Integration von Anomalienerkennung in einem Kontrollzentrum für Softwarelandschaften

Mannstedt, Kim Christian (2015) Integration von Anomalienerkennung in einem Kontrollzentrum für Softwarelandschaften (Bachelor thesis), Kiel University, Kiel, Germany, 53 pp

[img]
Preview
Text
bsc_kcm_thesis.pdf - Published Version

Download (1875Kb) | Preview

Abstract

Diese Bachelorarbeit wird im Rahmen des Moduls „Abschlussprojekt - Software Engineering
für parallele und verteilte Systeme“mit dem Thema „Kontrollzentrumintegration“
geschrieben. Das Kontrollzentrum besteht dabei aus vier Ansichten: Die erste Ansicht
ist die Symptons View, in der Anomalien erkannt werden, gefolgt von der Diagnosis View,
welche sich mit der Ursachenerkennung beschäftigt. Anschließend folgt die Planning View,
in der ein Plan entworfen wird, um die Anomalie zu beheben. Abschließend folgt die
Execution View, in welcher der ausgearbeitete Plan umgesetzt wird.
Das Ziel der Bachelorarbeit besteht darin, eine Erkennung von Anomalien zu entwickeln.
Es wird also die Datengrundlage für die Symptons View des Kontrollzentrums entwickelt.
Unter einer Anomalie versteht man dabei das Fehlverhalten eines Programms oder einer
Datenbank, was unter Umständen zu weiteren Fehlern, zum Beispiel in anderen Programmen,
führt. Dabei unterscheidet man zwischen Punkt-, Kontext- und Kollektivanomalien.

Im weiteren Verlauf wird ein alternativer Vorhersagealgorithmus entwickelt, welcher
durch eine von drei Gewichtungen die nächste Antwortzeit vorausberechnet. Dieser Algorithmus
wird von der Anomalienerkennung genutzt, um eine auftretene Anomalie zu
erkennen. Dieser Vorhersagealgorithmus wird evaluiert und mit den anderen Vorhersagealgorithmen
der Anomalienerkennung hinsichtlich der Berechnung von Anomaliewerten
verglichen. Die Ergebnisse dieser Evaluation sind, dass der alternative Algorithmus, wie die
anderen Algorithmen der Anomalienerkennung, sowohl Punkt- als auch Kontextanomalien
erkennt. Bei Kollektivanomalien kommt es auf die Dauer sowie der gewählten Gewichtung
des alternativen Vorhersagealgorithmus an.

Document Type: Thesis (Bachelor thesis)
Thesis Advisors: Hasselbring, Wilhelm and Fittkau, Florian
Research affiliation: Kiel University > Software Engineering
Projects: ExplorViz
Date Deposited: 30 Mar 2015 13:13
Last Modified: 30 Mar 2015 13:13
URI: http://eprints.uni-kiel.de/id/eprint/28391

Actions (login required)

View Item View Item

Document Downloads

More statistics for this item...