JP5141789B2 - Operation management apparatus, operation management system, information processing method, and operation management program - Google Patents
Operation management apparatus, operation management system, information processing method, and operation management program Download PDFInfo
- Publication number
- JP5141789B2 JP5141789B2 JP2011098809A JP2011098809A JP5141789B2 JP 5141789 B2 JP5141789 B2 JP 5141789B2 JP 2011098809 A JP2011098809 A JP 2011098809A JP 2011098809 A JP2011098809 A JP 2011098809A JP 5141789 B2 JP5141789 B2 JP 5141789B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- performance
- performance information
- correlation
- operation management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Description
本発明は、運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラムに関し、特に、情報通信サービスを提供するシステム全体の性能のボトルネックを解析する運用管理装置などに関する。 The present invention relates to an operation management apparatus, an operation management system, an information processing method, and an operation management program, and more particularly to an operation management apparatus that analyzes a performance bottleneck of an entire system that provides an information communication service.
企業情報システムやIDC(Internet Data Center)など比較的大規模なシステムなどにおいて、WEBサービスや業務サービスといった情報通信サービスの社会インフラとしての重要性が高まるにつれて、そのサービスを提供するサーバなどの装置の安定稼動が重要となっている。このような装置の運用管理は、管理者が手作業で行っていた。装置が大規模・複雑化するにつれて、管理者には知識および操作の面での負担が飛躍的に増大し、判断ミスや操作ミスによるサービス停止といった事態も発生している。 In relatively large-scale systems such as corporate information systems and IDCs (Internet Data Centers), as the importance of information communication services such as web services and business services as social infrastructure increases, devices such as servers that provide such services Stable operation is important. The operation management of such an apparatus has been performed manually by an administrator. As the devices become larger and more complicated, the burden on the manager is drastically increased in terms of knowledge and operation, and a situation such as service interruption due to a determination error or an operation error has also occurred.
このような事態に対処するため、システムを構成するハードウェアあるいはソフトウェアを一元的に状態監視し制御する統合運用管理システムが提供されている。 In order to cope with such a situation, an integrated operation management system that centrally monitors and controls the hardware or software constituting the system is provided.
この統合管理システムでは、管理対象となる複数のハードウェアまたはソフトウェアの稼動状況に関する情報をオンラインで取得し、統合管理システムに接続した表示装置に出力する。管理対象となるシステムの障害を判別するには、あらかじめ性能情報に閾値を設定しておく方法や、平均値からのずれを評価する方法などがあり、障害と判定された場合、該箇所が報告される。
障害箇所が報告された場合、それがメモリ容量不足が原因なのか、CPU負荷が原因なのか、ネットワーク負荷が原因なのか等、解決のために原因を絞り込む必要がある。一般に原因の解明には関係がありそうな計算機のシステムログやパラメータの調査、さらにはシステムエンジニアの経験と勘に頼る必要があり、解決に時間と労力を要する。
In this integrated management system, information regarding the operating status of a plurality of hardware or software to be managed is acquired online and output to a display device connected to the integrated management system. To determine the failure of the system to be managed, there are a method of setting a threshold value in the performance information in advance and a method of evaluating deviation from the average value. Is done.
When a failure location is reported, it is necessary to narrow down the cause for resolution, such as whether it is caused by insufficient memory capacity, CPU load, or network load. In general, investigation of computer system logs and parameters that are likely to be related to the elucidation of the cause, as well as relying on the experience and intuition of system engineers, require time and effort to solve.
このため、統合運用管理システムでは、複数の機器から収集したイベントデータ(状態通知)に基づいて異常状態の組み合わせ等の分析を自動的に行い、大局的な問題点や原因を推定して管理者に通知し、対処支援を行うことが重要となる。 For this reason, the integrated operation management system automatically analyzes combinations of abnormal conditions based on event data (status notifications) collected from multiple devices, estimates global problems and causes, and It is important to notify and provide support.
特に、サービスの長期連続運用での信頼性確保には、発生した異常だけでなく、明確な異常になっていない性能劣化や将来発生が予想される障害の兆候といった状態を検出し、計画的な設備増強を行うことが求められている。このような要求への対応として、統合運用管理システムにおいて、システム全体における性能のボトルネックの解析を行うことが重要となる。 In particular, in order to ensure reliability in long-term continuous service operation, not only abnormalities that have occurred but also conditions such as performance deterioration that is not clearly abnormal and signs of failure that are expected to occur in the future are detected and planned. There is a demand for equipment enhancement. In order to respond to such demands, it is important to analyze performance bottlenecks in the entire system in an integrated operation management system.
このような統合運用管理システムに関連する技術として、例えば以下に示す特許文献1乃至特許文献7などが挙げられる。
As technologies related to such an integrated operation management system, for example,
第1の関連技術である特許文献1の運用管理装置では、システムへの入力を擬似的に発生させるテストを行うことによって、想定される高負荷な状態で性能監視を行い、ボトルネックとなる要素を特定する。この運用管理装置では、テスト時と同様な負荷が発生した場合のシステムの挙動を分析することができる。
In the operation management apparatus of
第2の関連技術である特許文献2の運用管理装置では、システム要素の処理の履歴と性能情報の変化の履歴とを比較することによって、特定の処理に起因する負荷量を特定し、将来の処理量での負荷を分析する。この運用管理装置では、予め処理と負荷との関係が把握できている場合には、システムの挙動を特定することができる。 In the operation management apparatus of Patent Document 2 which is the second related technology, the load amount resulting from the specific process is specified by comparing the history of the process of the system element and the change history of the performance information, and the future Analyze the processing load. In this operation management apparatus, the behavior of the system can be specified when the relationship between the processing and the load can be grasped in advance.
第3の関連技術である特許文献3の運用管理装置では、収集した性能情報の履歴から、各々の性能情報の時系列変化を曲線近似して将来値を予測する。この運用管理装置では、現在の性能変化から発生しうる状況を仮説として導出し、ボトルネックとなり得る要素の候補を列挙する。 In the operation management apparatus disclosed in Patent Document 3 as the third related technique, a future value is predicted from a history of collected performance information by approximating a time-series change of each performance information with a curve. In this operation management apparatus, a situation that can occur from the current performance change is derived as a hypothesis, and candidate elements that may become bottlenecks are listed.
第4の関連技術である特許文献4の運用管理装置では、システムの構成要素間の関係の大きさを稼動情報を元に定量化することにより障害の原因となる構成要素を特定する。この運用管理装置では、異常となった要素に対して、その時点で性能値に相関のある要素が重み付けされて一覧表示されることで、原因の候補を列挙する。
In the operation management apparatus of
第5の関連技術である特許文献5の運用管理装置では、稼働情報収集部は、監視対象システム内の複数の装置から、ICMP、SNMP、rshなどを利用して、CPU、Network IO(ネットワークInput/Output)などのハードウェア稼動情報、Webサーバのアクセス量、DBサーバの処理クエリ量などのアプリケーション稼動情報を一定時間間隔で取得し、稼動情報DBに保存する。
前処理部は、稼働情報DBに格納されている各構成要素の稼働情報間の統計的分析値を求める統計処理を行う。前処理部は、例えば、各稼働情報間の相関係数を求めたり、各稼働情報間で主成分分析を行ったりして、統計的分析値を求める。この統計的分析値は、所定時刻における各装置の稼働情報間の関連度を示す値となっている。例えば特許文献5の図2では、「サーバ1のCPU使用率」と「サーバ2のCPU使用率」との相関係数が「0.93」等となっている。相関係数は、2つの変量間の相関関係の程度を表す数値である。
このような運用管理装置では、まず、監視対象となるサーバ、ネットワーク機器等から、CPU使用率のようなハードウェア稼動情報、またWebサーバであれば、アクセスの状況といったアプリケーションレベルの情報を定期的に取得するようにし、正常なアクセス時や、障害発生時といった各状況における稼動情報から、各状況を特徴付ける“取得値間の関連”を相関分析・主成分分析といった統計的手法を用いて算出し、各状況のモデルを定義してモデル情報DBに保持しておく。
そして、運用時には、定期的に、あるいは障害のアラートや、提供サービスのレスポンス低下などをトリガとして、現在の稼働情報に対して定義したモデルと同様の統計的手法を行い、モデル情報DBに定義したモデルと比較して、マッチしたモデルの状況を現在置かれている状況として識別する。
In the operation management apparatus disclosed in Patent Document 5, which is the fifth related technology, the operation information collection unit uses a CPU, a network IO (network input) from a plurality of apparatuses in the monitoring target system using ICMP, SNMP, rsh, or the like. Application operation information such as hardware operation information such as / Output), Web server access amount, and DB server processing query amount is acquired at regular time intervals and stored in the operation information DB.
The preprocessing unit performs a statistical process for obtaining a statistical analysis value between the pieces of operation information of each component stored in the operation information DB. For example, the preprocessing unit obtains a statistical analysis value by obtaining a correlation coefficient between pieces of operation information or performing principal component analysis between pieces of operation information. This statistical analysis value is a value indicating the degree of association between the operation information of each device at a predetermined time. For example, in FIG. 2 of Patent Document 5, the correlation coefficient between “CPU usage rate of
In such an operation management apparatus, first, hardware operation information such as a CPU usage rate from a monitoring target server or network device, or application level information such as an access status for a Web server is periodically transmitted. Based on the operation information in each situation such as normal access or failure occurrence, the “relation between acquired values” that characterizes each situation is calculated using statistical methods such as correlation analysis and principal component analysis. The model of each situation is defined and stored in the model information DB.
At the time of operation, a statistical method similar to the model defined for the current operation information is performed periodically or triggered by a failure alert or a decrease in response of the provided service, and defined in the model information DB. Compare the model to identify the situation of the matched model as the current situation.
第6の関連技術である特許文献6の運用管理装置では、モニタ部は、AC環境及び非AC環境の状態に係る状態情報を取得し、分析部又はモデル診断部は、取得された状態情報に基づいて、AC環境の装置の状態を判定する。シミュレーション部は、その判定結果に対応する対策リストを参照し、対策リストに含まれる少なくとも一つの対策夫々によるシミュレーション処理を実行し、各対策の効果を評価する。
モデル抽出部は、時間に対するCPUの使用率の関係を表す座標系において、時間1〜時間3の監視データをプロットし、プロットした各監視データの線形近似式(fa(x)=αx+β)を求めることによって、CPU使用率の時系的変化を表すモデルを抽出する。モデル抽出部は、抽出したモデルを知識情報蓄積部に対して蓄積する。
同様にして、時間に対するスループットの関係を表す座標系においてもモデルを求める。
そして、モデル抽出部は、これらの2つのモデルに対して相関分析及び多変量解析を行うことで、処理Aと処理Bとの夫々について、CPU使用率とスループットとの相関を表す線形近似式(fTA(x)=ρ1x+θ1、fTB(x)=ρ2x+θ2)を求め、CPU使用率とスループットとの相関を示すモデルを抽出する。モデル診断部は、各モデルに該当するポリシーを夫々参照し診断を実行する(特許文献6の段落番号0060〜0062)。
In the operation management apparatus of Patent Document 6 that is the sixth related technique, the monitor unit acquires state information relating to the state of the AC environment and the non-AC environment, and the analysis unit or the model diagnosis unit includes the acquired state information. Based on this, the state of the device in the AC environment is determined. The simulation unit refers to the countermeasure list corresponding to the determination result, executes a simulation process by each of at least one countermeasure included in the countermeasure list, and evaluates the effect of each countermeasure.
The model extraction unit plots the monitoring data from
Similarly, a model is also obtained in a coordinate system representing the relationship of throughput with respect to time.
Then, the model extraction unit performs a correlation analysis and a multivariate analysis on these two models, so that a linear approximate expression (corresponding to the CPU usage rate and the throughput for each of the processing A and the processing B) ( fTA (x) = ρ1x + θ1, fTB (x) = ρ2x + θ2) is obtained, and a model indicating the correlation between the CPU usage rate and the throughput is extracted. The model diagnosis unit performs diagnosis by referring to the policy corresponding to each model (paragraph numbers 0060 to 0062 of Patent Document 6).
第7の関連技術である特許文献7では、コンピュータ上でどのようなワークロードが稼動中かを判断し、ワークロードのタイプに基づいてコレクタを始動し、ワークロード・ミックスに基づいてメトリックスのためのしきい値を設定し、メトリックスがしきい値を超えるときを(現在のワークロードおよび予測されるワークロードの両方で)判断し、メトリックスの相関をとってハードウェア・キャパシティが問題の原因かどうかを判断する。 In Patent Document 7, which is the seventh related technology, it is determined what kind of workload is running on the computer, the collector is started based on the type of workload, and the metrics are based on the workload mix. Set thresholds, determine when metrics exceed thresholds (both current and expected workloads), correlate metrics and cause hardware capacity to cause problems Determine whether or not.
しかしながら、関連技術の運用管理装置においては、次のような不具合がある。 However, the related technology operation management apparatus has the following problems.
すなわち、特許文献1では、運用継続によって部分的に構成が変更されたり、サービス利用に偏りが生じたりすると、テスト時とは異なる要素に負荷が集中することになる。このような変化を事前にすべて想定することは困難であり、結果的に、想定外の利用状況で予期せぬ要素がボトルネックになってしまうことを避けられない、という不具合があった。
In other words, in
特許文献2では、システムが大規模化したり、他システムと連携したりする場合には、処理と負荷の関係が極めて複雑になり、正確な負荷を予測するためには、関係しうるすべての処理の履歴を収集して分析しなければならない。
このため、正確な予測には、データ収集および分析の負荷が大きく、それを分析するための高度な知識も必要となる、という不具合があった。また、特定の処理だけから予測された負荷では信頼性が低く、正確なボトルネック解析ができない、という不具合があった。
In Patent Document 2, when the system is scaled up or linked with another system, the relationship between the processing and the load becomes extremely complicated, and in order to predict an accurate load, all the processing that can be related is performed. Must collect and analyze the history.
For this reason, there has been a problem that accurate prediction requires a large amount of data collection and analysis, and requires advanced knowledge to analyze it. In addition, there is a problem that the load predicted from only a specific process is not reliable and accurate bottleneck analysis cannot be performed.
特許文献3では、システムを構成する要素の性能値は完全に独立に変動するものではないため、各々の性能情報から予測された値がシステムの実稼動で発生しうるかどうかは、別途管理者が検証しなければならない。このため、ボトルネックとなる要素を正確に判定するために、管理者に多くの知識が要求され、検証の作業負担も大きくなるという不具合があった。 In Patent Document 3, since the performance values of the elements constituting the system do not fluctuate completely independently, whether or not the values predicted from the respective performance information can be generated in the actual operation of the system is separately determined by an administrator. Must be verified. For this reason, in order to accurately determine an element that becomes a bottleneck, a lot of knowledge is required of an administrator, and the burden of verification work increases.
特許文献4では、性能情報間の関係の大きさを定量化するだけでは、因果関係があり得るという仮説を提示できるのみであり、第3の関連技術と同様に、実際にどれが原因なのかを管理者が検証しなければならないという不具合があった。
また、関係の大きさを定量化するために、1つの要素毎に他の要素のすべてとの重回帰分析する処理が必要となるため、システムが大規模化して要素が増えると負荷が膨大になってしまうという不具合があった。
さらに、ある1つの要素の値に対して他の要素の値を算出することが困難であるため、将来発生しうる負荷に対してどの要素がボトルネックとなり得るかといった解析ができないという不具合があった。
In
In addition, in order to quantify the magnitude of the relationship, it is necessary to perform a multiple regression analysis with every other element for each element, so when the system becomes larger and the number of elements increases, the load becomes enormous. There was a problem of becoming.
Furthermore, since it is difficult to calculate the value of another element for the value of one element, there is a problem that it is impossible to analyze which element can become a bottleneck for a load that may occur in the future. It was.
特許文献5では、相関係数は値であるため、ある時点(異常時)の値の相関から、関係する異常原因を提示できるが、実在しない将来値の相関を算出することはできないので、正確なボトルネック解析を行うことができない、という不具合があった。 In Patent Document 5, since the correlation coefficient is a value, the cause of a related abnormality can be presented from the correlation of the value at a certain point in time (at the time of abnormality), but the correlation of a future value that does not exist cannot be calculated. The bottleneck analysis could not be performed.
特許文献6では、個々の性能情報の関数を推定するもの(第3の関連技術と同様)である。そして、y=f(x)の式において、xは時間で、1つのyの時間変化を表す。この式を2つ用意して、別途与えた相関関係ルールで2つの関係を判定する。ルールは、自動生成されるわけではないので、システムを構成する各要素について全ての性能情報間のルールを別途与えなければ、ボトルネック解析を正確に予測できない、という不具合があった。
すなわち、CPU使用率とスループットとの相関は、一の要素と他の要素との間の相関のみであるため、システムを構成する全要素についてのそれぞれ相関が不明であるため、システムのボトルネックがどの要素に最も生じやすくなるかを予測することができない、という不具合があった。
In Patent Document 6, a function of individual performance information is estimated (similar to the third related technology). In the equation y = f (x), x is time and represents one time change of y. Two expressions are prepared, and the two relations are determined by the correlation rule given separately. Since the rules are not automatically generated, there is a problem that the bottleneck analysis cannot be accurately predicted unless rules between all pieces of performance information are separately provided for each element constituting the system.
In other words, the correlation between the CPU usage rate and the throughput is only the correlation between one element and the other elements. Therefore, since the correlation for all the elements constituting the system is unknown, the bottleneck of the system is There was a problem that it was impossible to predict which element would most likely occur.
特許文献7では、ワークロードやメトリックスの変換は行われるが、いずれも値を算出しているものであるため、モデルを用いないため、これらの変換方法の全てを手作業で入力しなければならない、という不具合があった。 In Patent Document 7, workloads and metrics are converted, but since both calculate values, a model is not used, so all of these conversion methods must be input manually. There was a problem that.
このように、関連技術の運用管理装置では、実際の運用状況で発生するボトルネックを正確に予測できず、管理者の負担や分析処理の負荷が増大する、という不具合があった。
すなわち、第1に、将来発生しうる状況を事前にすべて想定することは困難であり、結果的に、想定外の利用状況で予期せぬ要素がボトルネックになってしまうことを避けられないという不具合があった。
第2に、正確な予測には、データ収集および分析の負荷が大きく、それを分析するための高度な知識も必要となるという不具合があった。また、特定に処理だけから予測された負荷では信頼性が低く、正確なボトルネック解析ができないという不具合があった。
第3に、ボトルネックとなる要素を正確に判定するために、管理者に多くの知識が要求され、検証の作業負担も大きくなるという不具合があった。
第4に、システムが大規模化して要素が増えると負荷が膨大になってしまうという問題があった。さらに、ある1つの要素の値に対して他の要素の値を算出することが困難であるため、将来発生しうる負荷に対してどの要素がボトルネックとなり得るかといった解析ができない、という不具合があった。
As described above, the related technology operation management apparatus cannot accurately predict a bottleneck that occurs in an actual operation situation, resulting in an increase in the burden on the administrator and the load on analysis processing.
That is, first, it is difficult to anticipate all situations that may occur in the future, and as a result, it is unavoidable that unexpected factors become a bottleneck in unexpected usage situations. There was a bug.
Secondly, there is a problem that accurate prediction requires a large amount of data collection and analysis, and also requires advanced knowledge to analyze it. In addition, there is a problem that a load predicted only from processing is not reliable and accurate bottleneck analysis cannot be performed.
Thirdly, in order to accurately determine an element that becomes a bottleneck, there is a problem that a lot of knowledge is required for an administrator and a burden of verification work is increased.
Fourth, there has been a problem that the load becomes enormous when the system becomes larger and the number of elements increases. Furthermore, since it is difficult to calculate the value of another element with respect to the value of one element, there is a problem in that it is impossible to analyze which element can become a bottleneck for a load that may occur in the future. there were.
本発明は、上記した技術の不具合を解決することを課題としてなされたものであって、その目的とするところは、実際の運用状況で発生するボトルネックを正確に予測可能としながらも、管理者の負担が少なく、大規模環境においても分析に必要となる処理負荷を低減したボトルネック解析が可能な運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラムを提供することにある。 The present invention has been made in order to solve the above-described technical problems, and the object of the present invention is to enable an administrator to accurately predict a bottleneck that occurs in an actual operation situation. Is to provide an operation management apparatus, an operation management system, an information processing method, and an operation management program capable of performing a bottleneck analysis that reduces the processing load required for analysis even in a large-scale environment.
上記目的を達成するため、本発明の運用管理装置は、システムを構成する被管理装置から複数種の性能種目に関わる性能情報を取得する運用管理装置であって、前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成部と、前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数またはその組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索部と備えることを特徴としている。 In order to achieve the above object, an operation management apparatus of the present invention is an operation management apparatus that acquires performance information related to a plurality of types of performance items from managed devices that constitute a system, and that performs time-series changes of the performance information. A correlation model generation unit that generates a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function, and first performance information of the performance information When there are a plurality of paths in the correlation model that can predict the second performance information from the correlation function or a combination thereof, the second path information having the maximum numerical value of the weight information is used. A model search unit that predicts performance information is provided.
本発明の運用管理システムは、複数のコンピュータ装置である被管理装置と、前記複数の被管理装置から該装置の動作に関する複数種の性能種目に関わる性能情報を取得する運用管理装置と、を含み、前記運用管理装置は、前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成部と、前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数の組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索部とを備えることを特徴としている。 The operation management system of the present invention includes a managed device that is a plurality of computer devices, and an operation management device that acquires performance information related to a plurality of performance items related to the operation of the device from the plurality of managed devices. The operation management device generates a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating a time series change of the performance information. The numerical value of the weight information when there are a plurality of paths in the correlation model that are combinations of the generation function and the correlation function that can predict the second performance information from the first performance information of the performance information. And a model search unit that predicts the second performance information by using the route that maximizes.
本発明の情報処理方法は、システムを構成する複数のコンピュータ装置である被管理装置から取得される該装置の動作に関する複数種の性能種目に関わる性能情報に基づいて、前記被管理装置を運用管理する情報処理方法であって、前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成ステップと、前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数の組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索ステップとを含むことを特徴としている。 The information processing method of the present invention manages and manages the managed device based on performance information related to a plurality of performance items related to the operation of the device, which is acquired from the managed device that is a plurality of computer devices constituting the system. A correlation method for generating a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating a time series change of the performance information When there are a plurality of paths in the correlation model that are combinations of the correlation function that can predict the second performance information from the first performance information of the model generation step and the first performance information, the weight information And a model search step for predicting the second performance information using the route having the maximum numerical value.
本発明の運用管理プログラムは、システムを構成する複数のコンピュータ装置である被管理装置から該装置の動作に関する複数種の性能種目に関わる性能情報を取得して、前記被管理装置を運用管理する運用管理装置が備えたコンピュータに諸機能を実現させることが可能な運用管理プログラムであって、前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成機能と、前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数の組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索機能と、を含む機能をコンピュータに実現させることを特徴としている。 The operation management program of the present invention obtains performance information related to a plurality of types of performance items related to the operation of the device from the managed device, which is a plurality of computer devices constituting the system, and operates to manage the managed device. An operation management program capable of realizing various functions in a computer provided in a management apparatus, wherein a plurality of correlation functions between the performance information and the correlation functions are obtained from performance sequence information indicating a time series change of the performance information. A path based on a combination of a correlation model generation function for generating a correlation model including weight information indicating a prediction error of the correlation function and the correlation function capable of predicting second performance information from the first performance information of the performance information. When there are a plurality of correlation models, a model search for predicting the second performance information by using the route having the maximum value of the weight information is used. It is characterized in that to realize functions and the functions, including the computer.
本発明によれば、相関モデル生成部が、各々の要素の性能情報間の相関関数を用いてシステムの全体的な稼動状態の相関モデルを生成する。また、モデル探索部が、この相関モデル内の相関関数を順次辿ることで、一の要素の性能情報を仮定した場合に他の要素の性能情報を予測する。
これにより、各要素の性能情報間の相関関係を適切に抽出してモデル化することで、実際の運用状況で発生するボトルネックを正確に予測できるとともに、管理者の負担が少なく、大規模環境においても分析に必要となる処理負荷を増大させないボトルネック解析を実現できるという、関連技術にない優れた運用管理装置、運用管理システム、情報処理方法、及び運用管理プログラムを提供することができる。
According to the present invention, the correlation model generation unit generates a correlation model of the overall operating state of the system using the correlation function between the performance information of each element. Further, the model search unit sequentially traces the correlation function in the correlation model, so that the performance information of the other element is predicted when the performance information of one element is assumed.
As a result, by properly extracting and modeling the correlation between the performance information of each element, it is possible to accurately predict the bottleneck that occurs in the actual operation status, and there is less burden on the administrator, and a large-scale environment It is possible to provide an excellent operation management apparatus, operation management system, information processing method, and operation management program that are not available in the related art, and that can realize bottleneck analysis that does not increase the processing load required for analysis.
〔運用管理装置の基本的構成〕
先ず、運用管理装置の基本的構成について説明する。本発明の運用管理装置(例えば図5に示す符号100など)は、システムを構成する複数の被管理装置から複数種の性能種目毎の性能情報を取得して、前記被管理装置を運用管理するものを対象とするものである。
[Basic configuration of operation management device]
First, the basic configuration of the operation management apparatus will be described. An operation management apparatus (for example,
この運用管理装置は、前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成部(例えば図5に示す符号123など)と、前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数またはその組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索部(例えば図5に示す符号124など)と、を含む構成としている。
The operation management apparatus generates a correlation model that generates a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating the time series change of the performance information. A plurality of paths in the correlation model by the correlation function or a combination thereof that can predict the second performance information from the first performance information among the performance information (for example,
また、前記相関モデル生成部が、前記性能系列情報のうちの2項目についての前記相関関数の係数および前記重み情報を算出する処理を前記性能系列情報の全ての組み合わせについて行って前記相関モデルを生成するものとすることができる。 Further, the correlation model generation unit performs processing for calculating the coefficient of the correlation function and the weight information for two items of the performance sequence information for all combinations of the performance sequence information to generate the correlation model Can be.
この運用管理装置では、前記モデル探索部が、少なくとも1つの前記第1の性能情報に対して複数の前記経路によって異なる前記第2の性能情報が算出され得る場合に、前記重み情報の数値が最大となる前記経路を利用すべき経路として決定する。 In this operation management apparatus, when the model search unit can calculate the second performance information that differs depending on a plurality of the routes for at least one of the first performance information, the numerical value of the weight information is the maximum. Is determined as a route to be used.
さらに、前記モデル探索部が、前記相関モデルに含まれる前記各相関関数を順次探索して、前記各性能情報間の利用すべき経路を決定する処理を行う。 Further, the model search unit sequentially searches each correlation function included in the correlation model and performs a process of determining a route to be used between the performance information.
そして、前記モデル探索部が、決定された前記経路に基づいて前記第1の性能情報から前記第2の性能情報を予測する機能を備えるものとすることができる。 The model search unit may have a function of predicting the second performance information from the first performance information based on the determined path.
このように、本発明の運用管理装置では、検出した性能情報の相関関係を適切に抽出してモデル化することで、関連技術の課題を解決し、管理者の負担が少なく、大規模環境においても分析に必要となる処理負荷を増大させないボトルネック解析を実現できる。 As described above, in the operation management apparatus of the present invention, the correlation of the detected performance information is appropriately extracted and modeled, thereby solving the problems of related technologies, reducing the burden on the administrator, and in a large-scale environment. In addition, bottleneck analysis that does not increase the processing load required for analysis can be realized.
以下、このような本発明の「運用管理装置」を、「運用管理システム」に適用した好適な実施の形態の一例について、図面を参照して具体的に説明する。 Hereinafter, an example of a preferred embodiment in which the “operation management apparatus” of the present invention is applied to an “operation management system” will be specifically described with reference to the drawings.
〔第1の実施の形態〕
(運用管理システムの全体構成)
先ず、本実施の形態の運用管理システムの具体的構成について、全体構成から説明し、続いて各部の詳細構成について説明することとする。
図1は、本発明における第1実施の形態の運用管理装置を含む運用管理システムの全体の概略構成の一例を示すブロック図である。
[First Embodiment]
(Overall configuration of operation management system)
First, the specific configuration of the operation management system of the present embodiment will be described from the overall configuration, and then the detailed configuration of each unit will be described.
FIG. 1 is a block diagram showing an example of an overall schematic configuration of an operation management system including an operation management apparatus according to the first embodiment of the present invention.
図1に示すように、本実施の形態の運用管理システム1は、複数の被管理装置の一例である各コンピュータ2と、これらの各コンピュータ2とネットワークNを介して通信可能に形成され各コンピュータ2を運用管理する運用管理装置3と、を含んで構成される。
As shown in FIG. 1, the
運用管理装置3は、複数のコンピュータ2から複数種の性能種目毎(例えばCPU利用率やメモリ残量など)の性能情報を取得可能に構成される。 The operation management apparatus 3 is configured to be able to acquire performance information for each of a plurality of types of performance items (for example, CPU usage rate, remaining memory capacity, etc.) from a plurality of computers 2.
コンピュータ2、運用管理装置3は、プログラム制御により動作するものであり、ネットワーク関連の機能を有していれば、デスクトップ、ラップトップコンピュータ、サーバー、その他無線・有線通信機能を有する情報機器、またはこれに類するコンピュータなどいかなるコンピュータでもよく、移動式・固定式を問わない。 The computer 2 and the operation management device 3 operate under program control, and if they have network-related functions, they are desktops, laptop computers, servers, other information devices having wireless / wired communication functions, or the like. Any computer, such as a computer similar to the above, may be used.
運用管理装置3のハードウエア構成は、種々の情報等を表示するための表示部(スクリーン)、この表示部の表示画面上(の各種入力欄等)にデータを操作入力するための操作入力部(例えばキーボード・マウス等)、各種信号・データを送受信するための送受信部(通信部)、各種プログラム・各種データを記憶しておく記憶部(例えばメモリ、ハードディスク等)、これらの制御を司る制御部(例えばCPU等)などを有している。 The hardware configuration of the operation management apparatus 3 includes a display unit (screen) for displaying various information and the like, and an operation input unit for operating and inputting data on the display screen (various input fields thereof). (For example, a keyboard / mouse), a transmission / reception unit (communication unit) for transmitting / receiving various signals / data, a storage unit (for example, memory, hard disk, etc.) for storing various programs / various data, and control for controlling these Part (for example, CPU etc.) etc.
また、コンピュータ2は、ネットワーク機器やその他の機器、メインフレームなどであってもよい。 The computer 2 may be a network device, other devices, a main frame, or the like.
(前提となる構成)
ここで、本実施の形態の特徴的構成を説明する前に、本実施の形態の前提となる運用管理装置の構成について、図2、図3、図4を用いて説明する。
図2を参照すると、本実施の形態の前提となる構成を示す運用管理装置3は、サービス実行部21と、性能情報蓄積処理部12と、情報収集部22と、分析設定蓄積処理部14と、障害分析部26と、管理者対話部27と、対処実行部28と、を含んで構成される。
(Prerequisite configuration)
Here, before describing the characteristic configuration of the present embodiment, the configuration of the operation management apparatus that is the premise of the present embodiment will be described with reference to FIGS. 2, 3, and 4.
Referring to FIG. 2, the operation management apparatus 3 showing the precondition of the present embodiment includes a
サービス実行部21は、WEBサービスや業務サービスといった情報通信サービスを提供するものである。このサービス実行部21は、他の独立したコンピュータなどで構成することもできる。
性能情報蓄積処理部12は、サービス実行部21の各々の要素の性能情報を蓄積する。
情報収集部22は、サービス実行部21の動作状態を検出して出力するとともに、動作状態に含まれる性能情報を性能情報蓄積処理部12に蓄積する。
The
The performance information
The
分析設定蓄積処理部14は、サービス実行部21の異常を検出するための分析設定を蓄積する。
障害分析部26は、情報収集部22から動作状態を受け取って分析設定蓄積処理部14の分析設定に従って障害分析を行う。
The analysis setting
The
管理者対話部27は、障害分析部26から障害分析の結果を受け取って管理者に提示し、管理者の入力を受け付け、管理者の入力に従って対処実行部28に対処を指示する。
対処実行部28は、管理者対話部27の指示に応じてサービス実行部21上で障害の対処となる処理を実行する。
The administrator dialogue unit 27 receives the result of the failure analysis from the
The coping
図3は、情報収集部22が出力し、性能情報蓄積処理部12に蓄積される性能情報の例を示す。性能情報12aは、サービス実行部28の状態変化に伴って順次収集される性能情報の一覧を示す。性能情報12aを参照すると、個々の性能情報は、同一時刻の各々の性能の値で構成され、それらが一定時間間隔でリストアップされたものとなっている。
FIG. 3 shows an example of performance information output from the
図4は、性能情報に含まれる1つの要素を時系列グラフで示した例を示す。グラフG101は、図3に示す性能情報12aに含まれる「SV1.CPU」を時系列で示し、グラフG201は、グラフG101の時系列の変化を線形予測した例を示す。 FIG. 4 shows an example in which one element included in the performance information is shown in a time series graph. A graph G101 indicates “SV1.CPU” included in the performance information 12a illustrated in FIG. 3 in a time series, and a graph G201 indicates an example in which a change in the time series of the graph G101 is linearly predicted.
上述のような前提となる構成を有する運用管理装置3の動作について、図2、図3、図4を用いて説明する。 The operation of the operation management apparatus 3 having the above-described configuration will be described with reference to FIGS.
まず、図2の情報収集部22がサービス実行部21の動作状態を検出し、性能情報蓄積処理部12に性能情報を蓄積する。例えば、サービス実行部21でWEBサービスが実行されている場合、WEBサービスを提供する各サーバのCPU使用率やメモリ残量を一定時間間隔で検出する。
図3の性能情報12aは、このようにして検出された性能情報の例である。例えば、「SV1.CPU」は、1つのサーバのCPU利用率の値を示し、2007年10月5日の17時25分の値が12である。さらに、1分間隔で17時26分から15、34、63といった値が検出されている。同様に、「SV1.MEM」は同じサーバのメモリ残量の値を、「SV2.CPU」は別のサーバのCPU利用率の値を、それぞれ同時刻に検出したものである。
First, the
The performance information 12a in FIG. 3 is an example of performance information detected in this way. For example, “SV1.CPU” indicates the value of the CPU usage rate of one server, and the value of 17:25 on October 5, 2007 is 12. Further, values such as 15, 34, 63 are detected from 17:26 at intervals of 1 minute. Similarly, “SV1.MEM” detects the value of the remaining memory capacity of the same server, and “SV2.CPU” detects the value of the CPU usage rate of another server at the same time.
次に、障害分析部26は、分析設定蓄積処理部14に蓄積されている分析設定に従って障害分析を行う。分析設定としては、例えば、CPU利用率が一定値以上であれば管理者に警告メッセージを提示するといったことが指定されており、これに従って、情報収集部22で検出された性能情報の値から、特定のサーバの負荷が高くなっているかどうかを閾値判定する。
Next, the
管理者対話部27は、このような障害分析の結果を管理者に提示し、管理者が何らかの対処を指示する入力を行った場合、対処実行部28を介してサービス実行部21上で対処コマンドを実行する。
例えば、管理者は、CPU負荷が高くなっていることを知って、業務量を減らしたり、負荷分散を行うための構成変更を行ったりすることができる。
The administrator dialogue unit 27 presents the result of such failure analysis to the administrator, and when the administrator inputs an instruction for some countermeasure, the countermeasure command is executed on the
For example, the administrator knows that the CPU load is high, and can reduce the amount of work or change the configuration for load distribution.
この後、一定時間間隔で情報収集部22によって収集された性能情報の値が低下していれば、障害分析部26で障害が回復したと判断され、その結果が管理者対話部27を介して管理者に提示されることになる。このような情報収集、分析、対処の処理の繰り返しにより、サービス実行部21の障害対処が継続して行われる。
Thereafter, if the value of the performance information collected by the
ここで、第1の関連技術に示した運用管理装置では、運用管理装置3のサービス実行部21に相当する機能により、想定される高負荷状態になるような処理を実行する。
例えば、WEBサービスの多数のクライアントからのアクセスを擬似的に発生させる等である。この状態で、運用管理装置3の情報収集部22に相当する機能により、サービス実行部21に相当する機能から性能情報を収集し、障害分析部26に相当する機能によって分析を行えば、想定される高負荷状態において、システムのどの要素が異常となるかが把握できる。
例えば、図4のグラフG101に示すような負荷が得られ、そのピーク値が閾値を超えて予め判明している危険域に達することがわかれば、「SV1」の処理能力が不足することがわかる。逆に、すべての性能情報が閾値以内であることがわかれば、想定される負荷に対してシステムが安全であることがわかる。
Here, in the operation management apparatus shown in the first related technique, a function that corresponds to the
For example, pseudo access is generated from many clients of the WEB service. In this state, it is assumed that the performance information is collected from the function corresponding to the
For example, if a load as shown in the graph G101 in FIG. 4 is obtained and the peak value exceeds the threshold value and reaches a risk area that is known in advance, it is understood that the processing capacity of “SV1” is insufficient. . Conversely, if it is found that all the performance information is within the threshold value, it can be understood that the system is safe against the assumed load.
この第1の関連技術では、想定される高負荷状態の場合のシステムの性能情報は正確に分析できるものの、将来システムに発生しえる高負荷状態をすべて事前にテストすることはできない。例えば、クライアントが平均的なサービス利用を行う場合のアクセスを発生させるテストによって、平均的と思われる利用での耐障害性を確保することが可能である。しかし、利用者の嗜好や社会的な状況変化から特定のサービスに偏ったアクセスが行われる場合までを想定することは困難であり、結果的に、運用が長期化すると、想定外の利用によって予期せぬ要素がボトルネックとなって障害が発生してしまう場合が多くなるという不具合があった。 In the first related technique, although the system performance information in the case of an assumed high load state can be accurately analyzed, it is not possible to test in advance all the high load states that may occur in the system in the future. For example, it is possible to ensure fault tolerance in an average usage by a test that generates an access when the client uses an average service. However, it is difficult to assume the case where access is biased to a specific service due to changes in user preferences or social conditions. There has been a problem in that failure often occurs due to an unnecessary element becoming a bottleneck.
このような分析をさらに詳細に行うものとして、第2の関連技術に示した運用管理装置では、運用管理装置3の情報収集部22に相当する機能により、性能情報に加えて、運用管理装置3のサービス実行部21に相当する機能にて行われた処理の履歴を収集し、運用管理装置3の障害分析部26に相当する機能にて性能情報と処理履歴を合わせて分析する。
例えば、予めCPU負荷との関係がわかっている処理の詳細な実行履歴を収集することで、いつどの処理が実行されるとどの程度のCPU利用率になるのかを算出することができる。図4のグラフG101におけるピーク値が、どの処理によって引き起こされたのかがわかれば、その処理がいつ行われる予定であるかによって、将来の「SV1.CPU」の負荷を予測することができる。
In order to perform such an analysis in more detail, in the operation management apparatus shown in the second related technology, in addition to the performance information, the operation management apparatus 3 uses a function corresponding to the
For example, by collecting a detailed execution history of a process whose relationship with the CPU load is known in advance, it is possible to calculate when and which process is executed and how much the CPU utilization rate is achieved. If it is known by which process the peak value in the graph G101 in FIG. 4 is caused, the future load of “SV1.CPU” can be predicted depending on when the process is scheduled to be performed.
この第2の関連技術では、予め性能との因果関係が明確な処理に対しては、詳細な障害分析が行えるものの、処理の履歴を追加収集するために処理負荷が増加するとともに、因果関係が複雑になると、管理者がその分析結果を理解することが難しくなる。
特に、近年ITシステムは社会インフラとしての重要性が増しており、システムが大規模化し、他システムと連携する場合が多い。このような状況では、膨大な処理履歴を収集する負荷が発生し、複雑な因果関係を分析する高度な知識も必要となってしまう、という不具合があった。
In the second related technique, although a detailed failure analysis can be performed for a process whose causal relationship with performance is clear in advance, the processing load increases to additionally collect the processing history, and the causal relationship is increased. When it becomes complex, it becomes difficult for the administrator to understand the analysis results.
In particular, in recent years, the importance of IT systems as social infrastructure has increased, and in many cases, the systems have become large-scale and cooperate with other systems. In such a situation, there is a problem that a load of collecting a huge processing history is generated, and advanced knowledge for analyzing a complicated causal relationship is required.
処理との関連ではなく各々の性能情報の時系列変化から負荷の予測を行うものとして、第3の関連技術に示した運用管理装置では、運用管理装置3の障害分析部26に相当する機能が、検出された性能情報の時系列変化の傾向を分析し、将来の変化を予測する。
例えば、図4のグラフG101のような時系列変化から、グラフG201のように「SV1.CPU」の値が単調増加の傾向にあることを導出し、その増加割合からCPU負荷が危険域になる時期を予測することができる。同様に、他の要素に対しても危険域になる時期を予測すれば、システム全体として最も早く危険域に達すると予想される要素を発見することができる。
In the operation management apparatus shown in the third related technique, the function corresponding to the
For example, it is derived from the time series change like the graph G101 in FIG. 4 that the value of “SV1.CPU” tends to monotonously increase as in the graph G201, and the CPU load becomes a dangerous area from the increase rate. The time can be predicted. Similarly, by predicting the time when the other elements are in danger zone, it is possible to find the element that is expected to reach the danger zone earliest in the entire system.
この第3の関連技術では、各々の要素の将来ボトルネックになる可能性を管理者に提示することが可能であるものの、その状況が実際に発生しうるかどうかは管理者が経験によって判断しなければならない。
例えば、メモリ残量が一定以下になれば、新たな処理は開始できずにメモリ量の回復を待つ場合がある。メモリ残量の変化を考慮しなければ、CPU負荷がある時点の傾向と同様に将来も単調増加するかどうかは明確ではない。
管理者は、傾向予測の結果の妥当性を判断するために、実際にシステムに存在する要素間の相関関係を正確に理解しなければならず、管理者への負担が大きい、という不具合があった。
In this third related technology, it is possible to present to the administrator the possibility of becoming a future bottleneck of each element, but the administrator must judge from experience whether the situation can actually occur. I must.
For example, if the remaining amount of memory falls below a certain level, a new process may not be started and a recovery of the memory amount may be waited. If changes in the remaining memory capacity are not taken into account, it is not clear whether the CPU load will increase monotonously in the future as well as a trend at a certain point in time.
In order to judge the validity of the trend prediction results, the administrator must understand the correlation between the elements that actually exist in the system, and there is a problem that the burden on the administrator is large. It was.
システムを構成する要素間の相関関係を分析するものとして、第4の関連技術に示した運用管理装置では、運用管理装置3の障害分析部26に相当する機能が、あるシステム要素の性能異常を発見した場合に、情報収集部22から受け取った性能情報から、その時点の性能値に相関のある構成要素の一覧を生成し、管理者対話部27に相当する機能にて管理者に提示する。
例えば、図3の性能情報12aにおける「SV1.CPU」の異常を発見した場合に、「SV1.MEM」や「SV2.CPU」の値と「SV1.CPU」の値の重回帰分析を行って、相関が高いとみなされたものを列挙する。
これにより、管理者は、「SV1.CPU」の異常が「SV2.MEM」よって引き起こされているといった可能性を考慮することができる。
In the operation management apparatus shown in the fourth related technology as an analysis of the correlation between elements constituting the system, the function corresponding to the
For example, when an abnormality of “SV1.CPU” in the performance information 12a of FIG. 3 is found, a multiple regression analysis of the values of “SV1.MEM” or “SV2.CPU” and the value of “SV1.CPU” is performed. Enumerate what was considered highly correlated.
Thereby, the administrator can consider the possibility that the abnormality of “SV1.CPU” is caused by “SV2.MEM”.
この第4の関連技術では、ある異常と因果関係の可能性を提示することができるものの、それが正しいかどうかの検証は管理者が行わなければならない。また、検出された性能情報の値の相関は提示できるものの、将来発生しうる負荷に対してどの要素がボトルネックになるのかを導出することができない、という不具合があった。 In this fourth related technique, although a possibility of a causal relationship with a certain abnormality can be presented, it is necessary for the administrator to verify whether it is correct. Moreover, although the correlation of the value of the detected performance information can be presented, there is a problem that it is impossible to derive which element becomes a bottleneck with respect to a load that may occur in the future.
以上述べたように、関連技術の運用管理装置では、実際の運用状況で発生するボトルネックを正確に予測できず、管理者の負担が大きく、情報収集や分析の処理負荷が大きいという不具合があった。
そこで、本実施の形態では、以下に示す特徴的構成を有する。
As described above, the operation management apparatus of the related technology cannot accurately predict the bottleneck that occurs in the actual operation situation, has a problem that the burden on the administrator is large, and the processing load of information collection and analysis is large. It was.
Therefore, the present embodiment has the following characteristic configuration.
(本実施の形態の特徴的構成)
ここで、本発明の第1の実施の形態の運用管理装置の特徴的構成について、図5を参照しつつ説明する。図5は、本発明の第1の実施の形態の運用管理装置の特徴的構成の一例を示すブロック図である。
(Characteristic configuration of the present embodiment)
Here, a characteristic configuration of the operation management apparatus according to the first embodiment of this invention will be described with reference to FIG. FIG. 5 is a block diagram illustrating an example of a characteristic configuration of the operation management apparatus according to the first embodiment of this invention.
図5に示すように、本発明の第1の実施の形態の運用管理装置100は、図2に示す運用管理装置3と同様の構成である、サービス実行部121、性能情報蓄積処理部112、情報収集部122、分析設定蓄積処理部114、障害分析部126、管理者対話部127、対処実行部128に加えて、相関モデル生成部123と、相関モデル情報蓄積処理部116と、モデル探索部124と、リソース情報蓄積処理部118と、ボトルネック解析部125と、を含んで構成される。
As shown in FIG. 5, the
相関モデル生成部123は、性能情報蓄積処理部116から一定期間の性能情報を取り出し、任意の2つの性能情報の値の時系列に対して、一方を入力とし他方を出力とした場合の変換関数を導出するとともに、この変換関数で生成された性能値の系列と出力となる性能情報の実際の検出値の系列とを比較し、その値の差から前記変換関数の重み情報を算出する。さらに、これらの処理をすべての性能情報に対して繰り返すことで、サービス実行部121の全体的な稼動状態の相関モデルを生成する。
The correlation
相関モデル蓄積処理部116は、相関モデル生成部123が生成した相関モデルを蓄積処理する。
モデル探索部124は、相関モデル蓄積処理部116に蓄積される相関モデルの各々の性能情報間の変換関数を順次辿ることで、1つの性能情報の値を仮定した場合に他の性能情報の値を算出する。また、1つの性能情報に対して複数の変換関数によって異なった値が算出された場合に、重み情報に基づいて1つの値を選択あるいは算出する。
The correlation model
The
リソース情報蓄積処理部118は、性能情報毎の性能値の最大値、最小値、単位といった属性を記述した情報であるリソース情報を蓄積する。 The resource information accumulation processing unit 118 accumulates resource information that is information describing attributes such as the maximum value, minimum value, and unit of performance values for each performance information.
ボトルネック解析部125は、性能情報のうち予め指定された1つの入力性能情報の値を順次増加あるいは減少させながらモデル探索部124に指示する。
ボトルネック解析部125は、モデル探索部124が算出した他の性能情報の値を受け取って、リソース情報蓄積処理部118に蓄積されるリソース情報と比較する。
ボトルネック解析部125は、性能値がリソース情報に示す範囲を超える要素を検出する。
ボトルネック解析部125は、その性能情報とその時点の入力性能情報の値を含む解析結果を生成し、管理者対話部127に出力する。
The
The
The
The
ここで、これらの各部は、図6に示すように、制御部が発揮する複数の機能として構成することもできる。 Here, as shown in FIG. 6, these units can be configured as a plurality of functions exhibited by the control unit.
また、相関モデル生成部123は、性能種目又は被管理装置を要素とした場合に、少なくとも第1の要素に関する性能情報の時系列変化を示す第1の性能系列情報と、第2の要素に関する性能情報の時系列変化を示す第2の性能系列情報との相関関数を導出し、この相関関数に基づいて相関モデルを生成し、この相関モデルを前記各要素間の組み合わせについて求めることができる。
Further, when the performance item or the managed device is an element, the correlation
さらに、モデル探索部124は、前記各要素間の前記各相関モデルを順次探索して最適な相関モデルを決定し、この決定された相関モデルに基づいて少なくとも前記第1の要素の性能情報から前記第2の要素の性能情報を予測することができる。
Further, the
また、ボトルネック解析部125は、前記性能情報のとり得る範囲を規定したリソース情報に基づいて、前記モデル探索部にて予測された前記性能情報が前記範囲を超える要素、及びその要素に関する前記性能情報を含むボトルネック解析結果を生成することもできる。
In addition, the
さらに、相関モデル生成部123は、前記相関関数を用いて前記第1の要素に関する性能情報から算出された前記第2の要素に関する算出性能情報と、取得された前記第2の要素に関する性能情報との誤差に基づいて、前記相関モデルの重み情報を算出することができる。この場合、前記モデル探索部124は、少なくとも1つの前記要素に対して複数の前記相関関数によって異なる前記性能情報が算出され得る場合に、前記重み情報に基づいて一つの前記相関モデルを決定することができる。
Further, the correlation
また、前記相関モデル生成部123は、前記第1の要素と前記第2の要素との前記相関モデルの第1の重み情報と、前記第1の要素と前記第3の要素との前記相関モデルの第2の重み情報と、前記第3の要素と前記第2の要素との前記相関モデルの第3の重み情報とをそれぞれ算出することができる。この場合、前記モデル探索部124は、前記第2の重み情報と前記第3の重み情報との合成重みと、前記第1の重み情報とを比較して、前記相関モデルを決定することができる。
Further, the correlation
さらに、前記ボトルネック解析部125は、性能の前記範囲を超えた前記要素に関する性能情報とともに、他の前記要素に関する前記性能情報を利用率で順序付けして提示可能とすることができる。また、前記ボトルネック解析部125は、性能の前記範囲を超えた前記要素に関する性能情報と、前記範囲が算出された時点の入力となる前記性能情報とを含む結果を提示可能とすることができる。
Furthermore, the
(相関モデル生成について)
ここで、相関モデル生成部123による相関モデル生成の概要について、図7を参照して説明する。図7は、本実施の形態にかかる運用管理装置の相関関数生成の概要の一例を示す説明図である。
(Correlation model generation)
Here, an outline of correlation model generation by the correlation
相関関数生成は、図12に示す相関関数(変換関数)を生成するステップS103(相関関数生成機能)および誤差を算出するステップS104(重み情報算出機能)の処理により行うことができる。 The correlation function generation can be performed by processing of step S103 (correlation function generation function) for generating a correlation function (conversion function) and step S104 (weight information calculation function) for calculating an error shown in FIG.
図7に示すように、変換関数G300は、グラフG101に示す「SV1.CPU」の性能値の系列(第1の性能系列情報)を入力とした場合に、グラフG101に示す「SV1.MEM」の性能値の系列(第2の性能系列情報)を出力するものである。
この変換関数G300を、システム同定処理G301に示す処理によって算出する。
一例として、「y=Ax+B」の式で示される変換関数では、「A=−0.6」、「B=100」の値が算出される。
さらに、グラフG302で示すように、この変換関数でグラフG101から生成された性能値の予測値の系列と、グラフG102で示される実際の性能値の差分から重みwが生成される。
As shown in FIG. 7, the conversion function G300 receives “SV1.MEM” shown in the graph G101 when the “SV1.CPU” performance value series (first performance series information) shown in the graph G101 is input. A series of performance values (second performance series information) is output.
This conversion function G300 is calculated by the process shown in the system identification process G301.
As an example, in the conversion function represented by the expression “y = Ax + B”, values of “A = −0.6” and “B = 100” are calculated.
Further, as shown by a graph G302, a weight w is generated from the difference between the predicted performance value series generated from the graph G101 by this conversion function and the actual performance value difference shown by the graph G102.
図8は、本実施の形態にかかる運用管理装置の相関モデルの例である。相関モデル116aは、変換関数の入力となる性能値の系列の名称と、出力となる性能値の系列の名称と、変換関数を特定する各々係数の値と、重み情報と、を含んで構成される。例えば、図7に示す変換関数を算出した結果として、「SV1.CPU」を入力とし、「SV1.MEM」を出力とし、「y=Ax+B」の式で示される変換関数は、係数Aの値が「−0.6」、係数Bの値が「100」、重みが「0.88」となる相関関係が蓄積されている。 FIG. 8 is an example of a correlation model of the operation management apparatus according to this embodiment. The correlation model 116a includes a name of a performance value series that is an input of a conversion function, a name of a performance value series that is an output, a value of each coefficient that specifies the conversion function, and weight information. The For example, as a result of calculating the conversion function shown in FIG. 7, “SV1.CPU” is input, “SV1.MEM” is output, and the conversion function represented by the expression “y = Ax + B” is the value of the coefficient A Is stored as “−0.6”, the coefficient B is “100”, and the weight is “0.88”.
(モデル探索について)
続いて、モデル探索部124によるモデル探索の概要について、図9を参照して説明する。図9は、本実施の形態にかかる運用管理装置の重み情報を利用したモデル探索の概要の一例を示す説明図である。
(About model search)
Next, an outline of model search by the
重み情報を利用したモデル探索は、図13に示す性能値を選択するステップS206により行うことができる。 The model search using the weight information can be performed in step S206 for selecting the performance value shown in FIG.
相関グラフG310では、要素x、y、zの間の変換関数として、「y=2x」、「z=2y」、「z=3.9x」があり、それぞれの重みwが「0.7」、「0.9」、「0.8」である。重み比較処理811では、zの値を算出する場合に、「x→y→z」と「x→z」の2つの経路のそれぞれの重み「0.63」、「0.8」を比較し、値の大きい「x→z」の経路を選択する。この結果、「x=10」の場合には、「z=3.9x」の式を適用して、zの値「39」を算出する。 In the correlation graph G310, there are “y = 2x”, “z = 2y”, “z = 3.9x” as conversion functions between the elements x, y, and z, and each weight w is “0.7”. , “0.9” and “0.8”. In the weight comparison process 811, when calculating the value of z, the weights “0.63” and “0.8” of the two routes “x → y → z” and “x → z” are compared. , A route of “x → z” having a large value is selected. As a result, in the case of “x = 10”, the value of “39” is calculated by applying the formula of “z = 3.9x”.
(ボトルネック解析について)
さらに、ボトルネック解析部125によるボトルネック解析では、リソース情報に基づいて、モデル探索部124にて予測された性能情報が限界を超えたか否かの判定が行われる。
図10は、本実施の形態にかかる運用管理装置のリソース情報の一例である。リソース情報118aは、システムの性能情報の要素の名称と、性能値の単位と、性能値の最小値と、性能値の最大値と、を含んで構成される。
(About bottleneck analysis)
Further, in the bottleneck analysis by the
FIG. 10 is an example of resource information of the operation management apparatus according to the present embodiment. The
そして、ボトルネック解析部125では、解析結果を表示部にて表示することができる。
図15は、運用管理装置の表示部に表示される表示画面の一例が示されている。同図では、ボトルネック解析における表示画面の一例が示されている。
表示画面U100は、図15に示すように、ボトルネック解析の結果として、システムへの入力が「600/sec」の値である場合に、要素「SV2.CPU」の性能が限界値を超えることを提示する。
また、その時点での要素の一覧を、利用率の大きい順に一覧表示される。
さらに、一覧表示で選択された「SV2.CPU」の性能値とシステムへの入力の値との関係を示すグラフとして、変換関数で表現される予測線と検出された性能値を示す点が表示される。
And in the
FIG. 15 shows an example of a display screen displayed on the display unit of the operation management apparatus. In the figure, an example of a display screen in bottleneck analysis is shown.
As shown in FIG. 15, the display screen U100 shows that the performance of the element “SV2.CPU” exceeds the limit value when the input to the system is “600 / sec” as a result of the bottleneck analysis. Present.
A list of elements at that time is displayed in descending order of utilization.
Further, as a graph showing the relationship between the performance value of “SV2.CPU” selected in the list display and the value of the input to the system, a point indicating the predicted line expressed by the conversion function and the detected performance value is displayed. Is done.
また、表示部に表示される表示画面U100(ボトルネック解析画面)は、ボトルネック解析結果を表示する解析結果表示部U110を有する。解析結果表示部U110は、利用率が最も高い要素(性能種目と装置名を識別する略文字又は記号)、その要素の利用率、入力性能値、などを表示することができる。
さらに、表示画面U100は、利用率の高い要素を順にリストアップした要素リスト表示部U120を有する。要素リスト表示部U120は、要素(性能種目)、その要素の利用率、その他の情報などを表示することができる。
さらに、表示画面U100は、要素リスト表示部U120の要素リストのうち、選択された要素に関するグラフを表示するグラフ表示部U130を有する。グラフ表示部U130は、性能値と入力の値との関係を示すグラフを表示することができる。グラフ表示部U130は、変換関数で表現される予測線、検出された性能値を示す点、100%のライン、などを表示することができる。
またさらに、表示画面U100は、相関モデルの詳細情報を表示するための第1の表示操作部U142を有する。表示画面U100は、リソース情報の詳細情報を表示するための第2の表示操作部U144を有する。表示画面U100は、ボトルネック解析画面の表示を終了するための第3の表示操作部U146を有する。
管理者は、このようなユーザーインタフェースを利用して、ボトルネックがどこにあるのかを正確に解析できる。
The display screen U100 (bottleneck analysis screen) displayed on the display unit includes an analysis result display unit U110 that displays a bottleneck analysis result. The analysis result display unit U110 can display the element having the highest utilization factor (abbreviated character or symbol identifying the performance item and the device name), the utilization factor of the element, the input performance value, and the like.
Furthermore, the display screen U100 includes an element list display unit U120 that lists elements with high usage rates in order. The element list display unit U120 can display an element (performance item), a usage rate of the element, other information, and the like.
Furthermore, the display screen U100 includes a graph display unit U130 that displays a graph related to a selected element in the element list of the element list display unit U120. The graph display unit U130 can display a graph indicating the relationship between the performance value and the input value. The graph display unit U130 can display a prediction line expressed by a conversion function, a point indicating a detected performance value, a 100% line, and the like.
Furthermore, the display screen U100 includes a first display operation unit U142 for displaying detailed information of the correlation model. The display screen U100 includes a second display operation unit U144 for displaying detailed information of resource information. The display screen U100 includes a third display operation unit U146 for ending the display of the bottleneck analysis screen.
Using this user interface, the administrator can accurately analyze where the bottleneck is.
(処理手順について)
(全体処理)
次に、上述のような構成を有する運用管理装置における各部の処理は、方法としても実現可能であり、情報処理方法としての各種の処理手順について、図11乃至図14を参照しつつ説明する。
図11は、本発明の第1の実施の形態による運用管理装置における処理手順の一例を示すフローチャートである。
(About processing procedure)
(Overall processing)
Next, the processing of each unit in the operation management apparatus having the above-described configuration can be realized as a method, and various processing procedures as an information processing method will be described with reference to FIGS. 11 to 14.
FIG. 11 is a flowchart illustrating an example of a processing procedure in the operation management apparatus according to the first embodiment of the present invention.
本実施の形態に係る情報処理方法は、システムを構成する複数の被管理装置から取得される複数種の性能種目毎の性能情報に基づいて、前記被管理装置を運用管理する制御する情報処理を(例えば1又は複数のコンピュータやその他の装置など)が行うものを対象とするものである。 The information processing method according to the present embodiment performs information processing for controlling and managing the managed device based on performance information for each of a plurality of types of performance items acquired from a plurality of managed devices constituting the system. (For example, one or a plurality of computers or other devices).
この情報処理方法は、基本的構成として、前記性能種目又は前記被管理装置を要素とした場合に、少なくとも第1の要素に関する性能情報の時系列変化を示す第1の性能系列情報と、第2の要素に関する性能情報の時系列変化を示す第2の性能系列情報との相関関数を導出し、この相関関数に基づいて相関モデルを生成し、この相関モデルを前記各要素間の組み合わせについて求める相関モデル生成ステップ(例えば図11に示すステップS11など)と、前記各要素間の前記各相関モデルを順次探索して最適な相関モデルを決定し、この決定された相関モデルに基づいて少なくとも前記第1の要素の性能情報から前記第2の要素の性能情報を予測するモデル探索ステップ(例えば図11に示すステップS12など)と、含むことができる。 In this information processing method, as a basic configuration, when the performance item or the managed device is used as an element, first performance series information indicating a time series change of performance information related to at least the first element; A correlation function with the second performance sequence information indicating the time series change of the performance information related to the elements of the first, a correlation model is generated based on the correlation function, and the correlation model is obtained for the combination between the elements. A model generation step (for example, step S11 shown in FIG. 11) and the correlation models between the elements are sequentially searched to determine an optimal correlation model, and at least the first correlation model is determined based on the determined correlation model. And a model search step (for example, step S12 shown in FIG. 11) for predicting the performance information of the second element from the performance information of the second element.
さらに、この情報処理方法では、前記性能情報のとり得る範囲を規定したリソース情報に基づいて、前記モデル探索ステップにて予測された前記性能情報が前記範囲を超える要素、及びその要素に関する前記性能情報を含むボトルネック解析結果を生成するボトルネック解析ステップ(例えば図11に示すステップS13など)を含むことができる。 Further, in this information processing method, based on the resource information that defines the range that the performance information can take, the element in which the performance information predicted in the model search step exceeds the range, and the performance information related to the element A bottleneck analysis step (for example, step S13 shown in FIG. 11) for generating a bottleneck analysis result including
以下、これらの「相関モデル生成」、「モデル探索」、「ボトルネック解析」の詳細処理について説明する。 Hereinafter, detailed processing of these “correlation model generation”, “model search”, and “bottleneck analysis” will be described.
(相関モデル生成の詳細処理)
図12は、本発明の第1の実施の形態による運用管理装置における相関モデル生成の詳細処理手順の一例を示すフローチャートである。
(Detailed processing of correlation model generation)
FIG. 12 is a flowchart illustrating an example of a detailed processing procedure for generating a correlation model in the operation management apparatus according to the first embodiment of the present invention.
本実施の形態における相関モデル生成の詳細処理では、まず、情報収集部122によってサービス実行部121の動作状態が収集され、性能情報蓄積処理部122に図3に示す性能情報12aが蓄積される。
ここで、相関モデル生成部123は、性能情報蓄積処理部112から性能情報12aを読み込む(図12に示すステップS101)。
In the detailed processing of generating the correlation model in the present embodiment, first, the operation state of the
Here, the correlation
次に、未分析の性能情報の有無を判定する(ステップS102)。
相関モデルが生成されていない状態では、未分析の性能情報があるため、性能情報間の変換関数を算出する処理(ステップS103)に移る。
Next, the presence / absence of unanalyzed performance information is determined (step S102).
In the state where the correlation model has not been generated, there is unanalyzed performance information, and therefore the process proceeds to processing for calculating a conversion function between performance information (step S103).
最初に、性能情報12aの「SV1.CPU」の性能値の系列と「SV1.MEM」の性能値の系列の変換関数を算出する。
図7を参照すると、「SV1.CPU」を入力xとし、「SV2.MEM」を出力yとする変換関数G300を、システム同定処理G301によって決定することになる。
First, a conversion function of the performance value series “SV1.CPU” and the performance value series “SV1.MEM” of the performance information 12a is calculated.
Referring to FIG. 7, a conversion function G300 having “SV1.CPU” as an input x and “SV2.MEM” as an output y is determined by the system identification process G301.
一般的に、このようなシステム同定にはいくつかの手法があり、例えば、「y=Ax(t)+Bx(t−1)+Cx(t−2)+Dy(t−1)+Ey(t−2)+F」といった式を用いて、xから算出したyの時系列の値が実際に検出された値に最も近くなるように、変数A〜Fの値を決定することで変換関数が算出できる。
以下では、説明を簡略化するために、式「y=Ax+B」のAとBを決定する形で説明するが、その例に限定されるものではなく、他のシステム同定手法を用いても1つの性能値の系列から他の性能値の系列が算出できる変換関数であれば同様の効果が得られるものである。
In general, there are several methods for such system identification. For example, “y = Ax (t) + Bx (t−1) + Cx (t−2) + Dy (t−1) + Ey (t−2) ) + F ”, the conversion function can be calculated by determining the values of the variables A to F so that the time series value of y calculated from x is closest to the actually detected value.
In the following, in order to simplify the description, description will be made in the form of determining A and B of the expression “y = Ax + B”, but the present invention is not limited to this example, and even if another system identification method is used, 1 A similar effect can be obtained as long as the conversion function can calculate another performance value series from one performance value series.
図7のシステム同定処理G301を参照すると、関数として「y=Ax+B」を選択し、グラフG101からグラフG102を近似できるAとBの値として、それぞれ「−0.6」、「100」を決定する(図12に示すステップS103)。 Referring to the system identification process G301 in FIG. 7, “y = Ax + B” is selected as a function, and “−0.6” and “100” are determined as values of A and B that can approximate the graph G102 from the graph G101, respectively. (Step S103 shown in FIG. 12).
さらに、グラフG302に示すように、グラフG101をこの変換関数で算出した予測値の系列と、グラフG102の性能値の系列を比較して、その差分である変換誤差から、この変換関数の重み情報を算出する(図12に示すステップS104)<重み情報算出ステップないしは重み情報算出機能>。 Further, as shown in the graph G302, the weight value information of the conversion function is calculated from the conversion error that is the difference between the predicted value series calculated by the conversion function of the graph G101 and the performance value series of the graph G102. (Step S104 shown in FIG. 12) <weight information calculation step or weight information calculation function>.
この後、算出された変換関数と重み情報を相関モデルに追加する(ステップS105)。
図8は、このようにして追加された相関モデルの例であり、「SV1.CPU」と「SV2.MEM」の相関として、A、B、Wの値が蓄積されている。
以降、同様にして、ステップS103からステップS105の処理を、性能情報12aに含まれる性能値の系列のすべての組合せに対して行うことで、相関モデル蓄積処理部116に現在のシステムの性能情報に関する相関モデルが完成する。
Thereafter, the calculated conversion function and weight information are added to the correlation model (step S105).
FIG. 8 is an example of the correlation model added in this way, and the values of A, B, and W are accumulated as the correlation between “SV1.CPU” and “SV2.MEM”.
Thereafter, similarly, the processing from step S103 to step S105 is performed on all combinations of the performance value series included in the performance information 12a, so that the correlation model
(モデル探索の詳細処理)
次に、本実施の形態におけるモデル探索の詳細処理について、図5、図13、図9を参照して説明する。図13は、本実施の形態にかかる運用管理装置のモデル探索の詳細処理手順の一例を示すフローチャートである。
(Detailed processing of model search)
Next, detailed processing of the model search in the present embodiment will be described with reference to FIG. 5, FIG. 13, and FIG. FIG. 13 is a flowchart illustrating an example of a detailed processing procedure of model search of the operation management apparatus according to the present embodiment.
モデル探索部124は、ボトルネック解析部125から性能情報の1つの要素の値を受け取るとともに(ステップS201)、相関モデル蓄積処理部116から相関モデルを読み込む(ステップS202)。
The
最初に、値が全く算出されていない状態では未探索の相関があるので、未探索の相関の有無を判定する(ステップS203)。
そして、運用管理装置が備えたコンピュータ(のモデル探索部124)が、未探索の相関があると判定した場合には、受け取った1つの要素の値から他の要素の性能値を算出し、その算出に用いた変換関数の重みを記録する(ステップS204)。
First, since there is an unsearched correlation when no value is calculated, it is determined whether there is an unsearched correlation (step S203).
When the computer (the model search unit 124) included in the operation management apparatus determines that there is an unsearched correlation, the performance value of the other element is calculated from the value of the received one element, The weight of the conversion function used for the calculation is recorded (step S204).
続いて、算出済みの性能値の有無を判定する(ステップS205)。最初の算出では、算出済みの性能値がないので、算出済みの性能値がないと判定される。算出済みの性能値がないと判定された場合には、ステップS203に戻る。 Subsequently, the presence / absence of a calculated performance value is determined (step S205). In the first calculation, since there is no calculated performance value, it is determined that there is no calculated performance value. If it is determined that there is no calculated performance value, the process returns to step S203.
そして、再度、未探索の相関を探索する(ステップS203)。
最初に受け取った性能値は決定しているので、それ以外の性能値の1つを選択し、他の性能値を算出する。
同様に、出力となる性能値と重みを算出する(ステップS204)。この場合、前回算出済みの性能値があるので、ステップS205の判定処理では、性能値があると判定される。
そして、前回の算出値と、今回の算出値の重み情報を比較し、重みに応じて性能値を選択する処理を行う(S206)。
Then, an unsearched correlation is searched again (step S203).
Since the performance value received first is determined, one of the other performance values is selected and another performance value is calculated.
Similarly, a performance value and a weight to be output are calculated (step S204). In this case, since there is a previously calculated performance value, it is determined in step S205 that there is a performance value.
Then, the previous calculated value and the weight information of the current calculated value are compared, and a process of selecting a performance value according to the weight is performed (S206).
より具体的には、図9に示すように、前回xからyおよびzを算出したとすると、yの算出値は、「y=2x」の変換関数が持つ「0.7」という重み情報を持つ。同様に、zの算出値は、「z=3.9y」の変換関数が持つ「0.8」という重み情報を持つ。ここで、今回yからzを算出する場合は、yの値の持つ「0.7」という重み情報に、「z=2y」という変換関数の持つ「0.9」を乗算して「0.63」という重み情報を得る。この値と、既に前回予測された値の重み情報「0.8」を比較すると、前回の方が値が大きいので、前回の値を予測値として選択し(ステップS206)、ステップS203に戻る。 More specifically, as shown in FIG. 9, if y and z were calculated from the previous x, the calculated value of y is weight information “0.7” possessed by the conversion function of “y = 2x”. Have. Similarly, the calculated value of z has weight information “0.8” possessed by the conversion function “z = 3.9y”. Here, when z is calculated from y this time, the weight information “0.7” possessed by the value of y is multiplied by “0.9” possessed by the conversion function “z = 2y” to obtain “0. 63 "is obtained. When this value is compared with the weight information “0.8” of the value already predicted last time, the previous value is larger, so the previous value is selected as the predicted value (step S206), and the process returns to step S203.
このようにして、性能情報の各々の要素を複数の経路から算出し、その重みの大きいものを選択することで、最終的に、複数の経路の中で正確に予測できる変換関数の組合せで算出された値を選択することができる。 In this way, each element of performance information is calculated from multiple paths, and by selecting the one with the highest weight, it is finally calculated with a combination of transformation functions that can be accurately predicted in multiple paths Selected values can be selected.
(ボトルネック解析の詳細処理)
次に、本実施の形態におけるボトルネック解析の詳細処理について、図5、図14、図10、図15を参照しつつ説明する。図14は、本実施の形態にかかる運用管理装置のボトルネック解析動作のフローチャートを示す。
(Detailed processing of bottleneck analysis)
Next, the detailed process of the bottleneck analysis in this Embodiment is demonstrated, referring FIG.5, FIG.14, FIG.10 and FIG. FIG. 14 shows a flowchart of the bottleneck analysis operation of the operation management apparatus according to this embodiment.
先ず、図14に示すように、運用管理装置が備えたコンピュータ(のボトルネック解析部125)は、システムの入力となる要素の性能値を決定する(ステップS301)。
入力となる要素は、例えば、WEB、AP、DBで構成される3Tierのシステムであれば、WEBサーバへの入力トラフィック等が挙げられる。性能値としては、例えば、現在検出されている最大値等が挙げられる。
First, as shown in FIG. 14, the computer (the bottleneck analysis unit 125) included in the operation management apparatus determines the performance value of an element that is an input of the system (step S301).
As an input element, for example, in the case of a 3Tier system composed of WEB, AP, and DB, input traffic to a WEB server may be mentioned. As a performance value, the maximum value currently detected etc. are mentioned, for example.
次に、ボトルネック解析部125は、決定した性能値をモデル探索部124に渡して、モデル探索を行う(ステップS302)。
モデル探索では、与えられた性能値から、相関モデルを探索して他の性能値を算出する。
この後、ボトルネック解析部125は、この算出された性能値を受け取り、リソース情報蓄積処理部118に蓄積されるリソース情報118aと比較して、性能情報に含まれる要素の利用率を算出する(ステップS303)。
Next, the
In the model search, a correlation model is searched from a given performance value to calculate another performance value.
Thereafter, the
例えば、「SV1.CPU」の現在の値を与えてモデル探索を行った場合、算出された「SV2.CPU」の値と、図10のリソース情報118aに含まれる「SV2.CPU」の最小値、最大値と比較を行う。
For example, when the model search is performed by giving the current value of “SV1.CPU”, the calculated value of “SV2.CPU” and the minimum value of “SV2.CPU” included in the
そして、運用管理装置が備えたコンピュータ(のボトルネック解析部125)は、性能容量が不足しているか否かを判定する(ステップS304)。
ステップS304にて、性能容量が不足していると判定した場合には、運用管理装置が備えたコンピュータ(のボトルネック解析部125)は、管理者に解析結果を提示する(ステップS306)。
Then, the computer (the bottleneck analysis unit 125) provided in the operation management apparatus determines whether or not the performance capacity is insufficient (step S304).
If it is determined in step S304 that the performance capacity is insufficient, the computer (bottleneck analysis unit 125) provided in the operation management apparatus presents the analysis result to the administrator (step S306).
一方、ステップS304にて、性能容量が不足していないと判定した場合には、運用管理装置が備えたコンピュータ(のボトルネック解析部125)は、入力となる要素の性能値を順次増加させ(ステップS305)、ステップS203以降の処理を繰り返す。 On the other hand, if it is determined in step S304 that the performance capacity is not insufficient, the computer (bottleneck analysis unit 125) provided in the operation management apparatus sequentially increases the performance value of the input element ( Step S305) and the processing after step S203 are repeated.
例えば、ステップS304において、「SV2.CPU」の算出値が、リソース情報118aに規定されている最小値と最大値の範囲内であれば、性能容量は不足していないと判定し、「SV1.CPU」の値を一定量増加させて(ステップS305)、モデル探索を再度実施する。
For example, if the calculated value of “SV2.CPU” is within the range between the minimum value and the maximum value specified in the
同様にして、入力となる要素の性能値を順次増加させながらモデル探索を行い、算出された性能値のいずれかがリソース情報118aで規定されている範囲を超えた場合、性能容量が不足していると判断し、管理者に解析結果を提示する(ステップS306)。
Similarly, a model search is performed while sequentially increasing the performance values of the input elements, and if any of the calculated performance values exceeds the range specified in the
図15は、管理者に提示するボトルネック解析の結果の画面であり、表示画面U100では、性能容量が不足した要素「SV2.CPU」とその時点の入力となる性能値「600/sec」を含む情報が提示される。
これにより、管理者は、現状のサービス実行部121は、入力性能値が「600/sec」以上になる状況に耐えられないことがわかり、それ以上の負荷が予想される場合は、「SV2」の処理能力が向上するように設定変更や設備増強を行わなければならないことがわかる。
FIG. 15 is a screen of the result of the bottleneck analysis presented to the administrator. On the display screen U100, the element “SV2.CPU” having insufficient performance capacity and the performance value “600 / sec” that is input at that time are displayed. Information to include is presented.
As a result, the administrator knows that the current
ここで、前記相関モデル生成ステップでは、前記相関関数を用いて前記第1の要素に関する性能情報から算出された前記第2の要素に関する算出性能情報と、取得された前記第2の要素に関する性能情報との誤差に基づいて、前記相関モデルの重み情報を算出することができる。この場合、前記モデル探索ステップでは、少なくとも1つの前記要素に対して複数の前記相関関数によって異なる前記性能情報が算出され得る場合に、前記重み情報に基づいて一つの前記相関モデルを決定することができる。 Here, in the correlation model generation step, the calculated performance information regarding the second element calculated from the performance information regarding the first element using the correlation function, and the acquired performance information regarding the second element The weight information of the correlation model can be calculated based on the error. In this case, in the model search step, when the performance information different depending on a plurality of the correlation functions can be calculated for at least one of the elements, one correlation model is determined based on the weight information. it can.
さらに、前記ボトルネック解析ステップでは、性能の前記範囲を超えた前記要素に関する性能情報とともに、他の前記要素に関する前記性能情報を利用率で順序付けすることができる。 Furthermore, in the bottleneck analysis step, the performance information related to the elements exceeding the range of performance and the performance information related to the other elements can be ordered by the utilization rate.
また、前記ボトルネック解析ステップでは、前記ボトルネック解析結果として、性能の前記範囲を超えた前記要素に関する性能情報と、前記範囲が算出された時点の入力となる前記性能情報とを含む結果を提示する処理を行うことができる。 In the bottleneck analysis step, as the bottleneck analysis result, a result including performance information regarding the element exceeding the range of performance and the performance information serving as an input at the time when the range is calculated is presented. Can be processed.
前記相関モデル生成ステップでは、前記第1の要素と前記第2の要素との前記相関モデルの第1の重み情報と、前記第1の要素と前記第3の要素との前記相関モデルの第2の重み情報と、前記第3の要素と前記第2の要素との前記相関モデルの第3の重み情報とをそれぞれ算出することができる。この場合に、前記モデル探索ステップでは、前記第2の重み情報と前記第3の重み情報との合成重みと、前記第1の重み情報とを比較して、前記相関モデルを決定することができる。 In the correlation model generation step, the first weight information of the correlation model between the first element and the second element, and the second of the correlation model between the first element and the third element Weight information and third weight information of the correlation model of the third element and the second element can be respectively calculated. In this case, in the model search step, the correlation model can be determined by comparing the combined weight of the second weight information and the third weight information with the first weight information. .
以上のように本実施の形態によれば、相関モデル生成部が、各々の要素の性能情報間の変換関数を用いてシステムの全体的な稼動状態の相関モデルを生成する。モデル探索部が、この相関モデル内の変換関数を順次辿ることで、1つの要素の性能情報の値を仮定した場合に他の要素の性能情報の値を算出する。さらに、ボトルネック解析部が、1つの入力性能情報の値を順次増加あるいは減少させながらモデル探索部が算出した性能値が限界を超える要素を検出してその性能情報とその時点の入力性能情報の値を含む解析結果を生成する。 As described above, according to the present embodiment, the correlation model generation unit generates a correlation model of the overall operating state of the system using the conversion function between the performance information of each element. The model search unit sequentially follows the conversion function in the correlation model, and calculates the value of the performance information of the other element when assuming the value of the performance information of one element. Further, the bottleneck analysis unit detects an element whose performance value calculated by the model search unit exceeds the limit while sequentially increasing or decreasing the value of one input performance information, and the performance information and the input performance information at that time are detected. Generate analysis results including values.
これにより、検出された性能情報から自動的に性能情報の相関モデルを生成してボトルネック解析を行うことで、サービス実行部121のボトルネックを網羅的に解析することができる。また、実際の運用で検出された性能情報の相関関係に基づいて、相関モデル内の複数の経路を用いてより正確な性能値の算出が行えるため、解析結果の検証を管理者の経験に頼る必要がない。さらに、生成する相関モデルが各々の性能情報間を1対1で変換する変換関数で構成されるため、1つの性能情報から他の性能情報を容易に導出でき、システムが大規模化しても処理量が膨大になることがない。
Thereby, the bottleneck of the
また、ボトルネック解析の結果として、性能の限界を超えた性能情報と、その時点の入力を提示する。このように、システムの最大性能の値と、その時にどこがボトルネックになるかという情報を合わせて提示することで、システムのどの部分の性能に注意が必要かを明確に管理者に提示できるとともに、想定される将来負荷に対してシステムのどの要素をどう増強すれば良いかを明確にできる。 In addition, as a result of the bottleneck analysis, the performance information exceeding the performance limit and the input at that time are presented. In this way, by presenting the maximum performance value of the system together with information on where the bottleneck will be at that time, it is possible to clearly indicate to the administrator which part of the system needs attention. It is possible to clarify which elements of the system should be augmented against the expected future load.
このように、本実施の形態では、管理者の経験と勘に頼って部分的あるいは不確かな解析しか実現できなかった関連技術に対して、管理者の能力に頼ることなく自動的に、負荷を増大させることなくシステム全体に渡って網羅的に、実稼働状況に基づき正確に、ボトルネック解析を実現することができる、という顕著な効果がある。 In this way, in this embodiment, the load is automatically applied to related technologies that can only achieve partial or uncertain analysis depending on the experience and intuition of the administrator, without depending on the ability of the administrator. There is a remarkable effect that the bottleneck analysis can be realized comprehensively over the entire system without being increased and accurately based on the actual operation status.
また、本実施の形態では、重み情報によって性能値を選択する形で説明したが、これに限定されるものではなく、重み情報に基づいて複数の算出値に一定の演算をかけて性能値を算出してもよい。また、性能値の算出を行ってから重み情報で選択する形で説明したが、これに限定されるものでははく、予め重み情報に基づいて相関モデルの経路を枝刈りして探索してもよい。異なる手順であっても、1つの性能値からモデルを探索して他の性能値を算出できるものであれば、同様の効果が得られるものである。 In the present embodiment, the performance value is selected based on the weight information. However, the present invention is not limited to this, and the performance value is obtained by performing a certain operation on a plurality of calculated values based on the weight information. It may be calculated. In addition, the performance value is calculated and then selected by weight information. However, the present invention is not limited to this, and the correlation model path may be pruned and searched in advance based on the weight information. Good. Even if the procedure is different, the same effect can be obtained as long as the model can be searched from one performance value and another performance value can be calculated.
さらに、関連技術では、1つの性能情報の時間変化関数としてモデルを生成し、時間が経過した場合の、その性能情報の予測値が算出できる。また、関連技術にも2つの性能情報の間の「相関係数」が用いられているが、相関係数は「値」であって「変換関数」ではないので、値の予測(ボトルネック解析)には使えない。一方の値が判明したら他方が算出できるものでないので、異常検知の支援はできても、ボトルネック解析を実現できない。
これに対して本実施の形態では、2つの性能情報の間の変換関数としてモデルを生成し、1つの性能情報の値が増えた場合の、他の要素の性能値を算出でき、システムを構成する各要素について全体としての正確な性能情報の予測を行うことができ、正確なボトルネックの要素の解析を行うことができる。
Further, in the related art, a model is generated as a time change function of one piece of performance information, and a predicted value of the performance information when time passes can be calculated. The related technology also uses a “correlation coefficient” between two pieces of performance information, but the correlation coefficient is a “value” and not a “conversion function”. ) Can not be used. If one value is found, the other cannot be calculated. Therefore, even if abnormality detection can be supported, bottleneck analysis cannot be realized.
On the other hand, in the present embodiment, a model is generated as a conversion function between two pieces of performance information, and the performance value of another element when the value of one piece of performance information increases can be calculated, thereby configuring the system. As a whole, accurate performance information can be predicted for each element to be analyzed, and an accurate bottleneck element can be analyzed.
このように、検出された性能情報から自動的に性能情報の相関モデルを生成してボトルネック解析を行うことで、テスト時に想定できていなかった状況も含めて、稼動時の状況に合わせたボトルネックを解析することができる。また、予め想定される特定の処理に関係するものだけでなく、サービス実行部全体の挙動を網羅的に解析することができる。 In this way, by automatically generating a correlation model of performance information from the detected performance information and performing bottleneck analysis, bottles that match the situation at the time of operation including the situation that could not be assumed at the time of testing The neck can be analyzed. Further, it is possible to comprehensively analyze the behavior of the entire service execution unit as well as those related to a specific process assumed in advance.
さらに、実際の運用で検出された性能情報の相関関係に基づいて、将来対象システムで発生する可能性の高いボトルネックが抽出できるため、解析結果の検証を管理者の経験に頼る必要がない。さらにまた、生成する相関モデルが各々の性能情報間を1対1で変換する変換関数で構成されるため、1つの性能情報から他の性能情報を容易に導出でき、システムが大規模化しても処理量が膨大になることなくボトルネックを解析できる。 Furthermore, since it is possible to extract a bottleneck that is highly likely to occur in the future target system based on the correlation of performance information detected in actual operation, it is not necessary to rely on the experience of the administrator to verify the analysis result. Furthermore, since the correlation model to be generated is composed of conversion functions for converting each piece of performance information on a one-to-one basis, other performance information can be easily derived from one piece of performance information. Bottlenecks can be analyzed without enormous amount of processing.
このように、本発明は、検出した性能情報の相関関係を適切に抽出してモデル化することで、実際の運用状況で発生するボトルネックを正確に予測できるとともに、管理者の負担が少なく、大規模環境においても分析に必要となる処理負荷を増大させないボトルネック解析を実現できる。 In this way, the present invention can accurately predict the bottleneck that occurs in the actual operation situation by appropriately extracting and modeling the correlation of the detected performance information, and has less burden on the administrator, Even in a large-scale environment, bottleneck analysis that does not increase the processing load required for analysis can be realized.
また、相関モデル生成部が、変換関数毎の正確さを示す重み情報を生成し、モデル探索部が、1つの性能情報に対して複数の変換関数によって異なった値が算出された場合に、重み情報に基づいて1つの値を算出する。これにより、相関モデル内の複数の経路を用いてより正確な性能値の算出が行えるため、第2の課題を解決し、より正確にボトルネックを解析できるという効果がある。 Further, when the correlation model generation unit generates weight information indicating the accuracy of each conversion function, and the model search unit calculates different values for a plurality of conversion functions for one performance information, One value is calculated based on the information. Thereby, since a more accurate performance value can be calculated using a plurality of paths in the correlation model, the second problem can be solved and the bottleneck can be analyzed more accurately.
またさらに、管理者対話部が、ボトルネック解析部の解析結果として、性能の限界を超えた性能情報と、その時点の入力を提示する。このように、システムの最大性能の値と、その時にどこがボトルネックになるかという情報を合わせて提示することで、想定される将来負荷に対して、システムのどの要素をどう増強すれば良いかを明確にできる。 Furthermore, the administrator dialogue unit presents performance information exceeding the performance limit and the input at that time as the analysis result of the bottleneck analysis unit. In this way, by showing the maximum performance value of the system together with information on where the bottleneck will be at that time, how to enhance which elements of the system against the expected future load Can be clarified.
さらに、管理者対話部が、性能の限界を超えた性能情報とともに、その他の性能情報を性能の利用率で順序付けして提示する。これにより、他の性能情報も含めて、システムのどの部分の性能に注意が必要かを明確に管理者に提示することができる。 Further, the administrator dialogue unit presents the performance information exceeding the performance limit and the other performance information in order according to the performance utilization rate. As a result, it is possible to clearly present to the administrator which part of the system needs attention, including other performance information.
ここで、図5に示すブロック図における一部の各ブロック(例えば符号123、124、125、121、122、126、127、128等)は、コンピュータが適宜なメモリに格納された各種プログラムを実行することにより、該プログラムにより機能化された状態を示すソフトウエアモジュール構成であってもよい。
Here, some of the blocks (for example,
すなわち、物理的構成は例えば一又は複数のCPU(或いは一又は複数のCPUと一又は複数のメモリ)等ではあるが、各部(回路・手段)によるソフトウエア構成は、プログラムの制御によってCPUが発揮する複数の機能を、それぞれ複数の部(手段)による構成要素として表現したものである。 That is, the physical configuration is, for example, one or a plurality of CPUs (or one or a plurality of CPUs and one or a plurality of memories), etc., but the software configuration by each unit (circuit / means) is exhibited by the CPU by controlling the program. A plurality of functions are expressed as components by a plurality of units (means).
CPUがプログラムによって実行されている動的状態(プログラムを構成する各手順を実行している状態)を機能表現した場合、CPU内に各部(手段)が構成されることになる。プログラムが実行されていない静的状態にあっては、各手段の構成を実現するプログラム全体(或いは各手段の構成に含まれるプログラム各部)は、メモリなどの記憶領域に記憶されている。 When the CPU dynamically expresses a dynamic state (a state in which each procedure constituting the program is executed) executed by the program, each unit (means) is configured in the CPU. In a static state in which the program is not executed, the entire program (or each program part included in the configuration of each unit) that realizes the configuration of each unit is stored in a storage area such as a memory.
以上に示した各部(手段)の説明は、プログラムにより機能化されたコンピュータをプログラムの機能と共に説明したものと解釈することも出来るし、また、固有のハードウエアにより恒久的に機能化された複数の電子回路ブロックからなる装置を説明したものとも解釈することが出来ることは、当然である。したがって、これらの機能ブロックがハードウェアのみ、ソフトウェアのみ、またはそれらの組合せによっていろいろな形で実現でき、いずれかに限定されるものではない。 The description of each part (means) described above can be interpreted as a computer functionalized by a program together with the function of the program, or a plurality of functions permanently functioning by specific hardware. Naturally, it can be interpreted that the device comprising the electronic circuit block is described. Therefore, these functional blocks can be realized in various forms by hardware only, software only, or a combination thereof, and is not limited to any one.
また、各部は、通信可能な専用のコンピュータからなる装置としてそれぞれ構成し、これらの各装置により運用管理システムを構成してもよい。 In addition, each unit may be configured as a device including a dedicated computer capable of communication, and the operation management system may be configured by these devices.
[第2の実施の形態]
次に、本発明にかかる第2の実施の形態について、図16、図17、図18、図19、図20、図21に基づいて説明する。以下には、前記第1の実施の形態の実質的に同様の構成に関しては説明を省略し、異なる部分についてのみ述べる。図16は、本発明の運用管理装置の第2の実施の形態の一例を示すブロック図である。
[Second Embodiment]
Next, a second embodiment according to the present invention will be described with reference to FIGS. 16, 17, 18, 19, 20, and 21. FIG. In the following, description of the substantially similar configuration of the first embodiment will be omitted, and only different parts will be described. FIG. 16 is a block diagram showing an example of the second embodiment of the operation management apparatus of the present invention.
本実施の形態における構成は、第1の実施の形態の図5を用いて説明した構成に加えて、総計性能値管理部231を含む構成としている。
具体的には、本実施の形態の運用管理装置200は、図16に示すように、前記第1の実施の形態の構成である、サービス実行部221、性能情報蓄積処理部212、情報収集部222、分析設定蓄積処理部214、障害分析部226、管理者対話部227、対処実行部228、相関モデル生成部223、相関モデル情報蓄積処理部216、モデル探索部224、リソース情報蓄積処理部218、ボトルネック解析部225に加えて、総計性能値管理部231と、を含んで構成される。
The configuration in the present embodiment includes a total performance
Specifically, as illustrated in FIG. 16, the
リソース情報蓄積処理部218は、図5で説明した情報に加えて、複数の性能情報から算出される総計性能情報とその算出の対象となる複数の性能情報の組み合わせを指定するグループ情報を蓄積する。
In addition to the information described with reference to FIG. 5, the resource information
総計性能値管理部231は、リソース情報蓄積処理部218からグループ情報を受け取り、相関モデル生成部223に対して総計性能情報の生成を指示する。また、総計性能値管理部231は、モデル探索部224に対して総計性能情報の値の更新を指示する。
The total performance
相関モデル生成部223は、第1の実施の形態の機能に加えて、総計性能値管理部231の指示に従って、検出された複数の性能情報の同時刻の値に一定の算術演算を行って算出した値の時系列を性能値とする総計性能情報を生成し、性能情報にこの総計性能情報を加えて相関モデルを生成する。
In addition to the function of the first embodiment, the correlation
モデル探索部224は、第1の実施の形態の機能に加えて、性能情報の値を算出する場合に、総計性能値管理部231からの指示に従って総計性能情報の値を再計算する(総計性能情報再計算機能)。
In addition to the functions of the first embodiment, the
ここで、これらの各部は、図17に示すように、制御部が発揮する複数の機能として構成することもできる。 Here, as shown in FIG. 17, each of these units can also be configured as a plurality of functions exhibited by the control unit.
また、統計性能値管理部231は、前記要素をグループ化し、各要素の統計性能値を生成することができる。この場合、前記相関モデル生成部223は、前記統計性能値によるグループ要素を新要素として加え、一の前記新要素と他の前記新要素との相関から相関モデルを生成することができる。
Further, the statistical performance
このような構成からなる運用管理装置200において、総計性能値を用いた相関モデル生成の概要について説明する。図18は、本実施の形態にかかる運用管理装置の総計性能値を用いた相関モデル生成の概要の一例を示す説明図である。
An outline of correlation model generation using the total performance value in the
図18に示すように、構成グラフG320は、WEB層、AP層、DB層の3層からなる負荷分散システムの構成を示し、WEB層が3台のサーバで負荷分散され、AP層が2台のサーバで負荷分散される。性能情報の要素A〜Cは、WEB層の各サーバの性能を示し、同様に、要素D〜EはAP層、要素FはDB層の性能を示す。 As shown in FIG. 18, the configuration graph G320 shows the configuration of a load distribution system composed of three layers, a WEB layer, an AP layer, and a DB layer. The WEB layer is load-balanced by three servers, and two AP layers. Load balancing on other servers. Elements A to C of the performance information indicate the performance of each server in the WEB layer. Similarly, elements D to E indicate the performance of the AP layer, and element F indicates the performance of the DB layer.
相関グラフG321では、第1の実施の形態で説明した動作で相関モデルを生成した場合の結果の一例を示す。同じ処理を分散して実行する各層では正確な相関関係が生成でき、層間では有意な相関関係ができなかった例である。 The correlation graph G321 shows an example of a result when a correlation model is generated by the operation described in the first embodiment. This is an example in which an accurate correlation can be generated in each layer in which the same processing is executed in a distributed manner, and no significant correlation can be generated between layers.
相関グラフG322は、本実施の形態の総計性能値を用いて相関モデルを生成した場合の一例を示す。WEB層の性能値の合計の値を持つ総計性能情報X、AP層の性能値の合計の値を持つ総計性能情報Yをそれぞれ生成している。これにより、層間に正確な相関関係を生成できる。 Correlation graph G322 shows an example when a correlation model is generated using the aggregate performance value of the present exemplary embodiment. The total performance information X having the total value of the performance values of the WEB layer and the total performance information Y having the total value of the performance values of the AP layer are respectively generated. Thereby, an accurate correlation can be generated between the layers.
このように、総計性能値を用いることで、各層間を相関させることができる。 In this way, the layers can be correlated by using the total performance value.
次に、総計性能情報を蓄積するためのリソース情報蓄積処理部218のリソース情報118bのデータ構造について説明する。図19は、本実施の形態にかかる運用管理装置のリソース情報のデータ構造の一例を示す。
リソース情報118bは、図10に示すリソース情報118aの情報に加えて、「グループ」という新たな属性が追加されている。
総計性能情報X、総計性能情報Yでは、グループ情報として総計性能値の算出に必要な性能情報の要素が列挙されている。
Next, the data structure of the resource information 118b of the resource information
In the resource information 118b, a new attribute “group” is added to the information of the
In the total performance information X and the total performance information Y, elements of performance information necessary for calculating the total performance value are listed as group information.
例えば、総計性能情報Xでは、図18の構成グラフG320に示すWEB層の性能情報の要素A、B、Cをグループ情報として持つ。また、総計性能情報Yでは、図18の構成グラフG320に示すAP層の性能情報の要素D、Eをグループ情報として持つ。総計性能情報以外の性能情報の要素では、グループ情報には何も記述されていない。
リソース情報118aのテーブルにグループ情報の項目を設けることで、各要素の性能値をグループ化して、総計性能情報を管理することができる。
For example, the total performance information X includes elements A, B, and C of the web layer performance information shown in the configuration graph G320 of FIG. 18 as group information. Further, the total performance information Y has elements D and E of AP layer performance information shown in the configuration graph G320 of FIG. 18 as group information. In the performance information elements other than the total performance information, nothing is described in the group information.
By providing an item of group information in the
(処理手順について)
次に、上述のような構成を有する運用管理装置における各部の処理は、方法としても実現可能であり、運用管理方法としての各種の処理手順について、図20乃至図21を参照しつつ説明する。
(About processing procedure)
Next, the processing of each unit in the operation management apparatus having the above-described configuration can be realized as a method, and various processing procedures as the operation management method will be described with reference to FIGS. 20 to 21.
(相関モデル生成の詳細処理)
図20は、本実施の形態にかかる運用管理装置の相関モデル生成の詳細処理手順の一例を示すフローチャートである。
図20では、第1の実施の形態で図12を用いて説明したステップS101〜S105と同様のステップであるステップS401〜S405に加えて、総計性能情報を生成するステップS406が追加されている。
(Detailed processing of correlation model generation)
FIG. 20 is a flowchart illustrating an example of a detailed processing procedure for generating a correlation model of the operation management apparatus according to the present embodiment.
In FIG. 20, in addition to steps S401 to S405 that are the same steps as steps S101 to S105 described with reference to FIG. 12 in the first embodiment, step S406 for generating aggregate performance information is added.
本実施の形態における相関モデル生成の詳細処理は、第1の実施の形態で説明したものと同様であり、性能情報を読み込むステップS401に続いて、総計性能情報を生成するステップS402を行う点が異なる。 The detailed process of generating the correlation model in the present embodiment is the same as that described in the first embodiment, and the step of performing step S402 of generating total performance information is performed following step S401 of reading performance information. Different.
図20を参照すると、相関モデル生成部223は、性能情報蓄積処理部212から性能情報を読み込むとともに(ステップ401)、総計性能値管理部231の指示に従って総計性能情報を生成する(ステップ402)。
Referring to FIG. 20, the correlation
この場合、総計性能値管理部231は、リソース情報蓄積処理部218からリソース情報118bを読み込み、グループ情報が指定されている総計性能情報Xと総計性能情報Yを探索し、この総計性能情報Xと総計性能情報Yを生成することを相関モデル生成部223に指示する。
相関モデル生成部223は、この指示に従って、性能情報の要素A、B、Cの同時刻の性能値を加算して総計性能情報Xの性能値の時系列を生成する。
同様に、性能情報の要素D、Eから総計性能情報Yの時系列を生成する。
In this case, the total performance
In accordance with this instruction, the correlation
Similarly, a time series of the total performance information Y is generated from the performance information elements D and E.
以降、性能情報蓄積処理部212に蓄積されている他の性能情報にこの総計性能情報X、総計性能情報Yを加えて相関モデルの生成を行う。第1の実施の形態で説明した通り、未分析性能情報がなくなるまで(ステップ403)、変換関数の生成(ステップ404)、重みの算出(ステップ405)、相関モデルの追加(ステップ406)を繰り返す。
Thereafter, the total performance information X and the total performance information Y are added to the other performance information stored in the performance information
図18は、このようにして生成される相関モデルの一例を示す。
構成グラフG320は、図18に示すように、WEB、AP、DBの3層構成で、それぞれのサーバが3台、2台、1台で構成されるシステムである。
各サーバの性能情報の相関関係をモデル化した場合、相関グラフG321に示すように、各層の間の相関関係は、適切に生成できない場合がある。あるいは、各層の間の相関関係は生成できるが、極めて誤差の大きい場合がある。
FIG. 18 shows an example of the correlation model generated in this way.
As shown in FIG. 18, the configuration graph G320 has a three-layer configuration of WEB, AP, and DB, and each server includes three, two, and one.
When the correlation of the performance information of each server is modeled, as shown in the correlation graph G321, the correlation between the layers may not be appropriately generated. Alternatively, correlations between layers can be generated, but can be extremely error prone.
例えば、DB層の処理負荷は、性能情報の要素Fのみに現れるが、AP層の処理負荷は、2台のサーバで分散して行われるため、要素D、Eで分散して現れる。
ここで、要素Dと要素Fの相関関係を考えると、要素Fの性能値は、要素Dと要素Eの両方の性能値の和に依存する。要素Dと要素Eが全く均等に処理を分散している場合には、要素Dの性能値の2倍が要素Fと相関することになるが、処理に偏りがあった場合、要素Dの性能値だけからは要素Fの性能値が正確に特定できない。
同様に、要素Eと要素Fの間の相関も希薄となる。同じ問題がWEB層とAP層の間にも発生し、要素A、B、Cから要素D、Eへの相関は希薄となる。この結果、相関グラフ821に示すような部分的な相関関係しか抽出できない状態が発生する。
For example, the processing load of the DB layer appears only in the element F of the performance information, but since the processing load of the AP layer is distributed by two servers, it appears distributed by the elements D and E.
Here, considering the correlation between element D and element F, the performance value of element F depends on the sum of the performance values of both element D and element E. When element D and element E distribute processing evenly, twice the performance value of element D correlates with element F. However, if processing is biased, the performance of element D The performance value of the element F cannot be specified accurately only from the value.
Similarly, the correlation between element E and element F is also sparse. The same problem occurs between the WEB layer and the AP layer, and the correlation from elements A, B, and C to elements D and E is sparse. As a result, a state in which only a partial correlation as shown in the correlation graph 821 can be extracted occurs.
一般的には、このような不具合を解決するために、要素の1対1の変換関数ではなく、N対1の変換関数を用いて相関モデルを生成することが考えられる。しかし、性能情報の要素の数が増えると膨大な計算資源が必要となる。加えて、入力がN個、出力が1個の変換関数では、ある1つの性能値を算出するためには、N個の入力が確定していなければならず、システムの1つの入力負荷が増えた場合にどこがボトルネックになるかというような解析を行うことが困難になってしまう。 In general, in order to solve such a problem, it is conceivable to generate a correlation model using an N-to-1 conversion function instead of a 1-to-1 conversion function of elements. However, as the number of performance information elements increases, a huge amount of computing resources are required. In addition, in the case of a conversion function with N inputs and one output, in order to calculate a certain performance value, N inputs must be determined, which increases one input load of the system. In such a case, it becomes difficult to analyze where the bottleneck is.
そこで、本実施の形態における総計性能情報を用いた相関モデル生成の場合、相関グラフG322に示すように、実際に検出される要素A〜Fに加えて要素X、Yが生成される。要素Yは、AP層の要素D、Eの性能値の総和であり、要素Yによって、AP層のサーバが1台であるかのように扱うことができる。
この結果、AP層全体の処理負荷を示す要素Yと、DB層全体の処理負荷を示す要素Fには明確な相関関係ができる。同様にして、WEB層全体を示す要素XとAP層全体を示す要素Yにも相関関係ができる。
Therefore, in the case of generating a correlation model using the aggregate performance information in the present embodiment, elements X and Y are generated in addition to the elements A to F that are actually detected, as shown in the correlation graph G322. The element Y is the sum of the performance values of the elements D and E of the AP layer. The element Y can be handled as if there is one AP layer server.
As a result, there is a clear correlation between the element Y indicating the processing load of the entire AP layer and the element F indicating the processing load of the entire DB layer. Similarly, there can be a correlation between the element X indicating the entire WEB layer and the element Y indicating the entire AP layer.
(モデル探索の詳細処理)
図21は、本実施の形態にかかる運用管理装置のモデル探索の詳細処理手順の一例を示すフローチャートである。
図21では、第1の実施の形態で図13を用いて説明したステップS201〜S206と同様のステップであるステップS501〜S506に加えて、グループ指定を判定するステップS507と総計性能情報を再計算するステップS408が追加されている。
図21を参照すると、本実施の形態におけるモデル探索の動作は、第1の実施の形態で説明したものと同様であり、性能値を決定するステップS506の後に、決定した性能値が総計性能情報に使われているかを判定するステップS507と、総計性能情報を再計算するステップS508が追加されている点が異なる。
(Detailed processing of model search)
FIG. 21 is a flowchart illustrating an example of a detailed processing procedure of model search of the operation management apparatus according to the present embodiment.
In FIG. 21, in addition to steps S501 to S506 which are the same steps as steps S201 to S206 described with reference to FIG. 13 in the first embodiment, step S507 for determining group designation and total performance information are recalculated. Step S408 is added.
Referring to FIG. 21, the model search operation in the present embodiment is the same as that described in the first embodiment. After step S506 for determining the performance value, the determined performance value is the total performance information. The difference is that step S507 for determining whether or not the total performance information is used and step S508 for recalculating the total performance information are added.
モデル探索部224は、ある入力性能値に対する他の性能値を算出するために、総計性能情報を含む相関モデルを読み込んで探索を行う(ステップS501〜ステップS506)。また、総計性能値管理部231の指示に従って、総計性能情報の算出に用いられる性能値を算出した場合に(ステップS507)、新しい性能値で総計性能情報を再計算する(ステップS508)。
The
さらに、ボトルネック解析部225が、このようなモデル探索による性能値の算出を繰り返すことで、システムの最大性能とボトルネック要素を特定する。
図19を参照すると、リソース情報118bには、ボトルネック解析部225が総計性能情報の利用率を判定するための属性が記述されている。
例えば、総計性能情報Xは、最大値が100%である要素A、B、Cの3個の値の総和であるため、最大値が300%となっている。また、総計性能情報Yでは、最大値が1000Mbpsの要素D、Eの2個の総和であるが、ネットワークの帯域は、足し算にはならない場合があるため、最大値が1000Mbpsとなっている。このようなリソース情報302を元に、どの要素がボトルネックになるかを解析できる。
Furthermore, the
Referring to FIG. 19, the resource information 118b describes attributes for the
For example, the total performance information X is the sum of the three values of elements A, B, and C having a maximum value of 100%, so the maximum value is 300%. Further, in the total performance information Y, the maximum value is the sum of the two elements D and E with 1000 Mbps, but the maximum value is 1000 Mbps because the network bandwidth may not be added. Based on
ここで、例えば、図18の要素Aの負荷が増加すると予想すると、同じWEB層での相関関係から、要素A、B、Cの間の負荷が算出でき、これらの総和から要素Xの値が算出できる。また、要素Xから要素Y、要素Fの性能値が算出できる。
さらに、要素Yの算出値から、グループである要素D、Eの性能値も算出できる。
この結果、要素Aの負荷が増加する場合に、DBサーバである要素Fにどのような負荷がかかるかを正確に算出することができる。
Here, for example, assuming that the load of the element A in FIG. 18 increases, the load between the elements A, B, and C can be calculated from the correlation in the same WEB layer, and the value of the element X is calculated from the sum of these. It can be calculated. Further, the performance values of the element Y and the element F can be calculated from the element X.
Further, the performance values of the elements D and E that are groups can be calculated from the calculated value of the element Y.
As a result, when the load on the element A increases, it is possible to accurately calculate what load is applied to the element F that is the DB server.
また、前記相関モデル生成ステップでは、前記要素をグループ化して各要素の統計性能値を生成し、前記統計性能値によるグループ要素を新要素として加え、一の前記新要素と他の前記新要素との相関から相関モデルを生成することができる。 In the correlation model generation step, the elements are grouped to generate a statistical performance value of each element, a group element based on the statistical performance value is added as a new element, and one new element and another new element A correlation model can be generated from these correlations.
以上のように本実施の形態によれば、前記第1の実施の形態と同様の作用効果を奏しながらも、相関モデル生成部が、総計性能値管理部231の指示に従って、検出された複数の性能情報に一定の算術演算を行って算出した総計性能情報を含んだ相関モデルを生成し、モデル探索部10が、この総計性能情報を含めて性能情報の値を算出する。
As described above, according to the present embodiment, the correlation model generation unit performs a plurality of detected operations in accordance with the instruction from the total performance
これにより、例えば、負荷分散処理といったように、1つの性能情報が複数の性能情報の値の総和と関係する場合にも、処理量を増大させること無く正確なボトルネック解析が可能となる。このように、本実施の形態にかかる発明には、第1の実施の形態の効果に加えて、膨大な処理負荷が必要となる従来技術に対して、処理負荷の増加を総計性能情報の数の増加分だけに押さえた上で、複数の要素との相関関係にも対応し、より正確にボトルネック解析を実現することができるという顕著な効果がある。 As a result, for example, even when one piece of performance information is related to the sum of values of a plurality of pieces of performance information, such as load distribution processing, accurate bottleneck analysis can be performed without increasing the amount of processing. Thus, in addition to the effects of the first embodiment, the invention according to the present embodiment increases the processing load by the number of total performance information compared to the conventional technology that requires a huge processing load. There is a remarkable effect that the bottleneck analysis can be realized more accurately by suppressing only the increase in the amount and dealing with the correlation with a plurality of elements.
また、本実施の形態では、総計性能値の演算を、各要素の性能値の和で行う形で説明したが、これに限定されるものではなく、各要素の性能値に一定の演算をかけて総計性能値を算出してもよい。 In this embodiment, the calculation of the total performance value has been described as being performed by the sum of the performance values of each element. However, the present invention is not limited to this, and a certain calculation is applied to the performance value of each element. The total performance value may be calculated.
また、総計性能値管理部が、相関モデル生成部とモデル探索部に指示する形で説明したが、これに限定されるものではなく、性能情報蓄積処理部に直接総計性能値を書き込むものや、相関モデルにグループの依存関係を示す属性を加えて探索を行うものであってもよい。異なる形であっても、検出された性能情報に一定の演算を加えた新たな性能情報を生成し探索することができるものであれば、同様の効果が得られるものである。 Moreover, although the total performance value management unit has been described in the form of instructing the correlation model generation unit and the model search unit, it is not limited to this, and the total performance value is directly written in the performance information accumulation processing unit, The correlation model may be searched by adding an attribute indicating group dependency. Even in a different form, the same effect can be obtained as long as new performance information obtained by adding a certain calculation to the detected performance information can be generated and searched.
このように、相関モデル生成部が、総計性能値管理部の指示に従って、検出された複数の性能情報に一定の算術演算を行って算出した総計性能情報を含んだ相関モデルを生成し、モデル探索部が、この総計性能情報を含めて性能情報の値を算出する。これにより、例えば、負荷分散処理といったように、1つの性能情報が複数の性能情報の値の総和と関係する場合にも、処理量を増大させること無く正確なボトルネック解析が可能であり、第4の課題を解決し、負荷を抑えて正確な解析が行えるという効果がある。
In this way, the correlation model generation unit generates a correlation model including the total performance information calculated by performing a certain arithmetic operation on the detected plurality of performance information according to the instruction of the total performance value management unit, and performs model search The unit calculates the value of the performance information including the total performance information. Thus, for example, even when one piece of performance information is related to the sum of values of a plurality of pieces of performance information, such as load distribution processing, accurate bottleneck analysis can be performed without increasing the processing amount. There is an effect that it is possible to solve the
その他の構成およびその他のステップないしは機能並びにその作用効果については、前述した実施の形態の場合と同一となっている。また、上記の説明において、上述した各ステップの動作内容及び各部の構成要素並びにそれらによる各機能をプログラム化し、コンピュータに実行させてもよい。 Other configurations, other steps or functions, and the effects thereof are the same as those in the above-described embodiment. In the above description, the operation content of each step described above, the components of each unit, and the functions thereof may be programmed and executed by a computer.
[第3の実施の形態]
次に、本発明にかかる第3の実施の形態について、図22に基づいて説明する。以下には、前記第1の実施の形態の実質的に同様の構成に関しては説明を省略し、異なる部分についてのみ述べる。図22は、本発明の運用管理装置の第3の実施の形態の一例を示すブロック図である。
[Third Embodiment]
Next, a third embodiment according to the present invention will be described with reference to FIG. In the following, description of the substantially similar configuration of the first embodiment will be omitted, and only different parts will be described. FIG. 22 is a block diagram showing an example of the third embodiment of the operation management apparatus of the present invention.
本発明の第3の実施の形態の運用管理装置は、第2の実施の形態で図13を用いて説明した構成に加えて、分析設定生成部を含む構成としている。 The operation management apparatus according to the third embodiment of the present invention has a configuration including an analysis setting generation unit in addition to the configuration described with reference to FIG. 13 in the second embodiment.
具体的には、本実施の形態の運用管理装置300は、図22に示すように、前記第2の実施の形態の構成である、サービス実行部321、性能情報蓄積処理部312、情報収集部322、分析設定蓄積処理部314、障害分析部326、管理者対話部327、対処実行部328、相関モデル生成部323、相関モデル情報蓄積処理部316、モデル探索部324、リソース情報蓄積処理部318、ボトルネック解析部325、総計性能値管理部331に加えて、分析設定生成部332を含んで構成される。
Specifically, as shown in FIG. 22, the
分析設定生成部332は、ボトルネック解析部325の解析結果を受け取り、ボトルネックとなることが予想される性能情報を、障害分析部326で監視および分析するための追加設定を生成し、この追加設定に従って分析設定蓄積処理部314に蓄積される分析設定を修正する。
The analysis
ボトルネック解析部325は、管理者対話部327から管理者の入力を受け取って、分析設定生成部332に設定情報の修正を指示することができる。
The
ここで、ここで、これらの各部は、図23に示すように、制御部が発揮する複数の機能として構成することもできる。 Here, each of these units can be configured as a plurality of functions exhibited by the control unit as shown in FIG.
また、分析設定生成部332は、前記ボトルネック解析部にて解析された前記要素について障害分析の監視対象として監視設定を行うことができる。
In addition, the analysis setting
(処理手順について)
次に、上述のような構成を有する運用管理装置における各部の処理は、方法としても実現可能であり、情報処理方法としての各種の処理手順について、図24乃至図26を参照しつつ説明する。図24は、本発明の第3の実施の形態による運用管理装置における処理手順の一例であり、運用管理装置の分析設定生成の詳細処理手順の一例を示すフローチャートである。
(About processing procedure)
Next, the processing of each unit in the operation management apparatus having the above-described configuration can be realized as a method, and various processing procedures as an information processing method will be described with reference to FIGS. FIG. 24 is an example of a processing procedure in the operation management apparatus according to the third embodiment of the present invention, and is a flowchart illustrating an example of a detailed processing procedure of analysis setting generation of the operation management apparatus.
図25は、本実施の形態にかかる運用管理装置のボトルネック解析での表示画面の例である。第1の実施の形態で図15を用いて説明した表示画面に加えて、「分析設定」の操作ボタンが追加されている。 FIG. 25 is an example of a display screen in the bottleneck analysis of the operation management apparatus according to this embodiment. In addition to the display screen described with reference to FIG. 15 in the first embodiment, an “analysis setting” operation button is added.
図26は、本実施の形態にかかる運用管理装置のボトルネック解析での表示画面の例である。図25の分析設定の操作ボタンから呼び出され、管理者が設定変更の可否を確認するものである。 FIG. 26 is an example of a display screen in the bottleneck analysis of the operation management apparatus according to the present embodiment. Called from the analysis setting operation button in FIG. 25, the administrator confirms whether or not the setting can be changed.
図24を参照すると、まず、ボトルネック解析部325がボトルネック解析処理を行う(ステップS601)。本実施の形態におけるボトルネック解析の動作は、第1、第2の実施の形態で説明したものと同じである。
Referring to FIG. 24, first, the
分析設定生成部332は、ボトルネック解析部325から、ボトルネック解析の結果を受け取り、分析設定蓄積処理部314の分析設定を参照し、ボトルネックとなっている要素が障害分析の対象となっていない場合には(ステップS602)、ボトルネック要素を監視するための監視設定を追加する(ステップS603)。
また、以前に追加したボトルネック要素が、今回のボトルネック解析で安全と判断されていれば(ステップS604)、その分析設定を削除する(ステップS605)。
これらのステップS601乃至ステップS605により、「設定追加ステップ」を行うことができる。この設定追加ステップでは、コンピュータが、前記ボトルネック解析ステップにて解析された前記要素について障害分析の監視対象として監視設定を追加することができる。
The analysis
If the previously added bottleneck element is determined to be safe by the current bottleneck analysis (step S604), the analysis setting is deleted (step S605).
By these steps S601 to S605, the “setting addition step” can be performed. In this setting addition step, the computer can add a monitoring setting as a monitoring target of the failure analysis for the element analyzed in the bottleneck analysis step.
図25は、運用管理装置の表示部に表示される表示画面の一例が示されている。同図では、ボトルネック解析における表示画面の一例が示されている。
表示画面U200は、図15に示す表示画面U100と同様の構成である、解析結果表示部U210、要素リスト表示部U220、グラフ表示部U230、相関モデルの詳細情報を表示するための第1の表示操作部U242、リソース情報の詳細情報を表示するための第2の表示操作部U244、ボトルネック解析画面の表示を終了するための第3の表示操作部U248に加え、「分析設定」の操作ボタンである第4の表示操作部U246が追加されている。
FIG. 25 shows an example of a display screen displayed on the display unit of the operation management apparatus. In the figure, an example of a display screen in bottleneck analysis is shown.
The display screen U200 has the same configuration as the display screen U100 shown in FIG. 15, and is an analysis result display unit U210, an element list display unit U220, a graph display unit U230, and a first display for displaying detailed information of the correlation model. In addition to the operation unit U242, the second display operation unit U244 for displaying the detailed information of the resource information, the third display operation unit U248 for ending the display of the bottleneck analysis screen, an operation button of “analysis setting” A fourth display operation unit U246 is added.
第4の表示操作部U246を押下することで、図26に示す表示画面U300が表示される。
表示画面U300(分析ルール設定画面)では、分析ルールを設定するための分析ルール表示設定部U320、現在の設定されている分析ルールを一覧表示した分析ルール一覧表示部U330、分析ルールを追加するか否かのメッセージを表示したメッセージ表示部U310、分析ルール設定画面での設定完了の確認を行うための各表示操作部U342、U344が表示形成されている。
By pressing the fourth display operation unit U246, a display screen U300 shown in FIG. 26 is displayed.
In the display screen U300 (analysis rule setting screen), an analysis rule display setting unit U320 for setting an analysis rule, an analysis rule list display unit U330 that displays a list of currently set analysis rules, and whether to add an analysis rule A message display unit U310 displaying a message indicating whether or not, and display operation units U342 and U344 for confirming the completion of setting on the analysis rule setting screen are displayed.
管理者は、ここで、ボトルネック要素が監視対象からもれていないかどうかを確認し、必要に応じて分析設定の修正を行う。 Here, the administrator confirms whether the bottleneck element is missing from the monitoring target, and corrects the analysis settings as necessary.
以上のように本実施の形態によれば、前記第1の実施の形態と同様の作用効果を奏しながらも、分析設定生成手段が、ボトルネックとなることが予想される性能情報を障害分析手段で監視および分析するための追加設定を生成する。これにより、システムを網羅的に解析して発見された新たなボトルネックに対して、その要素を継続的に監視することが可能となり、より適切な運用管理が行えるという新たな効果がある。 As described above, according to the present embodiment, the analysis setting generation unit displays performance information that is expected to become a bottleneck while providing the same operational effects as the first embodiment. Generate additional settings for monitoring and analysis with. As a result, new bottlenecks discovered by comprehensive analysis of the system can be continuously monitored, and there is a new effect that more appropriate operation management can be performed.
その他の構成およびその他のステップないしは機能並びにその作用効果については、前述した実施の形態の場合と同一となっている。また、上記の説明において、上述した各ステップの動作内容及び各部の構成要素並びにそれらによる各機能をプログラム化し、コンピュータに実行させてもよい。 Other configurations, other steps or functions, and the effects thereof are the same as those in the above-described embodiment. In the above description, the operation content of each step described above, the components of each unit, and the functions thereof may be programmed and executed by a computer.
[その他の各種変形例]
また、本発明にかかる装置及び方法は、そのいくつかの特定の実施の形態に従って説明してきたが、本発明の主旨および範囲から逸脱することなく本発明の本文に記述した実施の形態に対して種々の変形が可能である。
[Other variations]
Also, although the apparatus and method according to the present invention have been described according to some specific embodiments thereof, the embodiments described in the text of the present invention can be used without departing from the spirit and scope of the present invention. Various modifications are possible.
例えば、上記構成部材の数、位置、形状等は上記実施の形態に限定されず、本発明を実施する上で好適な数、位置、形状等にすることができる。すなわち、上記実施の形態では、統計性能情報を算出するにあたり、Web層、AP層、DB層でグループ化したが、本発明は、これらの層数を制限するものではない。他の種々の区分によってグループ化する場合であってもよい。 For example, the number, position, shape, and the like of the constituent members are not limited to the above-described embodiment, and can be set to a suitable number, position, shape, and the like in practicing the present invention. That is, in the above embodiment, the statistical performance information is grouped by the Web layer, the AP layer, and the DB layer, but the present invention does not limit the number of layers. It may be a case of grouping by various other divisions.
本発明の運用管理ソフトウエアは、1台のPCにインストールする場合であっても、クライアント・サーバシステムにおける端末及びサーバ、P2Pで利用可能な構成であっても構わない。また、各種表示画面などはWeb上でアクセス可能な構成であっても構わない。 The operation management software of the present invention may be installed on a single PC, or may be configured to be used by terminals and servers in a client / server system and P2P. Various display screens may be accessible on the Web.
また、本実施の形態の一態様の運用管理装置は、WEBサービスや業務サービスといった情報通信サービスを提供するサービス実行部と、前記サービス実行部の各々の要素の性能情報を蓄積する性能情報蓄積処理部と、前記サービス実行部の動作状態を検出して出力するとともに、前記動作状態に含まれる性能情報を前記性能情報蓄積処理部に蓄積する情報収集部と、前記サービス実行部の異常を検出するための分析設定を蓄積する分析設定蓄積処理部と、前記情報収集部から前記動作状態を受け取って前記分析設定蓄積処理部の分析設定に従って障害分析を行う障害分析部と、前記障害分析部から前記障害分析の結果を受け取って管理者に提示し、管理者の入力を受け付ける管理者対話部と、前記管理者対話部の指示に応じて前記サービス実行部上で障害の対処となる処理を実行する対処実行部と、で構成される運用管理装置において、前記性能情報蓄積処理部から一定期間の性能情報を取り出し、任意の2つの性能情報の値の時系列に対して、一方を入力とし他方を出力とした場合の変換関数を導出する処理をすべての性能情報に対して繰り返すことで、前記サービス実行部の全体的な稼動状態の相関モデルを生成する相関モデル生成部と、前記相関モデル生成部が生成した相関モデルを蓄積する相関モデル蓄積処理部と、前記相関モデル蓄積処理部の前記相関モデルの各々の性能情報間の変換関数を順次辿ることで、1つの性能情報の値を仮定した場合に他の性能情報の値を算出するモデル探索部と、前記性能情報毎の性能値の最大値、最小値、単位といった属性を記述した情報であるリソース情報を蓄積するリソース情報蓄積部と、前記性能情報のうち予め指定された1つの入力性能情報の値を順次増加あるいは減少させながら前記モデル探索部に指示するとともに、モデル探索部が算出した他の性能情報の値を受け取って前記リソース情報蓄積部のリソース情報と比較して性能値が限界を超える要素を検出してその性能情報とその時点の入力性能情報の値を含む解析結果を生成し、前記管理者対話部に出力するボトルネック解析部と、を有することができる。 The operation management apparatus according to one aspect of the present embodiment includes a service execution unit that provides an information communication service such as a WEB service and a business service, and a performance information storage process that stores performance information of each element of the service execution unit. Detecting an operation state of the service execution unit, an information collecting unit for storing performance information included in the operation state in the performance information storage processing unit, and detecting an abnormality in the service execution unit An analysis setting accumulation processing unit for accumulating analysis settings for the failure, a failure analysis unit that receives the operation state from the information collection unit and performs a failure analysis according to an analysis setting of the analysis setting accumulation processing unit, and the failure analysis unit from the An administrator dialogue unit that receives a failure analysis result and presents it to the administrator, and receives an input from the administrator; and the service according to an instruction from the administrator dialogue unit In an operation management apparatus configured with a coping execution unit that executes a process for coping with a failure on a row unit, performance information for a certain period is extracted from the performance information accumulation processing unit, and values of any two pieces of performance information By repeating the process of deriving a conversion function when one is input and the other is output for all time information, a correlation model of the overall operating state of the service execution unit is obtained. A correlation model generation unit to be generated, a correlation model storage processing unit that stores the correlation model generated by the correlation model generation unit, and a conversion function between the performance information of the correlation models of the correlation model storage processing unit are sequentially traced. Thus, when a value of one performance information is assumed, a model search unit that calculates the value of other performance information, and attributes such as the maximum value, minimum value, and unit of the performance value for each performance information are described. A resource information accumulating unit for accumulating resource information as information, and instructing the model searching unit while sequentially increasing or decreasing the value of one input performance information specified in advance among the performance information, An analysis result including a value of other performance information calculated and detecting an element whose performance value exceeds the limit by comparing with the resource information of the resource information storage unit and including the performance information and the value of the input performance information at that time And a bottleneck analysis unit that generates and outputs to the manager dialog unit.
この運用管理装置においては、相関モデル生成部が、各々の2つの性能情報間の変換関数としてサービス実行部の全体的な稼動状態の相関モデルを生成する。また、モデル探索部が、この相関モデル内の変換関数を順次辿ることで、1つの性能情報の値を仮定した場合に他の性能情報の値を算出する。さらに、ボトルネック解析部が、1つの入力性能情報の値を順次増加あるいは減少させながらモデル探索部が算出した他の性能情報の値を受け取って性能値が限界を超える要素を検出してその性能情報とその時点の入力性能情報の値を含む解析結果を生成する。 In this operation management apparatus, the correlation model generation unit generates a correlation model of the overall operating state of the service execution unit as a conversion function between the two pieces of performance information. In addition, the model search unit sequentially traces the conversion function in the correlation model, and calculates the value of the other performance information when one performance information value is assumed. Further, the bottleneck analysis unit receives the value of the other performance information calculated by the model search unit while sequentially increasing or decreasing the value of one input performance information, and detects an element whose performance value exceeds the limit and detects the performance. An analysis result including the information and the value of the input performance information at that time is generated.
このように、検出された性能情報から自動的に性能情報の相関モデルを生成してボトルネック解析を行うことで、テスト時に想定できていなかった状況も含めて、稼動時の状況に合わせたボトルネックを解析することができ、第1の課題を解決する。また、予め想定される特定の処理に関係するものだけでなく、サービス実行部全体の挙動を網羅的に解析することができる。 In this way, by automatically generating a correlation model of performance information from the detected performance information and performing bottleneck analysis, bottles that match the situation at the time of operation including the situation that could not be assumed at the time of testing The neck can be analyzed and the first problem is solved. Further, it is possible to comprehensively analyze the behavior of the entire service execution unit as well as those related to a specific process assumed in advance.
さらに、実際の運用で検出された性能情報の相関関係に基づいて、将来対象システムで発生する可能性の高いボトルネックが抽出できるため、解析結果の検証を管理者の経験に頼る必要がない。さらにまた、生成する相関モデルが各々の性能情報間を1対1で変換する変換関数で構成されるため、1つの性能情報から他の性能情報を容易に導出でき、システムが大規模化しても処理量が膨大になることなくボトルネックを解析できる。 Furthermore, since it is possible to extract a bottleneck that is highly likely to occur in the future target system based on the correlation of performance information detected in actual operation, it is not necessary to rely on the experience of the administrator to verify the analysis result. Furthermore, since the correlation model to be generated is composed of conversion functions for converting each piece of performance information on a one-to-one basis, other performance information can be easily derived from one piece of performance information. Bottlenecks can be analyzed without enormous amount of processing.
本実施の形態の一態様の運用管理装置は、本発明の第1の運用管理装置において、前記相関モデル蓄積部が、前記相関モデルに前記変換関数毎の正確さを示す重み情報を新たに蓄積するとともに、前記相関モデル生成部が、前記相関モデルの生成時に前記変換関数を導出する処理に加えて、前記変換関数で生成された性能値の系列と出力となる前記性能情報の実際の検出値の系列とを比較し、その値の差から前記変換関数の重み情報を算出する機能を新たに有し、前記モデル探索部が、1つの性能情報に対して複数の変換関数によって異なった値が算出された場合に、前記重み情報に基づいて1つの値を選択あるいは算出する機能を新たに有することができる。 In the operation management apparatus according to one aspect of the present embodiment, in the first operation management apparatus of the present invention, the correlation model accumulation unit newly accumulates weight information indicating accuracy for each conversion function in the correlation model. In addition to the process in which the correlation model generation unit derives the conversion function when generating the correlation model, the actual detection value of the performance information to be output and the series of performance values generated by the conversion function And a new function for calculating the weight information of the conversion function from the difference between the values, and the model search unit has different values depending on a plurality of conversion functions for one piece of performance information. When calculated, it is possible to newly have a function of selecting or calculating one value based on the weight information.
この運用管理装置においては、相関モデル生成部が、変換関数毎の正確さを示す重み情報を生成し、モデル探索部が、1つの性能情報に対して複数の変換関数によって異なった値が算出された場合に、重み情報に基づいて1つの値を算出する。これにより、相関モデル内の複数の経路を用いてより正確な性能値の算出が行えるため、第2の課題を解決し、より正確にボトルネックを解析できるという効果がある。 In this operation management apparatus, the correlation model generation unit generates weight information indicating the accuracy of each conversion function, and the model search unit calculates different values for a plurality of conversion functions for one piece of performance information. In the case, the single value is calculated based on the weight information. Thereby, since a more accurate performance value can be calculated using a plurality of paths in the correlation model, the second problem can be solved and the bottleneck can be analyzed more accurately.
本実施の形態の一態様の運用管理装置は、前記管理者対話部が、前記ボトルネック解析部の解析結果として、性能の限界を超えた前記性能情報と、その限界が算出された時点の入力となる前記性能情報とを含む結果画面を管理者に提示することができる。 In the operation management apparatus according to one aspect of the present embodiment, the administrator dialogue unit inputs the performance information exceeding the performance limit as the analysis result of the bottleneck analysis unit, and the time when the limit is calculated. The result screen including the performance information can be presented to the administrator.
この運用管理装置においては、管理者対話部が、ボトルネック解析部の解析結果として、性能の限界を超えた性能情報と、その時点の入力を提示する。このように、システムの最大性能の値と、その時にどこがボトルネックになるかという情報を合わせて提示することで、想定される将来負荷に対して、システムのどの要素をどう増強すれば良いかを明確にできる。 In this operation management apparatus, the administrator dialogue unit presents performance information exceeding the performance limit and the input at that time as the analysis result of the bottleneck analysis unit. In this way, by showing the maximum performance value of the system together with information on where the bottleneck will be at that time, how to enhance which elements of the system against the expected future load Can be clarified.
本実施の形態の一態様の運用管理装置は、前記管理者対話部が提示する前記結果画面が、性能の限界を超えた前記性能情報とともに、その他の前記性能情報を性能の利用率で順序付けして提示することができる。 In the operation management apparatus according to one aspect of the present embodiment, the result screen presented by the administrator dialogue unit orders other performance information in accordance with the performance utilization rate together with the performance information exceeding the performance limit. Can be presented.
この運用管理装置においては、管理者対話部が、性能の限界を超えた性能情報とともに、その他の性能情報を性能の利用率で順序付けして提示する。これにより、他の性能情報も含めて、システムのどの部分の性能に注意が必要かを明確に管理者に提示することができるという新たな効果がある。 In this operation management apparatus, the administrator dialogue unit presents performance information exceeding the performance limit and other performance information in order of performance utilization rate. As a result, there is a new effect that it is possible to clearly present to the administrator which part of the system needs attention, including other performance information.
本実施の形態の一態様の運用管理装置は、前記リソース情報蓄積部が、複数の性能情報から算出される総計性能情報とその算出の対象となる複数の前記性能情報の組み合わせを指定するグループ情報を新たに蓄積する機能を有し、前記リソース情報蓄積部の前記グループ情報を受け取り、前記相関モデル生成部に前記総計性能情報の生成を指示するとともに、前記モデル探索部に前記総計性能情報の値の更新を指示する総計性能値管理部を新たに有し、前記相関モデル生成部が、前記総計性能値管理部の指示に従って検出された複数の前記性能情報の同時刻の値に一定の算術演算を行って算出した値の時系列を性能値とする前記総計性能情報を生成し、前記性能情報にこの総計性能情報を加えて前記相関モデルを生成する機能を新たに有し、前記モデル探索部が、前記性能情報の値を算出する場合に、前記総計性能値管理部の指示に従って前記総計性能情報の値を再計算する機能を新たに有することができる。 In the operation management apparatus according to one aspect of the present embodiment, the resource information accumulation unit specifies group performance information calculated from a plurality of performance information and a combination of the plurality of performance information to be calculated. The group information of the resource information storage unit is received, the correlation model generation unit is instructed to generate the total performance information, and the model search unit has a value of the total performance information A new total performance value management unit for instructing to update the correlation model generation unit to perform a certain arithmetic operation on the same time value of the plurality of performance information detected in accordance with the instruction from the total performance value management unit The aggregate performance information having a time series of values calculated by performing as a performance value is generated, and the correlation model is generated by newly adding the aggregate performance information to the performance information, Serial model search unit, when calculating the value of the performance information, the ability to recalculate the value of the total performance information in accordance with an instruction of the total performance value management unit may have a new.
この運用管理装置においては、相関モデル生成部が、総計性能値管理部の指示に従って、検出された複数の性能情報に一定の算術演算を行って算出した総計性能情報を含んだ相関モデルを生成し、モデル探索部が、この総計性能情報を含めて性能情報の値を算出する。これにより、例えば、負荷分散処理といったように、1つの性能情報が複数の性能情報の値の総和と関係する場合にも、処理量を増大させること無く正確なボトルネック解析が可能であり、負荷を抑えて正確な解析が行えるという効果がある。 In this operation management apparatus, the correlation model generation unit generates a correlation model including the total performance information calculated by performing a certain arithmetic operation on the detected plurality of performance information according to the instruction of the total performance value management unit. Then, the model search unit calculates the value of the performance information including the total performance information. This enables accurate bottleneck analysis without increasing the amount of processing even when one piece of performance information is related to the sum of values of a plurality of pieces of performance information, such as load distribution processing. There is an effect that accurate analysis can be performed while suppressing the above.
本実施の形態の一態様の運用管理装置は、前記ボトルネック解析部の解析結果を受け取り、ボトルネックとなることが予想される性能情報を前記障害分析部で監視および分析するための追加設定を生成し、この追加設定に従って前記分析設定蓄積部に蓄積される分析設定を修正する分析設定生成部を新たに有することができる。
と特徴とする。
The operation management apparatus according to one aspect of the present embodiment receives the analysis result of the bottleneck analysis unit, and performs additional settings for monitoring and analyzing performance information expected to become a bottleneck in the failure analysis unit. An analysis setting generation unit that generates and corrects the analysis setting stored in the analysis setting storage unit according to the additional setting can be newly provided.
And features.
この運用管理装置においては、分析設定生成部が、ボトルネックとなることが予想される性能情報を障害分析部で監視および分析するための追加設定を生成する。 In this operation management apparatus, the analysis setting generation unit generates an additional setting for the failure analysis unit to monitor and analyze performance information expected to become a bottleneck.
本実施の形態の一態様の運用管理装置は、前記ボトルネック解析部が、前記管理者対話部から管理者の入力を受け取って前記設定情報を修正する機能を有することができる。 The operation management apparatus according to one aspect of the present embodiment may have a function in which the bottleneck analysis unit receives an administrator input from the administrator dialogue unit and corrects the setting information.
この運用管理装置は、この分析設定を管理者の入力によって制御することができる。これにより、システムを網羅的に解析して発見された新たなボトルネックに対して、その要素を継続的に監視することが可能となり、より適切な運用管理が行えるという新たな効果がある。 This operation management apparatus can control this analysis setting by an administrator's input. As a result, new bottlenecks discovered by comprehensive analysis of the system can be continuously monitored, and there is a new effect that more appropriate operation management can be performed.
このように、検出した性能情報の相関関係を適切に抽出してモデル化することで、実際の運用状況で発生するボトルネックを正確に予測できるとともに、管理者の負担が少なく、大規模環境においても分析に必要となる処理負荷を増大させないボトルネック解析を実現できるという顕著な効果がある。 In this way, by properly extracting and modeling the correlation of the detected performance information, it is possible to accurately predict the bottleneck that occurs in the actual operation status, and there is less burden on the administrator, and in a large-scale environment There is also a remarkable effect that bottleneck analysis can be realized without increasing the processing load required for analysis.
さらに、本発明の運用管理装置を構成する手段は、その有する機能をハードウェア的に実現することは勿論、コンピュータとプログラムとで実現することができる。プログラムは、磁気ディスクや半導体メモリ等のコンピュータ可読記録媒体に記録されて提供され、コンピュータの立ち上げ時などにコンピュータに読み取られ、そのコンピュータの動作を制御することにより、そのコンピュータを前述した各実施の形態における手段として機能させることができる。 Furthermore, the means constituting the operation management apparatus of the present invention can be realized by a computer and a program as well as by realizing the functions of the operation management apparatus in hardware. The program is provided by being recorded on a computer-readable recording medium such as a magnetic disk or a semiconductor memory, and is read by the computer at the time of starting up the computer, etc. It can function as a means in the form.
(プログラム)
また、前述した実施形態の機能を実現する本発明のソフトウエアのプログラムは、前述した各実施の形態における各種ブロック図などに示された処理部(処理手段)、機能などに対応したプログラムや、フローチャートなどに示された処理手順、処理手段、機能などに対応したプログラムなどにおいて各々処理される各処理プログラム、本明細書で全般的に記述される方法(ステップ)、説明された処理、データの全体もしくは各部を含む。
(program)
Further, the software program of the present invention that realizes the functions of the above-described embodiments is a program corresponding to the processing unit (processing means), functions, etc. shown in the various block diagrams in each of the above-described embodiments, Each processing program processed in the processing procedure, processing means, function, etc. shown in the flowchart etc., the method (step) generally described in this specification, the processing described, the data Including the whole or each part.
具体的には、本発明の運用管理プログラムは、システムを構成する複数の被管理装置から複数種の性能種目毎の性能情報を取得して、前記被管理装置を運用管理する運用管理装置が備えたコンピュータに諸機能を実現させることが可能なものである。
この運用管理プログラムは、前記性能種目又は前記被管理装置を要素とした場合に、少なくとも第1の要素に関する性能情報の時系列変化を示す第1の性能系列情報と、第2の要素に関する性能情報の時系列変化を示す第2の性能系列情報との相関関数を導出し、この相関関数に基づいて相関モデルを生成し、この相関モデルを前記各要素間の組み合わせについて求める相関モデル生成機能(例えば図5に示す符号123などの構成、図11に示すステップS11の機能など)と、前記各要素間の前記各相関モデルを順次探索して最適な相関モデルを決定し、この決定された相関モデルに基づいて少なくとも前記第1の要素の性能情報から前記第2の要素の性能情報を予測するモデル探索機能(例えば図5に示す符号124などの構成、図11に示すステップS12の機能など)と、を含む機能をコンピュータに実現させることができる。
Specifically, the operation management program of the present invention is provided with an operation management apparatus that acquires performance information for each of a plurality of types of performance items from a plurality of managed apparatuses constituting the system, and operates and manages the managed apparatus. It is possible to realize various functions on a computer.
The operation management program includes, when the performance item or the managed device is an element, first performance series information indicating a time series change of performance information relating to at least the first element, and performance information relating to the second element. A correlation model generation function (for example, a function for generating a correlation model based on the correlation function and obtaining a correlation model for the combination between the elements) 5 and the like, the function of step S11 shown in FIG. 11 and the like) and the respective correlation models between the elements are sequentially searched to determine an optimal correlation model, and the determined correlation model Based on the model search function for predicting the performance information of the second element from the performance information of the first element (for example, a configuration such as
また、この運用管理プログラムは、前記性能情報のとり得る範囲を規定したリソース情報に基づいて、前記モデル探索部にて予測された前記性能情報が前記範囲を超える要素、及びその要素に関する前記性能情報を含むボトルネック解析結果を生成するボトルネック解析機能(例えば図5に示す符号125などの構成、図11に示すステップS13の機能など)を含む機能をコンピュータに実現させることができる。
In addition, the operation management program is configured such that the performance information predicted by the model search unit exceeds the range based on resource information that defines a range that the performance information can take, and the performance information related to the element. A function including a bottleneck analysis function that generates a bottleneck analysis result including (for example, a configuration such as
さらに、この運用管理プログラムは、前記相関モデル生成機能では、前記相関関数を用いて前記第1の要素に関する性能情報から算出された前記第2の要素に関する算出性能情報と、取得された前記第2の要素に関する性能情報との誤差に基づいて、前記相関モデルの重み情報を算出する機能をコンピュータに実現させることができる。
この場合、前記モデル探索機能では、少なくとも1つの前記要素に対して複数の前記相関関数によって異なる前記性能情報が算出され得る場合に、前記重み情報に基づいて一つの前記相関モデルを決定する機能をコンピュータに実現させることができる。
Further, in the operation management program, in the correlation model generation function, the calculated performance information regarding the second element calculated from the performance information regarding the first element using the correlation function, and the acquired second Based on an error from the performance information related to the element, a function for calculating the weight information of the correlation model can be realized by the computer.
In this case, the model search function has a function of determining one correlation model based on the weight information when different performance information can be calculated for a plurality of correlation functions for at least one of the elements. It can be realized on a computer.
また、この運用管理プログラムは、前記要素をグループ化し、各要素の統計性能値を生成する統計性能値管理機能を含む機能をコンピュータに実現させることができる。 In addition, the operation management program can cause a computer to realize a function including a statistical performance value management function that groups the elements and generates a statistical performance value of each element.
さらに、この運用管理プログラムは、前記相関モデル生成機能では、前記統計性能値によるグループ要素を新要素として加え、一の前記新要素と他の前記新要素との相関から相関モデルを生成する機能をコンピュータに実現させることができる。 Further, the operation management program has a function of adding a group element based on the statistical performance value as a new element and generating a correlation model from a correlation between one new element and another new element. It can be realized on a computer.
また、この運用管理プログラムは、前記ボトルネック解析機能にて解析された前記要素について障害分析の監視対象として監視設定を行う分析設定生成機能を含む機能をコンピュータに実現させることができる。 In addition, the operation management program can cause a computer to realize a function including an analysis setting generation function for performing monitoring setting as a monitoring target of failure analysis for the element analyzed by the bottleneck analysis function.
さらに、この運用管理プログラムは、前記ボトルネック解析機能では、性能の前記範囲を超えた前記要素に関する性能情報とともに、他の前記要素に関する前記性能情報を利用率で順序付けして提示する機能をコンピュータに実現させることができる。 Further, the operation management program provides the computer with a function for displaying the performance information related to the elements that exceed the range of performance in the bottleneck analysis function, in addition to the performance information related to the other elements. Can be realized.
また、この運用管理プログラムは、前記ボトルネック解析機能では、性能の前記範囲を超えた前記要素に関する性能情報と、前記範囲が算出された時点の入力となる前記性能情報とを含む結果を提示する機能をコンピュータに実現させることができる。 Further, the operation management program presents a result including performance information related to the element that exceeds the range of performance and the performance information that is input when the range is calculated in the bottleneck analysis function. The function can be realized by a computer.
さらに、この運用管理プログラムは、前記相関モデル生成機能では、前記第1の要素と前記第2の要素との前記相関モデルの第1の重み情報と、前記第1の要素と前記第3の要素との前記相関モデルの第2の重み情報と、前記第3の要素と前記第2の要素との前記相関モデルの第3の重み情報とをそれぞれ算出する機能をコンピュータに実現させることができる。
この場合、前記モデル探索機能では、前記第2の重み情報と前記第3の重み情報との合成重みと、前記第1の重み情報とを比較して、前記相関モデルを決定する機能をコンピュータに実現させることができる。
Further, in the operation management program, in the correlation model generation function, the first weight information of the correlation model between the first element and the second element, the first element, and the third element The computer can realize the function of calculating the second weight information of the correlation model and the third weight information of the correlation model of the third element and the second element.
In this case, in the model search function, the computer has a function of determining the correlation model by comparing the combined weight of the second weight information and the third weight information with the first weight information. Can be realized.
プログラムは、オブジェクトコード、インタプリタにより実行されるプログラム、OSに供給するスクリプトデータ等、プログラムの形態を問わない。プログラムは、高水準プロシージャ型またはオブジェクト指向プログラミング言語で、あるいは必要に応じてアセンブリまたはマシン言語で実装することができる。いずれの場合も、言語はコンパイラ型またはインタープリタ型言語であってもよい。上述のプログラムを、一般のパソコンや携帯型情報端末などで動作可能なアプリケーションソフトに組み込んだものも含む。 The program may be in any form such as an object code, a program executed by an interpreter, or script data supplied to the OS. The program can be implemented in a high level procedural or object oriented programming language, or in assembly or machine language as required. In either case, the language may be a compiler or interpreted language. Also included is a program in which the above-described program is incorporated into application software that can be operated on a general personal computer or a portable information terminal.
プログラムを供給する手法としては、電気通信回線(有線、無線を問わない)によってコンピュータと通信可能に接続された外部の機器から前記電気通信回線を通じて提供することも可能である。例えば、コンピュータのブラウザを用いてインターネットのホームページに接続し、該ホームページからプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。また、プログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるサーバも、本発明の範囲に含まれるものである。 As a method for supplying the program, it is also possible to provide the program from an external device that is communicably connected to the computer through an electric communication line (whether wired or wireless). For example, the program can be supplied by connecting to a homepage on the Internet using a browser on a computer and downloading the program itself or a compressed file including an automatic installation function from the homepage to a recording medium such as a hard disk. It can also be realized by dividing the program code constituting the program into a plurality of files and downloading each file from a different home page. That is, a server that allows a plurality of users to download a program file for realizing the functional processing of the present invention on a computer is also included in the scope of the present invention.
本発明のプログラムによれば、当該運用管理プログラムを格納するROM等の記憶媒体から、当該運用管理プログラムをコンピュータ(CPU)に読み込んで実行させれば、或いは、当該運用管理プログラムを、通信部を介してコンピュータにダウンロードさせた後に実行させれば、上述した本発明に係る装置を比較的簡単に実現できる。発明の思想の具現化例として装置のソフトウェアとなる場合には、かかるソフトウェアを記憶した記憶媒体上においても当然に存在し、利用される。 According to the program of the present invention, the operation management program is read from a storage medium such as a ROM storing the operation management program into a computer (CPU) and executed, or the operation management program is transmitted to the communication unit. If it is executed after being downloaded to a computer, the above-described apparatus according to the present invention can be realized relatively easily. When the software of the apparatus is embodied as an embodiment of the idea of the invention, it naturally exists and is used on a storage medium storing such software.
また、プログラムは、一次複製品、二次複製品などの複製段階については全く問う余地無く同等である。プログラムの供給方法として通信回線を利用して行なう場合であれば通信回線が伝送媒体となって本発明が利用されることになる。むろん、プログラムの発明として特定することもできる。さらに、装置における従属請求項は、方法,プログラムにおいて従属請求項に対応した構成にすることも可能である。 Moreover, the program is the same without any question about the copying stage of the primary copy product, the secondary copy product, etc. If the program is supplied using a communication line, the communication line becomes a transmission medium and the present invention is used. Of course, it can also be specified as a program invention. Furthermore, the dependent claims in the apparatus may be configured to correspond to the dependent claims in the method and the program.
(情報記録媒体)
また、上述のプログラムを、情報記録媒体に記録した構成であってもよい。情報記録媒体には、上述のプログラムを含むアプリケーションプログラムが格納されており、コンピュータが当該情報記録媒体からアプリケーションプログラムを読み出し、当該アプリケーションプログラムをハードディスクにインストールすることが可能である。これにより、上述のプログラムは、磁気記録媒体、光記録媒体あるいはROMなどの情報記録媒体に記録してプログラムを提供することができる。そのようなプログラムが記録された情報記録媒体を、コンピュータにおいて使用することは、好都合な情報処理装置を構成する。
(Information recording medium)
Moreover, the structure which recorded the above-mentioned program on the information recording medium may be sufficient. The information recording medium stores an application program including the above-described program, and the computer can read the application program from the information recording medium and install the application program on the hard disk. Thus, the program can be provided by being recorded on an information recording medium such as a magnetic recording medium, an optical recording medium, or a ROM. Use of an information recording medium in which such a program is recorded in a computer constitutes a convenient information processing apparatus.
プログラムを供給するための情報記録媒体としては、例えばROM、RAM、フラッシュメモリやSRAM等の半導体メモリ並びに集積回路、あるいはそれらを含むUSBメモリやメモリカード、光ディスク、光磁気ディスク、磁気記録媒体等を用いてよく、さらに、フレキシブルディスク、CD−ROM、CD―R、CD―RW、FD、DVDROM、HDDVD(HDDVD−R−SL<1層>、 HDDVD−R−DL<2層>、HDDVD−RW−SL、HDDVD−RW−DL、HDDVD−RAM−SL)、DVD±R−SL、DVD±R−DL、DVD±RW−SL、DVD±RW−DL、DVD−RAM、Blu−Ray Disk<登録商標>(BD−RーSL、BD−R−DL、BD−RE−SL、BD−RE−DL)、MO、ZIP、磁気カード、磁気テープ、SDカード、メモリスティック、不揮発性メモリカード、ICカード、等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置、等に記録して構成して用いてよい。 As an information recording medium for supplying the program, for example, ROM, RAM, semiconductor memory such as flash memory and SRAM, and an integrated circuit, or a USB memory, memory card, optical disk, magneto-optical disk, magnetic recording medium and the like including them. Further, flexible disk, CD-ROM, CD-R, CD-RW, FD, DVDROM, HDDVD (HDDVD-R-SL <1 layer>, HDDVD-R-DL <2 layers>, HDDVD-RW) -SL, HDDVD-RW-DL, HDDVD-RAM-SL), DVD ± R-SL, DVD ± R-DL, DVD ± RW-SL, DVD ± RW-DL, DVD-RAM, Blu-Ray Disk <registration Trademark> (BD-R-SL, BD-R-DL, BD-RE-SL, BD-RE-DL), MO It is recorded on a portable medium such as ZIP, magnetic card, magnetic tape, SD card, memory stick, non-volatile memory card, IC card, etc., a storage device such as a hard disk built in a computer system, etc. Good.
さらに「情報記録媒体」は、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの(伝送媒体ないしは伝送波)、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。 Furthermore, the “information recording medium” is a medium that dynamically holds a program for a short time (transmission medium), such as a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line. Or a transmission wave), a volatile memory inside a computer system serving as a server or a client in that case, and those holding a program for a certain period of time.
また、コンピュータ上で稼働しているOS、端末(例えば携帯電話など)上のRTOS等が処理の一部又は全部を行う場合にも、上記実施の形態と同等の機能を実現できると共に、同等の効果を得ることができる。 In addition, when an OS running on a computer, an RTOS on a terminal (for example, a mobile phone) performs part or all of the processing, the same functions as those in the above embodiment can be realized and An effect can be obtained.
さらに、プログラムを暗号化してCD−ROM等の記録媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせ、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。この場合、本発明の構成は、プログラムの各構成要素(各種の手段、ステップ及びデータ)と、前記プログラム(各種の手段、ステップ及びデータ)を暗号化する暗号化手段と、を含んでよい。 Furthermore, the program is encrypted, stored in a recording medium such as a CD-ROM, distributed to the user, and the user who clears the predetermined condition is allowed to download key information for decryption from the homepage via the Internet, and It is also possible to execute the encrypted program by using the key information and install the program on a computer. In this case, the configuration of the present invention may include each component (various means, steps and data) of the program and encryption means for encrypting the program (various means, steps and data).
また、上記実施の形態では、クライアントサーバーシステムを例に説明したが、サーバを介さずに端末同士がネットワークを組み、相互にデータを送受信するピアツーピア(Peer To Peer)通信によるシステムであってもよい。その際、管理装置は、ピア・ツゥ・ピア方式におけるマスタ端末であればよいまた、上述の実施の形態の「システム」を、他の「情報処理システム」と統合したシステムとして、これら全体を本発明の「システム」として構成することも一向に構わない。「情報処理システム」には、OSや周辺機器等のハードウェアを含むものとする。 In the above embodiment, the client server system has been described as an example. However, a system based on peer-to-peer (Peer To Peer) communication in which terminals form a network without passing through a server and transmit / receive data to / from each other may be used. . At this time, the management apparatus may be a master terminal in the peer-to-peer system. Also, the “system” in the above-described embodiment is integrated with other “information processing system”, and the entire system is the main terminal. The configuration as the “system” of the invention may be performed in any way. The “information processing system” includes an OS and hardware such as peripheral devices.
また、前記実施の形態における「システム」とは、複数の装置が論理的に集合した物をいい、各構成の装置が同一筐体中にあるか否かは問わない。このため、本発明は、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。「システム」には、OSや周辺機器等のハードウェアを含んでもよい。 In addition, the “system” in the above embodiments refers to a logical collection of a plurality of devices, and it does not matter whether the devices of each configuration are in the same housing. For this reason, this invention may be applied to the system comprised from a some apparatus, and may be applied to the apparatus which consists of one apparatus. The “system” may include hardware such as an OS and peripheral devices.
さらに、上述のプログラムなどが搭載される情報処理装置としては、サーバは、例えばパーソナルコンピュータに限らず、各種サーバー、EWS(エンジニアリングワークステーション)、中型コンピュータ、メインフレームなどが挙げられる。情報端末は、以上の例に加えて、携帯型情報端末、各種モバイル端末、PDA、携帯電話機、ウエアラブル情報端末、種々の(携帯型などの)テレビ・DVDレコーダ・各種音響機器及びそのリモコン、各種情報通信機能を搭載した家電機器、ネットワーク機能を有するゲーム機器等からも利用できる構成としても構わない。あるいは、これらの端末に表示されるアプリケーションとして改良されたものも本発明の範囲に含めることができる。 Furthermore, as an information processing apparatus in which the above-described program or the like is installed, the server is not limited to a personal computer, for example, but includes various servers, EWS (engineering workstation), medium-sized computers, mainframes, and the like. In addition to the above examples, information terminals include portable information terminals, various mobile terminals, PDAs, mobile phones, wearable information terminals, various (such as portable) televisions, DVD recorders, various acoustic devices and their remote controllers, A configuration that can be used from home appliances equipped with an information communication function, game devices having a network function, and the like may also be used. Or what was improved as an application displayed on these terminals can also be included in the scope of the present invention.
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であっても良い。 Further, the program may be for realizing a part of the above-described functions, and further, a program that can realize the above-described functions in combination with a program already recorded in a computer system, a so-called difference file ( Difference program).
さらに、本明細書において、フローチャートに示されるステップは、記載された手順に従って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理を含むものである。また、実装では、プログラム手順(ステップ)が実行される順序を変更することができる。さらに、実装の必要に応じて、本明細書で説明した特定の手順(ステップ)を、組み合わされた手順(ステップ)として実装、除去、追加、または再配置することができる。 Further, in the present specification, the steps shown in the flowchart include processes that are executed in parallel or individually even if they are not necessarily processed in time series, as well as processes that are executed in time series according to the described procedure. It is a waste. In the implementation, the order in which the program procedures (steps) are executed can be changed. Further, certain procedures (steps) described herein can be implemented, removed, added, or rearranged as a combined procedure (step) as needed for implementation.
さらに、装置の各手段、各機能、各ステップの手順の機能などのプログラムの機能を、専用のハードウエア(例えば専用の半導体回路等)によりその機能を達成してもよく、プログラムの全機能のうち一部の機能をハードウエアで処理し、全機能のうちさらに他の機能をソフトウエアで処理するようにしてもよい。専用のハードウエアの場合、各部を集積回路例えばLSIにて形成されてもよい。これらは個別に1チップ化されても良いし、一部または全部を含むように1チップ化されても良い。また、LSIには、ストリーミングエンジンなど他の機能ブロックが含まれていても良い。また、集積回路化の手法はLSIに限るものではなく、専用回路又は汎用プロセサで実現してもよい。さらには、半導体技術の進歩又は派生する別技術によりLSIに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。 Furthermore, the functions of the program such as each means of the apparatus, each function, and the procedure function of each step may be achieved by dedicated hardware (for example, a dedicated semiconductor circuit). Some of these functions may be processed by hardware, and other functions among all functions may be processed by software. In the case of dedicated hardware, each unit may be formed by an integrated circuit such as an LSI. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them. Further, the LSI may include other functional blocks such as a streaming engine. Further, the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible. Further, if integrated circuit technology comes out to replace LSI's as a result of the advancement of semiconductor technology or a derivative other technology, it is naturally also possible to carry out function block integration using this technology.
さらに、「通信」では、無線通信および有線通信は勿論、無線通信と有線通信とが混在した通信、即ち、ある区間では無線通信が行われ、他の区間では有線通信が行われるようなものであってもよい。さらに、ある装置から他の装置への通信が有線通信で行われ、他の装置からある装置への通信が無線通信で行われるようなものであってもよい。 Further, in “communication”, wireless communication and wired communication as well as communication in which wireless communication and wired communication are mixed, that is, wireless communication is performed in a certain section and wired communication is performed in another section. There may be. Further, communication from one device to another device may be performed by wired communication, and communication from another device to one device may be performed by wireless communication.
そして、この通信には通信網が含まれる。通信網を構成するネットワークとしては、例えば携帯電話回線網(基地局及び交換システムを含む)、公衆電話回線網、IP電話網、ISDN回線網などこれに類する各種回線網、インターネット(乃ち、TCP・IPプロトコルを用いた通信態様)やイントラネット、LAN[イーサネット(登録商標)、やギガビットイーサネット(登録商標)などを含む]、WAN、光ファイバー通信網、電力線通信網、ブロードバンド対応可能な各種専用回線網などいずれのハードウエア構成でもよい。さらに、ネットワークは、TCP・IPプロトコルの他、種々の通信プロトコルを用いたネットワークあるいはソフトウエア的に構築された仮想ネットワークやこれに類するあらゆるネットワークを含むネットワークなどいかなる通信プロトコルであってもよい。また、ネットワークは、有線に限らず、無線(衛星通信、各種高周波通信手段等を含む)ネットワーク(例えば、簡易電話システムや携帯電話のようなシングルキャリア通信システム、W―CDMAやIEEE802.11bに準拠した無線LANのようなスペクトラム拡散通信システム、IEEE802.11aやHiperLAN/2のようなマルチキャリア通信システム、などを含むネットワーク)であっても構わず、これらの組み合わせを利用してもよく、他のネットワークと接続されたシステムであってもよい。さらに、ネットワークは、ポイントツーポイント、ポイントツーマルチポイント、マルチポイントツーマルチポイントなど如何なる形態でもよい。 This communication includes a communication network. As a network constituting the communication network, for example, a cellular phone network (including a base station and an exchange system), a public phone network, an IP phone network, an ISDN network such as various network networks, the Internet (Nochi, TCP. Communication mode using IP protocol), intranet, LAN [including Ethernet (registered trademark), gigabit Ethernet (registered trademark), etc.], WAN, optical fiber communication network, power line communication network, various dedicated line networks compatible with broadband, etc. Any hardware configuration may be used. In addition to the TCP / IP protocol, the network may be any communication protocol such as a network using various communication protocols, a virtual network constructed in software, or a network including any network similar thereto. Further, the network is not limited to a wired network, but includes a wireless (including satellite communication, various high-frequency communication means, etc.) network (for example, a single carrier communication system such as a simple telephone system or a mobile phone, W-CDMA or IEEE 802.11b). Network including a spread spectrum communication system such as a wireless LAN, a multi-carrier communication system such as IEEE802.11a and HiperLAN / 2, etc., or a combination of these may be used. It may be a system connected to a network. Further, the network may take any form such as point-to-point, point-to-multipoint, multipoint-to-multipoint.
また、運用管理装置と他の被管理装置との間の通信構造に際し、いずれか一方又は双方に形成されるインタフェースの種類は、例えばパラレルインタフェース、USBインタフェース、IEEE1394、LANやWAN等のネットワークやその他これに類するもの、もしくは今後開発される如何なるインタフェースであっても構わない。 In addition, in the communication structure between the operation management apparatus and another managed apparatus, the types of interfaces formed on one or both of them are, for example, a parallel interface, a USB interface, IEEE 1394, a network such as a LAN or WAN, and the like. Any interface that is similar to this or that will be developed in the future may be used.
さらに、相関モデルを生成し、モデル探索を行う手法は、必ずしも実体のある装置に限られる必要はなく、その方法としても機能することは容易に理解できる。このため、方法にかかる発明も、必ずしも実体のある装置に限らず、その方法としても有効であることに相違はない。この場合、方法を実現するための一例として運用管理装置、運用管理システムなども含めることができる。 Furthermore, the method for generating a correlation model and searching for a model is not necessarily limited to a substantial apparatus, and it can be easily understood that the method also functions as a method. For this reason, the invention relating to the method is not necessarily limited to a substantial apparatus, and there is no difference that the method is also effective. In this case, an operation management apparatus, an operation management system, or the like can be included as an example for realizing the method.
ところで、このような運用管理装置は、単独で存在する場合もあるし、ある機器に組み込まれた状態で利用されることもあるなど、発明の思想としてはこれに限らず、各種の態様を含むものである。従って、ソフトウェアであったりハードウェアであったりするなど、適宜、変更可能である。発明の思想の具現化例として装置のソフトウェアとなる場合には、かかるソフトウェアを記憶した記憶媒体上においても当然に存在し、利用されるといわざるをえない。 By the way, such an operation management apparatus may exist alone, or may be used in a state of being incorporated in a certain device, but the idea of the invention is not limited to this and includes various aspects. It is a waste. Therefore, it can be changed as appropriate, such as software or hardware. When the software of the apparatus is embodied as an embodiment of the idea of the invention, it naturally exists on the storage medium storing the software and is used.
さらに、一部がソフトウェアであって、一部がハードウェアで実現されている場合であってもよく、一部を記憶媒体上に記憶しておいて必要に応じて適宜読み込まれるような形態のものとしてあってもよい。本発明をソフトウェアで実現する場合、ハードウェアやオペレーティングシステムを利用する構成とすることも可能であるし、これらと切り離して実現することもできる。 Furthermore, it may be a case where a part is software and a part is realized by hardware, and a part is stored on a storage medium and is read as needed. It may be as a thing. When the present invention is realized by software, a configuration using hardware or an operating system may be used, or may be realized separately from these.
また、発明の範囲は、図示例に限定されないものとする。
さらに、上記各実施の形態には種々の段階が含まれており、開示される複数の構成要件における適宜な組み合わせにより種々の発明が抽出され得る。つまり、上述の各実施の形態同士、あるいはそれらのいずれかと各変形例のいずれかとの組み合わせによる例をも含む。この場合において、本実施形態において特に記載しなくとも、各実施の形態及びそれらの変形例に開示した各構成から自明な作用効果については、当然のことながら実施の形態の作用効果として含めることができる。逆に、本実施の形態に記載されたすべての作用効果を奏することのできる構成が、本発明の本質的特徴部分の必須構成要件であるとは限らない。また、実施の形態に示される全構成要件から幾つかの構成要件が削除された構成による実施の形態並びにその構成に基づく技術的範囲も発明になりうる。
The scope of the invention is not limited to the illustrated example.
Further, the above embodiments include various stages, and various inventions can be extracted by appropriately combining a plurality of disclosed constituent elements. That is, examples include combinations of the above-described embodiments, or any of them and any of the modifications. In this case, even if not specifically described in the present embodiment, the obvious effects from the respective configurations disclosed in the embodiments and their modifications are naturally included as the effects of the embodiments. it can. On the contrary, the configuration capable of exhibiting all the effects described in the present embodiment is not necessarily an essential component of the essential features of the present invention. In addition, an embodiment based on a configuration in which some of the configuration requirements are deleted from all the configuration requirements shown in the embodiment, and a technical scope based on the configuration may be an invention.
そして、各実施の形態及びそれらの変形例を含むこれまでの記述は、本発明の理解を容易にするために、本発明の多様な実施の形態のうちの一例の開示、すなわち、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、例証するものであり、制限するものではなく、適宜変形及び/又は変更が可能である。本発明は、その技術思想、またはその主要な特徴に基づいて、様々な形で実施することができ、各実施の形態及びその変形例によって本発明の技術的範囲が限定的に解釈されてはならないものである。
従って、上記に開示された各要素は、本発明の技術的範囲に属する全ての設計変更や均等物を含む趣旨である。
In addition, the description so far including each of the embodiments and the modifications thereof is intended to facilitate the understanding of the present invention. The embodiments of the invention are merely shown as examples of implementation, are illustrative, not limiting, and can be modified and / or modified as appropriate. The present invention can be implemented in various forms based on its technical idea or its main features, and the technical scope of the present invention should not be construed in a limited manner by each embodiment and its modifications. It will not be.
Therefore, each element disclosed above is intended to include all design changes and equivalents belonging to the technical scope of the present invention.
本発明は、コンピュータ全般に適用可能である。 The present invention is applicable to all computers.
1 運用管理システム
2 コンピュータ(被管理装置)
3、100、200、300 運用管理装置
12、112、212、312 性能情報蓄積処理部
14、114、214、314 分析設定蓄積処理部
21、121、221、321 サービス実行部
22、122、222、322 情報収集部
26、126、226、326 障害分析部
27、127、227、327 管理者対話部
28、128、228、328 対処実行部
116、216、316 相関モデル蓄積処理部
118、218、318 リソース情報蓄積処理部
123、223、323 相関モデル生成部
124、224、324 モデル探索部
125、225、325 ボトルネック解析部
231、331 総計性能値管理部
332 分析設定生成部
1 Operation management system 2 Computer (managed device)
3, 100, 200, 300
14, 114, 214, 314 Analysis setting
116, 216, 316 Correlation model
123, 223, 323 Correlation
Claims (12)
前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成部と、
前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数またはその組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索部と
を備える運用管理装置。 An operation management device that acquires performance information related to multiple types of performance items from the managed devices that make up the system,
A correlation model generating unit that generates a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating the time series change of the performance information;
When there are multiple paths in the correlation model that can predict the second performance information from the first performance information of the performance information or a combination thereof, the numerical value of the weight information is the maximum. An operation management apparatus comprising: a model search unit that predicts the second performance information using the route.
前記複数の被管理装置から該装置の動作に関する複数種の性能種目に関わる性能情報を取得する運用管理装置と、
を含み、
前記運用管理装置は、
前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成部と、
前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数の組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索部と
を備えることを特徴とする運用管理システム。 A managed device that is a plurality of computer devices;
An operation management apparatus that acquires performance information related to a plurality of performance items related to the operation of the apparatus from the plurality of managed apparatuses;
Including
The operation management device includes:
A correlation model generating unit that generates a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating the time series change of the performance information;
The numerical value of the weight information becomes maximum when there are multiple paths in the correlation model that can predict the second performance information from the first performance information of the performance information. An operation management system comprising: a model search unit that predicts the second performance information using the route.
前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成ステップと、
前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数の組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索ステップと
を含むことを特徴とする運用管理方法。 An information processing method for operating and managing the managed device based on performance information related to a plurality of types of performance items related to the operation of the device acquired from the managed device which is a plurality of computer devices constituting the system,
A correlation model generating step for generating a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating the time series change of the performance information;
The numerical value of the weight information becomes maximum when there are multiple paths in the correlation model that can predict the second performance information from the first performance information of the performance information. And a model search step for predicting the second performance information using the route.
前記性能情報の時系列変化を示す性能系列情報から前記性能情報間の複数の相関関数および前記各相関関数の予測誤差を示す重み情報を含む相関モデルを生成する相関モデル生成機能と、
前記性能情報のうちの第1の性能情報から第2の性能情報を予測しうる前記相関関数の組み合わせによる経路が前記相関モデルの中に複数存在する場合に、前記重み情報の数値が最大となる前記経路を利用して前記第2の性能情報を予測するモデル探索機能と、
を含む機能をコンピュータに実現させることを特徴とする運用管理プログラム。 Performance information related to a plurality of performance items related to the operation of the device is acquired from a managed device that is a plurality of computer devices constituting the system, and various computers are provided in the operation management device that manages the managed device. An operation management program capable of realizing functions,
A correlation model generation function for generating a correlation model including a plurality of correlation functions between the performance information and weight information indicating a prediction error of each correlation function from the performance sequence information indicating a time series change of the performance information;
The numerical value of the weight information becomes maximum when there are multiple paths in the correlation model that can predict the second performance information from the first performance information of the performance information. A model search function for predicting the second performance information using the path;
An operation management program for causing a computer to implement a function including
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011098809A JP5141789B2 (en) | 2011-04-26 | 2011-04-26 | Operation management apparatus, operation management system, information processing method, and operation management program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011098809A JP5141789B2 (en) | 2011-04-26 | 2011-04-26 | Operation management apparatus, operation management system, information processing method, and operation management program |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008043047A Division JP4872945B2 (en) | 2008-02-25 | 2008-02-25 | Operation management apparatus, operation management system, information processing method, and operation management program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011146074A JP2011146074A (en) | 2011-07-28 |
JP5141789B2 true JP5141789B2 (en) | 2013-02-13 |
Family
ID=44460811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011098809A Active JP5141789B2 (en) | 2011-04-26 | 2011-04-26 | Operation management apparatus, operation management system, information processing method, and operation management program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5141789B2 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10642864B2 (en) | 2014-03-18 | 2020-05-05 | Nec Corporation | Information processing device and clustering method |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013099019A1 (en) * | 2011-12-28 | 2013-07-04 | 株式会社日立製作所 | Management computer that controls reallocation of multiple virtual machines running on multiple physical machines |
JP6588956B2 (en) | 2017-11-14 | 2019-10-09 | 株式会社日立製作所 | Computer, bottleneck identification method, and program |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004021756A (en) * | 2002-06-19 | 2004-01-22 | Hitachi Ltd | Method for statistically predicting performance of information system |
JP2004088153A (en) * | 2002-08-22 | 2004-03-18 | Nippon Telegr & Teleph Corp <Ntt> | Network bottle neck specifying method |
JP4980581B2 (en) * | 2004-04-16 | 2012-07-18 | 新日鉄ソリューションズ株式会社 | Performance monitoring device, performance monitoring method and program |
JP4430989B2 (en) * | 2004-06-28 | 2010-03-10 | 株式会社日立製作所 | Operation management support system and performance information display method |
JP2006146668A (en) * | 2004-11-22 | 2006-06-08 | Ntt Data Corp | Operation management support apparatus and operation management support program |
-
2011
- 2011-04-26 JP JP2011098809A patent/JP5141789B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10642864B2 (en) | 2014-03-18 | 2020-05-05 | Nec Corporation | Information processing device and clustering method |
Also Published As
Publication number | Publication date |
---|---|
JP2011146074A (en) | 2011-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4872945B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
JP4872944B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
US20110307742A1 (en) | Method and apparatus for cause analysis involving configuration changes | |
Malik et al. | Pinpointing the subsystems responsible for the performance deviations in a load test | |
JPWO2011099341A1 (en) | Failure cause extraction apparatus, failure cause extraction method, and program storage medium | |
US20140208167A1 (en) | Method and system for single point of failure analysis and remediation | |
JP2022033685A (en) | Method, apparatus, electronic device, computer readable storage medium and computer program for determining robustness | |
Gallet et al. | A model for space-correlated failures in large-scale distributed systems | |
JP5141789B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
JP2016192185A (en) | Spoofing detection system and spoofing detection method | |
JP5979185B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
JP6168209B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
Zhao et al. | Extracting log patterns from system logs in large | |
JP5590196B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
JP5516494B2 (en) | Operation management apparatus, operation management system, information processing method, and operation management program | |
US8984157B2 (en) | Network analysis in a file transfer system | |
US9229898B2 (en) | Causation isolation using a configuration item metric identified based on event classification | |
Wild et al. | Determining software product release readiness by the change-error correlation function: on the importance of the change-error time lag | |
JP7513921B2 (en) | Information processing device, information processing method, and information processing program | |
JP7506329B2 (en) | Maintenance system, data processing device, maintenance method, and program | |
JP7522368B2 (en) | Analysis device, analysis method, and program | |
JP2018160020A (en) | Monitoring system, program and monitoring method | |
JP2015106329A (en) | Information processing apparatus for retrieving history of operation work, information processing system, operation work history retrieval method, and program therefor | |
KR20110076453A (en) | System for monitoring ubiquitous service | |
Beszédes et al. | Predicting Critical Problems from Execution Logs of a Large-Scale Software System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110426 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121023 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121105 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151130 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5141789 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |