## Memo ## Memo with LLM ## Abstract 従来の障害特定手法は、静的な依存モデルに依存しているが、電子商取引システムのような大規模で分散化され、動的な今日のアプリケーション環境では、正確な生成が困難である。本稿では、1) システムを移動する多数の実クライアントリクエストを大まかにタグ付けし、2) データマイニング技術を使用して、これらのリクエストの失敗と成功の相関関係を分析し、問題が発生している可能性が高いコンポーネントを特定することで、このような環境における問題の特定を自動化する動的分析手法を紹介する。この手法を検証するために、アプリケーションコンポーネントに関する知識を必要としないJ2EEプラットフォームの根本原因分析用フレームワークであるPinpointを実装した。Pinpointは、クライアントのリクエストを追跡する通信レイヤー、トラフィックスニッフィングとミドルウェアの計測器を使用する障害検出器、データ分析エンジンという3つの部分で構成されている。私たちは、さまざまなアプリケーションコンポーネントに障害を注入してPinpointを評価し、Pinpointが障害のあるコンポーネントを高精度で特定し、偽陽性がほとんど発生しないことを示した。