WO2017179163A1 - アプリケーション分析システム、方法、及び、プログラム - Google Patents

アプリケーション分析システム、方法、及び、プログラム Download PDF

Info

Publication number
WO2017179163A1
WO2017179163A1 PCT/JP2016/061971 JP2016061971W WO2017179163A1 WO 2017179163 A1 WO2017179163 A1 WO 2017179163A1 JP 2016061971 W JP2016061971 W JP 2016061971W WO 2017179163 A1 WO2017179163 A1 WO 2017179163A1
Authority
WO
WIPO (PCT)
Prior art keywords
module
application
analysis
information
data
Prior art date
Application number
PCT/JP2016/061971
Other languages
English (en)
French (fr)
Inventor
智也 太田
裕之 大崎
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to JP2018511829A priority Critical patent/JPWO2017179163A1/ja
Priority to PCT/JP2016/061971 priority patent/WO2017179163A1/ja
Publication of WO2017179163A1 publication Critical patent/WO2017179163A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Definitions

  • the present invention relates generally to computer systems, for example, application analysis.
  • Patent Document 1 discloses a method of automatically extracting a difference in the processing method that is a cause of a decrease in business efficiency from history data obtained by a business system.
  • Patent Document 1 reads out execution history data of a process related to one case from a history database, calculates a work efficiency index for the case, and relates to a plurality of features indicating how to proceed the process for each category that is a classification destination. Determine the classification ratio of the project, perform these for all projects, and calculate the distribution of business efficiency index before and after classification for each feature from the business efficiency index for all projects and the classification ratio for each category for each feature. Then, the amount of change in the variation of the business efficiency index before and after the classification for each feature is calculated from the classification ratio for each category for each feature and the distribution of the business efficiency index before and after the classification for each feature.
  • an object of the present invention is to make it possible to easily identify a module that affects an index related to an application.
  • An application analysis system is a system that analyzes an application including a plurality of modules, and includes a processor and a memory.
  • the memory includes module information including information related to data input / output by each module during execution of the application, and analysis information including information related to data accessed by an analysis program that calculates an index related to the application.
  • the processor Based on the module information and the analysis information, the processor identifies a module of interest that affects the index variation from among the plurality of modules.
  • FIG. 1 shows a configuration example of an application analysis system according to a first embodiment.
  • history table is shown.
  • the structural example of a log collection setting table is shown.
  • the structural example of a module access history table is shown.
  • 4 shows a configuration example of a module relation table according to the first embodiment. It is a flowchart which shows the process example of a module specific
  • An example of the analysis screen is shown.
  • 9 shows a configuration example of an application analysis system according to a second embodiment. It is a structural example of a KPI (Key Performance Indicator) change table. It is an example of the module related table which concerns on Example 2.
  • FIG. It is an example of a structure of an effective countermeasure table. It is a flowchart which shows the example of a production
  • information may be described using the expression “xxx table” or “xxx list”, but the information may be expressed in any data structure. That is, in order to show that the information does not depend on the data structure, the “xxx table” or the “xxx list” can be called “xxx information”.
  • the process may be described using “program” as a subject.
  • the program is executed by a processor (for example, a CPU (Central Processing Unit)), so that a predetermined process is appropriately performed. Since the processing is performed using at least one of a storage resource (for example, a memory) and a communication interface device, the subject of the processing may be a processor and an apparatus having the processor. Part or all of the processing performed by the processor may be performed by a hardware circuit.
  • the computer program may be installed from a program source.
  • the program source may be a program distribution server or a storage medium (for example, a portable storage medium).
  • FIG. 1 shows a configuration example of an application analysis system 1 according to the first embodiment.
  • the execution device 100 executes an application related to business execution.
  • the execution device 100 may be called a business system.
  • the application may be composed of a plurality of modules 111 (for example, modules A, B, and C).
  • the plurality of modules 111 may be configured on the application middleware 112.
  • the execution device 100 manages application data 122 accessed from the plurality of modules 111.
  • the application data 122 may be managed on the data management middleware 121.
  • the execution device 100 manages the log data 123 output from the plurality of modules 111.
  • the log data 123 may be managed on the data management middleware 121.
  • the plurality of modules 111 may read / write and delete the application data 122 via the application middleware 112 and the data management middleware 121 in order to realize the function of the application. Further, the plurality of modules 111 may output (write) the log data 123 via the application middleware 112 or the data management middleware 121 so that the execution state of the application can be confirmed.
  • the execution apparatus 100 executes an analysis job 101 that analyzes the execution result of the application (a plurality of modules 111).
  • the analysis job 101 may be configured on the analysis middleware 102.
  • the analysis job 101 may analyze application execution results with reference to the application data 122, the log data 123, and the like.
  • the analysis apparatus 160 may submit the analysis job 101 to the execution apparatus 100 for execution. Further, the analysis device 160 may collect information related to the execution result of the application in the execution device 100 (such as application data 122 and log data 123) and information related to the analysis result of the analysis job 101. Further, the analysis device 160 may identify a module (referred to as “attention module”) that affects the fluctuation of an index (for example, KPI) related to the performance of an application based on the collected information.
  • a module referred to as “attention module” that affects the fluctuation of an index (for example, KPI) related to the performance of an application based on the collected information.
  • the execution device 100 and the analysis device 160 may each be a computer having a CPU, a memory, a storage device, and the like. Various functions of the execution device 100 and the analysis device 160 may be realized by executing a program stored in the memory or the storage device by the CPU. Examples of the memory are DRAM (Dynamic Random Access Memory), MRAM (Magnetic Responsive Random Access Memory), and FeRAM (Ferroelectric Random Access Memory). Examples of storage devices are SSD (Solid State Drive) and HDD (Hard Disk Drive).
  • the analysis device 160 includes a collection unit 150 that collects various data from the execution device 100, a storage unit 141 that stores data collected by the collection unit 150, and a module 111 and a KPI based on the data stored in the storage unit 141. It has a relation identifying unit 130 that identifies the relation.
  • the collection unit 150 may include a change history management unit 151, a log collection unit 152, an analysis access history acquisition unit 154, and a module access history acquisition unit 153.
  • the change history management unit 151 manages the change history of each module 111 using the application change history table 200 (see FIG. 2).
  • the log collection unit 152 collects log data 123 output by each module 111 at the time of execution based on the setting contents of the log collection setting table 250 (see FIG. 3).
  • the log collection unit 152 may operate as an independent process.
  • the analysis access history acquisition unit 154 acquires a history of accessing data in the data management middleware 121 when the analysis job 101 performs analysis (referred to as “analysis access history”) and stores it in the analysis access history table 350 (see FIG. 5). To do.
  • the analysis job 101 may be executed in response to an instruction from the input unit 131.
  • the SQL statement issued to the data management middleware 121 by the analysis job 101 may be recorded in the analysis access history.
  • the module access history acquisition unit 153 acquires a history of accessing data in the data management middleware 121 when the module 111 is executed (referred to as “module access history”) and stores it in the module access history table 300 (see FIG. 4). .
  • the SQL statement issued by the module 111 to the data management middleware 121 may be recorded in the module access history.
  • the method for the analysis job 101 or the module 111 to access the data management middleware 121 is not limited to SQL, and may be, for example, access by a predetermined program or access by an XML (Extensible Markup Language) parser.
  • the application change history table 200, the log collection setting table 250, the analysis access history table 350, and the module access history table 300 may be held in the storage unit 141.
  • the association identification unit 130 may include an input unit 131, a module identification unit 132, a matching unit 133133, and an output unit 134.
  • the input unit 131 receives an input from a user of the analysis device 160 (see FIG. 9).
  • the module identification unit 132 identifies a module (a module of interest) that affects the KPI variation based on the module access history table 350 and the analysis access history table 300. This makes it possible to know which module is affecting the variation of KPI.
  • the matching unit 133 generates a module association table 700 (see FIG. 6) that associates the module of interest identified by the module identification unit 132 with the change history of the module of interest. As a result, it is possible to know which change of which module has an influence on the variation of the KPI.
  • the output unit 134 presents the execution results of the module specifying unit 132 and the matching unit 133, that is, information indicating the relationship between the module and the KPI to the user (see FIG. 9).
  • FIG. 2 shows a configuration example of the application change history table 200.
  • the application change history table 200 may include a date 201, a module management ID 202, a module name 203, and a change type 204 as data items.
  • the module management ID 202 stores an identifier of an entry in the table 200.
  • the date and time 201 stores the date and time when the change type 204 was changed in the module with the module name 203.
  • the date and time 201 may store the date and time when the entry of the module management ID 202 is registered in the table 200.
  • the module name 203 stores the name of the changed module.
  • the change type 204 stores information indicating what changes have been made to the module with the module name 203.
  • the change type 204 “code” indicates that the program code of the module having the module name 203 has been changed.
  • the change type 204 “parameter” indicates that the parameter of the module having the module name 203 has been changed.
  • the application change history table 200 may be held in the storage unit 141 and managed by the change history management unit 151.
  • the change history management unit 151 may add an entry to the application change history table 200 each time the module 111 is deployed.
  • the entries of the application change history table 200 may be arranged in the order of date / time 201.
  • the modules executed on the application middleware 112 at the time of entry 207 are module A (entry 207) and module B (entry 206). Further, it can be seen that module A has been modified (corrected) at the time of entry 205 and then further modified at the time of entry 207.
  • FIG. 3 shows a configuration example of the log collection setting table 250.
  • the log collection setting table 250 may include a module management ID 251, a file name 252, a format 253, a table name 254, and a column name 255 as data items.
  • the module management ID 251 stores the module management ID 202 of the application change history table 200.
  • the file name 252 stores the name of the file output by the module with the module management ID 251.
  • the format 253 stores information for dividing the data of each line described in the file with the file name 252 into a plurality of column data. For this information, a regular expression or the like may be used.
  • the name of the table that stores the column data divided based on the format 253 is stored.
  • the column name 255 the column name of the storage destination of each column data divided based on the format 253 in the table of the table name 254 is stored.
  • the log collection unit 152 may divide the data of each line of the file (252) output by the module (251) into a plurality of column data based on the format (213).
  • the log collection unit 152 may store the column data in each column (255) of the table (254) of the data management middleware 121.
  • the entry 256 in FIG. 3 indicates that the character string up to the first blank specified in the format 253 is stored in the column name 255 “user” of the table name 254 “access log”.
  • FIG. 4 shows a configuration example of the module access history table 300.
  • the module access history table 300 may include a date and time 301, a module management ID 302, and an SQL statement 303 as data items.
  • the date and time 301 stores the date and time when the module with the module management ID 302 executed the contents of the SQL statement 303.
  • the module management ID 302 stores the module management ID 202 of the application change history table 200.
  • an SQL statement indicating information regarding which data the module of the module management ID 302 has accessed at the time of execution is stored.
  • the module management ID “ID002” (module B) refers to the column name “purpose type” of the table name “user” included in the application data 122 (access). Indicates that
  • FIG. 5 is an example of the analysis access history table 300.
  • the analysis access history table 350 may include a date and time 351, an analysis job ID 352, a KPI 353, and an SQL sentence 354 as data items.
  • the date and time 351 stores the date and time when the analysis job 101 with the analysis job ID 352 executed the contents of the SQL statement 354.
  • an identifier of the analysis job 101 is stored.
  • the name of the KPI is stored.
  • the KPI 352 may store a name input by the user.
  • an SQL statement indicating information regarding which data the analysis job 101 of the analysis job ID 352 accessed at the time of analysis is stored.
  • FIG. 6 shows a configuration example of the module related table 700.
  • the module relation table 700 may have an analysis job ID 701, a module management ID 702, and a matching type 703 as data items.
  • the analysis job ID 352 of the analysis access history table 300 is stored.
  • the module management ID 702 of the module access history table 300 is stored.
  • the matching type 703 stores information indicating how the analysis job 101 with the analysis job ID 701 and the module 111 with the module management ID 702 are accessing the same data. For example, the following “W”, “R”, and “P” information may be stored in the matching type 702.
  • the analysis job 101 with the analysis job ID 701 refers to the data written by the module 111 with the module management ID 702.
  • the data referred to by the module management ID 702 is also referred to by the analysis job ID 701.
  • the module 111 with the module management ID 702 and the analysis job 101 with the analysis job ID 701 refer to the same data with the same access pattern. For example, there is a case where the SQL statement of the analysis job 101 and the SQL statement of the module 111 designate the same data item as “GROUP BY” for the same table.
  • the degree of influence may be determined for the entries in the module relation table 700 based on the matching type 703.
  • the priority of the matching type 703 may be “P”> “W”> “R” in descending order.
  • FIG. 7 is a flowchart showing a processing example of the module specifying unit 132.
  • the module identification unit 132 extracts the entry designated from the input unit 131 from the analysis data access history 350 (step 402). For example, the module identification unit 132 extracts the entry 355 corresponding to the analysis job ID 352 “001” designated from the input unit 131 from the analysis access history table 350 of FIG.
  • the module identification unit 132 extracts the module management ID 202 of each module at the time of analysis from the application change history table 200 (step 403).
  • the module specifying unit 132 refers to the entry before the date and time 351 of the entry 355 extracted above from the application change history table 200 of FIG. 2, and the module management ID 202 “ID003” corresponding to the module A at the time of analysis, The module management ID 202 “ID002” corresponding to the module B is extracted.
  • the module specifying unit 132 extracts an entry in which the module management ID extracted in step 403 is stored in the module management ID 302 from the module access history table 300 (step 404). For example, the module specifying unit 132 extracts the entries 305, 306, and 307 in which the module management IDs 302 “ID002” and “ID003” extracted above are stored from the module access history table 300 of FIG.
  • the module identification unit 132 extracts an entry in which the module management ID extracted in step 403 is stored in the module management ID 251 from the log collection setting table 250 (step 405). For example, the module specifying unit 132 extracts the entry 257 in which the module management ID 251 “ID003” extracted above is stored from the log collection setting table 250 of FIG.
  • the module specifying unit 132 passes the entry information extracted in steps 402, 404, and 405 to the matching unit 133 (step 406).
  • the module specifying unit 132 passes the entries 355, 305, 306, 307, and 257 extracted in the above example to the matching unit 133.
  • the entry group extracted in step 402 is expressed as “EL1”
  • the entry group extracted in step 404 is expressed as “EL2”
  • the entry group extracted in step 405 is expressed as “EL3”. .
  • FIG. 8 is a flowchart showing a processing example of the matching unit 133.
  • the matching unit 133 collates the data access pattern (SQL sentence) between the analysis job 101 and the module 111, and specifies the relationship between the two. For example, the matching unit 133 may specify the relevance based on data accessed by the both, the type of access to the data, and the like.
  • the matching unit 133 may store the identified relationship in the module relationship table 700. Hereinafter, an example of the processing will be described.
  • the matching unit 133 selects one unprocessed entry from the entry group “EL1” (step 502). This selected entry is expressed as “selection EL1”.
  • the matching unit 133 selects one unprocessed entry from the entry group “EL2” (step 503). This selected entry is expressed as “selection EL2”.
  • the matching unit 133 determines whether the analysis job 101 of the selection EL1 and the module 111 of the selection EL2 are accessing the same data ( Step 504).
  • the determination result is “YES”
  • the matching unit 133 proceeds to the process of step 505
  • the determination result is “NO”
  • the matching unit 133 proceeds to the process of step 506.
  • the selection EL1 is the entry 355 and the selection EL2 is the entry 305 or the entry 306, since both access the data item “purpose type” of the table “user information”, the determination result is “YES”. Become.
  • the matching unit 133 identifies the type of access matching determined in step 504 (for example, “W”, “R”, or “P” above). Then, the matching unit 133 adds to the module association table 700 an entry storing the analysis job ID 352 of the selected EL1 in the analysis job ID 701, the module management ID 302 of the selected EL2 in the module management ID 702, and the specified matching type in the matching type 703. (Step 505), the process proceeds to Step 506. For example, when the selection EL1 is the entry 355 and the selection EL2 is the entry 305, since the SQL statement 303 of the entry 305 indicates data reference, the matching type is specified as “R”, and the entry 704 is entered in the module relation table 700. Is added.
  • the type of access matching determined in step 504 for example, “W”, “R”, or “P” above.
  • the matching unit 133 adds the identified matching type to the matching type 703 of the existing entry. That's fine. For example, when the selection EL1 is the entry 355 and the selection EL2 is the entry 306, since the SQL statement 303 of the entry 306 indicates data update, the matching type is specified as “W”, and the entry 704 of the module relation table 700 is entered. “W” is added to the matching type 703.
  • the matching unit 133 executes the processing of steps 503 to 506 until selection of all of the entry group EL2 is completed, and when selection of all is completed, the processing proceeds to the processing of the next step 507 (step 506).
  • the matching unit 133 selects one unprocessed entry from the entry group EL3 (step 507). This selected entry is referred to as “selection EL3”.
  • the matching unit 133 determines whether the log data accessed by the SQL statement 354 of the selection EL1 is the same as the log data collected based on the format 253, the column name 255, and the like of the selection EL3. (Step 508).
  • the matching unit 133 proceeds to the process of step 509 when the determination result is “YES”, and proceeds to the process of step 510 when the determination result is “NO”. For example, when the selection EL1 is the entry 356 and the selection EL3 is the entry 256, since both are accessing the table “access log”, the determination result is “YES”.
  • the matching unit 133 adds, to the module association table 700, an entry in which the analysis job ID 352 of the selection EL1 is stored in the analysis job ID 701, the module management ID 251 of the selection EL3 is stored in the module management ID 702, and “R” is stored in the matching type 703 (step 509), the process proceeds to step 510.
  • the matching unit 133 executes the processing of Steps 507 to 510 until selection of all of the entry group EL3 is completed, and when selection of all is completed, the processing proceeds to the next processing of Step 511 (Step 510).
  • the matching unit 133 executes the processing of steps 502 to 511 until selection of all of the entry group EL1 is completed, and when the selection of all is completed, this processing is ended (step 511).
  • the module related table 700 is generated. Note that information including which application data 122 the module 111 has accessed (for example, the module access history table 300) and information including which log data 123 the module 111 has output are collectively referred to as module information. You may call it. Also, information including which application data 122 the analysis job 101 has accessed and information including which log data 123 the analysis job 101 has accessed are collectively collected as analysis information (in the analysis access history table 350). Equivalent).
  • FIG. 9 shows an example of the analysis screen 801.
  • the user may input the KPI name to be calculated in the KPI 810, the analysis target data in the target data 811, the analysis target type in the analysis axis 812, and click the analysis execution button 814 via the analysis screen 801. .
  • the analysis job 101 corresponding to the input parameter is generated and executed on the analysis middleware 102.
  • the execution result is displayed in the graph display area 814 as a graph, for example.
  • the user may click the module specifying execution button 822.
  • the module specifying unit 132 and the matching unit 133 are executed, and a list of modules affecting the KPI of the current analysis job 101 is extracted.
  • the output unit 134 may display the extracted module list in the module list display area 822 in descending order of influence (priority) on the KPI 810.
  • the output unit 134 may display the extracted topology of the module in the module topology display area 823 and may add a mark 824 to a module having a high influence degree (the influence degree is equal to or greater than a threshold).
  • the influence level of the module may be determined based on the matching type 703. For example, it may be “P”, “W”, “R” in descending order of influence. In this case, in the module relation table 700 of FIG. 8, the entry 704 having the matching type 703 “W” has a higher influence than the entry 705 having only the matching type 703 “R”. 9, module B (module management ID 702 “ID002”) and module A (module management ID 702 “ID003”) may be displayed in this order.
  • a module having a relatively high influence on KPI can be presented to the user.
  • the user can narrow down the modules to be preferentially modified in order to improve the KPI based on the presented contents. That is, the KPI can be improved quickly.
  • the data for finding a module that affects the KPI is not limited to the application data 122 or the log data 123.
  • performance data or statistical data observed by the monitoring system may be used.
  • the setting for the monitoring target module may be configured in the same manner as the log collection setting table 250, and the processing similar to that in step 507 to step 510 may be executed after the processing in step 510 in FIG.
  • whether or not the same data is accessed is determined by whether or not the same table in the database is accessed. Whether or not the access pattern for the data is the same, whether or not the same data is grouped with the same data item in the SELECT statement (that is, the same data item is specified in “GROUP BY”). Judgment by However, the determination method is not limited to these.
  • accessing the same data may mean accessing a series of table groups based on a predetermined dependency relationship or accessing a specific column of the table. Also good.
  • the fact that the access patterns for the data are the same may be that the data items to be grouped match completely, or the data items to be grouped are in the same series (date, month, day, etc.) The like).
  • Example 2 is an example in which it is determined whether or not a module change (modification) contributes to the improvement (improvement) of the KPI in an environment where a plurality of applications and a plurality of analysis jobs corresponding to the applications are executed.
  • FIG. 10 shows a configuration example of the application analysis system 2 according to the second embodiment.
  • the related identification unit 130 includes a KPI identification unit 932.
  • the collection unit 150 includes a KPI extraction unit 904.
  • the storage unit 141 has a KPI change table 1100 (see FIG. 11).
  • the KPI specifying unit 932 specifies the module that contributed to the improvement of the KPI value and the contents of the correction, and generates an effective measure table 1250 (see FIG. 13).
  • the KPI extraction unit 904 records the change of the KPI value in the KPI change table 1100.
  • FIG. 11 is a configuration example of the KPI change table 1100.
  • the KPI change table 1100 may have a date and time 1101, a KPI name 1102, and a KPI value 1103 as data items.
  • the date / time or the period when the KPI value 1103 is measured is stored in the date / time 1101.
  • the KPI name 1102 stores the name of the measured KPI.
  • the KPI value 1103 stores the measured KPI value. By sorting the same KPI name 1102 in order of date and time 1101, changes in the KPI value 1103 can be known.
  • FIG. 12 is an example of the module relation table 1200 according to the second embodiment.
  • the module relation table 1200 may have an analysis job ID 1201, a module management ID 1202, and a matching type 1203 as data items. Values stored in these data items are the same as those in the module management table 700 of FIG.
  • entries 1204 and 1205 may be the same as the entries 704 and 705 in the module management table 700 of FIG.
  • the entry 1206 may be registered by matching the entry 355 of the analysis access history table 350 of FIG. 5 and the entry 308 of the module access history table 300 of FIG. 4 in the process of step 504 of FIG.
  • the entry 1207 may be registered by matching the entry 355 of the analysis access history table 350 of FIG. 5 and the entry 309 of the module access history table 300 of FIG. 4 in the processing of step 504 of FIG.
  • the entry 1208 is registered by matching the entry 356 of the analysis access history table 350 of FIG. 5 with the log data corresponding to the entry 257 of the log collection setting table 250 of FIG. 3 in the processing of step 508 of FIG. It may be.
  • FIG. 13 is a configuration example of the effective measure table 1250.
  • the effective measure table 1250 stores information indicating which module is changed and how effective to improve the KPI.
  • the effective measure table 1250 may have a KPI name 1251, a module management ID 1252, a module name 1253, and a change type 1254 as data items.
  • the name of the KPI is stored.
  • the module management ID 1252 stores a module management ID 202 corresponding to a modification effective for improving the KPI of the KPI name 1251.
  • the module name 1253 stores the module name 203 associated with the module management ID 252 in the application change history table 200.
  • the change type 1254 the change type 204 associated with the module management ID 252 in the application change history table 200 is stored.
  • FIG. 14 is a flowchart showing an example of generation processing of the effective measure table 1250.
  • the module specifying unit 132 performs the same processing as in FIG. 7, extracts EL1, EL2, and EL3, and passes the extracted entry groups EL1, EL2, and EL3 to the matching unit 133.
  • the matching unit 133 executes processing similar to that in FIG. 8 and generates a module association table 1200 (see FIG. 12) (step 1002).
  • the KPI specifying unit 932 excludes entries other than the matching type 1203 “P” from the entries in the module relation table 1200 (step 1003). For example, in the module relation table 1200 of FIG. 12, entries 1204, 1205, and 1208 are excluded, and entries 1206 and 1207 remain.
  • the KPI specifying unit 932 excludes entries whose KPI has not improved in a predetermined period after the module correction from the module relation table 1200 after the process of Step 1003 (Step 1004).
  • the KPI specifying unit 932 may calculate the predetermined period after the module correction with reference to the application change history table 200.
  • the KPI specifying unit 932 may refer to the KPI change table 1100 and determine whether or not the KPI value 1103 has improved in a predetermined period after module correction. For example, when the KPI value 1103 corresponding to the entry 1207 of the analysis job ID 1201 “002” and the module management ID 1202 “ID 101” is not improved in the module relation table 1200 of FIG. 12, the entry 1207 is excluded and the entry 1206 Remain.
  • the KPI specifying unit 932 generates an effective measure table 1250 including the entries finally left by the above processing (step 1005).
  • the effective measure table 1250 can be provided to the user.
  • the user can easily know from the contents of the effective measure table 1250 whether the modification of the module contributed to the improvement of the KPI. Further, the user can make a plan as to which module should be modified in order to improve a desired KPI from the contents of the effective measure table 1250. That is, the KPI can be improved quickly.
  • Example 1 The contents of Example 1 and Example 2 may be combined in any way.
  • the KPI is merely an example of an index related to business execution, and may be any other index.
  • Application analysis system 100 Execution device 160: Analysis device 101: Analysis job 111: Module 130: Related identification unit 141: Storage unit 150: Collection unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

アプリケーション分析システムは、アプリケーションの実行中に各モジュールが入出力したデータに関する情報を含むモジュール情報と、アプリケーションに係る指標を算出する分析プログラムがアクセスしたデータに関する情報を含む分析情報とを有し、モジュール情報と分析情報とに基づいて、複数のモジュールの中から指標の変動に影響を与える注目モジュールを特定する。

Description

アプリケーション分析システム、方法、及び、プログラム
　本発明は、概して、計算機システムに関し、例えば、アプリケーションの分析に関する。
　市場環境の激動を受けて、業務を支えるアプリケーションの開発及び運用を継続的に改善する手法が注目されている。特許文献１には、業務システムによって得られた履歴データから業務効率低下の原因侯補となる処理の進め方の違いを自動的に抽出する方法が開示されている。
特許第４３７６８８７号
　特許文献１は、履歴データベースから一の案件に関する処理の実行履歴データを読み出し、当該案件に対する業務効率指標を算出するとともに、処理の進め方を表す複数の特徴についてそれぞれの分類先である各カテゴリに対する当該案件の分類割合を決定し、これらを全ての案件について行い、全ての案件に関する業務効率指標と特徴毎の各カテゴリに対する分類割合とから、特徴毎の分類前および分類後の業務効率指標分布を算出し、全ての案件に関する特徴毎の各カテゴリに対する分類割合と特徴毎の分類前および分類後の業務効率指標分布とから、各特徴毎の分類前後の業務効率指標のばらつきの変化量を算出する。
　しかし、特許技術１は、ユースケースとそれを実現するアプリケーション（モジュール）とを静的に対応付けているため、業務の改善サイクルの中でユースケースの変化やアプリケーション（モジュール）の変更が発生する開発では、変更の度にユースケースとモジュールとを対応付けし直す必要がある。これは手間のかかる作業であり、改善に要する時間も長くなる。
　そこで本発明の目的は、アプリケーションに係る指標に影響を与えるモジュールを容易に特定可能とすることにある。
　本発明の一実施例に係るアプリケーション分析システムは、複数のモジュールを含むアプリケーションを分析するシステムであって、プロセッサ及びメモリを有する。メモリは、アプリケーションの実行中に各モジュールが入出力したデータに関する情報を含むモジュール情報と、アプリケーションに係る指標を算出する分析プログラムがアクセスしたデータに関する情報を含む分析情報と、を有する。プロセッサは、モジュール情報と分析情報とに基づいて、複数のモジュールの中から指標の変動に影響を与える注目モジュールを特定する。
　本発明によれば、アプリケーションに係る指標に影響を与えるモジュールを容易に特定することができる。
実施例１に係るアプリケーション分析システムの構成例を示す。 アプリケーション変更履歴テーブルの構成例を示す。 ログ収集設定テーブルの構成例を示す。 モジュールアクセス履歴テーブルの構成例を示す。 分析アクセス履歴テーブルの一例である。 実施例１に係るモジュール関連テーブルの構成例を示す。 モジュール特定部の処理例を示すフローチャートである。 マッチング部の処理例を示すフローチャートである。 分析画面の例を示す。 実施例２に係るアプリケーション分析システムの構成例を示す。 ＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ）変化テーブルの構成例である。 実施例２に係るモジュール関連テーブルの例である。 有効対策テーブルの構成例である。 有効対策テーブルの生成処理の例を示すフローチャートである。
　以下、実施例を説明する。
　以下の説明では、「ｘｘｘテーブル」又は「ｘｘｘリスト」の表現にて情報を説明することがあるが、情報は、どのようなデータ構造で表現されていてもよい。すなわち、情報がデータ構造に依存しないことを示すために、「ｘｘｘテーブル」又は「ｘｘｘリスト」を「ｘｘｘ情報」と呼ぶことができる。
　さらに、各情報の内容を説明する際に、「識別子」、「名」、「名称」、「ＩＤ」という表現を用いるが、これらについてはお互いに置換が可能である。
　また、以下の説明では、「プログラム」を主語として処理を説明する場合があるが、プログラムは、プロセッサ（例えばＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ））によって実行されることで、定められた処理を、適宜に記憶資源（例えばメモリ）及び通信インターフェイスデバイスのうちの少なくとも１つを用いながら行うため、処理の主語が、プロセッサ、そのプロセッサを有する装置とされてもよい。プロセッサが行う処理の一部又は全部が、ハードウェア回路で行われてもよい。コンピュータプログラムは、プログラムソースからインストールされてよい。プログラムソースは、プログラム配布サーバ又は記憶メディア（例えば可搬型の記憶メディア）であってもよい。
　図１は、実施例１に係るアプリケーション分析システム１の構成例を示す。
　実行装置１００は、業務遂行に関するアプリケーションを実行する。実行装置１００は業務システムと呼ばれてもよい。アプリケーションは複数のモジュール１１１（例えばモジュールＡ、Ｂ、Ｃ）から構成されてよい。複数のモジュール１１１は、アプリケーションミドルウェア１１２上に構成されてよい。実行装置１００は、複数のモジュール１１１からアクセスされるアプリケーションデータ１２２を管理する。アプリケーションデータ１２２は、データ管理ミドルウェア１２１上で管理されてよい。また、実行装置１００は、複数のモジュール１１１から出力されるログデータ１２３を管理する。ログデータ１２３は、データ管理ミドルウェア１２１上で管理されてよい。
　複数のモジュール１１１は、アプリケーションの機能を実現するために、アプリケーションミドルウェア１１２やデータ管理ミドルウェア１２１を介して、アプリケーションデータ１２２を読み書き及び削除等してよい。また、複数のモジュール１１１は、アプリケーションの実行状態を確認できるように、アプリケーションミドルウェア１１２やデータ管理ミドルウェア１２１を介して、ログデータ１２３を出力（書き込み）してよい。
　実行装置１００は、アプリケーション（複数のモジュール１１１）の実行結果を分析する分析ジョブ１０１を実行する。分析ジョブ１０１は分析ミドルウェア上１０２に構成されてよい。分析ジョブ１０１は、アプリケーションデータ１２２やログデータ１２３等を参照して、アプリケーションの実行結果を分析してよい。
　分析装置１６０は、実行装置１００に分析ジョブ１０１を投入し実行させてよい。また、分析装置１６０は、実行装置１００におけるアプリケーションの実行結果に関する情報（アプリケーションデータ１２２やログデータ１２３など）や分析ジョブ１０１の分析結果に関する情報を収集してよい。また、分析装置１６０は、その収集した情報に基づき、アプリケーションの業務遂行に関する指標（例えばＫＰＩ）の変動に影響を与えるモジュール（「注目モジュール」という）を特定してよい。
　実行装置１００及び分析装置１６０は、それぞれ、ＣＰＵ、メモリ及び記憶デバイス等を有する計算機であってよい。そして、実行装置１００及び分析装置１６０がそれぞれ有する各種機能は、メモリ又は記憶デバイスに格納されているプログラムがＣＰＵで実行されることにより、実現されてよい。メモリの例は、ＤＲＡＭ（Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＭＲＡＭ（Ｍａｇｎｅｔｏｒｅｓｉｓｔｉｖｅ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＦｅＲＡＭ（Ｆｅｒｒｏｅｌｅｃｔｒｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）である。記憶デバイスの例は、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）である。
　分析装置１６０は、実行装置１００から各種データを収集する収集部１５０、収集部１５０が収集したデータを保持する記憶部１４１、及び、記憶部１４１に保持されたデータに基づきモジュール１１１とＫＰＩとの関連性を特定する関連特定部１３０を有する。
　収集部１５０は、変更履歴管理部１５１、ログ収集部１５２、分析アクセス履歴取得部１５４、及び、モジュールアクセス履歴取得部１５３を含んでよい。
　変更履歴管理部１５１は、各モジュール１１１の変更履歴を、アプリケーション変更履歴テーブル２００（図２参照）によって管理する。
　ログ収集部１５２は、各モジュール１１１が実行時に出力するログデータ１２３を、ログ収集設定テーブル２５０（図３参照）の設定内容に基づいて収集する。ログ収集部１５２は、独立したプロセスとして動作してよい。
　分析アクセス履歴取得部１５４は、分析ジョブ１０１が分析の際にデータ管理ミドルウェア１２１のデータにアクセスした履歴（「分析アクセス履歴」という）を取得し、分析アクセス履歴テーブル３５０（図５参照）に格納する。分析ジョブ１０１は、入力部１３１から指示を受けて実行されてよい。分析アクセス履歴には、分析ジョブ１０１がデータ管理ミドルウェア１２１に対して発行したＳＱＬ文が記録されてよい。
　モジュールアクセス履歴取得部１５３は、モジュール１１１が実行の際にデータ管理ミドルウェア１２１のデータにアクセスした履歴（「モジュールアクセス履歴」という）を取得し、モジュールアクセス履歴テーブル３００（図４参照）に格納する。モジュールアクセス履歴には、モジュール１１１がデータ管理ミドルウェア１２１に対して発行したＳＱＬ文が記録されてよい。
　なお、分析ジョブ１０１又はモジュール１１１がデータ管理ミドルウェア１２１にアクセスする方法は、ＳＱＬに限られず、例えば所定のプログラムによるアクセスや、ＸＭＬ（Ｅｘｔｅｎｓｉｂｌｅ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）パーサによるアクセスなどであってもよい。また、上記のアプリケーション変更履歴テーブル２００、ログ収集設定テーブル２５０、分析アクセス履歴テーブル３５０、及び、モジュールアクセス履歴テーブル３００は、記憶部１４１に保持されてよい。
　関連特定部１３０は、入力部１３１、モジュール特定部１３２、マッチング部１３３１３３、及び、出力部１３４を含んで良い。
　入力部１３１は、分析装置１６０の利用者からの入力を受け付ける（図９参照）。
　モジュール特定部１３２は、モジュールアクセス履歴テーブル３５０及び分析アクセス履歴テーブル３００に基づいて、ＫＰＩの変動に影響を与えるモジュール（注目モジュール）を特定する。これにより、何れのモジュールが、ＫＰＩの変動に影響を与えているのかを知ることができる。
　マッチング部１３３は、モジュール特定部１３２が特定した注目モジュールと、その注目モジュールの変更履歴とを対応付ける、モジュール関連テーブル７００（図６参照）を生成する。これにより、何れのモジュールの何れの変更が、ＫＰＩの変動に影響を与えているのかを知ることができる。
　出力部１３４は、モジュール特定部１３２及びマッチング部１３３の実行結果、すなわち、モジュールとＫＰＩとの関係を示す情報を、利用者に提示する（図９参照）。
　図２は、アプリケーション変更履歴テーブル２００の構成例を示す。
　アプリケーション変更履歴テーブル２００は、データ項目として、日時２０１、モジュール管理ＩＤ２０２、モジュール名２０３、及び、変更種別２０４を有してよい。
　モジュール管理ＩＤ２０２には、当該テーブル２００のエントリの識別子が格納される。
　日時２０１には、モジュール名２０３のモジュールに変更種別２０４の変更が行われた日時が格納される。又は、日時２０１には、モジュール管理ＩＤ２０２のエントリが当該テーブル２００に登録された日時が格納されてもよい。
　モジュール名２０３には、変更されたモジュールの名称が格納される。
　変更種別２０４には、モジュール名２０３のモジュールにどのような変更がされたかを示す情報が格納される。例えば、変更種別２０４「コード」は、モジュール名２０３のモジュールのプログラムコードが変更されたことを示す。変更種別２０４「パラメータ」は、モジュール名２０３のモジュールのパラメータが変更されたことを示す。
　アプリケーション変更履歴テーブル２００は、記憶部１４１に保持され、変更履歴管理部１５１によって管理されてよい。変更履歴管理部１５１は、モジュール１１１がデプロイされる度に、アプリケーション変更履歴テーブル２００にエントリを追加してよい。
　アプリケーション変更履歴テーブル２００のエントリは、日時２０１の古い順に並べられてよい。その場合、図２のアプリケーション変更履歴テーブル２００から、エントリ２０７の時点においてアプリケーションミドルウェア１１２上で実行されているモジュールは、モジュールＡ（エントリ２０７）とモジュールＢ（エントリ２０６）であることがわかる。また、モジュールＡは、エントリ２０５の時点で変更（修正）された後、エントリ２０７の時点でさらに修正されたことがわかる。
　図３は、ログ収集設定テーブル２５０の構成例を示す。
　ログ収集設定テーブル２５０は、データ項目として、モジュール管理ＩＤ２５１、ファイル名２５２、フォーマット２５３、テーブル名２５４、及び、カラム名２５５を有して良い。
　モジュール管理ＩＤ２５１には、アプリケーション変更履歴テーブル２００のモジュール管理ＩＤ２０２が格納される。
　ファイル名２５２には、モジュール管理ＩＤ２５１のモジュールが出力するファイルの名称が格納される。
　フォーマット２５３には、ファイル名２５２のファイルに記載されている各行のデータを、複数のカラムデータに分割するための情報が格納される。この情報には、正規表現等が用いられてよい。
　テーブル名２５４には、フォーマット２５３に基づいて分割された各カラムデータの格納先のテーブルの名称が格納される。
　カラム名２５５には、テーブル名２５４のテーブルにおける、フォーマット２５３に基づいて分割された各カラムデータの格納先のカラム名が格納される。
　ログ収集部１５２は、モジュール（２５１）が出力するファイル（２５２）の各行のデータを、フォーマット（２１３）に基づいて複数のカラムデータに分割してよい。そして、ログ収集部１５２は、それらのカラムデータを、データ管理ミドルウェア１２１のテーブル（２５４）の各カラム（２５５）に格納してよい。例えば、図３のエントリ２５６は、フォーマット２５３で指定された最初の空白までの文字列を、テーブル名２５４「アクセスログ」のカラム名２５５「ユーザ」に格納することを示す。
　図４は、モジュールアクセス履歴テーブル３００の構成例を示す。
　モジュールアクセス履歴テーブル３００は、データ項目として、日時３０１、モジュール管理ＩＤ３０２、及び、ＳＱＬ文３０３を有して良い。
　日時３０１には、モジュール管理ＩＤ３０２のモジュールがＳＱＬ文３０３の内容を実行した日時が格納される。
　モジュール管理ＩＤ３０２には、アプリケーション変更履歴テーブル２００のモジュール管理ＩＤ２０２が格納される。
　ＳＱＬ文３０３には、モジュール管理ＩＤ３０２のモジュールが、実行時にどのデータにアクセスしたかに関する情報を示すＳＱＬ文が格納される。
　例えば、図４のモジュールアクセス履歴テーブル３００のエントリ３０５は、モジュール管理ＩＤ「ＩＤ００２」（モジュールＢ）が、アプリケーションデータ１２２に含まれるテーブル名「ユーザ」のカラム名「目的種別」を参照（アクセス）していることを示す。
　図５は、分析アクセス履歴テーブル３００の一例である。
　分析アクセス履歴テーブル３５０は、データ項目として、日時３５１、分析ジョブＩＤ３５２、ＫＰＩ３５３、及び、ＳＱＬ文３５４を有して良い。
　日時３５１には、分析ジョブＩＤ３５２の分析ジョブ１０１がＳＱＬ文３５４の内容を実行した日時が格納される。
　分析ジョブＩＤ３５２には、分析ジョブ１０１の識別子が格納される。
　ＫＰＩ３５２には、ＫＰＩの名称が格納される。ＫＰＩ３５２には、ユーザによって入力された名称が格納されてよい。
　ＳＱＬ文３５４には、分析ジョブＩＤ３５２の分析ジョブ１０１が、分析時にどのデータにアクセスしたかに関する情報を示すＳＱＬ文が格納される。
　図６は、モジュール関連テーブル７００の構成例を示す。
　モジュール関連テーブル７００は、データ項目として、分析ジョブＩＤ７０１、モジュール管理ＩＤ７０２、及び、マッチング種別７０３を有してよい。
　分析ジョブＩＤ７０１には、分析アクセス履歴テーブル３００の分析ジョブＩＤ３５２が格納される。
　モジュール管理ＩＤ７０２には、モジュールアクセス履歴テーブル３００のモジュール管理ＩＤが２０２が格納される。
　マッチング種別７０３には、分析ジョブＩＤ７０１の分析ジョブ１０１、及び、モジュール管理ＩＤ７０２のモジュール１１１が、同じデータにどのようにアクセスしているかを示す情報が格納される。マッチング種別７０２には、例えば次の「Ｗ」、「Ｒ」、「Ｐ」の情報が格納されてよい。
　（Ｗ）モジュール管理ＩＤ７０２のモジュール１１１が書き込んだデータを、分析ジョブＩＤ７０１の分析ジョブ１０１が参照している。
　（Ｒ）モジュール管理ＩＤ７０２のモジュールが参照したデータを、分析ジョブＩＤ７０１の分析ジョブも参照している。
　（Ｐ）モジュール管理ＩＤ７０２のモジュール１１１と分析ジョブＩＤ７０１の分析ジョブ１０１とが、同じデータを同じアクセスパターンで参照している。例えば、分析ジョブ１０１のＳＱＬ文とモジュール１１１のＳＱＬ文とが、同じテーブルに対して同じデータ項目を「ＧＲＯＵＰ　ＢＹ」に指定している場合などである。
　モジュール関連テーブル７００のエントリは、マッチング種別７０３に基づいて影響度（優先度）が決定されてよい。例えば、マッチング種別７０３の優先度は、高い順に「Ｐ」＞「Ｗ」＞「Ｒ」であってよい。
　図７は、モジュール特定部１３２の処理例を示すフローチャートである。
　モジュール特定部１３２は、分析データアクセス履歴３５０から、入力部１３１から指定されたエントリを抽出する（ステップ４０２）。例えば、モジュール特定部１３２は、図５の分析アクセス履歴テーブル３５０から、入力部１３１から指定された分析ジョブＩＤ３５２「００１」に対応するエントリ３５５を抽出する。
　モジュール特定部１３２は、アプリケーション変更履歴テーブル２００から、分析時における各モジュールのモジュール管理ＩＤ２０２を抽出する（ステップ４０３）。例えば、モジュール特定部１３２は、図２のアプリケーション変更履歴テーブル２００から、上記で抽出したエントリ３５５の日時３５１より以前のエントリを参照し、分析時におけるモジュールＡに対応するモジュール管理ＩＤ２０２「ＩＤ００３」、モジュールＢに対応するモジュール管理ＩＤ２０２「ＩＤ００２」を抽出する。
　モジュール特定部１３２は、モジュールアクセス履歴テーブル３００から、モジュール管理ＩＤ３０２に、ステップ４０３で抽出したモジュール管理ＩＤが格納されているエントリを抽出する（ステップ４０４）。例えば、モジュール特定部１３２は、図４のモジュールアクセス履歴テーブル３００から、上記で抽出したモジュール管理ＩＤ３０２「ＩＤ００２」、「ＩＤ００３」が格納されているエントリ３０５，３０６，３０７を抽出する。
　モジュール特定部１３２は、ログ収集設定テーブル２５０から、モジュール管理ＩＤ２５１に、ステップ４０３で抽出したモジュール管理ＩＤが格納されているエントリを抽出する（ステップ４０５）。例えば、モジュール特定部１３２は、図３のログ収集設定テーブル２５０から、上記で抽出したモジュール管理ＩＤ２５１「ＩＤ００３」が格納されているエントリ２５７を抽出する。
　モジュール特定部１３２は、ステップ４０２、４０４、４０５で抽出したエントリの情報を、マッチング部１３３に渡す（ステップ４０６）。例えば、モジュール特定部１３２は、上述の例において抽出したエントリ３５５、３０５、３０６、３０７、２５７を、マッチング部１３３に渡す。なお、下記図８の説明において、ステップ４０２で抽出されたエントリ群を「ＥＬ１」、ステップ４０４で抽出されたエントリ群を「ＥＬ２」、ステップ４０５で抽出されたエントリ群を「ＥＬ３」と表現する。
　図８は、マッチング部１３３の処理例を示すフローチャートである。
　マッチング部１３３は、分析ジョブ１０１とモジュール１１１とのデータアクセスパターン（ＳＱＬ文）を照合し、両者の関連性を特定する。例えば、マッチング部１３３は、両者がアクセスするデータや、そのデータに対するアクセスの種別などに基づいて、関連性を特定してよい。マッチング部１３３は、その特定した関連性を、モジュール関連テーブル７００に格納してよい。以下、当該処理の例を説明する。
　マッチング部１３３は、エントリ群「ＥＬ１」から、未処理の１つのエントリを選択する（ステップ５０２）。この選択されたエントリを「選択ＥＬ１」と表現する。
　マッチング部１３３は、エントリ群「ＥＬ２」から、未処理の１つのエントリを選択する（ステップ５０３）。この選択されたエントリを「選択ＥＬ２」と表現する。
　マッチング部１３３は、選択ＥＬ１のＳＱＬ文３５４と、選択ＥＬ２のＳＱＬ文３０３とに基づき、選択ＥＬ１の分析ジョブ１０１と選択ＥＬ２のモジュール１１１とが同じデータにアクセスしているか否かを判定する（ステップ５０４）。マッチング部１３３は、当該判定結果が「ＹＥＳ」の場合、ステップ５０５の処理へ進み、「ＮＯ」の場合、ステップ５０６の処理へ進む。例えば、選択ＥＬ１がエントリ３５５、選択ＥＬ２がエントリ３０５又はエントリ３０６である場合、何れもがテーブル「ユーザ情報」のデータ項目「目的種別」にアクセスしているので、当該判定結果は「ＹＥＳ」となる。
　マッチング部１３３は、ステップ５０４で判定したアクセスのマッチング種別（例えば上記の「Ｗ」、「Ｒ」、「Ｐ」の何れであるか）を特定する。そして、マッチング部１３３は、分析ジョブＩＤ７０１に選択ＥＬ１の分析ジョブＩＤ３５２、モジュール管理ＩＤ７０２に選択ＥＬ２のモジュール管理ＩＤ３０２、マッチング種別７０３に当該特定したマッチング種別を格納したエントリを、モジュール関連テーブル７００に追加し（ステップ５０５）、ステップ５０６の処理へ進む。例えば、選択ＥＬ１がエントリ３５５、選択ＥＬ２がエントリ３０５である場合、エントリ３０５のＳＱＬ文３０３はデータの参照を示しているので、マッチング種別は「Ｒ」と特定され、モジュール関連テーブル７００にエントリ７０４が追加される。
　なお、モジュール関連テーブル７００に、同一の分析ジョブＩＤ７０１及びモジュール管理ＩＤ７０２が格納されているエントリが存在する場合、マッチング部１３３は、その既存のエントリのマッチング種別７０３に当該特定したマッチング種別を追記すればよい。例えば、選択ＥＬ１がエントリ３５５、選択ＥＬ２がエントリ３０６である場合、エントリ３０６のＳＱＬ文３０３はデータの更新を示しているので、マッチング種別は「Ｗ」と特定され、モジュール関連テーブル７００のエントリ７０４のマッチング種別７０３に「Ｗ」が追記される。
　マッチング部１３３は、エントリ群ＥＬ２の全てを選択し終えるまでステップ５０３～５０６の処理を実行し、全てを選択し終えたら、次のステップ５０７の処理へ進む（ステップ５０６）。
　マッチング部１３３は、エントリ群ＥＬ３から、未処理の１つのエントリを選択する（ステップ５０７）。この選択されたエントリを「選択ＥＬ３」という。
　マッチング部１３３は、選択ＥＬ１のＳＱＬ文３５４によってアクセスされるログデータと、選択ＥＬ３のフォーマット２５３及びカラム名２５５等に基づいて収集されたログデータと、が同じものであるか否かを判定する（ステップ５０８）。マッチング部１３３は、当該判定結果が「ＹＥＳ」の場合、ステップ５０９の処理へ進み、「ＮＯ」の場合、ステップ５１０の処理へ進む。例えば、選択ＥＬ１がエントリ３５６、選択ＥＬ３がエントリ２５６である場合、何れもがテーブル「アクセスログ」にアクセスしているので、当該判定結果は「ＹＥＳ」となる。
　マッチング部１３３は、分析ジョブＩＤ７０１に選択ＥＬ１の分析ジョブＩＤ３５２、モジュール管理ＩＤ７０２に選択ＥＬ３のモジュール管理ＩＤ２５１、マッチング種別７０３に「Ｒ」が格納されたエントリを、モジュール関連テーブル７００に追加し（ステップ５０９）、ステップ５１０の処理へ進む。
　マッチング部１３３は、エントリ群ＥＬ３の全てを選択し終えるまでステップ５０７～５１０の処理を実行し、全てを選択し終えたたら、次のステップ５１１の処理へ進む（ステップ５１０）。
　マッチング部１３３は、エントリ群ＥＬ１の全てを選択し終えるまでステップ５０２～５１１の処理を実行し、全てを選択し終えたら、本処理を終了する（ステップ５１１）。
　以上の処理により、モジュール関連テーブル７００が生成される。なお、モジュール１１１が何れのアプリケーションデータ１２２にアクセスしたかを含む情報（例えばモジュールアクセス履歴テーブル３００）と、モジュール１１１が何れのログデータ１２３を出力したかを含む情報とを、まとめてモジュール情報と呼んでもよい。また、分析ジョブ１０１が何れのアプリケーションデータ１２２にアクセスしたかを含む情報と、分析ジョブ１０１が何れのログデータ１２３にアクセスしたかを含む情報と、をまとめて分析情報（分析アクセス履歴テーブル３５０に相当）と呼んでもよい。
　図９は、分析画面８０１の例を示す。
　ユーザは、分析画面８０１を介して、ＫＰＩ８１０に算出したいＫＰＩ名を、対象データ８１１に分析対象のデータを、分析軸８１２に分析の目的種別を入力して、分析実行ボタン８１４をクリックしてよい。これにより、分析ミドルウェア１０２上に、その入力されたパラメータに対応する分析ジョブ１０１が生成および実行される。その実行結果は、例えばグラフとして、グラフ表示領域８１４に表示される。
　ユーザは、その分析結果が有意義であると判断した場合、モジュール特定実行ボタン８２２をクリックしてよい。これにより、モジュール特定部１３２及びマッチング部１３３が実行され、現在の分析ジョブ１０１のＫＰＩに影響を及ぼしているモジュールの一覧が抽出される。
　出力部１３４は、その抽出されたモジュールの一覧を、ＫＰＩ８１０に対する影響度（優先度）の高い順にモジュールリスト表示領域８２２に表示してよい。また、出力部１３４は、その抽出されたモジュールのトポロジーをモジュールトポロジ表示領域８２３に表示すると共に、影響度の高い（影響度が閾値以上である）モジュールに対してマーク８２４を付与してよい。
　モジュールの影響度は、マッチング種別７０３に基づいて決定されてよい。例えば、影響度の高い順に「Ｐ」、「Ｗ」、「Ｒ」であってよい。この場合、図８のモジュール関連テーブル７００において、マッチング種別７０３「Ｗ」を有するエントリ７０４の方が、マッチング種別７０３「Ｒ」のみのエントリ７０５よりも影響度が高いので、モジュールリスト表示領域８２２に、図９に示すように、モジュールＢ（モジュール管理ＩＤ７０２「ＩＤ００２」）、モジュールＡ（モジュール管理ＩＤ７０２「ＩＤ００３」）の順に表示されてよい。
　なお、複数のエントリが同一の影響度の場合、さらにデータアクセス頻度、データアクセス量などの情報を取得し、それらの値が大きい程、影響度が高いとしてもよい。
　本実施例によれば、ＫＰＩに対して影響度の比較的高いモジュールを、ユーザに提示することができる。ユーザは、この提示内容に基づいて、ＫＰＩを向上させるために優先的に修正すべきモジュールを絞り込むことができる。すなわち、ＫＰＩの改善を迅速に行うことができる。
　なお、ＫＰＩに影響を及ぼすモジュールを発見するためのデータは、アプリケーションデータ１２２、又は、ログデータ１２３に限られない。例えば、監視システムによって観測されるパフォーマンスデータ、又は、統計データも用いられてよい。この場合、監視対象モジュールに対する設定をログ収集設定テーブル２５０と同様に構成し、図８のステップ５１０の処理の後に、ステップ５０７からステップ５１０と同様の処理を実行してよい。
　本実施例では、同じデータにアクセスしているか否かを、データベースの同じテーブルにアクセスしているか否かによって判定している。また、データに対するアクセスパターンが同じであるか否かを、ＳＥＬＥＣＴ文において、同じデータに対して同じデータ項目でグループ化しているか（つまり、「ＧＲＯＵＰ　ＢＹ」に同じデータ項目が指定されているか）否かによって判定している。しかし、判定方法はこれらに限られない。
　例えば、同じデータにアクセスしているとは、所定の依存関係に基づいた一連のテーブル群にアクセスしていることであってもよいし、テーブルの特定のカラムにアクセスしていることであってもよい。
　例えば、データに対するアクセスパターンが同じであることは、グループ化されるデータ項目が完全に一致していることであってもよいし、グループ化されるデータ項目が日時、月、日など同系列（同類）であることであってもよい。
　実施例２は、複数のアプリケーションと、それに対する複数の分析ジョブが実行される環境において、モジュールの変更（修正）がＫＰＩの良化（向上）に寄与したか否かを判定する例である。この結果を用いることにより、同様の改善を行いたい場合に実績のある対策を提供することが可能となり、ＫＰＩの改善を迅速化できる。
　図１０は、実施例２に係るアプリケーション分析システム２の構成例を示す。
　アプリケーション分析システム２において、図１と同様の構成要素については、同一の参照符号を付して説明を省略する。
　関連特定部１３０は、ＫＰＩ特定部９３２を有する。収集部１５０は、ＫＰＩ抽出部９０４を有する。記憶部１４１は、ＫＰＩ変化テーブル１１００（図１１参照）を有する。
　ＫＰＩ特定部９３２は、ＫＰＩ値の向上に寄与したモジュール及びその修正内容を特定し、有効対策テーブル１２５０（図１３参照）を生成する。
　ＫＰＩ抽出部９０４は、ＫＰＩ値の変化を、ＫＰＩ変化テーブル１１００に記録する。
　図１１は、ＫＰＩ変化テーブル１１００の構成例である。
　ＫＰＩ変化テーブル１１００は、データ項目として、日時１１０１、ＫＰＩ名１１０２、ＫＰＩ値１１０３を有してよい。
　日時１１０１には、ＫＰＩ値１１０３が測定された日時又は期間が格納される。ＫＰＩ名１１０２には、測定されたＫＰＩの名称が格納される。ＫＰＩ値１１０３には、測定されたＫＰＩの値が格納される。同一のＫＰＩ名１１０２について日時１１０１の順にソートすることにより、ＫＰＩ値１１０３の変化がわかるようになる。
　図１２は、実施例２に係るモジュール関連テーブル１２００の例である。
　モジュール関連テーブル１２００は、データ項目として、分析ジョブＩＤ１２０１、モジュール管理ＩＤ１２０２、及び、マッチング種別１２０３を有してよい。これらのデータ項目に格納される値は、図６のモジュール管理テーブル７００と同様である。
　図１２において、エントリ１２０４，１２０５は、図６のモジュール管理テーブル７００のエントリ７０４、７０５と同じであってよい。
　エントリ１２０６は、図８のステップ５０４の処理において、図５の分析アクセス履歴テーブル３５０のエントリ３５５と、図４のモジュールアクセス履歴テーブル３００のエントリ３０８とのマッチングによって登録されたものであってよい。
　エントリ１２０７は、図８のステップ５０４の処理において、図５の分析アクセス履歴テーブル３５０のエントリ３５５と、図４のモジュールアクセス履歴テーブル３００のエントリ３０９とのマッチングによって登録されたものであってよい。
　エントリ１２０８は、図８のステップ５０８の処理において、図５の分析アクセス履歴テーブル３５０のエントリ３５６と、図３のログ収集設定テーブル２５０のエントリ２５７に対応するログデータとのマッチングによって登録されたものであってよい。
　図１３は、有効対策テーブル１２５０の構成例である。
　有効対策テーブル１２５０には、どのモジュールをどのように変更することが、ＫＰＩの向上に有効であるかを示す情報が格納される。
　有効対策テーブル１２５０は、データ項目として、ＫＰＩ名１２５１、モジュール管理ＩＤ１２５２、モジュール名１２５３、及び、変更種別１２５４を有してよい。
　ＫＰＩ名１２５１には、ＫＰＩの名称が格納される。
　モジュール管理ＩＤ１２５２には、ＫＰＩ名１２５１のＫＰＩの向上に有効である修正に対応するモジュール管理ＩＤ２０２が格納される。
　モジュール名１２５３には、アプリケーション変更履歴テーブル２００において、モジュール管理ＩＤ２５２と対応付けられているモジュール名２０３が格納される。
　変更種別１２５４には、アプリケーション変更履歴テーブル２００において、モジュール管理ＩＤ２５２と対応付けられている変更種別２０４が格納される。
　図１３の例は、ＫＰＩ名１２５１「再訪問率」を向上させるには、モジュール管理ＩＤ１２５２「ＩＤ０１０」において行われた、「モジュールＣ」（１２５３）のコード修正（１２５４）が有効である旨を示す。
　図１４は、有効対策テーブル１２５０の生成処理の例を示すフローチャートである。
　モジュール特定部１３２は、図７と同様の処理を実行し、ＥＬ１、ＥＬ２、ＥＬ３を抽出し、その抽出したエントリ群ＥＬ１、ＥＬ２、ＥＬ３を、マッチング部１３３に渡す。マッチング部１３３は、図８と同様の処理を実行し、モジュール関連テーブル１２００（図１２参照）を生成する（ステップ１００２）。
　ＫＰＩ特定部９３２は、モジュール関連テーブル１２００のエントリから、マッチング種別１２０３「Ｐ」以外のエントリを除外する（ステップ１００３）。例えば、図１２のモジュール関連テーブル１２００においては、エントリ１２０４、１２０５及び１２０８が除外され、エントリ１２０６及び１２０７が残る。
　ＫＰＩ特定部９３２は、ステップ１００３の処理後のモジュール関連テーブル１２００から、モジュール修正後から所定期間においてＫＰＩが向上していないエントリを除外する（ステップ１００４）。ＫＰＩ特定部９３２は、アプリケーション変更履歴テーブル２００を参照し、モジュール修正後から所定期間を算出してよい。ＫＰＩ特定部９３２は、ＫＰＩ変化テーブル１１００を参照し、モジュール修正後から所定期間において、ＫＰＩ値１１０３が向上しているか否かを判定してよい。例えば、図１２のモジュール関連テーブル１２００において、分析ジョブＩＤ１２０１「００２」及びモジュール管理ＩＤ１２０２「ＩＤ１０１」のエントリ１２０７に対応するＫＰＩ値１１０３が向上していない場合、当該エントリ１２０７は除外され、エントリ１２０６が残る。
　ＫＰＩ特定部９３２は、上述の処理よって最終的に残ったエントリを含む有効対策テーブル１２５０を生成する（ステップ１００５）。
　以上の処理によれば、有効対策テーブル１２５０をユーザに提供することができる。ユーザは、有効対策テーブル１２５０の内容から、モジュールの修正がＫＰＩの向上に寄与したか否かを容易に知ることができる。また、ユーザは、有効対策テーブル１２５０の内容から、所望のＫＰＩを向上させるには、どのモジュールを修正すれば良いかの目処を立てることができる。すなわち、ＫＰＩの改善を迅速に行うことができる。
　上述した実施例は、本発明の説明のための例示であり、本発明の範囲を実施例にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。
　実施例１と実施例２の内容は、どのように組み合わせてもよい。また、ＫＰＩはあくまで業務遂行に関する指標の一例であり、他のどのような指標であってもよい。
　１：アプリケーション分析システム　１００：実行装置　１６０：分析装置　１０１：分析ジョブ　１１１：モジュール　１３０：関連特定部　１４１：記憶部　１５０：収集部

Claims (11)

  1. 　複数のモジュールを含むアプリケーションを分析するシステムであって、プロセッサ及びメモリを有し、
    　前記メモリは、
    　　前記アプリケーションの実行中に各モジュールが入出力したデータに関する情報を含むモジュール情報と、
    　　前記アプリケーションに係る指標を算出する分析プログラムがアクセスしたデータに関する情報を含む分析情報と、を有し、
    　前記プロセッサは、
    　　前記モジュール情報と前記分析情報とに基づいて、複数のモジュールの中から前記指標の変動に影響を与える注目モジュールを特定する
    アプリケーション分析システム。
  2. 　データは、データベースのテーブルに格納されており、
    　前記プロセッサは、
    　　前記モジュール情報から、モジュールがアクセスしたデータの格納先のテーブルを特定し、
    　　前記分析情報から、分析プログラムがアクセスしたデータの格納先のテーブルを特定し、
    　　これら特定した２つのテーブルが同じ場合、当該モジュールを、前記注目モジュールとする
    請求項１に記載のアプリケーション分析システム。
  3. 　前記プロセッサは、前記データベースのテーブルに対する、注目モジュール及び分析プログラムのアクセス方法に基づいて、当該注目モジュールが指標に影響を与える可能性の大きさを示す影響度を判定する
    請求項２に記載のアプリケーション分析システム。
  4. 　前記データベースのテーブルに対する注目モジュール及び分析プログラムのアクセス方法は、ＳＱＬで表現されており、
    　前記テーブルに対して、分析プログラムと同じデータ項目をＳＱＬ文「ＧＲＯＵＰ　ＢＹ」に指定する注目モジュールの影響度は、ＳＱＬ文「ＧＲＯＵＰ　ＢＹ」を指定しない注目モジュールの影響度よりも、大きい
    請求項３に記載のアプリケーション分析システム。
  5. 　前記アプリケーションは、業務遂行に関するアプリケーションであり、
    　前記指標は、前記業務遂行に関するＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ）である
    請求項４に記載のアプリケーション分析システム。
  6. 　前記プロセッサは、ＫＰＩの変化と、影響度の比較的大きい注目モジュールと、を合わせて表示する
    請求項５に記載のアプリケーション分析システム。
  7. 　前記アプリケーション情報は、各モジュールが出力したログデータに関する情報を含み、
    　前記分析情報は、分析プログラムがアクセスした前記ログデータに関する情報を含む
    請求項１に記載のアプリケーション分析システム。
  8. 　前記メモリは、各モジュールの変更に関する情報を含むモジュール変更情報を更に有し、
    　前記プロセッサは、前記モジュール変更情報に基づいて、前記注目モジュールの変更内容を特定する
    請求項１に記載のアプリケーション分析システム。
  9. 　前記プロセッサは、前記分析情報において指標を良化させているモジュールを、注目モジュールとする
    請求項８に記載のアプリケーション分析システム。
  10. 　複数のモジュールを含むアプリケーションを分析する方法であって、
    　前記アプリケーションの実行中に各モジュールが入出力したデータに関する情報を含むモジュール情報と、前記アプリケーションに係る指標を算出する分析プログラムがアクセスしたデータに関する情報を含む分析情報と、に基づいて、複数のモジュールの中から前記指標の変動に影響を与える注目モジュールを特定する
    アプリケーション分析方法。
  11. 　コンピュータを、複数のモジュールを含むアプリケーションを分析する装置として機能させるコンピュータプログラムであって、コンピュータに、
    　前記アプリケーションの実行中に各モジュールが入出力したデータに関する情報を含むモジュール情報と、前記アプリケーションに係る指標を算出する分析プログラムがアクセスしたデータに関する情報を含む分析情報と、に基づいて、複数のモジュールの中から前記指標の変動に影響を与える注目モジュールを特定させる
    コンピュータプログラム。
PCT/JP2016/061971 2016-04-14 2016-04-14 アプリケーション分析システム、方法、及び、プログラム WO2017179163A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018511829A JPWO2017179163A1 (ja) 2016-04-14 2016-04-14 アプリケーション分析システム、方法、及び、プログラム
PCT/JP2016/061971 WO2017179163A1 (ja) 2016-04-14 2016-04-14 アプリケーション分析システム、方法、及び、プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/061971 WO2017179163A1 (ja) 2016-04-14 2016-04-14 アプリケーション分析システム、方法、及び、プログラム

Publications (1)

Publication Number Publication Date
WO2017179163A1 true WO2017179163A1 (ja) 2017-10-19

Family

ID=60042127

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/061971 WO2017179163A1 (ja) 2016-04-14 2016-04-14 アプリケーション分析システム、方法、及び、プログラム

Country Status (2)

Country Link
JP (1) JPWO2017179163A1 (ja)
WO (1) WO2017179163A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020181437A (ja) * 2019-04-26 2020-11-05 三菱電機株式会社 監視制御装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009505218A (ja) * 2005-08-09 2009-02-05 オラクル・システムズ・コーポレイション 汎用のワークフローベースの経路指定
JP2011221770A (ja) * 2010-04-08 2011-11-04 Panasonic Corp 業務改善活動支援方法および業務改善活動支援装置
JP2013246529A (ja) * 2012-05-24 2013-12-09 Hitachi Ltd 業務課題分析支援システム
JP2014157605A (ja) * 2013-02-14 2014-08-28 Aktana Inc システムレベル・ワークフロー戦略および個々のワークフロー活動を管理するシステムおよび方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009505218A (ja) * 2005-08-09 2009-02-05 オラクル・システムズ・コーポレイション 汎用のワークフローベースの経路指定
JP2011221770A (ja) * 2010-04-08 2011-11-04 Panasonic Corp 業務改善活動支援方法および業務改善活動支援装置
JP2013246529A (ja) * 2012-05-24 2013-12-09 Hitachi Ltd 業務課題分析支援システム
JP2014157605A (ja) * 2013-02-14 2014-08-28 Aktana Inc システムレベル・ワークフロー戦略および個々のワークフロー活動を管理するシステムおよび方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020181437A (ja) * 2019-04-26 2020-11-05 三菱電機株式会社 監視制御装置

Also Published As

Publication number Publication date
JPWO2017179163A1 (ja) 2019-02-14

Similar Documents

Publication Publication Date Title
US8930303B2 (en) Discovering pivot type relationships between database objects
CA2957674C (en) Testing insecure computing environments using random data sets generated from characterizations of real data sets
US20150066987A1 (en) Method and system for accessing a set of data tables in a source database
KR102213627B1 (ko) 분석 소프트웨어 관리 시스템 및 분석 소프트웨어 관리 방법
CN106293891B (zh) 多维投资指标监督方法
US20150213066A1 (en) System and method for creating data models from complex raw log files
CN110619000A (zh) 时序数据的查询方法、装置、存储介质及电子设备
WO2019085463A1 (zh) 部门需求的推荐方法、应用服务器及计算机可读存储介质
CN110580253B (zh) 时序数据组的加载方法、装置、存储介质及电子设备
CN106776704A (zh) 统计信息收集方法和装置
CN111143356B (zh) 报表检索方法及装置
WO2017179163A1 (ja) アプリケーション分析システム、方法、及び、プログラム
CN117093556A (zh) 日志分类方法、装置、计算机设备及计算机可读存储介质
US20130124484A1 (en) Persistent flow apparatus to transform metrics packages received from wireless devices into a data store suitable for mobile communication network analysis by visualization
KR101640870B1 (ko) 업무이력 로그 관리 시스템 및 방법
JP2020160494A (ja) 情報処理装置、文書管理システム及びプログラム
CN117743316A (zh) 数据处理方法、装置、存储介质及电子设备
US11636421B1 (en) Model driven reporting
JP2019101829A (ja) ソフトウェア部品管理システム、計算機および方法
JPWO2009008129A1 (ja) 開発書類データ管理装置、開発書類データ管理システム、開発書類データ管理方法及び、そのプログラム並びに記憶媒体
US20160232187A1 (en) Dump analysis method, apparatus and non-transitory computer readable storage medium
JPWO2019012674A1 (ja) プログラムの統合解析管理装置及びその統合解析管理方法
US10268730B2 (en) Focus-driven user interface
US9710774B2 (en) Configuration of embedded intelligence
JPWO2014192072A1 (ja) 計算機、関連性算出方法及び記憶媒体

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2018511829

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16898623

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16898623

Country of ref document: EP

Kind code of ref document: A1