JP6152788B2 - 障害予兆検知方法、情報処理装置およびプログラム - Google Patents
障害予兆検知方法、情報処理装置およびプログラム Download PDFInfo
- Publication number
- JP6152788B2 JP6152788B2 JP2013249027A JP2013249027A JP6152788B2 JP 6152788 B2 JP6152788 B2 JP 6152788B2 JP 2013249027 A JP2013249027 A JP 2013249027A JP 2013249027 A JP2013249027 A JP 2013249027A JP 6152788 B2 JP6152788 B2 JP 6152788B2
- Authority
- JP
- Japan
- Prior art keywords
- message
- failure
- pattern
- type
- learning
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0727—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a storage system, e.g. in a DASD or network based storage system
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Computer Hardware Design (AREA)
Description
[第1の実施の形態]
図1は、第1の実施の形態の情報処理装置を示す図である。
メッセージの集合13aは、ある時点において監視対象のシステムから収集されたメッセージの集合である。メッセージの集合13bは、メッセージの集合13aより後の時点において監視対象のシステムから収集されたメッセージの集合である。メッセージの集合13aは、メッセージの集合13bが取得された時点で記憶部11から削除されていてもよいし、削除されていなくてもよい。後者の場合、メッセージの集合13bが取得された時点で、メッセージの集合13aはログ情報と見ることができる。
図2は、第2の実施の形態の情報処理システムを示す図である。
第2の実施の形態の情報処理システムは、業務で使用される各種の電子機器を集中的に管理する。この情報処理システムは、業務サーバ21、ストレージ22、通信装置23、クライアント24、管理サーバ25および監視サーバ100を有する。情報処理システムに含まれるこれらの装置は、ネットワーク20に接続されている。なお、監視サーバ100は、第1の実施の形態の情報処理装置10の一例である。業務サーバ21、ストレージ22および通信装置23の集合は、監視対象のシステムの一例である。
第2の実施の形態では、同時期に現れる2種類以上のメッセージの組み合わせをメッセージのパターンとして扱う。監視サーバ100は、収集されたメッセージの集合を用いて、障害発生と相関の高いメッセージのパターンを学習する。これにより、監視サーバ100は、人手では発見が容易でないメッセージと障害との関係を発見することができる。
図4は、予兆検知における背景ノイズの影響例を示す図である。
監視サーバ100が収集するメッセージの中には、障害との関連性が低く継続的に発生するメッセージが含まれる。第2の実施の形態では、このような種類のメッセージを「背景ノイズ」として扱う。背景ノイズは継続的に発生するため、通常、他の種類のメッセージよりも出現頻度が高い。背景ノイズの例としては、使用していない通信ポートに対する監視機能がONになっていることで発生するメッセージなど、管理者が無視できるような軽度の注意喚起のメッセージが挙げられる。システムの運用上、注意喚起のメッセージが発生するような設定を行い、管理者がこのメッセージを意図的に無視する場合がある。
上記の問題に対し、第2の実施の形態では、学習時に抽出するパターンから学習時における背景ノイズを除外し、また、予兆検知時に抽出するパターンから予兆検知時における背景ノイズを除外する。予兆検知時における背景ノイズは、学習時における背景ノイズと異なる可能性がある。そして、背景ノイズが除外されたパターン同士が比較される。
図6は、監視サーバのハードウェア例を示すブロック図である。
監視サーバ100は、CPU101、RAM102、HDD103、画像信号処理部104、入力信号処理部105、媒体リーダ106および通信インタフェース107を有する。CPU101は、第1の実施の形態の演算部12の一例である。RAM102またはHDD103は、第1の実施の形態の記憶部11の一例である。
監視サーバ100は、受信部111、障害検出部112、障害情報記憶部113および設定情報記憶部114を有する。また、監視サーバ100は、頻度算出部121、メッセージバッファ122、頻度情報記憶部123、パターン抽出部124、フィルタリング部125、学習部126および学習情報記憶部127を有する。監視サーバ100は、頻度算出部131、メッセージバッファ132、頻度情報記憶部133、パターン抽出部134、フィルタリング部135、パターン比較部136および警告部137を有する。
メッセージテーブル141は、受信された複数のメッセージを格納する。メッセージテーブル141に相当するテーブルとして、一定時間(例えば、24時間)分のメッセージを格納したメッセージテーブルが、メッセージバッファ122,132に記憶される。また、スライディングウィンドウの時間幅(例えば、5分間)分のメッセージを格納したメッセージテーブルが、パターン抽出部124,134によって保持されている。メッセージテーブル141は、時刻、種類およびメッセージの項目を含む。
頻度テーブル142は、メッセージの種類と出現頻度と出現頻度に基づいて算出されるスコアとを対応付けた頻度情報を格納する。頻度テーブル142に相当するテーブルとして、頻度情報記憶部123,133それぞれに頻度テーブルが記憶される。頻度テーブル142は、種類、出現数、総数、頻度およびスコアの項目を含む。
ユーザ設定テーブル143は、管理者によって作成されたユーザ設定情報を格納する。ユーザ設定テーブル143は、設定情報記憶部114に記憶されている。ユーザ設定テーブル143は、種類、除外フラグおよび非除外フラグの項目を含む。
障害テーブル144は、障害検出部112または管理者によって作成された障害情報を格納する。障害テーブル144は、障害情報記憶部113に記憶されている。障害テーブル144は、時刻および障害の項目を含む。
学習テーブル145は、学習部126が生成した学習情報を格納する。学習テーブル145は、学習情報記憶部127に記憶されている。学習テーブル145は、パターン、障害、出現数、予兆数および共起確率の項目を含む。
図13は、頻度算出の手順例を示すフローチャートである。
この頻度算出の手順は、学習系として、頻度算出部121が受信部111からメッセージを取得する毎に実行される。検知系として、頻度算出部131が受信部111からメッセージを取得する毎にも、頻度算出部121と同様の頻度算出の手順が実行される。
(S11)頻度算出部121は、現在時刻から一定時間(例えば、24時間)以上古いメッセージをメッセージバッファ122から検索し、検索したメッセージを削除する。
このパターン学習の手順は、学習系として、パターン抽出部124が受信部111からメッセージを取得する毎に実行される。ただし、メッセージ受信からある程度の時間が経過した後や、ある程度の量のメッセージが溜まってから行うことも可能である。
(S21)パターン抽出部124は、新たなメッセージの追加に応じてスライディングウィンドウを前方にシフトさせ、スライディングウィンドウから外れる古いメッセージを削除する。すなわち、パターン抽出部124は、保持しているメッセージの中から、新たなメッセージの受信時刻からスライディングウィンドウ時間幅(例えば、5分)以上古いメッセージを検索し、検索された古いメッセージを削除する。
(S23)フィルタリング部125は、頻度情報記憶部123に記憶された頻度テーブルを参照して、ステップS22で生成されたパターンに含まれる複数のメッセージの種類のうち、スコアが閾値以下であるメッセージの種類を検索する。
(S27)学習部126は、障害情報記憶部113に記憶された障害テーブル144を参照して、フィルタリング部125が出力したパターンの現れた時刻から一定時間以内に障害が発生したか判断する。パターンの現れた時刻としては、例えば、スライディングウィンドウの末尾の時刻や、スライディングウィンドウに含まれる末尾のメッセージの受信時刻などを用いることができる。一定時間以内に障害が発生した場合はステップS28に処理が進み、障害が発生していない場合はステップS29に処理が進む。
この予兆検知の手順は、検知系として、パターン抽出部134が受信部111からメッセージを取得する毎に(好ましくは、リアルタイムに)実行される。
(S31)パターン抽出部134は、新たなメッセージの追加に応じてスライディングウィンドウを前方にシフトさせ、スライディングウィンドウから外れる古いメッセージを削除する。すなわち、パターン抽出部134は、保持しているメッセージの中から、新たなメッセージの受信時刻からスライディングウィンドウ時間幅(例えば、5分)以上古いメッセージを検索し、検索された古いメッセージを削除する。
(S33)フィルタリング部135は、頻度情報記憶部133に記憶された頻度テーブルを参照して、ステップS32で生成されたパターンに含まれる複数のメッセージの種類のうち、スコアが閾値以下であるメッセージの種類を検索する。スコアが閾値以下である(出現頻度が閾値以上である)メッセージの種類は、過去に学習テーブル145が更新されたとき(学習時)と現在(検知時)とで異なる可能性がある。
(S37)パターン比較部136は、フィルタリング部135が出力したパターンが学習テーブル145に登録されており、かつ、当該パターンの共起確率が閾値以上であるか判断する。この条件を満たす場合、パターン比較部136は監視対象のシステムに障害の予兆があると判断し、ステップS38に処理が進む。この条件を満たさない(フィルタリング部135が出力したパターンが学習テーブル145に登録されていないか、または、当該パターンの共起確率が閾値未満である)場合、障害の予兆がないと判断する。
第2の実施の形態の情報処理システムによれば、学習時のメッセージの種類毎の出現頻度に基づいて学習時の背景ノイズが判定され、背景ノイズを除外したメッセージのパターンが学習される。また、検知時のメッセージの種類毎の出現頻度に基づいて検知時の背景ノイズが判定され、背景ノイズを除外したメッセージのパターンと学習結果とが比較される。これにより、監視対処のシステムの構成変更や業務プロセスの変更などに応じて背景ノイズが変化しても、既存の学習結果を利用して障害の予兆を検知することができる。その結果、再学習の負荷を抑制でき、また、障害予兆検知の精度を高めることができる。また、第2の実施の形態では、継続的に頻度情報が更新されるため、背景ノイズの変化に迅速に対応でき、学習精度および障害予兆の検知精度を向上させることができる。
次に、第3の実施の形態を説明する。前述の第2の実施の形態との違いを中心に説明し、第2の実施の形態と同様の事項については適宜説明を省略する。第3の実施の形態の情報処理システムは、図2と同様の構成によって実現できる。ただし、第3の実施の形態の情報処理システムは、監視サーバ100に代えて後述する監視サーバ100aを含む。監視サーバ100aは、メッセージのパターンと障害との相関を学習するタイミングや、メッセージの種類毎の出現頻度を更新するタイミングが、監視サーバ100と異なる。
監視サーバ100aは、受信部111、障害検出部112、障害情報記憶部113および設定情報記憶部114を有する。また、監視サーバ100aは、パターン抽出部124a、フィルタリング部125a、学習部126、学習情報記憶部127およびログ記憶部128を有する。また、監視サーバ100aは、頻度算出部131a、頻度情報記憶部133a、パターン抽出部134、フィルタリング部135a、パターン比較部136、警告部137およびログ記憶部138を有する。以下、監視サーバ100aが有するユニットのうち、第2の実施の形態の監視サーバ100と異なるユニットについて説明する。
期間テーブル146は、頻度算出部131aが生成した期間情報を格納する。期間テーブル146は、頻度情報記憶部133aに記憶されている。期間テーブル146は、期間、開始時刻および終了時刻の項目を含む。
(S40)頻度算出部131aは、頻度情報を生成するタイミングが到来すると、新たな期間(新たな世代)の頻度テーブルを生成して頻度情報記憶部133aに格納する。
図19は、パターン学習の他の手順例を示すフローチャートである。
(S52)フィルタリング部125aは、頻度情報記憶部133aに記憶された複数の期間(複数の世代)の頻度テーブルの中から、今回処理するログファイルが属する期間(ログファイルと同じ世代)に対応する頻度テーブルを選択する。頻度テーブルの選択にあたっては、頻度情報記憶部133aに記憶された期間テーブル146が参照される。
(S55)学習部126は、障害情報記憶部113に記憶された障害テーブル144を参照して、フィルタリング部125aが出力したパターンの現れた時刻から一定時間以内に障害が発生したか判断する。一定時間以内に障害が発生した場合はステップS56に処理が進み、障害が発生していない場合はステップS57に処理が進む。
(S57)パターン抽出部124aは、ログファイルの終端に達したか、すなわち、ログファイルに含まれる全てのメッセージが読み込まれたか判断する。終端に達した場合はステップS58に処理が進み、それ以外の場合はステップS50に処理が進む。
第3の実施の形態の情報処理システムによれば、第2の実施の形態と同様、監視対処のシステムの構成変更や業務プロセスの変更などに応じて背景ノイズが変化しても、既存の学習結果を利用して障害の予兆を検知することができる。その結果、再学習の負荷を抑制でき、障害予兆検知の精度を高めることができる。また、第3の実施の形態では、頻度情報や学習情報がバッチ方式で更新されるため、監視サーバ100aの負荷を抑制できる。
11 記憶部
12 演算部
13a,13b メッセージの集合
14 障害情報
15a,15b メッセージのパターン
Claims (6)
- 監視対象のシステムから複数の種類のメッセージを収集するコンピュータが実行する障害予兆検知方法であって、
第1のメッセージの集合を取得したときにおけるメッセージの種類毎の出現頻度に基づいて、学習に使用しない第1のメッセージの種類を判定し、
前記第1のメッセージの集合および前記システムの障害発生を示す障害情報から、障害が発生するときに現れるメッセージのパターンであって前記第1のメッセージの種類を除外した第1のメッセージのパターンを学習し、
前記第1のメッセージの集合より後に第2のメッセージの集合を取得したときにおけるメッセージの種類毎の出現頻度に基づいて、検知に使用しない第2のメッセージの種類を判定し、
前記第2のメッセージの集合から、前記第2のメッセージの種類を除外した第2のメッセージのパターンを生成し、前記第1のメッセージのパターンと前記第2のメッセージのパターンとを比較することで前記システムの障害の予兆を検知する、
障害予兆検知方法。 - 前記第1のメッセージの種類は、複数のメッセージの種類のうち前記第1のメッセージの集合を取得したときにおける出現頻度が閾値以上であるメッセージの種類であり、
前記第2のメッセージの種類は、前記複数のメッセージの種類のうち前記第2のメッセージの集合を取得したときにおける出現頻度が閾値以上であるメッセージの種類である、
請求項1記載の障害予兆検知方法。 - 前記システムの動作状態が変化したことを検出し、前記システムの動作状態の変化を契機として前記メッセージの種類毎の出現頻度を再計算する、
請求項1または2記載の障害予兆検知方法。 - 前記第1のメッセージの種類が除外された前記第1のメッセージのパターンと、前記第2のメッセージの種類が除外された前記第2のメッセージのパターンとが一致するとき、前記システムの障害の予兆があると判定する、
請求項1乃至3の何れか一項に記載の障害予兆検知方法。 - 監視対象のシステムから収集した複数の種類のメッセージと、前記システムの障害発生を示す障害情報とを記憶する記憶部と、
第1のメッセージの集合および前記障害情報から、障害が発生するときに現れる第1のメッセージのパターンを学習し、前記第1のメッセージの集合より後に取得した第2のメッセージの集合から第2のメッセージのパターンを生成し、前記第1のメッセージのパターンと前記第2のメッセージのパターンとを比較することで前記システムの障害の予兆を検知する演算部と、
を有し、前記演算部は、
前記第1のメッセージの集合を取得したときにおけるメッセージの種類毎の出現頻度に基づいて、学習に使用しない第1のメッセージの種類を判定し、前記第1のメッセージのパターンから前記第1のメッセージの種類を除外し、
前記第2のメッセージの集合を取得したときにおけるメッセージの種類毎の出現頻度に基づいて、検知に使用しない第2のメッセージの種類を判定し、前記第2のメッセージのパターンから前記第2のメッセージの種類を除外する、
情報処理装置。 - 監視対象のシステムから複数の種類のメッセージを収集するコンピュータに、
第1のメッセージの集合を取得したときにおけるメッセージの種類毎の出現頻度に基づいて、学習に使用しない第1のメッセージの種類を判定し、
前記第1のメッセージの集合および前記システムの障害発生を示す障害情報から、障害が発生するときに現れるメッセージのパターンであって前記第1のメッセージの種類を除外した第1のメッセージのパターンを学習し、
前記第1のメッセージの集合より後に第2のメッセージの集合を取得したときにおけるメッセージの種類毎の出現頻度に基づいて、検知に使用しない第2のメッセージの種類を判定し、
前記第2のメッセージの集合から、前記第2のメッセージの種類を除外した第2のメッセージのパターンを生成し、前記第1のメッセージのパターンと前記第2のメッセージのパターンとを比較することで前記システムの障害の予兆を検知する、
処理を実行させるプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013249027A JP6152788B2 (ja) | 2013-12-02 | 2013-12-02 | 障害予兆検知方法、情報処理装置およびプログラム |
US14/540,398 US9442785B2 (en) | 2013-12-02 | 2014-11-13 | Fault symptom detection method and information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013249027A JP6152788B2 (ja) | 2013-12-02 | 2013-12-02 | 障害予兆検知方法、情報処理装置およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015106334A JP2015106334A (ja) | 2015-06-08 |
JP6152788B2 true JP6152788B2 (ja) | 2017-06-28 |
Family
ID=53265405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013249027A Expired - Fee Related JP6152788B2 (ja) | 2013-12-02 | 2013-12-02 | 障害予兆検知方法、情報処理装置およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US9442785B2 (ja) |
JP (1) | JP6152788B2 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9208051B2 (en) * | 2012-12-26 | 2015-12-08 | Bmc Software, Inc. | Automatic creation of graph time layer of model of computer network objects and relationships |
JP6287274B2 (ja) * | 2014-01-31 | 2018-03-07 | 富士通株式会社 | 監視装置、監視方法及び監視プログラム |
JP5775618B1 (ja) * | 2014-03-14 | 2015-09-09 | 株式会社コナミデジタルエンタテインメント | メッセージ表示制御装置、メッセージ表示制御システム、メッセージ表示制御サーバ、及びプログラム |
JP6451483B2 (ja) * | 2015-05-11 | 2019-01-16 | 富士通株式会社 | 予兆検知プログラム、装置、及び方法 |
US9594624B2 (en) * | 2015-06-12 | 2017-03-14 | International Business Machines Corporation | Resolving and preventing computer system failures caused by changes to the installed software |
DE102016008987B4 (de) | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
JP2017111601A (ja) * | 2015-12-16 | 2017-06-22 | 富士通株式会社 | 調査対象特定プログラム、および調査対象特定方法 |
JP6785603B2 (ja) * | 2016-09-16 | 2020-11-18 | 株式会社Screenホールディングス | 異常予測システム、プログラム、および異常予測方法 |
US20200183805A1 (en) * | 2016-10-13 | 2020-06-11 | Nec Corporation | Log analysis method, system, and program |
US10852951B1 (en) * | 2017-10-18 | 2020-12-01 | EMC IP Holding Company, LLC | System and method for improving I/O performance by introducing extent pool level I/O credits and user I/O credits throttling on Mapped RAID |
US10852966B1 (en) * | 2017-10-18 | 2020-12-01 | EMC IP Holding Company, LLC | System and method for creating mapped RAID group during expansion of extent pool |
JP6512646B1 (ja) * | 2018-02-13 | 2019-05-15 | Necプラットフォームズ株式会社 | 保守管理装置、システム及びプログラム |
CN110609759B (zh) * | 2018-06-15 | 2021-09-14 | 华为技术有限公司 | 一种故障根因分析的方法及装置 |
JPWO2020240680A1 (ja) * | 2019-05-28 | 2020-12-03 | ||
JP7156543B2 (ja) * | 2019-08-20 | 2022-10-19 | 日本電信電話株式会社 | パターン抽出およびルール生成装置、方法およびプログラム |
US11269706B2 (en) * | 2020-07-15 | 2022-03-08 | Beijing Wodong Tianjun Information Technology Co., Ltd. | System and method for alarm correlation and aggregation in IT monitoring |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6353902B1 (en) * | 1999-06-08 | 2002-03-05 | Nortel Networks Limited | Network fault prediction and proactive maintenance system |
JP4746850B2 (ja) * | 2004-06-21 | 2011-08-10 | 富士通株式会社 | パターン生成プログラム |
US7509259B2 (en) * | 2004-12-21 | 2009-03-24 | Motorola, Inc. | Method of refining statistical pattern recognition models and statistical pattern recognizers |
JP4506520B2 (ja) * | 2005-03-16 | 2010-07-21 | 日本電気株式会社 | 管理サーバ、メッセージの抽出方法、及び、プログラム |
US8370108B2 (en) * | 2007-03-22 | 2013-02-05 | Nec Corporation | Diagnostic device |
JP5277667B2 (ja) * | 2008-03-07 | 2013-08-28 | 日本電気株式会社 | 障害分析システム、障害分析方法、障害分析サーバおよび障害分析プログラム |
JP5431235B2 (ja) | 2009-08-28 | 2014-03-05 | 株式会社日立製作所 | 設備状態監視方法およびその装置 |
JP5541130B2 (ja) * | 2010-12-10 | 2014-07-09 | 富士通株式会社 | 管理装置、管理方法および管理用プログラム |
JP5609637B2 (ja) * | 2010-12-28 | 2014-10-22 | 富士通株式会社 | プログラム、情報処理装置、及び情報処理方法 |
JP2013030092A (ja) * | 2011-07-29 | 2013-02-07 | Nippon Telegr & Teleph Corp <Ntt> | ログ管理システム、ログ管理装置及びログ管理方法 |
JP5692414B2 (ja) * | 2011-12-15 | 2015-04-01 | 富士通株式会社 | 検知装置、検知プログラムおよび検知方法 |
US9298525B2 (en) * | 2012-12-04 | 2016-03-29 | Accenture Global Services Limited | Adaptive fault diagnosis |
US9612898B2 (en) * | 2013-06-03 | 2017-04-04 | Nec Corporation | Fault analysis apparatus, fault analysis method, and recording medium |
-
2013
- 2013-12-02 JP JP2013249027A patent/JP6152788B2/ja not_active Expired - Fee Related
-
2014
- 2014-11-13 US US14/540,398 patent/US9442785B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US9442785B2 (en) | 2016-09-13 |
US20150154062A1 (en) | 2015-06-04 |
JP2015106334A (ja) | 2015-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6152788B2 (ja) | 障害予兆検知方法、情報処理装置およびプログラム | |
JP5423904B2 (ja) | 情報処理装置、メッセージ抽出方法およびメッセージ抽出プログラム | |
US9690645B2 (en) | Determining suspected root causes of anomalous network behavior | |
US11513935B2 (en) | System and method for detecting anomalies by discovering sequences in log entries | |
CN107171819B (zh) | 一种网络故障诊断方法及装置 | |
US20160378583A1 (en) | Management computer and method for evaluating performance threshold value | |
US11030038B2 (en) | Fault prediction and detection using time-based distributed data | |
WO2020000404A1 (en) | Multi-factor cloud service storage device error prediction | |
JP5704234B2 (ja) | メッセージ判定装置およびメッセージ判定プログラム | |
US20110246835A1 (en) | Management server and management system | |
US9658908B2 (en) | Failure symptom report device and method for detecting failure symptom | |
CN112579327B (zh) | 一种故障检测方法、装置及设备 | |
US12021681B2 (en) | Communication device, surveillance server, and log collection method | |
US10360090B2 (en) | Determination method, determination apparatus, and recording medium | |
CN105607973B (zh) | 一种虚拟机***中设备故障处理的方法、装置及*** | |
US9860109B2 (en) | Automatic alert generation | |
CN113903389A (zh) | 一种慢盘检测方法、装置及计算机可读写存储介质 | |
CN114860487A (zh) | 一种内存故障识别方法及一种内存故障隔离方法 | |
JP2015035160A (ja) | 監視データ記憶装置、監視データ記憶方法およびプログラム | |
JP7082285B2 (ja) | 監視システム、監視方法および監視プログラム | |
US11809271B1 (en) | System and method for identifying anomalies in data logs using context-based analysis | |
JP7097408B2 (ja) | 局所的ホットスポットを処理する方法、装置、電子デバイス及び記憶媒体 | |
JP2020135701A (ja) | 情報処理システム、情報処理装置および情報処理プログラム | |
US9953266B2 (en) | Management of building energy systems through quantification of reliability | |
US20230396511A1 (en) | Capacity Aware Cloud Environment Node Recovery System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160804 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170421 |
|
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: 20170502 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170515 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6152788 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |