A Tool to Support Mining of Constraints for Monitoring Systems of Systems

Todays complex software systems often are systems of systems (SoS), comprising many heterogeneous architectural elements. Since the full behavior of the SoS only arises at runtime, monitoring for checking their conformance to requirements is essential. For this purpose, ReMinds, a flexible runtime monitoring framework, has been developed. It relies on constraints defining the desired behavior of the SoS. These constraints are used to check the SoS by analyzing events as well as their properties and checking whether they violate the defined behavior. For example, constraints can be used to check the expected occurrence, timing and order of events, including properties such as data ranges, at runtime. Constraints in ReMinds are written using a constraint domain-specific language (DSL). To remit domain experts the necessity of writing all these constraints manually, mining algorithms were introduced as part of an (ongoing) PhD thesis. Based on analyzing event patterns and data contained in stored system runs (event logs), constraints can be automatically mined by these algorithms. In the scope of mining, this master thesis is about a tool allowing users to interact with those algorithms, i.e., select among multiple algorithms and configure them based on the available event logs and experiment with the results produced by the algorithms, e.g., filter and rank mined constraint candidates in different ways. Eventually, the tool allows to transfer constraints selected by the user to the ReMinds Monitoring Server, where they can be used to check systems at runtime. The tool is, as the mining algorithms, designed in a fashion allowing to be used for many domains without adaptation. This thesis also describes the development of an algorithm enabling classification of similar constraints into groups. It allows users to handle large amounts of constraints. We evaluated the tool based on feedback from industry users collected in a workshop.Heutige komplexe Software-Systeme werden oft als Systeme aus Systemen (SoS) entwickelt. Diese bestehen aus vielen heterogenen Architektur-Elementen. Da das vollständige Verhalten von SoS jedoch erst zur Laufzeit sichtbar wird, ist Monitoring zur Überprüfung der Einhaltung von Anforderungen essentiell. Um diese Überwachung zu ermöglichen, verwendet ReMinds, ein flexibles Framework zur Laufzeit-Überwachung, Bedingungen, welche das gewünschte Verhalten definieren. Diese Laufzeit-Bedingungen dienen der Überprüfung von SoS mittels Analyse von Events und Daten und erlauben die Erkennung von auftretenden Verletzungen. Die Bedingungen können beispielsweise verwendet werden, um das erwartete Auftreten, die Zeitabfolge und Reihenfolge der Events sowie deren Eigenschaften zur Laufzeit zu validieren. Bedingungen werden in ReMinds manuell in einer domänenspezifischen Sprache (DSL) definiert. Damit Domänen-Experten das arbeitsintensive Schreiben von Bedingungen erspart werden kann, wurden Algorithmen für das Erstellen dieser Bedingungen als Teil einer (noch laufenden) PhD-Thesis eingeführt. Basierend auf einer Analyse von Event-Patterns und Daten, welche in Systemläufen (Event-Logs) gespeichert werden, können automatisch Bedingungen erstellt werden, welche diese Läufe beschreiben. Im Zuge des Minings wird mit dieser Masterarbeit ein Tool eingeführt, welches den Benutzern erlaubt, mit den Mining-Algorithmen zu interagieren. Teil davon ist beispielsweise, zwischen mehreren Algorithmen zu wählen, diese zu konfigurieren sowie mit den produzierten Ergebnissen zu experimentieren, wie zum Beispiel Filtern und Ordnen. Nicht zuletzt erlaubt das Tool die Übertragung von ausgewählten Bedingungen zum ReMinds Monitoring Server, wo diese zur Systemüberprüfung während der Laufzeit verwendet werden können. Das Tool selbst wurde so konstruiert, dass es, wie die Mining-Algorithmen, ohne Anpassung für eine Vielzahl an Anwendungsszenarien anwendbar ist. Zusätzlich wird ein Algorithmus zum Gruppieren von ähnlichen Bedingungen eingeführt. Dieser erlaubt eine einfachere Handhabung im Falle einer Vielzahl an Bedingungen. Das Tool wurde mithilfe von Feedback von Benutzern aus der Industrie während eines Workshops evaluiert.submitted by Peter KronbergerUniversität Linz, Masterarbeit, 2018(VLID)266741