МОДЕЛИ И МЕТОДЫ ПРОАКТИВНОГО МОНИТОРИНГА ИТ-СИСТЕМ

Высокая стоимость ИТ-систем организаций и значительные потери от незапланированных простоев, вызванных сбоями в подобных системах, обуславливают актуальность поиска новых подходов к мониторингу. Наиболее совершенным является проактивный подход к мониторингу, который направлен не только на регулярную проверку состояния объектов мониторинга и реагирование на инциденты, но и на прогнозирование возможных аварийных ситуаций на ранней стадии. Данная статья направлена на исследование моделей и методов проактивного мониторинга ИТ-систем. Основная задача проактивного мониторинга сводится к задаче прогнозирования временных рядов с учетом внешних факторов. Для раскрытия исследуемого процесса рассмотрена классификация моделей прогнозирования временных рядов и произведен обзор современных работ, посвященных моделям и методам прогнозирования работоспособности различных компонентов ИТ-инфраструктуры. Проведенный анализ показал, что не существует обобщенной модели, позволяющей решать любую поставленную задачу прогнозирования состояния ИТ-систем. Процесс реализации модели и соответствующего метода должен базироваться на возможностях выбранных классов моделей и требованиях к решению задачи. В процессе обзора сформулирован ряд предложений, которые позволят повысить эффективность проактивного мониторинга и качество модели прогнозирования. Проведение комплексного мониторинга компонентов ИТ-системы позволяет проанализировать корневые причины, которые приводят к неработоспособному состоянию системы. Для корректного выявления пороговых значений работоспособного состояния объектов необходимо использовать «динамические пороги». Прогнозирование состояния объектов мониторинга на несколько шагов вперед является актуальным вопросом для распределенной ИТ-системы.

1. Ардентов А. А., Московский А. А., Первин А. Ю., Стоцкий М. В. Алгоритмы прогнозирования аппаратных сбоев в системе мониторинга кластерных установок // XII научно-практическая конференция университета города Переславля. – 2008. № 6 – С. 84- 95.

2. Бокс Дж., Анализ временных рядов, прогноз и управление. / Дж. Бокс. Г.М.Дженкинс. – М.: Мир, 1974. – 406 с.

3. Петраков В. А., Богачев Д. Н. Применение нейронных сетей в мониторинге вычислительных центров // Известия Южного федерального университета. Технические науки. – 2009. № 2. С. 82- 87.

4. Саенко И. Б., Скорик Ф. А., Котенко И. В. Мониторинг и прогнозирование состояния компьютерных сетей на основе применения гибридных нейронных сетей //Известия высших учебных заведений. Приборостроение. – 2016. – Т. 59. – №. 10.

5. Ролик А.И., Тимофеева Ю.С., Турский Н.И. Управление устранением неисправностей в ИТ-системах // Вестник НТУУ «КПИ». Информатика, управление и вычислительная техника. – 2008. № 49. С. 95-108.

6. Тихонов, Э.Е. Прогнозирование в условиях рынка. / Э.Е. Тихонов. – Невинномысск, 2006. – 221 с.

7. Трухачев А.А., Ивкина Е.А. Применение методики прогнозирования масштабируемости для построения систем высокой доступности на основе СУБД Oracle // Спецтехника и связь. 2011. №6.

8. Федоров Е. Е., Аль-Абабнех Х. А., Альрабаба Х. Метод прогноза производительности серверных компьютерных систем //Наукові праці Донецького національного технічного університету. Серія: Інформатика, кібернетика та обчислювальна техніка. – 2015. – №. 1. – С. 52-58.

9. Чучуева И. А. Модель прогнозирования временных рядов по выборке максимального подобия //Москва. – 2012.

10. Шелупанов А.А., Исхаков С.Ю., Тимченко С.В. Прогнозирование в системе мониторинга локальных сетей // Доклады Томского государственного университета систем управления и радиоэлектроники– 2012. № 1-2 – С. 100-103.

11. Alexander La rosa. Root Cause Analysis and Monitoring Tools: A Perfect Match. [Электронный ресурс] – Режим доступа: URL: https://blog.pandorafms.org/root-cause-analysis/ (Дата обращения: 24.01.2018)

12. Kothamasu R., Huang S. H., VerDuin W. H. System health monitoring and prognostics—a review of current paradigms and practices //The International Journal of Advanced Manufacturing Technology. – 2006. – Т. 28. – №. 9-10. – С. 1012-1024.

13. .Rodd S. F., Kulkarni U. P. Adaptive tuning algorithm for performance tuning of database management system //arXiv preprint arXiv:1005.0972. – 2010.

14. Sahoo R. K. et al. Critical event prediction for proactive management in large-scale computer clusters //Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining. – ACM, 2003. – С. 426-435.