Analyse und Konzeption der Integration eines Big Data-Tools zur effizienten Korrelation von Event- und Performance-Daten bei der Untersuchung von Anomalien innerhalb der Infrastruktur-IT

  • Diese Arbeit hat das Ziel, verschiedene Methoden und Techniken zur Anomalieerkennung und Ereigniskorrelation zu untersuchen. Während dieser Arbeit wird die Log-, Monitoring- und Reporting-Software Splunk analysiert. Die Grundlagen der statistischen Methoden und maschinellem Lernen dienen als Basis dieser Untersuchung. Diese Algorithmen ermöglichen die Erkennung von Ausreißern in vorhandenen Datensätzen. Hierfür wurden Anforderungen definiert und die Konzeption für den Einsatz entwickelt. Im Anschluss erfolgt die Vorstellung der Ansätze zur Anomalieerkennung und Ereigniskorrelation basierend auf praktischen Ergebnissen.
  • This thesis investigates various methods and techniques to detect anomalies and possibilities of event correlation. The monitoring and reporting software solution Splunk has been analyzed. The evaluation study is based on statistical methods and machine learning algorithms. Usage of these algorithms and techniques offer possibilities for detecting anomalies in the stream of existing data sets. Therefore the resulting requirements were specified and the application concept developed. The presentation of the approaches to anomaly detection and event correlation is then based on practical results.

Export metadata

Additional Services

Metadaten
Author:Zarina Omurova
Advisor:Mario NeugebauerGND, Thomas Franke
Document Type:Master's Thesis
Language:German
Name:GLOBALFOUNDRIES
Wilschdorfer Landstrasse 101, 01109 Dresden
Date of Publication (online):2018/02/22
Year of first Publication:2017
Publishing Institution:Westsächsische Hochschule Zwickau
Date of final exam:2017/09/09
Tag:Anomalieerkennung; Big Data; Ereigniskorrelation; Splunk
Page Number:93 Seiten, 38 Abb., 1 Tab., 79 Lit.
Faculty:Westsächsische Hochschule Zwickau / Physikalische Technik, Informatik
Release Date:2018/02/22