Áttekintés: trace analízis

Áttekintés: trace analízis

Algoritmus 1 – N-gramok felismerése

ha egy hosszabb s szekvenciahelyettesíteni tudja valamelyszülőjének α százalékát, akkoregy új s szekvenciát kell bevezetni mint (k+1)-gram

Cik az i-edik k-gram

f(s) mutatja, hogy a szekvencia hányszor jelenik meg a tanítóhalmazban

Egyszerű példa Bemenet: Trace-ek: ABC, CD, ABD, AB, CBD α = 0,7

k=1

A (3)B (3)C (2)D(2)

k=2

AB (3)BD(2)BC (1)CB(1) CD(1)

k=3

ABD(1)

Algoritmus 2 – Automata építés

L = a leghosszabb n-gram hossza

Teljes modellépítés példa• Three traces: ABCDE, CDEA, CDEBA

(capital letters are the components visited during the transaction)• Threshold: α = 0.6• Algorithm 1:(n-gram extraction)

• Algorithm 2:(automata construction)

Az x-szel jelöltek nem érik el az α küszöböt!

Hiba detektálása - ötlet1. szabály: a különféle n-gram halmazok közül mindig a hosszabb n-

gramokat tartalmazó halmazt választjuk2. szabály: az ugyanazon halmazban lévő n-gramok közül a

gyakoribbat válasszuk

Ötlet: egy trace elfogadható, ha

1. feltétel: a trace felvágható az 1. és 2. szabály szerint a meghatározott (Ca) halmazokban található n-gramokra

2. feltétel: ezen n-gramok átmenetei követik az automata átmeneteit (részhalmaz)

Algoritmus 3 - DetektálásCa azon n-gramok halmaza, amelyet tartalmaz az automataNa a Ca –ban lévő n-gramok száma

Példa - Detektálás

Bemeneti trace:

Automata:

Nincs ilyen n-gram Ca-ban

Nincs ilyen átmenet az automatában

Kísérleti értékelés• A kísérleteket a PetStore Java benchmark alkalmazással végezték, amely 27

Enterprise JavaBeanből (EJB) áll• A felhasználó viselkedést emulálták• Az ábra az összes N-gram számát

ill. a leghosszabb N-gram hosszát mutatja az α tűréshatár függvényében

Kísérleti értékelés II.• Az ábra az automaták méretét mutatja a különféle α tűréshatár értékek

függvényében • Összehasonlítva az előző ábrával: sok n-gramot nem használtunk fel az automata

építése során, különösen, amikor az α tűréshatár alacsony

Kísérleti értékelés III.• 30 hiba injektálása az EJB

tesztalkalmazásba• Az ábra a detektált, abnormális

trace-ek számát mutatja α szerint• α = 0.5…0.6 között a leghosszabb

n-gram hossza 50-ről 8-ra csökken,és a detektálás pontossága 26/30-ról 12/30-ra

• a hamis pozitívak aránya nagyon kicsi (~1), de az injektált hibák megváltoztathatják a belső állapotot, amelyek meghibásodást okozhatnak, amúgy nem hibás trace-ekben, amiket emiatt detektálhatunk

• ez a félrevezető detektálás nehezíti a hibakeresést, de nagyrészt eliminálhat, ha csak az időbélyeg szerinti első hibás trace-szel foglalkozunk

Bevezetés

Az AC egy rendszerszintű megközelítéso Automatizálás és felügyelhetőség a rendszer minden rétegébeno Federált, heterogén komponenensek kohezívan együttműködnek

Három alapvető elv szerint fejlődnek AC rendszereko szabályozástechnikao dinamikus tervkésztéso reflektív, self-aware rendszerek

Az autonomic computing (AC, autonóm informatika) az autonóm idegrendszert modellező rendszertervezési paradigma. A rendszer alapvető állapotváltozóiban bekövetkező változás a teljes rendszert viselkedését megváltoztató beavatkozást vált ki, amely biztosítja, hogy a rendszer egyensúlyi állapotba kerül a környezetével.

Az autonomic computing (AC, autonóm informatika) az autonóm idegrendszert modellező rendszertervezési paradigma. A rendszer alapvető állapotváltozóiban bekövetkező változás a teljes rendszert viselkedését megváltoztató beavatkozást vált ki, amely biztosítja, hogy a rendszer egyensúlyi állapotba kerül a környezetével.

Motivation for Autonomic Computing

• System Uncertainty– Very large scales– Ad hoc structures/behaviours

• p2p, hierarchical, …– Dynamic

• entities join, leave, change behaviour

– Heterogeneous• capability, connectivity,

reliability,– Lack of guarantees

• components, communication– Lack of common/complete

knowledge• number, type, location,

availability, connectivity, protocols, semantics

• Information Uncertainty– Availability, resolution, quality of

information– Devices capability, operation,

calibration– Trust in data, data models – Semantics

• Application Uncertainty– Dynamic behaviours

• space-time adaptivity– Dynamic and complex couplings

• multi-physics, multi-model, multi-resolution, ….

– Dynamic and complex (ad hoc, opportunistic) interactions

– Software/systems engineering issues

• Emergent rather than by design

Research directions

Self-* tulajdonságok• A self-* (ön*) tulajdonságok AC rendszerek

makroszkopikus tulajdonságai• Általában emergens tulajdonságok: a makroszkopikus

tulajdonság mikroszkopikus interakciók összességéből erednek

Önkonfiguráció - Self-configuration• Automatikus adaptáció a dinamikusan változó

környezethez• Belső adaptáció

o Komponensek hozzáadása vagy elvétele (software)

o Futás közbeni újrakonfiguráció• Külső adaptáció

o A globális infrastruktúra szerintsaját magát állítja be a rendszer

Belső állapot

Környezet

Öngyógyítás - Self-healing• Külső zavarás felismerése, diagnosztizálása és

szolgáltásmegszakítás nélküli kezelése• Autonóm problémafelismerés és

megoldás• A hibás komponenseket

o detektálni,o izolálni,o javítani,o újraintegrálni.

Hibás komponens

Önoptimalizáció - Self-optimization• Erőforrások automatikus monitorozása, hangolása,

felügyeleteoMűködés nem előre jelezhető körülmények közötto Erőforrás kihasználás maximalizálása

emberi beavatkozás nélkül• Dinamikus erőforrás allokáció és

terhelés menedzsmento Erőforrás: tárhely, adatbázis,

hálózato Példa: dinamikus szerver fürtök

Resourcemanagement

Önvédelem - Self-protection• Támadásokra való felkészülés, detekátlás,

azonosítás és védelemo Felhasználói hozzáférés

definiálása és felügyeleteminden erőforrásra

o Jogosulatlan hozzáférés ellenivédelem

Belső erőforrás

Külső erőforrás

Autonomic Element - AE•Az architektúra alapeleme a

•Felügyelt egységből• Adatbázis, alkalmazásszerver , stb

•És autonóm menedzserből álló Autonóm egység

• Feladatai:• A funkcionalitás nyújtása• Saját viselkedésének felügyelete a self-*

tulajdonságok alapján• Együttműködés más autonóm

egységekkel

Az autonóm egység

Managed Element

ES

Monitor

Analyze

Execute

Plan

Knowledge

Autonomic Manager

AE: Kölcsönhatások

•Kapcsolatok AE-k között:– Dinamikus, ideiglenes,

célorientált– Szabályok és kényszerek

definiálják– Egyezség által jön létre

• Ez lehet tárgyalás eredménye– Teljes spektrum

• Peer-to-peer• Hierarchikus

– Házirendek (policy) szabályozhatják

Önszervezés Az önszervezés

o alacsony szintű egységekben végrehajtott o dinamikus folyamatok összessége, amely soráno struktúra vagy rend jelenik meg o globális szinten.

Az önszervező viselkedést eredményező szabályokat (amelyek a kölcsönhatásokat meghatározzák) az AE-k csupán lokális információ alapján alkalmazzák

AC referencia architektúraRészben vagy teljesen automatizált folyamatok(pl. ITIL folyamatok)

Az AC rendszer által felügyelt erőforrások

IT építőelemek, és összekapcsolásukleírása

Építőelemek kombinálása tipikusforgatókönyvekké

Autonóm Kölcsönhatás