KR102509382B1 - 머신러닝을 이용한 빅데이터 기반의 it인프라 이벤트 제어 방안 - Google Patents
머신러닝을 이용한 빅데이터 기반의 it인프라 이벤트 제어 방안 Download PDFInfo
- Publication number
- KR102509382B1 KR102509382B1 KR1020210122202A KR20210122202A KR102509382B1 KR 102509382 B1 KR102509382 B1 KR 102509382B1 KR 1020210122202 A KR1020210122202 A KR 1020210122202A KR 20210122202 A KR20210122202 A KR 20210122202A KR 102509382 B1 KR102509382 B1 KR 102509382B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- control
- unit
- event
- resource
- Prior art date
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 19
- 238000013515 script Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 38
- 238000007726 management method Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 6
- 230000002354 daily effect Effects 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000002716 delivery method Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2263—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/24—Marginal checking or other specified testing methods not covered by G06F11/26, e.g. race tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Biology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
이기종 장비에서 발생한 이벤트와 관련정보를 학습해 이벤트제어를 위한 추천모델을 생성하고, 추천모델을 바탕으로 이후 발생하는 이벤트를 효과적으로 대처할 수 있도록 관리하는 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안이 개시된다. 본 발명의 바람직한 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안은 관제대상 장비의 자원성능정보를 수집하고, 임계치를 초과한 자원정보에 대해 이벤트를 생성하고, 장비별 이벤트 제어스크립트를 통해 관제대상을 제어하는 에이전트관리부와 상기 에이전트관리부로부터 수집된 자원정보와 이벤트 판단을 위한 이벤트 정보와 제어 기준 정보 및 제어실행이력 정보와 추천모델을 저장하는 데이터베이스부와 상기 데이터베이스부에 저장된 자원정보, 이벤트정보, 제어실행정보를 확인한 후, 협업필터링알고리즘에 사용할 수 있는 제어추천모델을 설정하는 추천모델부와 상기 데이터베이스부로부터 모델정보를 가져와 정보를 설정하고 웹브라우저에 정보를 표시하는 웹서버부를 포함할 수 있다.
Description
본 발명은 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안에 관한 것으로, 보다 상세하게는 이기종장비에서 발생한 이벤트와 관련 정보를 학습해 이벤트 제어를 위한 추천모델을 생성하고 이를 바탕으로 이벤트 발생 시 통계학적으로 유의미한 이벤트 제어방법을 추천하고 추천 내용을 바탕으로 IT인프라가 자율운영되도록 하는 시스템에 관한 것이다.
기존에는 IT인프라 장비에 이벤트 발생 시 이벤트장애 해결을 위한 제어방안을 파악하는데 많은 시간이 소요되었고, 이로 인해 장애처리가 늦어져 장비 운영에 있어 많은 문제점이 있었다. 또한 이벤트를 자동화 관리하는 시스템은 1개 종류의 장비에서 발생하는데 초점이 맞춰져 있어 이기종 장비가 운영되는 현재의 IT시스템의 이벤트를 관리하는데 문제점이 발생한다. 때문에 이기종 IT인프라 장비를 통합관리하고, 이벤트 제어이력을 분석해 통계적으로 유의미한 이벤트 제어방안을 추천하고, IT인프라의 자율운영을 실현할 수 있는 기술이 필요한 실정이다.
본 발명이 이루고자 하는 기술적인 과제는 이기종 장비에서 발생한 이벤트와 해당 이벤트의 제어이력을 학습하고, 학습된 내용을 각각의 추천모델로 만들어 이후 발생할 IT인프라 장비의 이벤트 제어 시 이기종 장비에서 수집한 추천모델을 토대로 유사성이 높은 유의미한 이벤트 제어 방법을 도출해 추천하고, 추천된 방법을 통해 시스템 자율운영이 가능하도록 한다.
상기 기술적 과제를 달성하기 위하여, 본 발명의 일 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안은 관제대상 장비의 자원성능정보를 수집하고, 임계치를 초과한 자원정보에 대해 이벤트를 생성하고, 장비별 이벤트 제어스크립트를 통해 관제대상을 제어하는 에이전트관리부와; 상기 에이전트관리부로부터 수집된 자원정보와 이벤트 판단을 위한 이벤트 정보와 제어 기준 정보 및 제어실행이력 정보와 추천모델을 저장하는 데이터베이스부와; 상기 데이터베이스부에 저장된 자원정보, 이벤트 정보, 제어실행정보를 확인한 후, 협업필터링알고리즘에 사용할 수 있는 제어추천모델을 설정하는 추천모델부와; 상기 데이터베이스부로부터 모델정보를 가져와 정보를 설정하고 웹브라우저에 정보를 표시하는 웹서버부;를 포함할 수 있다.
또한, 상기 기술적 과제를 달성하기 위하여 본 발명의 다른 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안에 있어 상기 에이전트관리부는 관제대상의 장비종류를 분류하고, 지정된 수집주기에 맞춰 해당 장비의 자원값을 수집해 통계정보를 쌓는 자원정보수집부와; 상기 자원정보수집부에서 수집한 자원이 지정된 일정 임계치를 넘었을 때 해당 자원에 이벤트가 발생한 것으로 판단해 이벤트를 생성하는 이벤트생성부와; 이벤트 발생 시 제어관리를 위한 스크립트를 불러와 관제대상에 적용될 수 있도록 데이터를 전달 및 관리하는 제어관리부;를 포함하고, 상기 데이터베이스부는 상기 자원정보수집부에서 수집한 각 자원값의 정보를 저장하는 자원정보저장부와; 이벤트 생성을 위한 임계치 정보 및 이벤트 생성 시 해당 이벤트의 정보를 저장하는 이벤트 정보부와; 장비제어를 위한 각 장비별 이벤트 제어스크립트 정보를 포함하는 제어정보부와; 상기 추천모델부에서 협업필터링 알고리즘을 이용해 가공한 장비, 자원별 발생한 이벤트에 적합한 추천모델 데이터를 저장하는 모델저장부;를 포함하고, 상기 추천모델부는 상기 데이터베이스부로부터 모델저장부를 제외한 나머지 부에 저장된 정보를 전달하는 데이터수신부와; 상기 데이터 수신부에 저장된 데이터들을 장비, 자원, 이벤트 정보, 제어 정보로 분류하는 데이터 분류부와; 상기 데이터 분류부에서 분류한 데이터들을 분석해 추천모델로 변환하는 패턴분석부;를 포함하고, 상기 웹서버부는 장비들의 성능 정보와 지정 기준에 따른 통계정보와 이벤트 정보를 표시하는 정보표시부와; 사용자가 제어설정 진행 시 설정하고자 하는 장비와 자원의 종류에 따라 해당 이벤트 제어가 최초일 경우 상기 제어정보부에 저장된 자원에 매핑되어 있는 이벤트 제어 정보를 불러오고, 제어 이력이 있을 경우 상기 모델정보부에서 유사도 높은 추천 제어를 불러와 사용자에게 제시하는 제어추천부;를 포함할 수 있다.
또한, 상기 기술적 과제를 달성하기 위하여 본 발명의 다른 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안에 있어 성능데이터를 수집하고, 관제대상에 대한 제어를 진행하고 추천모델을 구현하는 방법에 있어서, 에이전트관리부에서 관제대상으로부터 자원정보를 수집하는 단계와; 수집한 자원정보 중 임계치를 넘어선 값에 대하여 이벤트를 생성하는 단계와; 초기제어설정여부를 확인하고, 초기제어일 경우 해당 자원에 매핑된 기본제어설정을 불러오고, 제어이력이 있을 경우 추천된 제어를 불러오는 단계와; 제어관리부를 통해 매핑된 제어스크립트를 실행하는 단계와; 상기 과정을 통해 진행된 이력을 상기 데이터베이스부의 자원정보저장부, 이벤트정보부, 제어정보부에 저장하는 단계와; 상기 데이터베이스부로부터 일 단위로 저장된 장비 종류, 자원 종류, 발생한 이벤트 정보, 진행된 제어 정보를 가져와 추천모델부에 입력하여 상기 데이터수신부에서 데이터를 취합하는 단계와; 상기 데이터수신부에서 수신한 데이터를 상기 데이터분류부에서 장비별, 자원별, 이벤트별, 제어정보별로 각각 분류해 데이터 분류부 내부에 저장하는 단계와; 상기 패턴분석부에서 입력된 제어 정보를 장비 및 자원 종류와 N:1(N은 1이상의 자연수)의 관계로 연결 관계를 맺고, 제어 정보가 N(N은 1 이상의 자연수)개 이상인 경우에 매핑된 횟수 순으로 제어정보를 추출하고 제어스크립트가 적용된 후 성능정보의 변화를 측정해 변화량에 따라 점수를 책정하고 진행된 결과를 하나의 추천모델로 생성하는 단계; 상기 과정은 매일 지정된 시간에 따라 동작하며, 산출한 결과를 상기 모델저장부에 저장하는 단계;를 포함할 수 있다.
또한, 상기 기술적 과제를 달성하기 위하여 본 발명의 다른 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안에 있어 상기 제어추천부에서 협업필터링 알고리즘을 통해 추천시스템이 동작하는 방법에 있어서, 상기 에이전트 관리부에서 자원을 수집하고 임계치를 초과한 값에 대해서 이벤트를 생성하는 단계와; 발생한 이벤트 정보가 상기 정보표시부를 통해 클라이언트에서 사용자에게 표시되고, 제어설정을 진행하는 단계와; 상기 모델저장부로부터 저장된 추천모델들을 불러오는 단계와; 협업필터링 알고리즘을 이용해 발생한 이벤트의 장비, 자원정보와 상기 모델저장부로부터 불러온 추천모델과의 유사도를 분석하기 위해서 추천모델의 장비, 자원, 제어 정보를 발생한 이벤트의 장비, 자원 및 제어가 필요한 정보와 비교한 후 발생한 이벤트와 장비정보가 유사하거나 같은 또는 자원정보가 유사하거나 같은 또는 제어에 필요한 정보가 유사하거나 같은 데이터모델을 추출하고, 모든 정보가 일치할 경우를 1순위로 하고, 일부 정보가 일치하는 경우를 2순위로 하여 관제대상장비 또는 다른 장비에 적용된 제어정보를 상기 패턴분석부에서 책정된 점수 및 적용된 횟수 순으로 추천모델을 정리하는 단계; 상기 정보표시부에서 상기 제어추천부로부터 사용자에게 추천할 추천모델을 불러와 해당하는 제어 항목에 대해 음영처리를 하고, 별도의 추천 아이콘을 함께 표기하는 단계;를 포함할 수 있다.
또한, 상기 기술적 과제를 달성하기 위하여 본 발명의 다른 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안에 있어 상기 제어관리부는 관제대상 장비의 종류에 따라 제어스크립트를 변환해서 전달하며, 장비 종류별 제어스크립트 전달 방법은 서버 장비의 경우 서버자동화, 네트워크 장비의 경우 SNMP, REST API 또는 장비 제조사별 스크립트, 시설장비 및 데이터베이스의 경우 REST API 방식을 이용하는 것;을 포함할 수 있다.
또한, 상기 기술적 과제를 달성하기 위하여 본 발명의 또 다른 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안에 있어 상기 패턴분석부는 성능정보의 변화량에 따른 점수 책정 시 N(N은 1이상의 자연수) 이상의 점수를 부여하며, 제어스크립트 적용 후의 성능정보가 임계치보다 낮고 임계치와의 차이가 클수록 높은 점수를 부여하는 것;을 포함할 수 있다
본 발명에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안은 다변화된 IT인프라 환경에서 이기종 장비에서 발생하는 이벤트와 관련된 정보(장비 종류, 자원 종류, 이벤트 정보, 제어이력)을 하나의 추천모델로 관리하여 학습하고, 이를 바탕으로 이후 이벤트 발생 시 협업필터링알고리즘을 통해 단순하게 이벤트에 대한 정보만으로 분석하는 것이 아닌 실제적으로 적용된 데이터 정보를 분석해 통계적으로 유의미한 제어방안을 추천하고 실행해 IT인프라 시스템을 통합하고 자율적으로 관리할 수 있는 장점이 있다.
도 1은 본 발명의 바람직한 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안을 나타내는 블록도
도 2는 성능데이터 수집과 관제대상에 대한 제어를 진행하고 추천모델을 구현하는 방법에 관한 흐름도
도 3은 협업필터링 알고리즘을 통해 추천시스템이 동작하는 방법에 관한 흐름도
도 2는 성능데이터 수집과 관제대상에 대한 제어를 진행하고 추천모델을 구현하는 방법에 관한 흐름도
도 3은 협업필터링 알고리즘을 통해 추천시스템이 동작하는 방법에 관한 흐름도
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
이하에서는 본 발명의 바람직한 실시 예들에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안을 상세히 설명하기로 한다. 참고로 본 발명을 설명함에 있어서 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 명세서에서 관제대상이란 단일종류의 장비를 말하는 것이 아닌 이기종장비(서버,네트워크,데이터베이스 등)을 통틀어서 의미하는 것으로 정의한다.
도 1은 본 발명의 바람직한 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안을 나타내는 블록도이다.
도 1에서 도시된 바와 같이, 본 발명의 일 실시 예에 따른 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방안은 관제대상 장비의 자원성능정보를 수집하고, 임계치를 초과한 자원정보에 대해 이벤트를 생성하고, 장비별 이벤트 제어스크립트를 통해 관제대상을 제어하는 에이전트관리부(10); 상기 에이전트관리부로부터 수집된 자원정보와 이벤트 판단을 위한 이벤트 정보와 제어 기준 정보 및 제어실행이력 정보와 추천모델을 저장하는 데이터베이스부(20); 상기 데이터베이스부에 저장된 자원정보, 이벤트 정보, 제어실행정보를 확인한 후, 협업필터링알고리즘에 사용할 수 있는 제어추천모델을 설정하는 추천모델부(30); 상기 데이터베이스부로부터 모델정보를 가져와 정보를 설정하고 웹브라우저에 정보를 표시하는 웹서버부(40);를 포함할 수 있다.
상기 에이전트관리부(10)는 관제대상의 장비종류를 분류하고, 지정된 수집주기에 맞춰 해당 장비의 자원값을 수집해 통계정보를 쌓는 자원정보수집부(100); 상기 자원정보수집부에서 수집한 자원이 지정된 일정 임계치를 넘었을 때 해당 자원에 이벤트가 발생한 것으로 판단해 이벤트를 생성하는 이벤트생성부(110); 이벤트 발생 시 제어관리를 위한 스크립트를 불러와 관제대상에 적용될 수 있도록 데이터를 전달 및 관리하는 제어관리부(120);를 포함하고, 상기 데이터베이스부(20)는 상기 자원정보수집부에서 수집한 각 자원값의 정보를 저장하는 자원정보저장부(200); 이벤트 생성을 위한 임계치 정보 및 이벤트 생성 시 해당 이벤트의 정보를 저장하는 이벤트 정보부(210); 장비제어를 위한 각 장비별 이벤트 제어스크립트 정보를 포함하는 제어정보부(220); 상기 추천모델부에서 협업필터링 알고리즘을 이용해 가공한 장비, 자원별 발생한 이벤트에 적합한 추천모델 데이터를 저장하는 모델저장부(230);를 포함하고, 상기 추천모델부(30)는 상기 데이터베이스부로부터 모델저장부를 제외한 나머지 부에 저장된 정보를 전달하는 데이터수신부(300); 상기 데이터 수신부에 저장된 데이터들을 장비, 자원, 이벤트 정보, 제어 정보로 분류하는 데이터 분류부(310); 상기 데이터 분류부에서 분류한 데이터들을 분석해 추천모델로 변환하는 패턴분석부(320);를 포함하고, 상기 웹서버부(40)는 장비들의 성능 정보와 지정 기준에 따른 통계정보와 이벤트 정보를 표시하는 정보표시부(400); 사용자가 제어설정 진행 시 설정하고자 하는 장비와 자원의 종류에 따라 해당 이벤트 제어가 최초일 경우 상기 제어정보부에 저장된 자원에 매핑되어 있는 이벤트 제어 정보를 불러오고, 제어 이력이 있을 경우 상기 모델정보부에서 유사도 높은 추천 제어를 불러와 사용자에게 제시하는 제어추천부(410);를 포함할 수 있다.
도 2는 성능데이터 수집과 관제대상에 대한 제어를 진행하고 추천모델을 구현하는 방법에 관한 흐름도이다.
도 2에서 도시된 바와 같이, 성능데이터를 수집하고, 관제대상에 대한 제어를 진행하고 추천모델을 구현하는 방법은 수집된 장비가 있는지 판단하는 단계(S100); 에이전트관리부(10)에서 관제대상으로부터 자원정보를 수집하는 단계(S101); 수집한 자원정보 중 임계치를 넘어선 값에 대하여 이벤트를 생성하는 단계(S102, 103); 초기제어설정여부를 확인하고, 초기제어일 경우 해당 자원에 매핑된 기본제어설정을 불러오고, 제어이력이 있을 경우 추천된 제어를 불러오는 단계(S104, 105); 제어관리부(120)를 통해 매핑된 제어스크립트를 실행하는 단계(S106); 상기 과정을 통해 진행된 이력을 상기 데이터베이스부(20)의 자원정보저장부(200), 이벤트정보부(210), 제어정보부(220)에 저장하는 단계(S107); 상기 데이터베이스부(20)로부터 일 단위로 저장된 장비 종류, 자원 종류, 발생한 이벤트 정보, 진행된 제어 정보를 가져와 추천모델부(30)에 입력하여 상기 데이터수신부(300)에서 데이터를 취합하는 단계(S108); 상기 데이터수신부(300)에서 수신한 데이터를 상기 데이터분류부(310)에서 장비별, 자원별, 이벤트별, 제어정보별로 각각 분류해 데이터분류부(310) 내부에 저장하는 단계(S109); 상기 패턴분석부(320)에서 입력된 제어정보를 장비 및 자원 종류와 N:1(N은 1이상의 자연수)의 관계로 연결 관계를 맺고, 제어 정보가 N(N은 1이상의 자연수)개 이상인 경우에 매핑된 횟수 순으로 제어정보를 추출하고 제어스크립트가 적용된 후 성능정보의 변화를 측정해 변화량에 따라 점수를 책정하고 진행된 결과를 하나의 추천모델로 생성하는 단계(S110); 상기 과정은 매일 지정된 시간에 따라 동작하며, 산출한 결과를 상기 모델저장부(230)에 저장하는 단계(S111);를 포함할 수 있다.
또한, 상기 패턴분석부(320)는 성능정보의 변화량에 따른 점수 책정 시 N(N은 1이상의 자연수) 이상의 점수를 부여하며, 제어스크립트 적용 후의 성능정보가 임계치보다 낮고 임계치와의 차이가 클수록 높은 점수를 부여하는 것;을 포함할 수 있다
도 3은 협업필터링알고리즘을 통해 추천시스템이 동작하는 방법에 관한 흐름도이다.
도 3에서 도시된 바와 같이, 상기 제어추천부(410)에서 협업필터링알고리즘을 통해 추천시스템이 동작하는 방법은 상기 에이전트관리부(10)에서 수집된 장비가 있는지 판단하는 단계(S200); 자원을 수집하고 임계치를 초과한 값에 대해서 이벤트를 생성하는 단계(S201, 202, 203); 발생한 이벤트 정보가 상기 정보표시부(400)를 통해 클라이언트(50)에서 사용자에게 표시되고, 제어설정을 진행하는 단계(S204); 상기 모델저장부(230)로부터 저장된 추천모델들을 불러오는 단계(S205); 협업필터링알고리즘을 이용해 발생한 이벤트의 장비, 자원정보와 상기 모델저장부(230)로부터 불러온 추천모델과의 유사도를 분석하기 위해서 추천모델의 장비, 자원, 제어 정보를 발생한 이벤트의 장비, 자원 및 제어가 필요한 정보와 비교한 후 발생한 이벤트와 장비정보가 유사하거나 같은 또는 자원정보가 유사하거나 같은 또는 제어에 필요한 정보가 유사하거나 같은 데이터 모델을 추출하고, 모든 정보가 일치할 경우를 1순위로 하고, 일부 정보가 일치하는 경우를 2순위로 하여 관제대상장비 또는 다른 장비에 적용된 제어정보를 상기 패턴분석부(320)에서 책정된 점수 및 적용된 횟수 순으로 추천모델을 정리하는 단계(S206); 상기 정보표시부(400)에서 상기 제어추천부(410)로부터 사용자에게 추천할 추천모델을 불러와 해당하는 제어항목에 대해 음영처리를 하고, 별도의 추천 아이콘을 함께 표시하는 단계(S207); 상기 제어관리부(120)는 관제대상 장비의 종류에 따라 제어스크립트를 변환해서 전달하며, 장비 종류별 제어스크립트 전달 방법은 서버 장비의 경우 서버자동화, 네트워크 장비의 경우 SNMP, REST API 또는 장비 제조사별 스크립트, 시설장비 및 데이터베이스 경우 REST API 방식을 이용하는 것;을 포함할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석하여야 한다.
10: 에이전트관리부 20: 데이터베이스부
30: 추천모델부 40: 웹서비스부
50: 클라이언트 100: 자원정보수집부
110: 이벤트생성부 120: 제어관리부
200: 자원정보저장부 210: 이벤트정보부
220: 제어정보부 230: 모델저장부
300: 데이터수신부 310: 데이터분류부
320: 패턴분석부 400: 정보표시부
410: 제어추천부
30: 추천모델부 40: 웹서비스부
50: 클라이언트 100: 자원정보수집부
110: 이벤트생성부 120: 제어관리부
200: 자원정보저장부 210: 이벤트정보부
220: 제어정보부 230: 모델저장부
300: 데이터수신부 310: 데이터분류부
320: 패턴분석부 400: 정보표시부
410: 제어추천부
Claims (6)
- 관제대상 장비의 자원성능정보를 수집하고, 임계치를 초과한 자원정보에 대해 이벤트를 생성하고, 장비별 이벤트 제어스크립트를 통해 관제대상을 제어하는 에이전트관리부;
상기 에이전트관리부로부터 수집된 자원정보와 이벤트 판단을 위한 이벤트 정보와 제어 기준 정보 및 제어실행이력 정보와 추천모델을 저장하는 데이터베이스부;
상기 데이터베이스부에 저장된 자원정보, 이벤트정보, 제어실행정보를 확인한 후, 협업필터링 알고리즘에 사용할 수 있는 제어추천모델을 설정하는 추천모델부;
상기 데이터베이스부로부터 모델정보를 가져와 정보를 설정하고 웹브라우저에 정보를 표시하는 웹서버부;를 포함하고,
상기 에이전트관리부는 관제대상의 장비종류를 분류하고, 지정된 수집주기에 맞춰 해당 장비의 자원값을 수집해 통계정보를 쌓는 자원정보수집부;
상기 자원정보수집부에서 수집한 자원이 지정된 일정 임계치를 넘었을 때 해당 자원에 이벤트가 발생한 것으로 판단해 이벤트를 생성하는 이벤트생성부;
이벤트 발생 시 제어관리를 위한 스크립트를 불러와 관제대상에 적용될 수 있도록 데이터를 전달 및 관리하는 제어관리부;를 포함하고,
상기 데이터베이스부는 상기 자원정보수집부에서 수집한 각 자원값의 정보를 저장하는 자원정보저장부;
이벤트 생성을 위한 임계치 정보 및 이벤트 생성 시 해당 이벤트의 정보를 저장하는 이벤트 정보부;
장비제어를 위한 각 장비별 이벤트 제어스크립트 정보를 포함하는 제어정보부;
상기 추천모델부에서 협업필터링알고리즘을 이용해 가공한 장비, 자원별 발생한 이벤트에 적합한 추천모델 데이터를 저장하는 모델저장부;를 포함하고,
상기 추천모델부는 상기 데이터베이스부로부터 모델저장부를 제외한 나머지 부에 저장된 정보를 전달받는 데이터 수신부;
상기 데이터 수신부에 저장된 데이터들을 장비, 자원, 이벤트 정보, 제어 정보로 분류하는 데이터 분류부;
상기 데이터 분류부에서 분류한 데이터들을 분석해 추천모델로 변환하는 패턴분석부;를 포함하고,
상기 웹서버부는 장비들의 성능 정보와 지정 기준에 따른 통계정보와 이벤트 정보를 표시하는 정보표시부;
사용자가 제어설정 진행 시 설정하고자 하는 장비와 자원의 종류에 따라 해당 이벤트 제어가 최초일 경우 상기 제어정보부에 저장된 자원에 매핑되어 있는 이벤트 제어 정보를 불러오고,
제어 이력이 있을 경우 상기 모델 저장부에서 유사도 높은 추천 제어를 불러와 사용자에게 제시하는 제어추천부;를 포함하는 것을 특징으로 하는 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 장치
- 삭제
- 제 1항에 있어서,
성능데이터를 수집하고, 관제대상에 대한 제어를 진행하고 추천모델을 구현하는 방법에 있어서,
에이전트관리부에서 관제대상으로부터 자원정보를 수집하는 단계;
수집한 자원정보 중 임계치를 넘어선 값에 대하여 이벤트를 생성하는 단계;
초기제어설정여부를 확인하고, 초기제어일 경우 해당 자원에 매핑된 기본제어설정을 불러오고, 제어이력이 있을 경우 추천된 제어를 불러오는 단계;
제어관리부를 통해 매핑된 제어스크립트를 실행하는 단계;
제어스크립트 실행을 통해 진행된 이력을 상기 데이터베이스부의 자원정보저장부, 이벤트정보부, 제어정보부에 저장하는 단계;
상기 데이터베이스부로부터 일 단위로 저장된 장비 종류, 자원 종류, 발생한 이벤트 정보, 진행된 제어 정보를 가져와 추천모델부에 입력하여 상기 데이터수신부에서 데이터를 취합하는 단계;
상기 데이터수신부에서 수신한 데이터를 상기 데이터분류부에서 장비별, 자원별, 이벤트별, 제어정보별로 각각 분류해 데이터 분류부 내부에 저장하는 단계;
상기 패턴분석부에서 입력된 제어 정보를 장비 및 자원 종류와 N:1(N은 1이상의 자연수)의 관계로 연결 관계를 맺고, 제어 정보가 N(N은 1 이상의 자연수)개 이상인 경우에 매핑된 횟수 순으로 제어정보를 추출하고 제어스크립트가 적용된 후 성능정보의 변화를 측정해 변화량에 따라 점수를 책정하고 진행된 결과를 하나의 추천모델로 생성하는 단계;
제어스크립트 실행은 매일 지정된 시간에 따라 동작하며, 산출한 결과를 상기 모델저장부에 저장하는 단계;를 포함하는 것을 특징으로 하는 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방법
- 제 1항에 있어서,
상기 제어추천부에서 협업필터링알고리즘을 통해 추천시스템이 동작하는 방법에 있어서,
상기 에이전트관리부에서 자원을 수집하고 임계치를 초과한 값에 대해서 이벤트를 생성하는 단계;
발생한 이벤트 정보가 상기 정보표시부를 통해 클라이언트에서 사용자에게 표시되고, 제어설정을 진행하는 단계;
상기 모델저장부로부터 저장된 추천모델들을 불러오는 단계;
협업필터링알고리즘을 이용해 발생한 이벤트의 장비, 자원정보와 상기 모델저장부로부터 불러온 추천모델과의 유사도를 분석하기 위해서 추천모델의 장비, 자원, 이벤트, 제어 정보를 발생한 이벤트의 장비, 자원 및 이벤트 그리고 제어가 필요한 정보와 비교한 후 발생한 이벤트와 장비정보가 유사하거나 같은 또는 자원정보가 유사하거나 같은 또는 제어에 필요한 정보가 유사하거나 같은 데이터모델을 추출하고, 모든 정보가 일치할 경우를 1순위로 하고, 일부 정보가 일치하는 경우를 2순위로 하여 관제대상장비 또는 다른 장비에 적용된 제어정보를 상기 패턴분석부에서 책정된 점수 및 적용된 횟수 순으로 추천모델을 정리하는 단계;
상기 정보표시부에서 상기 제어추천부로부터 사용자에게 추천할 추천모델을 불러와 해당하는 제어 항목에 대해 음영처리를 하고, 별도의 추천 아이콘을 함께 표기하는 단계;를 포함하는 것을 특징으로 하는 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 방법
- 제 1항에 있어서,
상기 제어관리부는 관제대상 장비의 종류에 따라 제어스크립트를 변환해서 전달하며, 장비 종류별 제어스크립트 전달 방법은 서버 장비의 경우 서버자동화, 네트워크 장비의 경우 SNMP, REST API 또는 장비 제조사별 스크립트, 시설장비 및 데이터베이스의 경우 REST API 방식을 이용하는 것;을 특징으로 하는 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 장치 및 방법
- 제 3항에 있어서,
상기 패턴분석부는 성능정보의 변화량에 따른 점수 책정 시 N(N은 1이상의 자연수) 이상의 점수를 부여하며, 제어스크립트 적용 후의 성능정보가 임계치보다 낮고 임계치와의 차이가 클수록 높은 점수를 부여하는 것;을 특징으로 하는 머신러닝을 이용한 빅데이터 기반의 IT인프라 이벤트 제어 장치 및 방법
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210122202A KR102509382B1 (ko) | 2021-09-14 | 2021-09-14 | 머신러닝을 이용한 빅데이터 기반의 it인프라 이벤트 제어 방안 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210122202A KR102509382B1 (ko) | 2021-09-14 | 2021-09-14 | 머신러닝을 이용한 빅데이터 기반의 it인프라 이벤트 제어 방안 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102509382B1 true KR102509382B1 (ko) | 2023-03-15 |
Family
ID=85642101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210122202A KR102509382B1 (ko) | 2021-09-14 | 2021-09-14 | 머신러닝을 이용한 빅데이터 기반의 it인프라 이벤트 제어 방안 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102509382B1 (ko) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150049541A (ko) * | 2013-10-30 | 2015-05-08 | 삼성에스디에스 주식회사 | 데이터 센터 장애 이벤트 관리 자동화 시스템 및 방법 |
KR20160007462A (ko) * | 2015-12-29 | 2016-01-20 | (주)와치텍 | 자원 템플릿 관리를 통한 자원 정보 관리 및 데이터 저장 시스템 |
KR20160132698A (ko) * | 2015-05-11 | 2016-11-21 | 삼성에스디에스 주식회사 | 지능형 시스템 진단 장치 및 방법 |
KR101892516B1 (ko) * | 2017-03-29 | 2018-10-04 | 주식회사 한국정보시스템 | 이기종 네트워크의 장애예측 방법, 장치 및 프로그램 |
KR102068622B1 (ko) * | 2019-03-14 | 2020-01-21 | 차수정 | 이기종 네트워크 보안시스템을 위한 빅데이타 분석기반의 지능형 장애예측 시스템 |
KR20210108340A (ko) * | 2021-08-12 | 2021-09-02 | (주)와치텍 | 언어학적 분석 기법을 이용한 it 인프라 장애 학습 및 분석 시스템 |
-
2021
- 2021-09-14 KR KR1020210122202A patent/KR102509382B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150049541A (ko) * | 2013-10-30 | 2015-05-08 | 삼성에스디에스 주식회사 | 데이터 센터 장애 이벤트 관리 자동화 시스템 및 방법 |
KR20160132698A (ko) * | 2015-05-11 | 2016-11-21 | 삼성에스디에스 주식회사 | 지능형 시스템 진단 장치 및 방법 |
KR20160007462A (ko) * | 2015-12-29 | 2016-01-20 | (주)와치텍 | 자원 템플릿 관리를 통한 자원 정보 관리 및 데이터 저장 시스템 |
KR101892516B1 (ko) * | 2017-03-29 | 2018-10-04 | 주식회사 한국정보시스템 | 이기종 네트워크의 장애예측 방법, 장치 및 프로그램 |
KR102068622B1 (ko) * | 2019-03-14 | 2020-01-21 | 차수정 | 이기종 네트워크 보안시스템을 위한 빅데이타 분석기반의 지능형 장애예측 시스템 |
KR20210108340A (ko) * | 2021-08-12 | 2021-09-02 | (주)와치텍 | 언어학적 분석 기법을 이용한 it 인프라 장애 학습 및 분석 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107196804B (zh) | 电力***终端通信接入网告警集中监控***及方法 | |
EP3889777A1 (en) | System and method for automating fault detection in multi-tenant environments | |
EP3798846B1 (en) | Operation and maintenance system and method | |
CN109615213B (zh) | 一种运维服务任务的智能分配方法及*** | |
US7840515B2 (en) | System architecture and process for automating intelligent surveillance center operations | |
US20230385034A1 (en) | Automated decision making using staged machine learning | |
CN109582301A (zh) | 基于任务调度***的业务处理方法、装置、设备及介质 | |
US20210182747A1 (en) | Digital fingerprint analysis | |
US20150066813A1 (en) | Outage window scheduler tool | |
CN113516244A (zh) | 一种智能运维方法、装置、电子设备及存储介质 | |
CN110059069A (zh) | 用于检测和预测目标***的行为的***和方法 | |
CN110895506A (zh) | 测试数据的构造方法和构造*** | |
CN114372105A (zh) | 基于etl工具实现***自动化巡检方法 | |
KR102509382B1 (ko) | 머신러닝을 이용한 빅데이터 기반의 it인프라 이벤트 제어 방안 | |
TWI706646B (zh) | 目標設備的預測方法、裝置、電子設備及儲存媒體 | |
CN103414717A (zh) | 一种关于c/s结构业务***的仿真监控方法和*** | |
CN104123317A (zh) | 基于知识库的业务组织评估分析方法 | |
US20230153651A1 (en) | Enterprise management system and execution method thereof | |
TWI639091B (zh) | Big data based automated analysis processing system | |
CN115794545A (zh) | 运维数据的自动化处理方法及其相关设备 | |
CN113835387A (zh) | 运维管理方法、***及介质 | |
US9229898B2 (en) | Causation isolation using a configuration item metric identified based on event classification | |
EP3082085A1 (en) | Methods and systems for adaptive and contextual collaboraiton in a network | |
CN112711508A (zh) | 面向大规模客户端***的智能运维服务*** | |
CN113434404B (zh) | 校验灾备***可靠性的自动化业务验证方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |