「AIOps」の肝 システム運用における機械学習の活用法【前編】
システム障害のよくある原因と、トラブル対処に使える「機械学習モデル」一覧
インシデント対処の質向上とコスト削減を図るための選択肢として、機械学習が注目されている。どのような問題に対して、どのような機械学習の手法が有効なのだろうか。
機械学習などのAI(人工知能)技術は、データを生かすことでビジネスの成長を促す原動力となる。ただし問題もある。インフラやアプリケーションに障害が発生した場合、IT部門や開発チームが手動で対処するのは非常に困難になってしまうことだ。アプリケーションの重要度が高いほど、システム障害が発生した場合の財務面での影響も大きくなる。
こうして手作業によるインシデントへの対処が難しくなる場合にも、機械学習を活用することが有効だ。障害の問題特定や解決を自律化できるようになる。ここでは、システム障害の原因になり得る問題と、その解決に使える機械学習モデルをみてみよう。
機械学習を使ったインシデント管理
インシデントの解決に機械学習を用いることは、AI技術を活用したシステム運用管理「AIOps」(AI for IT Operations)の運用手法として位置付けられる。AIOpsのタスクとしては、イベントやログを分析・監視する「イベント相関」や、障害に対処するための「インシデント管理」などがある。
これらのタスクが組み込まれた機械学習モデルを、アプリケーションやセキュリティ対策に共通するリポジトリ(保管場所)と連動させることで、問題の特定や修正にかかる時間を大幅に短縮することができる。機械学習モデルは対象分野の経験が浅いスタッフでも使用することができるため、インシデント対処の質を平準化することが可能だ。
システム障害の原因と、機械学習によるアプローチ
アプリケーションが停止する原因は多岐にわたる。よくある原因は下記の通りだ。
- 設定変更
- ソフトウェアのアップデート
- 機器の故障
- ネットワークの輻輳(ふくそう)
- 標的のシステムに大量のアクセスを集中させる「DDoS攻撃」(分散型サービス拒否攻撃)
- 不正アクセスによるデータやシステムの侵害
これらの原因の解決方法は、幾つかのカテゴリーに分類できる。
- データのクラスタリングと相関関係の把握
- 類似の事象を関連付け、原因と結果を結び付ける。例えば、不適切なルーティング設定がネットワーク停止を引き起こすこと。
- アノマリー検知
- システム稼働の正常なパターンを基に、それと乖離(かいり)した状態を検知する。
- 曲線あてはめと予測
- 統計的手法と機械学習による予測を組み合わせた手法を用いる。
- 深層学習(ディープラーニング)
- 脳のニューラルネットワークを模した数理モデルでシステム運用のデータを学習し、分析する。
活用可能な機械学習の手法
インシデント管理システムに機械学習を組み込む場合、以下のような、さまざまな種類の手法を使用する。
- 分布の平均値からのずれを示す「標準得点」(Z得点)や「偏差値」(T得点)などの標準的な統計手法
- 1つ以上の変数から連続変数の値を予測する「線形回帰」や、幾つかの要因から2値の結果が起こる確率を予測する「ロジスティック回帰」
- 全体的な平均値の相違を調べるANOVA(分散分析)などの手法を含む「一般化線形モデル」
- データ系列のある点と、その直近時点の値との関係性を分析し予測する「自己回帰和分移動平均モデル」(ARIMAモデル)
- 教師あり学習(事前に人間が用意した正解データを基にする学習)を用いるパターン認識モデルである「サポートベクターマシン」
- 任意のデータ点での近傍点に対する、局所的な変動を測ることによって異常を発見するアルゴリズムである「局所外れ値因子法」や「楕円(だえん)形エンベロープ」
- ツリー構造のデータである決定木を応用したアルゴリズムである「勾配ブースティングマシン」
- 膨大なデータの中から異常なものを検知し分離する「分離フォレスト」と決定木を複数作成し、各学習の平均を算出して予測する「ランダムフォレスト」
- データが写像された空間中でテストデータに最も似ているデータを探す「k近傍法」と、データを幾つかのクラスタ(集団)に分けた後、クラスタの平均を用いてデータが分かれるように調整する「k平均法」による異常検知
- 入力されたデータを一度圧縮し、重要な特徴量を残した後、再度元の次元に復元処理をするアルゴリズムである「オートエンコーダー」
- 深層学習
- ある領域で学習済みのモデルを新しい領域のデータに適用する「転移学習」
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 先取りITトレンド
米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
事例
[Neatframe株式会社] 「AIへのデータ受け渡し精度」が決め手 船井総研HDが選んだ会議システムは? -
事例
[Neatframe株式会社] 会議はスピードが命 レックの“爆速商品開発”を生み出す会議環境とは -
事例
[Neatframe株式会社] オフィス回帰で発生する「会議室不足」 NECはどう解消したのか? -
事例
[ServiceNow Japan合同会社] 大阪市の未来を創る「行政DX」の本質と、その取り組みを支える統合基盤の実力 -
事例
[ServiceNow Japan合同会社] 【行政DX先進事例】横浜市が「市民に大切な時間を返す」を実現できた理由とは?
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
企業が「Microsoft Azure」を選ばざるを得ない理由
-
2
Microsoft 365侵害企業の9割はMFA導入済み 1002人調査で見えた盲点
-
3
PC選びの妙で差がつくAI時代 通常PC、AI PC、Copilot+ PCをどう使い分ける?
-
4
「転職意向あり」の情シスが約半数 現場を追い詰める“業務過多”の解消術
-
5
なぜノートPCの更新が「4年→6年」に? AIインフラ急拡大の余波
-
6
NVIDIA、フアンCEO辞任で揺らぐ“AI帝国” IT調達計画への影響は?
-
7
なぜ「Microsoft Teams」がランサムウェアの入り口になるのか?
-
8
「データ活用とAI活用の実態」に関するアンケート
-
9
なぜMicrosoftは「Rust」を標準言語に? AIで進むC/C++書き換えの課題
-
10
「業務用PCの導入検討」に関するアンケート
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
AIが苦手な「汚いデータ」になっていない? AI投資を無駄にしないための注意点
-
3
急増する高度なフィッシング詐欺 先回りしてブロックするには何が必要?
-
4
法人向け光回線のプランはどう選ぶ? 機能面/保守体制/コストを一覧で比較
-
5
サイバー脅威「トップ50」完全解説ガイド、新たな攻撃手法に対抗するには
-
6
SNMPより詳細で、パケット解析より簡単な「トラフィック可視化・分析」の方法
-
7
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
8
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
9
自社のメール環境は本当に安全? チェックシートですぐ分かる“今必要な対策”
-
10
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー