sios iq:機械学習 i t o a vmware仮想環境の性能問題の原因分析...

© SIOS Technology, Inc. All rights Reserved.

SIOS iQ：機械学習 ITOA

VMware仮想環境の性能問題の原因分析

〜迅速な問題解決と未然防止を実現〜

サイオステクノロジー株式会社


会社概要

2

社名サイオステクノロジー株式会社 (SIOS Technology, Inc.)

株式東京証券取引所第二部 (証券コード：3744)

本社東京都港区南麻布2-12-3 サイオスビル

設立 1997年5月23日

資本金 1,481百万円(2013年12月31日現在)

代表代表取締役社長喜多伸夫

従業員数連結387名 (2015年6月30日現在)

URL http://www.sios.com


サイオステクノロジーについて

3

サイオステクノロジーは、1997年の創業以来、Linuxに代表されるオープンソースソフトウェア（OSS）の開発と利用を軸に、OS（基本ソフトウェア）からWebアプリケーションソフトウェアにかかわる事業を推進し、情報システムのコスト削減に関する取り組みを推進しています。また、市場が拡大しつつあるクラウドコンピューティング分野でも、OSSの利活用を通じて、最先端のシステムを提供しています。

SIOS is Innovative Open Solutions


事業概要

4

事業継続事業

Red Hat事業

OSS事業

プロフェッショナルサービス事業

ITサービス/システム継続のための様々な要求に応える製品・サービスをご提供します。

Red Hat Enterprise LinuxやRed Hat JBoss Middlewareなどエンタープライズ向けに最適化されたオープンソースソリューションをRed Hat社とともにご提供します。

エンタープライズ向けOSSソリューションの製品販売をはじめ、OSSを活用した企業システムの構築や保守サポートをワンストップでご提供します。

クラウドサービス導入、ID統合管理システム、認証（SSO）システムの構築や保守サポート、ITコンサルティングサービスを提供します。


事業概要

5

BIG DATA事業

SIOS Applications事業

DirectorsGear事業

米国トレジャーデータ社が提供する大規模データ蓄積の為のクラウドサービスと周辺オープンソースソフトウェア群の導入支援サービスをご提供します。

複合機と連携し、ペーパーレスオフィスの推進、業務の効率化やスピードアップを実現するサイオス独自開発のアプリケーションをご提供します。

B2Bメディアプラットフォームをベースとした楽曲権利流通支援ビジネスとして、レコードレーベルから媒体関係者に対して発売前の新譜情報を配信するサービスや音源提供から放送局が保有するパッケージ検索・放送報告まで実施できる放送番組制作支援サービスをご提供します。

SIOS iQ 事業 VMware仮想環境の最適化、性能改善、問題の原因分析と未然防止のためのプラットフォームを提供します。


About SIOS iQ

6


SIOS iQが生まれた背景

7

仮想化のメリットが認知され、急速に普及柔軟性、俊敏性、TCOの削減

仮想化により、新たな課題の発生複雑さの増加、不可視な相互作用・相互依存関係

より高度な専門性と広範囲な知識が必要専門知識・専門家が不足、解析に時間がかかる

人手による解析の限界ビジネスの成長を支えるシステムでは、

深刻な課題

AppNW

Host

DB Sto

rag

e

VM


SIOS iQとは？

仮想環境で稼働するクリティカルなアプリケーションの「環境と性能の最適化」「問題の原因分析と予測」のためのプラットフォーム

機械学習搭載で、しきい値やポリシーを使わない

8

しきい値ポリシー

常態学習原因分析

アノマリ検出問題発生予測

パフォーマンス分析信頼性分析

効率性分析キャパシティ分析


エディション

9

VMware仮想環境をご利用のシステム

・開発環境・実験・評価用・ワークロードが安定・処理性能が要求されない

SIOS iQ Free Edition

SIOS iQ Standard Edition

・ミッション・クリティカル・ユーザやデータが急速に増加・新サービスのリリースが頻繁・高い安定性が要求される・高い処理性能が要求される・ピークの差が激しい


SIOS iQ：仮想環境分析プラットフォーム

サイロ化の壁を取り除く

サイロ化されたデータを集約し、正規化

全てのデータを時系列で蓄積

データ間の関連・依存関係、システムの振る舞いを分析

分析されたデータを学習し、ナレッジを蓄積

専門家集団が結集するよりも、速く・綿密に分析

行動可能な提案

分析するだけでなく、課題の解決策を導出し、提案

10

機械学習

時系列で関連性分析

サイロデータを収集し

正規化

ダッシュボード

アプリケーションコンピュートストレージネットワーク

C P U

メモリ

W EB

ERP

DB

アプリケーション監視

サーバ監視

ストレージ監視

ネットワーク監視


SIOS iQの特徴

機械学習により実現するシンプルさ学習結果に基づく分析により、閾値やポリシーを使わない

原因分析と提案

監視ツールと違い、問題の根本原因や具体的な改善策を提案

エージェント・レス情報収集用エージェントのインストールは不要

簡単セットアップ

SIOS iQは、OVA仮想マシン・イメージとして提供

24時間×365日、無停止連続学習・分析セットアップ完了後、直ちに情報収集・学習を開始

コンパクト

過去のデータは、要約・圧縮して保存 24時間→７日間→１ヶ月間→１年間

11


PERCダッシュボード

環境全体を俯瞰する統合ビュー

サービス品質や最適化の度合いを示す４つの指標

12


インテリジェンスに裏付けされたシンプルさ

限りなくシンプルなUIで、確認する必要がある事だけを確認するために、最適化されたビューを提供

13


指先ひとつでドリルダウン

14


問題発生箇所の特定

15


問題発生箇所の特定

16


全ての必要な情報をひとまとめに

17

・問題種別・問題の症状・問題検出レイヤ・発生・収束時刻・原因を作ったオブジェクト・推奨される対応策・影響を受けたオブジェクト・受けた影響の詳細・現象


SIOS iQ 3.0の主な機能

性能問題の原因分析と予測常態学習に基づいたアノマリ検出問題発生時の原因分析、問題発生予測

フラッシュ・リード・キャッシュの最適値分析システムの振る舞いを学習し、フラッシュ・ストレージなど

高速ローカルストレージへのキャッシュの設定値の最適値を分析し、設定値を提案

無駄なリソースの検出活動していない仮想マシンや仮想マシンに割り当てられた無

駄なリソースを検出し、浪費削減を提案

18

常態学習原因分析問題の未然防止

性能改善

リソース最適化

アノマリ検出


Inside SIOS iQ

19


機能ダイアグラム

Big Raw Data

Machine Learning

Analytics Engine

Knowledge

vGraph Solution

収集した生データをvGraphでノード間の相関関係をモデル化

目的に応じた機械学習アルゴリズムで分析し、知識として蓄積

目的に応じた分析アルゴリズムで、蓄積された知識とライブデータを分析


SIOS iQを支える３つの技術

• vGraph™グラフ理論 • システムの構成要素間の隠

れた関係性を自動検出 • 振る舞いと現象の関連捕捉

• 機械学習エンジン • 継続的なモニタと学習 • 常態の識別と異常の検出 • 知識の継続的な最適化 • 最適値の導出 • 変更のシミュレーション

• PERCダッシュボード • システム全体のサービスレ

ベルを鳥瞰できる統合ビューと詳細情報へのドリルダウン 21

機械学習エンジン

PERC ダッシュボード

vGraph™ グラフ理論


vGraph

環境から抽出した構成情報

各種IOの情報（時間・量・場所）

システムイベント

22

裏側の相関関係

インフラストラクチャ上のリソースをグラフのノードとし、それらの繋がりをエッジとして表現。静的な繋がりは、設定等を解析し、モデル化。動的な繋がりは、・ネットワークの通信内容・同時に発生したイベントや現象エラーログパフォーマンスの遅延などを解析し、モデル化。モデル化されたグラフからは、各種アルゴリズムを使用して、目的情報を抽出することができる。


機械学習

機械学習

vGraphによって抽出された情報を各種アルゴリズムで分析・蓄積

機械学習アルゴリズムの例 k-means（クラスタ化）：データのクラスタ化

SVM（境界線抽出）：グループ間の境界線を導き出す

Regression（回帰分析）：説明変数、目的変数、式の導出

分析

学習で蓄えた知識ベースを目的に応じて分析に使用

分析アルゴリズムの例 Mahalanobis

多変数間の相関に基づき、類似性によって、新たな標本と既知の標本との関係を明らかにする

23


vGraph Machine Learning

k-means SVM Regression etc

Training

normalization retention

Provider

Clusters Mahalanobis

Machine Learning Algorisms

Variety of Cluster

Definitions

Live Data

anomaly detection Anomaly

Analysis

異常検出(Anomaly Detection)の例


異常検出における閾値利用時との差

閾値による判定常態学習に基づくアノマリ検出

学習によって得た知識ライブ・データライブ・データ

判定結果の差異

閾値


アノマリー検出と原因分析・影響分析

アノマリー検出長期間にわたるモニタリングにより得られたデータを、

k-means法に代表される機械学習により、システムの通常運用時のサイクルで発生しうる状態を学習した上で、常態としてあり得ない数値や振る舞いを検出

原因からの影響分析アノマリーと検出された振る舞い（原因）が、インフラスト

ラクチャ上のどの要素に、どんな影響を及ぼしたかを分析症状からの原因分析

アノマリーと検出された症状（影響）が、インフラストラクチャ上のどの要素の振る舞いにより、発生したかを分析

26


SIOS iQ 3.0の性能問題検出機能

ストレージ性能

アプリケーション・ストレージ競合特定仮想マシンの異常な動作により、全体に影響

ストレージ競合

ストレージ故障の予兆、過度な数の仮想マシン

CPU/メモリ性能

アプリケーションのCPU/メモリ不足

特定仮想マシンの異常な動作により、全体に影響

物理ホスト・レベルのCPU/メモリ不足

過度な数の仮想マシンで、物理CPU/メモリ不足

アプリケーション・インパクト

仮想マシン・アプリケーションの異常な動作

27


フラッシュ・リード・キャッシュの最適値分析

課題キャッシュの設定に関する明確な指針が無い個々のシステムの設定値はネットでは調べられない

機能 vFRCや各種ベンダーが提供するRAMやローカル・フラッシュ・ス

トレージを使用したローカル・リードキャッシュの設定の最適値を提案

特長システムの振る舞いを観察・学習し、個々のシステムのキャッシュ

の最適な設定を導出具体的な設定値の提案と改善効果の予測

設定：対象仮想マシン、データストア、ストレージ、キャッシュサイズ、ブロックサイズ

予測：改善後のIOPS、レイテンシ、ヒット率の予測値

効果リードキャッシュの効果を最大化フラッシュストレージへの投資対効果を最大化

28


効率性分析

機能アイドルVMの検出

使用されていない仮想マシンを特定する無駄に多く割り当てられたリソースの検出（Coming

Soon）

不要なスナップショットの検出バックアップで取得されたスナップショットから、不要

なスナップショットを特定する

特長 24時間365日、休むことなく、システムの振る舞い

や通信内容を分析して、実際に使用されているか・いないかを分析

効果人手をかけずに的確に分析でき、既存ストレージを

有効活用

29


SIOS iQ 3.0の動作環境

SIOS iQ OVA（仮想マシン）の動作要件 4vCPU、16GBメモリ、132GBディスク

分析対象サポート環境

仮想化ソフトウエア・ハイパーバイザ VMware ESXi + vCenter

OS：VMwareでサポートされている任意のOS

クラウド IBM SoftLayer ベア・メタル・サーバ

ESXiとvCenterが必要

SoftLayer仮想サーバは、未サポート

※今後、順次、サポート範囲を拡大予定

30


ロードマップ

31

インテリジェンスに裏付けされたサンプルさのデモンストレーション

性能上の問題を解決

最適化プランニング支援問題の未然防止

2015年Q1 – SIOS iQ Freeview PERCダッシュボード

無駄な仮想マシン

不要バックアップ検出

2015年7月 – SIOS iQ Standard Edition 性能上の問題の検出

- 原因分析

ストレージ性能の最適化

- ホスト・キャッシュ分析

2015年第４四半期〜効率性 – 過度なリソース割り当て最適化

信頼性 – 回復性、弾力性の向上

キャパシティ – 予測、シミュレーション

www.sios.jp