JP2019046407A - 性能管理システム、管理装置および性能管理方法 - Google Patents

性能管理システム、管理装置および性能管理方法 Download PDF

Info

Publication number
JP2019046407A
JP2019046407A JP2017171851A JP2017171851A JP2019046407A JP 2019046407 A JP2019046407 A JP 2019046407A JP 2017171851 A JP2017171851 A JP 2017171851A JP 2017171851 A JP2017171851 A JP 2017171851A JP 2019046407 A JP2019046407 A JP 2019046407A
Authority
JP
Japan
Prior art keywords
component
information
database
function unit
performance
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
JP2017171851A
Other languages
English (en)
Other versions
JP6681369B2 (ja
Inventor
林　真一
Shinichi Hayashi
真一 林
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.)
Hitachi Ltd
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2017171851A priority Critical patent/JP6681369B2/ja
Priority to US15/905,703 priority patent/US10802943B2/en
Publication of JP2019046407A publication Critical patent/JP2019046407A/ja
Application granted granted Critical
Publication of JP6681369B2 publication Critical patent/JP6681369B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3034—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a storage system, e.g. DASD based or network based
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/217—Database tuning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3466—Performance evaluation by tracing or monitoring
    • G06F11/3495—Performance evaluation by tracing or monitoring for systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/80—Database-specific techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0653—Monitoring storage devices or systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)

Abstract

【課題】情報システムの性能管理における負荷を低減する技術を提供する。【解決手段】データセンタ１の管理サーバ６０は、情報収集機能部６１と関連コンポーネント計算機能部６２とを有する。情報収集機能部は、データベースの稼働状況を表すデータベース稼働情報と、コンポーネントの稼働状況を表すコンポーネント稼働情報と、を収集する。関連コンポーネント計算機能部は、コンポーネント稼働情報に基づいて、コンポーネントの最大使用量に対するコンポーネントの実使用量の割合となるコンポーネント使用率を取得し、コンポーネント使用率とデータベース稼働情報とに基づいて、コンポーネントのうち情報システムの性能に関連する関連コンポーネントを特定する。管理センター２の管理サーバ７０は予測機能部７１を有し、関連コンポーネントの稼働情報に基づいて情報システムの将来の性能に関する予測を行う。【選択図】図１

Description

本発明は、情報処理システムの性能を管理する技術に関する。
データベースの応答時間の予測に関し、例えば特許文献１に開示された技術が知られている。特許文献１に開示された技術では、対象システムから収集した稼働情報に基づき、対象システムの将来の稼働を予測している。
従来、アプリケーションからデータの読み書き命令を受け付けるデータベース（ＤＢ）サーバとデータベースのデータを格納するストレージとを組み合わせた情報システムが知られている。
データベースサーバ上で動作するデータベースプログラムは、ローカルエリアネットワーク（ＬＡＮ）スイッチを介してアプリケーションからデータの読み書き命令を受け付ける。それらの命令に基づき、ストレージエリアネットワーク（ＳＡＮ）スイッチを介してストレージにデータの読み書き命令を送信する。
データベースプログラムが使用しているコンポーネントとして、データベースサーバが備えるＤＢサーバＣＰＵおよびＤＢサーバメモリ、ストレージが備えるストレージＣＰＵ、ストレージプール、およびストレージポート、ＬＡＮスイッチポート、ＳＡＮスイッチポートが挙げられる。これらのコンポーネントが過負荷になった場合、データベースプログラムの応答時間が悪化する。データベースを有する情報システムの運用管理では、データベースプログラムの応答時間が将来悪化するのを予測することが求められる。将来、データベースプログラムの応答時間が悪化することを予測するために、データベースプログラムが使用している各コンポーネントが過負荷になるかを予測する必要がある。
特許第５６８６９０４号公報
従来は、情報システムを構築し利用する企業では、自社のデータセンタに情報システムを構築していた。その場合、運用管理者は自社のデータセンタ内の情報システムのコンポーネントが過負荷になるか予測すればよかった。そのため、情報システムのコンポーネントが過負荷になるかどうかを予測する頻度は比較的低かった。
しかし、近年では、複数の企業から情報システムの運用管理の代行を請け負うサービスが提案されている。その場合、情報システムの運用管理を代行するサービス業者は、管理センタにて複数の顧客の情報システムの稼働情報を集約し、各情報システムのコンポーネントが過負荷になるか否かを予測する必要がある。
そのため、自社で情報システムを運用管理する場合に比べて、コンポーネントの過負荷を予測する処理を実行する頻度は遥かに多くなる。そのため、予測処理に必要な計算リソースが大量に必要となるという問題がある。
本発明の目的は、情報システムの性能管理における負荷を低減する技術を提供することである。
本発明の一態様による性能管理システムは、データベースを有する情報システムの性能を管理する性能管理システムであって、前記データベースの稼働状況を表すデータベース稼働情報と、前記情報システムの構成要素であるコンポーネントの稼働状況を表すコンポーネント稼働情報と、を収集する情報収集機能部と、前記コンポーネント稼働情報に基づいて、前記コンポーネントの最大使用量に対する当該コンポーネントの実使用量の割合となるコンポーネント使用率を取得し、該コンポーネント使用率と前記データベース稼働情報とに基づいて、前記コンポーネントのうち前記情報システムの性能に関連する関連コンポーネントを特定する関連コンポーネント計算機能部と、前記関連コンポーネントの稼働情報に基づいて前記情報システムの将来の性能に関する予測を行う予測機能部と、を有する。
コンポーネントのうち情報システムの性能に関連する関連コンポーネントを選択し、関連コンポーネントの稼働情報に基づいて情報システムの将来の性能を予測するので、情報システムの性能管理における負荷を低減することができる。
本発明の性能管理システムの実施の一形態を示す図である。 図１に示した構成情報と稼働情報の一例を示す図である。 図２に示したデータベース構成情報の一例を示す図である。 図２に示したストレージ構成情報の一例を示す図である。 図２に示したＬＡＮ構成情報の一例を示す図である。 図２に示したＳＡＮ構成情報の一例を示す図である。 図２に示したデータベース稼働情報の一例を示す図である。 図２に示したサーバＣＰＵ使用率情報の一例を示す図である。 図２に示したストレージ稼働情報の一例を示す図である。 図２に示したストレージポート使用率情報の一例を示す図である。 図２に示したストレージＣＰＵ使用率情報の一例を示す図である。 図２に示したストレージプール使用率情報の一例を示す図である。 図２に示したＬＡＮスイッチ使用率情報の一例を示す図である。 図２に示したＳＡＮスイッチ使用率情報の一例を示す図である。 図１に示した関連コンポーネント情報の一例を示す図である。 図１に示した予測結果の一例を示す図である。 図１に示した性能管理システムにて関連コンポーネントを特定する流れの一例を説明するための図である。 図１に示した性能管理システムにてデータベースの性能を予測する流れの一例を説明するための図である。 図１に示した性能管理システムにおけるコンポーネント使用率の計算の一例を説明するための図である。 図１に示した性能管理システムにてストレージの応答時間を予測する流れの一例を説明するための図である。
以下に、本発明の実施の形態について図面を参照して説明する。
（第１の実施の形態）
図１は、本発明の性能管理システムの実施の一形態を示す図である。
本形態における性能管理システムは図１に示すように、顧客毎に設置された複数のデータセンタ１と、これら複数のデータセンタ１を一元管理する管理センタ２とから構成されている。
データセンタ１は、顧客が提供するアプリケーションに応じて設置されたアプリケーション（ＡＰ）サーバ１０ａ，１０ｂと、ＬＡＮスイッチ２０と、ＤＢサーバ３０と、ＳＡＮスイッチ４０と、ストレージ５０と、管理サーバ６０とを有する。
ＡＰサーバ１０ａ，１０ｂは、それぞれＡＰ１１ａ，１１ｂと、ポート１２ａ，１２ｂとを有する。ＡＰ１１ａ，１１ｂは例えば、顧客管理プログラムやデータ分析プログラムなどであり、ＤＢサーバ３０上のデータを読み書きする。ポート１２ａ，１２ｂは、ＬＡＮスイッチ２０を介してＡＰ１１ａ，１１ｂを他の装置と接続するためのインタフェースである。なお、ＡＰサーバは、図示するように２つに限らず、顧客が提供するアプリケーションに応じて３つ以上設けられていてもよく、その場合でも、ＡＰサーバのそれぞれに、ＡＰとポートが設けられている。
ＬＡＮスイッチ２０は、ＡＰサーバ１０ａ，１０ｂとＤＢサーバ３０とを接続するスイッチであって、ポート１２ｃ〜１２ｅを有する。これらポート１２ｃ〜１２ｅは、ＡＰサーバ１０ａ，１０ｂとＤＢサーバ３０とを接続するためのインタフェースとなる。
ＤＢサーバ３０は、データベースプログラム３１と、ＣＰＵ３２と、メモリ３３と、ポート１２ｆ，３４ａとを有する。データベースプログラム３１は、ＡＰ１１ａ，１１ｂのデータを管理するプログラムであり、ＡＰ１１ａ，１１ｂのデータをストレージ５０に格納する。ＣＰＵ３２は、データベースプログラム３１を制御する装置である。メモリ３３は、データベースプログラム３１が管理するデータを一時的に記憶する装置である。ポート１２ｆは、ＬＡＮスイッチ２０を介して他の装置と接続するためのインタフェースであり、ポート３４ａは、ＳＡＮスイッチ４０を介して他の装置と接続するためのインタフェースである。
ＳＡＮスイッチ４０は、ＤＢサーバ３０とストレージ５０とを接続するスイッチであって、ポート３４ｂ，３４ｃを有する。これらポート３４ｂ，３４ｃは、ＤＢサーバ３０とストレージ５０とを接続するためのインタフェースとなる。
ストレージ５０はプール５１と、ＣＰＵ５３と、メモリ５４と、ポート３４ｄとを有する。プール５１は、複数のSolid State Drive（ＳＳＤ）５２から構成される記憶領域である。プール５１は、ＳＳＤの代わりにHard Disk Drive（ＨＤＤ）により構成されてもよく、ＳＳＤとＨＤＤとが混在して構成されてもよい。ＣＰＵ５３は、ＳＳＤ５２上のデータの読み書きを制御する装置である。メモリ５４は、データを一時的に記憶する装置である。
本実施形態の性能管理システムは、上述したＤＢサーバ３０やストレージ５０を有する情報システムの性能を、以下の構成を用いて管理する。
管理サーバ６０（第１管理装置）は、情報収集機能部６１と、関連コンポーネント計算機能部６２と、構成情報６３と、稼働情報６４と、関連コンポーネント情報６５ａとを有する。
情報収集機能部６１は、ＤＢサーバ３０の稼働状況を表すデータベース稼働情報と、例えばＤＢサーバ３０やストレージ５０の構成要素であるＣＰＵ３２，５３やメモリ３３，５４、ポート１２ｆ，３４ａ，３４ｄ、プール５１、ＳＳＤ５２などのコンポーネントの稼働状況を表すコンポーネント稼働情報とを収集する。関連コンポーネント計算機能部６２は、情報収集機能部６１が収集したコンポーネント稼働情報に基づいて、コンポーネントの最大使用量に対するコンポーネントの実使用量の割合となるコンポーネント使用率を取得し、そのコンポーネント使用率と、情報収集機能部６１が収集したデータベース稼働情報とに基づいて、コンポーネントのうち情報システムの性能に関連する関連コンポーネントを特定する。コンポーネントの使用量は、コンポーネントの使用に関する指標の値である。実際の指標はＣＰＵやメモリなどコンポーネントにより異なる。その指標の可能な最大値がコンポーネントの最大使用量である。コンポーネントの使用による指標の値がコンポーネントの実使用量である。最大使用量に対する実使用量の割合がコンポーネント使用率である。
管理センタ２は、管理サーバ７０（第２管理装置）を有する。
管理サーバ７０は、通信ネットワーク３を介してデータセンタ１の管理サーバ６０に接続されている。管理サーバ７０は、予測機能部７１と、構成情報６３ｂと、稼働情報７２と、関連コンポーネント情報６５ｂと、予測結果７３とを有する。
予測機能部７１は、関連コンポーネント計算機能部６２が特定した関連コンポーネントの稼働情報に基づいて情報システムの将来の性能に関する予測を行う。
図２は、図１に示した構成情報６３ａと稼働情報６４の一例を示す図である。
図１に示した構成情報６３ａは、例えば図２に示すように、データベース構成情報１００と、ストレージ構成情報１１０と、ＬＡＮ構成情報１２０と、ＳＡＮ構成情報１３０とを有する。また、図１に示した稼働情報６４は例えば、データベース稼働情報２００と、サーバＣＰＵ使用率情報２１０と、ストレージ稼働情報２２０と、ストレージポート使用率情報２３０と、ストレージＣＰＵ使用率情報２４０と、ストレージプール使用率情報２５０と、ＬＡＮスイッチ使用率情報２６０と、ＳＡＮスイッチ使用率情報２７０とを有する。
図３は、図２に示したデータベース構成情報１００の一例を示す図である。
図２に示したデータベース構成情報１００は、例えば図３に示すように、データベースＩＤ１０１と、サーバＩＤ１０２と、ストレージＩＤ１０３と、ボリュームＩＤ１０４とを有する。データベースＩＤ１０１は、データベースを識別するためのものである。サーバＩＤ１０２は、データベースＩＤ１０１によって識別されるデータベースが動作しているサーバを示す。ストレージＩＤ１０３は、データベースＩＤ１０１によって識別されるデータベースのデータが格納されているストレージを示す。ボリュームＩＤ１０４は、データベースＩＤ１０１によって識別されるデータベースのデータが格納されているボリュームを示す。
図４は、図２に示したストレージ構成情報１１０の一例を示す図である。
図２に示したストレージ構成情報１１０は、例えば図４に示すように、ストレージＩＤ１１１と、ボリュームＩＤ１１２と、ＣＰＵ ＩＤ１１３と、Cache Logical Partition（ＣＬＰＲ） ＩＤ１１４と、プールＩＤ１１５とを有する。ストレージＩＤ１１１およびボリュームＩＤ１１２はそれぞれ、ストレージおよびボリュームを識別するためのものである。ＣＰＵ ＩＤ１１３は、ボリュームＩＤ１１２によって識別されるボリュームを制御するＣＰＵを示す。ＣＬＰＲ ＩＤ１１４は、ボリュームＩＤ１１２によって識別されるボリュームの一時データを格納するＣＬＰＲを示す。プールＩＤ１１５は、ボリュームＩＤ１１２によって識別されるボリュームを格納するプールを示す。
図５は、図２に示したＬＡＮ構成情報１２０の一例を示す図である。
図２に示したＬＡＮ構成情報１２０は、例えば図５に示すように、ＬＡＮスイッチＩＤ１２１と、ポートＩＤ１２２と、接続先ＩＤ１２３とを有する。ＬＡＮスイッチＩＤ１２１およびポートＩＤ１２２はそれぞれＬＡＮスイッチおよびポートを識別するためのものである。接続先ＩＤ１２３は、ポートＩＤ１２２によって識別されるポートに接続されたサーバを示す。
図６は、図２に示したＳＡＮ構成情報１３０の一例を示す図である。
図２に示したＳＡＮ構成情報１３０は、例えば図６に示すように、ＳＡＮスイッチＩＤ１３１と、ポートＩＤ１３２と、接続先ＩＤ１３３とを有する。ＳＡＮスイッチＩＤ１３１およびポートＩＤ１３２はそれぞれＳＡＮスイッチおよびポートを識別するためのものである。接続先ＩＤ１３３は、ポートＩＤ１３２によって識別されるポートに接続されたサーバまたはストレージを示す。
図７は、図２に示したデータベース稼働情報２００の一例を示す図である。
図２に示したデータベース稼働情報２００は、例えば図７に示すように、時刻２０１と、データベースＩＤ２０２と、トランザクション数２０３と、トランザクション応答時間２０３とを有し、データベースの稼働状況を表すものである。トランザクション数２０３は、データベースＩＤ２０２によって識別されるデータベースの時刻２０１における単位時間当たりのトランザクション数を示し、また、トランザクション応答時間２０４は、その際の応答時間を示す。
図８は、図２に示したサーバＣＰＵ使用率情報２１０の一例を示す図である。
図２に示したサーバＣＰＵ使用率情報２１０は、例えば図８に示すように、時刻２１１と、サーバＩＤ２１２と、データベースごとのＣＰＵ使用率２１３，２１４と、合計ＣＰＵ使用率２１５とを有する。データベースごとのＣＰＵ使用率２１３，２１４は、サーバＩＤ２１２によって識別されるサーバの時刻２１１における各データベースのＣＰＵの使用率を示し、合計ＣＰＵ使用率２１５は、その際の合計のＣＰＵ使用率を示す。
図９は、図２に示したストレージ稼働情報２２０の一例を示す図である。
図２に示したストレージ稼働情報２２０は、例えば図９に示すように、時刻２１１と、ストレージＩＤ２２２と、ボリュームＩＤ２２３と、ランダムリード数２２４と、ランダムライト数２２５と、シーケンシャルリード数２２６と、シーケンシャルライト数２２７と、ランダムリード量２２８と、ランダムライト量２２９と、シーケンシャルリード量２３８と、シーケンシャルライト量２３９とを有し、ストレージの稼働状況を表すものである。ストレージ稼働情報２２０は、ボリュームＩＤ２２３によって識別されるボリュームの時刻２２１におけるアクセス種別ごとのアクセス数を、ランダムリード数２２４とランダムライト数２２５とシーケンシャルリード数２２６とシーケンシャルライト数２２７とランダムリード量２２８とランダムライト量２２９とシーケンシャルリード量２３８とシーケンシャルライト量２３９とによって示す。
図１０は、図２に示したストレージポート使用率情報２３０の一例を示す図である。
図２に示したストレージポート使用率情報２３０は、例えば図１０に示すように、時刻２３１と、ストレージＩＤ２３２と、データベースごとのポートの使用率２３３，２３４と、ポートごとの合計使用率２３５とを有する。データベースごとのポートの使用率２３３，２３４は、ストレージＩＤ２３２によって識別されるストレージの時刻２３１における各ポートの使用率を示し、ポート合計使用率２３５は、その際の各ポートの合計使用率を示す。
図１１は、図２に示したストレージＣＰＵ使用率情報２４０の一例を示す図である。
図２に示したストレージＣＰＵ使用率情報２４０は、例えば図１１に示すように、時刻２４１と、ストレージＩＤ２４２と、データベースごとのＣＰＵ使用率２４３，２４４と、ＣＰＵごとの合計使用率２４５とを有する。データベースごとのＣＰＵ使用率２４３，２４４は、ストレージＩＤ２４２によって識別されるストレージの時刻２４１における各ＣＰＵの使用率を示し、ＣＰＵ合計使用率２４５は、その際の合計のＣＰＵ使用率を示す。
図１２は、図２に示したストレージプール使用率情報２５０の一例を示す図である。
図２に示したストレージプール使用率情報２５０は、例えば図１２に示すように、時刻２５１と、ストレージＩＤ２５２と、データベースごとおよびプールごとの使用率２５３，２５４と、プールごとの合計使用率２５５とを有する。データベースごとおよびプールごとの使用率２５３，２５４は、ストレージＩＤ２５２によって識別されるストレージの時刻２５１における各プールの使用率を示し、プール合計使用率２５５は、その際の各プールの合計使用率を示す。
図１３は、図２に示したＬＡＮスイッチ使用率情報２６０の一例を示す図である。
図２に示したＬＡＮスイッチ使用率情報２６０は、例えば図１３に示すように、時刻２６１と、ＬＡＮスイッチＩＤ２６２と、データベースごとおよびポートごとの使用率２６３，２６４と、ポートごとの合計使用率２６５とを有する。データベースごとおよびポートごとの使用率２６３，２６４は、ＬＡＮスイッチＩＤ２６２によって識別されるＬＡＮスイッチの時刻２６１におけるデータベースによる各ポートの使用率を示し、ポート合計使用率２６５は、その際の各ポートの合計使用率を示す。
図１４は、図２に示したＳＡＮスイッチ使用率情報２７０の一例を示す図である。
図２に示したＳＡＮスイッチ使用率情報２７０は、例えば図１４に示すように、時刻２７１と、ＳＡＮスイッチＩＤ２７２と、データベースごとおよびポートごとの使用率２７３，２７４と、ポートごとの合計使用率２７５とを有する。データベースごとおよびポートごとの使用率２７３，２７４は、ＳＡＮスイッチＩＤ２７２によって識別されるＳＡＮスイッチの時刻２７１におけるデータベースによる各ポートの使用率を示し、ポート合計使用率２７５は、その際の各ポートの合計使用率を示す。
図１５は、図１に示した関連コンポーネント情報６５ａの一例を示す図である。
図１に示した関連コンポーネント情報６５ａは、例えば図１５に示すように、データベースＩＤ２８１と、日時２８２と、関連コンポーネント２８３とを有する。関連コンポーネント２８３は、データベースＩＤ２８１によって識別されるデータベースについて、日時２８２にてそのトランザクション性能と関連があるコンポーネントを示す。
図１６は、図１に示した予測結果７３の一例を示す図である。
図１６においては、グラフの左縦軸にデータベース応答時間を示し、右縦軸にコンポーネント使用率を示し、横軸に時刻を示す。折れ線４０１はデータベース応答時間を示し、実線部分は過去の応答時間であり、破線部分は予測した応答時間を示す。折れ線４０２はコンポーネント使用率を示し、実線部分は過去の使用率であり、破線部分は予測した使用率を示す。データベース応答時間閾値４０３は、データベース応答時間の閾値を示し、顧客の要求に応じた値に設定されている。コンポーネント使用率閾値４０４は、コンポーネント使用率の閾値を示し、顧客の要求に応じた値に設定されている。
以下に、上記のように構成された性能管理システムにおける性能管理方法について、第１の実施の形態として、データベースの応答時間予測における予測処理量を削減する方法を例に挙げて説明する。
上述したようなデータベースを有する情報システムの性能を管理するためには、まず、情報システムの構成要素であるコンポーネントの中から、データベースの性能に関連する関連コンポーネントを特定する。なお、コンポーネントとは、ＣＰＵやメモリ、ポート、プール、ＳＳＤなどを示す。
図１７は、図１に示した性能管理システムにて関連コンポーネントを特定する流れの一例を説明するための図である。
図１に示した性能管理システムにて関連コンポーネントを特定する場合は、まず、情報収集機能部６１が、各コンポーネントの構成情報を取得する（ステップ５０１）。具体的には、情報収集機能部６１が、ＤＢサーバ３０から構成情報を取得してＤＢサーバ３０の構成情報を図３に示したようにデータベース構成情報１００に記録し、また、ストレージ５０から構成情報を取得してストレージ５０の構成情報を図４に示したようにストレージ構成情報１１０に記録し、また、ＬＡＮスイッチ２０から構成情報を取得してＬＡＮスイッチ２０の構成情報を図５に示したようにＬＡＮ構成情報１２０に記録し、また、ＳＡＮスイッチ４０から構成情報を取得してＳＡＮスイッチ４０の構成情報を図６に示したようにＳＡＮ構成情報１３０に記録する。
次に、情報収集機能部６１が、各コンポーネントの稼働情報を取得する（ステップ５０２）。具体的には、情報収集機能部６１が、データベースプログラム３１から稼働情報を取得してデータベースプログラム３１の稼働情報を図７に示したようにデータベース稼働情報２００に記録し、また、ＤＢサーバ３０からサーバＣＰＵ使用率情報を取得してＤＢサーバ３０のサーバＣＰＵ使用率情報を図８に示したようにサーバＣＰＵ使用率情報２１０に記録し、また、ストレージ５０から稼働情報を取得してストレージ５０の稼働情報を図９に示したようにストレージ稼働情報２２０に記録し、ＬＡＮスイッチ２０から使用率情報を取得してＬＡＮスイッチ２０の使用率情報を図１３に示したようにＬＡＮスイッチ使用率情報２６０に記録し、また、ＳＡＮスイッチ４０から使用率情報を取得してＳＡＮスイッチ４０の使用率情報を図１４に示したようにＳＡＮスイッチ使用率情報２７０に記録する。
次に、関連コンポーネント計算機能部６２が、各アプリケーションのコンポーネント使用率を算出する（ステップ５０３）。コンポーネント使用率とは、コンポーネントの最大性能となる最大使用量に対する、アプリケーションがコンポーネントに負荷をかけることによるコンポーネントの実使用量の割合である。このコンポーネント使用率は、コンポーネントの実績のコンポーネント使用率である実績コンポーネント使用率を用いて算出できる。例えば、最大アクセス数が１秒あたり１００回であるコンポーネントＡに対してアプリケーションＢが１秒あたり１０回アクセスした場合のアプリケーションＢによるコンポーネントＡの使用率は１０÷１００＝１０％である。ストレージのＣＰＵ、ポート、プールの最大アクセス数は、次の式により算出する。
最大アクセス数＝１÷（アクセス処理時間＋データ転送時間）・・・（１）
アクセス処理時間＝ランダムリード処理時間×ランダムリード率＋ランダムライト処理時間×ランダムライト率＋シーケンシャルリード処理時間×シーケンシャルリード率＋シーケンシャルライト処理時間×シーケンシャルライト率・・・（２）
データ転送時間＝単位サイズ当たりのランダムリード転送時間×ランダムリードサイズ＋単位サイズ当たりのランダムライト転送時間×ランダムライトサイズ＋単位サイズ当たりのシーケンシャルリード転送時間×シーケンシャルリードサイズ＋単位サイズ当たりのシーケンシャルライト転送時間×シーケンシャルライトサイズ・・・（３）
なお、ＣＰＵの各処理時間および各転送時間は、ストレージモデルにより異なる値をあらかじめ定義する。また、ポートの各処理時間および各転送時間は、ポートの種別およびリンクスピードにより異なる値をあらかじめ定義する。また、プールの各処理時間および各転送時間は、ドライブ種別およびＲＡＩＤレベルにより異なる値をあらかじめ定義する。
関連コンポーネント計算機能部６２は、データベース構成情報１００とストレージ構成情報１１０とストレージ稼働情報２２０とに基づき、アプリケーションごと、コンポーネントごとのメトリクスとなるランダムリード数、ランダムライト数、シーケンシャルリード数、シーケンシャルライト数、ランダムリード量、ランダムライト量、シーケンシャルリード量、シーケンシャルライト量をそれぞれ算出する。
次に、関連コンポーネント計算機能部６２は、ランダムリード数、ランダムライト数、シーケンシャルリード数、シーケンシャルライト数から、ランダムリード率、ランダムライト率、シーケンシャルリード率、シーケンシャルライト率をそれぞれ算出する。また、関連コンポーネント計算機能部６２は、ランダムリード数、ランダムライト数、シーケンシャルリード数、シーケンシャルライト数、ランダムリード量、ランダムライト量、シーケンシャルリード量、シーケンシャルライト量から、ランダムリードサイズ、ランダムライトサイズ、シーケンシャルリードサイズ、シーケンシャルライトサイズをそれぞれ算出する。
そして、関連コンポーネント計算機能部６２は、この算出結果を式２および式３に代入することで、アクセス処理時間およびデータ転送時間をそれぞれ算出し、算出したアクセス処理時間およびデータ転送時間を式１に代入することで、最大アクセス数を算出する。
その後、関連コンポーネント計算機能部６２は、この最大使用量となる最大アクセス数と、実使用量となる現状のアクセス数とによりアプリケーションごとのコンポーネント使用率を式４により算出する。
コンポーネント使用率＝コンポーネントへの現状のアクセス数÷コンポーネントの最大アクセス数・・・（４）
以上の計算により、関連コンポーネント計算機能部６２は、ストレージポート使用率を算出し、その結果をストレージポート使用率情報２３０に記録し、ストレージＣＰＵ使用率を算出し、その結果をストレージＣＰＵ使用率情報２４０に記録し、ストレージプール使用率を算出し、その結果をストレージプール使用率情報２５０に記録する。
なお、コンポーネント使用率が既に得られているものについては、関連コンポーネント計算機能部６２は、上述したような計算を行う必要はない。関連コンポーネント計算機能部６２は、コンポーネント稼働情報としてコンポーネント使用率に相当する情報が取得されないコンポーネントについてのみ、上述したようにコンポーネント稼働情報に基づいてコンポーネント使用率を算出する。そのため、コンポーネント使用率に相当する情報が得られないコンポーネントについても関連コンポーネントの判断が可能である。
次に、関連コンポーネント計算機能部６２は、データベースと関連があるコンポーネントについての使用に関する指標である、データベース稼働情報２００におけるトランザクション数２０３、すなわちデータベースが単位時間に処理するトランザクション数と、データベースと関連があるコンポーネントの使用率である、サーバＣＰＵ使用率２１３、ストレージポート使用率２３３、ストレージＣＰＵ使用率２４３、プール使用率２５３、ＬＡＮスイッチポート使用率２６３、ＳＡＮスイッチポート使用率２７３との相関係数をそれぞれ算出する（ステップ５０４）。この際、月初、月末、曜日、時間帯などにより動作するＡＰ１１ａ，１１ｂは変化することが想定できるため、関連コンポーネント計算機能部６２は、月初、月末、曜日、時間帯（時刻）毎に、相関係数をそれぞれ算出する。このように、曜日毎および時刻毎に適切な関連コンポーネントを用いて情報システムの将来の性能の予測を行うことになるので、限られたコンポーネントのみの処理で良好に情報システムの性能予測を行うことができる。また、データベースの使用に関する指標として、単位時間当たりのトランザクション数を用いることで、データベースの使用に関する取得しやすい指標を用いて関連コンポーネントを特定することができる。
次に、関連コンポーネント計算機能部６２は、ステップ５０４にて算出した相関係数に基づき、時間帯にデータベース性能と関連があるコンポーネントを特定する（ステップ５０５）。例えば、相関係数が所定の閾値となる０．７以上であるコンポーネントを、データベース性能に関連する関連コンポーネントとして特定する。そして、関連コンポーネント計算機能部６２は、この結果を関連コンポーネント情報６５ａに記録する。このように、稼動状況がデータベースの使用と相関の強いコンポーネントを関連コンポーネントとするので、限られたコンポーネントについてだけ予測処理を行うことでデータベースの性能を良好に判断することができる。
次に、関連コンポーネント計算機能部６２は、関連コンポーネント情報６５ａと、関連コンポーネントのみに関する使用率情報およびデータベース稼働情報２００とを管理センタ２の管理サーバ７０に通信ネットワーク３経由で送信する（ステップ５０６）。
従来は、全顧客から全コンポーネントの稼働情報を収集するため、管理センタには通信が集中し、大量の回線帯域が使用されるという問題があった。また、全顧客から収集した全コンポーネントの稼働情報を管理センタに蓄積するため、管理センタには大量の記憶容量を準備しなければならないという問題があった。しかし、本実施形態では、関連コンポーネントの稼働情報のみを通信ネットワーク３経由で送信するので、回線への負荷削減により回線コストを低減できるとともに、管理センタ２の管理サーバ７０に記録するデータ容量の削減により記録媒体コストを削減できる。
関連コンポーネント計算機能部６２は、ステップ５０６における処理を、例えば、１分や１０分、あるいは１時間おきに実行するが、関連コンポーネントを特定してから一週間や一か月などあらかじめ定めた期間を経過した場合（ステップ５０７）、ステップ５０２における処理に戻り、関連コンポーネントを特定する処理を、一定周期で定期的に実行する。これは、関連コンポーネントを特定してから一週間や一か月などが経過した場合は、性能を管理する情報システムの構成に変更が生じた可能性が出てくるためである。また、関連コンポーネント計算機能部６２は、性能を管理する情報システムの構成に変更があったときにおいても、ステップ５０２における処理に戻り、関連コンポーネントを特定する処理を実行する。これにより、関連コンポーネントの特定を適切に維持することができる。
一方、関連コンポーネントを特定してから一週間や一か月などあらかじめ定めた期間を経過していない場合は、上述したように、ステップ５０６における処理に戻り、関連コンポーネントの稼働情報の送信を、例えば、１分や１０分、あるいは１時間おきに実行する。
図１８は、図１に示した性能管理システムにてデータベースの性能を予測する流れの一例を説明するための図である。
図１に示した性能管理システムにおいては、ステップ５０６においてデータセンタ１の管理サーバ６０から送信された関連コンポーネントの稼働情報を管理センタ２の管理サーバ７０が受信したとき、または、定期的に、データベースの性能を予測する処理を実行する。
ステップ５０６において管理サーバ６０から管理サーバ７０に送信された関連コンポーネントの構成情報、稼働情報および関連コンポーネント情報は、管理サーバ７０の構成情報６３ｂ、稼働情報７２および関連コンポーネント情報６５ｂにそれぞれ記録される。
するとまず予測機能部７１は、ステップ５０６において送信され、稼働情報７２に記録された関連コンポーネントに関する使用率情報に基づき、将来の関連コンポーネントの使用率を予測算出し、また、ステップ５０６において送信され、稼働情報７２に記録された関連コンポーネントに関するデータベース稼働情報２００に含まれるトランザクション応答時間２０４に基づき、将来のトランザクション応答時間を予測算出する（ステップ５２１）。なお、過去の時系列情報に基づき将来の時系列情報を予測する方法としては、回帰分析や、Autoregressive Integrated Moving Average（ＡＲＩＭＡ）モデルなどが挙げられる。このように予測機能部７１が、関連コンポーネントの稼働情報に基づいて、将来の関連コンポーネントの使用率を算出し、算出したコンポーネント使用率に基づいて、情報システムの応答時間の将来の変化を予測するので、関連コンポーネントについてのみ将来を予測する処理を行えばよいこととなり、情報システムの将来予測の負荷が軽減される。
予測機能部７１は、ステップ５２１において予測された使用率およびトランザクション応答時間を予測結果７３として記録し、記録した使用率およびトランザクション応答時間が、あらかじめ定義された期間後にあらかじめ定義された閾値を超えているかを判断する（ステップ５２２）。
予測された使用率およびトランザクション応答時間が、あらかじめ定義された期間後にあらかじめ定義された閾値を超えている場合は、予測機能部７１は、データベースの応答時間が閾値を超過する予測をしたことを報告する（ステップ５２３）。
また、データベースの応答時間が閾値を超過しない予測をした場合は、処理を終了するが、その場合においても、図１６に示したように、関連コンポーネントの使用率が時刻４０５においてコンポーネント使用率閾値４０４を超過することを予測した場合は、その時刻４０６にてデータベースの応答時間が急激に悪化すると考えられるため、時刻４０６にてデータベースの応答時間が悪化する旨を報告する。予測機能部７１は、これらのことを、予測結果７３を使用して報告することになる。このように、コンポーネント使用率が所定の閾値を超えるとデータベースの応答時間が急激に悪化することが考えられるので、その時刻を算出することで、データベースの応答性が悪化する時刻を予測することができる。
上述したように、性能を管理する情報システムの構成要素であるコンポーネントのうち情報システムの性能に関連する関連コンポーネントを特定し、関連コンポーネントの稼働情報に基づいて情報システムの将来の性能を予測するので、データベース性能に関連するコンポーネントの将来の使用率を予測する処理の量を削減でき、管理センタ２に用意すべき計算リソース量を削減できる。
なお、管理サーバ６０において、情報収機能部６１が収集したコンポーネント稼働情報のうち、関連コンポーネント計算機能部６２にて関連コンポーネントと特定されなかったコンポーネントのコンポーネント稼働情報については、間引いて蓄積する構成とすれば、必要な記憶容量を削減することができる。
（第２の実施の形態）
第１の実施の形態では、図１に示した性能管理システムにおける性能管理方法について、データベースの応答時間予測における予測処理量を削減する方法を例に挙げて説明したが、第２の実施の形態では、図１に示した性能管理システムにおける性能管理方法について、ストレージの応答時間予測における予測処理量を削減する方法を例に挙げて説明する。
図１９は、図１に示した性能管理システムにおけるコンポーネント使用率の計算の一例を説明するための図である。
図１９においては、縦軸に関連メトリクスアクセス数を示し、横軸に時刻を示す。関連メトリクスアクセス数は、図９に示したストレージ稼働情報２２０のうち、ランダムリード数、ランダムライト数、シーケンシャルリード数、シーケンシャルライト数、ランダムリード量、ランダムライト量、シーケンシャルリード量およびシーケンシャルライト量のうちから、ストレージの最大性能と相関係数が所定の閾値以上となるメトリクスを選んだものである。計算閾値８０１はアクセス数の閾値を示す。
図１に示したような性能管理システムにおいては、関連メトリクスアクセス数が多い時刻にてコンポーネント使用率が高くなるため、関連コンポーネント計算機能部６２は、関連メトリクスアクセス数が計算閾値８０１を超過した時刻８０２〜８０５のみコンポーネント使用率を算出し、超過していない時刻８０６，８０７においてはコンポーネント使用率を算出しない。計算閾値８０１は、上位１０％の時刻としてもよく、関連メトリクスアクセス数の最大値の９０％の値としてもよい。
図２０は、図１に示した性能管理システムにてストレージの応答時間を予測する流れの一例を説明するための図である。
図１に示した性能管理システムにてストレージの応答時間を予測する場合は、まず、関連コンポーネント計算機能部６２が、ストレージの最大性能となるコンポーネントの最大アクセス数と式１から式３において使用されるメトリクスとの相関係数を算出する（ステップ５４１）。
次に、関連コンポーネント計算機能部６２は、ステップ５４１において算出した相関係数に基づき、コンポーネントの最大アクセス数と関連があるメトリクスを関連メトリクスとして特定する（ステップ５４２）。例えば、相関係数が０．７以上であるメトリクスを関連メトリクスとして特定する。
次に、関連コンポーネント計算機能部６２は、コンポーネント使用率を算出する（ステップ５４３）。この際、関連コンポーネント計算機能部６２は、関連メトリクスアクセス数が計算閾値８０１を超過した時刻のみ、コンポーネント使用率を算出する。
次に、関連コンポーネント計算機能部６２は、ステップ５４３にて算出したコンポーネント使用率に基づきデータ間隔ごとにコンポーネント使用率の最大値を算出する（ステップ５４４）。例えば、データ間隔を１時間とした場合、１分間隔のデータを１時間間隔のデータに集計する。
その後、コンポーネント使用率がデータセンタ１から通信ネットワーク３を経由して管理センタ２に送信され、管理サーバ７０の予測機能部７１が、ストレージ応答時間と関連コンポーネントの使用率を予測し、閾値を超過した場合は報告する（ステップ５４５）。
このように、関連メトリクスアクセス数が、所定の計算閾値を超過した時刻のみコンポーネント使用率を算出することで、ストレージのコンポーネント使用率の算出回数を削減することができる。
１…データセンタ、２…管理センタ、３…通信ネットワーク、１０ａ，１０ｂ…ＡＰサーバ、１１ａ，１１ｂ…ＡＰ、１２ａ〜１２ｆ，３４ａ〜３４ｄ…ポート、２０…ＬＡＮスイッチ、３０…ＤＢサーバ、３１…データベースプログラム、３２，５３…ＣＰＵ、３３，５４…メモリ、４０…ＳＡＮスイッチ、５０…ストレージ、５１…プール、５２…ＳＳＤ、６０，７０…管理サーバ、６１…情報収集機能部、６２…関連コンポーネント計算機能部、６３ａ，６３ｂ…構成情報、６４，７２…稼働情報、６５ａ，６５ｂ…関連コンポーネント情報、７１…予測機能部、７３…予測結果

Claims (13)

  1. データベースを有する情報システムの性能を管理する性能管理システムであって、
    前記データベースの稼働状況を表すデータベース稼働情報と、前記情報システムの構成要素であるコンポーネントの稼働状況を表すコンポーネント稼働情報と、を収集する情報収集機能部と、
    前記コンポーネント稼働情報に基づいて、前記コンポーネントの最大使用量に対する当該コンポーネントの実使用量の割合となるコンポーネント使用率を取得し、該コンポーネント使用率と前記データベース稼働情報とに基づいて、前記コンポーネントのうち前記情報システムの性能に関連する関連コンポーネントを特定する関連コンポーネント計算機能部と、
    前記関連コンポーネントの稼働情報に基づいて前記情報システムの将来の性能に関する予測を行う予測機能部と、を有する性能管理システム。
  2. 前記関連コンポーネント計算機能部は、前記コンポーネント使用率と、前記データベース稼働情報に基づく前記データベースの使用に関する指標との相関係数を算出し、該相関係数が所定の閾値以上であるコンポーネントを前記関連コンポーネントとする、請求項１に記載の性能管理システム。
  3. 前記データベースの使用に関する指標は、前記データベースが単位時間に処理するトランザクション数である、請求項２に記載の性能管理システム。
  4. 前記関連コンポーネント計算機能部は、前記コンポーネント稼働情報として前記コンポーネント使用率に相当する情報が取得されないコンポーネントについては前記コンポーネント稼働情報に基づいて前記コンポーネント使用率を算出する、請求項１に記載の性能管理システム。
  5. 前記予測機能部は、前記関連コンポーネントの稼働情報に基づいて、前記関連コンポーネントの将来のコンポーネント使用率を算出し、該算出したコンポーネント使用率に基づいて、前記情報システムの応答時間の将来の変化を予測する、請求項１に記載の性能管理システム。
  6. 前記予測機能部は、前記算出したコンポーネント使用率が所定の閾値を超える時刻を算出する、請求項５に記載の性能管理システム。
  7. 前記コンポーネント計算機能部は、前記関連コンポーネントを特定する処理を、一定周期で定期的に実行し、更に前記情報システムの構成に変更があったときに実行する、請求項１に記載の性能管理システム。
  8. 前記関連コンポーネント計算機能部は、曜日毎の時刻毎に前記相関係数を計算し、曜日毎および時刻毎に前記関連コンポーネントを特定し、
    前記予測機能部は、曜日毎および時刻毎に該曜日および該時刻における関連コンポーネントの稼働情報に基づいて前記情報システムの将来の性能に関する予測を行う、請求項２に記載の性能管理システム。
  9. 前記情報収集部および前記関連コンポーネント計算機能部を搭載した第１管理装置と、
    通信ネットワークを介して前記第１管理装置と接続され、前記予測機能部を搭載した第２管理装置とを有し、
    前記第１管理装置は、前記コンポーネントの稼働情報のうち、前記関連コンポーネントの稼働情報のみを前記第２管理装置に送信する、請求項１に記載の性能管理システム。
  10. 前記関連コンポーネント計算機能部は、前記情報収機能部が収集したコンポーネント稼働情報に基づき、コンポーネントのアクセス数が所定の閾値を超過した時刻のみ前記コンポーネント使用率を算出する、請求項４に記載の性能管理システム。
  11. 前記情報収機能部が収集したコンポーネント稼働情報のうち、前記関連コンポーネントでないコンポーネントのコンポーネント稼働情報を間引いて蓄積する、請求項１に記載の性能管理システム。
  12. データベースを有する情報システムの性能を管理する性能管理システムにおいて前記情報システムから情報を収集する管理装置であって、
    前記データベースの稼働状況を表すデータベース稼働情報と、前記情報システムの構成要素であるコンポーネントの稼働状況を表すコンポーネント稼働情報と、を収集する情報収集機能部と、
    前記コンポーネント稼働情報に基づいて、前記コンポーネントの最大使用量に対する当該コンポーネントの実使用量の割合となるコンポーネント使用率を取得し、該コンポーネント使用率と前記データベース稼働情報とに基づいて、前記コンポーネントのうち前記情報システムの性能に関連する関連コンポーネントを特定する関連コンポーネント計算機能部と、
    前記関連コンポーネントの稼働情報に基づいて前記情報システムの将来の性能に関する予測を行う予測機能部と、を有する管理装置。
  13. データベースを有する情報システムの性能を管理するための性能管理方法であって、
    情報収集手段が、前記データベースの稼働状況を表すデータベース稼働情報と、前記情報システムの構成要素であるコンポーネントの稼働状況を表すコンポーネント稼働情報と、を収集し、
    関連コンポーネント計算手段が、前記コンポーネント稼働情報に基づいて、前記コンポーネントの最大使用量に対する当該コンポーネントの実使用量の割合となるコンポーネント使用率を取得し、
    関連コンポーネント計算手段が、前記コンポーネント使用率と前記データベース稼働情報とに基づいて、前記コンポーネントのうち前記情報システムの性能に関連する関連コンポーネントを特定し、
    予測手段が、前記関連コンポーネントの稼働情報に基づいて前記情報システムの将来の性能に関する予測を行う、性能管理方法。
JP2017171851A 2017-09-07 2017-09-07 性能管理システム、管理装置および性能管理方法 Expired - Fee Related JP6681369B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017171851A JP6681369B2 (ja) 2017-09-07 2017-09-07 性能管理システム、管理装置および性能管理方法
US15/905,703 US10802943B2 (en) 2017-09-07 2018-02-26 Performance management system, management device, and performance management method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017171851A JP6681369B2 (ja) 2017-09-07 2017-09-07 性能管理システム、管理装置および性能管理方法

Publications (2)

Publication Number Publication Date
JP2019046407A true JP2019046407A (ja) 2019-03-22
JP6681369B2 JP6681369B2 (ja) 2020-04-15

Family

ID=65518124

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017171851A Expired - Fee Related JP6681369B2 (ja) 2017-09-07 2017-09-07 性能管理システム、管理装置および性能管理方法

Country Status (2)

Country Link
US (1) US10802943B2 (ja)
JP (1) JP6681369B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021043891A (ja) * 2019-09-13 2021-03-18 株式会社日立製作所 ストレージシステム及びその制御方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7515374B2 (ja) * 2020-11-13 2024-07-12 株式会社日立製作所 スケールシステム、演算方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6035306A (en) * 1997-11-24 2000-03-07 Terascape Software Inc. Method for improving performance of large databases
JP4335597B2 (ja) * 2003-06-30 2009-09-30 株式会社日立製作所 ストレージ管理システム
US7774312B2 (en) * 2003-09-04 2010-08-10 Oracle International Corporation Self-managing performance statistics repository for databases
US7590508B1 (en) * 2004-10-22 2009-09-15 Sprint Communications Company L.P. Method and system for forecasting usage costs and computer capacity
US8935701B2 (en) * 2008-03-07 2015-01-13 Dell Software Inc. Unified management platform in a computer network
US9965498B2 (en) * 2010-12-29 2018-05-08 Teradata Us, Inc. Predictive resource management
US8756310B2 (en) * 2011-03-09 2014-06-17 International Business Machines Corporation Comprehensive bottleneck detection in a multi-tier enterprise storage system
US9195563B2 (en) * 2011-03-30 2015-11-24 Bmc Software, Inc. Use of metrics selected based on lag correlation to provide leading indicators of service performance degradation
WO2013023030A2 (en) * 2011-08-10 2013-02-14 Opnet Technologies, Inc. Application performance analysis that is adaptive to business activity patterns
US20140244563A1 (en) 2011-11-10 2014-08-28 Hitachi, Ltd. Operation information prediction computer, operation information prediction method and program
JP6079476B2 (ja) * 2013-06-26 2017-02-15 富士通株式会社 分析支援プログラム、分析支援装置、および分析支援方法
US9432256B2 (en) * 2014-03-27 2016-08-30 Hitachi, Ltd. Resource management method and resource management system
US9641399B1 (en) * 2014-10-14 2017-05-02 Jpmorgan Chase Bank, N.A. Application and infrastructure performance analysis and forecasting system and method

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021043891A (ja) * 2019-09-13 2021-03-18 株式会社日立製作所 ストレージシステム及びその制御方法
JP7273669B2 (ja) 2019-09-13 2023-05-15 株式会社日立製作所 ストレージシステム及びその制御方法

Also Published As

Publication number Publication date
JP6681369B2 (ja) 2020-04-15
US10802943B2 (en) 2020-10-13
US20190073288A1 (en) 2019-03-07

Similar Documents

Publication Publication Date Title
US9870330B2 (en) Methods and systems for filtering collected QOS data for predicting an expected range for future QOS data
US9547445B2 (en) Method and system for monitoring and analyzing quality of service in a storage system
CN102473134B (zh) 虚拟硬盘的管理服务器及管理方法、管理程序
JP5218390B2 (ja) 自律制御サーバ、仮想サーバの制御方法及びプログラム
CN104113585B (zh) 用于产生指示负载平衡状态的硬件级中断的方法和设备
CN103354924B (zh) 用于监视性能指标的方法和***
US11792263B2 (en) Methods and systems for managing a resource in a networked storage environment
US9411834B2 (en) Method and system for monitoring and analyzing quality of service in a storage system
US11256595B2 (en) Predictive storage management system
JP4896593B2 (ja) 性能監視方法、計算機及び計算機システム
US9594515B2 (en) Methods and systems using observation based techniques for determining performance capacity of a resource of a networked storage environment
US9658778B2 (en) Method and system for monitoring and analyzing quality of service in a metro-cluster
JP2019511054A (ja) 分散クラスタ型訓練方法及び装置
US10432483B1 (en) General-purpose metrics publishing with variable resolution
US8527238B2 (en) Storage input/output utilization associated with a software application
US9542103B2 (en) Method and system for monitoring and analyzing quality of service in a storage system
US9465548B1 (en) Methods and systems using model based techniques for determining performance capacity of a resource of a networked storage environment
US10146449B1 (en) Purchase planning for data storage processing systems
WO2022093625A1 (en) Interruption predictions for cloud compute instances
JP2003005920A (ja) ストレージシステム、データ再配置方法及びデータ再配置プログラム
JP6681369B2 (ja) 性能管理システム、管理装置および性能管理方法
JP7514662B2 (ja) バースト可能インスタンス推奨装置、方法、及びプログラム
Yan et al. Toward automating work consolidation with performance guarantees in storage clusters
CN115729436A (zh) 资源调度方法、服务器及存储介质
JP2019144778A (ja) 情報処理装置、情報処理方法及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190131

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191111

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191119

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200120

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200303

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200323

R150 Certificate of patent or registration of utility model

Ref document number: 6681369

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees