CN1538297A - 用于调节***资源的使用的装置及其方法 - Google Patents

用于调节***资源的使用的装置及其方法 Download PDF

Info

Publication number
CN1538297A
CN1538297A CNA200410032758XA CN200410032758A CN1538297A CN 1538297 A CN1538297 A CN 1538297A CN A200410032758X A CNA200410032758X A CN A200410032758XA CN 200410032758 A CN200410032758 A CN 200410032758A CN 1538297 A CN1538297 A CN 1538297A
Authority
CN
China
Prior art keywords
variation
use amount
resource
generating capacity
amount
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA200410032758XA
Other languages
English (en)
Other versions
CN1300693C (zh
Inventor
长谷川博已
药袋克仁
植松俊晃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN1538297A publication Critical patent/CN1538297A/zh
Application granted granted Critical
Publication of CN1300693C publication Critical patent/CN1300693C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

在一种数据处理***中，通过使用表示过去事务处理量与过去资源使用量之间的相互关系的函数，根据每一个模块的事务发生量的变化来预测资源使用量的变化。此后，根据该预测资源使用量的变化，自动地改变各个模块的资源分配量。

Description

用于调节***资源的使用的装置及其方法
技术领域
本发明涉及一种预测由数据处理***的每个模块未来要使用的计算机资源量并且自主地调节每个模块的资源使用量的限制的装置和方法。
背景技术
图1显示了传统数据处理***中的软件模块。模块是***中的应用程序(操作)的集合，并且一个模块包括一个或更多个应用程序。
在图1中，模块1包括操作1、操作2和操作3的三个应用程序。模块2包括两个操作的两个应用程序。模块3包括一个操作的一个应用程序。
在这样的***中，可以通过建立对每个模块的资源使用量的限制并且对资源量进行控制，以使得可以在可用和可预测的程度上实现服务，来避免由应用程序使用的资源耗尽(例如，参见非专利文献1和专利文献1、2、3和4)。
非专利文献1
“Solaris 9资源管理器(Solaris 9 Resource Manager)”[在线]，Sun微***-产品与服务-Sun ONE软件-Solaris-Solaris 9-数据页，[2003年3月11日检索]，因特网<URL：http：//jp.sun.com/software/solaris/ds/ds-srm/>
专利文献1
日本专利申请公报No.2002-268920
专利文献2
日本专利申请公报No.2002-342269
专利文献3
日本专利申请公报No.2001-022597
专利文献4
日本专利申请公报No.10-124333
但是，上述传统的资源量控制中存在以下问题。
在传统的资源量控制中，通过使模块与应用程序相对应，来对模块的资源使用量设置限制。通过这种方式，为具有大资源使用量的应用程序设置大的资源使用量分配，而为具有小资源使用量的应用程序设置小的资源使用量。这样，可以避免由应用程序使用的资源耗尽。
然而，每个应用程序的资源使用量并不是恒定的，该资源使用量每分钟、每小时、每星期等都在变化。此外，资源使用量会突然增加并且各个应用程序有时会陷入瓶颈状态(bottleneck)。为了应对资源使用量的这种变化，***管理员必须随时监测资源使用量并根据情况相应地改变限制的设置。
此外，资源使用量与事务处理量成比例，但是资源使用量不必与事务发生量成比例。因此，仅仅通过参考过去的资源使用量的变化不能预测出未来事务发生量的资源使用量。
发明内容
本发明的目的是提供一种精确预测每个模块的资源使用量的变化并且根据数据处理***中的变化自主地调节资源使用量的限制的装置和方法。
本发明的一种资源调节装置配备有存储装置、生成装置和分配装置，并且该资源调节装置为每个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序。
该存储装置存储表示该多个模块中的每一个的过去事务发生量的变化的数据。该生成装置从该存储装置中获取表示目标模块的事务发生量的变化的数据，并将该事务发生量用作为表示目标模块的过去事务处理量和资源使用量之间的相互关系的函数中的事务处理量，并由此根据该目标模块的事务发生量的变化生成资源使用量的变化。该分配装置将所生成的资源使用量的变化用作为预测资源使用量的变化，根据该预测资源使用量的变化自动地改变该目标模块的资源分配量。
附图说明
图1是显示模块的方框图；
图2是显示本发明的资源调节装置的原理的方框图；
图3是监督工作模式下的处理的流程图；
图4A是显示过去事务发生量的变化的曲线图；
图4B是显示未来事务发生量的变化的曲线图；
图5是显示一逼近函数的曲线图；
图6是显示资源使用量的计划的曲线图；
图7是自主工作模式下的处理的流程图；
图8是显示负荷量计划支持(capacity planning support)的曲线图；
图9是各模块基本数据表；
图10是各模块统计数据表(表1)；
图11是各模块的统计数据表(表2)；
图12是各模块周期信息数据表(表1)；
图13是各模块周期信息数据表(表2)；
图14是各模块资源预测数据表；
图15是数据处理装置的结构简图；和
图16是显示存储介质的方框图。
具体实施方式
下面通过参照附图对本发明的优选实施例进行详细说明。图2是显示本发明的资源调节装置的原理的方框图。图2的资源调节装置包括存储装置101、生成装置102和分配装置103。该资源调节装置为各个模块调节计算机资源量，该计算机资源是在具有多个模块的***中使用的，该多个模块各包括一个或更多个应用程序。
该存储装置101存储表示多个模块中的每一个的过去事务发生量的变化的数据。该生成装置102从该存储装置101获取表示目标模块的过去事务发生量的变化的数据，并将该事务发生量用作为表示该目标模块的过去事务处理量与资源使用量之间的相互关系的函数中的事务处理量。通过这种方式，该生成装置根据该目标模块的事务发生量的变化生成资源使用量的变化。该分配装置103将所生成的资源使用量的变化用作为预测资源使用量的变化，根据该预测资源使用量的变化自动地改变该目标模块的资源分配量。
该存储装置101例如存储为每个模块采集的事务发生量的测量值。该生成装置102从该存储装置101获取要进行调节的模块(目标模块)的事务发生量的测量值。然后，该生成装置102将该事务发生量的测量值作为事务处理量代入表示该目标模块的过去事务处理量与资源使用量之间的相互关系的函数。这样，生成装置102可以计算目标模块的资源使用量的变化。其后，该分配装置103根据所计算的资源使用量的变化自动地改变该目标模块的未来资源分配量。
通过将该过去事务发生量应用于该事务处理量并计算该未来资源使用量，可以精确地预测各个模块的资源使用量的变化。此外，通过根据该预测资源使用量的变化来改变资源分配量，可以自主地改变各个模块的资源使用量的限制。
该存储装置101例如与稍后描述的图15的外部存储装置1505相对应。该生成装置102和该分配装置103例如与图15的CPU(中央处理单元)1501和存储器1502的组合相对应。
在本优选实施例中，为各个模块预先制定了资源使用量的限制，以在能够对计算机资源进行管理的数据处理***中实现资源的有效利用、避免资源的瓶颈状态、整个***的负荷量计划支持等。
资源调节装置累计与各应用程序相关的各个模块的事务量(发生量·处理量)的测量值和资源使用量，由此获得事务发生量的每个周期(例如，天、周、月)的特性曲线(平均值或最大值)。然后，将如此获得的各个周期的特性曲线组合起来，并且以特定的周期为单位(例如，以月为单位)计算事务发生量的变化。
此外，该资源调节装置获得表示事务处理量与资源使用量之间的关系的逼近函数，并将如此获得的逼近函数应用于以月为单位的事务发生量的变化，由此获得以月为单位的预测资源使用量的变化。这里的逼近函数可以通过对通常使用的实际数值的近似值进行归纳而得到。换句话说，考虑具有特定精度的一个逼近函数，如果实际数值的近似值代表具有特定的数值精度的某一数学量，则该逼近函数代表取决于单个参数或多个参数的量。
通过以这种方式计划未来资源使用量，可以自动地且精确地改变各个模块的资源使用量的限制。
此外，该资源调节装置为各个模块设置瓶颈状态检测阈值。在资源使用量达到该阈值的情况下，则将资源优先分配给该模块。通过这种方式，可以消除瓶颈状态。
该资源调节装置的工作模式通常分为两种模式，例如监督或监测工作模式和自主工作模式。该资源调节装置计划每个模块所需要的资源量，并执行为服务器设计的操作。
在监督工作模式下，管理员(操作员)可以改变该计划资源量，并且该资源调节装置根据由管理员最终确定的计划调节资源量。在自主工作模式下，该资源调节装置采集多个模块单元中关于事务量和资源使用量的统计信息，并自动判断这些模块的状态，由此调节各个模块的资源分配。
图3是监督工作模式下的处理的流程图。首先，该资源调节装置采集模块单元中的关于事务量(发生量·处理量)和资源使用量的统计信息(步骤201)。该统计信息是周期性地采集并累计的。
然后，该资源调节装置根据所采集的统计信息计算模块单元中的资源分配量(必需资源量)，并将资源分配量的计划呈现给管理员(步骤202)。
这里，首先根据过去累计的事务发生量获得有关***中的多个模块的每个周期(天、周、月等)的事务发生量的变化和该事务发生量的平均值和最大值的变化，并将如此获得的变化呈现给管理员。然后，管理员通过选择每个周期的平均值或最大值来指示事务变化的组合。
此时，该资源调节装置例如在显示器上显示如图4A的画面。在图4A的画面中，选定一天作为周期，并且选定三天作为用于统计处理的时间段。
线图301、302和303分别表示12月1日、2日和3日某一模块的事务发生量的变化。线图304表示这三天内事务发生量的平均值的变化，而线图305表示这三天内事务发生量的最大值的变化。管理员使用诸如鼠标的定点设备选择所显示的平均值或最大值(MAX值)。如果操作结束，则管理员点击OK按钮306。
通过相同的方式，管理员选择关于其它周期的平均值和最大值，并且该资源调节装置通过对各个选定周期的选定变化(特性曲线)进行叠加来组合/计算要预测的未来的事务发生量的变化。
通过这种方式，显示出例如图4B那样的画面。在图4B的画面中，计算了关于一个“月”的未来事务发生量的变化，其中将一“天”和一“周”的每个周期的特性曲线相加或组合在一起。
然后，该资源调节装置生成一逼近函数，该逼近函数表示过去的事务处理量和资源使用量之间的相互关系。例如，在使用指数函数作为逼近函数的情况下，产生以下逼近表达式，同时A、B和C被设置为常数。
(资源使用量)＝A*(事务处理量)B+C
通过这种方式，显示出例如图5那样的画面。图5的画面的水平轴表示事务处理量，而垂直轴表示资源使用量。
然后，根据该逼近函数和未来事务发生量的变化计算未来资源使用量的计划，并且将该计划呈现给管理员。这样，显示出例如图6那样的画面。在图6的画面中，显示了线图601、602和603，作为关于一个“月”的未来资源使用量的计划。线图601、602和603分别代表模块#1、#2和#3的计划。
管理员可以根据情况需要改变如此表示的资源使用量的计划的设置(步骤203)。例如，管理员可以通过使用定点设备在屏幕上上下拖动线图来改变计划(步骤204)。当操作结束时，点击OK按钮604。
在没有改变计划的情况下，该资源调节装置根据所计算的计划自动地改变未来资源分配量，而在改变了计划的情况下，该资源调节装置根据改变后的计划自动地改变未来资源使用量(步骤205)。
然后，该资源调节装置监测资源的后续分配情况，将预测·设定的资源分配量与资源实际使用量相比较，并将比较结果呈现给管理员(步骤206)。在资源分配量和资源使用量适合于操作***的情况下，管理员可以进行从监督工作模式到自主工作模式的模式转换。
图7是自主工作模式下的处理的流程图。图7的步骤701中的处理与图2的步骤201中的一样。该资源调节装置根据所采集的统计信息计算模块单元中的资源分配量(步骤702)。
首先，该资源调节装置根据过去累计的事务发生量预测下一时间单元(例如，初始值是1小时)中的事务发生量。然后，与监督工作模式类似，该资源调节装置产生一逼近函数，该逼近函数表示过去事务处理量和过去资源使用量之间的相互关系。然后，根据预测事务发生量和该逼近函数，该资源调节装置计算下一时间单元所需的资源量。
此后，该资源调节装置将所计算的资源量设置为资源分配量(步骤703)并且监测资源的后续分配情况(步骤704)。然后，该资源调节装置将该预测·设定的资源分配量与资源实际使用量相比较，并将比较结果呈现给管理员。
在该自主工作模式下，即使管理员没有改变资源分配量，也以不同于监督工作模式的方式自动调整资源分配量。在资源分配量与资源使用量不适合于操作***的情况下，管理员可以将模式从自主工作模式改变为监督工作模式。
此外，该资源调节装置可以进行每个模块的未来长期资源量预测。例如，在以两个月的时间间隔预测一年的资源使用量的情况下，会在屏幕上显示出如图8那样的计划。图8的曲线801、802和803分别表示模块#1、#2和#3的资源使用量的计划。
当对为***中所有模块预测的资源使用量进行相加并且将该计划显示为图形时，可以向管理员呈现整个***的总需求，并且可以实现对负荷量计划的支持。
下面是对由该资源调节装置执行的处理的详细说明。该资源调节装置利用例如图9到14所示的这些表执行资源调节处理。
在图9的各模块基本数据表中为每个模块存储了以下项目的数据。
模块名901(模块识别信息)
CPU分配量902
存储器分配量903
瓶颈状态CPU使用量检测域值904
瓶颈状态CPU使用量消除域值905
瓶颈状态存储器使用量检测域值906
瓶颈状态存储器使用量消除域值907
瓶颈状态事务发生量检测域值908
瓶颈状态事务发生量消除域值909
最高点(ceiling point)(子处理产生指令值)910
图9示出了模块1和模块2的基本数据。
在图10和11的各模块统计数据表中为每个模块存储了以下项目的数据。
模块名1001(模块识别信息)
采集间隔1002(获取统计数据的时间间隔：可变)
采集时间1003
事务发生量1004
事务处理量1005
CPU使用量1006
CPU分配量1007
预测CPU使用量1008
存储器使用量1009
存储器分配量1010
预测存储器使用量1011
在这些项目中，项目1003-1011的数据是在每一个采集时刻重复存储的。在图10和11中，每10分钟获取一次模块1的统计数据，并例举了2003年3月1日的5次数据。
在图12和13的各模块周期信息数据表中为每个模块存储了以下项目的数据。
模块名1201(模块识别信息)
循环周期1202
周期内的间隔1203
时间1204
事务发生量1205
循环周期1301
周期内的间隔1302
时间1303
事务发生量1304
在这些项目中，项目1202到1205的数据对于由循环周期1202指定的每个周期都重复存储。项目1204和1205的数据是在由周期内的间隔1203指定的每个时间间隔都重复存储的。
此外，项目1301到1304的数据表示通过对多个周期的数据进行组合而得到的数据。将最长的循环周期1202设置为循环周期1301，而将最短的循环周期1202的周期内的间隔1203设置为周期内的间隔1302。项目1303和1304的数据是在由周期内的间隔1302指定的每个时间间隔重复存储的。
在图12中，在关于诸如一天、一周、和一个月的每个周期的期间内的每个时间间隔都显示模块1的事务发生量。图13表示一个月的事务发生量的组合数据。
在图14的各模块资源预测数据表中为每个模块存储了以下项目的数据。
模块名1401(模块识别信息)
预测间隔1402(预测数据的时间间隔：可变)
时间1403
CPU使用量预测1404
事务发生量预测1405
在这些项目中，项目1403到1405的数据是在由预测间隔1402指定的每个时间间隔都重复存储的。在图14中，模块1的资源预测数据每隔1小时产生一次。
首先，该资源调节装置根据来自管理员的指令设置图9的各模块基本数据表的数据。然后，该资源调节装置在每个采集间隔对图10和11的各模块统计数据表中的每个模块的事务量(发生量·处理量)以及CPU及存储器的使用量、分配量和预测使用量进行累计。在下面的说明中，将CPU使用量用作为资源使用量。
如图4A所示，显示出了每个周期(天、周、月等)的过去事务发生量。此外，计算并显示了平均值和最大值。当管理员选择每个周期的平均值或最大值时，所选定的值被存储到图12的各模块周期信息数据表中。
此后，通过将“周”和“天”事务发生量的变化相加或组合为“月”事务发生数据的变化并对这些变化进行组合，计算出如图4B所示的“月”事务发生量的变化，并且将所计算的数据存储为图13的组合数据。这些组合数据成为事务发生量的预测数据。
此外，管理员可以选择用于产生组合数据的周期的类型。该资源调节装置仅利用所选定周期的事务发生量产生组合数据。例如，在管理员仅选择了“天”周期并指示进行“月”事务发生量的变化的预测的情况下，该资源调节装置使用反复处理“日”事务发生量的变化等的方法来预测“月”事务发生量的变化。
此后，根据各模块统计数据表中的过去事务处理量和过去CPU使用量之间的关系，得到图5所示的逼近函数以及下面的等式或函数。
(CPU使用量)＝A*(事务处理量)B+C
然后，该资源调节装置用存储在各模块周期信息数据表中的“月”组合数据的事务发生量代替逼近函数的事务处理量，由此计算“月”预测CPU使用量的变化。
随后，如图6所示计划未来的预测CPU使用量，并作为CPU使用量预测存储在图14的各模块资源预测数据表中。此外，将该预测事务发生量作为事务发生量预测存储在各模块资源预测数据表中。此后，在各模块统计数据表中的CPU预测使用量的项目中将CPU使用量预测数据作为过去的数据写入。
此外，使用CPU使用量预测数据计算各模块统计数据表中的CPU分配量。通常，CPU分配量等于CPU预测使用量(＝CPU使用量预测)。
该过程可以通过对各周期资源使用量进行相加来精确地限制各个模块的未来资源使用量，并且可以自动地改变资源分配量。因此，可以容易地控制整个***的资源量。
在由该资源调节装置所计算的资源使用量的计划中，通过根据过去的经验等改变资源使用量的变化，管理员可以灵活地改变对未来资源量的限制的设置。通过实现这样的改变操作，可以对不能仅通过过去的周期进行预测的资源量波动(例如，企业在特定的某天的资源使用量)进行精确控制。
例如，在图6表示“月”CPU使用量的计划的情况下，管理员可以通过改变线图来改变各个模块的CPU使用量的预测值。将改变后的结果作为CPU使用量预测存储在图14的各模块资源预测数据表中。在这种情况下，在图10和11的各模块统计数据表中，CPU预测使用量不等于在相应采集时间的CPU分配量(例如，图10的2003年3月1日12:10的数据)。
此外，该资源调节装置根据最近的事务发生量的测量值得到即刻之后的事务发生量的预测值，并且该资源调节装置可以利用该预测值和逼近函数预测即刻之后的资源使用量。通过这种方式，该资源调节装置可以自动地对未来资源量设置更安全的限制。
在上述示例中，对未来事务发生量进行了预测。不过，可能有时会突然产生无法根据过去的数据预测的大量事务。因此，该资源调节装置从图10和11的各模块统计数据表中获取最近的(例如，一小时之前的)事务发生量，并在加上了如此获得的事务量的基础上生成事务发生量的变化。
然后，该资源调节装置对已加上了最近事务发生量的事务发生量的变化应用上述逼近函数，预测即刻之后的CPU使用量(例如，从现在起一小时)，并且在图14的各模块资源预测数据表中重写CPU使用量预测。
根据这种预测方法，该资源调节装置可以利用最近的事务发生量预测更接近当前点的资源使用量。因此，即使在事务发生量突然增加的情况下，该资源调节装置也可以对资源使用量进行精确的控制。
如果如图9所示为各个模块设置资源使用量分配的瓶颈状态检测阈值，则当某一个模块的资源使用量达到该设定的阈值时，该资源调节装置可以分配其它模块的资源。该处理持续进行，直到该资源使用量达到瓶颈状态消除阈值。
通过向资源使用量达到特定值的模块优先分配资源，可以避免瓶颈状态。通过这种方式，例如，防止了应用程序的过度响应延迟，因此有效地利用了整个***的资源量。
将以下面的情况(2003年3月1日15:00)作为示例进行说明：图10和11的各模块统计数据表中，模块1的最近CPU使用量达到了图9中的各模块基本数据表中的瓶颈状态CPU使用量检测阈值(60％)。在这种情况下，该资源调节装置通过重写图14的各模块资源预测数据表，将模块1的未来CPU使用量预测设置得较大(例如，80％)，而将其它模块的CPU使用量预测设置得较小(例如，20％)。
然后，当模块1的CPU使用量达到了各模块基本数据表中的瓶颈状态CPU使用量消除阈值(40％)(2003年3月1日18:00)时，该资源调节装置恢复各模块资源预测数据表中的各个模块的CPU使用量预测。
在该示例中，该资源调节装置利用瓶颈状态CPU使用量检测阈值和瓶颈状态CPU使用量消除阈值来对瓶颈状态采取措施。但是，如果即使CPU使用量增加，事务发生量和事务处理量也几乎相同，则不需要对瓶颈状态采取防范措施。
即使在某一模块以这种方式耗尽了资源分配量的情况下，该模块也不会始终在缺少资源的状态下运行。因此，仅通过利用资源使用量分配的瓶颈状态检测阈值不能确定是否确实应该将其它模块的资源分配给某一模块。
因此，可以想到将事务发生量(例如，处理队列长度)用作为瓶颈状态检测阈值和瓶颈状态消除阈值。例如，通过将处理队列长度用作为阈值，可以检测资源的实际短缺情况，由此使得在紧急情况下能够进行资源的分配。通过这种方式，***的工作可以继续，而不占用其它模块的资源，直到某一模块的处理发生停滞。结果，有效地利用了整个***的资源量。
将以下面的情况(2003年3月1日15:00)作为示例进行说明：在图10和11的各模块统计数据表中，模块1的最近事务发生量达到了图9的各模块基本数据表中的瓶颈状态事务发生检测阈值(500)。在这种情况下，该资源调节装置通过重写图14的各模块资源预测数据表，将模块1的未来CPU使用量预测设置得较大(例如，80％)，而将其它模块的CPU使用量预测设置得较小(例如，20％)。
此后，当模块1的事务发生量达到各模块基本数据表中的瓶颈状态事务发生消除阈值(300)(2003年3月1日18:00)时，该资源调节装置恢复各模块资源预测数据表中的各个模块的CPU使用量预测。
各模块基本数据表中的瓶颈状态CPU使用量检测/消除阈值和瓶颈状态事务发生量检测/消除阈值的同时使用造成了混乱。因此，希望在考虑各个模块的特性的情况下选择并使用其中一种。
此外，如图8所示，该资源调节装置预测所有模块的长期(未来)总需求，并在图形用户界面(GUI)的画面上显示预测结果。因此，该资源调节装置可以支持由管理员制定的负荷量计划。通过参照所提供的总需求，管理员可以适当地进行应用***的构成变化等。
在这种情况下，该资源调节装置长时间(例如，从数月到一年)获取图10和11的各模块统计数据表中的事务发生量，并生成表示在此期间内的事务处理量和资源量之间的关系的逼近函数。
然后，该资源调节装置将所获得的事务发生量的变化用作为预测变化，对该预测变化应用逼近函数，并预测未来长期(例如，一到两年)的资源使用量。然后，该资源调节装置通过计算所有模块的预测结果的总和来计算整个***的总需求，并将所计算的总需求呈现给管理员。
通过这种方式，在负荷量计划支持的情况下，该预测是使用事务发生量的数据来进行的，该事务发生量的数据是经过长时间段的时间而获得的，而不是事务发生量的组合数据。
此外，在某一模块的资源使用量的预测值增加的情况下，该资源调节装置可以建议该某一模块中的应用程序产生子处理等。通过建议该应用程序执行这种处理，该应用程序可以迅速对处理队列事务量的减少作出响应。
在应用程序中，一些应用程序具有这样的点：由于处理的数量很小，所以不论给予多少使用资源，事务处理量都不会增加。因此，在图9的各模块基本数据表中将该点的资源使用量设置为最高点。
在图14的各模块资源预测数据表中的相应模块的最近CPU使用量预测达到各模块基本数据表中的最高点的情况下，该资源调节装置给出相应模块的指令，以产生子处理等。如果所指示的模块的应用程序产生了子处理，则由于可同时处理的事务的数量增加，所以事务处理量增加。
在存在其中发生这种现象的多个应用程序的情况下，如果将这些应用程序的集合作为一个模块进行管理，则可以有效地通知这些应用程序。
在上述优选实施例中，主要是将CPU作为资源进行处理。然而，本发明的资源调节装置或方法还可应用于任意的计算机资源，包括存储器、盘区域、数据传送带宽等。
同时，图2的资源调节装置例如可以使用如图15所示的数据处理装置(计算机)来构成。图15的数据处理装置包括CPU(中央处理单元)1501、存储器1502、输入设备1503、输出设备1504、外部存储设备1505、介质驱动设备1506和网络连接设备1507。这些设备通过总线1508相互连接。
存储器1502例如包括ROM(只读存储器)、RAM(随机存取存储器)等，并且存储用于处理的程序和数据。CPU 1501通过利用存储器1502执行程序来进行必要的处理。图9到14所示的各种类型的表与存储在存储器1502中的数据相对应。
输入设备1503例如包括键盘、定点设备、触摸板等，它们用于输入来自操作员的指令和信息。输出设备1504例如包括显示器、打印机、扬声器等，它们用于询问操作员或为操作员输出处理结果。
外部存储设备1505例如包括磁盘设备、光盘设备、磁光盘设备、磁带设备等。该数据处理装置将上述程序存储在该外部存储设备1505中，并根据情况需要，通过将这些程序载入到存储器1502中来使用这些程序。该外部存储设备1505还用于存储图9到14所示的各种类型的表。
介质驱动设备1506驱动便携式存储介质1509，并存取记录内容。该便携式记录介质1509是任意的计算机可读存储介质，包括存储卡、软盘、CD-ROM(光盘只读存储器)、光盘、磁光盘等。操作员将上述程序和数据存储在该便携式存储介质1509中，并在根据情况需要将它们载入到存储器1502中后使用它们。
网络连接设备1507与任意的通信网络相连，例如LAN(局域网)、因特网等，并在通信过程中传送数据。该数据处理装置根据情况需要通过该网络连接设备1507从外部设备接收上述程序和数据，并将它们载入到存储器1502中以便使用。
图16显示了用于为图15的数据处理装置提供程序和数据的计算机可读存储介质。存储在便携式存储介质1509和服务器1601中的数据库1603中的程序和数据被载入到数据处理装置1602的存储器1502中。服务器1601产生用于传送程序和数据的传送信号，并通过网络上任意的传输介质将它们传送给数据处理装置1602。CPU 1501利用这些数据执行这些程序，并进行必要的处理。
根据本发明，通过根据事务发生量的测量值来预测未来资源使用量，可以自主地并且精确地改变对各个模块的资源使用量的限制。

Claims (14)

1.一种资源调节装置，用于为每一个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序，该资源调节装置包括：
存储装置，用于存储表示所述多个模块中的每一个的过去事务发生量的变化的数据；
生成装置，用于从所述存储装置中获取表示目标模块的事务发生量的变化的数据，并将该事务发生量用作为表示所述目标模块的过去事务处理量和过去资源使用量之间的相互关系的函数中的事务处理量，由此根据所述目标模块的所述事务发生量的所述变化生成资源使用量的变化；以及
分配装置，用于将所生成的资源使用量的变化用作为预测资源使用量的变化，并根据该预测资源使用量的变化自动地改变所述目标模块的资源分配量。
2.一种计算机可读存储介质，用于为计算机存储一种程序，该计算机用于为每一个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序，其中所述程序使得所述计算机执行：
从存储表示多个模块中的每一个的过去事务发生量的变化的数据的存储装置中获取表示目标模块的事务发生量的变化的数据；
通过将所述事务发生量用作为表示所述目标模块的过去事务处理量和过去资源使用量之间的相互关系的函数中的事务处理量，根据所述目标模块的事务发生量的变化生成资源使用量的变化；以及
将所生成的资源使用量的变化用作为预测资源使用量的变化，并根据该预测资源使用量的变化自动地改变所述目标模块的资源分配量。
3.根据权利要求2所述的存储介质，其中所述程序使得计算机执行：
利用表示所述目标模块的事务发生量的变化的数据生成多种类型的周期中的每一种中的预测事务发生量的变化，在屏幕上显示所生成的变化，并根据来自操作员的指令对各个周期中的事务发生量的变化进行组合，由此生成预测事务发生量的变化；
对该预测事务发生量的变化应用所述函数；以及
生成资源使用量的变化。
4.根据权利要求3所述的存储介质，其中所述程序使得所述计算机执行：
在所述***中，在所述多种类型的周期中的每一个中生成关于至少两个模块的事务发生量的平均值和最大值的变化；
在屏幕上显示所生成的变化；
使用由操作员选定的值，对各个周期中的事务发生量的变化进行组合；以及
生成预测事务发生量的变化。
5.根据权利要求2所述的存储介质，其中所述程序使得所述计算机执行：
在屏幕上显示所生成的资源使用量的变化；以及
当操作员改变了所显示的资源使用量的变化时，将改变后的资源使用量的变化用作为所述预测资源使用量的变化。
6.根据权利要求2所述的存储介质，其中所述程序使得所述计算机执行：
从所述存储装置获取表示所述目标模块的最近事务发生量的变化的数据；
将通过该最近事务发生量的变化生成的资源使用量的变化用作为即刻之后的预测资源使用量的变化；以及
改变所述目标模块的即刻之后的资源分配量。
7.根据权利要求2所述的存储介质，其中所述程序使得所述计算机执行：
在从所述目标模块的资源使用量达到预定的瓶颈状态检测阈值开始直到所述目标模块的资源使用量达到瓶颈状态消除阈值为止的时间段中，优先为所述目标模块分配资源。
8.根据权利要求2所述的存储介质，其中所述程序使得所述计算机执行：
在从所述目标模块的事务发生量达到预定的瓶颈状态检测阈值开始直到所述目标模块的事务发生量达到瓶颈状态消除阈值为止的时间段中，优先为所述目标模块分配资源。
9.根据权利要求2所述的存储介质，其中所述程序使得所述计算机执行：
当所述目标模块的预测资源使用量达到预定量时，指示所述目标模块生成子处理。
10.根据权利要求2所述的存储介质，其中所述程序使得所述计算机执行：
显示用于负荷量计划支持的画面，该负荷量计划支持包括长时间预测的资源使用量的变化。
11.一种传送信号，用于为计算机传送一种程序，该计算机用于为每一个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序，其中所述程序使得所述计算机执行：
从存储表示多个模块中的每一个的过去事务发生量的变化的数据的存储装置中获取表示目标模块的事务发生量的变化的数据；
通过将该事务发生量用作为表示所述目标模块的过去事务处理量和过去资源使用量之间的相互关系的函数中的事务处理量，使用所述目标模块的事务发生量的变化生成资源使用量的变化；
将所生成的资源使用量的变化用作为预测资源使用量的变化；以及
根据该预测资源使用量的变化自动地改变所述目标模块的资源分配量。
12.一种资源调节方法，用于为每一个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序，该资源调节方法包括：
从存储表示多个模块中的每一个的过去事务发生量的变化的数据的存储装置中获取表示目标模块的事务发生量的变化的数据；
将该事务发生量用作为表示所述目标模块的过去事务处理量和过去资源使用量之间的相互关系的函数中的事务处理量，由此根据所述目标模块的所述事务发生量的所述变化生成资源使用量的变化；以及
将所生成的资源使用量的变化用作为预测资源使用量的变化，并根据该预测资源使用量的变化自动地改变所述目标模块的资源分配量。
13.一种资源调节装置，用于为每一个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序，该资源调节装置包括：
存储装置，用于存储表示多个模块中的每一个的过去事务发生量的变化的数据；
生成装置，用于从所述存储装置中获取表示目标模块的事务发生量的变化的数据，并将该事务发生量用作为表示所述目标模块的过去事务处理量和过去资源使用量之间的相互关系的函数中的事务处理量，由此根据所述目标模块的事务发生量的变化生成资源使用量的变化；以及
分配装置，用于将所生成的资源使用量的变化用作为预测资源使用量的变化，并根据该预测资源使用量的变化自动地改变所述目标模块的资源分配量。
14.一种资源调节装置，用于为每一个模块调节在具有多个模块的***中使用的计算机资源量，该多个模块各包括至少一个应用程序，该资源调节装置包括：
存储手段，用于存储表示多个模块中的每一个的过去事务发生量的变化的数据；
生成手段，用于从所述存储手段中获取表示目标模块的事务发生量的变化的数据，并将该事务发生量用作为表示所述目标模块的过去事务处理量和过去资源使用量之间的相互关系的函数中的事务处理量，由此根据所述目标模块的事务发生量的变化生成资源使用量的变化；以及
分配手段，用于将所生成的资源使用量的变化用作为预测资源使用量的变化，并根据该预测资源使用量的变化自动地改变所述目标模块的资源分配量。
CNB200410032758XA 2003-04-16 2004-04-16 用于调节***资源的使用的装置及其方法 Expired - Fee Related CN1300693C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2003111301A JP4071668B2 (ja) 2003-04-16 2003-04-16 システムの使用資源を調整する装置および方法
JP111301/2003 2003-04-16

Publications (2)

Publication Number Publication Date
CN1538297A true CN1538297A (zh) 2004-10-20
CN1300693C CN1300693C (zh) 2007-02-14

Family

ID=32906033

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB200410032758XA Expired - Fee Related CN1300693C (zh) 2003-04-16 2004-04-16 用于调节***资源的使用的装置及其方法

Country Status (5)

Country Link
US (1) US8028051B2 (zh)
EP (1) EP1469387B1 (zh)
JP (1) JP4071668B2 (zh)
CN (1) CN1300693C (zh)
DE (1) DE602004001904T2 (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011009345A1 (zh) * 2009-07-23 2011-01-27 中兴通讯股份有限公司 一种平滑数据处理的方法和装置
CN102004671A (zh) * 2010-11-15 2011-04-06 北京航空航天大学 一种云计算环境下数据中心基于统计模型的资源管理方法
CN102053859A (zh) * 2009-11-09 2011-05-11 ***通信集团甘肃有限公司 批量数据处理的方法与装置
CN102197378A (zh) * 2008-10-27 2011-09-21 株式会社日立制作所 资源管理方法和嵌入设备
CN102609315A (zh) * 2012-01-31 2012-07-25 苏州佳世达电通有限公司 可调整程序使用资源的电子装置
WO2013097552A1 (en) * 2011-12-30 2013-07-04 International Business Machines Corporation Dynamically scaling multi-tier applications in a cloud environment
CN103885837A (zh) * 2014-03-18 2014-06-25 上海大唐移动通信设备有限公司 一种多线程处理数据的方法及装置
CN104657411A (zh) * 2013-11-22 2015-05-27 国际商业机器公司 用于信息技术资源管理的方法和***
CN106164864A (zh) * 2014-03-31 2016-11-23 微软技术许可有限责任公司 服务的预测负载伸缩
CN108399102A (zh) * 2017-02-08 2018-08-14 阿里巴巴集团控股有限公司 一种资源分配方法和装置
CN108459905A (zh) * 2017-02-17 2018-08-28 华为技术有限公司 资源池容量规划方法及服务器
US10572309B2 (en) 2014-04-30 2020-02-25 Huawei Technologies Co., Ltd. Computer system, and method for processing multiple application programs
CN113129048A (zh) * 2019-12-31 2021-07-16 阿里巴巴集团控股有限公司 资源供给方法、装置、电子设备及计算机可读存储介质

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7904323B2 (en) * 2003-06-23 2011-03-08 Intel Corporation Multi-team immersive integrated collaboration workspace
JP2006209165A (ja) * 2005-01-25 2006-08-10 Hitachi Ltd 同時実行多重度調整システム及び方法
CN1936849A (zh) * 2005-09-19 2007-03-28 国际商业机器公司 资源动态调整方法及设备
JP5077617B2 (ja) * 2005-10-27 2012-11-21 富士通株式会社 想定外需要検出システムおよび想定外需要検出プログラム
US7719983B2 (en) * 2006-01-06 2010-05-18 International Business Machines Corporation Method for autonomic system management using adaptive allocation of resources
JP4841982B2 (ja) 2006-03-20 2011-12-21 富士通株式会社 性能情報収集方法、装置、及びプログラム
US8104039B2 (en) * 2006-08-07 2012-01-24 International Business Machines Corporation Method for balancing resource sharing and application latency within a data processing system
US8171484B2 (en) 2006-11-17 2012-05-01 Fujitsu Limited Resource management apparatus and radio network controller
JP5006837B2 (ja) * 2008-05-14 2012-08-22 株式会社リコー 使用量予測システム、使用量予測方法及び使用量予測プログラム
KR101350000B1 (ko) 2009-11-09 2014-01-13 한국전자통신연구원 크로스 플로우 병렬 처리 방법 및 시스템
US20110113218A1 (en) * 2009-11-09 2011-05-12 Electronics And Telecommunications Research Institute Cross flow parallel processing method and system
JP5555010B2 (ja) * 2010-02-26 2014-07-23 大阪瓦斯株式会社 不要アプリケーション監視装置
JP5155369B2 (ja) * 2010-03-29 2013-03-06 株式会社三菱東京Ｕｆｊ銀行 予測装置、プログラム及び予測方法
JP5472626B2 (ja) * 2010-04-28 2014-04-16 公立大学法人首都大学東京 情報処理装置運用管理装置、クラウドコンピューティングシステム、運用管理プログラム、記憶媒体、及び情報処理装置運用管理方法
DE102010029209B4 (de) * 2010-05-21 2014-06-18 Offis E.V. Verfahren zur dynamischen Verteilung von einem oder mehreren Diensten in einem Netz aus einer Vielzahl von Rechnern
US20130151358A1 (en) * 2011-12-07 2013-06-13 Harsha Ramalingam Network-accessible Point-of-sale Device Instance
WO2014118979A1 (ja) * 2013-02-01 2014-08-07 株式会社日立製作所 性能モデル検査装置、および、性能モデル検査方法
CN103152834A (zh) * 2013-02-26 2013-06-12 成都飞鱼星科技开发有限公司 一种无线流量的智能分配方法
JP6089783B2 (ja) * 2013-02-27 2017-03-08 富士通株式会社 制御装置、リソース制御プログラムおよびリソース制御方法
US9722945B2 (en) 2014-03-31 2017-08-01 Microsoft Technology Licensing, Llc Dynamically identifying target capacity when scaling cloud resources
WO2016006228A1 (ja) * 2014-07-11 2016-01-14 日本電気株式会社 仮想化システムおよび仮想化方法
EP3560146B1 (en) * 2016-12-26 2022-03-02 Morgan Stanley Services Group Inc. Predictive asset optimization for computer resources
WO2019097727A1 (ja) * 2017-11-20 2019-05-23 三菱電機株式会社 情報処理装置、情報処理方法及び情報処理プログラム
US10721179B2 (en) 2017-11-21 2020-07-21 International Business Machines Corporation Adaptive resource allocation operations based on historical data in a distributed computing environment
US10893000B2 (en) * 2017-11-21 2021-01-12 International Business Machines Corporation Diagonal scaling of resource allocations and application instances in a distributed computing environment
US10635501B2 (en) 2017-11-21 2020-04-28 International Business Machines Corporation Adaptive scaling of workloads in a distributed computing environment
US10733015B2 (en) 2017-11-21 2020-08-04 International Business Machines Corporation Prioritizing applications for diagonal scaling in a distributed computing environment
US10812407B2 (en) 2017-11-21 2020-10-20 International Business Machines Corporation Automatic diagonal scaling of workloads in a distributed computing environment
US10887250B2 (en) 2017-11-21 2021-01-05 International Business Machines Corporation Reducing resource allocations and application instances in diagonal scaling in a distributed computing environment
CN111985726B (zh) * 2020-08-31 2023-04-18 重庆紫光华山智安科技有限公司 资源数量预测方法、装置、电子设备及存储介质
CN113923229B (zh) * 2021-10-14 2024-07-16 京东科技信息技术有限公司 云计算资源弹性调度方法、装置及相关设备

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04315247A (ja) * 1991-04-15 1992-11-06 Hitachi Ltd 計算機システムの運用方法
JPH07219787A (ja) 1994-01-28 1995-08-18 Hitachi Ltd 予測制御型並列分散処理方式、及びコンピュータシステム、並びにネットワークシステム
JPH10124333A (ja) 1996-10-24 1998-05-15 Nec Eng Ltd システム資源管理装置
JPH10198643A (ja) * 1997-01-09 1998-07-31 Hitachi Ltd 分散計算機システム
JPH10283209A (ja) 1997-04-03 1998-10-23 Brother Ind Ltd システム管理装置及びシステム管理方法並びにシステム管理制御プログラムを記録した記録媒体
JP4377028B2 (ja) 1999-05-06 2009-12-02 パナソニック株式会社 リソース管理システム
US20020152305A1 (en) * 2000-03-03 2002-10-17 Jackson Gregory J. Systems and methods for resource utilization analysis in information management environments
US20030046396A1 (en) * 2000-03-03 2003-03-06 Richter Roger K. Systems and methods for managing resource utilization in information management environments
JP2002099435A (ja) 2000-09-21 2002-04-05 Toshiba Corp マルチタスク制御方法および情報処理装置
JP2002140313A (ja) * 2000-10-31 2002-05-17 Canon Inc 情報処理装置および情報処理方法および記憶媒体
JP4644377B2 (ja) 2001-03-09 2011-03-02 株式会社大和証券グループ本社 負荷監視システム
JP2002342269A (ja) 2001-05-14 2002-11-29 Hitachi Ltd リソース管理テーブル数最適化方法及びその実施システム並びにその処理プログラム
US7047386B1 (en) * 2001-05-31 2006-05-16 Oracle International Corporation Dynamic partitioning of a reusable resource
US6874099B1 (en) * 2001-05-31 2005-03-29 Sprint Communications Company L.P. Method and software for testing and performance monitoring
JP2003067351A (ja) 2001-08-28 2003-03-07 Nec System Technologies Ltd 分散型コンピュータの構成制御システム
US6870926B2 (en) * 2001-11-06 2005-03-22 Rockwell Electronic Commerce Technologies, Llc Method of optimizing call center resources based upon statistics
US20060248529A1 (en) * 2002-12-27 2006-11-02 Loboz Charles Z System and method for estimation of computer resource usage by transaction types

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102197378B (zh) * 2008-10-27 2014-03-26 株式会社日立制作所 资源管理方法和嵌入设备
CN102197378A (zh) * 2008-10-27 2011-09-21 株式会社日立制作所 资源管理方法和嵌入设备
WO2011009345A1 (zh) * 2009-07-23 2011-01-27 中兴通讯股份有限公司 一种平滑数据处理的方法和装置
CN102053859A (zh) * 2009-11-09 2011-05-11 ***通信集团甘肃有限公司 批量数据处理的方法与装置
CN102053859B (zh) * 2009-11-09 2013-03-27 ***通信集团甘肃有限公司 批量数据处理的方法与装置
CN102004671A (zh) * 2010-11-15 2011-04-06 北京航空航天大学 一种云计算环境下数据中心基于统计模型的资源管理方法
CN102004671B (zh) * 2010-11-15 2013-03-13 北京航空航天大学 一种云计算环境下数据中心基于统计模型的资源管理方法
US8756610B2 (en) 2011-12-30 2014-06-17 International Business Machines Corporation Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment
WO2013097552A1 (en) * 2011-12-30 2013-07-04 International Business Machines Corporation Dynamically scaling multi-tier applications in a cloud environment
US8756609B2 (en) 2011-12-30 2014-06-17 International Business Machines Corporation Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment
CN102609315A (zh) * 2012-01-31 2012-07-25 苏州佳世达电通有限公司 可调整程序使用资源的电子装置
CN104657411B (zh) * 2013-11-22 2018-01-23 国际商业机器公司 用于信息技术资源管理的方法和***
CN104657411A (zh) * 2013-11-22 2015-05-27 国际商业机器公司 用于信息技术资源管理的方法和***
CN103885837B (zh) * 2014-03-18 2017-07-14 上海大唐移动通信设备有限公司 一种多线程处理数据的方法及装置
CN103885837A (zh) * 2014-03-18 2014-06-25 上海大唐移动通信设备有限公司 一种多线程处理数据的方法及装置
CN106164864A (zh) * 2014-03-31 2016-11-23 微软技术许可有限责任公司 服务的预测负载伸缩
CN106164864B (zh) * 2014-03-31 2020-03-10 微软技术许可有限责任公司 服务的预测负载伸缩
US10572309B2 (en) 2014-04-30 2020-02-25 Huawei Technologies Co., Ltd. Computer system, and method for processing multiple application programs
CN108399102A (zh) * 2017-02-08 2018-08-14 阿里巴巴集团控股有限公司 一种资源分配方法和装置
CN108459905A (zh) * 2017-02-17 2018-08-28 华为技术有限公司 资源池容量规划方法及服务器
CN113129048A (zh) * 2019-12-31 2021-07-16 阿里巴巴集团控股有限公司 资源供给方法、装置、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN1300693C (zh) 2007-02-14
DE602004001904T2 (de) 2006-12-21
EP1469387B1 (en) 2006-08-16
JP4071668B2 (ja) 2008-04-02
US8028051B2 (en) 2011-09-27
EP1469387A3 (en) 2004-11-03
US20040210871A1 (en) 2004-10-21
JP2004318474A (ja) 2004-11-11
EP1469387A2 (en) 2004-10-20
DE602004001904D1 (de) 2006-09-28

Similar Documents

Publication Publication Date Title
CN1300693C (zh) 用于调节***资源的使用的装置及其方法
CN1956457A (zh) 用于安排网格计算***中的网格作业的方法和设备
CN1956456A (zh) 用于在网格计算***中呈现资源要求的方法和设备
CN1783123A (zh) 基于资源需求和业务影响的过程执行管理
CN1097798C (zh) 资源分配的方法和***
US7302450B2 (en) Workload scheduler with resource optimization factoring
CN1752977A (zh) 文件访问服务***、交换机装置、配额管理方法及程序
CN1679018A (zh) 多平台优化模式
US9935893B2 (en) Systems and methods for dynamically allocating computing tasks to computer resources in a distributed processing environment
CN101031886A (zh) 网络***、管理计算机、集群管理方法以及计算机程序
CN1223025A (zh) 实时估价控制***及与之相关的方法
CN1913525A (zh) 自动响应来自网格客户机的作业请求的方法和***
CN101080736A (zh) 自动地将网格作业的投标请求分配给多个网格供应商并分析响应以选择获胜网格供应商
CN1736079A (zh) 根据业务模式识别来共同定位和减载网站业务的装置和方法
CN1519744A (zh) 计算机共用的共用存储***和具有该***的信息处理***
CN1773539A (zh) 用计算中心管理一个或多个计算资源的***和方法
CN1643498A (zh) 任务管理装置和方法、操作判断装置和方法以及被判断的程序
CN1391671A (zh) 计算环境中的工作负载管理
CN1300690C (zh) 用于监视计算机***中的资源的方法和***
CN1639688A (zh) 分布式处理***、作业分布式处理方法与程序
CN1755661A (zh) 信息处理装置以及方法和程序
CN1881976A (zh) 基于协议的自动服务供应方法与设备
CN1564416A (zh) 基于协同进化的电力***无功优化方法
CN1099649C (zh) 数据通信设备及其方法
CN1306407C (zh) 为动态提供而自主地自学习资源选择的方法和***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20070214

Termination date: 20160416