Anomaly Detection im Monitoring des Produktivbetriebs der ODAV AG anhand der Analyse der Error-Count Metrik

Autor/innen

  • Benjamin Eder (M.Sc.) ODAV AG, Gesellschaft für Informatik und Telekommunikation
  • Benjamin Neumann (Dipl.-Inf. (FH)) ODAV AG, Gesellschaft für Informatik und Telekommunikation
  • Prof. Dr. Frank Herrmann Ostbayerische Technische Hochschule Regensburg

Schlagworte:

Anomaly Detection, Machine Learning

Abstract

Viele Firmen entwickeln Software und stellen diese auch gleichzeitig dem Kunden auf Servern bereit.
Da es nötig ist, dass der Betrieb der Software 24 Stunden am Tag sieben Tage die Woche gewährleistet wird, soll ein System entwickelt werden, das Anomalien automatisch im Betrieb der Server erkennt und dies einer entsprechenden Stelle, wie zum Beispiel dem betreibenden Rechenzentrum, meldet.

Downloads

Veröffentlicht

2023-07-25

Ausgabe

Nr. 17 (2023)

Rubrik

Praxis

Lizenz

Copyright (c) 2023 Benjamin Eder (M.Sc.), Benjamin Neumann (Dipl.-Inf. (FH)), Prof. Dr. Frank Herrmann

Creative-Commons-Lizenz
Dieses Werk steht unter der Lizenz Creative Commons Namensnennung 4.0 International.