大規模ネットワークログの事前障害検出学習生成パターン

KIMURA Tatsuaki; WATANABE Akio; TOYONO Tsuyoshi; ISHIBASHI Keisuke

文献

J-GLOBAL ID：201902228848151085 整理番号：19A0610504

大規模ネットワークログの事前障害検出学習生成パターン

Proactive Failure Detection Learning Generation Patterns of Large-Scale Network Logs

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A0610504&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A0610504&from=J-GLOBAL&jstjournalNo=U0467A") }}

著者 (4件)： , , ,
資料名：
巻： E102.B 号： 2 ページ： 306-316(J-STAGE) 発行年： 2019年
JST資料番号： U0467A ISSN： 1745-1345 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：英語 (EN)

最近のキャリアグレードネットワークは,より高い品質とより高い信頼性を要求するさまざまなネットワークベースのサービス(ビデオオンデマンド,オンラインゲームなど)のために多くのネットワーク要素(スイッチ,ルータ)とサーバを使用している。ルータのシステムログのような,これらの要素から生成されたネットワークログデータは,重大な障害の兆候を迅速に検出してサービス品質を維持するための豊富な情報源である。しかし,ログデータには,非構造化フォーマットで書かれた多数のテキストメッセージが含まれ,さまざまな種類のネットワークイベント(オペレータのログイン,リンクダウンなど)が含まれており,したがって,ネットワーク操作にとって本当に重要なログメッセージを自動的に見つけることは困難である。大規模ネットワーク向けの事前障害検出システムを提案する。これは,使用されているデータフォーマットに関する予備知識がなくても,大量のデータから異常なパターンのログメッセージを自動的に検出し,重大な障害が発生する前に検出できる。非構造化ログメッセージを処理するために,システムはログメッセージのフォーマットを自動的に抽出するためのオンラインログテンプレート抽出パートを持っている。テンプレート抽出後,システムは教師付き機械学習に基づく重大障害の前に現れたログデータと重大障害を関連付ける。各ログメッセージをログテンプレートと関連付けることで,ログメッセージ内のキーワードだけでなく,バースト性などのログメッセージの生成パターン(ERROR,FAILなど)を特徴付けることができる。大規模な実稼働ネットワークから収集された実際のログデータを使用してシステムを検証し,ケーススタディを通じてネットワーク機器の実際の障害の兆候を検出する際にシステムを評価した。(翻訳著者抄録)

, , , , , , , , ,
, , , , , ,

著者キーワード (4件)： , , ,

通信網 , 人工知能

引用文献 (44件)：

[1] R. Gerhards, “The syslog protocol,” RFC 5424, 2009. http://tools.ietf.org/html/rfc5424
[2] CA Spectrum. http://www.ca.com/us/root-cause-analysis.aspx
[3] HP Software. http://www8.hp.com/us/en/software/enterprise-software.html
[4] IBM Tivoli. http://www-01.ibm.com/software/tivoli
[5] Logentries. http://ogentries.com

, , ,

前のページに戻る