 판단하는 정수 계획법이 제공된다. 정수 계획법에서, 통신 네트워크는 방향성 그래프의 형태로 모델링될 수 있다. 네트워크 모델로부터, 패킷 흐름 제한(packet flow constraints)이 정의될 수 있다. 예상되는 측정치의 선택에 따라 카운터 제한(counter constraints)이 생성될 수 있다. 적어도 하나의 패킷에서 손상을 입히는 제 1 통신 링크에 대응하는 특정 에지를 식별하기 위해 또 다른 제한이 정의된다. 또한, 패킷 손상을 야기하지 않는 다른 에지를 식별하기 위해 다른 적절한 제한이 정의된다. 제한들의 집합으로부터, 적절한 방법(예컨대 "분기한정법(branch and bound method)")을 이용하여 정의되는 정수 계획을 풀려고 한다. 해가 구해지지 않으면, 그 측정치 집합은, 제 1 통신 링크에 의해 야기되는 패킷 손상이 제 2 통신 링크와 구별될 수 있다는 것이다. 해가 구해지면, 제 1 통신 링크에 의해 야기되는 패킷 손상이 제 2 링크에 의해 야기되는 것으로 오진단될 수 있다.
두 개의 통신 링크가 "구별 가능"한 지 여부를 판단하기 위한 방법을 기초로 하여, 네트워크 내의 각 통신 링크 내의 관계를 식별하는 오분류 행렬(confusion matrix)이 형성될 수 있다. 행렬의 각 요소(e, f)는 제 e 에지가 제 f 에지와 구별될 수 있는 지 여부를 식별한다. 행렬은 측정치의 선택이 개선되게 할 수 있다. 구체적으로, 하나의 에지가 다른 에지와 구별될 수 없는 것으로 식별되는 행렬의 각 요소(e, f)에 대해서, 두 개의 에지가 구별될 수 있도록 추가의 측정치가 선택될 수 있다. 또한, 행렬은 우선해야 하는 정보를 기초로 하여 측정치의 선택을 용이하게 할 수 있다. 예를 들어, 행렬은 특정 장치의 고장 확률 및 그 장치의 수리 비용에 관련하여 사용될 수 있다.
본 실시예는 네트워크와 연관되어 있는 패킷 흐름 제한의 견지에서 네트워크내에서 관찰되는 고장(패킷 손상의 예)을 분석하는 진단 알고리즘을 채용한다. 적절한 진단 알고리즘은 완화 방법, 법칙 제공 알고리즘, 선형 프로그래밍 방법, 검색 방법 및 제한 충족 알고리즘을 포함한다. 일 실시예는 네트워크 내의 고장을 진단하기 위해 정수 계획법을 채용한다. 진단 알고리즘은 도켓 번호가 10011387-1호인 "Diagnosis of Data Transfer Faults Using Constraints"란 제목으로 공동 계류중이고 공동 할당된 미국 특허 제 10/078,817호에 보다 상세히 설명되어 있으며, 이는 본 명세서에 참조로써 합체되어 있다. 네트워크 측정치의 선택에 관한 설명을 하기 전에 정수 계획법의 세부사항을 도 1 내지 도 6을 참조하여 설명할 것이다.
적절한 정수 프로그램은 방향성 그래프의 형태로 네트워크를 모델링함으로써 정의될 수 있다. 본 출원에서 용어 "네트워크"는 패킷을 전달할 수 있는 임의의 장치 또는 시스템을 의미할 수 있다. 그러므로, 용어 "네트워크"는 보통, 라우터와 같은 네트워크의 부속품으로 간주되는 장치들을 포함할 수 있다. 방향성 그래프는 패킷을 수신 및/또는 전송하는 정점(vertices)을 포함한다. 방향성 그래프는 패킷이 방향성 그래프를 가로질러 갈 수 있는 방향을 정의하는 정점들 사이의 에지도 포함한다. 방향성 그래프를 통한 네트워크의 정의를 기초로 하여, 패킷 제한의 집합이 개발된다. 패킷 제한은 가능한 네트워크 측정치의 제한들을 규정한다. 실제의 패킷 측정치가 정해지면, 패킷 제한 및 측정치는 적절한 형태로 인코딩된다. 인코딩된 패킷 제한 및 측정치의 견지에서 가능한 고장 후보를 결정하기 위해 최적화 알고리즘(가령, 적절한 정수 계획 알고리즘)이 사용된다.
도 1은 일 실시예에 따라 네트워크 내에서의 단속적인 고장을 분석하기 위한 순서도를 나타낸다. 단계(101)에서, 네트워크 정점, 에지 및 카운터가 정의된다. 단계(102)에서, 패킷 흐름 제한이 선형 프로그램에 추가된다. 단계(103)에서, 신드롬 제한(syndrome constraints)이 선형 프로그램에 추가된다. 신드롬 제한은 단속적인 고장 또는 그 고장들과 연관되어 있는 측정 데이터를 참조한다. 단계(104)에서, "분기한정법(branch and bound method)"과 같은 적절한 방법을 이용하여 정수 프로그램을 푸는 것에 의해 고장을 발생시킬 수 있는 후보가 결정된다. 이들 각 단계는 아래에 보다 상세히 설명된다.
구체적으로, 네트워크 내에서 단속적인 고장의 진단은 네트워크의 모델을 생성(도 1의 단계(101)를 참조)하는 것으로 시작할 수 있다. 어떤 실시예는 방향성 그래프 G = (V, E)로서 네트워크를 나타낸다. G의 정점 v ∈ V는 (i) 측정이 이루어질 수 있고, (ii) 패킷의 "우수도" 또는 "불량도"가 (예를 들어, CRC(cyclic redundancy code) 알고리즘을 이용하여) 검사될 수 있고, 및/또는 (iii) 불량 또는 손상된 패킷을 놓칠 수 있는 네트워크 내의 위치이다. 정점에는 행동 특성에 관한 정보가 태깅된다. "프롭(prop)"으로 지정되는 정점은 불량 패킷을 전달하고, "논프롭(nonprop)"으로 지정되는 정점은 불량 패킷을 놓치고, 또는 "버스"로 지정되는 정점은 수신한 우수한 패킷을 모든 아웃 에지 상에서 전달한다. "제한이 없는(unconstrained)" 정점은 제각각의 정점에 의해 수신 및 송신되는 다수의 패킷들간의 관계에 관한 지식이 없는 정점을 일컫는다. A={프롭, 논프롭, 버스, 제한이 없음}를 가능한 정점 태그의 집합으로 두자. 각 정점 v ∈ V은 함수 T : V → 2A에 의해 제공되는 태그의 연관된 집합을 갖는다.
지정된 에지들의 집합 E ⊆ V × V는 정점들 간의 전달 경로이다. 일반성을 상실하지 않고, 단 하나의 방향 에지(제각각의 정점들 사이에서 하나의 방향으로 패킷을 전달하는 에지)가 고려된다. 즉, 양방향으로 패킷을 전달하는 임의의 물리적 에지는 네트워크 모델에서 두 개의 단방향 에지로 분할된다. 에지(j, i) ∈ E는 i의 인 에지(in-edges)라 하고, (i, j) ∈ E는 i의 아웃 에지(out-edges)라 한다. 또한, v의 인 에지들 중 어떤 에지로부터 임의의 정점 v로 흐르는 패킷이 v의 아웃 에지들 중 임의의 에지의 밖으로 흐를 수 있다고 가정하자. 물리 시스템이, 특정의 아웃 에지 또는 에지들로부터 빠져나가기 위해 특정의 인 에지에서 그 정점들 중 하나에 들어가는 패킷의 흐름을 제한하는 것으로 알려져 있으면, 정점은 네트워크 모델에서 다수의 정점으로 분할될 수 있다.
또한, 이용 가능한 네트워크 카운터 Ψ 및 그 카운터와 연관된 맵 Μ이 정의된다. 맵 Μ은 E × {t, r} × {우수, 불량} → Ψ으로 제공된다. 맵 Μ은 카운터의 의미(semantics)를 다음 :
- Μ((i, j), t, 우수) = Ψ를 가정하면, 카운터는 우수한 패킷이 정점 i로부터 에지(i, j) 상으로 전송될 때마다 1 증분되고,
- Μ((i, j), t, 불량) = Ψ를 가정하면, 카운터는 불량 패킷이 정점 i로부터 에지(i, j) 상으로 전송될 때마다 1 증분되고,
- Μ((i, j), r, 우수) = Ψ를 가정하면, 카운터는 우수한 패킷이 에지(i, j)를 통해 정점 i에 의해 수신될 때마다 1 증분되고,
- Μ((i, j), r, 불량) = Ψ를 가정하면, 카운터는 불량 패킷이 에지(i, j)를 통해 정점 i에 의해 수신될 때마다 1 증분됨
과 같이 제공한다.
맵 Μ은 다 대 1일 수 있지만, 1 대 1일 수 없다, 즉, 다수의 카운터 의미가 동일한 카운터로 매핑될 수 있다. 예를 들어, 정점 v가 세 개의 인 에지(x, v), (y, z) 및 (z, v)를 갖는다고 가정하자. 카운터 Ψ는 v에 도착하는 모든 우수한 패킷을 카운트할 수 있다.
정점, 에지 및 카운트를 이용하여 네트워크의 모델을 전개한 후에, 네트워크에 대한 제한을 확인할 수 있다. 확인된 제한(가령, 패킷 흐름, 카운터 의미 및/또는 이와 유사한 것들 및 측정된 카운터 값)은, 최적 해가 특정 에지가 고장일 수 있는 지 여부를 판단하는 최적화 문제 내로 인코딩된다. 진단 알고리즘은 세 개의 서브섹션: 흐름 제한 추출, 신드롬 제한 추가, 고장을 발생시키는 후보 결정을 포함한다. 각 신드롬에 대해 제 2 및 제 3 서브섹션만 재반복된다.
어떤 실시예는 다음 변수 집합:
을 사용한다.
변수 집합에서, 변수 g(i, j)는 에지(i, j) 상에서 전송되는 복수의 우수한 패킷을 나타내고, 변수 b(i, j)는 에지(i, j) 상에서 전송되는 복수의 불량 패킷을 나타낸다. 변수 mb(i, i)는 에지(i, j) 상에서 불량이 되는(우수한 상태로 전송되지만 불량한 상태로 수신되는 패킷) 복수의 패킷을 나타낸다. 변수 gd(i, j)는 에지(i, j) 상에서 전송되다가 사라지는 복수의 우수한 패킷을 나타낸다. 구체적으로, 패킷은 수신 장치가 그 패킷을 패킷으로서 식별할 수 없는 정도로 충분히 손상될 수 있다. 변수 bd(i, j)는 에지(i, j) 상에서 전송되다가 사라지는 복수의 불량 패킷을 나타낸다.
어떤 실시예는 네트워크를 통한 패킷의 전달을 분석하기 위해 "키르호프형(Kirchoff-like)"을 이용한다. 회로 이론의 기술 분야에 알려져 있는 바와 같이, 키르호프 법칙은 전류의 물리적 보존 법칙에 따라 회로 내의 전류 흐름을 제한한다(즉, 회로 내에서 전하는 생성 또는 파괴될 수 없다). 그러나, 네트워크의 패킷 흐름이 전하의 물리적 보존 법칙과 유사함이 없기 때문에 키르호프 법칙이 네트워크 분석에 그대로 적용될 수 없다. 이에 따라, 실시예는, 네트워크 내에서의 패킷 생성 및 파괴 확률을 적용한 키르호프형 제한을 안출하며, 이 제한은 아래에서 보다 상세히 설명된다.
도 1의 단계(102)에 관해 간단히 기술한 바와 같이, 흐름 제한의 추출은 일 실시예에 따라 도 2에 도시한 바와 같이 형성될 수 있다. 제한들의 초기 공집합 C가 생성된다(단계(201)). 단계(202)에서, 적어도 하나의 인 에지 및 적어도 하나의 아웃 에지를 가지며 제한 없음 T(i)인 각 정점 i에 대해서, 버스가 T(i)의 원소가 아니면 C에 "KG(i)"를 추가하고, 버스가 T(i)의 원소이면 i의 각 아웃 에지 j에 대해 "KGB(i, j)"를 추가하라.
키르호프형 제한 KG(i)는 다음:
과 같이 정의된다.
제한 KG(i)는 정점 i로 전송되는 우수한 패킷의 개수 빼기 i의 인 에지 상에서 사라지는 패킷의 개수 빼기 i의 인 에지 내에서 불량이 되는 패킷의 개수가 i의 아웃 에지의 바깥으로 흐르는 우수한 패킷의 개수와 동일하다는 것을 나타낸다.
키르호프형 제한 KGB(i, j)는 다음:
과 같이 정의된다.
제한 KGB(i, j)는 정점 i로 전송되는 우수한 패킷의 개수 빼기 i의 인 에지 상에서 사라지는 패킷의 개수 빼기 i의 인 에지 내에서 불량이 되는 패킷의 개수가 i의 아웃 에지 밖에서 흐르는 우수한 패킷의 개수와 동일하다는 것을 나타낸다.
단계(203)에서, 적어도 하나의 아웃 에지를 가지며 제한 없음 T(i)인 각 정점에 대하여, 프롭 ∈ T(i)이고, 버스가 T(i)의 원소가 아니면 C에 KBP(i)를 추가하고, 프롭 ∈ T(i)이고, 버스 ∈ T(i)이면 i의 각 아웃 에지 j에 대해 KBPB(i, j)를 추가하고, 프롭이 T(i)의 원소가 아니면 KBNP(i)를 추가하라.
제한 KBP(i)는 다음 :
과 같이 정의된다.
제한 KBP(i)는 프롭 특성 및 버스 특성을 갖는 정점에 대해, i로 전송되는 불량 패킷의 개수 빼기 i의 인 에지 상에서 사라지는 패킷의 개수 더하기 i의 인 에지 내에서 불량이 되는 패킷의 개수가 i의 바깥으로 흐르는 불량 패킷의 개수와 동일하다는 것을 나타낸다.
제한 KBNP(i, j)는 다음:
과 같이 정의된다.
제한 KBPB(i, j)는 프롭 및 버스 특성을 갖는 정점에 대해, i로 전송되는 불량 패킷의 개수 빼기 i의 인 에지 상에서 사라지는 패킷의 개수 더하기 i의 인 에지 내에서 불량이 되는 패킷의 개수가 i의 각 아웃 에지의 바깥으로 흐르는 불량 패킷의 개수와 동일하다는 것을 나타낸다.
제한 KBNP(i)는 다음:
과 같이 정의된다.
제한 KBNP(i)는 논프롭 특성을 갖는 정점에 대해 불량 패킷이 전송되지 않는다는 것을 나타낸다.
단계(204)에서, 각 에지(i, j)에 대해 에지보존(EDGECONSERVE) 제한을 추가하라. 에지보존 제한은 다음: gd(i, j) + mb(i, j) ≤ g(i, j)이고 bd(i, j) ≤ b(i, j)로서 정의된다. 이들 두 개의 부등식은 에지 상에서 전송된 패킷보다 많은 패킷이 에지 상에서 사라지거나 불량이 될 수 없다는 것을 나타낸다.
단계(205)에서, 카운터 제한이 추가된다:
또한, 모든 변수들은 음이 아닌 것으로 제한됨을 유념하라.
패킷 흐름 제한을 추가한 후에 위에서 언급한 바와 같이, 신드롬 제한이 추가된다(도 1의 단계(103)를 참조). 신드롬 제한은 네트워크 내의 각종 카운터의 측정 값이다. 각 카운터에 대해, 카운터의 측정 값을 지정하기 위한 제한들이 선형 계획에 추가된다.
신드롬 제한이 추가된 후에, 불량 패킷을 야기할 수 있는 고장을 발생시킬 수 있는 후보가 어느 것인지 식별하려는 시도에 의해 진단 문제가 특징지어진다. 각각의 고장을 발생시킬 수 있는 후보는 정확히 하나의 에지(i, j) ∈ E에 대응할 수 있다. 각 후보는 대응 변수 mb(i, j)를 갖는다. 고장을 발생시킬 수 있는 후보는, 그것이 적어도 하나의 불량 패킷을 야기한 제한에 대해 해가 있는 경우에만 식별된다. 그래서, 에지(i, j)는 max{mb(i, j) ｜C, S} ≥ 1인 경우에만 고장일 수 있다. 제한은 모두 선형이다. 또한, 변수값들은 모두 정수이다. 그러므로, 최대화 문제는 정수 계획(IP) 문제이다. 알려져 있는 "분기한정법(branch and bound method)"은 본 실시예에 따라 구성되는 IP 문제를 해결하기 위해 사용될 수 있다. 또한, 다수의 기존 라이브러리 루틴이 IP 문제를 풀기 위해 이용될 수 있다. 유틸리티 "lp_solve"(ftp://ftp.es.ele.tue.nl/pub/lp_solve로부터 공개적으로 구할 수 있음)가 이를 위해 사용될 수 있다.
정수 계획법을 이용하는 네트워크 진단을 설명하기 위해, 도 3은 정점(301 내지 306)을 포함하는 네트워크(300)를 도시한다. 정점(301)("시작")은 전송되는 우수한 패킷을 카운트하고, 정점(302, 303, 305, 306)(각각 "n2pb", "pbif1", "pbif2" 및 "cboc") 각각은 수신되는 우수한 패킷을 카운트한다고 가정하자. 패킷 흐름은 정점(301)("시작")으로부터 정점(302)("n2pb")으로, 정점("pbif1")으로, 정점(304)("buff")으로, 정점("pbif2")으로 그리고 정점(306)("cboc")으로 흐르도록 제한된다. 정점(303, 305)은 네트워크(300) 내의 동일한 물리 장치를 나타낸다. 네트워크(300) 내에서의 제한된 패킷 흐름을 반영하기 위해 동일한 물리 장치는 두 개의 정점에서 표시된다. 정점(303) 또는 정점(305)에 손상된 패킷이 있다는 것을 발견하면, 사용자에게 식별되는 고장의 원인으로서 동일한 물리 장치가 보고된다.
카운터 의미를 정의하는 맵은 다음:
과 같다.
정점(303, 305)이 동일한 물리 장치를 가리키기 때문에, 정점(303, 305)이 우수한 패킷을 수신할 때마다 카운터 Ψ3이 증가된다.
네트워크 패킷 흐름 및 정의되는 카운터를 이용하면, 도 4에 도시한 제한(400)이 본 실시예에 따라 유도될 수 있다. 도 5는 네트워크(300)에 대응하는 복수의 정수 계획을 정의하기 위한 신드롬의 테이블(500)을 도시한다. 도 6은 제한(400)에 의해 정의되는 정수 계획의 해와 제각각의 신드롬의 결과의 테이블(600)을 도시한다. 또한, 노드(304)("buff")를 위해 또 다른 카운터가 네트워크(300)에 추가될 수 있다. 추가의 카운터는 우수한 패킷의 수신을 카운트할 수 있다(M((pbif1, buff), r, good) = Ψ5). 테이블(500)은 이들 추가 카운터에 대한 신드롬도 포함한다. 또한, 테이블(600)은 제한(400)에 의해 정의되는 정수 계획의 해와 추가 카운터에 대응하는 신드롬의 결과를 도시한다.
정수 계획의 결과예는 분석에 이용할 수 있는 시스템의 측정치에 따라 다른 진단 정확성을 달성할 수 있다는 것을 나타낸다. 본 실시예는 네트워크 측정치의 선택을 용이하게 하기 위해 네트워크 측정치간의 차를 기초로 하여 관찰되는 진단 능력의 차를 이용한다.
일 실시예에서, 진단 능력은 에지가 "구별될 수 있는지" 여부를 판단함으로써 분석된다. 에지 e가 적어도 하나의 패킷을 손상시키고, 다른 에지들은 패킷을 손상시키지 않는 경우에만 Ψ 및 M 하에서 f가 진단되는 것이 불가능하면, 에지 e가 에지 f와 구별될 수 있다고 할 것이다. 단계(701)에서, 네트워크에 대한 방향성 그래프가 이전에 기술한 것과 동일한 방식으로 구성된다. 단계(702)에서, 제 1 에지 E(e1, e2) 및 제 2 에지 F(f1, f2)는 네트워크의 방향성 그래프로부터 선택된다. 단계(703)에서, 잠재적인 카운터 및 측정치(Ψ, M)가 선택된다. 단계(704)에서, 도 2의 단계(202 내지 205)에 관해서 위에서 기술한 바와 같이 패킷 흐름 제한 및 측정치 제한을 포함하는 제한(C)이 구성된다.
단계(705)에서, counter_value(Ψ) 제한을 제외한, C 내의 각 제한은 제한 C 내에 구현되어 있는 네트워크 모델을 복제하는 것에 대응하는 새로운 제한을 생성하도록 선택된다. C 내에서 각각의 적절한 제한을 선택하고, 적절한 표기를 사용하여 정수 계획 내의 제각각의 변수를 재명명하는 것에 의해 새로운 제한을 생성함으로써 네트워크 모델의 복제가 이루어질 수 있다. 복제 제한의 설정은 집합 C′라 한다. 복제 모델 C′는 카운터 값(Ψ) 제한에 의해 제한되지 않는다.
단계(706)에서, 원래의 네트워크 모델(C) 내의 각 에지(i, j)에 대해, 제한이 추가되어 제한 집합 D를 형성한다. 원래의 네트워크 모델(C) 내에서 에지(i, j) = 에지 E이면, 제한 mb(i, j) ≥ 1가 추가된다. 원래의 네트워크 모델(C) 내에서 에지(i, j) 에지 E이면, 제한 mb(i, j) = 0이 추가된다.
단계(707)에서, max{mb(f′1, f′2) ≥ ｜ C, C′, D}에 의해 정의되는 정수 계획을 푼다. 에지(f′1, f′2)는 원래의 네트워크 모델 내에서 선택되는 에지 F에 대응하는 네트워크의 복제 모델 내의 에지를 가리킨다. 복제 모델 C′가 counter_value(Ψ) 제한에 의해 제한되지 않기 때문에, 에지(f′1, f′2)가 적어도 하나의 패킷 손상을 야기했다는 것을 나타내는 임의의 카운터 값이 존재하는 지 여부를 판단하기 위해 정수 계획을 풀려고 한다. 또한, C′내의 제한들이 C 내의 제한 및 패킷 손상에 관련되어 있는 제한을 복제하기 때문에, 정의되는 정수 계획에 대한 해는 에지 E 및 F가 구별될 수 없으면 에지(f′1, f′2) 상에서의 패킷 손상만 발견할 것이다.
단계(708)에서, 0보다 큰, 정수 계획에 대한 해가 존재하는 지 여부를 결정하기 위한 논리적 판단이 이루어진다. 논리적 판단이 거짓이면, 프로세스 흐름은 단계(708)로부터, 에지 E가 에지 F와 구별될 수 있다고 표시되는 단계(709)로 진행된다. 단계(708)의 논리적 판단이 참이면, 프로세스 흐름은, 에지 E가 에지 F와 구별될 수 없다고 표시되는 단계(710)로 진행된다.
도 8은 오분류 행렬을 이용하여 네트워크 진단을 위한 측정치 선택의 효과성을 평가하는 행렬을 계산하기 위한 순서도를 나타낸다. 단계(801)에서, 오분류 행렬(C)은 각 에지가 네트워크의 방향성 그래프 표시에서 모든 다른 에지와 구별될 수 있는 지 여부를 판단함으로써 구성된다. 행렬 내의 각 요소(e, f)는 제 e 에지가 제 f 에지와 구별될 수 있는 지 여부를 식별한다. 요소가 0과 같으면, 제 e 에지가 제 f 에지와 구별될 수 없도록 행렬이 정의될 수 있다. 요소가 1과 같으면, 제 e 에지가 제 f 에지와 구별될 수 없다.
단계(802)에서, 각 에지에 대응하는 장치에 대한 고장의 확률(PFP(e))이 결정된다. 고장에 관련되어 있는 정보를 이용할 수 없으면, 각각의 PFP(e)는 1의 값으로 할당될 수 있다. 단계(803)에서, 각 에지에 대응하는 장치에 대한 수리 비용(RC(e))이 결정된다. 수리 비용에 관련되어 있는 정보를 이용할 수 없으면, 각 RC(e)는 1의 값으로 할당될 수 있다. 단계(804)에서, 에러 수리 비용에 대한 상한이 에 의해 계산된다. 구체적으로, 오분류 행렬의 각 요소(e, f)는 에지 e가 야기한 에러가 정수 계획 진단 알고리즘에 의해 에지 f에 의해 야기되는 것으로 혼동할 수 있는 지 여부를 식별한다. 오분류 행렬의 복수의 요소들을 합함으로써, 네트워크 내의 각 에지 전체에 걸쳐서 고장 확률 및 부정확한 장치의 수리 비용, 상한이 결정된다.
도 9는 네트워크 진단 알고리즘에 대해 예상되는 측정치의 복수의 집합의 진단 효과성을 상대적으로 분석하기 위한 순서도를 나타낸다. 단계(901)에서, 예상되는 복수의 측정치(Ψi, Mi) 집합이 정의된다. 단계(902)에서, 예상되는 측정치의 제 i 집합이 선택된다. 단계(903), 집합의 진단 효과성에 관련되어 있는 적절한 행렬(가령, 도 8에 도시한 순서도에 의해 정의되는 행렬)이 계산된다. 단계(904)에서, 예상되는 측정치의 각 집합에 대해 행렬이 계산되었는 지 여부를 판단하기 위해 논리적 판단이 이루어진다. 참이 아니면, 프로세스 흐름은 단계(902)로 되돌아간다. 행렬이 각 집합에 대해 계산되었으면, 프로세스 흐름은 단계(905)로 진행된다. 단계(905)에서, 예상되는 측정치 집합은 계산되는 행렬을 사용하여 상대적인 진단 효과도에 따라 정렬되어 사용자에게 제시될 수 있다.
도 10은 제각각의 실시예를 구현하기 위한 컴퓨터 시스템(1000)을 도시한다. 컴퓨터 시스템(1000)은 적절한 실행 가능 인스트럭션의 제어 하에서 동작되는 범용 프로세서(101)를 포함한다. 실행 가능 인스트럭션 또는 코드는 이전에 기술한 진단 프로세스 흐름을 정의하기 위해 사용될 수 있다. 실행 가능 인스트럭션 및 관련되어 있는 데이터 구조는 컴퓨터 판독 가능 메모리 장치(102)가 접근할 수 있는 컴퓨터 판독 가능 메모리 내에 저장될 수 있다. 컴퓨터 판독 가능 메모리 장치(1002)는 하드 디스크 드라이브와 같은 임의 개수의 적절한 저장 장치를 이용하여 구현될 수 있다. 네트워크 표현(1003), 패킷 흐름 제한(104), 측정치의 집합(1005), 카운터 제한(1006) 및 기타 적절한 데이터 구조가 컴퓨터 판독 가능 매체 상에 저장될 수 있다. 진단 알고리즘(1007)은 네트워크(1003) 표시에 따라 네트워크 진단을 수행할 수 있다. 행렬 계산 알고리즘(1008)은 진단 알고리즘(1007)의 견지에서 제각각의 진단 효과성을 판단하기 위해, 측정치의 집합(1005)의 각 집합에 대한 행렬을 계산할 수 있다.
정수 계획법을 사용하는 실시예가 설명되었지만, 진단 알고리즘의 효과성을 분석하기 위해 다른 적합한 알고리즘이 사용될 수 있다. 적절한 알고리즘은 완화 방법, 법칙 제공 알고리즘, 선형 프로그래밍 방법, 검색 방법 및 제한 충족 알고리즘을 포함한다. 또한, 이러한 알고리즘에 의해 사용되는 네트워크는 다양한 구조를 사용하여 구현될 수 있다. 적절한 구조는 "트리형" 데이터 구조, 인접 또는 기타 적절한 행렬, 적절한 프로그래밍 언어를 사용하여 인코딩된 논리적 단정 및/또는 기타의 것들을 포함한다.
일부의 본 실시예는 다수의 유리한 점을 제공할 수 있다. 일부의 본 실시예는 네트워크 진단 알고리즘을 위해 선택되는 측정치가 진단 알고리즘의 효과성을 최적화할 수 있게 한다. 일부의 본 실시예는 측정치의 선택을 용이하게 하기 위해 고장의 소스로서 혼동될 수 있는 에지를 식별한다. 이러한 식별을 기초로 하여, 추가의 측정치가 선택될 수 있다. 또한, 측정치의 복수의 집합이 예상되는 경우에는, 진단 알고리즘에 의해 처리될 때 측정치의 상대적인 효과성을 비교하기 위한 행렬이 계산될 수 있다.
진단 알고리즘을 위해 선택되는 측정치가 진단 알고리즘의 효과성을 최적화할 수 있게 한다.
도 1은 정수 계획법(integer programming methodology)을 이용하여 네트워크 진단을 행하는 순서도를 나타내는 도면,
도 2는 네트워크 진단을 용이하게 하기 위한 정수 계획을 정의하는 순서도를 나타내는 도면,
도 3은 네트워크 진단을 용이하게 하는 네트워크 표현을 나타내는 도면,
도 4는 도 3에 도시한 네트워크 표현을 이용하여 정수 프로그램에 대한 제한 의 집합을 나타내는 도면,
도 5는 신드롬의 테이블을 도시하는 도면,
도 6은 도 4에 도시한 제한에 의해 정의되는 정수 계획의 결과와, 도 5에 도시한 신드롬의 테이블을 도시하는 도면,
도 7은 정수 계획법에 따라 제 1 에지가 제 2 에지와 구별될 수 있는 지 여부를 판단하기 위한 순서도를 나타내는 도면,
도 8은 네트워크 진단을 위해 예상되는 측정치 집합에 대한 행렬을 계산하기 위한 순서도를 나타내는 도면,
도 9는 진단 알고리즘에 있어서 예상되는 복수의 측정치 집합과 연관되어 있는 제각각의 진단 정확성을 판단하기 위한 순서도를 나타내는 도면,
도 10은 예상되는 네트워크 측정치를 분석하기 위한 시스템을 도시하는 도면.
도면의 주요 부분에 대한 부호의 설명
1001 : 프로세서 1002 : 컴퓨터 판독 가능 매체 장치.
1003 : 네트워크 표현 1004 : 패킷 흐름 제한
1005 : 측정치의 집합 1006 : 카운터 제한
1007 : 진단 알고리즘 1008 : 행렬 계산 알고리즘

Claims (24)

  1. 네트워크 표현을 생성하는 단계와,
    상기 네트워크의 상기 표현과 연관되어 있는 예상되는 측정치의 복수의 집합을 생성하는 단계와,
    예상되는 측정치의 제각각의 집합이 네트워크 진단 알고리즘에 제공되면 예상되는 측정의 각 집합에 대해 제각각의 진단 효과성에 관련되는 행렬을 계산하는 단계를 포함하는
    방법.
  2. 제 1 항에 있어서,
    상기 행렬 계산 단계는
    상기 네트워크에서 제 1 통신 링크에 의해 야기되는 패킷 손상이, 상기 네트워크 진단 알고리즘에 의해 제 2 통신 링크에 의해 야기되는 것으로 오진단될 수 있는 지 여부를 판단하는 단계를 포함하는
    방법.
  3. 제 2 항에 있어서,
    상기 행렬 계산 단계는
    상기 네트워크 내의 각 제각각의 통신 링크에 의해 야기되는 패킷 손상이 상기 네트워크 내의 모든 다른 통신 링크에 의해 야기되는 패킷 손상과 구별될 수 있는 지 여부를 식별하는 행렬을 형성하는 단계를 포함하는
    방법.
  4. 제 1 항에 있어서,
    상기 행렬 계산 단계는 상기 네트워크 내의 장치의 고장의 확률을 이용하는
    방법.
  5. 제 1 항에 있어서,
    상기 행렬 계산 단계는 상기 네트워크 내에서의 장치의 수리 비용을 이용하는
    방법.
  6. 네트워크 표현에서 제 1 에지를 선택하는 단계와,
    상기 네트워크 표현에 대응하는 패킷 흐름 제한 및 네트워크 측정치에 대응하는 카운터 제한을 정의하는 단계와,
    상기 제 1 에지를 적어도 하나의 패킷 손상을 야기하는 것으로 식별하는 제한을 포함하는 패킷 손상 제한을 정의하는 단계와,
    상기 네트워크 표현에서 제 2 에지 상에서의 패킷 손상에 대해 상기 패킷 흐름 제한, 카운터 제한 및 패킷 손상 제한을 사용하는 정수 계획을 풀려고 시도하는 단계와,
    상기 시도에 응답하여, 상기 제 1 에지에 의해 야기되는 패킷 손상이 상기 제 2 에지에 의해 야기되는 패킷 손상과 구별될 수 있는 지 여부를 판단하는 단계를 포함하는
    방법.
  7. 제 6 항에 있어서,
    상기 패킷 흐름 제한은 네트워크 라우팅 제한에 대응하는 패킷 흐름 제한의 제 1 집합 및 상기 제 1 집합의 복제인 상기 패킷 흐름 제한의 제 2 집합을 포함하는
    방법.
  8. 제 7 항에 있어서,
    상기 제 1 집합의 상기 복제는 패킷 카운터 제한에 의해 제한되지 않는
    방법.
  9. 제 6 항에 있어서,
    상기 패킷 손상 제한은 상기 제 1 에지가 아닌 에지를 패킷 손상을 입히지 않는 것으로 식별하는 제한을 포함하는
    방법.
  10. 제 6 항에 있어서,
    0보다 큰 상기 제 2 에지에 대한 패킷 손상에 있어서 상기 정수 계획에 대한 해가 존재하는 지 여부를 판단하는 단계를 더 포함하는
    방법.
  11. 제 6 항에 있어서,
    상기 네트워크 표현 내의 각 에지에 대한 패킷 손상이 상기 네트워크 내의 모든 다른 에지에 대한 패킷 손상과 구별될 수 있는 지 여부를 정의하는 행렬을 생성하는 단계를 더 포함하는
    방법.
  12. 제 11 항에 있어서,
    상기 행렬을 이용하는 에러 수리 비용과, 상기 네트워크 내의 에지들과 연관되어 있는 장치의 고장 확률 및 상기 장치의 수리 비용을 최소화하는 측정치 집합을 결정하는 단계를 더 포함하는
    방법.
  13. 제 12 항에 있어서,
    상기 고장 확률을 1과 동일하게 정의하는 단계를 더 포함하는
    방법.
  14. 제 12 항에 있어서,
    상기 수리 비용을 1과 동일하게 정의하는 단계를 더 포함하는
    방법.
  15. 네트워크를 나타내는 제 1 데이터 구조와,
    상기 네트워크와 연관되어 있는 패킷 흐름 제한을 나타내는 제 2 데이터 구조와,
    예상되는 측정치 집합을 나타내는 제 3 데이터 구조와,
    상기 제 1, 제 2 및 제 3 데이터 구조를 이용하여 고장을 발생시킬 수 있는 후보들을 식별하는 네트워크 진단 알고리즘을 정의하기 위한 코드와,
    예상되는 측정치의 각 집합이 상기 네트워크 진단 알고리즘에 의해 프로세싱될 때, 예상되는 측정치의 집합의 제각각의 진단 효과성에 관한 행렬을 계산하기 위한 코드를 포함하는
    컴퓨터 판독 가능 매체.
  16. 제 15 항에 있어서,
    상기 네트워크 진단 알고리즘은 상기 제 2 데이터 구조 및 상기 제 3 데이터 구조에 의해 정의되는 제한들에 정수 계획법 알고리즘을 적용하는
    컴퓨터 판독 가능 매체.
  17. 제 15 항에 있어서,
    행렬을 계산하기 위한 상기 코드는
    예상되는 측정치의 제각각의 집합이 상기 네트워크 진단 알고리즘에 의해 프로세싱될 때, 각 에지가 상기 제 1 데이터 구조의 모든 다른 에지와 구별될 수 있는 지 여부를 판단하는
    컴퓨터 판독 가능 매체.
  18. 제 15 항에 있어서,
    상기 행렬은 상기 네트워크 내의 장치와 연관되어 있는 고장 확률에도 관련되어 있는
    컴퓨터 판독 가능 매체.
  19. 제 15 항에 있어서,
    상기 행렬은 상기 네트워크 내의 장치의 수리 비용에도 관련되어 있는
    컴퓨터 판독 가능 매체.
  20. 네트워크를 나타내기 위한 수단과,
    상기 네트워크와 연관되어 있는 적어도 하나의 측정치 집합을 나타내기 위한 수단과,
    상기 진단 알고리즘이 상기 측정치 집합을 프로세싱할 때, 상기 제 1 에지가 패킷 손상을 야기하면 진단 알고리즘이 패킷 손상의 소스로서 나타내도록 상기 수단 내의 제 1 에지를 유일하게 식별하는 지 여부를 판단하는 수단을 포함하는
    시스템.
  21. 제 20 항에 있어서,
    상기 표현 수단 내의 각 에지가 패킷 손상의 소스로서, 상기 표시 수단 내의 모든 다른 에지와 구별될 수 있는 지 여부를 정의하는 행렬을 생성하는
    시스템.
  22. 제 21 항에 있어서,
    상기 진단 알고리즘에 의해 프로세싱될 때, 상기 측정치 집합의 진단 효과성에 관련되는 상기 측정치 집합에 대한 행렬을 계산하는 수단을 더 포함하는
    시스템.
  23. 제 22 항에 있어서,
    상기 행렬은 상기 네트워크 내의 장치의 고장 확률에도 관련되어 있는
    시스템.
  24. 제 22 항에 있어서,
    상기 행렬은 상기 네트워크 내의 장치의 수리 비용에도 관련되어 있는
    시스템.
KR1020040106847A 2003-12-17 2004-12-16 네트워크 진단 방법, 네트워크 진단을 수행하는 코드를포함하는 컴퓨터 판독 가능 매체 및 시스템 KR20050061358A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/738,145 US7356443B2 (en) 2003-12-17 2003-12-17 Systems and methods for analyzing the selection of measurements of a communication network
US10/738,145 2003-12-17

Publications (1)

Publication Number Publication Date
KR20050061358A true KR20050061358A (ko) 2005-06-22

Family

ID=34523164

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040106847A KR20050061358A (ko) 2003-12-17 2004-12-16 네트워크 진단 방법, 네트워크 진단을 수행하는 코드를포함하는 컴퓨터 판독 가능 매체 및 시스템

Country Status (6)

Country Link
US (1) US7356443B2 (ko)
EP (1) EP1545054A1 (ko)
KR (1) KR20050061358A (ko)
CN (1) CN1630255A (ko)
SG (1) SG112927A1 (ko)
TW (1) TW200525973A (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1675190B1 (en) * 2003-09-24 2010-06-02 Kyocera Corporation Multilayer piezoelectric device
US7315181B1 (en) * 2005-12-01 2008-01-01 At&T Corp. Method for automatically identifying component failure in a communication network
CN100592691C (zh) * 2007-01-10 2010-02-24 中国电信股份有限公司 网管接口信息模型一致性测试的自动对比方法及系统
CN101001182B (zh) * 2007-01-12 2010-09-29 中国电信股份有限公司 网管接口测试的自适应测试方法及系统
US8024610B2 (en) * 2007-05-24 2011-09-20 Palo Alto Research Center Incorporated Diagnosing intermittent faults
US9397902B2 (en) 2013-01-28 2016-07-19 Rackspace Us, Inc. Methods and systems of tracking and verifying records of system change events in a distributed network system
US9813307B2 (en) * 2013-01-28 2017-11-07 Rackspace Us, Inc. Methods and systems of monitoring failures in a distributed network system
US9483334B2 (en) 2013-01-28 2016-11-01 Rackspace Us, Inc. Methods and systems of predictive monitoring of objects in a distributed network system
US9747551B2 (en) 2014-09-29 2017-08-29 Pivotal Software, Inc. Determining and localizing anomalous network behavior
US10362137B2 (en) * 2015-12-28 2019-07-23 Verizon Patent And Licensing Inc. Hebbian learning-based recommendations for social networks

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5684807A (en) * 1991-04-02 1997-11-04 Carnegie Mellon University Adaptive distributed system and method for fault tolerance
US5375126B1 (en) * 1991-04-09 1999-06-22 Hekimian Laboratories Inc Integrated logical and physical fault diagnosis in data transmission systems
US6515967B1 (en) * 1998-06-30 2003-02-04 Cisco Technology, Inc. Method and apparatus for detecting a fault in a multicast routing infrastructure
US6859755B2 (en) * 2001-05-14 2005-02-22 Rosemount Inc. Diagnostics for industrial process control and measurement systems
US7355981B2 (en) * 2001-11-23 2008-04-08 Apparent Networks, Inc. Signature matching methods and apparatus for performing network diagnostics
US7139676B2 (en) 2002-01-18 2006-11-21 Agilent Technologies, Inc Revising a test suite using diagnostic efficacy evaluation
US7024600B2 (en) 2002-02-19 2006-04-04 Agilent Technologies, Inc. Diagnosis of data transfer faults using constraints
US7051240B2 (en) * 2002-03-14 2006-05-23 Agilent Technologies, Inc. Diagnosis of data packet transfer faults using constraints
US6834256B2 (en) * 2002-08-30 2004-12-21 General Electric Company Method and system for determining motor reliability
US20050068891A1 (en) * 2003-09-25 2005-03-31 Arsikere Amarnath R. Method and apparatus for network throughput measurement

Also Published As

Publication number Publication date
TW200525973A (en) 2005-08-01
CN1630255A (zh) 2005-06-22
US20050138493A1 (en) 2005-06-23
SG112927A1 (en) 2005-07-28
US7356443B2 (en) 2008-04-08
EP1545054A1 (en) 2005-06-22

Similar Documents

Publication Publication Date Title
US7050950B2 (en) System, method and computer product for incremental improvement of algorithm performance during algorithm development
Shang et al. Automated detection of performance regressions using regression models on clustered performance counters
Scanniello et al. Class level fault prediction using software clustering
US11835987B2 (en) Methods and apparatus for finding long methods in code
CN104137078A (zh) 操作管理设备、操作管理方法和程序
JP2001318804A (ja) 確率的な診断システム
JP2006526842A (ja) 兆候除外付きコードブック相関を使用するシステム管理のための方法および装置
US10769866B2 (en) Generating estimates of failure risk for a vehicular component
CN104615476A (zh) 用于所选择的虚拟机复制和虚拟机重新启动的方法和系统
CN114022005A (zh) 一种基于bim技术的工程造价管理系统及方法
US20220188219A1 (en) System testing infrastructure with hidden variable, hidden attribute, and hidden value detection
KR20050061358A (ko) 네트워크 진단 방법, 네트워크 진단을 수행하는 코드를포함하는 컴퓨터 판독 가능 매체 및 시스템
CN109344017A (zh) 一种基于机器学习预测内存故障的方法，设备及可读存储介质
US6526546B1 (en) Method for locating faulty elements in an integrated circuit
El Mandouh et al. Application of machine learning techniques in post-silicon debugging and bug localization
CN110727602B (zh) 覆盖率数据的处理方法、装置及存储介质
US7536602B2 (en) Method and apparatus for evaluating paths in a state machine
CN115659335A (zh) 基于混合模糊测试的区块链智能合约漏洞检测方法及装置
US7051240B2 (en) Diagnosis of data packet transfer faults using constraints
Qutub et al. Hardware faults that matter: Understanding and estimating the safety impact of hardware faults on object detection dnns
KR20200142896A (ko) 디지털 설비의 고장 유형 분석 시스템 및 방법
US11023368B1 (en) Reduction of testing space for system testing infrastructure using combinatorics
US20210263840A1 (en) Identifying false positives in test case failures using combinatorics
Sheppard et al. Applying testability analysis for integrated diagnostics
US7634745B2 (en) Method for computing the critical area of compound fault mechanisms

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid