Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Proactive Failure Detection Learning Generation Patterns of Large-Scale Network Logs Corak Penjanaan Pembelajaran Pengesanan Kegagalan Proaktif Log Rangkaian Berskala Besar

Tatsuaki KIMURA, Akio WATANABE, Tsuyoshi TOYONO, Keisuke ISHIBASHI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Rangkaian gred pembawa terkini menggunakan banyak elemen rangkaian (suis, penghala) dan pelayan untuk pelbagai perkhidmatan berasaskan rangkaian (cth, video atas permintaan, permainan dalam talian) yang menuntut kualiti yang lebih tinggi dan kebolehpercayaan yang lebih baik. Data log rangkaian yang dijana daripada elemen ini, seperti syslog penghala, adalah sumber yang kaya untuk mengesan tanda-tanda kegagalan kritikal untuk mengekalkan kualiti perkhidmatan dengan cepat. Walau bagaimanapun, data log mengandungi sejumlah besar mesej teks yang ditulis dalam format tidak berstruktur dan mengandungi pelbagai jenis acara rangkaian (cth, log masuk pengendali, pautan ke bawah); oleh itu, mesej log yang benar-benar penting untuk operasi rangkaian sukar dicari secara automatik. Kami mencadangkan sistem pengesanan kegagalan proaktif untuk rangkaian berskala besar. Ia secara automatik mencari corak abnormal mesej log daripada sejumlah besar data tanpa memerlukan pengetahuan sebelumnya tentang format data yang digunakan dan boleh mengesan kegagalan kritikal sebelum ia berlaku. Untuk mengendalikan mesej log tidak berstruktur, sistem mempunyai pengekstrakan templat log dalam talian bahagian untuk mengekstrak format mesej log secara automatik. Selepas pengekstrakan templat, sistem mengaitkan kegagalan kritikal dengan data log yang muncul di hadapannya berdasarkan pembelajaran mesin yang diselia. Dengan mengaitkan setiap mesej log dengan templat log, kita boleh mencirikan corak penjanaan mesej log, seperti pecah, bukan hanya kata kunci dalam mesej log (cth ERROR, FAIL). Kami menggunakan data log sebenar yang dikumpul daripada rangkaian pengeluaran yang besar untuk mengesahkan sistem kami dan menilai sistem dalam mengesan tanda-tanda kegagalan sebenar peralatan rangkaian melalui kajian kes.

Jawatankuasa
IEICE TRANSACTIONS on Communications Vol.E102-B No.2 pp.306-316
Tarikh penerbitan
2019/02/01
Diumumkan
2018/08/13
ISSN dalam talian
1745-1345
DOI
10.1587/transcom.2018EBP3103
Jenis Manuskrip
PAPER
kategori
Pengurusan/Operasi Rangkaian

Pengarang

Tatsuaki KIMURA
  NTT Corporation
Akio WATANABE
  NTT Corporation
Tsuyoshi TOYONO
  NTT Corporation
Keisuke ISHIBASHI
  NTT Corporation

Kata kunci

Contents [show]