1 / 23

Áttekintés: trace analízis

Áttekintés: trace analízis. Algoritmus 1 – N-gramok felismerése. C i k az i -edik k -gram f(s) mutatja, hogy a szekvencia hányszor jelenik meg a tanítóhalmazban. ha egy hosszabb s szekvencia

cachet
Download Presentation

Áttekintés: trace analízis

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Áttekintés: trace analízis

  2. Algoritmus 1 – N-gramok felismerése Cikazi-edikk-gram f(s) mutatja, hogy a szekvencia hányszor jelenik meg a tanítóhalmazban ha egy hosszabbsszekvencia helyettesíteni tudja valamelyszülőjének α százalékát, akkoregy új s szekvenciát kell bevezetni mint (k+1)-gram

  3. 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)

  4. Algoritmus 2 – Automata építés L = a leghosszabb n-gram hossza

  5. 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!

  6. Hiba detektálása - ötlet 1. szabály: a különféle n-gram halmazok közül mindig a hosszabb n-gramokat tartalmazó halmazt választjuk 2. szabály: az ugyanazon halmazban lévő n-gramok közül a gyakoribbat válasszuk Ötlet: egy trace elfogadható, ha • feltétel: a trace felvágható az 1. és 2. szabály szerint a meghatározott (Ca) halmazokban található n-gramokra • feltétel: ezen n-gramok átmenetei követik az automata átmeneteit (részhalmaz)

  7. Algoritmus 3 - Detektálás Caazon n-gramok halmaza, amelyet tartalmaz az automata Na aCa–ban lévő n-gramok száma

  8. Példa - Detektálás Bemeneti trace: Nincs ilyen n-gram Ca-ban Nincs ilyen átmenet az automatában Automata:

  9. 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

  10. 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 αtűréshatár alacsony

  11. 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

  12. Bevezetés • Az AC egy rendszerszintű megközelítés • Automatizálás és felügyelhetőség a rendszer minden rétegében • Federált, heterogén komponenensekkohezívan együttműködnek • Három alapvető elv szerint fejlődnek AC rendszerek • szabályozástechnika • dinamikus tervkésztés • reflektív, self-aware rendszerek Azautonomic 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.

  13. Motivation for Autonomic Computing Research directions • 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

  14. Self-* tulajdonságok • A self-* (ön*) tulajdonságok AC rendszerek makroszkopikus tulajdonságai • Általában emergens tulajdonságok: a makroszkopikus tulajdonság mikroszkopikus interakciók összességéből erednek

  15. Önkonfiguráció - Self-configuration • Automatikus adaptáció a dinamikusan változó környezethez • Belső adaptáció • Komponensek hozzáadása vagy elvétele (software) • Futás közbeni újrakonfiguráció • Külső adaptáció • A globális infrastruktúra szerintsaját magát állítja be a rendszer Belső állapot Környezet

  16. Öngyógyítás - Self-healing • Külső zavarás felismerése, diagnosztizálása és szolgáltásmegszakítás nélküli kezelése • Autonóm problémafelismerés és megoldás • A hibás komponenseket • detektálni, • izolálni, • javítani, • újraintegrálni. Hibás komponens

  17. Önoptimalizáció - Self-optimization • Erőforrásokautomatikus monitorozása, hangolása, felügyelete • Működés nem előre jelezhető körülmények között • Erőforrás kihasználás maximalizálásaemberi beavatkozás nélkül • Dinamikus erőforrás allokáció ésterhelés menedzsment • Erőforrás: tárhely, adatbázis, hálózat • Példa: dinamikus szerver fürtök Resourcemanagement

  18. Önvédelem - Self-protection • Támadásokra való felkészülés, detekátlás, azonosítás és védelem • Felhasználói hozzáférés definiálása és felügyeleteminden erőforrásra • Jogosulatlan hozzáférés ellenivédelem Belső erőforrás Külső erőforrás

  19. Autonomic Element - AE Autonomic Manager Analyze Plan Monitor Execute Knowledge Managed Element S E • 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

  20. 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

  21. Önszervezés • Az önszervezés • alacsony szintű egységekben végrehajtott • dinamikus folyamatok összessége, amely során • struktúra vagy rend jelenik meg • globális szinten. • Az önszervező viselkedést eredményező szabályokat (amelyek a kölcsönhatásokat meghatározzák) az AE-k csupán lokális információ alapján alkalmazzák

  22. AC referencia architektúra Részben vagy teljesen automatizált folyamatok(pl. ITIL folyamatok) Építőelemek kombinálása tipikusforgatókönyvekké IT építőelemek, és összekapcsolásukleírása Az AC rendszer által felügyelt erőforrások

  23. Autonóm Kölcsönhatás

More Related