JP6310405B2 - Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method - Google Patents
Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method Download PDFInfo
- Publication number
- JP6310405B2 JP6310405B2 JP2015022516A JP2015022516A JP6310405B2 JP 6310405 B2 JP6310405 B2 JP 6310405B2 JP 2015022516 A JP2015022516 A JP 2015022516A JP 2015022516 A JP2015022516 A JP 2015022516A JP 6310405 B2 JP6310405 B2 JP 6310405B2
- Authority
- JP
- Japan
- Prior art keywords
- software
- flow
- group
- physical equipment
- cause
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Description
本発明は、サービス影響原因推定装置、サービス影響原因推定プログラム、及びサービス影響原因推定方法に関する。 The present invention relates to a service influence cause estimation device, a service influence cause estimation program, and a service influence cause estimation method.
通信ネットワークを介してサービスを提供するのに際して、通信ネットワーク中の故障又は品質劣化が発生している箇所を推定する技術が知られている。 2. Description of the Related Art A technique for estimating a location where a failure or quality degradation occurs in a communication network when providing a service via the communication network is known.
特許文献1には、ユーザからの通信ネットワーク上でのトラブル発生の申告を契機に、利用端末と情報ソース(サーバに相当)の間に配置される複数のサービス構成要素(物理的な設備)からなる設備モデルを生成し、全サービス構成要素が正常な場合の通信シーケンスと、サービス構成要素それぞれが故障した場合の通信シーケンスとを生成し、これらの通信シーケンスと故障申告時における観測情報とを比較することで、故障したサービス構成要素を推定する技術について開示されている(詳細は「第1の比較例」として後述)。
また、通信ネットワーク上の装置間のパケットをキャプチャし、キャプチャしたパケットを解析することで、ユーザの体感品質に影響を与える種々の特性値(リオーダ幅、トラヒック流量、RTT(Round-Trip Time)、パケットロス、ジッタ、セッション確立率、ウィンドウサイズ、サーバの応答時間)を算出し、その算出した値に基づいて当該特性値の正常性の判定を行い、前記装置間の通信品質劣化の原因箇所を推定する技術も知られている(詳細は「第2の比較例」として後述)。 In addition, by capturing packets between devices on the communication network and analyzing the captured packets, various characteristic values (reorder width, traffic flow, RTT (Round-Trip Time), Packet loss, jitter, session establishment rate, window size, server response time), the normality of the characteristic value is determined based on the calculated values, and the cause of communication quality degradation between the devices is determined. An estimation technique is also known (details will be described later as “second comparative example”).
さらに、非特許文献1には、仮想化された通信ネットワーク機能の選択的利用を可能とする柔軟な経路制御技術であるSFC(Service Function Chaining)技術を用いて、各フローに対し試験パケットを送信し、当該試験パケットが通過した転送機能部(物理/仮想ルータ又は物理/仮想スイッチに相当)及びアプリケーションのIDを、試験パケットが備えるリストにそれぞれ格納し、そのIDが格納されたリストと事前に設定した情報とを比較することで故障箇所を推定する技術について開示されている(詳細は「第3の比較例」として後述)。
Furthermore, Non-Patent
しかしながら、前記第1〜第3の比較例の技術では、仮想化設備やアプリケーションソフトといったソフトウェアに故障や劣化が生じていても異常を検出できないこと(特許文献1)、IDを付与できない設備に対しては故障診断ができないこと(非特許文献1)、作業が煩雑になること、装置規模が大規模になること、サービス品質の劣化が生じている場合に原因箇所の推定をすることができないこと等の不具合点が存在する。
そこで、本発明は、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできるサービス影響原因推定装置、サービス影響原因推定プログラム、及びサービス影響原因推定方法を提供することを目的とする。
However, in the technologies of the first to third comparative examples, it is impossible to detect an abnormality even if a failure or deterioration occurs in software such as virtualization equipment or application software (Patent Document 1), and for equipment that cannot be assigned an ID. Failure diagnosis cannot be performed (Non-Patent Document 1), work is complicated, the scale of the apparatus is large, and the cause cannot be estimated when service quality is deteriorated. There are defects such as.
Therefore, the present invention is a service influence cause estimation device that can detect software failures and deterioration, is simple in work, has a relatively small apparatus scale, and can estimate the cause of the deterioration of service quality, It is an object to provide a service influence cause estimation program and a service influence cause estimation method.
本発明は、通信ネットワーク上でデータが受け渡しされる物理設備及びソフトウェアのうち少なくとも1つ以上を用いて構成されるフローについて、当該フローを識別するフローIDと、前記物理設備を識別する物理設備ID、前記物理設備であるサーバを識別するサーバID、及び当該各サーバで用いられる前記ソフトウェアを識別するソフトウェアIDとを関連付けて記憶する記憶部と、前記記憶部を参照して、前記各フローについてデータが流れる前記物理設備及びソフトウェアの前記IDと当該データが流れる順番を特定するモデルであるフローモデルを生成するモデル生成部と、前記フローモデル同士を比較して当該比較結果から前記通信ネットワーク上でのサービス影響の原因となる前記物理設備又は前記ソフトウェアを推定する推定部と、を備え、前記推定部は、前記ソフトウェアIDを格納できるリストを生成するリスト生成部と、前記リストを備えた試験パケットを生成する試験パケット生成部と、前記試験パケットを前記フローごとに所定時間内に所定数送信するパケット送信部と、前記試験パケットが通過した前記ソフトウェアのIDを前記リストに格納した当該試験パケットのリプライパケットを受信するパケット受信部と、前記受信したリプライパケットを格納するリプライ格納部と、を備え、前記リプライ格納部に格納されている前記リプライパケットの受信についての計測結果に基づいて前記各フローを正常グループと異常グループとに分類するグループ構成部を備え、前記グループ構成部は、前記計測結果としてのレスポンスタイム及び前記計測結果としてのリプライのカウント数がそれぞれ各所定値の範囲内にあり、かつ、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、全てのソフトウェアIDが一致した前記フローを正常グループに分類し、それ以外の前記フローを異常グループに分類して、前記異常グループについて、前記レスポンスタイムの実測値及び前記カウント数がそれぞれ各所定値の範囲内にあるとき、又は、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、少なくとも1つ以上のソフトウェアIDが一致しない前記フローを故障グループに分類し、それ以外の前記フローを性能劣化グループに分類し、前記推定部は、前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアを前記サービス影響の原因として推定する第1の原因特定部と、前記性能劣化グループ又は前記故障グループと、前記正常グループとの間で前記各フローのフローモデル同士を比較して、共通する前記物理設備又は前記ソフトウェアは前記サービス影響の原因の候補から除外し、残った前記物理設備又は前記ソフトウェアを抽出して、当該抽出した前記物理設備又は前記ソフトウェアを前記サービス影響の原因として推定する第2の原因特定部と、を備えたことを特徴とするサービス影響原因推定装置である。 本発明によれば、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。
また、試験パケットを送信してリプライパケットを受け取るだけなので、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。
さらに、正常なフローと異常なフローとに分類することができる。
その上、レスポンスタイム、リプライのカウント数により簡易に正常なフローと異常なフローとに分類することができる。
また、異常のあるフローを故障ありのものと劣化ありのものに分類できる。
さらに、適切な手段によりサービス影響の原因の推定を行うことができる。
The present invention relates to a flow ID for identifying a flow and a physical facility ID for identifying the physical facility with respect to a flow configured by using at least one of physical facilities and software for transferring data on a communication network. A storage unit that associates and stores a server ID that identifies a server that is the physical facility, and a software ID that identifies the software used in each of the servers, and refers to the storage unit and stores data for each flow A model generation unit that generates a flow model that is a model for specifying the flow of the physical equipment and software through which the data flows and the data flows, and the flow models are compared with each other on the communication network. Estimate the physical equipment or the software that causes service impact Includes an estimation unit, wherein the estimation unit, wherein the list generating unit to generate a list that can store software ID, the test packet generator for generating a test packet with the list, the test packet by the flow A packet transmission unit that transmits a predetermined number of packets within a predetermined time, a packet reception unit that receives a reply packet of the test packet in which the ID of the software that the test packet has passed is stored in the list, and the received reply packet A reply storage unit for storing, and a group configuration unit for classifying each flow into a normal group and an abnormal group based on a measurement result of reception of the reply packet stored in the reply storage unit, The group configuration unit includes a response time as the measurement result and the measurement. As a result, the number of reply counts is within the range of each predetermined value, and the software ID acquired from the storage unit is compared with the software ID stored in the list of reply packets. When the matched flows are classified into a normal group, the other flows are classified as an abnormal group, and the measured response time and the count number are within a predetermined value range for the abnormal group, respectively. Or, compare the software ID acquired from the storage unit with the software ID stored in the list of reply packets, classify the flows that do not match at least one software ID into a failure group, and The flow is classified into a performance degradation group, and the estimation unit First, the flow models of the respective flows are compared with each other in the generalization group or the failure group, the common physical facility or software is extracted, and the extracted physical facility or software is estimated as the cause of the service influence Comparing the flow models of each flow between the cause identifying unit, the performance degradation group or the failure group, and the normal group, the common physical equipment or the software is the cause of the service impact. A second cause identifying unit that excludes the physical equipment or software remaining from the candidate and extracts the physical equipment or software that has been extracted and estimates the extracted physical equipment or software as a cause of the service influence. Is a service influence cause estimation device. According to the present invention, software failure and deterioration can be detected, the work is simple, the apparatus scale is relatively small, and the cause of the deterioration of service quality can be estimated.
In addition, because it only sends a test packet and receives a reply packet, it can detect software failures and deterioration, simplify the work, have a relatively small scale of equipment, and cause the service quality deterioration. It can also be estimated.
Furthermore, it can be classified into a normal flow and an abnormal flow.
In addition, it can be easily classified into a normal flow and an abnormal flow according to the response time and the number of replies.
Also, abnormal flows can be classified into those with failure and those with deterioration.
Furthermore, the cause of the service influence can be estimated by an appropriate means.
この場合に、前記グループ構成部で前記レスポンスタイムに用いる前記所定値は、所定時間内に所定の値だけ送信された前記試験パケットに対する前記レスポンスタイムについて平均値をとる又は統計的手法を用いることで求めるものであり、前記カウント数に用いる前記所定値は、所定時間内に所定の値だけ送信された前記試験パケットに対する前記カウント数の平均値をとる又は統計的手法を用いることで求めるものであることを特徴としてもよい。
本発明によれば、レスポンスタイム、リプライのカウント数に用いる所定値を適切に決定することができる。
In this case, the predetermined value used for the response time in the group configuration unit is obtained by taking an average value for the response time for the test packet transmitted by a predetermined value within a predetermined time or using a statistical method. The predetermined value used for the count number is obtained by taking an average value of the count numbers for the test packet transmitted by a predetermined value within a predetermined time or using a statistical method. This may be a feature.
According to the present invention, it is possible to appropriately determine the predetermined values used for the response time and the reply count.
この場合に、前記推定部は、前記故障又は性能劣化グループに割り振られたフローの数が、同じグループについての所定の閾値以上の場合は前記第1の原因特定部を用い、前記所定の閾値未満の場合は前記第1の原因特定部を用いた後、前記第2の原因特定部を用いて前記サービス影響の原因の推定を行うことを特徴としてもよい。
本発明によれば、第1の原因特定部又は第2の原因特定部を的確に選択することができる。
In this case, when the number of flows allocated to the failure or performance degradation group is equal to or greater than a predetermined threshold value for the same group, the estimation unit uses the first cause identifying unit and is less than the predetermined threshold value. In this case, after using the first cause identifying unit, the cause of the service influence may be estimated using the second cause identifying unit.
According to the present invention, the first cause specifying unit or the second cause specifying unit can be accurately selected.
前記の場合に、前記推定部は、前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアの数をそれぞれカウントし、その後、当該比較をした前記性能劣化グループ又は前記故障グループと前記正常グループとの間で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアについては前記カウントの数を0とし、最終的に前記カウントの数が最大である前記物理設備又は前記ソフトウェアを抽出し、当該抽出した前記物理設備又は前記ソフトウェアを前記サービス影響の原因であるものとして推定すること特徴としてもよい。
本発明によれば、サービス影響の原因であるものの推定を的確に行うことができる。
In the above case, the estimation unit compares the flow models of the flows in the performance degradation group or the failure group, counts the number of the common physical equipment or the software, and then The flow models of each flow are compared between the performance degradation group or the failure group and the normal group that have been compared, and the number of counts is set to 0 for the common physical equipment or the software, and finally The physical equipment or the software having the largest number of counts may be extracted, and the extracted physical equipment or the software may be estimated as the cause of the service influence.
According to the present invention, it is possible to accurately estimate the cause of service influence.
この場合に、前記記憶部は、前記物理設備ID及び前記ソフトウェアIDとして、当該IDが示す物理設備又はソフトウェアと、当該物理設備又はソフトウェアと親子関係又は接続関係にある他の物理設備、ソフトウェア、又はサーバとの相関関係を示すものであり、前記推定部は、前記サービス影響の原因である前記物理設備又は前記ソフトウェアが複数推定された場合に、当該複数の物理設備又はソフトウェア同士、又は、前回行われた前記推定で推定された前記物理設備又は前記ソフトウェアと今回行われた前記推定で推定された前記物理設備又は前記ソフトウェアとについて前記親子関係又は接続関係がある場合に、今回行われて複数推定された前記物理設備又は前記ソフトウェアの前記カウントの数に優先度をつけること特徴としてもよい。
本発明によれば、親子関係又は接続関係によってカウントの数に優先度をつけることができる。
In this case, the storage unit may use the physical equipment or software indicated by the ID as the physical equipment ID and the software ID, and other physical equipment or software that is in a parent-child relationship or connection relationship with the physical equipment or software, or A correlation with a server, and when the estimation unit estimates a plurality of the physical facilities or software that are the cause of the service influence, When there is a parent-child relationship or a connection relationship between the physical facility or software estimated in the estimation and the physical facility or software estimated in the estimation performed this time, a plurality of estimations performed this time Prioritize the number of counts of the physical equipment or software It may be.
According to the present invention, the number of counts can be prioritized by a parent-child relationship or a connection relationship.
別の本発明は、通信ネットワーク上でデータが受け渡しされる物理設備及びソフトウェアのうち少なくとも1つ以上を用いて構成されるフローについて、当該フローを識別するフローIDと、前記物理設備を識別する物理設備ID、前記物理設備であるサーバを識別するサーバID、及び当該各サーバで用いられる前記ソフトウェアを識別するソフトウェアIDとを関連付けて記憶する記憶部を参照して、前記各フローについてデータが流れる前記物理設備及びソフトウェアの前記IDと当該データが流れる順番を特定するモデルであるフローモデルを生成するモデル生成処理と、前記フローモデル同士を比較して当該比較結果から前記通信ネットワーク上でのサービス影響の原因となる前記物理設備又は前記ソフトウェアを推定する推定処理と、をコンピュータに実行させ、前記推定処理は、前記ソフトウェアIDを格納できるリストを生成するリスト生成処理と、前記リストを備えた試験パケットを生成する試験パケット生成処理と、前記試験パケットを前記フローごとに所定時間内に所定数送信するパケット送信処理と、前記試験パケットが通過した前記ソフトウェアのIDを前記リストに格納した当該試験パケットのリプライパケットを受信するパケット受信処理と、前記受信したリプライパケットを格納するリプライ格納処理と、をコンピュータに実行させ、前記リプライ格納処理で格納されている前記リプライパケットの受信についての計測結果に基づいて前記各フローを正常グループと異常グループとに分類するグループ構成処理をコンピュータに実行させ、前記グループ構成処理は、前記計測結果としてのレスポンスタイム及び前記計測結果としてのリプライのカウント数がそれぞれ各所定値の範囲内にあり、かつ、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、全てのソフトウェアIDが一致した前記フローを正常グループに分類し、それ以外の前記フローを異常グループに分類して、前記異常グループについて、前記レスポンスタイムの実測値及び前記カウント数がそれぞれ各所定値の範囲内にあるとき、又は、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、少なくとも1つ以上のソフトウェアIDが一致しない前記フローを故障グループに分類し、それ以外の前記フローを性能劣化グループに分類し、前記推定処理は、前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアを前記サービス影響の原因として推定する第1の原因特定処理と、前記性能劣化グループ又は前記故障グループと、前記正常グループとの間で前記各フローのフローモデル同士を比較して、共通する前記物理設備又は前記ソフトウェアは前記サービス影響の原因の候補から除外し、残った前記物理設備又は前記ソフトウェアを抽出して、当該抽出した前記物理設備又は前記ソフトウェアを前記サービス影響の原因として推定する第2の原因特定処理と、をコンピュータに実行させることを特徴とするコンピュータに読み取り可能なサービス影響原因推定プログラムである。
本発明によれば、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。
また、試験パケットを送信してリプライパケットを受け取るだけなので、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。
さらに、正常なフローと異常なフローとに分類することができる。
その上、レスポンスタイム、リプライのカウント数により簡易に正常なフローと異常なフローとに分類することができる。
また、異常のあるフローを故障ありのものと劣化ありのものに分類できる。
さらに、適切な手段によりサービス影響の原因の推定を行うことができる。
According to another aspect of the present invention, for a flow configured using at least one of physical equipment and software for transferring data on a communication network, a flow ID for identifying the flow and a physical for identifying the physical equipment are provided. The data flows for each flow with reference to a storage unit that stores an equipment ID, a server ID that identifies the server that is the physical equipment, and a software ID that identifies the software used in each server. A model generation process for generating a flow model, which is a model for specifying the ID of the physical equipment and software and the order in which the data flows, and comparing the flow models with each other to determine the service influence on the communication network. An estimation process for estimating the physical equipment or the software causing the problem When, cause the computer to execute, the estimation process, a list generation process to generate a list that can store the software ID, the test packet generation processing that generates a test packet with the list, the flow of the test packet A packet transmission process for transmitting a predetermined number of times within a predetermined time, a packet reception process for receiving a reply packet of the test packet in which the ID of the software that the test packet has passed is stored in the list, and the received reply packet And a reply storing process for storing the reply, and a group configuration for classifying the flows into a normal group and an abnormal group based on a measurement result of reception of the reply packet stored in the reply storing process. Allow the computer to execute the process and In the loop configuration process, the response time as the measurement result and the number of replies as the measurement result are each within a range of each predetermined value, and the list of the software ID and the reply packet acquired from the storage unit Are compared with the software IDs stored in, and the flows with all matching software IDs are classified into normal groups, the other flows are classified into abnormal groups, and the response times are measured for the abnormal groups. When the value and the count number are each within the range of each predetermined value, or comparing the software ID acquired from the storage unit with the software ID stored in the list of reply packets, at least one software Classify the flows whose IDs do not match into failure groups, The outside flow is classified into a performance degradation group, and the estimation process compares the flow models of the flows in the performance degradation group or the failure group, and extracts the common physical equipment or the software. The first physical identification process for estimating the extracted physical equipment or software as the cause of the service influence, and the flow models of the flows between the performance degradation group or the failure group and the normal group. In comparison, the common physical equipment or the software is excluded from the cause of the service influence, the remaining physical equipment or the software is extracted, and the extracted physical equipment or the software is used as the service influence. Causing the computer to execute a second cause identification process to be estimated as the cause of the problem This is a service influence cause estimation program readable by a computer.
According to the present invention, software failure and deterioration can be detected, the work is simple, the apparatus scale is relatively small, and the cause of the deterioration of service quality can be estimated.
In addition, because it only sends a test packet and receives a reply packet, it can detect software failures and deterioration, simplify the work, have a relatively small scale of equipment, and cause the service quality deterioration. It can also be estimated.
Furthermore, it can be classified into a normal flow and an abnormal flow.
In addition, it can be easily classified into a normal flow and an abnormal flow according to the response time and the number of replies.
Also, abnormal flows can be classified into those with failure and those with deterioration.
Furthermore, the cause of the service influence can be estimated by an appropriate means.
別の本発明は、通信ネットワーク上でデータが受け渡しされる物理設備及びソフトウェアのうち少なくとも1つ以上を用いて構成されるフローについて、当該フローを識別するフローIDと、前記物理設備を識別する物理設備ID、前記物理設備であるサーバを識別するサーバID、及び当該各サーバで用いられる前記ソフトウェアを識別するソフトウェアIDとを関連付けて記憶する記憶部を参照して、前記各フローについてデータが流れる前記物理設備及びソフトウェアの前記IDと当該データが流れる順番を特定するモデルであるフローモデルを生成するモデル生成工程と、前記フローモデル同士を比較して当該比較結果から前記通信ネットワーク上でのサービス影響の原因となる前記物理設備又は前記ソフトウェアを推定する推定工程と、を備え、前記推定工程は、前記ソフトウェアIDを格納できるリストを生成するリスト生成工程と、前記リストを備えた試験パケットを生成する試験パケット生成工程と、前記試験パケットを前記フローごとに所定時間内に所定数送信するパケット送信工程と、前記試験パケットが通過した前記ソフトウェアのIDを前記リストに格納した当該試験パケットのリプライパケットを受信するパケット受信工程と、前記受信したリプライパケットを格納するリプライ格納工程と、を備え、前記リプライ格納工程で格納されている前記リプライパケットの受信についての計測結果に基づいて前記各フローを正常グループと異常グループとに分類するグループ構成工程を備え、前記グループ構成工程は、前記計測結果としてのレスポンスタイム及び前記計測結果としてのリプライのカウント数がそれぞれ各所定値の範囲内にあり、かつ、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、全てのソフトウェアIDが一致した前記フローを正常グループに分類し、それ以外の前記フローを異常グループに分類して、前記異常グループについて、前記レスポンスタイムの実測値及び前記カウント数がそれぞれ各所定値の範囲内にあるとき、又は、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、少なくとも1つ以上のソフトウェアIDが一致しない前記フローを故障グループに分類し、それ以外の前記フローを性能劣化グループに分類し、前記推定工程は、前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアを前記サービス影響の原因として推定する第1の原因特定工程と、前記性能劣化グループ又は前記故障グループと、前記正常グループとの間で前記各フローのフローモデル同士を比較して、共通する前記物理設備又は前記ソフトウェアは前記サービス影響の原因の候補から除外し、残った前記物理設備又は前記ソフトウェアを抽出して、当該抽出した前記物理設備又は前記ソフトウェアを前記サービス影響の原因として推定する第2の原因特定工程と、を備えたことを特徴とするサービス影響原因推定方法である。
本発明によれば、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。
また、試験パケットを送信してリプライパケットを受け取るだけなので、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。
さらに、正常なフローと異常なフローとに分類することができる。
その上、レスポンスタイム、リプライのカウント数により簡易に正常なフローと異常なフローとに分類することができる。
また、異常のあるフローを故障ありのものと劣化ありのものに分類できる。
さらに、適切な手段によりサービス影響の原因の推定を行うことができる。
According to another aspect of the present invention, for a flow configured using at least one of physical equipment and software for transferring data on a communication network, a flow ID for identifying the flow and a physical for identifying the physical equipment are provided. The data flows for each flow with reference to a storage unit that stores an equipment ID, a server ID that identifies the server that is the physical equipment, and a software ID that identifies the software used in each server. A model generation step for generating a flow model, which is a model for specifying the ID of the physical equipment and software and the order in which the data flows, and comparing the flow models with each other to determine the service impact on the communication network. Estimator to estimate the physical equipment or software When, wherein the estimation step is given a list generation step of generating a list that can store the software ID, the test packet generation step of generating test packets with the list, the test packet to each of the flow A packet transmission step of transmitting a predetermined number in time, a packet reception step of receiving a reply packet of the test packet storing the ID of the software that the test packet has passed in the list, and storing the received reply packet A group storing step for classifying each flow into a normal group and an abnormal group based on a measurement result of reception of the reply packet stored in the reply storing step. The configuration process is the response time as the measurement result And the counts of replies as the measurement results are within a range of each predetermined value, and the software ID acquired from the storage unit is compared with the software IDs stored in the list of reply packets. The flows with the same software ID are classified into normal groups, the other flows are classified into abnormal groups, and the measured values of the response time and the counts are within the respective predetermined ranges for the abnormal groups. Or the software ID acquired from the storage unit and the software ID stored in the reply packet list, and classify the flows that do not match at least one software ID into a failure group, The other flows are classified into performance degradation groups, and the estimation process is performed. Compares the flow models of each flow within the performance degradation group or the failure group, extracts the common physical equipment or software, and uses the extracted physical equipment or software as the cause of the service impact The first physical identification process to be estimated, the performance degradation group or the failure group, and the normal model are compared with each other in the flow model of each flow, and the common physical equipment or the software is the service A second cause identifying step of extracting the remaining physical equipment or software as a cause of the service influence by extracting the remaining physical equipment or the software from the candidate of the cause of the influence and extracting the extracted physical equipment or the software as the cause of the service influence. This is a service influence cause estimation method characterized by
According to the present invention, software failure and deterioration can be detected, the work is simple, the apparatus scale is relatively small, and the cause of the deterioration of service quality can be estimated.
In addition, because it only sends a test packet and receives a reply packet, it can detect software failures and deterioration, simplify the work, have a relatively small scale of equipment, and cause the service quality deterioration. It can also be estimated.
Furthermore, it can be classified into a normal flow and an abnormal flow.
In addition, it can be easily classified into a normal flow and an abnormal flow according to the response time and the number of replies.
Also, abnormal flows can be classified into those with failure and those with deterioration.
Furthermore, the cause of the service influence can be estimated by an appropriate means.
本発明によれば、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできる。 According to the present invention, software failure and deterioration can be detected, the work is simple, the apparatus scale is relatively small, and the cause of the deterioration of service quality can be estimated.
まず、本実施形態を説明する前に本実施形態に対する比較例を複数例説明する。
[比較例]
(第1の比較例)
本明細書において、サービス品質に「劣化」が生じているとは、ネットワーク管理者側で異常の発生を示すアラームを確認できないような異常が発生している場合であり、サービス品質に「故障」が生じているとは、ネットワーク管理者側で当該アラームを確認できる異常が発生している場合である。
First, before describing the present embodiment, a plurality of comparative examples for the present embodiment will be described.
[Comparative example]
(First comparative example)
In this specification, “degradation” occurs in the service quality when the network administrator has an abnormality in which an alarm indicating the occurrence of the abnormality cannot be confirmed, and “failure” occurs in the service quality. The occurrence of an error occurs when an abnormality that allows the network administrator to confirm the alarm has occurred.
図15は、第1の比較例(特許文献1)の技術内容を説明する説明図である。このネットワークサービス故障診断方法及び装置では、ユーザがサービスを利用する際にその端末と情報ソースとの間に配置される複数のサービス構成要素のそれぞれに関する役割を記述している設備情報データベース(DB)201と、各サービス構成要素に関する正常時及び故障時の動作を記述している設計情報データベース(DB)202とを備えている。設備情報DB201の登録情報の例は符号203で示している。 FIG. 15 is an explanatory diagram for explaining the technical contents of the first comparative example (Patent Document 1). In this network service failure diagnosis method and apparatus, when a user uses a service, a facility information database (DB) that describes roles related to each of a plurality of service components arranged between the terminal and an information source 201 and a design information database (DB) 202 describing operations at the time of normality and failure of each service component. An example of registration information in the facility information DB 201 is indicated by reference numeral 203.
まず、通信ネットワークのユーザ(ユーザA)の申告により、そのユーザIDと利用サービス名で検索を要求すると(S211)、設備情報DB201に基づいて、当該ユーザAのEnd-to-Endの設備モデルを、サービス構成要素(物理的装置)を単位として出力する(S212)。そして、設計情報DB202を参照して、当該設備モデルに基づいて、全サービスの構成要素が正常なときの通信シーケンスを生成する(S213)。また、各サービスの構成要素が故障した際の通信シーケンスを、設計情報DB202を参照して生成する(S214)。 First, when a user of a communication network (user A) declares a search with the user ID and service name used (S211), the end-to-end equipment model of the user A is determined based on the equipment information DB 201. The service component (physical device) is output as a unit (S212). Then, referring to the design information DB 202, based on the equipment model, a communication sequence when the components of all services are normal is generated (S213). In addition, a communication sequence when a component of each service fails is generated with reference to the design information DB 202 (S214).
次に、正常時の通信シーケンス(S213)、異常時の通信シーケンス(S214)と、観測情報(通信システムの保守者の入力した情報)とを比較して、両者に共通の情報が含まれる通信シーケンスを抽出する。そして、各サービス構成要素のうち、本来の役割を果たさなかったサービス構成要素を抽出する(S215,S216)。この例では、S215で、No.48のNIC(Network Interface Controller)の故障時の通信シーケンスが通信シーケンス番号1〜4として示されている。これらは、様々な故障パターンの通信シーケンス例である。また、S216で保守者の入力した情報は、「アラームA」という警告が表示されたこと、「メッセージB」というメッセージ(S214における「ホストからの応答がありません」というメッセージ)が表示されたこと、及び「○○が動かない」とのユーザAからの申告である。
この例では、正常/異常時の通信シーケンスと観測情報との比較により、シーケンス番号1,3で一致し、これを抽出する。そして、シーケンス番号1,3の通信シーケンスにおいて、どのサービス構成要素が本来の役割を果たさないのかを判断して、異常個所の推定を行う。
Next, the normal communication sequence (S213), the abnormal communication sequence (S214), and the observation information (information input by the maintainer of the communication system) are compared, and the communication includes information common to both. Extract the sequence. And the service component which did not play the original role among each service component is extracted (S215, S216). In this example, in S215, no. Communication sequences at the time of failure of 48 NICs (Network Interface Controllers) are shown as
In this example, the
しかしながら、このような第1の比較例は、予め故障時の通信シーケンスを網羅的に用意する必要があるため、作業が煩雑である。また、第1の比較例は、仮想化設備やアプリケーションソフトといったソフトウェアがサービス構成要素の対象外とされている(対象とされているのは物理的装置だけ)ため、例えば、同一サーバ内に複数の仮想化設備やアプリケーションソフトが設定されている場合、これを設備モデルに変換する際に、ある物理的装置に同居して存在する仮想化設備又はアプリケーションソフトなのか、ある物理的装置に単一で存在する仮想化設備又はアプリケーションソフトなのかを区別できないため、人手による1つ1つの確認作業が必要となってしまい、作業が煩雑である。さらに、第1の比較例は、通信シーケンスの異常を判断するものであるため、通信シーケンスは正常だがサービス品質に劣化が生じている場合に、原因となるサービス構成要素を推定できないという不具合もある。 However, in the first comparative example, it is necessary to comprehensively prepare a communication sequence at the time of failure, so that the work is complicated. In the first comparative example, software such as virtualization equipment and application software is excluded from service components (only physical devices are targeted). When the virtual equipment or application software is set, when converting it to an equipment model, the virtual equipment or application software coexisting with a physical device or a single physical device Therefore, it is not possible to distinguish between the virtual equipment and application software existing in the system, so that it is necessary to check each one manually, and the work is complicated. Furthermore, since the first comparative example determines an abnormality in the communication sequence, there is also a problem in that the service component that is the cause cannot be estimated when the communication sequence is normal but the service quality has deteriorated. .
(第2の比較例)
図16は、第2の比較例の技術内容を説明する説明図である。この品質劣化原因推定方法は、図16(a)に示すように、ユーザ端末301とサーバ302がネットワーク303を介して接続されている。そして、ネットワーク303に設けられた品質劣化原因推定装置304がユーザ端末301、サーバ302間のパケットP311をキャプチャし、キャプチャしたパケットP311を解析することで、ユーザの体感品質に影響を与える種々の特性値(リオーダ幅、トラヒック流量、RTT(Round-Trip Time)、パケットロス、ジッタ、セッション確立率、ウィンドウサイズ、サーバの応答時間)を算出し、その算出した値に基づいて特性値の正常性判定を行い、ユーザ端末301、サーバ302間の通信品質劣化の原因箇所を推定するものである。
(Second comparative example)
FIG. 16 is an explanatory diagram for explaining the technical contents of the second comparative example. In this quality degradation cause estimation method, a
図16(b)は、特性値がセッション確立率の例である場合の判定処理のフローチャートである。特性値がセッション確立率であるときは、まず、品質劣化原因推定装置304は、セッション確立失敗率が所定の閾値より大きいか否か判断する(S321)。大きくないときは(S321のN)、品質劣化原因推定装置304は、ネットワーク303は正常であると判断する(S322)。大きいときは(S321のY)、品質劣化原因推定装置304は、セッション終端装置があるか否か判断する(S323)。セッション終端装置がある場合は(S323のY)、セッション終端装置に異常の原因がある可能性があるので、品質劣化原因推定装置304は、セッション終端装置のログを確認する必要があると判断する(S324)。セッション終端装置がない場合は(S323のN)、品質劣化原因推定装置304は、サーバ302に原因があると判断する(S325)。
FIG. 16B is a flowchart of the determination process when the characteristic value is an example of the session establishment rate. When the characteristic value is the session establishment rate, first, the quality degradation
図16(c)は、特性値がウィンドウサイズの例である場合の判定処理のフローチャートである。特性値がウィンドウサイズであるときは、まず、品質劣化原因推定装置304は、ウィンドウサイズが所定の閾値より小さいか否か判断する(S331)。閾値以上であるときは(S331のN)、品質劣化原因推定装置304は、ネットワーク303は正常であると判断する(S332)。閾値より小さいときは(S331のY)、品質劣化原因推定装置304は、帯域制御装置があるか否か判断する(S333)。帯域制御装置がある場合は(S333のY)、帯域制御装置に異常の原因がある可能性があるので、品質劣化原因推定装置304は、帯域制御装置のログを確認する必要があると判断する(S334)。帯域制御装置がない場合は(S333のN)、品質劣化原因推定装置304は、サーバ302に原因があると判断する(S335)。
FIG. 16C is a flowchart of the determination process when the characteristic value is an example of the window size. When the characteristic value is the window size, first, the quality deterioration
しかしながら、このような第2の比較例は、フローごとに、End-to-Endで、ネットワーク303内の個々の装置も含めた原因箇所推定を行う場合に、ネットワーク303内の装置に設けるキャプチャポイントが多くなってしまい、キャプチャしたパケットP311のデータの保存量及び判定処理にかかる負荷が増大してしまうので、作業が煩雑となり、装置規模が大規模になってしまう。このため、通信キャリアといった大規模なネットワークにおいては適用が困難である。
However, such a second comparative example is a capture point provided in a device in the
(第3の比較例)
図17は、第3の比較例の技術内容を説明する説明図である。この仮想化機構を含む故障診断方法は、図17(a)に示すように、ネットワーク401中に、複数台のサーバ402、複数台のスイッチ(ネットワークスイッチ)403が配置されている。検出ノード404は、ネットワーク401中のノードのひとつである。サーバ402は、データ転送を行う転送機能部(仮想スイッチに相当)411と、アプリケーションソフト412とを備えている。SFF1〜SFF3は、各転送機能部411のIDであり、SF1〜SF5は、各アプリケーションソフト412のIDである。
(Third comparative example)
FIG. 17 is an explanatory diagram for explaining the technical contents of the third comparative example. In the failure diagnosis method including this virtualization mechanism, a plurality of
本技術は、仮想化されたネットワーク機能の選択的利用を可能とする柔軟な経路制御技術であるSFC(Service Function Chaining)を用いている。検出ノード404は、各フローに対して試験パケットを1つ送信する。この試験パケットは、転送機能部411とアプリケーションソフト412のIDを格納するリストを備えている。試験パケットを受信したサーバ402では、当該試験パケットのリストに自身の転送機能部411のIDを格納し、当該格納後のリストをコピーし、コピーしたリストを送信元の検出ノード404にリプライする。その後、当該コピー元のリストを備えた試験パケットを同一サーバ402のアプリケーションソフト412に転送し、ここでも転送機能部411と同様にリストのコピー、コピーしたリストの送信元の検出ノード404へのリプライが行われる。さらに別のサーバ402に試験パケットが転送される場合も同様である。
This technology uses SFC (Service Function Chaining), which is a flexible route control technology that enables selective use of virtualized network functions. The
図17(b)には、検出ノード404に予め格納されている設定情報421の例を示している。この設定情報421は、あるフローを転送される試験パケットの通過経路の各部のIDを通過する順に上から並べて示している。この例では、IDがSFF1の転送機能部411を備えたサーバ402に試験パケットが転送され、その転送機能部411、アプリケーションソフト412を試験パケットが順次通過した後、IDがSFF2の転送機能部411を備えたサーバ402に試験パケットが転送され、その転送機能部411、アプリケーションソフト412を試験パケットが順次通過する例である。そのため、当該試験パケットが通過する予定の各部のIDを順に示すと、“SFF1→SF1→SFF1→SFF2→SF2→SFF2→SF3→SFF2”となる。
FIG. 17B shows an example of setting
図17(c)は、試験パケットに基づいて、検出ノード404にリプライされたリストの例である。リスト1はIDがSFF1の転送機能部411からリプライされ、リスト2はIDがSF1のアプリケーションソフト412からリプライされ、リスト3はIDがSFF1の転送機能部411からリプライされ、リスト4はIDがSFF2の転送機能部411からリプライされたものである。
FIG. 17C is an example of a list replied to the
これらのリストと設定情報421とを比較することにより、各転送機能部411、アプリケーションソフト412のうち、異常が存在する部位はどれであるかを判定することができる。リスト1〜リスト4は、設定情報421と比較すれば、いずれも検出ノード404に正しくリプライされたものであることがわかる。すなわち、リスト1〜リスト4の各最下段のIDは設定情報421中に存在し、当該IDが当該リストのリプライ元であるから、そのリプライ元の転送機能部411又はアプリケーションソフト412は正常に動作していると判定できる。
ここで、仮に、IDがSFF2である転送機能部411に異常が存在していると、最下段にIDのSFF2が記録されたリスト4はリプライされないので、リスト4のリプライの不存在をもって、IDがSFF2である転送機能部411に異常があると判定することになる。
By comparing these lists with the setting
Here, if there is an abnormality in the
しかしながら、このような第3の比較例は、IDを付与可能な転送機能部411及びアプリケーションソフト412のみを異常診断の対象としているため,それ以外のIDを付与できない物理的な装置やソフト的な設備に対しては異常診断ができないという不具合がある。また、転送機能部411及びアプリケーションソフト412のIDが格納されたリストと設定情報421との比較だけでは、サービス品質の劣化が生じている場合に原因箇所の推定をすることができないという不具合もある。
However, in the third comparative example, since only the
[実施形態]
次に、第1〜第3の比較例における不具合を解消した本実施形態の技術内容について説明する。
(システム構成の概要)
図1は、本実施形態の全体のシステム構成図である。インターネットなどの通信ネットワーク10上には複数のサーバ11が設置され、これらのサーバ11は、スイッチ(ネットワークスイッチ)12、リンク13を介して接続されている。各サーバ11には、いずれもソフトウェアである仮想スイッチ(vSW)21、アプリケーションソフト(APL)22が用意されている。これらの通信ネットワーク10中の各構成要素には、そのIDを、例えば「ID:sv01」のように図示している。
[Embodiment]
Next, the technical contents of the present embodiment in which the problems in the first to third comparative examples are solved will be described.
(Overview of system configuration)
FIG. 1 is an overall system configuration diagram of the present embodiment. A plurality of
サービス影響原因推定装置1は、この例ではサーバ11に接続されて設けられている。しかし、本発明はこれに限定されるものではなく、サービス影響原因推定装置1をサーバ11とは独立させて通信ネットワーク10中に配置してもよい。
In this example, the service influence cause
図2は、サービス影響原因推定装置1のハードウェア構成の概要を示すブロック図である。サービス影響原因推定装置1は、各種演算及び制御を行う中央処理装置(CPU)31と、中央処理装置31の作業領域となる主記憶装置32と、各種データを記憶する補助記憶装置(HDD等)33と、通信ネットワーク10と通信を行う通信インターフェイス(I/F)34とを備えている。補助記憶装置33には、サービス影響原因推定装置1における下記に説明する特徴的な処理を実行するためのプログラムであるサービス影響原因推定プログラム45が格納されている。
FIG. 2 is a block diagram showing an outline of the hardware configuration of the service influence
図3は、サービス影響原因推定プログラム45に基づいて中央処理装置31が実行する機能を説明する機能ブロック図である。
すなわち、サービス影響原因推定装置1は、記憶部50と、処理部60と、管理部70とを備えている。
記憶部50には、設備情報データベース(DB)51と、ソフトウェア情報データベース(DB)52とが設けられている。これら各部の詳細な機能は後述する。
処理部60は、後述のフローモデルに関する処理を行う。処理部60には、モデル生成部61と、構成要素方法決定部62と、構成要素抽出部63と、抽出要素格納部64とが設けられている。構成要素抽出部63は、第1原因特定部631と、第2原因特定部632とを備えている。これら各部の詳細な機能は後述する。
FIG. 3 is a functional block diagram for explaining functions executed by the
That is, the service influence cause
The
The
管理部70は、各種データの管理に関する処理を行う。管理部70には、設定情報管理部71と、グループ管理部72と、閾値管理部73と、試験パケット管理部74と、記録部75とが設けられている。グループ管理部72には、グループ構成部721と、グループ格納部722とが設けられている。閾値管理部73は、レスポンスタイム閾値格納部731と、リプライカウント数閾値格納部732と、故障フロー数閾値格納部733と、性能劣化フロー数閾値格納部734とが設けられている。試験パケット管理部74は、試験パケット生成部741と、リスト生成部742と、パケット送信部743と、パケット受信部744と、リプライ格納部745とが設けられている。記録部75は、レスポンスタイム格納部751と、リプライカウント数格納部752と、故障フロー数格納部753と、性能劣化フロー数格納部754とが設けられている。これら各部の詳細な機能は後述する。
The
以下では、サービス影響原因推定装置1が実行する処理であるサービス影響原因推定方法について順次説明する。
(サービス影響原因推定方法の概要)
図4は、設備情報DB51(図3)に登録されているデータ構成の説明図である。設備情報DB51には、フローIDと物理設備IDとが関連付けられて登録される。フローIDは、通信ネットワーク10において、転送装置や通信ケーブル等の物理設備と、仮想マシンや仮想スイッチ等の仮想化された設備及びアプリケーションソフト等のソフトウェアとのうち(図1の例では、サーバ11、スイッチ12、リンク13、仮想スイッチ21、アプリケーションソフト22)の少なくとも1つ以上を用いて構成されるフローを識別する識別子である。物理設備IDは、通信ネットワーク10において、前記各フロー中の物理設備(図1の例では、サーバ11、スイッチ12、リンク13)を識別する識別子である。物理設備IDは、データが流れる物理設備のIDをデータが流れる順番に左から右に連結して示している。
Below, the service influence cause estimation method which is a process which the service influence cause
(Outline of service impact cause estimation method)
FIG. 4 is an explanatory diagram of a data configuration registered in the facility information DB 51 (FIG. 3). In the
図5は、ソフトウェア情報DB52(図3)に登録されているデータ構成の説明図である。設備情報DB51には、前記のフローIDと、サーバIDと、ソフトウェアIDとが関連付けられて登録される。サーバIDは、サーバ11を識別する識別子である。ソフトウェアIDは、各サーバIDが示すサーバ11に搭載されている仮想マシンや仮想スイッチ等の仮想化された設備及びアプリケーションソフト等のソフトウェア(図1の例では、仮想スイッチ21、アプリケーションソフト22)を識別する識別子である。ソフトウェアIDは、データが流れるソフトウェアのIDをデータが流れる順番に左から右に連結して示している。ソフトウェアIDは、各サーバ11のサーバIDと関連付けられていて、当該サーバIDの示すサーバ11内のソフトウェアのIDのみで示されている。
FIG. 5 is an explanatory diagram of a data configuration registered in the software information DB 52 (FIG. 3). In the
図6は、フローモデルの一例を示す説明図である。フローモデルもフローIDが識別子となり、図6においては、フローIDごとのフローモデル例を示している。フローモデルは、モデル生成部61により生成される。すなわち、モデル生成部61は、あるフローIDのフローモデルを作成するに際して、設備情報DB51(図4)とソフトウェア情報DB52(図5)とを参照して、それぞれ対象となるフローIDと関連付けられている、物理設備IDが示す物理設備と、サーバID及びソフトウェアIDが示すソフトウェアとを、データが流れる順番に左から右に連結して示している。すなわち、モデル生成部61は、各フローについてデータが流れる物理設備及びソフトウェアのIDと当該データが流れる順番を特定するモデルである。
FIG. 6 is an explanatory diagram illustrating an example of a flow model. In the flow model, the flow ID is an identifier, and FIG. 6 shows an example of the flow model for each flow ID. The flow model is generated by the
本実施形態では、処理部60及び管理部70が推定部に相当し、この処理部60及び管理部70の実行する処理により、前記のフローモデル同士を比較して当該比較結果から、通信ネットワーク10上での劣化、故障のようなサービス影響の原因となる物理設備又はソフトウェアを推定するものである。以下では、サービス影響原因推定装置1が実行する詳細な処理、特に、推定部となる処理部60及び管理部70が実行する具体的な処理について説明する。
In the present embodiment, the
(試験パケット)
通信ネットワーク10上での劣化、故障のようなサービス影響の原因となる物理設備又はソフトウェアを推定するために用いる試験パケットの例を説明する。
まず、リスト生成部742がソフトウェアIDを格納できる、図7(a)に示すようなリストを生成する。このリストには、対象となるフローモデルのフローIDとソフトウェアIDとが、試験パケットが当該ソフトウェアを通過した際に記載される。そして、試験パケット生成部741が、当該リストを備えた試験パケットを生成する。この試験パケットのヘッダには、該当するフローの設備情報DB51及びソフトウェア情報DB52を参照して、当該試験パケットが通過する物理設備の物理設備ID、ソフトウェアのソフトウェアIDが格納されている。
パケット送信部743は、この生成した試験パケットをフローごとに所定時間内に所定数送信する。具体的には、1フローにつき複数個の同一の試験パケットが送信される。
(Test packet)
An example of a test packet used for estimating a physical facility or software that causes a service influence such as deterioration or failure on the
First, the
The
これにより、各フローにおいて、フローモデルの最後の構成要素がリプライパケットを生成し、送信する。リプライパケットには、対応する試験パケットが通過したソフトウェアのIDをそれぞれ格納した、図7(b)に示すようなリストが添付される。リプライパケットはパケット受信部744が受信する。そして、リプライ格納部745は、当該リプライパケットのリストを格納する。
この試験パケットのレスポンスタイムの実測値はレスポンスタイム格納部751に格納され、また、試験パケットのリプライパケットのカウント数はリプライカウント数格納部752に格納される。
Thereby, in each flow, the last component of the flow model generates a reply packet and transmits it. The reply packet is attached with a list as shown in FIG. 7B in which the IDs of the software that have passed the corresponding test packet are stored. The reply packet is received by the packet receiving unit 744. Then, the reply storage unit 745 stores the list of reply packets.
The actually measured value of the response time of the test packet is stored in the response
(グループ分け)
次に、前記試験パケットの送信の結果に基づいて、各フローをグループ分けする。グループ分けは、まず、異常が存在しないフローと判断する「正常グループ」と、異常が存在するフローと判断する「異常グループ」である「性能劣化グループ」及び「故障グループ」とに分類する。グループ構成部721は、この正常グループ、異常グループ、性能劣化グループのグループ分けを行う。グループ格納部722は、このグループ分けの結果を格納する。また、設定情報管理部71には、設備情報DB51、ソフトウェア情報DB52の登録情報を設定情報として取り込む。
(Grouping)
Next, the flows are grouped based on the result of transmission of the test packet. The grouping is first classified into a “normal group” that is determined as a flow having no abnormality, and a “performance degradation group” and a “failure group” that are “abnormal groups” that are determined as a flow having an abnormality. The
図8は各フローをグループ分けする処理のフローチャートである。本処理では、レスポンスタイム格納部751に格納されている試験パケットのレスポンスタイムの実測値の閾値としてN1,N2(N1<N2)、リプライカウント数格納部752に格納されている試験パケットのリプライパケットのカウント数の閾値としてC1,C2,C3(C1>C2>C3)を用いる。
FIG. 8 is a flowchart of processing for grouping the flows. In this processing, N1 and N2 (N1 <N2) are used as threshold values of the actual measurement values of the response time of the test packet stored in the response
ここで、レスポンスタイム閾値格納部731に格納されるレスポンスタイムに用いる所定値である閾値N1,N2は、所定時間内に前記のとおり所定の値だけ送信された試験パケットに対するレスポンスタイムについて平均値をとる又は所定の統計的手法を用いることで求めるものである。同様に、リプライカウント数閾値格納部732に格納されるリプライパケットのカウント数に用いる所定値である閾値C1,C2,C3は、所定時間内に前記所定の値だけ送信された試験パケットに対するカウント数の平均値をとる又は所定の統計的手法を用いることで求めるものである。
Here, the thresholds N1 and N2 which are predetermined values used for the response time stored in the response time
まず、フローごとに図8に示す処理を行う。すなわち、グループ構成部721は、レスポンスタイム格納部751に格納されているレスポンスタイムの実測値が閾値N1より小さいか否かを判断する(S1)。レスポンスタイムの実測値が閾値N1より小さいときは(S1のYes)、グループ構成部721は、リプライカウント数格納部752に格納されているリプライパケットのカウント数が閾値C1以上か否かを判断する(S2)。リプライパケットのカウント数が閾値C1以上であるときは(S2のYes)、グループ構成部721は、リプライ格納部745に格納されているリプライパケットのリストが設定情報管理部71に格納されている設定情報と完全に一致するか否かを判断する(S3)。リプライパケットのリストと設定情報とが完全に一致するときは(S3のYes)、レスポンスが良く、リプライパケットは十分な数が返ってきて、試験パケットは該当するフロー中の物理設備、ソフトウェアを全て正常に経由しているので、グループ構成部721は、そのフローを正常グループに分類する(S4)。
First, the process shown in FIG. 8 is performed for each flow. That is, the
一方、リプライパケットのカウント数が閾値C1を下回ったときは(S2のNo)、グループ構成部721は、S3と同様にリプライ格納部745に格納されているリプライパケットのリストが設定情報管理部71に格納されている設定情報と完全に一致するか否かを判断する(S5)。リプライパケットのリストと設定情報とが完全に一致するときは(S5のYes)、リプライパケットは十分な数が返ってきていないが、試験パケットは該当するフロー中の物理設備、ソフトウェアを全て正常に経由しているので、グループ構成部721は、そのフローを性能劣化グループに分類する(S6)。リプライパケットのリストと設定情報とで一致しないものがあるときは(S5のYes)、リプライパケットは十分な数が返ってきておらず、試験パケットは該当するフロー中の物理設備、ソフトウェアで正常に経由していないものであるので、グループ構成部721は、そのフローを故障グループに分類する(S7)。S3で、リプライパケットのリストと設定情報とで一致しないものがあるときも(S3のNo)、リプライパケットは十分な数が返ってきてはいるが、試験パケットは該当するフロー中の物理設備、ソフトウェアで正常に経由していないものであるので、グループ構成部721は、そのフローを故障グループに分類する(S7)。
On the other hand, when the count number of reply packets falls below the threshold value C1 (No in S2), the
レスポンスタイムの実測値が閾値N1以上であるときは(S1のNo)、グループ構成部721は、レスポンスタイムの実測値が閾値N1以上で、かつ、閾値N2未満であるか否かを判断する(S8)。レスポンスタイムの実測値が閾値N1以上で、かつ、閾値N2未満であるときは(S8のYes)、グループ構成部721は、リプライカウント数格納部752に格納されているリプライパケットのカウント数が閾値C2以上か否かを判断する(S9)。リプライパケットのカウント数が閾値C2以上であるときは(S9のYes)、グループ構成部721は、リプライ格納部745に格納されているリプライパケットのリストが設定情報管理部71に格納されている設定情報(記憶部50の情報)と完全に一致するか否かを判断する(S10)。リプライパケットのリストと設定情報とが完全に一致するときは(S10のYes)、レスポンスがそれほど良くはないリプライパケットが複数返ってきており、かつ、試験パケットは該当するフロー中の物理設備、ソフトウェアを全て正常に経由しているので、グループ構成部721は、そのフローを性能劣化グループに分類する(S6)。リプライパケットのリストと設定情報とで一致しないものがあるときは(S10のNo)、レスポンスがそれほど良くはないリプライパケットが複数返ってきており、かつ、試験パケットは該当するフロー中の物理設備、ソフトウェアで正常に経由していないものがあるので、グループ構成部721は、そのフローを故障グループに分類する(S7)。リプライパケットのカウント数が閾値C2未満であるときは(S9のNo)、グループ構成部721は、前記のS3の判断により、正常グループと性能劣化グループとにグループ分けする。
When the measured response time value is equal to or greater than the threshold value N1 (No in S1), the
レスポンスタイムの実測値が閾値N1以上で、かつ、閾値N2未満ではないときは(S8のNo)、グループ構成部721は、レスポンスタイムの実測値が閾値N2以上であるか否かを判断する(S11)。レスポンスタイムの実測値が閾値N2以上であるときは(S11のYes)、リプライパケットのカウント数が閾値C3以上か否かを判断する(S12)。リプライパケットのカウント数が閾値C3以上のときは(S12のYes)、レスポンスが悪いリプライパケットが所定数以上返ってきているので、グループ構成部721は、当該フローを故障グループに分類する(S7)。リプライパケットのカウント数が閾値C3未満のときは(S12のYes)、グループ構成部721は、前記のS10の判断により、性能劣化グループと故障グループとに分類する。
以上のグループ分けの結果は、グループ格納部722に格納される。
When the measured response time value is not less than the threshold value N1 and not less than the threshold value N2 (No in S8), the
The above grouping results are stored in the
図9は、図8のグループ分けにおける判断を示す状態遷移図である。正常グループ、性能劣化グループ、故障グループにグループ分けする各判断の項目81〜89において、(1)は前記のレスポンスタイムの判断、(2)は前記のリプライパケットのカウント数の判断、(3)は前記した設定情報とリストの一致性をそれぞれ示している。
FIG. 9 is a state transition diagram showing the determination in the grouping of FIG. In the
(サービス影響の原因推定)
構成要素抽出部63は、第1原因特定部631と、第2原因特定部632とを備えている。構成要素抽出部63は、フローモデル同士を比較して当該比較結果から通信ネットワーク10上でのサービス影響の原因となる物理設備又は前記ソフトウェアを推定する。構成要素抽出部63の第1原因特定部631と、第2原因特定部632とは、それぞれ異なる手法で当該推定を行う。
まず、第1原因特定部631は、前記のように分類された性能劣化グループ内又は故障グループ内で各フローについて、フローモデル同士を比較し、共通する要素となる物理設備又はソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアをサービス影響の原因として推定する。
図10(a)の例では、性能劣化グループ内又は故障グループ内で、フローIDがP11とP12のフローモデル同士を比較し、共通する要素となる物理設備IDがps95のスイッチ12を抽出している。
(Estimated cause of service impact)
The
First, the first
In the example of FIG. 10A, the flow models with the flow IDs P11 and P12 are compared within the performance degradation group or the failure group, and the
第2原因特定部632は、前記のように分類された性能劣化グループ又は故障グループと、正常グループとの間で各フローのフローモデル同士を比較して、共通する物理設備又はソフトウェアはサービス影響の原因の候補から除外し、残った物理設備又はソフトウェアを抽出して、当該抽出した物理設備又はソフトウェアをサービス影響の原因として推定する。
The second
図10(b)の例では、性能劣化グループ又は故障グループのフローIDがP21のフローモデルと、正常グループのフローIDがP22のフローモデルとを比較し、共通の要素である、ソフトウェアIDが“bk2”のアプリケーションソフト22、物理設備IDが“ps95”のスイッチ12を共通するものとして除外し、残った要素である物理設備又はソフトウェアを抽出している。
このようにして、第1原因特定部631又は第2原因特定部632により抽出された構成要素は抽出要素格納部64に格納される。
In the example of FIG. 10B, the flow model whose performance ID is P21 of the performance degradation group or failure group is compared with the flow model whose flow ID is P22 of the normal group, and the software ID which is a common element is “ The
In this way, the constituent elements extracted by the first
図11は、構成要素抽出部63の第1原因特定部631を用いるか、第2原因特定部632を用いるかを選択するためのフローチャートである。
すなわち、構成要素抽出方法決定部62が図11の処理により、第1原因特定部631を用いるか、第1原因特定部631及び第2原因特定部632の両方を用いるかを選択する。この場合に後述の故障フロー数に関する閾値D1が故障フロー数閾値格納部733に格納されていて、同様に後述の性能劣化フロー数に関する閾値D2が性能劣化フロー数閾値格納部734に格納されていて、本処理では当該各閾値を用いる。
FIG. 11 is a flowchart for selecting whether to use the first
That is, the component extraction
構成要素抽出方法決定部62は、各フローについて図11の処理を実行する。まず、当該フローが性能劣化グループに分類されているときは(S21のYes)、構成要素抽出方法決定部62は、性能劣化グループに分類されたフローの数である性能劣化フロー数を、その閾値である閾値D1以上であるか否か判断する(S22)。性能劣化フロー数が閾値D1以上であるときは(S22のYes)、構成要素抽出方法決定部62は、第1原因特定部631を使用する(S23)。性能劣化フロー数が閾値D1未満であるときは(S22のNo)、構成要素抽出方法決定部62は、第1原因特定部631を使用した後(S24)、第2原因特定部632を使用する(S25)。
The component extraction
一方、該当するフローが故障グループに分類されているときは(S26のYes)、構成要素抽出方法決定部62は、故障グループに分類されたフローの数である故障フロー数を、その閾値である閾値D2以上であるか否か判断する(S27)。故障フロー数が閾値D2以上であるときは(S27のYes)、構成要素抽出方法決定部62は、第1原因特定部631を使用する(S23)。故障フロー数が閾値D2未満であるときは(S27のNo)、構成要素抽出方法決定部62は、第1原因特定部631を使用した後(S24)、第2原因特定部632を使用する(S25)。
以上のように、第1原因特定部631又は第2原因特定部632が使用されて、前記のとおり構成要素となる物理設備又はソフトウェアが抽出されると、その抽出した構成要素をサービス影響の原因の特定個所と推定する(S28)。
On the other hand, when the corresponding flow is classified into the failure group (Yes in S26), the component extraction
As described above, when the first
(サービス影響の原因推定の変形例)
図12〜図14を参照して前記したサービス影響の原因推定の処理の変形例について説明する。
(Modification of service cause estimation)
A modified example of the service influence cause estimation process described above will be described with reference to FIGS.
図12は、当該変形例を説明する説明図である。図12(a)には、正常グループと故障グループ(性能劣化グループ)のフローモデルの例を示している。本例では、まず、構成要素抽出部63が、前記の性能劣化グループ内又は前記の故障グループ内で、各フローのフローモデル同士を比較し、共通する物理設備又はソフトウェアの数をそれぞれカウントする。図12(b)には、そのカウント結果の例を示している。例えば、ソフトウェアIDが“a1”のアプリケーションソフト22についてはカウント数が“21”、物理設備IDが“vs3”のスイッチ12についてはカウント数が“17”であるという例を示している。
FIG. 12 is an explanatory diagram for explaining the modification. FIG. 12A shows an example of a flow model of a normal group and a failure group (performance degradation group). In this example, first, the
その後、構成要素抽出部63は、このような比較をした性能劣化グループ又は故障グループと、正常グループとの間で各フローのフローモデル同士を比較し、共通する物理設備又はソフトウェアについては、図12(c)に例示するようにカウントの数を0とする。図12(c)の例では、ソフトウェアIDが“a1”のアプリケーションソフト22については、性能劣化グループ又は故障グループと、正常グループとの間で共通していたのでカウント数が“21”から“0”に変更され、物理設備IDが“vs3”のスイッチ12については、性能劣化グループ又は故障グループと、正常グループとの間で共通していなかったので、カウント数が“17”のままであるという例を示している(いずれも「合計」)。
After that, the
そして、構成要素抽出部63は、最終的に前記のカウントの数が最大である物理設備又はソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアをサービス影響の原因であるものとして推定する。図12(c)の例では、カウントの数が最大である物理設備又はソフトウェアは、物理設備IDが“s3”のスイッチ12のカウント数“45”であり、これが「最終結果」となる。そのため、構成要素抽出部63は、物理設備IDが“s3”のスイッチ12が、サービス影響の原因であるものとして推定する。
このような処理において、最終的に前記のカウントの数が最大である物理設備又はソフトウェアを抽出し、その抽出した物理設備又はソフトウェアが複数個になる場合もある。
Then, the
In such a process, the physical equipment or software having the maximum number of counts may be finally extracted, and the extracted physical equipment or software may be plural.
この場合に、抽出した複数個の物理設備又はソフトウェアについて説明する。まず、図1を参照して前記したように、通信ネットワーク10上の各部にID(物理設備ID、サーバID、ソフトウェアID)が付されている。
これに対して、物理設備ID及びソフトウェアIDとして、当該IDが示す物理設備又はソフトウェアと、当該物理設備又はソフトウェアと親子関係又は接続関係にある他の物理設備、ソフトウェア、又はサーバとの相関関係を示すものを用いるようにする。
In this case, the extracted plurality of physical facilities or software will be described. First, as described above with reference to FIG. 1, IDs (physical facility ID, server ID, and software ID) are assigned to each unit on the
On the other hand, as the physical equipment ID and software ID, the correlation between the physical equipment or software indicated by the ID and the other physical equipment, software, or server that is in a parent-child relationship or connection relationship with the physical equipment or software. Use what is shown.
図13は、図1の例において、物理設備ID、ソフトウェアIDとして、このような相関関係のあるIDを用いた例を示す図である。例えば、物理設備IDが“l1:sv01:s1”であるリンク13において、物理設備IDの“l1”の部分は当該リンク13自体を示しており、これに続く“sv01”の部分は当該スイッチ12と接続関係にあるサーバ11のIDを示し、同様に、“s1”の部分は当該スイッチ12と接続関係にあるスイッチ12のIDを示している。
このような物理設備ID及びソフトウェアIDを用いることで、当該IDから当該IDと親子関係又は接続関係にある他の物理設備、ソフトウェア、又はサーバを認識することができる。
FIG. 13 is a diagram illustrating an example in which such a correlated ID is used as the physical facility ID and the software ID in the example of FIG. For example, in the
By using such physical facility ID and software ID, it is possible to recognize other physical facilities, software, or servers that are in a parent-child relationship or connection relationship with the ID from the ID.
図14は、図13のIDを用いて実行する処理の説明図である。この例では、図12の処理で求めた今回の結果が、物理設備ID又はソフトウェアID(の図1の例に相当する部分だけを図14に示している)が、それぞれ“b2”、“vs2”、“l2”の場合の物理設備又はソフトウェアのカウントの数がいずれも“25”である。すなわち、前記のサービス影響の原因である物理設備又はソフトウェアが複数推定された場合である。この場合に、構成要素抽出部63は、今回の当該複数の物理設備又はソフトウェア同士、又は、前回行われた処理で推定された物理設備又はソフトウェアと今回行われた処理で推定された物理設備又はソフトウェアとについて前記の親子関係又は接続関係がある場合に、今回行われて複数推定された物理設備又はソフトウェアのカウントの数に優先度をつける。
FIG. 14 is an explanatory diagram of processing executed using the ID of FIG. In this example, the current result obtained by the processing of FIG. 12 is that the physical equipment ID or software ID (only the part corresponding to the example of FIG. 1 is shown in FIG. 14) is “b2”, “vs2”, respectively. “25” is the number of physical equipment or software counts in the case of “12”. That is, this is a case where a plurality of physical facilities or software that cause the service influence are estimated. In this case, the constituent
図14の例では、ソフトウェアIDが“b2(図13では、“b2:vs2”)”のアプリケーションソフト22と、ソフトウェアIDが“vs2(図13では、“vs2:b1:b2”)”の仮想スイッチ21との間には親子関係(前者が子、後者が親)があるため、親であるソフトウェアIDが“vs2(図13では、“vs2:b1:b2”)”の仮想スイッチ21の優先度を+1だけ上げる。また、物理設備IDが“l2(図13では、“l2:sv02:s1”)”のリンク13の前回の結果と、ソフトウェアIDが“vs2(図13では、“vs2:b1:b2”)”の仮想スイッチ21の今回の結果との間には直接的な接続関係があるため、物理設備IDが“l2(図13では、“l2:sv02:s1”)”のリンク13の影響が波及したと推定し、ソフトウェアIDが“vs2(図13では、“vs2:b1:b2”)”の仮想スイッチ21の今回の結果の優先度を−0.5下げる。
物理設備IDが“s3(図13では、“s3:l4:l5”)”のスイッチ12の前回の結果と、今回の結果との間には、親子関係又は接続関係がないため、当該スイッチ12が単独で故障していると推定し、+1だけ優先度を上げる。
In the example of FIG. 14, the
Since there is no parent-child relationship or connection relationship between the previous result of the
これらの結果、ソフトウェアIDが“b2(図13では、“b2:vs2”)”のアプリケーションソフト22の最終結果は“25”、ソフトウェアIDが“vs2(図13では、“vs2:b1:b2”)”の仮想スイッチ21の最終結果は“25.5”、物理設備IDが“s3(図13では、“s3:l4:l5”)”のスイッチ12の最終結果は“26”となる。
As a result, the final result of the
以上の処理により、物理設備及びソフトウェアの探索順序は、最終結果の値が大きい物理設備IDが“s3(図13では、“s3:l4:l5)”のスイッチ12、ソフトウェアIDが“vs2(図13では、“vs2:b1:b2)”の仮想スイッチ21、ソフトウェアIDが“b2(図13では、“b2:vs2”)”のアプリケーションソフト22の順番となる。
With the above processing, the physical equipment and software search order is such that the physical equipment ID having the large final result value is “s3 (in FIG. 13,“ s3: l4: l5 ”)” and the software ID is “vs2 (FIG. 13, the
以上説明した本実施形態によれば、ソフトウェアの故障や劣化も検出でき、作業が簡易で、装置規模が比較的小規模であり、サービス品質の劣化が生じている原因箇所の推定もできるサービス影響原因推定装置1、サービス影響原因推定プログラム45、及びサービス影響原因推定方法を提供することができる。
According to the present embodiment described above, it is possible to detect software failures and deterioration, the work is simple, the apparatus scale is relatively small, and the cause of the service quality deterioration can be estimated. The
1 サービス影響原因推定装置
45 サービス影響原因推定プログラム
50 記憶部
60 処理部(推定部)
61 モデル生成部
70 管理部(推定部)
631 第1原因特定部
632 第2原因特定部
721 グループ構成部
741 試験パケット生成部
742 リスト生成部
743 パケット送信部
744 パケット受信部
745 リプライ格納部
1 Service Effect
61
631 First
Claims (7)
前記記憶部を参照して、前記各フローについてデータが流れる前記物理設備及びソフトウェアの前記IDと当該データが流れる順番を特定するモデルであるフローモデルを生成するモデル生成部と、
前記フローモデル同士を比較して当該比較結果から前記通信ネットワーク上でのサービス影響の原因となる前記物理設備又は前記ソフトウェアを推定する推定部と、を備え、
前記推定部は、
前記ソフトウェアIDを格納できるリストを生成するリスト生成部と、
前記リストを備えた試験パケットを生成する試験パケット生成部と、
前記試験パケットを前記フローごとに所定時間内に所定数送信するパケット送信部と、
前記試験パケットが通過した前記ソフトウェアのIDを前記リストに格納した当該試験パケットのリプライパケットを受信するパケット受信部と、
前記受信したリプライパケットを格納するリプライ格納部と、
を備え、
前記リプライ格納部に格納されている前記リプライパケットの受信についての計測結果に基づいて前記各フローを正常グループと異常グループとに分類するグループ構成部を備え、
前記グループ構成部は、
前記計測結果としてのレスポンスタイム及び前記計測結果としてのリプライのカウント数がそれぞれ各所定値の範囲内にあり、かつ、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、全てのソフトウェアIDが一致した前記フローを正常グループに分類し、それ以外の前記フローを異常グループに分類して、前記異常グループについて、前記レスポンスタイムの実測値及び前記カウント数がそれぞれ各所定値の範囲内にあるとき、又は、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、少なくとも1つ以上のソフトウェアIDが一致しない前記フローを故障グループに分類し、それ以外の前記フローを性能劣化グループに分類し、
前記推定部は、
前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアを前記サービス影響の原因として推定する第1の原因特定部と、
前記性能劣化グループ又は前記故障グループと、前記正常グループとの間で前記各フローのフローモデル同士を比較して、共通する前記物理設備又は前記ソフトウェアは前記サービス影響の原因の候補から除外し、残った前記物理設備又は前記ソフトウェアを抽出して、当該抽出した前記物理設備又は前記ソフトウェアを前記サービス影響の原因として推定する第2の原因特定部と、
を備えたことを特徴とするサービス影響原因推定装置。 For a flow configured using at least one or more of physical equipment and software for transferring data on a communication network, a flow ID for identifying the flow, a physical equipment ID for identifying the physical equipment, and the physical equipment A storage unit that associates and stores a server ID that identifies the server and a software ID that identifies the software used in each server;
With reference to the storage unit, a model generation unit that generates a flow model that is a model for specifying the ID of the physical facility and software through which data flows for each flow and the order in which the data flows;
An estimation unit that compares the flow models and estimates the physical equipment or the software that causes a service influence on the communication network from the comparison result , and
The estimation unit includes
A list generation unit for generating a list capable of storing the software ID;
A test packet generator for generating a test packet having the list;
A packet transmitter that transmits a predetermined number of the test packets within a predetermined time for each flow;
A packet receiving unit that receives a reply packet of the test packet in which the ID of the software that the test packet has passed is stored in the list;
A reply storage unit for storing the received reply packet;
With
A group configuration unit that classifies each flow into a normal group and an abnormal group based on a measurement result of reception of the reply packet stored in the reply storage unit;
The group component is
The response time as the measurement result and the count number of replies as the measurement result are within the respective predetermined values, respectively, and the software ID acquired from the storage unit and the software ID stored in the reply packet list , And classify the flows having the same software ID as a normal group, classify the other flows as an abnormal group, and the measured value of the response time and the count number for the abnormal group. The flow in which at least one software ID does not match when each is within the range of each predetermined value or when the software ID acquired from the storage unit is compared with the software ID stored in the list of reply packets Are classified into failure groups, and the other flows are Classify into performance degradation groups,
The estimation unit includes
Compare the flow models of each flow within the performance degradation group or within the failure group, extract the common physical equipment or software, and estimate the extracted physical equipment or software as the cause of the service impact A first cause identifying unit;
The flow model of each flow is compared between the performance degradation group or the failure group and the normal group, and the common physical equipment or the software is excluded from candidates for the cause of the service influence and remains. Extracting the physical equipment or the software, and estimating the extracted physical equipment or the software as a cause of the service influence;
A service influence cause estimation device characterized by comprising:
前記推定部は、前記サービス影響の原因である前記物理設備又は前記ソフトウェアが複数推定された場合に、当該複数の物理設備又はソフトウェア同士、又は、前回行われた前記推定で推定された前記物理設備又は前記ソフトウェアと今回行われた前記推定で推定された前記物理設備又は前記ソフトウェアとについて前記親子関係又は接続関係がある場合に、今回行われて複数推定された前記物理設備又は前記ソフトウェアの前記カウントの数に優先度をつけること特徴とする請求項4に記載のサービス影響原因推定装置。 The storage unit correlates the physical equipment or software indicated by the ID as the physical equipment ID and the software ID, and other physical equipment, software, or server that is in a parent-child relationship or connection relationship with the physical equipment or software. Showing the relationship,
The estimation unit, when a plurality of the physical equipment or software that is a cause of the service influence is estimated, the physical equipment or software, or the physical equipment estimated by the previous estimation. Or, when there is a parent-child relationship or a connection relationship between the software and the physical facility or the software estimated by the estimation performed this time, the count of the physical facility or the software estimated a plurality of times performed this time The service influence cause estimation device according to claim 4 , wherein a priority is given to the number of the service influences.
前記フローモデル同士を比較して当該比較結果から前記通信ネットワーク上でのサービス影響の原因となる前記物理設備又は前記ソフトウェアを推定する推定処理と、
をコンピュータに実行させ、
前記推定処理は、
前記ソフトウェアIDを格納できるリストを生成するリスト生成処理と、
前記リストを備えた試験パケットを生成する試験パケット生成処理と、
前記試験パケットを前記フローごとに所定時間内に所定数送信するパケット送信処理と、
前記試験パケットが通過した前記ソフトウェアのIDを前記リストに格納した当該試験パケットのリプライパケットを受信するパケット受信処理と、
前記受信したリプライパケットを格納するリプライ格納処理と、
をコンピュータに実行させ、
前記リプライ格納処理で格納されている前記リプライパケットの受信についての計測結果に基づいて前記各フローを正常グループと異常グループとに分類するグループ構成処理をコンピュータに実行させ、
前記グループ構成処理は、
前記計測結果としてのレスポンスタイム及び前記計測結果としてのリプライのカウント数がそれぞれ各所定値の範囲内にあり、かつ、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、全てのソフトウェアIDが一致した前記フローを正常グループに分類し、それ以外の前記フローを異常グループに分類して、前記異常グループについて、前記レスポンスタイムの実測値及び前記カウント数がそれぞれ各所定値の範囲内にあるとき、又は、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、少なくとも1つ以上のソフトウェアIDが一致しない前記フローを故障グループに分類し、それ以外の前記フローを性能劣化グループに分類し、
前記推定処理は、
前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアを前記サービス影響の原因として推定する第1の原因特定処理と、
前記性能劣化グループ又は前記故障グループと、前記正常グループとの間で前記各フローのフローモデル同士を比較して、共通する前記物理設備又は前記ソフトウェアは前記サービス影響の原因の候補から除外し、残った前記物理設備又は前記ソフトウェアを抽出して、当該抽出した物理設備又は前記ソフトウェアを前記サービス影響の原因として推定する第2の原因特定処理と、
をコンピュータに実行させることを特徴とするコンピュータに読み取り可能なサービス影響原因推定プログラム。 For a flow configured using at least one or more of physical equipment and software for transferring data on a communication network, a flow ID for identifying the flow, a physical equipment ID for identifying the physical equipment, and the physical equipment The physical facility and the software in which data flows for each flow with reference to a storage unit that associates and stores a server ID that identifies the server and a software ID that identifies the software used in each server A model generation process for generating a flow model which is a model for specifying the ID and the order in which the data flows;
An estimation process for comparing the flow models and estimating the physical equipment or the software that causes a service influence on the communication network from the comparison result;
To the computer,
The estimation process includes
A list generation process for generating a list capable of storing the software ID;
A test packet generation process for generating a test packet with the list;
Packet transmission processing for transmitting a predetermined number of the test packets within a predetermined time for each flow;
A packet reception process for receiving a reply packet of the test packet in which the ID of the software that the test packet has passed is stored in the list;
A reply storing process for storing the received reply packet;
To the computer,
Causing a computer to execute a group configuration process for classifying each flow into a normal group and an abnormal group based on a measurement result of reception of the reply packet stored in the reply storage process;
The group configuration process includes:
The response time as the measurement result and the count number of replies as the measurement result are within the respective predetermined values, respectively, and the software ID acquired from the storage unit and the software ID stored in the reply packet list , And classify the flows having the same software ID as a normal group, classify the other flows as an abnormal group, and the measured value of the response time and the count number for the abnormal group. The flow in which at least one software ID does not match when each is within the range of each predetermined value or when the software ID acquired from the storage unit is compared with the software ID stored in the list of reply packets Are classified into failure groups, and the other flows are Classify into performance degradation groups,
The estimation process includes
Compare the flow models of each flow within the performance degradation group or within the failure group, extract the common physical equipment or software, and estimate the extracted physical equipment or software as the cause of the service impact A first cause identification process;
The flow model of each flow is compared between the performance degradation group or the failure group and the normal group, and the common physical equipment or the software is excluded from candidates for the cause of the service influence and remains. Extracting the physical equipment or the software, and estimating the extracted physical equipment or the software as a cause of the service influence;
A computer-readable service influence cause estimation program characterized by causing a computer to execute.
前記フローモデル同士を比較して当該比較結果から前記通信ネットワーク上でのサービス影響の原因となる前記物理設備又は前記ソフトウェアを推定する推定工程と、
を備え、
前記推定工程は、
前記ソフトウェアIDを格納できるリストを生成するリスト生成工程と、
前記リストを備えた試験パケットを生成する試験パケット生成工程と、
前記試験パケットを前記フローごとに所定時間内に所定数送信するパケット送信工程と、
前記試験パケットが通過した前記ソフトウェアのIDを前記リストに格納した当該試験パケットのリプライパケットを受信するパケット受信工程と、
前記受信したリプライパケットを格納するリプライ格納工程と、
を備え、
前記リプライ格納工程で格納されている前記リプライパケットの受信についての計測結果に基づいて前記各フローを正常グループと異常グループとに分類するグループ構成工程を備え、
前記グループ構成工程は、
前記計測結果としてのレスポンスタイム及び前記計測結果としてのリプライのカウント数がそれぞれ各所定値の範囲内にあり、かつ、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、全てのソフトウェアIDが一致した前記フローを正常グループに分類し、それ以外の前記フローを異常グループに分類して、前記異常グループについて、前記レスポンスタイムの実測値及び前記カウント数がそれぞれ各所定値の範囲内にあるとき、又は、前記記憶部から取得したソフトウェアIDと前記リプライパケットのリストに格納されたソフトウェアIDとを比較し、少なくとも1つ以上のソフトウェアIDが一致しない前記フローを故障グループに分類し、それ以外の前記フローを性能劣化グループに分類し、
前記推定工程は、
前記性能劣化グループ内又は前記故障グループ内で前記各フローのフローモデル同士を比較し、共通する前記物理設備又は前記ソフトウェアを抽出し、当該抽出した物理設備又はソフトウェアを前記サービス影響の原因として推定する第1の原因特定工程と、
前記性能劣化グループ又は前記故障グループと、前記正常グループとの間で前記各フローのフローモデル同士を比較して、共通する前記物理設備又は前記ソフトウェアは前記サービス影響の原因の候補から除外し、残った前記物理設備又は前記ソフトウェアを抽出して、当該抽出した前記物理設備又は前記ソフトウェアを前記サービス影響の原因として推定する第2の原因特定工程と、
を備えたことを特徴とするサービス影響原因推定方法。 For a flow configured using at least one or more of physical equipment and software for transferring data on a communication network, a flow ID for identifying the flow, a physical equipment ID for identifying the physical equipment, and the physical equipment The physical facility and the software in which data flows for each flow with reference to a storage unit that associates and stores a server ID that identifies the server and a software ID that identifies the software used in each server A model generation step for generating a flow model, which is a model for specifying the ID and the order in which the data flows;
An estimation step of comparing the flow models and estimating the physical equipment or the software that causes a service influence on the communication network from the comparison result;
With
The estimation step includes
A list generation step of generating a list capable of storing the software ID;
A test packet generating step for generating a test packet with the list;
A packet transmission step of transmitting a predetermined number of the test packets for each flow within a predetermined time;
A packet receiving step of receiving a reply packet of the test packet in which the ID of the software that the test packet has passed is stored in the list;
A reply storing step for storing the received reply packet;
With
A group configuration step of classifying each flow into a normal group and an abnormal group based on a measurement result of reception of the reply packet stored in the reply storage step;
The group configuration process includes:
The response time as the measurement result and the count number of replies as the measurement result are within the respective predetermined values, respectively, and the software ID acquired from the storage unit and the software ID stored in the reply packet list , And classify the flows having the same software ID as a normal group, classify the other flows as an abnormal group, and the measured value of the response time and the count number for the abnormal group. The flow in which at least one software ID does not match when each is within the range of each predetermined value or when the software ID acquired from the storage unit is compared with the software ID stored in the list of reply packets Are classified into failure groups, and the other flows are Classify into performance degradation groups,
The estimation step includes
Compare the flow models of each flow within the performance degradation group or within the failure group, extract the common physical equipment or software, and estimate the extracted physical equipment or software as the cause of the service impact A first cause identification step;
The flow model of each flow is compared between the performance degradation group or the failure group and the normal group, and the common physical equipment or the software is excluded from candidates for the cause of the service influence and remains. Extracting the physical equipment or the software, and estimating the extracted physical equipment or the software as a cause of the service influence;
A service influence cause estimation method characterized by comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015022516A JP6310405B2 (en) | 2015-02-06 | 2015-02-06 | Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015022516A JP6310405B2 (en) | 2015-02-06 | 2015-02-06 | Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016146555A JP2016146555A (en) | 2016-08-12 |
JP6310405B2 true JP6310405B2 (en) | 2018-04-11 |
Family
ID=56686527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015022516A Active JP6310405B2 (en) | 2015-02-06 | 2015-02-06 | Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6310405B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7188156B2 (en) * | 2019-02-07 | 2022-12-13 | 日本電信電話株式会社 | Communication system and conduction confirmation method |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008023570A1 (en) * | 2006-08-22 | 2008-02-28 | Nec Corporation | Method for estimating quality-degraded portion on a network in a communication network system |
US20140003224A1 (en) * | 2012-06-27 | 2014-01-02 | Google Inc. | Deterministic network failure detection |
-
2015
- 2015-02-06 JP JP2015022516A patent/JP6310405B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016146555A (en) | 2016-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5767617B2 (en) | Network failure detection system and network failure detection device | |
CN105165054B (en) | Network service failure processing method, service management system and system management module | |
JP5538652B2 (en) | Network status monitoring method | |
US8245079B2 (en) | Correlation of network alarm messages based on alarm time | |
US20110270957A1 (en) | Method and system for logging trace events of a network device | |
JP5120784B2 (en) | Method for estimating quality degradation points on a network in a communication network system | |
CN108270643B (en) | Method and equipment for detecting link between Leaf-Spine switches | |
US10033592B2 (en) | Method and system for monitoring network link and storage medium therefor | |
WO2016017208A1 (en) | Monitoring system, monitoring device, and inspection device | |
CN112311580B (en) | Message transmission path determining method, device and system and computer storage medium | |
JP4412031B2 (en) | Network monitoring system and method, and program | |
JP2011146982A (en) | Computer system, and monitoring method of computer system | |
JP2018147172A (en) | Abnormality detection device, abnormality detection method and program | |
CN110224883A (en) | A kind of Grey Fault Diagnosis method applied to telecommunications bearer network | |
CN102684902B (en) | Based on the network failure locating method of probe prediction | |
CN107566036B (en) | Automatically detecting an error in a communication and automatically determining a source of the error | |
JP5842641B2 (en) | Communication system and generation device | |
CN111988170A (en) | Terminal fault positioning method and device | |
JP6378653B2 (en) | Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method | |
Zhang et al. | Service failure diagnosis in service function chain | |
JP6310405B2 (en) | Service impact cause estimation apparatus, service impact cause estimation program, and service impact cause estimation method | |
JP4464256B2 (en) | Network host monitoring device | |
Oi et al. | Method for estimating locations of service problem causes in service function chaining | |
US11516073B2 (en) | Malfunction point estimation method and malfunction point estimation apparatus | |
JP2013046250A (en) | Failure link specification system and monitoring path setting method of the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180109 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180227 |
|
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: 20180313 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180316 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6310405 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |