KR20160081321A - It 인프라 품질 감시 시스템 및 방법 - Google Patents
It 인프라 품질 감시 시스템 및 방법 Download PDFInfo
- Publication number
- KR20160081321A KR20160081321A KR1020140194968A KR20140194968A KR20160081321A KR 20160081321 A KR20160081321 A KR 20160081321A KR 1020140194968 A KR1020140194968 A KR 1020140194968A KR 20140194968 A KR20140194968 A KR 20140194968A KR 20160081321 A KR20160081321 A KR 20160081321A
- Authority
- KR
- South Korea
- Prior art keywords
- infrastructure
- data
- time series
- central server
- series data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
본 발명은 IT 인프라 품질 감시 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 IT 인프라 품질 감시 시스템 및 방법에 관한 것이다.
Description
본 발명은 IT 인프라 품질 감시 시스템 및 방법에 관한 것으로서, 더욱 상세하게는, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 IT 인프라 품질 감시 시스템 및 방법에 관한 것이다.
최근 IT 인프라는 발전을 거듭하여 다양한 종류의 IT 인프라가 생겨나고 있으며 일반적으로 IT 인프라라고 하면 서버, 네트워크, 스토리지, 가상 인프라 등의 다양한 하드웨어와 소프트웨어를 포함하는 개념이다.
IT 인프라가 발달하면서 IT 인프라의 품질에 대한 중요성이 부각되고 있으며 IT 인프라 품질 감시는 IT 인프라에 대한 장애를 감지하여 신속한 진단 및 복구를 가능하게 하는 전 단계로서의 의미를 갖는다.
종래의 IT 인프라 품질 감시는 IT 인프라 시계열 데이터 현재 상태를 기반으로 하여 고정된 임계값과 통계적 감지 기법을 사용하여 왔으며 이에 따라 특정한 시점에서의 IT 인프라 상태만을 반영하는 방식이 주를 이루었다.
이러한 종래의 IT 인프라 품질 감시 방식에 의하면 최근의 변화된 IT 인프라에 대해서는 부적합할 수밖에 없는데 이는 IT 인프라가 대량의 IT 자원을 사용하고 있으며 짧은 시간에도 항상 변화하는 특성이 있어서 종래 기술에 따라 IT 인프라 품질을 감시한다면 발생한 장애와 품질 저하에 대한 신속한 진단이 곤란하기 때문이다.
IT 인프라에서의 품질 감시와 관련한 종래 기술로서, 한국공개특허 제10-2004-0035572호 '정보 인프라에서의 종합 침해 사고 대응 시스템 및 그 운영 방법' 등은 인터넷 네트워크에서 장애를 파악하고 복구하는 기술에 관해 개시하고 있으나, 이러한 기술 역시 현재의 고정적인 IT 인프라 상태 정보만을 반영하는 기술일 뿐, 미래 구간의 예측 데이터를 생성하여 이에 따라 미래 구간의 품질과 장애 여부를 예측할 수 있는 기술과는 거리가 멀었다.
본 발명이 해결하고자 하는 과제는, 상기 문제점을 극복하기 위한 것으로서, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 IT 인프라 품질 감시 시스템 및 방법을 제공하는 것이다.
본 발명은 IT 인프라 품질 감시 시스템에 관한 것으로서, IT 인프라로부터 IT 인프라 시계열 데이터를 수신하는 정보수신수단과, 수신한 시계열 데이터에 적합한 회귀 모델을 선정하고, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하며, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하고, 가공된 시계열 데이터로부터 패턴을 탐지하며, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하고, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 품질감시수단과, IT 인프라 품질 데이터를 관리자단말기로 제공하는 정보제공수단을 포함하는 중앙서버; IT 인프라 시계열 데이터를 상기 중앙서버로 전송하는 IT 인프라; 및 상기 중앙서버로부터 IT 인프라 품질 데이터를 제공받는 관리자단말기;를 포함한다.
이때, 상기 품질감시수단은, 가공된 시계열 데이터로부터 1차 패턴을 탐지하며, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하고, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 기능을 포함하는 것을 특징으로 한다.
또한 이때, 상기 중앙서버의 정보수신수단이 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고, 상기 중앙서버의 정보수신수단이 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 한다.
한편 본 발명은 IT 인프라 품질 감시 방법에 관한 것으로서, (A) 중앙서버가, IT 인프라로부터 IT 인프라 시계열 데이터를 수신하는 단계; (B) 상기 중앙서버가, 수신한 시계열 데이터에 적합한 회귀 모델을 선정하는 단계; (C) 상기 중앙서버가, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하는 단계; (D) 상기 중앙서버가, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하는 단계; (E) 상기 중앙서버가, 가공된 시계열 데이터로부터 패턴을 탐지하는 단계; (F) 상기 중앙서버가, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하는 단계; (G) 상기 중앙서버가, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 단계; 및 (H) 상기 중앙서버가, IT 인프라 품질 데이터를 관리자단말기로 제공하는 단계;를 포함한다.
이때, 상기 (E) 단계는, (E1) 상기 중앙서버가, 가공된 시계열 데이터로부터 1차 패턴을 탐지하는 단계; (E2) 상기 중앙서버가, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하는 단계; 및 (E3) 상기 중앙서버가, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 단계;를 포함하는 것을 특징으로 한다.
또한 이때, 상기 (A) 단계에서 상기 중앙서버가 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고, 상기 중앙서버가 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 한다.
본 발명에 따르면, IT 인프라에서의 장애 여부 예측과 품질 감시에 있어서 현재 데이터를 기반으로 미래 시계열 데이터를 예측하며 예측된 미래 시계열 데이터에 따라 임계값 도달 시점을 예측함으로써 미래의 IT 인프라 장애 여부와 장애 시점을 판단하여 지속적인 IT 인프라 품질 감시를 가능하게 함에 따라 IT 인프라에서의 장애를 사전에 회피할 수 있으며 장애가 발생하더라도 신속한 발생원인 진단과 정확한 복구를 할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템에 관한 전체 구성도.
도 2는 본 발명의 바람직한 실시 예에 따른 입력된 시계열 데이터의 일반화 처리 가공을 설명하기 위한 참고도.
도 3은 본 발명의 바람직한 실시 예에 따른 가공된 시계열 데이터로부터의 패턴 처리를 설명하기 위한 참고도.
도 4는 본 발명의 바람직한 실시 예에 따른 예측 데이터 생성을 설명하기 위한 참고도.
도 5는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관한 전체 흐름도.
도 2는 본 발명의 바람직한 실시 예에 따른 입력된 시계열 데이터의 일반화 처리 가공을 설명하기 위한 참고도.
도 3은 본 발명의 바람직한 실시 예에 따른 가공된 시계열 데이터로부터의 패턴 처리를 설명하기 위한 참고도.
도 4는 본 발명의 바람직한 실시 예에 따른 예측 데이터 생성을 설명하기 위한 참고도.
도 5는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관한 전체 흐름도.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하, 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템에 관해 도 1 내지 도 4를 참조하여 상세히 설명한다.
도 1은 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템에 관한 전체 구성도이며, 도 2는 본 발명의 바람직한 실시 예에 따른 입력된 시계열 데이터의 일반화 처리 가공을 설명하기 위한 참고도이고, 도 3은 본 발명의 바람직한 실시 예에 따른 가공된 시계열 데이터로부터의 패턴 처리를 설명하기 위한 참고도이며, 도 4는 본 발명의 바람직한 실시 예에 따른 예측 데이터 생성을 설명하기 위한 참고도이다.
본 발명의 바람직한 실시 예에 따른 품질 감시의 대상이 되는 IT 인프라는, 서버, 네트워크, 스토리지, 가상 인프라 등의 다양한 하드웨어와 소프트웨어를 포함하는 개념으로서 다양한 IT 인프라를 포함하는 것이나, 이하에서는 주로 가상 인프라를 상정하여 설명하기로 한다.
본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 시스템은, 중앙서버(100), IT 인프라(200) 및 관리자단말기(300)를 포함한다.
중앙서버(100)는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 서비스를 제공하는 회사의 서버로서, 정보수신수단(110), 품질감시수단(120) 및 정보제공수단(130)을 포함한다.
먼저, 정보수신수단(110)은 IT 인프라(200)로부터 IT 인프라 구성요소 시계열 데이터를 수신한다.
IT 인프라(200)가 가상 인프라인 경우, 정보수신수단(110)은 가상 인프라의 구성, 성능 데이터를 수집할 수 있으며 수집한 가상 인프라의 구성, 성능 데이터는 IT 인프라 구성요소 시계열 데이터에 포함될 수 있고, 가상 인프라의 구조는 다양할 수 있으며, 본 발명은 다양한 이 기종 IT 인프라에 대한 품질 감시를 지원할 수 있게 된다.
가상 인프라의 구성, 성능 데이터는, VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함할 수 있다.
더욱 구체적으로, VDI Layer 구성, 성능 데이터는, VDI 서비스를 구성하는 노드별 구성, 성능 데이터와, 노드 간의 연관 정보를 정의하는 데이터와, 각 구간별 성능 데이터 등이 있을 수 있다.
VM Layer 구성, 성능 데이터는, VM에 대한 구성, 성능 데이터와, VM과 Hypervisor 간의 연관 정보를 정의하는 데이터와, VM과 연관성을 갖는 Hypervisor에 대한 성능 데이터 등이 있을 수 있다.
Hypervisor Layer 구성, 성능 데이터는, 가상 인프라 종류별 Hypervisor에 대한 구성, 성능 데이터와, Hypervisor와 네트워크 및 스토리지 간의 연관 정보를 정의하는 데이터와, Hypervisor와 연관성을 갖는 네트워크 및 스토리지에 대한 성능 데이터 등이 있을 수 있다.
가상 인프라 네트워크 구성, 성능 데이터는, 가상 인프라를 구성하는 가상 네트워크에 대한 구성, 성능 데이터와, 가상 네트워크에 연결된 Hypervisor 데이터와, 가상 네트워크와 연관성을 갖는 Hypervisor에 대한 성능 데이터 등이 있을 수 있다.
가상 인프라 스토리지 구성, 성능 데이터는, 가상 인프라를 구성하는 가상 스토리지에 대한 구성, 성능 데이터와, 가상 스토리지에 연결된 Hypervisor 데이터와, 가상 스토리지와 연관성을 갖는 Hypervisor에 대한 성능 데이터 등이 있을 수 있다.
정보수신수단(110)이 지원하는 VDI 환경은 다양한 이 기종 환경이며, Citrix XenDesktop, VMware View 등 2개 이상의 이 기종 VDI 환경을 지원한다.
정보수신수단(110)이 지원하는 Hypervisor 환경은 다양한 이 기종 환경이며, XEN, KVM, RHEV, VMware vSphere, Microsoft Hyper-V 등의 x86 가상 인프라 3종 이상과, IBM PowerVM, HP VM 등의 유닉스 가상 인프라 2종 이상을 지원한다.
정보수신수단(110)이 지원하는 가상 인프라 스토리지는 다양한 이 기종 데이터베이스이며, RDBMS(관계형 데이터베이스) DB, NoSQL DB 등 2종 이상의 데이터베이스를 지원한다. 일반적으로 일반 클라우드 관제 소프트웨어는 RDBMS를 사용하며 빅데이터 소프트웨어는 NoSQL을 사용하는데, 본 발명에 따르면 이들을 융합하여 데이터를 처리할 수 있게 된다.
또한, 품질감시수단(120)은 수신한 시계열 데이터에 적합한 회귀 모델을 선정하고, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하며, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하고, 가공된 시계열 데이터로부터 패턴을 탐지하며, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하고, 생성된 예측 데이터로부터 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 분석한다.
구체적으로, 품질감시수단(120)은 특정한 IT 인프라 구성요소의 시계열 데이터를 입력받으면 입력받은 시계열 데이터를 특정한 회귀 모델과 매칭하여 그에 따라 시계열 데이터를 변환하는데, 회귀 모델의 종류로는 선형, 지수, 로그 모델 등이 있다.
변환한 시계열 데이터에 대해 잔차를 이용한 일반화 처리를 수행하는데, 도 2를 참조하면 변환한 시계열 데이터를 x, 회귀선을 f(x)라 하면 일반화 처리 과정은 f'(x)=x-f(x)로 표현할 수 있다.
일반화 처리 가공된 시계열 데이터로부터 반복적으로 나타나는 패턴을 탐지할 수 있으며, 구체적으로는 가공된 시계열 데이터로부터 1차 패턴을 탐지하며, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하고, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는데, 이를 도 3에 나타내었다.
가공된 시계열 데이터로부터 패턴이 감지되었으면, 선정된 회귀 모델과 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하는데, 선정된 회귀 모델을 미래 구간의 기저 데이터로 채택하며, 기저 데이터에 탐지된 패턴을 더하여 미래 구간의 예측 데이터를 생성하고, 이를 도 4에 나타내었다.
미래 구간의 예측 데이터를 분석하면, 미래 구간에서의 비정상 패턴을 파악함으로써 미래 구간에서의 장애 여부, 장애 발생 시점 등을 파악할 수 있으며, 이러한 정보들을 통해 미래 구간에서의 IT 인프라 품질 감시가 구현된다.
그리고 정보제공수단(130)은 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 관리자단말기(300)로 제공하며, 바람직하게는 IT 인프라 품질 데이터를 데이터 시각화하여 제공한다.
구체적으로, 정보제공수단(130)은, IT 인프라 품질 데이터에 대한 데이터 시각화를 수행하며 데이터 시각화 수행 결과를 관리자단말기(300)로 제공하고, 데이터 시각화는 예를 들어 플러그인 방식의 데이터 시각화 방식, 플러그인 방식의 분석 마법사 방식, HTML5 기반 반응형 웹 클라이언트 방식이 있을 수 있으며, 데이터 시각화 컴포넌트 개수는 10개 이상인 것이 바람직하다.
더욱 구체적으로, 정보제공수단(130)의 데이터 시각화 중 플러그인 방식의 데이터 시각화는, Gadget 기반 대시보드 구성, 데이터 시각화 컴포넌트 구성, 시각화 컴포넌트 설치, 가상 인프라 구조 간 맵핑 관계 수집 등을 수행한다.
다음으로, IT 인프라(200)는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시의 대상이 되는 인프라로서, 서버, 네트워크, 스토리지, 가상 인프라 등의 다양한 하드웨어와 소프트웨어를 총괄하는 개념이다.
IT 인프라(200)는 IT 인프라 구성요소 시계열 데이터를 중앙서버(100)로 전송한다.
마지막으로, 관리자단말기(300)는, 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 중앙서버(100)로부터 수신한다.
이하, 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관해 도 5를 참조하여 상세히 설명한다.
도 5는 본 발명의 바람직한 실시 예에 따른 IT 인프라 품질 감시 방법에 관한 전체 흐름도이다.
먼저, 도 5에 도시한 바와 같이, 중앙서버(100)가, IT 인프라(200)로부터 IT 인프라 구성요소 시계열 데이터를 수신한다(S10).
S10 단계에서 중앙서버(100)가 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함할 수 있다.
또한 S10 단계에서 중앙서버(100)가 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함할 수 있다.
다음으로, 중앙서버(100)가, 수신한 시계열 데이터에 적합한 회귀 모델을 선정한다(S20).
다음으로, 중앙서버(100)가, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환한다(S30).
다음으로, 중앙서버(100)가, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성한다(S40).
다음으로, 중앙서버(100)가, 가공된 시계열 데이터로부터 패턴을 탐지한다(S50).
S50 단계는, 중앙서버(100)가, 가공된 시계열 데이터로부터 1차 패턴을 탐지하는 단계와, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하는 단계와, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 단계를 포함할 수 있다.
다음으로, 중앙서버(100)가, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성한다(S60).
다음으로, 중앙서버(100)가, 생성된 예측 데이터로부터 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 분석한다(S70).
마지막으로, 중앙서버(100)가, 미래 구간에서의 장애 여부, 장애 발생 시점 등의 IT 인프라 품질 데이터를 관리자단말기(300)로 제공하며, 바람직하게는 IT 인프라 품질 데이터를 데이터 시각화하여 제공한다(S80).
S80 단계는, 중앙서버(100)가, 플러그인 방식의 데이터 시각화를 수행하는 단계를 포함하며, 플러그인 방식의 데이터 시각화 수행 단계는 Gadget 기반 대시보드 구성 단계, 데이터 시각화 컴포넌트 구성 단계, 시각화 컴포넌트 설치 단계, 및 가상 인프라 구조 간 맵핑 관계 수집 단계 등을 포함할 수 있다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다.
100 : 중앙서버 110 : 정보수신수단
120 : 품질감시수단 130 : 정보제공수단
200 : IT 인프라 300 : 관리자단말기
120 : 품질감시수단 130 : 정보제공수단
200 : IT 인프라 300 : 관리자단말기
Claims (6)
- IT 인프라 품질 감시 시스템에 있어서,
IT 인프라(200)로부터 IT 인프라 시계열 데이터를 수신하는 정보수신수단(110)과, 수신한 시계열 데이터에 적합한 회귀 모델을 선정하고, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하며, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하고, 가공된 시계열 데이터로부터 패턴을 탐지하며, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하고, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 품질감시수단(120)과, IT 인프라 품질 데이터를 관리자단말기(300)로 제공하는 정보제공수단(130)을 포함하는 중앙서버(100);
IT 인프라 시계열 데이터를 상기 중앙서버(100)로 전송하는 IT 인프라(200); 및
상기 중앙서버(100)로부터 IT 인프라 품질 데이터를 제공받는 관리자단말기(300);를 포함하는 IT 인프라 품질 감시 시스템.
- 제1항에 있어서,
상기 품질감시수단(120)은, 가공된 시계열 데이터로부터 1차 패턴을 탐지하며, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하고, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 기능을 포함하는 것을 특징으로 하는 IT 인프라 품질 감시 시스템.
- 제1항에 있어서,
상기 중앙서버(100)의 정보수신수단(110)이 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고,
상기 중앙서버(100)의 정보수신수단(110)이 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 하는 IT 인프라 품질 감시 시스템.
- IT 인프라 품질 감시 방법에 있어서,
(A) 중앙서버(100)가, IT 인프라(200)로부터 IT 인프라 시계열 데이터를 수신하는 단계;
(B) 상기 중앙서버(100)가, 수신한 시계열 데이터에 적합한 회귀 모델을 선정하는 단계;
(C) 상기 중앙서버(100)가, 선정한 회귀 모델에 따라 수신한 시계열 데이터를 변환하는 단계;
(D) 상기 중앙서버(100)가, 변환한 시계열 데이터로부터 잔차(Residual)를 이용한 일반화 처리를 수행함으로써 가공된 시계열 데이터를 생성하는 단계;
(E) 상기 중앙서버(100)가, 가공된 시계열 데이터로부터 패턴을 탐지하는 단계;
(F) 상기 중앙서버(100)가, 선정된 회귀 모델과 탐지된 패턴을 이용하여 가공된 시계열 데이터로부터 예측 데이터를 생성하는 단계;
(G) 상기 중앙서버(100)가, 생성된 예측 데이터로부터 IT 인프라 품질 데이터를 분석하는 단계; 및
(H) 상기 중앙서버(100)가, IT 인프라 품질 데이터를 관리자단말기(300)로 제공하는 단계;를 포함하는 IT 인프라 품질 감시 방법.
- 제4항에 있어서,
상기 (E) 단계는,
(E1) 상기 중앙서버(100)가, 가공된 시계열 데이터로부터 1차 패턴을 탐지하는 단계;
(E2) 상기 중앙서버(100)가, 전체 시계열 데이터에서 1차 패턴에 해당하는 타임 윈도우를 시프트하면서 각각의 상관 계수를 계산하는 단계; 및
(E3) 상기 중앙서버(100)가, 상관 계수가 최대인 1차 패턴을 최종 패턴으로 선정하는 단계;를 포함하는 것을 특징으로 하는 IT 인프라 품질 감시 방법.
- 제4항에 있어서,
상기 (A) 단계에서 상기 중앙서버(100)가 수신하는 IT 인프라 시계열 데이터는, 가상 인프라의 구성, 성능 데이터를 포함하며, 가상 인프라의 구성, 성능 데이터는 VDI Layer 구성, 성능 데이터와, VM Layer 구성, 성능 데이터와, Hypervisor Layer 구성, 성능 데이터와, 가상 인프라 네트워크 구성, 성능 데이터와, 가상 인프라 스토리지 구성, 성능 데이터를 포함하는 것을 특징으로 하고,
상기 중앙서버(100)가 가상 인프라의 구성, 성능 데이터 수집을 위해 지원하는 VDI 환경은 Citrix XenDesktop, 및 VMware View 환경을 포함하며, Hypervisor 환경은 XEN, KVM, RHEV, VMware vSphere, 및 Microsoft Hyper-V 환경과, IBM PowerVM, 및 HP VM 환경을 포함하고, 가상 인프라 스토리지는 RDBMS(관계형 데이터베이스) DB, 및 NoSQL DB를 포함하는 것을 특징으로 하는 IT 인프라 품질 감시 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140194968A KR101656012B1 (ko) | 2014-12-31 | 2014-12-31 | It 인프라 품질 감시 시스템 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140194968A KR101656012B1 (ko) | 2014-12-31 | 2014-12-31 | It 인프라 품질 감시 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160081321A true KR20160081321A (ko) | 2016-07-08 |
KR101656012B1 KR101656012B1 (ko) | 2016-09-08 |
Family
ID=56503577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140194968A KR101656012B1 (ko) | 2014-12-31 | 2014-12-31 | It 인프라 품질 감시 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101656012B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468022A (zh) * | 2021-07-01 | 2021-10-01 | 丁鹤 | 一种对产品集中监控的自动化运维方法 |
WO2022211305A1 (ko) * | 2021-04-02 | 2022-10-06 | 삼성전자주식회사 | 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치 |
US11936542B2 (en) | 2021-04-02 | 2024-03-19 | Samsung Electronics Co., Ltd. | Method of solving problem of network and apparatus for performing the same |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102345949B1 (ko) | 2020-03-17 | 2021-12-31 | (주)나래데이터 | It 인프라 시스템 추천 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080044508A (ko) * | 2006-11-16 | 2008-05-21 | 삼성에스디에스 주식회사 | 통계적인 분석을 이용한 성능장애 관리시스템 및 그 방법 |
-
2014
- 2014-12-31 KR KR1020140194968A patent/KR101656012B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080044508A (ko) * | 2006-11-16 | 2008-05-21 | 삼성에스디에스 주식회사 | 통계적인 분석을 이용한 성능장애 관리시스템 및 그 방법 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022211305A1 (ko) * | 2021-04-02 | 2022-10-06 | 삼성전자주식회사 | 네트워크의 문제 해결 방법 및 그 방법을 수행하는 전자 장치 |
US11936542B2 (en) | 2021-04-02 | 2024-03-19 | Samsung Electronics Co., Ltd. | Method of solving problem of network and apparatus for performing the same |
CN113468022A (zh) * | 2021-07-01 | 2021-10-01 | 丁鹤 | 一种对产品集中监控的自动化运维方法 |
CN113468022B (zh) * | 2021-07-01 | 2024-02-09 | 丁鹤 | 一种对产品集中监控的自动化运维方法 |
Also Published As
Publication number | Publication date |
---|---|
KR101656012B1 (ko) | 2016-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10462027B2 (en) | Cloud network stability | |
US20180174062A1 (en) | Root cause analysis for sequences of datacenter states | |
US9729401B2 (en) | Automatic remediation of poor-performing virtual machines for scalable applications | |
KR20190070659A (ko) | 컨테이너 기반의 자원 할당을 지원하는 클라우드 컴퓨팅 장치 및 방법 | |
US11138058B2 (en) | Hierarchical fault determination in an application performance management system | |
US20170294112A1 (en) | Alarm causality templates for network function virtualization | |
JP2017050715A (ja) | ネットワーク監視システム、ネットワーク監視方法およびプログラム | |
KR101656012B1 (ko) | It 인프라 품질 감시 시스템 및 방법 | |
KR20180068002A (ko) | 빅데이터 기반의 클라우드 인프라 실시간 분석 시스템 및 그 제공방법 | |
JP6572795B2 (ja) | 解析装置及び解析プログラム | |
US20180174072A1 (en) | Method and system for predicting future states of a datacenter | |
US20150019722A1 (en) | Determining, managing and deploying an application topology in a virtual environment | |
JP2020052714A5 (ko) | ||
US20240223436A1 (en) | Automated cross-service diagnostics for large scale infrastructure cloud service providers | |
WO2018202440A1 (en) | Data transmission method and apparatus | |
JP2016146020A (ja) | データ分析システム及び分析方法 | |
US11410049B2 (en) | Cognitive methods and systems for responding to computing system incidents | |
US20160112285A1 (en) | Apparatus and method for detecting abnormal connection | |
US20210377129A1 (en) | Network building apparatus, network building method, non-transitory computer readable medium storing program | |
US20210243069A1 (en) | Alert correlating using sequence model with topology reinforcement systems and methods | |
WO2017154763A1 (ja) | 変更手順生成装置、変更手順生成方法および変更手順生成プログラムを記憶する記憶媒体 | |
US11388038B2 (en) | Operation device and operation method | |
WO2017018435A1 (ja) | リソース監視装置、仮想ネットワークファンクション管理システム、リソース監視方法及びプログラム | |
JP7215574B2 (ja) | 監視システム、監視方法及びプログラム | |
US10805180B2 (en) | Enterprise cloud usage and alerting system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20190806 Year of fee payment: 4 |
|
R401 | Registration of restoration |