Lautenschlager, FlorianKumlehn, AndreasAdersberger, JosefPhilippsen, MichaelAßmann, UweDemuth, BirgitSpitta, ThorstenPüschel, GeorgKaiser, Ronny2017-06-302017-06-302015978-3-88579-633-6Auch das beste Software-System kann Anomalien im Laufzeitverhalten aufweisen, die nach einiger Zeit in Fehlerzustände münden können. Bekannte Werkzeuge überwachen kontinuierlich, ob Laufzeiten wie z.B. CPU-Last oder Antwortzeiten manuell gesetzte Schwellwerte überschreiten. Das hat zwei Nachteile: (a) Starr vorgegebene Schwellwerte und damit starre Festlegungen, ab wann ein Messwert einen Ausreißer markiert, sind bei saisonalen Schwankungen oder Lastspitzen sowie externer Einflüsse prinzipiell ungeeignet. (b) Oft wird erst nach Auftreten des Fehlerfalls rückblickend im Protokoll der Laufzeitdaten nach einer Anomalie gesucht, die den Fehlerfall erklärt. D.h., es kann erst a posteriori definiert werden, was ein Ausrei- ßer ist, und welche Messwerttypen zu diesem beitragen. Das Papier stellt daher ein Rahmenwerk zur Ausreißererkennung vor, das offline auf einer Vielzahl von protokollierten Laufzeitdaten arbeitet und wegen des Umfangs auf einer neuartigen effizienten Speicherung und Analyse von Zeitreihen basiert. Die Evaluation zeigt die Effizienz der Zeitreihenspeicherung sowie von anspruchsvollen Ausreißererkennern.deText/Conference Paper1617-5468