RU2008137933A - Способ мониторинга компьютерной системы - Google Patents
Способ мониторинга компьютерной системы Download PDFInfo
- Publication number
- RU2008137933A RU2008137933A RU2008137933/09A RU2008137933A RU2008137933A RU 2008137933 A RU2008137933 A RU 2008137933A RU 2008137933/09 A RU2008137933/09 A RU 2008137933/09A RU 2008137933 A RU2008137933 A RU 2008137933A RU 2008137933 A RU2008137933 A RU 2008137933A
- Authority
- RU
- Russia
- Prior art keywords
- events
- cluster
- similarity
- event
- abnormal behavior
- Prior art date
Links
Landscapes
- Debugging And Monitoring (AREA)
Abstract
1. Способ мониторинга компьютерной системы, в котором аккумулируют события, описывающие поведение компьютерной системы, разделяют события на группы по их типу и анализируют события для определения причин необычного поведения и/или проблемы в работе системы, отличающийся тем, что анализируют события, выполняя следующие операции: ! кластеризуют события из каждой группы событий в набор кластеров, при этом вычисляют сходство между событиями применяя метрику сходства; ! определяют кластеры, которые описывают ненормальное поведение или проблемы в работе системы, при этом используют следующее правило: если событие в кластере, содержит информацию о том, что функция системы возвратила неверное значение, тогда такой кластер считают кластером, который описывает ненормальное поведение или проблемы в работе системы; ! определяют причины ненормального поведения или проблем в работе системы, при этом определяют стабильные компоненты событий в каждом кластере, которые описывают ненормальное поведение или проблемы в работе системы: для i-го аргумента каждого события вычисляют среднее сходство M(i) с другими событиями и дисперсию σ(i); считают аргумент стабильным, если дисперсия сходства в кластере находится в интервале [M(i)-σ(i), M(i)+σ(i)]; ! отображают кластеры и отмечают причины ненормального поведения или проблем в работе системы для пользователя. ! 2. Способ по п.1, отличающийся тем, что вычисляют сходство между событиями, применяя метрику сходства, используя при этом коэффициент Дайса и набор предельных значений для каждого типа аргумента событий: два аргумента разных событий считают сходными, если значение коэффициента Дайс
Claims (3)
1. Способ мониторинга компьютерной системы, в котором аккумулируют события, описывающие поведение компьютерной системы, разделяют события на группы по их типу и анализируют события для определения причин необычного поведения и/или проблемы в работе системы, отличающийся тем, что анализируют события, выполняя следующие операции:
кластеризуют события из каждой группы событий в набор кластеров, при этом вычисляют сходство между событиями применяя метрику сходства;
определяют кластеры, которые описывают ненормальное поведение или проблемы в работе системы, при этом используют следующее правило: если событие в кластере, содержит информацию о том, что функция системы возвратила неверное значение, тогда такой кластер считают кластером, который описывает ненормальное поведение или проблемы в работе системы;
определяют причины ненормального поведения или проблем в работе системы, при этом определяют стабильные компоненты событий в каждом кластере, которые описывают ненормальное поведение или проблемы в работе системы: для i-го аргумента каждого события вычисляют среднее сходство M(i) с другими событиями и дисперсию σ(i); считают аргумент стабильным, если дисперсия сходства в кластере находится в интервале [M(i)-σ(i), M(i)+σ(i)];
отображают кластеры и отмечают причины ненормального поведения или проблем в работе системы для пользователя.
2. Способ по п.1, отличающийся тем, что вычисляют сходство между событиями, применяя метрику сходства, используя при этом коэффициент Дайса и набор предельных значений для каждого типа аргумента событий: два аргумента разных событий считают сходными, если значение коэффициента Дайса для этих аргументов больше, чем предельное значение для данного типа аргумента; два события считают сходными, если сходны все аргументы этих событий, а также возвращаемые события; новое событие заносят в кластер, если это событие сходно, хотя бы с одним событием из кластера.
3. Способ по п.1, отличающийся тем, что отображают кластеры и отмечают причины ненормального поведения или проблем в работе системы для пользователя, при этом части каждого события в кластере, которые приводят к ошибке, выделяют цветом.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2008137933/08A RU2424564C2 (ru) | 2008-09-24 | 2008-09-24 | Способ мониторинга компьютерной системы |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2008137933/08A RU2424564C2 (ru) | 2008-09-24 | 2008-09-24 | Способ мониторинга компьютерной системы |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2008137933A true RU2008137933A (ru) | 2010-03-27 |
RU2424564C2 RU2424564C2 (ru) | 2011-07-20 |
Family
ID=42138074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2008137933/08A RU2424564C2 (ru) | 2008-09-24 | 2008-09-24 | Способ мониторинга компьютерной системы |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2424564C2 (ru) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2672137C1 (ru) * | 2018-02-28 | 2018-11-12 | Александр Александрович Бречко | Способ контроля состояния логической структуры сети связи |
-
2008
- 2008-09-24 RU RU2008137933/08A patent/RU2424564C2/ru not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
RU2424564C2 (ru) | 2011-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6076571B1 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
US10380002B1 (en) | User interface for specifying data stream processing language programs for analyzing instrumented software | |
CN113220724B (zh) | 用于处理数据流的方法、系统和计算机可读存储介质 | |
CN1795438B (zh) | 用于跨距剖析软件应用的方法和设备 | |
US7934126B1 (en) | Resolution of computer operations problems using fault trend analysis | |
US8677191B2 (en) | Early detection of failing computers | |
US20140281726A1 (en) | Bottleneck Detector Application Programming Interface | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
EP3301586A1 (en) | Pre-processor and diagnosis device | |
CN106603299B (zh) | 一种服务健康指数的生成方法及装置 | |
Pirzadeh et al. | An approach for detecting execution phases of a system for the purpose of program comprehension | |
CN110187980A (zh) | 消息队列监控方法、装置、电子设备及可读存储介质 | |
WO2017150286A1 (ja) | システム分析装置、システム分析方法、及び、コンピュータ読み取り可能な記録媒体 | |
US20080126354A1 (en) | Management of a distributed database | |
JP2014106972A (ja) | 動的ライブラリのプロファイリング方法 | |
Grabs et al. | Measuring performance of complex event processing systems | |
CN107451029A (zh) | 一种信息处理方法及装置、设备 | |
JP2008108154A (ja) | 稼働性能情報の管理システム | |
RU2008137933A (ru) | Способ мониторинга компьютерной системы | |
WO2019046996A1 (en) | JAVA SOFTWARE LATENCY ANOMALY DETECTION | |
WO2016063816A1 (ja) | 計算機システムの異常予兆検出装置および方法 | |
KR20110121014A (ko) | 무역역조현황 추적 진단 및 특허기술 모니터링 시스템 및 방법 | |
TWI771531B (zh) | 使用機器學習預測系統健康度之方法與系統 | |
EP2274677A2 (en) | System and method for detecting system relationships by correlating system workload activity levels | |
JP2017207878A (ja) | 欠落データ推定方法、欠落データ推定装置および欠落データ推定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20100405 |
|
FZ9A | Application not withdrawn (correction of the notice of withdrawal) |
Effective date: 20101012 |
|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20180925 |