ペイジアンネットワークを利用した大規模計算機ネットワークにおける障害診断手法の提案と予備評価

摘要

For the past network which had comparatively low speed links and simple structure, we could identify the cause of system failure by checking every network device and link. However, it is difficult to find the failure in complicated network, since checking every device and link takes a lot of cost. Therefore, the detection method of the failure from less information is required. This report proposes the system diagnosis technique that estimates congestion probability from the information of bursty traffic by using Bayesian Network. In addition, simulation results in large-scale computer network are shown. The technique predicted all link congestion under the same condition as the learning data. However, it didn't predict link congestion under the different condition from the learning data. In case of a unpredicted condition, the prediction of congestion can be achieved by using the independence of the occurrence probability of burst.%従来，ネットワークは比較的低速かつ単純な構造であったため障害発生時に全てのネットワーク機器やリンクを確認することで障害の原因を特定することができた.近年のネットワークの複雑化に伴い，これらの確認に要するコストが増大し，全ての箇所の手作業による確認は困難となっている.そこで，より少ない情報から障害の原因を特定し障害対策を行うことが求められている.本報告では，ペイジアンネットワークを用いてトラフィックのバースト情報からリンクの輻輳確率を推定する手法を提案し，大規模ネットワークにおいていくつかの条件でシミュレーションを行った.このうち学習データと同じ条件では輻輳を予測することができたが，学習データがない条件では予測ができない場合があった.予測できなかった条件ではバースト生起確率の独立性を利用して予測を修正することができた.