特許 7180319 情報処理装置、及び情報処理装置のダンプ管理方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-11-21

(45)【発行日】2022-11-30

(54)【発明の名称】情報処理装置、及び情報処理装置のダンプ管理方法

(51)【国際特許分類】

   G06F 11/07 20060101AFI20221122BHJP

   G06F 11/34 20060101ALI20221122BHJP

【ＦＩ】

G06F11/07 178

G06F11/34 176

【請求項の数】 8

(21)【出願番号】P 2018220635

(22)【出願日】2018-11-26

(65)【公開番号】P2020086950

(43)【公開日】2020-06-04

【審査請求日】2021-08-19

(73)【特許権者】

【識別番号】000006747

【氏名又は名称】株式会社リコー

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】青木 龍太

【審査官】加藤 優一

(56)【参考文献】

【文献】特開平０７－１４１２２７（ＪＰ，Ａ）

【文献】特開昭６３－２９３６４４（ＪＰ，Ａ）

【文献】特開平０２－０５９８３７（ＪＰ，Ａ）

【文献】特開２０００－０６６９２９（ＪＰ，Ａ）

【文献】特開２０１６－０５７６５８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １１／０７

Ｇ０６Ｆ １１／２８－１１／３６

(57)【特許請求の範囲】

【請求項1】

カーネルと、
第１メモリと、
第２メモリと、
前記カーネルに異常が発生した場合に、前記第１メモリに格納されているデータをダンプファイルとして前記第２メモリに出力する出力部と、
前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う判断部と、
前記判断部によって前記２以上の同じ種類のダンプファイルがあると判断された場合、前記２以上の同じ種類のダンプファイルのうち１つ以外を削除する削除部と、
前記ダンプファイルのログデータを含む入力情報と前記ダンプファイルの種類を含む出力情報との対応関係を機械学習により取得した学習済みモデルと、
を備え、
前記判断部は、前記第２メモリ内の複数の前記ダンプファイルのログデータを前記学習済みモデルに入力して算出した前記複数のダンプファイルのそれぞれの種類を比較することによって、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う、
情報処理装置。

【請求項2】

情報処理装置であって、
カーネルと、
第１メモリと、
第２メモリと、
前記カーネルに異常が発生した場合に、前記第１メモリに格納されているデータをダンプファイルとして前記第２メモリに出力する出力部と、
前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う判断部と、
前記判断部によって前記２以上の同じ種類のダンプファイルがあると判断された場合、前記２以上の同じ種類のダンプファイルのうち１つ以外を削除する削除部と、
前記出力部による前記ダンプファイルの前記第２メモリへの格納後に当該情報処理装置を再起動させる再起動部と、
を備え、
前記判断部は、前記再起動部が前記再起動を実行した後、前記判断を行う、
情報処理装置。

【請求項3】

前記学習済みモデルの前記入力情報は、前記ダンプファイルに記録されている前記カーネルに異常が発生したときの前記第１メモリでコールされた関数及び前記関数が実行された順番の情報を含む、
請求項１に記載の情報処理装置。

【請求項4】

前記判断部は、前記カーネルが正常な状態において前記判断を行う、
請求項１～３のいずれか１項に記載の情報処理装置。

【請求項5】

前記出力部による前記ダンプファイルの前記第２メモリへの格納後に当該情報処理装置を再起動させる再起動部を備え、
前記判断部は、前記再起動部が前記再起動を実行した後、前記判断を行う、
請求項１に記載の情報処理装置。

【請求項6】

前記第１メモリがメインメモリであり、
前記第２メモリが不揮発性メモリである、
請求項１～５のいずれか１項に記載の情報処理装置。

【請求項7】

カーネルと、
第１メモリと、
第２メモリと、
を備える情報処理装置のダンプ管理方法であって、
前記情報処理装置の出力部が、前記カーネルに異常が発生した場合に、前記第１メモリに格納されているデータをダンプファイルとして前記第２メモリに出力する出力ステップと、
前記情報処理装置の判断部が、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う判断ステップと、
前記情報処理装置の削除部が、前記判断ステップにて前記２以上の同じ種類のダンプファイルがあると判断された場合、前記２以上の同じ種類のダンプファイルのうち１つ以外を削除する削除ステップと、
を含み、
前記情報処理装置は、前記ダンプファイルのログデータを含む入力情報と前記ダンプファイルの種類を含む出力情報との対応関係を機械学習により取得した学習済みモデルを備え、
前記判断ステップは、前記第２メモリ内の複数の前記ダンプファイルのログデータを前記学習済みモデルに入力して算出した前記複数のダンプファイルのそれぞれの種類を比較することによって、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う、
情報処理装置のダンプ管理方法。

【請求項8】

カーネルと、
第１メモリと、
第２メモリと、
を備える情報処理装置のダンプ管理方法であって、
前記情報処理装置の出力部が、前記カーネルに異常が発生した場合に、前記第１メモリに格納されているデータをダンプファイルとして前記第２メモリに出力する出力ステップと、
前記情報処理装置の再起動部が、前記出力ステップによる前記ダンプファイルの前記第２メモリへの格納後に当該情報処理装置を再起動させる再起動ステップと、
前記情報処理装置の判断部が、前記再起動ステップにおいて前記再起動を実行した後、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う判断ステップと、
前記情報処理装置の削除部が、前記判断ステップにて前記２以上の同じ種類のダンプファイルがあると判断された場合、前記２以上の同じ種類のダンプファイルのうち１つ以外を削除する削除ステップと、
を含む情報処理装置のダンプ管理方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、及び情報処理装置のダンプ管理方法に関する。

【背景技術】

【0002】

従来、ＯＳ（オペレーティングシステム）の中核部分であるカーネルの実行に致命的な支障が発生し、正常な動作を継続できなくなる状態、所謂カーネルパニックが発生すると、メインメモリにあるデータをダンプファイルとして他の記憶装置に出力する処理（以下では「パニックダンプ」という）が実行される。

【0003】

今までのパニックダンプでは、コスト面などでＨＤＤ（ハードディスクドライブ）等の二次記憶装置を搭載できない機器では十分なダンプ領域を確保できないため、有益なダンプ情報を残せない問題がある。また、複数回発生するパニックダンプにおいては空き領域がない場合、古いデータを上書きしてしまい、必要なダンプ情報が得られないという問題もある。一方で、ネットワークを利用して、サーバ上のストレージにダンプファイルを保存する手段も考えられるが、セキュリティ面でネットワーク環境の構築が困難なケースやログ情報を外部へ持ち出せない場合は、機器内にダンプファイルを保持する必要がある。すなわち、パニックダンプにはダンプファイルの縮小や必要なデータの抽出が求められている。

【0004】

特許文献１には、メモリダンプに必要な容量を縮小することが目的で、予め設定した保存サイズに適したコアファイル（ダンプファイル）を生成することが開示されている。

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１の手法では、個々のダンプファイルのサイズを縮小するために元のダンプファイルの一部の情報だけを選択的に保存するため、有益なダンプ情報が欠落する虞がある。

【0006】

本発明は、限られた保存領域の中で有益なダンプ情報を保持可能とすることを目的とする。

【課題を解決するための手段】

【0007】

上述した課題を解決するために、本発明の一観点に係る情報処理装置は、カーネルと、第１メモリと、第２メモリと、前記カーネルに異常が発生した場合に、前記第１メモリに格納されているデータをダンプファイルとして前記第２メモリに出力する出力部と、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う判断部と、前記判断部によって前記２以上の同じ種類のダンプファイルがあると判断された場合、前記２以上の同じ種類のダンプファイルのうち１つ以外を削除する削除部と、前記ダンプファイルのログデータを含む入力情報と前記ダンプファイルの種類を含む出力情報との対応関係を機械学習により取得した学習済みモデルと、を備え、前記判断部は、前記第２メモリ内の複数の前記ダンプファイルのログデータを前記学習済みモデルに入力して算出した前記複数のダンプファイルのそれぞれの種類を比較することによって、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う。
同様に、上述した課題を解決するために、本発明の一観点に係る情報処理装置は、カーネルと、第１メモリと、第２メモリと、前記カーネルに異常が発生した場合に、前記第１メモリに格納されているデータをダンプファイルとして前記第２メモリに出力する出力部と、前記第２メモリに２以上の同じ種類の前記ダンプファイルがあるか否かの判断を行う判断部と、前記判断部によって前記２以上の同じ種類のダンプファイルがあると判断された場合、前記２以上の同じ種類のダンプファイルのうち１つ以外を削除する削除部と、前記出力部による前記ダンプファイルの前記第２メモリへの格納後に当該情報処理装置を再起動させる再起動部と、を備え、前記判断部は、前記再起動部が前記再起動を実行した後、前記判断を行う。

【発明の効果】

【0008】

限られた保存領域の中で有益なダンプ情報を保持できる。

【図面の簡単な説明】

【0009】

【図1】実施形態に係る情報処理装置の機能ブロック図

【図2】情報処理装置のハードウェア構成図

【図3】情報処理装置のカーネルパニック発生時のダンプ出力処理のフローチャート

【図4】情報処理装置の再起動時のダンプ管理処理のフローチャート

【図5】学習済みモデルの構築と使用を説明する図

【発明を実施するための形態】

【0010】

以下、添付図面を参照しながら実施形態について説明する。説明の理解を容易にするため、各図面において同一の構成要素に対しては可能な限り同一の符号を付して、重複する説明は省略する。

【0011】

図１、図２を参照して実施形態に係る情報処理装置１の構成を説明する。図１は、実施形態に係る情報処理装置１の機能ブロック図である。

【0012】

情報処理装置１は、ＯＳ（オペレーティングシステム）によって動作する。図１に示すように、情報処理装置１は、カーネル２と、メインメモリ３（第１メモリ）と、不揮発性メモリ４（第２メモリ）と、出力部５と、再起動部６と、判断部７と、学習済みモデル８と、削除部９と、を備える。

【0013】

情報処理装置１は、ＯＳの中核部分であるカーネル２の実行に致命的な支障が発生し、正常な動作を継続できなくなる状態、所謂カーネルパニックが発生すると、メインメモリ３にあるデータをダンプファイルとして他の記憶装置である不揮発性メモリ４に出力する処理（以下では「パニックダンプ」という）を実行する。

【0014】

カーネル２は、ＯＳの中核を構成するソフトウェアであり、動作中のプログラムの実行状態を管理したり、ハードウェア資源を管理してアプリケーションソフトがハードウェアの機能を利用する手段を提供したりする。

【0015】

メインメモリ３は、ＯＳにより情報処理装置１が動作する際にデータやプログラムを記憶する一次記憶装置である。例えばＯＳ動作中には、メインメモリ３には、カーネル２やその他のソフトウェアからコールされた関数名や、コールされた関数の順序や、コールされたタイミング、などの情報が記録される。そしてパニックダンプ発生時には、これらの情報を含むログデータがダンプファイル１１として出力される。また、ダンプファイル１１には、例えばドライバのログやカーネルデバッガのログなども含まれる。

【0016】

不揮発性メモリ４は、情報処理装置１の補助記憶装置であり、電源を供給しなくても記憶を保持するメモリである。本実施形態では、不揮発性メモリ４は、パニックダンプで発生したダンプファイル１１を格納する。不揮発性メモリ４に格納されるダンプファイル１１は、個々のパニックダンプに応じた複数個（図１の例ではダンプファイル１１Ａ、１１Ｂ、１１Ｃの３個）が格納されている。以下の説明では、不揮発性メモリ４に格納されている複数のダンプファイル１１Ａ、１１Ｂ、１１Ｃを纏めて「ダンプファイル１１」とも表記する。

【0017】

本実施形態の情報処理装置１は、ネットワーク・ストレージやＨＤＤ（ハードディスクドライブ）等の大容量の二次記憶装置を搭載しないタイプの機器であり、本実施形態でダンプファイル１１が格納される不揮発性メモリ４が代わりに搭載される。このため不揮発性メモリ４には主に小容量のものが適用される。

【0018】

出力部５は、カーネル２に異常が発生した場合に、メインメモリ３に格納されているデータをダンプファイル１１（図１では「新規ダンプファイル１１Ｄ」と示す）として不揮発性メモリ４に出力する。

【0019】

再起動部６は、出力部５による新規ダンプファイル１１Ｄの不揮発性メモリ４への格納後に情報処理装置１を再起動させる。

【0020】

判断部７は、不揮発性メモリ４に２以上の同じ種類のダンプファイル１１があるか否かの判断を行う。ダンプファイル１１の種類とは、例えば、そのダンプファイルが発生した原因となる障害の種類である。判断部７は、不揮発性メモリ４内の複数のダンプファイル１１のログデータを学習済みモデル８に入力して算出した複数のダンプファイル１１のそれぞれの種類を比較することによって、不揮発性メモリ４に２以上の同じ種類のダンプファイル１１があるか否かの判断を行う。

【0021】

学習済みモデル８は、ダンプファイル１１のログデータを含む入力情報と、ダンプファイル１１の種類を含む出力情報との対応関係を、機械学習により既に取得して定式化したものである。学習済みモデル８は、例えばニューラルネットワーク、遺伝的アルゴリズムなどの教師あり学習モデルを適用できる。学習済みモデル８の入力情報は、例えば、ダンプファイルに記録されている、カーネル２に異常が発生したときのメインメモリ３でコールされた関数及び関数が実行された順番の情報を含む。

【0022】

削除部９は、判断部７によって不揮発性メモリ４内に２以上の同じ種類のダンプファイル１１があると判断された場合、２以上の同じ種類のダンプファイル１１のうち１つ以外を削除する。

【0023】

図２は、情報処理装置１のハードウェア構成図である。図２に示すように、情報処理装置１は、物理的には、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１、主記憶装置であるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１０２およびＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０３、入力デバイスであるキーボード及びマウス等の入力装置１０４、ディスプレイ等の出力装置１０５、ネットワークカード等のデータ送受信デバイスである通信モジュール１０６、補助記憶装置１０７、などを含むコンピュータシステムとして構成することができる。

【0024】

図１に示す情報処理装置１の各機能は、ＣＰＵ１０１、ＲＡＭ１０２等のハードウェア上に所定のコンピュータソフトウェア（ダンプ管理プログラム）を読み込ませることにより、ＣＰＵ１０１の制御のもとで通信モジュール１０６、入力装置１０４、出力装置１０５を動作させるとともに、ＲＡＭ１０２や補助記憶装置１０７におけるデータの読み出し及び書き込みを行うことで実現される。すなわち、本実施形態のダンプ管理プログラムをコンピュータ上で実行させることで、情報処理装置１は、図１のカーネル２、出力部５、再起動部６、判断部７、学習済みモデル８、削除部９として機能する。なお、図１に示すメインメモリ３は、コンピュータが備えるＲＡＭ１０２により実現できる。また、図１に示す不揮発性メモリ４は、図２の補助記憶装置１０７の一部により実現してもよいし、ＵＳＢメモリなどの外部機器で情報処理装置１に読み書き可能に接続される構成でもよい。

【0025】

図３、図４を参照して、本実施形態の情報処理装置１によるダンプ管理方法を説明する。図３は、情報処理装置１のカーネルパニック発生時のダンプ出力処理のフローチャートである。図３に示すフローチャートは、カーネルパニック発生時に実施される。

【0026】

ステップＳ１０１では、カーネルパニックの発生に応じて、出力部５により、不揮発性メモリ４の容量に空きがあるか否かが判定される。

【0027】

不揮発性メモリ４に空き領域が有る場合（ステップＳ１０１のＹｅｓ）には、ステップＳ１０２に進み、出力部５により、カーネルパニック発生時のメインメモリ３のデータが新たなダンプファイル１１Ｄ（図１参照）として空き領域に書き込まれる（出力ステップ）。すなわち当該データが空き領域にダンプされる。

【0028】

一方、不揮発性メモリ４に空き領域が無い場合（ステップＳ１０１のＮｏ）には、ステップＳ１０３に進み、出力部５により、既存のダンプファイル１１Ａ～１１Ｃを記憶している領域に、カーネルパニック発生時のメインメモリ３のデータが新たなダンプファイル１１Ｄとして上書きされる（出力ステップ）。すなわち、データが上書きしてダンプされる。ダンプファイル１１Ａ～１１Ｃの上書きは、例えば古いものから順に行う。

【0029】

ステップＳ１０４では、出力部５によるダンプ処理が完了した後に、再起動部６により情報処理装置１のＯＳが再起動される。ステップＳ１０４の処理が完了すると本制御フローを終了する。

【0030】

図４は、情報処理装置１の再起動時のダンプ管理処理のフローチャートである。図４に示すフローチャートは、情報処理装置１のＯＳの再起動が完了した後に実施される。

【0031】

ステップＳ２０１では、判断部７により、不揮発性メモリ４内に新規のダンプファイル１１Ｄが有るか否かが判定される（判断ステップ）。本ステップは、例えば判断部７が、再起動部６から情報処理装置１のＯＳの再起動が完了した旨の情報を受信するのに応じて実行する。新規のダンプファイル１１Ｄが有る場合には（ステップＳ２０１のＹｅｓ）ステップＳ２０２に進む。新規のダンプファイル１１Ｄが無い場合には（ステップＳ２０１のＮｏ）本制御フローを終了する。

【0032】

ステップＳ２０２では、不揮発性メモリ４内に新規のダンプファイル１１Ｄが有るので、判断部７により、学習済みモデル８を用いて新規ダンプファイル１１Ｄの種類が推定される。判断部７は、例えば、新規ダンプファイル１１Ｄのログデータを学習済みモデル８に入力して、学習済みモデル８から出力される新規ダンプファイル１１Ｄの種類の情報を取得する。

【0033】

ステップＳ２０３では、判断部７により、不揮発性メモリ４内の既存のダンプファイル１１Ａ～１１Ｃの中に新規ダンプファイル１１Ｄと同じ種類のものが有るか否かが判定される。既存のダンプファイル１１Ａ～１１Ｃの種類は、例えば、過去に当該ダンプファイルが新たに格納されたときに学習済みモデル８を用いて推定された情報を記録したファイルが不揮発性メモリ４内に格納されており、判断部７はこのファイルを参照して既存のダンプファイル１１Ａ～１１Ｃの種類の情報を取得できる。

【0034】

不揮発性メモリ４内の既存のダンプファイル１１Ａ～１１Ｃの中に新規ダンプファイル１１Ｄと同じ種類のものが有る場合には（ステップＳ２０３のＹｅｓ）、ステップＳ２０４に進み、削除部９により、新規のダンプファイル１１Ｄが不揮発性メモリ４から削除される（削除ステップ）。ステップＳ２０４の処理が完了すると本制御フローを終了する。

【0035】

一方、不揮発性メモリ４内の既存のダンプファイル１１Ａ～１１Ｃの中に新規ダンプファイル１１Ｄと同じ種類のものが無い場合には（ステップＳ２０３のＮｏ）、ステップＳ２０５に進み、削除部９による新規ダンプファイル１１Ｄの削除処理は実行されずに不揮発性メモリ４内に保存される。ステップＳ２０５の処理が完了すると本制御フローを終了する。

【0036】

なお、ステップＳ２０３では、不揮発性メモリ４内の複数のダンプファイル１１Ａ～１１Ｃの種類が学習済みモデル８を用いて推定できていればよく、本制御フローを実施する度に、すべての既存のダンプファイル１１Ａ～１１Ｃの種類を学習済みモデル８で求めてもよい。また、ステップＳ２０４では、２以上の同じ種類のダンプファイル１１のうち１つ以外を削除すればよく、既存の他のダンプファイル１１Ａ～１１Ｃのうち同種のものを削除して、新規ダンプファイル１１Ｄを不揮発性メモリ４内に残す構成でもよい。

【0037】

図５は、学習済みモデル８の構築と使用を説明する図である。図５（ａ）は、機械学習により学習済みモデル８を構築する手法を示す模式図である。図５（ｂ）は、学習済みモデル８を用いた推定処理（ステップＳ２０２）を示す模式図である。

【0038】

図５（ａ）に示すように、学習済みモデル８は障害発生時などの過去のログを使用して構築される。ここでは教師あり学習の例を示す。学習済みモデル８の構築処理は、情報処理装置１とは異なるサーバやパーソナルコンピューターなどの別の機械学習装置１０で行うことができる。機械学習装置１０は、情報処理装置１とは異なる機能を備えるものでもよいし、情報処理装置１と同様の機能を備えるものでもよい。

【0039】

機械学習装置１０には、予め取得又は生成されたログデータＡ～Ｃが記憶されている。該ログデータＡ～Ｃは、それぞれ異なる複数の種類の障害が発生した場合に取得されたログデータである。該ログデータＡ～Ｃは、例えば、情報処理装置１と同じ機種である別の情報処理装置において障害が発生した場合に取得されたログデータであっても良いし、障害を想定してサーバによって生成されたログデータであっても良い。機械学習装置１０は、これら予め用意されたログデータＡ～Ｃを機械学習に用いることで、ダンプファイル１１のログデータを含む入力情報と、ダンプファイル１１の種類を含む出力情報との対応関係をモデルに獲得させ、学習済みモデル８を生成する。

【0040】

図５（ａ）に示すように、機械学習に使用するログデータＡ～Ｃに対し、ログの種類（教師データ）を付与しておく。図５ではログの種類として「障害の種類」を挙げている。例えば、ログデータＡには障害Ａ、ログデータＢには障害Ｂ、ログデータＣには障害Ｃ、というようにログデータに対して該ログデータがどのような種類の障害発生時に取得されたログデータであるのか（又はどのような種類の障害発生を想定して生成されたログデータであるのか）を対応付けておく。なお、ログデータの種類及び障害の種類の数は図５（ａ）に示す３つに限定されない。ログデータと障害種類の対応付けは、機械学習装置１０においてログデータと障害種類を対応させたテーブルデータを記憶させることで管理しても良いし、ログデータ中に障害種類の情報を付与しても良い。

【0041】

機械学習装置１０は、これらログデータと教師データのセットを複数用意し、機械学習アルゴリズムを適用して、モデルの入出力関係がログデータと教師データの入出力関係に近づく方向にモデルの学習を進め、学習済みモデル８を構築する。機械学習アルゴリズムは、例えばモデルがニューラルネットワークの場合には周知の誤差逆伝播法などが用いられる。学習済みモデル８は、ログデータに含まれる情報（一例として、カーネルやその他のソフトウェアからコールされた関数名及びコールされた関数の順序やコールされたタイミングなど）に基づいて、障害種類を複数パターンに分類することができる。なお、機械学習に用いるログデータは、ダンプファイル内に保存されているすべてのログデータではなく、一部を指す場合もありうる。例えば、バックトレースの関数名やログの種類（〇〇ドライバ、〇〇ライブラリ）を抽出して、学習用のログデータとして使用することができる。

【0042】

機械学習装置１０で構築された学習済みモデル８は、機械学習装置１０から有線／無線通信によって直接的に、又は記録媒体や管理装置などの他の装置を介して間接的に、情報処理装置１へ送信されてＲＯＭなどの記憶装置に記憶される。

【0043】

図４のステップＳ２０２では、図５（ｂ）に示すように、新規ダンプファイル１１ＤのログデータＤを学習済みモデル８に入力し、学習済みモデル８から出力された障害の種類の情報からダンプファイルの種類を判断する。

【0044】

情報処理装置１は、機械学習装置１０が作成した学習済みモデル８を用いることで、ログデータＤを解析する。これにより、学習済みモデル８が作成されたときの教師データとして使用された複数種類の障害Ａ，Ｂ、Ｃのうち、いずれの種類の障害が情報処理装置１で発生したのかを判断する。図５（ｂ）の例では、学習済みモデル８によって、障害の種類が障害Ｂであると判断している。

【0045】

これにより、情報処理装置１で新規に取得されたダンプファイル１１Ｄは、障害Ｂに対応するログデータであると判断することができたため、図４のステップＳ２０３では、不揮発性メモリ４に記憶されたダンプファイル１１Ａ～１１Ｃの中に、同じく障害Ｂに対応するログデータが存在するか否かを判断する。障害Ｂに対応するダンプファイルが存在する場合は、新規に取得されたダンプファイル１１Ｄは削除され、存在しない場合は新規のダンプファイル１１Ｄは削除せずに保存される。

【0046】

なお、機械学習装置１０による学習済みモデル８の生成処理は、情報処理装置１の内部で行ってもよい。

【0047】

本実施形態に係る情報処理装置１の効果を説明する。情報処理装置１は、カーネル２に異常が発生した場合に、メインメモリ３に格納されているデータをダンプファイル１１Ｄとして不揮発性メモリ４に出力する出力部５と、不揮発性メモリ４に２以上の同じ種類のダンプファイル１１があるか否かの判断を行う判断部７と、判断部７によって２以上の同じ種類のダンプファイル１１があると判断された場合、２以上の同じ種類のダンプファイル１１のうち１つ以外を削除する削除部９と、を備える。

【0048】

この構成により、新たにダンプファイル１１Ｄが発生するたびに不揮発性メモリ４に格納されている複数のダンプファイル１１Ａ～１１Ｃから同種のものを間引き、同種のダンプファイルが重複して保存されるのを防止できるので、保存可能なダンプファイル１１の種類を増やすことができる。また、個々のダンプファイル１１は従来のようにファイルサイズ低減のためにファイルの内容を一部間引くなどの処理を行わず、メインメモリ３から出力された状態のままで保存するので、必要な情報の欠落などの虞がない。この結果、本実施形態の情報処理装置１は、限られた保存領域の中で有益なダンプ情報を保持できる。

【0049】

また、本実施形態の情報処理装置１は、ダンプファイル１１のログデータを含む入力情報と、ダンプファイル１１の種類を含む出力情報との対応関係を機械学習により取得した学習済みモデル８を備える。判断部７は、不揮発性メモリ４内の複数のダンプファイル１１のログデータを学習済みモデル８に入力して算出した複数のダンプファイル１１のそれぞれの種類を比較することによって、不揮発性メモリ４に２以上の同じ種類のダンプファイル１１があるか否かの判断を行う。

【0050】

この構成により、汎化能力の高い学習済みモデル８を利用してダンプファイル１１の種類を推定するので、より高精度にダンプファイル１１の種類を判断でき、より有益な情報を抽出して保存できる可能性を高めることができる。

【0051】

また、本実施形態の情報処理装置１では、学習済みモデル８の入力情報は、ダンプファイル１１に記録されているカーネル２に異常が発生したときのメインメモリ３でコールされた関数及び関数が実行された順番の情報を含む。これらの情報はカーネル２に異常が発生した原因との関連性が高いので、より推定精度の高いモデルを構築できる。

【0052】

また、本実施形態の情報処理装置１では、判断部７は、カーネル２が正常な状態において判断を行う。より詳細には、判断部７は、再起動部６が出力部５によるダンプファイル１１の不揮発性メモリ４への格納後に情報処理装置１を再起動させた後に、判断を行う。この構成により、カーネルパニック時に実行できない処理が実行でき、ダンプファイルの種類判断や間引きの確実性を増すことができる。

【0053】

また、本実施形態の情報処理装置１では、ダンプファイル１１を格納する記憶装置が、ＨＤＤなどの大容量のものではなく、小容量の不揮発性メモリ４であるが、本実施形態のダンプファイルの種類判断や間引き処理を行うことにより、保存領域に制約があってもダンプ情報を効率良く保持できるので、保存領域の大小に依存せずに有益な情報を保持できる。

【0054】

以上、具体例を参照しつつ本実施形態について説明した。しかし、本開示はこれらの具体例に限定されるものではない。これら具体例に、当業者が適宜設計変更を加えたものも、本開示の特徴を備えている限り、本開示の範囲に包含される。前述した各具体例が備える各要素およびその配置、条件、形状などは、例示したものに限定されるわけではなく適宜変更することができる。前述した各具体例が備える各要素は、技術的な矛盾が生じない限り、適宜組み合わせを変えることができる。

【0055】

なお、上記では機械学習モデルを用いて、障害種類を判断する場合について説明したが、これに限定されない。例えば、ログデータのうち最後にコールされた関数名などによって一意に障害種類が判断できる場合には、機械学習モデルを用いずに障害種類を判断しても良い。この場合、障害が発生した場合であっても、一部の種類の障害については、学習モデルを使用した障害種類の解析を省略することができるため、第１情報処理装置のメモリやＣＰＵの負荷を抑制することができる。

【0056】

図４を参照して説明した不揮発性メモリ４のダンプ管理処理は、上記実施形態では情報処理装置１の再起動時に実施する構成を例示したが、カーネルパニックが発生した後にカーネルが正常な状態であればよく、再起動時以外のタイミングでダンプ管理処理を実施してもよい。また、カーネルパニック発生時のカーネルが異常な状態のとき、例えば新規ダンプファイル１１Ｄが生成されたときに、図４のダンプ管理処理を実施してもよい。

【0057】

上記実施形態では、カーネル２が動作中のログがメインメモリ３（第１メモリ）に記録され、カーネルパニック発生時にダンプファイルが不揮発性メモリ４（第２メモリ）に格納される構成を例示したが、メインメモリ３、不揮発性メモリ４以外の記憶装置に置き換えてもよい。

【符号の説明】

【0058】

１ 情報処理装置
２ カーネル
３ メインメモリ（第１メモリ）
４ 不揮発性メモリ（第２メモリ）
５ 出力部
６ 再起動部
７ 判断部
８ 学習済みモデル
９ 削除部
１１ ダンプファイル

【先行技術文献】

【特許文献】

【0059】

【文献】特開２００７－１７２４１４号公報

【図1】

【図2】

【図3】

【図4】

【図5】