Das Dokument beschreibt ein Seminar über autonomic computing mit dem Fokus auf Pinpoint, ein System zur Fehlersuche in großen, dynamischen Internetdiensten. Es erläutert die Herausforderungen bei der Fehleridentifizierung und präsentiert Lösungen wie Client Request Tracing, interne und externe Fehlererkennung sowie Datenanalyse. Die Ergebnisse zeigen, dass Pinpoint bessere Resultate im Vergleich zu anderen Methoden liefert, obwohl es einige Einschränkungen gibt, die behoben werden müssen.

1. Autonomic Computing
Seminar (SS 2010)
Diagnosis
Über: Pinpoint: Problem Determination in Large, Dynamic Internet
Services (Chen, Mike et al.)
Oliver Stadie
7. Juni 2010

2. Autonomic Computing - Über: Pinpoint 2
Gliederung
● Problem & Ziel
● Idee
● Umsetzung
● Bewertung
● Einschränkungen & Ansätze

3. Autonomic Computing - Über: Pinpoint 3
Problem & Ziel (1)
● Problem: Riesige Systeme
● Ständige Änderung
● Ständiges Wachstum
● Fehler treten auf
● Interagierende, verteilte Komponenten
● Client Requests durchlaufen verschiedene
Komponenten
● Ziel: Fehlerquellen finden ohne konkretes System
zu kennen oder anzupassen

4. Autonomic Computing - Über: Pinpoint 4
Problem & Ziel (2)
● Fehlerhafter
Request:
● Problem:
Fehlerquelle könnte
in Komponente K21,
K22, K32 oder K33
liegen
● Ziel: Fehlerquelle
idenzifizieren
K11 K21 K31
K12 K22 K32
K13 K23 K33
System

5. Autonomic Computing - Über: Pinpoint 5
Idee (1)
● Viele Requests: ● Einige Komponenten haben
öfter Fehler als andere
● K22: 3 von 3 (100%)
● K21: 1 von 2 (50%)
● K12: 0 von 2 (0%)
● Zusammenspiel mehrerer
Komponenten
● K32+K33: 1 von 2 (50%)
● Sensitivität einstellbar
K11 K21 K31
K12 K22 K32
K13 K23 K33

6. Autonomic Computing - Über: Pinpoint 6
Idee (2)
1.Client Request
Traces
2.Failure Detection
(extern & intern)
3.Data Clustering
Analysis

7. Autonomic Computing - Über: Pinpoint 7
Idee (3)
● Client Request Traces
● Middleware instrumentieren → welche Komponenten für
jeden Request benutzt?
● Failure Detection
● Interne Failure Detection
● Externe Failure Detection
● Data Clustering Analysis
● Daten über benutzte Komponenten + Failure Daten →
fehlerhafte Komponenten & Interaktionen

8. Autonomic Computing - Über: Pinpoint 8
Idee (4) - Client Request Tracing
K2 Pinpoint K3
<R1, ...>
<R2, ...>
<R2, K2>
<R1, ...>
<R2, ...>
<R2, K2>
<R2, K3>
R2PinpointR
Middleware Framework
Trace Log
vorher
Trace Log
nachher
PP

9. Autonomic Computing - Über: Pinpoint 9
Idee (5) - Client Request Tracing
● Aufzeichnen aller Komponenten die jeder Request benutzt
● Alternativ: Aufzeichnen aller Maschinen (grob) oder Dateien
(fein)
● Weist ankommenden Requests ID zu
● Instrumentierung der Middleware
● Vergleichbar: umschreiben der verwendeten Bibliotheken (z. B.
Mathe-Bibliothek)
● Komponenten bleiben unberührt
● Abhängig vom benutzen Framework

10. Autonomic Computing - Über: Pinpoint 10
Idee (6) – Failure Detection
● Unabhängig von Client Request Tracing
● Aufzeichnen ob ein Request fehlerhaft ist
oder nicht
● Interne Failures:
● Werden maskiert bevor sie User erreichen
● Middleware wird instrumentiert
● External Failures
● z.B. Maschinen-Crash, veraltete Links

11. Autonomic Computing - Über: Pinpoint 11
Idee (9) – Failure Detection
● Erfolgreicher Request
K2 PinpointK3
<R1, ...>
<R2, ...>
R3PPR
Middleware Framework
Fault Log
vorher
Trace Log
nachher
<R1, ...>
<R2, ...>
<R3, Success>

12. Autonomic Computing - Über: Pinpoint 12
Idee (7) – Failure Detection
● Beispiel interner maskierter Fehler:

13. Autonomic Computing - Über: Pinpoint 13
R3
Idee (10) – Failure Detection
● Interner Fehler ohne PP:
K3 K4
Middleware Framework
K1 K2
Km
<<maskierend>>

14. Autonomic Computing - Über: Pinpoint 14
R3
Idee (11) – Failure Detection
● Interner Fehler mit PP:
K3 K4
Middleware Framework
K1 K2
Km
<<maskierend>>
Trace Log
nacher
<R1, ...>
<R2, ...>
<R3, Fail>
PP

15. Autonomic Computing - Über: Pinpoint 15
Idee (8) – Failure Detection
● Beispiel Externe Fehler:
● Error 404, Server-Timeouts, etc.
● Url: http://www.google.de/ungueltigeUrl

16. Autonomic Computing - Über: Pinpoint 16
R
Idee (12) – Failure Detection
● Externer Fehler ohne PP:
K3 K4
K1 K2
Middleware
Framework
Server
Response
mit Fehler

17. Autonomic Computing - Über: Pinpoint 17
R
Idee (13) – Failure Detection
● Externer Fehler mit PP:
K3 K4
K1 K2
Middleware
Framework
Server
Response
mit Fehler
PP
Trace Log
nacher
<R1, ...>
<R2, ...>
<R3, Fail>

18. Autonomic Computing - Über: Pinpoint 18
Idee (14) – Data Analysis
● Zusammenführen des Trace Logs und Failure
Logs. Bsp:
● Berechnen wie oft Komponenten (oder
Kombinationen) an Fehlern beteiligt sind
● Im Paper nicht näher erklärt

19. Autonomic Computing - Über: Pinpoint 19
Umsetzung (1)
● Prototyp auf J2EE Middleware implementiert
● Client Request Tracing
● Interne Fault Detection
● (Fault Injektion)
● Network Sniffer
● Externe Failure Detection, durch TCP- und HTTP-Check
der Responses
● Analyzer
● Benutzt nicht näher erläuterte Algorithmen

20. Autonomic Computing - Über: Pinpoint 20
Bewertung (1)
● Experimenteller Aufbau:
● e-commerce service: J2EE PetStore
demonstration application
● Fehler ins System injiziert
– 4 Typen von Fehlern
– Fehler Injektion getrennt von Fault Detector
● 133 Tests: Einzel-Komponenten-Fehler & Fehler
durch Interaktion
● Client Emulator: generiert Requests

21. Autonomic Computing - Über: Pinpoint 21
Bewertung (2)
Anteil
gefundener
fehlerhafter
Paare
perfekt

22. Autonomic Computing - Über: Pinpoint 22
Bewertung (3)
● Vergleich mit 2 anderen einfachen Analyse-
Verfahren
● Dedection & dependency checking
● Pinpoint hat deutlich bessere Ergebnisse
● Performance Verlust durch Pinpoint:
● Unter 10%
● Analyse kann offline gemacht werden
● Tracefiles: 2,5kB pro Request (100 Byte wenn
komprimiert)

23. Autonomic Computing - Über: Pinpoint 23
Einschränkungen und → Ansätze
● Komponenten die immer zusammenarbeiten nicht
unterscheidbar → synthetische Requests
● Request-übergreifende Fehler nicht identifizierbar → Traces
auf „shared state“ (Datenbanken) ausweiten
● „krankhafte Eingaben“ (z.B. fehlerhafte Cookies / defekter
Browser) nicht von Systemfehlern unterscheidbar → Die
Requests selbst aufzeichnen
● „fail-stutter“ fault (Performance-Verlust durch maskierte
Fehler) → Timing Informationen nutzen

24. Autonomic Computing - Über: Pinpoint 24
Quellen
● Pinpoint: Problem Determination in Large,
Dynamic Internet Services (Chen, Mike et al.)

25. Autonomic Computing - Über: Pinpoint 25
Diskussion, Fragen, Kommentare