JP5636922B2 - Performance prediction apparatus, performance prediction method, and program - Google Patents
Performance prediction apparatus, performance prediction method, and program Download PDFInfo
- Publication number
- JP5636922B2 JP5636922B2 JP2010269494A JP2010269494A JP5636922B2 JP 5636922 B2 JP5636922 B2 JP 5636922B2 JP 2010269494 A JP2010269494 A JP 2010269494A JP 2010269494 A JP2010269494 A JP 2010269494A JP 5636922 B2 JP5636922 B2 JP 5636922B2
- Authority
- JP
- Japan
- Prior art keywords
- input
- model
- output
- information processing
- processing system
- 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.)
- Active
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Description
本発明は、計測の対象とする情報処理システムについて、当該システムの性能を予測する技術に関し、特に、性能指標の特定の領域を精度よく予測する、性能予測装置、性能予測方法およびプログラムに関わる。 The present invention relates to a technology for predicting the performance of an information processing system to be measured, and particularly relates to a performance prediction apparatus, a performance prediction method, and a program for accurately predicting a specific region of a performance index.
情報処理システムの構築にあたって、構築するシステムが要求された性能を満たしているかどうかを判断するために、事前にそのシステムがどの程度の性能を有しているかを予測することが行われている。また、計測対象とする情報処理システムの性能予測について、予め準備されたモデルを基に予測することが行われている。 In constructing an information processing system, in order to determine whether the system to be constructed satisfies the required performance, it is predicted in advance how much the system has. Further, the performance prediction of the information processing system to be measured is predicted based on a model prepared in advance.
モデルに基づく性能予測は、例えば、特許文献１に、マルチタスク環境における並列計算機のスループットやレスポンス、リソース使用率などの性能指標を、並列計算機のシステム構成を待ち行列モデルに変換することで予測する手段が提案されている。
Performance prediction based on a model is predicted, for example, in
上記のように待ち行列モデルなどのモデルによる予測においては、例えば、１リクエストあたりの処理時間（Ｄｅｍａｎｄ）などのような構築するＩＴシステムに関するパラメタが事前に与えられているものとして、そのパラメタを用いて予測する。 In the prediction based on a model such as a queuing model as described above, it is assumed that a parameter related to the IT system to be constructed, such as a processing time (Demand) per request, is given in advance. Predict.
しかし、構築するＩＴシステムの性能を事前に与えられているパラメタを用いて予測した場合、事前に与えられたパラメタの値と、実際に構築するＩＴシステムに与えたパラメタの値が異なることがあり、そのためにモデルを用いて予測した性能指標が実際に構築したＩＴシステムの性能指標とずれるという問題がある。 However, when the performance of the IT system to be built is predicted using parameters given in advance, the parameter values given in advance may differ from the parameter values given to the IT system actually built. Therefore, there is a problem that the performance index predicted using the model is different from the performance index of the IT system actually constructed.
そこで、例えば、非特許文献１には、運用しているＩＴシステムに対して、実際に得られた性能指標をカルマンフィルタを用いてモデルにフィードバックすることで上記のパラメタの補正を行い、性能指標の予測精度の向上をする方法が提案されている。
Therefore, for example, Non-Patent
また、特許文献２では、性能を予測するために、性能指標を計測する計測点を最適化する方法が提案されている。具体的には、制御対象のモデルから予測される性能指標と、予測される性能指標に対して、設定された計測点においてサンプリングし、サンプリングされた性能指標との誤差が最小となるように、計測点の配置を最適化している。 Patent Document 2 proposes a method for optimizing measurement points for measuring a performance index in order to predict performance. Specifically, the performance index predicted from the model to be controlled and the predicted performance index are sampled at the set measurement points, and the error between the sampled performance index is minimized. The arrangement of measurement points is optimized.
構築した情報処理システムについて、要求された性能を満たしているかどうかを判断するためには、そのシステムが各要求や状況に対してどの程度の性能を有しているかを精度よく予測することが重要である。
一例では、ＩＴシステムにおいて、ＳＬＡ（Ｓｅｒｖｉｃｅ Ｌｅｖｅｌ Ａｇｒｅｅｍｅｎｔ）のように、性能指標がある特定の範囲に収まるように契約が結ばれている場合、性能指標がＳＬＡを満たさなくなるような条件を見極める必要がある。
In order to judge whether the built information processing system meets the required performance, it is important to accurately predict how much performance the system has for each request and situation. It is.
For example, in an IT system, when a contract is made so that the performance index falls within a certain range, such as SLA (Service Level Agreement), it is necessary to determine the condition that the performance index does not satisfy the SLA. is there.
しかしながら、特許文献１に記載された方法は、構築する情報処理システムについて事前に行なう方法であり、特許文献２および非特許文献１に記載された方法は、モデル全体の精度を向上させるためのものであり、例えば、上記のようにＳＬＡを満たさなくなるような条件、といったようなピンポイントな領域を精度よく予測する目的に資するものではない。
すなわち、特許文献１、特許文献２および非特許文献１に記載された方法では、特定の性能指標の領域に注目してそのシステムがどの程度の性能を有しているのか精度よく予測することができない。
However, the method described in
That is, with the methods described in
そこで、本発明は、上述した課題を解決するため、計測の対象とする情報処理システムに対して、性能指標の特定の領域を精度よく予測することができる、性能予測装置、方法およびプログラムを提供することを目的とする。 Accordingly, the present invention provides a performance prediction apparatus, method, and program capable of accurately predicting a specific region of a performance index for an information processing system to be measured in order to solve the above-described problem. The purpose is to do.
本発明に係る性能予測装置は、計測の対象とする情報処理システムに関する入力と出力の関係のモデルを蓄積するモデル蓄積手段と、前記情報処理システムの性能を予測する際に、予測の対象とする特定の出力を取得する特定出力獲得手段と、前記モデル蓄積手段が蓄積している前記情報処理システムのモデルを用いて、前記特定出力獲得手段が取得した前記特定出力に対応する入力を算出し、前記特定出力に対応する入力を基に、入力内容を決定する入力内容決定手段と、前記入力内容決定手段が決定した前記入力内容を入力とするように、前記情報処理システムを実行させる計測対象システム実行手段と、前記計測対象システム実行手段が実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集する情報収集手段と、前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングするモデルフィッティング手段と、前記モデルフィッティング手段によってフィッティングされた新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する性能予測手段と、を備えることを特徴とする。 The performance prediction apparatus according to the present invention is a model storage unit that stores a model of an input-output relationship related to an information processing system to be measured, and is a target for prediction when predicting the performance of the information processing system. Using a specific output acquisition means for acquiring a specific output and a model of the information processing system stored in the model storage means, an input corresponding to the specific output acquired by the specific output acquisition means is calculated, Based on the input corresponding to the specific output, the input content determining means for determining the input content, and the measurement target system for executing the information processing system so that the input content determined by the input content determining means is input. An information collecting means for collecting an input of the information processing system executed by the execution means and the measurement target system executing means, and an output corresponding to the input; A model fitting means for fitting a model acquired from the model storage means based on the input of the information processing system collected by the information collecting means and an output corresponding to the input, and fitting by the model fitting means And a performance predicting means for predicting the performance of a specific output as a prediction target for the information processing system based on the new model.
本発明によれば、計測の対象とする情報処理システムに対して、性能指標の特定の領域を精度よく予測することができる、性能予測装置、性能予測方法およびプログラムを提供できる。 ADVANTAGE OF THE INVENTION According to this invention, the performance prediction apparatus, the performance prediction method, and program which can predict the specific area | region of a performance parameter | index with sufficient precision with respect to the information processing system made into measurement object can be provided.
以下、本発明の実施形態について図面を参照して説明する。 Embodiments of the present invention will be described below with reference to the drawings.
［基本的構成］
図１は、本発明の構成例を示す図である。図１において、性能予測装置１は、通信網３を介して計測の対象とする計測対象システム２と通信可能に接続されている。性能予測装置１は、サーバやパーソナルコンピュータ等のプログラムに従って動作する情報処理装置である。計測対象システム２は、１台、もしくは複数台のサーバやパーソナルコンピュータ等のプログラムに従って動作する情報処理装置で構成された情報処理システムである。なお、複数台の情報処理装置で構成される場合は、それらの間の通信は通信網３を介して行っているものでもよいし、直接に接続された通信ケーブル等で行っているものでもよい。通信網３は、例えばインターネットなどでもよいし、あるいは、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）でもよいが、性能予測装置１と計測対象システム２の間の通信を可能にするものであればこれらに限定されるものではない。
[Basic configuration]
FIG. 1 is a diagram showing a configuration example of the present invention. In FIG. 1, a
［第１の実施形態］
図２は、本発明による性能予測装置の第１の実施形態における機能構成例を示すブロック図である。図２に示すように、本実施形態による性能予測装置１は、モデル蓄積手段１０１と、特定出力獲得手段１０２と、性能予測手段１０３と、入力内容決定手段１０４と、計測対象システム実行手段１０５と、情報収集手段１０６と、モデルフィッティング手段１０７を含む。
[First Embodiment]
FIG. 2 is a block diagram showing an example of a functional configuration in the first embodiment of the performance prediction apparatus according to the present invention. As shown in FIG. 2, the
モデル蓄積手段１０１は、例えば、コンピュータが備えているＨＤＤ（ＨＡＲＤ ＤＩＳＫ ＤＲＩＶＥ）等の記憶媒体に、計測の対象とする情報処理システムの性能指標の入力と出力の関係のモデルを蓄積する機能を備えている。本実施形態では、計測対象システム２の入出力関係に関するモデルを予め蓄積する。ここで、入力とは、例えば、単位時間内にシステムが処理しなくてはならないリクエスト数などであり、出力とは、例えば、システムのスループットや応答時間などであるが、これらに限定されるものではなく、独立変数と従属変数の関係としてモデルで記述できる場合には、その独立変数を入力、従属変数を出力としてよい。
The
特定出力獲得手段１０２は、例えば、ユーザの操作に従って、キーボード等の入力装置から、又は、コンピュータ等が備えているＨＤＤ等の記憶媒体から、予測の対象とする特定の出力を取得する機能を備えている。当該特定の出力は、特定出力獲得手段１０２を介して性能予測を行なう基準として性能予測装置１に入力され、計測対象システム２の注目する特定の性能指標領域として扱われる。なお、特定出力獲得手段１０２は、例えば、インターネット等の通信網を介したサーバ等から取得してもよい。
The specific
性能予測手段１０３は、モデル蓄積手段１０１に蓄積されているモデルに基づいて、特定出力獲得手段１０２から得た予測対象とする出力について、予測の対象とした特定の出力の性能を予測するとともに、その結果を出力する機能を有する。また、性能予測手段１０３は、後述するように、モデルフィッティング手段１０７によってフィッティングされた新たなモデルに基づいて、計測対象システム２について予測の対象とした特定の出力の性能を予測するとともに、その結果を出力する機能を有する。新たなモデルは、モデルフィッティング手段１０７から直接的に得てもよいし、モデル蓄積手段１０１を介して取得してもよい。
なお、性能予測手段１０３によって、後述する処理を行なってモデルをフィッティングした場合は、予め有しているモデルに基づき性能予測した場合に比べ、予測精度が向上する。
The
Note that when the model is fitted by performing the processing described later by the
入力内容決定手段１０４は、具体的には、ＲＯＭ（ＲＥＡＤ ＯＮＬＹ ＭＥＭＯＲＹ）等の記憶部から読み込まれてＲＡＭ（ＲＡＮＤＯＭ ＡＣＣＥＳＳ ＭＥＭＯＲＹ）に展開された性能予測プログラム（以下、プログラムと記す）に従って動作する情報処理装置の制御部であるＣＰＵ（ＣＥＮＴＲＡＬ ＰＲＯＣＥＳＳＩＮＧ ＵＮＩＴ）によって実現される。入力内容決定手段１０４は、モデル蓄積手段１０１が蓄積している計測対象システム２の入力と出力の関係のモデルを用いて、特定出力獲得手段１０２が取得した特定の出力に対応する計測対象システム２への入力を算出し、算出した入力を基に、下記計測対象システム実行手段１０５に前記入力を出力させる入力内容を決定する機能を備えている。入力内容は、特定の出力に対応する入力の予測の精度を上げるために用いられ、その決定方法については後述する。
Specifically, the input
計測対象システム実行手段１０５は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。計測対象システム実行手段１０５は、通信網３を介して計測対象システム２にアクセスし、入力内容決定手段１０４が決定した入力内容を入力とするように計測対象システム２を動作させる機能を備えている。
このときの計測対象システム実行手段１０５からの出力は、計測対象システム２に入力させるために、入力内容決定手段１０４によって算出された特定の出力に対応する入力となる。
Specifically, the measurement target
The output from the measurement target
情報収集手段１０６は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。情報収集手段１０６は、通信網３を介して計測対象システム２にアクセスし、計測対象システム実行手段１０５が実行させた計測対象システム２への入力と、その入力に対応する出力とを収集する機能を備えている。なお、計測対象システム２への入力は、計測対象システム実行手段１０５から取得するようにしてもよい。
Specifically, the
モデルフィッティング手段１０７は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。モデルフィッティング手段１０７は、情報収集手段１０６が収集した計測対象システム２の入力、および、入力に対応する出力を基に、モデル蓄積手段１０１から取得したモデルをフィッティングする機能を備えている。ここで、フィッティングとは、予め準備された計測対象システム２のモデルを実測値に合うように補正することを言う。すなわち、実測された入力及び出力にモデルを合わせるように、モデルのパラメタを補正して性能予測手段１０３に対して新たなモデル（補正モデル）を提供可能とすることを言う。
Specifically, the model
フィッティングされた新たなモデルは、モデルフィッティング手段１０７から直接的に性能予測手段１０３に送られてもよいし、モデル蓄積手段１０１を介して性能予測手段１０３に送られてもよい。また、性能予測手段１０３側から、補正に関するパラメタをモデルフィッティング手段１０７から取得し、モデル蓄積手段１０１から元のモデルを取得して、フィッティングされた新たなモデルとして使用してもよい。
The new fitted model may be sent directly from the model
尚、実施の形態の説明では、各種手段が入力内容等のデータを生成するが、これら生成されたデータは、適宜ＲＡＭやＨＤＤ等の記憶媒体に記録され、読み出し可能に保持されることは自明であろう。 In the description of the embodiment, various means generate data such as input contents, but it is obvious that the generated data is appropriately recorded in a storage medium such as a RAM or an HDD and is readable. Will.
また、上記各種手段のほかに、必要に応じて、作成したデータを記憶保持する記憶手段や、作成したデータを画面上に表示する表示手段を有することはいうまでもない。 In addition to the various means described above, it goes without saying that a storage means for storing and holding the created data and a display means for displaying the created data on the screen are provided as necessary.
次に性能予測装置１の動作について説明する。図３は、性能予測装置１の処理例を示すフローチャートである。
Next, the operation of the
特定出力獲得手段１０２は、例えば、ユーザの入力操作に従って、予測したい特定の出力を取得する（ステップＳ１１）。また、特定出力獲得手段１０２は、例えば、インターネット等の通信網を介したサーバ等からの命令に従って、特定の出力を取得するようにしてもよい。
The specific
次に、入力内容決定手段１０４は、モデル蓄積手段１０１が蓄積している計測対象システム２の入力と出力の関係のモデルを用いて、特定出力獲得手段１０２が取得した特定の出力に対応する入力を算出する（ステップＳ１２）。
Next, the input
ここで、使用する計測対象システム２の入力と出力の関係のモデル、および、特定の出力に対する入力の一例を図４に示す。図４に示す例では、入力ｕと出力ｙの関係のモデルｙ＝ｈ（ｕ）をｕｙ平面上でプロットした曲線、特定の出力ｙ＿１、および、それに対応する入力ｕ＿１を表している。
なお、モデルｈは、入力ｕに対して出力ｙを対応させるものであり、例えば、ｈ（ｕ）＝ａ＊ｅｘｐ（ｂ＊ｕ）（ここでａ，ｂは事前に与えられるパラメタ）のようなｕに関する数式で表現されるものでもよい。あるいは、待ち行列網のようなものでもよく、これらに限定されるものではない。
また、以下では、入力と出力がそれぞれ一変数の場合で説明していくが、それらが多変数であっても容易に適用が可能であることは言うまでもない。
Here, FIG. 4 shows an example of a model of the relationship between the input and output of the measurement target system 2 to be used and an input for a specific output. In the example shown in FIG. 4, a curve obtained by plotting a model y = h (u) of the relationship between the input u and the output y on the uy plane, a specific output y_1, and an input u_1 corresponding thereto are shown.
Note that the model h associates the output y with the input u. For example, h (u) = a * exp (b * u) (where a and b are parameters given in advance). It may be expressed by a mathematical expression related to u. Alternatively, it may be a queuing network and is not limited to these.
In the following description, the input and output are each assumed to be one variable, but it goes without saying that the present invention can be easily applied even if they are multivariable.
モデルｈに基づいて、特定の出力ｙ＿１に対応する入力ｕ＿１を算出する方法は、例えば、モデルｈが上述のようにｕに関する数式で表現され、かつ、その逆関数を求めることができるなら、その逆関数から求めてもよい。あるいは、より一般的なｈの場合には、数値計算により求めてもよい。 Based on the model h, the method for calculating the input u_1 corresponding to the specific output y_1 is, for example, if the model h is expressed by a mathematical expression related to u as described above and its inverse function can be obtained. You may obtain | require from an inverse function. Or in the case of more general h, you may obtain | require by numerical calculation.
次に、入力内容決定手段１０４は、ステップＳ１２で算出した特定の出力ｙ＿１に対応する入力ｕ＿１に基づいて、特定の出力ｙ＿１に対応する入力ｕ＿１の予測の精度を上げるために用いられる入力内容を決定する（ステップＳ１３）。以下に入力内容の決定について詳述する。
Next, the input
ステップＳ１２で算出した入力ｕ＿１はモデルに基づいたものであって、実際のシステムがその入力ｕ＿１に対して出力ｙ＿１を出力するとは限らない。しかし、出力ｙ＿１に対する実際のシステムの入力は、おおよそｕ＿１の近傍であろうということは予想ができる。したがって、ｕ＿１の近傍を入力内容として決定すれば、出力ｙ＿１に対する入力をより精度よく予測する目的に沿うものと期待される。 The input u_1 calculated in step S12 is based on the model, and the actual system does not always output the output y_1 to the input u_1. However, it can be expected that the actual system input for output y_1 will be approximately in the vicinity of u_1. Therefore, if the vicinity of u_1 is determined as the input content, it is expected to meet the purpose of predicting the input to the output y_1 more accurately.
ｕ＿１の近傍を、図４のｕｙ平面に表した一例を図５に示す。図５に示す例では、ｕ＿１−ε＿Ｂからｕ＿１＋ε＿Ａの範囲がｕ＿１の近傍を表している。入力内容決定手段１０４は、ε＿Ａ、および、ε＿Ｂを、例えば、ｕ＿１の数％として決定してもよい。あるいは、ｙ＿１のプラスマイナス数％に対応する入力をモデルから算出し、それぞれをε＿Ａ、および、ε＿Ｂに対応させて決定してもよい。範囲の決定は、これらの方法に限定されるものではなく、他の方法でもよい。また、範囲の決定方法は、取得された特定の出力の種類毎に自動的に選択されるようにしてもよい。
FIG. 5 shows an example in which the vicinity of u_1 is represented on the ui plane of FIG. In the example shown in FIG. 5, the range from u_1-ε_B to u_1 + ε_A represents the vicinity of u_1. The input
入力内容決定手段１０４は、ｕ＿１の近傍内のいくつかの入力値を選んで、実際の入力内容を決定する。ここで、入力値の選び方は、ｕ＿１の近傍をあらかじめ定められた数で均等に分割した値でもよい。あるいは、ｕの値の小さい側又は大きい側に入力値が偏るようにといったような、所定のアルゴリズムにしたがって入力値の間隔に偏りを持たせてもよい。このときの入力値として、ｕ＿１自身を必ず含むようにしてもよいし、含まなくてもよい。 The input content determination means 104 selects some input values in the vicinity of u_1 and determines the actual input content. Here, the method of selecting the input value may be a value obtained by equally dividing the vicinity of u_1 by a predetermined number. Alternatively, the input value intervals may be biased according to a predetermined algorithm such that the input value is biased toward the smaller or larger u value. At this time, u_1 itself may or may not be included as an input value.
次に、計測対象システム実行手段１０５は、通信網３を介して計測対象システム２にアクセスし、入力内容決定手段１０４が決定した入力内容を入力とするように計測対象システム２を動作させる（ステップＳ１４）。具体的に例示すれば、計測対象システム実行手段１０５は、決定した入力内容になるようなリクエストを自動生成し、計測対象システム２にリクエストの処理を実行させる。また、計測対象システム２が複数台のサーバ等の場合には、計測対象システム２に要求する動作に対応させて所要のサーバに対して、それぞれの役割に対応させたリクエストを送り、処理を実行させる。
Next, the measurement target
次に、情報収集手段１０６は、通信網３を介して計測対象システム２にアクセスし、計測対象システム実行手段１０５が実行させた計測対象システム２の入力と、その入力に対応する出力とを収集する（ステップＳ１５）。
Next, the
次に、モデルフィッティング手段１０７は、情報収集手段１０６が収集した計測対象システム２の入力と、その入力に対応する出力とを基に、モデル蓄積手段１０１から取得したモデルｈをフィッティングし、新たなモデルｈ’を生成する（ステップＳ１６）。
フィッティングの方法は、例えば、モデル蓄積手段１０１から取得したモデルがｈ（ｕ）＝ａ＊ｅｘｐ（ｂ＊ｕ）であったときに、このモデルｈ（ｕ）に対する情報収集手段１０６が収集した計測対象システム２の入出力との誤差を最小にするようにパラメタａ，ｂを補正する。
誤差を最小にする方法としては、例えば、最小二乗法や遺伝的アルゴリズムを用いる方法などがあるがこれらに限定されるものではない。
計測対象システム２の入力と、その入力に対応する出力とを黒点で表し、その入出力にあわせてフィッティングしたモデルｈ’（ｕ）をｕｙ平面に表した一例を図６に示す。
Next, the model
For example, when the model acquired from the
Examples of the method for minimizing the error include, but are not limited to, a method using a least square method and a genetic algorithm.
FIG. 6 shows an example in which the input of the measurement target system 2 and the output corresponding to the input are represented by black dots, and the model h ′ (u) fitted according to the input / output is represented on the uy plane.
次に、性能予測手段１０３は、モデルフィッティング手段１０７によってフィッティングされた新たなモデルｈ’を取得し、モデルｈ’に基づいて、計測対象システム２について予測の対象とした特定の出力の性能を予測し、結果を出力する（ステップＳ２１）。
Next, the
次に、本実施形態の効果について説明する。 Next, the effect of this embodiment will be described.
以上に説明したように、本実施形態では、モデルフィッティング手段１０７は、情報収集手段１０６が収集した計測対象システム２の入力、および、入力に対応する出力を基に、モデル蓄積手段１０１から取得したモデルをフィッティングする。
従って、本実施形態によれば、計測対象システム２の入力と出力の対応を用いて、モデルｈに含まれるａ，ｂのようなパラメタをフィッティングすることにより、より実態に近いモデルが得られる。そのモデルから、先に得られた特定の出力に対応する入力ｕ＿１よりも、精度が高い特定の出力に対応する入力を得ることができる。
As described above, in the present embodiment, the model
Therefore, according to the present embodiment, a model closer to the actual situation can be obtained by fitting parameters such as a and b included in the model h using the correspondence between the input and output of the measurement target system 2. From the model, an input corresponding to a specific output with higher accuracy than the input u_1 corresponding to the specific output obtained earlier can be obtained.
また、本実施形態によれば、入力内容決定手段１０４の選択によって、予測したい特定の出力に対応する入力ｕ＿１の近傍の入出力のみを実測するので、入力、出力の計測の回数を減ずる効果が期待できる。特に、入力、出力のいずれか、または、両方が多変数になった場合にその効果は顕著である。すなわち、本実施形態によれば、モデルをフィッティングする際に全ての範囲にわたる入出力の計測を行なう技術に対して、入力ｕ＿１の近傍の入出力のみを実測することによって、計測回数を減らしつつ特定の出力に対応する入力を同等の精度で予想することができる。
Further, according to the present embodiment, only the input / output in the vicinity of the input u_1 corresponding to the specific output to be predicted is measured by the selection of the input
［第２の実施形態］
図７は、本発明による性能予測装置の第２の実施形態の機能構成例を示すブロック図である。図７に示すように、本実施形態による性能予測装置１は、モデル蓄積手段１０１’と、特定出力獲得手段１０２と、性能予測手段１０３と、入力内容決定手段１０４’と、計測対象システム実行手段１０５と、情報収集手段１０６と、モデルフィッティング手段１０７と、繰返し制御手段１０８を含む。
[Second Embodiment]
FIG. 7 is a block diagram showing a functional configuration example of the second embodiment of the performance prediction apparatus according to the present invention. As shown in FIG. 7, the
第１の実施形態と同様の部分については説明を簡略化または省略し、第１の実施形態との差異について説明する。
モデル蓄積手段１０１’は、例えば、コンピュータ等が備えているＨＤＤ等の記憶媒体に、計測の対象とするシステムの性能指標の入力と出力の関係のモデルを蓄積する機能を備えている。また、モデル蓄積手段１０１’は、モデルフィッティング手段１０７がフィッティングしたモデルを新たなモデルとして蓄積する機能を備えている。
Description of the same parts as those in the first embodiment is simplified or omitted, and differences from the first embodiment will be described.
The
入力内容決定手段１０４’は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。入力内容決定手段１０４’は、モデル蓄積手段１０１’が蓄積しているシステムの入力と出力の関係のモデルを用いて、特定出力獲得手段１０２が取得した特定の出力に対応するシステムへの入力を算出し、算出した入力に加え、情報収集手段１０６が既に収集した計測対象システム２の入力と対応する出力とに基づいて、計測対象システム実行手段１０５に前記入力を出力させる入力内容を決定する機能を備えている。
Specifically, the input
繰返し制御手段１０８は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。
繰返し制御手段１０８は、モデル蓄積手段１０１’がモデルフィッティング手段１０７によってフィッティングされたモデルを新たなモデルとして蓄積されたことを受けて、その後、入力内容決定手段１０４’がその新たなモデルに基づいて特定の出力（特定出力獲得手段１０２によって既に取得されている特定の出力）に対応する入力を再度算出して入力内容を決定し、決定した入力内容によって計測対象システム実行手段１０５を動作させ、情報収集手段１０６によって計測対象システム２からの入力と その入力に対応する出力を収集し、モデルフィッティング手段１０７によって収集した入出力を基に、使用した新たなモデルを再度フィッティングするという一連のプロセスを繰り返すか、または一連のプロセスを繰り返さないかを判断する機能を備えている。
本実施形態では、繰返し制御手段１０８は、モデルフィッティング手段１０７がフィッティングしたモデルの精度を基に、一連のプロセスを繰り返すか繰り返さないかを判断する機能を備えている場合について以下で説明する。しかしながら、繰返し制御手段１０８が繰り返しの判断をする基準は、例えば、事前に与えられた回数だけ繰り返したかどうかによってもよいし、この例示に限定されるものではない。
Specifically, the repetition control means 108 is realized by a CPU of an information processing apparatus that operates according to a program.
The iterative control unit 108 receives the fact that the
In this embodiment, the case where the repetition control unit 108 has a function of determining whether to repeat a series of processes based on the accuracy of the model fitted by the model
次に、本実施形態における性能予測装置の動作について説明する。図８は、性能予測装置の処理例を示すフローチャートである。図３で説明した第１の実施形態にかかる処理経過と同じ処理については同じステップ番号を付し、説明は省略する。 Next, the operation of the performance prediction apparatus in this embodiment will be described. FIG. 8 is a flowchart illustrating a processing example of the performance prediction apparatus. The same steps as those in the first embodiment described with reference to FIG. 3 are denoted by the same step numbers, and description thereof is omitted.
モデル蓄積手段１０１’は、モデルフィッティング手段１０７によってフィッティングされたモデルを新たなモデルとして蓄積する（ステップＳ１７）。
The model storage unit 101 'stores the model fitted by the model
繰返し制御手段１０８は、モデルフィッティング手段１０７によってフィッティングされた新たなモデルの精度が十分であれば性能予測の処理に移行し、十分でなければステップＳ１２に処理を移動する（ステップＳ１８）。
If the accuracy of the new model fitted by the model
ここでフィッティングされた新たなモデルの精度は、フィッティングした新たなモデルに基づいて算出された特定の出力に対する入力と、フィッティングする前の元モデルに基づいて算出された特定の出力に対する入力との値の差に基づいてもよい。
図９に、フィッティングする前の元モデルｈ（ｕ）、ｈ（ｕ）に基づいて算出された特定の出力ｙ＿１に対する入力ｕ＿１，フィッティングした新たなモデルｈ（ｕ）’、および、ｈ（ｕ）’ に基づいて算出された特定の出力ｙ＿１に対する入力ｕ＿２をｕｙ平面に表した一例を示す。このｕ＿１とｕ＿２の差が事前に与えられた値よりも小さければ新たなモデルｈ（ｕ）’の精度が十分であるとし、小さくなければ新たなモデルｈ（ｕ）’の精度は十分ではないとする。あるいは、ｕ＿１とｕ＿２の差に加えて、フィッティングした新たなモデルｈ（ｕ）’に対する情報収集手段１０６が収集した計測対象システム２の入出力との誤差に基づいてもよい。このようにすることにより、特定の出力ｙ＿１に対する入力という一点のみならず、その近傍においても新たなモデルが入出力の関係を正しく反映しているかどうかを考慮することができる。また、フィッティングの繰り返しを２回以上行っている場合には、初回の値と１回目の値との差、１回目の値と２回目の値との差のように、複数のモデルによる特定の出力に対する値を用いて、最後にフィッティングしたモデル（新たなモデル）の精度について、閾値や収束度に基づき精度が十分であるか否かを判定してもよい。何れの判定方法も特にモデルが複雑な形状を取る場合により好適である。
The accuracy of the new model fitted here is the value of the input for the specific output calculated based on the new model fitted and the input for the specific output calculated based on the original model before fitting. May be based on the difference.
FIG. 9 shows an input u_1 for a specific output y_1 calculated based on the original models h (u) and h (u) before fitting, a new model h (u) ′ fitted, and h (u) An example is shown in which the input u_2 for the specific output y_1 calculated based on 'is represented on the uy plane. If the difference between u_1 and u_2 is smaller than a value given in advance, the accuracy of the new model h (u) ′ is sufficient. If the difference is not small, the accuracy of the new model h (u) ′ is not sufficient. And Alternatively, in addition to the difference between u_1 and u_2, it may be based on an error between the input and output of the measurement target system 2 collected by the
入力内容決定手段１０４’は、ステップＳ１２で算出した特定の出力に対応する入力に加え、情報収集手段１０６が収集した計測対象システム２の入力と、その入力に対応する出力とに基づいて、特定の出力に対応する入力の予測の精度を上げるために用いられる入力内容を決定する（ステップＳ１３’）。なお、初めてステップＳ１３’の処理を行う場合においては、モデルがまだフィッティングされていないので、第１の実施形態のステップＳ１３と同じく、ステップＳ１２で算出した特定の出力に対応する入力に基づいて入力内容を決定するものとする。以下は、少なくとも一回はステップＳ１８の処理を行い、ステップＳ１２に処理が戻った場合についての説明である。
The input
ここで図１０に、計測対象システム２の入出力を黒点で表し、モデルｈ（ｕ）、特定の出力ｙ＿１に対するｈ（ｕ） に基づいて算出された入力ｕ＿１、および、ｕ＿１の近傍であるｕ＿１−ε＿Ｂからｕ＿１＋ε＿Ａをｕｙ平面に表した一例を示す。
ε＿Ａ、および、ε＿Ｂを、例えば、第１の実施形態に述べた方法で決定したときに、図１０の例では、既に実測した計測対象システム２の入出力の一部が、ｕ＿１−ε＿Ｂからｕ＿１＋ε＿Ａの範囲に含まれている。モデルｈ（ｕ）は、ステップＳ１７で計測対象システム２の入出力を用いてフィッティングされていることを鑑みると、図１０の例においては、ｕ＿１からｕ＿１＋ε＿Ａの範囲よりも、ｕ＿１−ε＿Ｂからｕ＿１の範囲を重点的に計測すれば、次に行うフィッティングの精度がより高まると期待される。他の例を図１１に示す。図１１に示す例では、計測対象システム２の入出力が、ｕ＿１−ε＿Ｂからｕ＿１＋ε＿Ａの範囲に含まれていない。しかし、この場合においても、ｕの値の大きいところでモデルｈ（ｕ）がフィッティングされているので、ｕ＿１からｕ＿１＋ε＿Ａの範囲よりも、ｕ＿１−ε＿Ｂからｕ＿１の範囲を重点的に計測すれば、ｕ＿１を挟んだモデルｈ（ｕ）のｕの値の小さい側もフィッティング用の値を取得することとなるので、次に行うフィッティングの精度がより高まると期待される。上述のように重点的に計測する入力を入力内容として決定すればよい。
Here, in FIG. 10, the input / output of the measurement target system 2 is represented by black dots, and the model h (u), the input u_1 calculated based on h (u) for a specific output y_1, and the vicinity of u_1. An example in which u_1 + ε_A from −ε_B to the uy plane is shown.
When ε_A and ε_B are determined by the method described in the first embodiment, for example, in the example of FIG. Included in the range. In view of the fact that the model h (u) is fitted using the input / output of the measurement target system 2 in step S17, in the example of FIG. If the range is intensively measured, the accuracy of the next fitting is expected to increase. Another example is shown in FIG. In the example illustrated in FIG. 11, the input / output of the measurement target system 2 is not included in the range from u_1−ε_B to u_1 + ε_A. However, even in this case, the model h (u) is fitted at a large value of u. Therefore, if the range from u_1-ε_B to u_1 is measured more than the range from u_1 to u_1 + ε_A, u_1 is Since the value for fitting is also acquired on the side of the sandwiched model h (u) where the value of u is small, it is expected that the accuracy of the next fitting will be further increased. As described above, an input to be intensively measured may be determined as the input content.
また、図１０の例では、ｕ＿１が計測対象システム２の入出力の範囲の内側にあるので、ｕ＿１−ε＿Ｂおよびｕ＿１＋ε＿Ａを、それぞれ計測対象システム２から得たｕ＿１に最近接の２つの入出力の値としてもよい。こうすることにより、ｕ＿１の近傍を狭めることができる。ただし、一般に入出力は誤差を含むので、モデルの精度に基づいて、次近接、あるいは、次々近接を選択するようにしてもよい。 Further, in the example of FIG. 10, since u_1 is inside the input / output range of the measurement target system 2, u_1-ε_B and u_1 + ε_A are respectively set to the two input / output closest to u_1 obtained from the measurement target system 2. It may be a value. By doing so, the vicinity of u_1 can be narrowed. However, since input / output generally includes an error, the next proximity or the next proximity may be selected based on the accuracy of the model.
次に、第２の実施形態の効果について説明する。 Next, effects of the second embodiment will be described.
第２の実施形態においては、繰返し制御手段１０８は、一連のプロセスを繰り返すか繰り返さないかを判断する。
従って、第１の実施形態とは異なり、プロセスを繰り返すことにより、特定の出力に対応する入力を予測する精度が高まることが期待される。また、プロセスを繰り返す基準をモデルフィッティング手段１０７がフィッティングしたモデルの精度とすることによって、望ましい精度まで特定の出力に対応する入力を予測することができると期待される。
In the second embodiment, the repetition control means 108 determines whether or not to repeat a series of processes.
Therefore, unlike the first embodiment, it is expected that the accuracy of predicting an input corresponding to a specific output is increased by repeating the process. Further, it is expected that an input corresponding to a specific output can be predicted to a desired accuracy by setting the accuracy of the model fitted by the model fitting means 107 as a reference for repeating the process.
［第３の実施形態］
図１２は、本発明による性能予測装置の第３の実施形態の機能構成例を示すブロック図である。図１２に示すように、本実施形態による性能予測装置１は、モデル蓄積手段１０１’と、特定出力獲得手段１０２と、性能予測手段１０３と、入力内容決定手段１０４と、計測対象システム実行手段１０５と、情報収集手段１０６’と、モデルフィッティング手段１０７を含む。
[Third Embodiment]
FIG. 12 is a block diagram showing a functional configuration example of the third embodiment of the performance prediction apparatus according to the present invention. As shown in FIG. 12, the
第１の実施形態と同様の部分については説明を簡略化または省略し、第１の実施形態との差異について説明する。
モデル蓄積手段１０１’は、例えば、コンピュータ等が備えているＨＤＤ等の記憶媒体に、計測の対象とするシステムの性能指標の入力と出力の関係のモデルを蓄積する機能を備えている。また、モデル蓄積手段１０１’は、モデルフィッティング手段１０７がフィッティングしたモデルを新たなモデルとして蓄積する機能を備えている。
Description of the same parts as those in the first embodiment is simplified or omitted, and differences from the first embodiment will be described.
The
情報収集手段１０６’は、具体的には、プログラムに従って動作する情報処理装置のＣＰＵによって実現される。情報収集手段１０６’は、通信網３を介して計測対象システム２にアクセスし、計測対象システム実行手段１０５が実行させた計測対象システム２の入力、および、入力に対応する出力を収集する機能を備えている。また、情報収集手段１０６’は、通信網３を介して計測対象システム２にアクセスし、計測対象システム２の適当な入力、および、その適当な入力に対する出力を収集する機能を備えている。また、情報収集手段１０６’は、特定出力獲得手段１０２などから指示された範囲（例えば所定の負荷領域や特定の時間帯など）について適当な入力とその入力に対応する出力を収集するようにしてもよい。
Specifically, the information collecting unit 106 'is realized by a CPU of an information processing apparatus that operates according to a program. The
ここで、適当な入力、および、適当な入力に対する出力とは、例えば、計測対象システム２をテスト運用した場合に得られる入出力などでもよいし、あるいは、計測対象システム２を低負荷で運用している場合の入出力などでもよい。なお、適当な入力、および、適当な入力に対する出力は、これらの例示に限定されるものではない。一般には、予測の対象とする特定の出力と関係が無くてよい。なお、関係がある場合でもよいことは自明であろう。 Here, the appropriate input and the output corresponding to the appropriate input may be, for example, input / output obtained when the measurement target system 2 is tested, or the measurement target system 2 is operated at a low load. Input / output etc. may be used. Appropriate inputs and outputs corresponding to appropriate inputs are not limited to these examples. Generally, there is no relationship with a specific output to be predicted. It should be obvious that there may be a relationship.
次に、本実施形態における性能予測装置の動作について説明する。図１３は、性能予測装置の処理例を示すフローチャートである。図３で説明した第１の実施形態にかかる処理経過と同じ処理については同じステップ番号を付し、説明は省略する。 Next, the operation of the performance prediction apparatus in this embodiment will be described. FIG. 13 is a flowchart illustrating a processing example of the performance prediction apparatus. The same steps as those in the first embodiment described with reference to FIG. 3 are denoted by the same step numbers, and description thereof is omitted.
情報収集手段１０６’は、通信網３を介して計測対象システム２にアクセスし、計測対象システム２の適当な入力と、その適当な入力に対する出力を収集する（ステップＳ３１）。
The information collection unit 106 'accesses the measurement target system 2 via the
モデルフィッティング手段１０７は、情報収集手段１０６’が収集した計測対象システム２の入力とその入力に対応する出力を基に、モデル蓄積手段１０１’から取得したモデルをフィッティングし、新たなモデルを生成する（ステップＳ３２）。
フィッティングの方法は、最小二乗法や遺伝的アルゴリズムなどを適に用いて第１の実施の形態で述べた方法で行えばよい。
The model
The fitting method may be performed by the method described in the first embodiment by appropriately using a least square method, a genetic algorithm, or the like.
ここで図１４に、計測対象システム２の入出力を黒点で表し、フィッティングする前のモデルｈ（ｕ）、特定の出力ｙ＿１に対するｈ（ｕ）に基づいて算出された入力ｕ＿１、フィッティングしたモデルｈ（ｕ）’、および、特定の出力ｙ＿１に対するｈ（ｕ）’ に基づいて算出された入力ｕ＿２をｕｙ平面に表した一例を示す。図１４に示す例では、計測対象システム２から取得した入出力は、特定の出力ｙ＿１とは離れた領域である。しかしながら、先に述べたように、事前に与えられたパラメタが、実際に構築したＩＴシステムの示すパラメタと異なる場合においては、このような特定の出力ｙ＿１とは関係の無い適当な入出力であっても、モデルのパラメタを補正する役に立ち、後に続く処理のステップにおいて特定の出力ｙ＿１に対する入力の予測の精度を高めると期待できる。 Here, in FIG. 14, input / output of the measurement target system 2 is represented by black dots, a model h (u) before fitting, an input u_1 calculated based on h (u) for a specific output y_1, a fitted model h An example is shown in which the input u_2 calculated based on (u) ′ and h (u) ′ for a specific output y_1 is represented on the uy plane. In the example illustrated in FIG. 14, the input / output acquired from the measurement target system 2 is a region away from the specific output y_1. However, as described above, when the parameters given in advance are different from the parameters indicated by the actually constructed IT system, the input / output is not related to the specific output y_1. However, it is useful to correct the parameters of the model, and can be expected to improve the accuracy of the input prediction for the specific output y_1 in the subsequent processing steps.
また、モデルフィッティング手段１０７は、モデル蓄積手段１０１’から取得したモデルｈ（ｕ）を、当該モデルｈ（ｕ）と収集した適当な入力とその出力とに基づき、推定して予測の対象とした特定の出力の近傍のモデルにフィッティングすることとしてもよい。
Further, the model
モデル蓄積手段１０１’は、モデルフィッティング手段１０７がフィッティングしたモデルを新たなモデルとして蓄積する（ステップＳ３３）。
The model storage unit 101 'stores the model fitted by the model
次に、第３の実施形態の効果について説明する。
第３の実施形態においては、モデルフィッティング手段１０７は、情報収集手段１０６’が収集した計測対象システム２の適当な入力、および、入力に対応する出力を基に、モデル蓄積手段１０１’から取得したモデルをフィッティングする。
従って、第１の実施形態とは異なり、システムの実際の入出力で事前にフィッティングしたモデルをステップＳ１２で用いることができるので、特定の出力に対する入力の予測の精度を高めると期待できる。
Next, effects of the third embodiment will be described.
In the third embodiment, the model fitting means 107 is acquired from the model storage means 101 ′ based on the appropriate input of the measurement target system 2 collected by the information collection means 106 ′ and the output corresponding to the input. Fit the model.
Therefore, unlike the first embodiment, since a model fitted in advance with actual input / output of the system can be used in step S12, it can be expected to improve the accuracy of input prediction for a specific output.
また、上記複数の実施形態は、適に組み合わせることが可能である。組み合わせて用いた場合には、計測対象システム２から取得した適当な入出力に基づいてフィッティングを行なうとともに、フィッティングを適に繰り返すことが可能となる。 Further, the plurality of embodiments can be appropriately combined. When used in combination, it is possible to perform fitting based on appropriate input / output acquired from the measurement target system 2 and to repeat the fitting appropriately.
このように、性能予測装置を動作させることによって、例えば、予測したい特定の出力が高負荷の領域である場合に、高負荷の性能指標の計測に多大な時間やリソース消費を伴うなどコストがかかりやすい問題などを解決できる。 In this way, by operating the performance prediction device, for example, when a specific output to be predicted is in a high-load area, measurement of a high-load performance index requires a lot of time and resource consumption. Can solve easy problems.
これは、第３の実施形態においては、適当な入出力として低負荷の入出力をステップＳ３１で収集しておくことにより、高負荷の領域にある特定の出力の予測の精度を上げることが可能にできる。 In the third embodiment, it is possible to improve the accuracy of prediction of a specific output in a high load region by collecting low load input / output as appropriate input / output in step S31. Can be.
また、入力内容決定手段１０４によって、入力された特定の出力が評価対象システム２の高負荷動作の領域に当たるか判別し、高負荷動作の領域に当たる場合に低負荷動作の領域の入出力を測定するように計測対象システム実行手段１０５への入力内容を定めるようにしてもよい。
このとき、低負荷時の入出力のみからフィッティングすることに変えて、入力内容決定手段の指示の元、高負荷時の入出力を１点ないし数点取得するように計測対象システム実行手段と情報収集手段を動作させ、低負荷時の入出力と高負荷時の入出力とを合わせてフィッティングすることによって、モデルのフィッティング精度を高くすることが可能となる。なお、高負荷時の入出力を取得する数については、高負荷の計測に要するコストに鑑みて定めればよい。
Further, the input content determination means 104 determines whether or not the input specific output corresponds to the high load operation region of the evaluation target system 2, and when the input content corresponds to the high load operation region, the input / output of the low load operation region is measured. As described above, the input content to the measurement target
At this time, instead of fitting only from the input / output at the time of low load, the measurement target system execution means and the information are acquired so as to obtain one or several points of input / output at the time of the high load under the instruction of the input content determining means. The fitting accuracy of the model can be increased by operating the collecting means and fitting the input / output at the low load and the input / output at the high load together. Note that the number of inputs / outputs acquired at high load may be determined in view of the cost required for high load measurement.
これらの動作は、特に、第２の実施形態で説明したフィッティングの繰り返しを行なう場合に、低負荷の入出力によってあらかじめモデルの精度をあげておくことによって、高負荷の入出力を繰り返す回数を少なくすることができ、全体の計測のコストを下げる効果をもたらす。 In these operations, especially when the fitting described in the second embodiment is repeated, the number of times of repeating the high load input / output is reduced by increasing the accuracy of the model in advance by the low load input / output. Can bring about the effect of lowering the overall measurement cost.
上記実施の形態の説明で示したように、本発明によれば、計測の対象とするシステムに対して、システムのモデルから予測したい特定出力に対応する入力を算出し、その入力に基づいて決定された入力内容をそのシステムに実行させ、システムの入出力によってモデルをフィッティングすることで、性能指標の特定の領域を精度よく予測する性能予測装置、性能予測方法およびプログラムを提供できる。 As described in the above embodiment, according to the present invention, an input corresponding to a specific output to be predicted from a system model is calculated for a system to be measured and determined based on the input. It is possible to provide a performance prediction apparatus, a performance prediction method, and a program for accurately predicting a specific region of a performance index by causing the system to execute the input contents and fitting a model by input / output of the system.
なお、本発明の具体的な構成は前述の実施の形態に限られるものではなく、この発明の要旨を逸脱しない範囲の変更があってもこの発明に含まれる。 It should be noted that the specific configuration of the present invention is not limited to the above-described embodiment, and changes within a range not departing from the gist of the present invention are included in the present invention.
また、上記の実施形態の一部又は全部は、以下のようにも記載されうる。尚、以下の付記は本発明をなんら限定するものではない。
[付記１]
計測の対象とする情報処理システムに関する入力と出力の関係のモデルを蓄積するモデル蓄積手段と、
前記情報処理システムの性能を予測する際に、予測の対象とする特定の出力を取得する特定出力獲得手段と、
前記モデル蓄積手段が蓄積している前記情報処理システムのモデルを用いて、前記特定出力獲得手段が取得した前記特定出力に対応する入力を算出し、前記特定出力に対応する入力を基に、入力内容を決定する入力内容決定手段と、
前記入力内容決定手段が決定した前記入力内容を入力とするように、前記情報処理システムを実行させる計測対象システム実行手段と、
前記計測対象システム実行手段が実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集する情報収集手段と、
前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングするモデルフィッティング手段と、
前記モデルフィッティング手段によってフィッティングされた新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する性能予測手段と、
を備えることを特徴とする性能予測装置。
In addition, a part or all of the above-described embodiments can be described as follows. Note that the following supplementary notes do not limit the present invention.
[Appendix 1]
Model storage means for storing a model of the relationship between input and output related to the information processing system to be measured;
When predicting the performance of the information processing system, specific output acquisition means for acquiring a specific output to be predicted;
The input corresponding to the specific output acquired by the specific output acquisition unit is calculated using the model of the information processing system stored in the model storage unit, and the input corresponding to the specific output is input. Input content determining means for determining the content;
Measurement target system execution means for executing the information processing system so as to input the input content determined by the input content determination means;
Information collecting means for collecting the input of the information processing system executed by the measurement target system executing means and the output corresponding to the input;
Model fitting means for fitting the model acquired from the model storage means based on the input of the information processing system collected by the information collection means and the output corresponding to the input;
Based on a new model fitted by the model fitting means, performance prediction means for predicting the performance of a specific output targeted for prediction for the information processing system;
A performance prediction apparatus comprising:
[付記２]
前記モデル蓄積手段は、前記モデルフィッティング手段がフィッティングしたモデルを新たなモデルとして蓄積することを特徴とする上記付記記載の性能予測装置。
[Appendix 2]
The performance predicting apparatus as set forth in the above supplementary note, wherein the model storing means stores the model fitted by the model fitting means as a new model.
[付記３]
前記情報収集手段は、前記情報処理システムの適当な入力、および、前記適当な入力に対する出力を収集し、
前記モデルフィッティング手段は、前記モデル蓄積手段から取得したモデルを、当該モデル、収集した前記適当な入力、および前記適当な入力に対応する出力に基づき推定して、予測の対象とした特定の出力の近傍のモデルにフィッティングする
ことを特徴とする上記付記記載の性能予測装置。
[Appendix 3]
The information collecting means collects an appropriate input of the information processing system and an output corresponding to the appropriate input;
The model fitting means estimates a model acquired from the model storage means based on the model, the collected appropriate input, and an output corresponding to the appropriate input, and outputs a specific output to be predicted. The performance prediction apparatus according to the above supplementary note, wherein fitting is performed to a nearby model.
[付記４]
前記適当な入力とは、前記情報処理システムが低負荷の場合の入力であり、
前記前記特定の出力とは、前記情報処理システムが高負荷の場合の出力である
ことを特徴とする上記付記記載の性能予測装置。
[Appendix 4]
The appropriate input is an input when the information processing system has a low load,
The said specific output is an output in case the said information processing system is a heavy load, The performance prediction apparatus of the said remarks characterized by the above-mentioned.
[付記５]
前記入力内容決定手段は、予測の対象とする特定の出力が高負荷動作時の出力であった場合に、前記計測対象システム実行手段に、前記情報処理システムが低負荷動作となるように、前記入力内容とする入力を算出し、
前記モデルフィッティング手段は、前記情報収集手段によって収集された前記情報処理システムの低負荷動作をさせる入力と、当該入力に応じて出力された低負荷動作時の出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングし、
前記性能予測手段から、低負荷動作の値に基づくフィッティングを行った新たなモデルに基づき、前記情報処理システムについて予測の対象とした高負荷動作時の出力の性能を予測する
ことを特徴とする上記付記記載の性能予測装置。
[Appendix 5]
The input content determination means, when the specific output to be predicted is an output at the time of a high load operation, the measurement target system execution means, so that the information processing system becomes a low load operation Calculate the input as the input content,
The model fitting means, based on the input for performing the low load operation of the information processing system collected by the information collecting means, and the output at the time of the low load operation output according to the input, from the model storage means Fitting the acquired model,
The performance prediction means predicts the output performance at the time of high load operation targeted for prediction for the information processing system based on a new model that has been fitted based on the value of low load operation. The performance prediction device described in the appendix.
[付記６]
前記モデル蓄積手段が前記フィッティングしたモデルを新たなモデルとして蓄積し、前記入力内容決定手段が前記新たなモデルに基づいて前記特定出力手段が取得した特定の出力に対応する入力を算出して前記特定の出力に対応する入力に基づいて入力内容を決定し、前記計測対象システム実行手段が前記入力内容を入力として前記情報処理システムを実行させ、前記情報収集手段が前記計測対象システム実行手段が実行させた前記情報処理システムの入力 および 前記入力に対応する出力を収集し、前記モデルフィッティング手段が前記情報収集手段が収集した前記情報処理システムの入力 および 前記入力に対応する出力を基に、前記モデル蓄積手段から取得した前記新たなモデルをフィッティングするという一連のプロセスを繰り返すか、または、一連のプロセスを繰り返さないかを判断する繰返し制御手段を更に備える
ことを特徴とする上記付記記載の性能予測装置。
[Appendix 6]
The model accumulating unit accumulates the fitted model as a new model, and the input content determining unit calculates an input corresponding to a specific output acquired by the specific output unit based on the new model. The input content is determined based on the input corresponding to the output of the input, the measurement target system execution means executes the information processing system with the input content as input, and the information collection means causes the measurement target system execution means to execute. And collecting the model based on the input of the information processing system collected by the information collecting unit and the output corresponding to the input. Whether to repeat the process of fitting the new model obtained from the means Or the performance predicting apparatus according to the above supplementary note, further comprising a repetition control means for determining whether or not to repeat a series of processes.
[付記７]
前記繰返し制御手段は、前記モデルフィッティング手段がフィッティングしたモデルの精度を基に、前記一連のプロセスを繰り返すか繰り返さないかを判断することを特徴とする上記付記記載の性能予測装置。
[Appendix 7]
The performance prediction apparatus according to the above supplementary note, wherein the iterative control means determines whether to repeat or not repeat the series of processes based on the accuracy of the model fitted by the model fitting means.
[付記８]
前記入力内容決定手段は、前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力に基づいて、入力内容を決定することを特徴とする上記付記記載の性能予測装置。
[Appendix 8]
The performance prediction apparatus according to the above supplementary note, wherein the input content determination unit determines the input content based on an input of the information processing system collected by the information collection unit and an output corresponding to the input. .
[付記９]
計測の対象とする情報処理システムに関する入力と出力の関係のモデルを予め蓄積し、
前記情報処理システムの性能を予測する際に基準とする、予測の対象である特定出力を取得し、
前記モデルを用いて、前記特定出力に対応する入力を算出処理し、算出した前記特定出力に対応する入力を基に、前記情報処理システムへの入力内容を決定処理し、
決定した前記入力内容を入力とするように前記情報処理システムを実行させ、
実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集し、
収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデルをフィッティングし、
フィッティングした新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する
ことを特徴とする性能予測方法。
[Appendix 9]
Accumulate in advance a model of the relationship between input and output for the information processing system to be measured,
Obtaining a specific output that is a target of prediction, which is a reference when predicting the performance of the information processing system;
Using the model, calculating the input corresponding to the specific output, based on the input corresponding to the calculated specific output, determining the input content to the information processing system,
Causing the information processing system to execute the input content determined as an input,
Collecting the input of the information processing system to be executed and the output corresponding to the input;
Fitting the model based on the collected input of the information processing system and the output corresponding to the input,
A performance prediction method characterized by predicting the performance of a specific output targeted for prediction for the information processing system based on a new fitted model.
[付記１０]
モデルの蓄積は、フィッティングしたモデルを新たなモデルとして順次蓄積することを特徴とする上記付記記載の性能予測方法。
[Appendix 10]
The model is accumulated by sequentially accumulating the fitted model as a new model.
[付記１１]
前記情報処理システムの入力および出力の情報収集は、当該情報処理システムの適当な入力、および、前記適当な入力に対する出力を収集し、
取得した元モデルを、当該モデル、収集した前記適当な入力、および前記適当な入力に対応する出力に基づき推定して、予測の対象とした特定の出力の近傍のモデルにフィッティングする
ことを特徴とする上記付記記載の性能予測方法。
[Appendix 11]
The information collection of the input and output of the information processing system collects the appropriate input of the information processing system and the output for the appropriate input,
The obtained original model is estimated based on the model, the collected appropriate input, and an output corresponding to the appropriate input, and fitted to a model in the vicinity of a specific output targeted for prediction. The performance prediction method according to the above supplementary notes.
[付記１２]
前記適当な入力とは、前記情報処理システムが低負荷の場合の入力であり、
前記前記特定の出力とは、前記情報処理システムが高負荷の場合の出力である
ことを特徴とする上記付記記載の性能予測方法。
[Appendix 12]
The appropriate input is an input when the information processing system has a low load,
The said specific output is an output in case the said information processing system is a heavy load, The performance prediction method of the said remarks characterized by the above-mentioned.
[付記１３]
前記情報処理システムへの入力内容を決定処理は、予測の対象とする特定の出力が高負荷動作時の出力であった場合に、前記情報処理システムが低負荷動作となるように、前記入力内容とする入力を算出し、
モデルフィッティング時に、収集された前記情報処理システムの低負荷動作をさせる入力と、当該入力に応じて出力された低負荷動作時の出力を基に、取得したモデルをフィッティングし、
低負荷動作の値に基づくフィッティングを行った新たなモデルに基づき、前記情報処理システムについて予測の対象とした高負荷動作時の出力の性能を予測する
ことを特徴とする上記付記記載の性能予測方法。
[Appendix 13]
The input content to the information processing system is determined so that the information processing system is in a low load operation when a specific output to be predicted is an output at the time of a high load operation. And calculate the input
At the time of model fitting, fitting the acquired model based on the collected input for causing the information processing system to perform low-load operation and the output at the time of low-load operation output according to the input,
The performance prediction method according to the above supplementary note, wherein the performance of the output at the time of high load operation targeted for prediction for the information processing system is predicted based on a new model that is fitted based on the value of low load operation .
[付記１４]
前記フィッティングしたモデルを新たなモデルとして蓄積し、前記新たなモデルに基づいて取得した特定の出力に対応する入力を算出して前記特定の出力に対応する入力に基づいて入力内容を決定し、前記入力内容を入力として前記情報処理システムを実行させ、実行させた前記情報処理システムの入力 および 前記入力に対応する出力を収集し、収集した前記情報処理システムの入力 および 前記入力に対応する出力を基に、取得した前記新たなモデルをフィッティングするという一連のプロセスを繰り返すか、または、一連のプロセスを繰り返さないかを判断する繰返し制御処理を行う
ことを特徴とする上記付記記載の性能予測方法。
[Appendix 14]
Accumulating the fitted model as a new model, calculating an input corresponding to a specific output acquired based on the new model, determining an input content based on the input corresponding to the specific output, The information processing system is executed using the input content as input, the input of the information processing system executed and the output corresponding to the input are collected, and the collected input of the information processing system and the output corresponding to the input are collected. In addition, the performance prediction method according to the above supplementary note, wherein a repetitive control process for determining whether to repeat the series of processes of fitting the acquired new model or not to repeat the series of processes is performed.
[付記１５]
前記繰返し制御処理は、フィッティングしたモデルの精度を基に、前記一連のプロセスを繰り返すか繰り返さないかを判断することを特徴とする上記付記記載の性能予測方法。
[Appendix 15]
The performance prediction method according to the above supplementary note, wherein the iterative control process determines whether or not to repeat the series of processes based on the accuracy of the fitted model.
[付記１６]
前記入力内容の決定処理では、収集した前記情報処理システムの入力、および、前記入力に対応する出力に基づいて、入力内容を決定することを特徴とする上記付記記載の性能予測方法。
[Appendix 16]
In the input content determination process, the input content is determined based on the collected input of the information processing system and the output corresponding to the input.
[付記１７]
情報処理装置の制御部を、
計測の対象とする情報処理システムに関する入力と出力の関係のモデルを蓄積するモデル蓄積手段と、
前記情報処理システムの性能を予測する際に、予測の対象とする特定の出力を取得する特定出力獲得手段と、
前記モデル蓄積手段が蓄積している前記情報処理システムのモデルを用いて、前記特定出力獲得手段が取得した前記特定出力に対応する入力を算出し、前記特定出力に対応する入力を基に、入力内容を決定する入力内容決定手段と、
前記入力内容決定手段が決定した前記入力内容を入力とするように、前記情報処理システムを実行させる計測対象システム実行手段と、
前記計測対象システム実行手段が実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集する情報収集手段と、
前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングするモデルフィッティング手段と、
前記モデルフィッティング手段によってフィッティングされた新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する性能予測手段、
として機能させることを特徴とするプログラム。
[Appendix 17]
The control unit of the information processing device
Model storage means for storing a model of the relationship between input and output related to the information processing system to be measured;
When predicting the performance of the information processing system, specific output acquisition means for acquiring a specific output to be predicted;
The input corresponding to the specific output acquired by the specific output acquisition unit is calculated using the model of the information processing system stored in the model storage unit, and the input corresponding to the specific output is input. Input content determining means for determining the content;
Measurement target system execution means for executing the information processing system so as to input the input content determined by the input content determination means;
Information collecting means for collecting the input of the information processing system executed by the measurement target system executing means and the output corresponding to the input;
Model fitting means for fitting the model acquired from the model storage means based on the input of the information processing system collected by the information collection means and the output corresponding to the input;
Based on a new model fitted by the model fitting means, performance prediction means for predicting the performance of a specific output targeted for prediction for the information processing system;
A program characterized by functioning as
[付記１８]
前記モデル蓄積手段を、前記モデルフィッティング手段がフィッティングしたモデルを新たなモデルとして蓄積するように動作させることを特徴とする上記付記記載のプログラム。
[Appendix 18]
The program according to the above supplementary note, wherein the model storage unit is operated so as to store the model fitted by the model fitting unit as a new model.
[付記１９]
前記情報収集手段は、前記情報処理システムの適当な入力、および、前記適当な入力に対する出力を収集し、
前記モデルフィッティング手段は、前記モデル蓄積手段から取得したモデルを、当該モデル、収集した前記適当な入力、および前記適当な入力に対応する出力に基づき推定して、予測の対象とした特定の出力の近傍のモデルにフィッティングする
ように動作させることを特徴とする上記付記記載のプログラム。
[Appendix 19]
The information collecting means collects an appropriate input of the information processing system and an output corresponding to the appropriate input;
The model fitting means estimates a model acquired from the model storage means based on the model, the collected appropriate input, and an output corresponding to the appropriate input, and outputs a specific output to be predicted. The program according to the above supplementary note, which is operated so as to fit to a nearby model.
[付記２０]
前記適当な入力とは、前記情報処理システムが低負荷の場合の入力であり、
前記前記特定の出力が、前記情報処理システムが高負荷の場合の出力となる
ように動作させることを特徴とする上記付記記載のプログラム。
[Appendix 20]
The appropriate input is an input when the information processing system has a low load,
The program according to the above supplementary note, wherein the specific output is operated so as to be an output when the information processing system is under a heavy load.
[付記２１]
前記入力内容決定手段は、予測の対象とする特定の出力が高負荷動作時の出力であった場合に、前記計測対象システム実行手段に、前記情報処理システムが低負荷動作となるように、前記入力内容とする入力を算出し、
前記モデルフィッティング手段は、前記情報収集手段によって収集された前記情報処理システムの低負荷動作をさせる入力と、当該入力に応じて出力された低負荷動作時の出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングし、
前記性能予測手段から、低負荷動作の値に基づくフィッティングを行った新たなモデルに基づき、前記情報処理システムについて予測の対象とした高負荷動作時の出力の性能を予測する
ように動作させることを特徴とする上記付記記載のプログラム。
[Appendix 21]
The input content determination means, when the specific output to be predicted is an output at the time of a high load operation, the measurement target system execution means, so that the information processing system becomes a low load operation Calculate the input as the input content,
The model fitting means, based on the input for performing the low load operation of the information processing system collected by the information collecting means, and the output at the time of the low load operation output according to the input, from the model storage means Fitting the acquired model,
Based on the new model that has been fitted based on the value of the low load operation from the performance predicting means, the information processing system is operated so as to predict the performance of the output at the time of high load operation targeted for prediction. The program according to the above supplementary note, which is characterized.
[付記２２]
前記モデル蓄積手段が前記フィッティングしたモデルを新たなモデルとして蓄積し、前記入力内容決定手段が前記新たなモデルに基づいて前記特定出力手段が取得した特定の出力に対応する入力を算出して前記特定の出力に対応する入力に基づいて入力内容を決定し、前記計測対象システム実行手段が前記入力内容を入力として前記情報処理システムを実行させ、前記情報収集手段が前記計測対象システム実行手段が実行させた前記情報処理システムの入力 および 前記入力に対応する出力を収集し、前記モデルフィッティング手段が前記情報収集手段が収集した前記情報処理システムの入力 および 前記入力に対応する出力を基に、前記モデル蓄積手段から取得した前記新たなモデルをフィッティングするという一連のプロセスを繰り返すか、または、一連のプロセスを繰り返さないかを判断する繰返し制御手段
として更に制御部を動作させることを特徴とする上記付記記載のプログラム。
[Appendix 22]
The model accumulating unit accumulates the fitted model as a new model, and the input content determining unit calculates an input corresponding to a specific output acquired by the specific output unit based on the new model. The input content is determined based on the input corresponding to the output of the input, the measurement target system execution means executes the information processing system with the input content as input, and the information collection means causes the measurement target system execution means to execute. And collecting the model based on the input of the information processing system collected by the information collecting unit and the output corresponding to the input. Whether to repeat the process of fitting the new model obtained from the means Or the program according to the above supplementary note, wherein the control unit is further operated as a repetition control means for determining whether or not to repeat a series of processes.
[付記２３]
前記繰返し制御手段が、前記モデルフィッティング手段がフィッティングしたモデルの精度を基に、前記一連のプロセスを繰り返すか繰り返さないかを判断する
ように動作させることを特徴とする上記付記記載のプログラム。
[Appendix 23]
The program according to the above supplementary note, wherein the repetition control unit is operated so as to determine whether or not to repeat the series of processes based on the accuracy of the model fitted by the model fitting unit.
[付記２４]
前記入力内容決定手段が、前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力に基づいて、入力内容を決定する
ように動作させることを特徴とする上記付記記載のプログラム。
[Appendix 24]
The additional description is characterized in that the input content determination unit is operated to determine the input content based on the input of the information processing system collected by the information collection unit and the output corresponding to the input. Program.
本発明は、計測の対象とする情報処理システムについて、性能指標の特定の領域を精度よく予測する用途に適用可能である。例えば、ＩＴシステムにおいては、性能指標がＳＬＡを満たさなくなるような条件を見極めることは重要であるが、そのような条件の精度のよい見積もりに役立てることができよう。 The present invention can be applied to an application for accurately predicting a specific region of a performance index for an information processing system to be measured. For example, in an IT system, it is important to determine conditions under which the performance index does not satisfy the SLA, but this can be used for accurate estimation of such conditions.
１ 性能予測装置
２ 計測対象システム
３ 通信網
１０１、１０１’ モデル蓄積手段
１０２ 特定出力獲得手段
１０３ 性能予測手段
１０４、１０４’ 入力内容決定手段
１０５ 計測対象システム実行手段
１０６、１０６’ 情報収集手段
１０７ モデルフィッティング手段
１０８ 繰返し制御手段
DESCRIPTION OF
Claims (10)
前記情報処理システムの性能を予測する際に、予測の対象とする特定の出力を取得する特定出力獲得手段と、
前記モデル蓄積手段が蓄積している前記情報処理システムのモデルを用いて、前記特定出力獲得手段が取得した前記特定出力に対応する入力を算出し、前記特定出力に対応する入力を基に、入力内容を決定する入力内容決定手段と、
前記入力内容決定手段が決定した前記入力内容を入力とするように、前記情報処理システムを実行させる計測対象システム実行手段と、
前記計測対象システム実行手段が実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集する情報収集手段と、
前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングするモデルフィッティング手段と、
前記モデルフィッティング手段によってフィッティングされた新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する性能予測手段と、
を備えることを特徴とする性能予測装置。 Model storage means for storing a model of the relationship between input and output related to the information processing system to be measured;
When predicting the performance of the information processing system, specific output acquisition means for acquiring a specific output to be predicted;
The input corresponding to the specific output acquired by the specific output acquisition unit is calculated using the model of the information processing system stored in the model storage unit, and the input corresponding to the specific output is input. Input content determining means for determining the content;
Measurement target system execution means for executing the information processing system so as to input the input content determined by the input content determination means;
Information collecting means for collecting the input of the information processing system executed by the measurement target system executing means and the output corresponding to the input;
Model fitting means for fitting the model acquired from the model storage means based on the input of the information processing system collected by the information collection means and the output corresponding to the input;
Based on a new model fitted by the model fitting means, performance prediction means for predicting the performance of a specific output targeted for prediction for the information processing system;
A performance prediction apparatus comprising:
前記モデルフィッティング手段は、前記モデル蓄積手段から取得したモデルを、当該モデル、収集した前記適当な入力、および前記適当な入力に対応する出力に基づき推定して、予測の対象とした特定の出力の近傍のモデルにフィッティングする
ことを特徴とする請求項２記載の性能予測装置。 The information collecting means collects an appropriate input of the information processing system and an output corresponding to the appropriate input;
The model fitting means estimates a model acquired from the model storage means based on the model, the collected appropriate input, and an output corresponding to the appropriate input, and outputs a specific output to be predicted. 3. The performance prediction apparatus according to claim 2, wherein fitting is performed to a nearby model.
前記特定の出力とは、前記情報処理システムが高負荷の場合の出力である
ことを特徴とする請求項３記載の性能予測装置。 The appropriate input is an input when the information processing system has a low load,
4. The performance prediction apparatus according to claim 3, wherein the specific output is an output when the information processing system is heavily loaded.
前記モデルフィッティング手段は、前記情報収集手段によって収集された前記情報処理システムの低負荷動作をさせる入力と、当該入力に応じて出力された低負荷動作時の出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングし、
前記性能予測手段から、低負荷動作の値に基づくフィッティングを行った新たなモデルに基づき、前記情報処理システムについて予測の対象とした高負荷動作時の出力の性能を予測する
ことを特徴とする請求項２記載の性能予測装置。 The input content determination means, when the specific output to be predicted is an output at the time of a high load operation, the measurement target system execution means, so that the information processing system becomes a low load operation Calculate the input as the input content,
The model fitting means, based on the input for performing the low load operation of the information processing system collected by the information collecting means, and the output at the time of the low load operation output according to the input, from the model storage means Fitting the acquired model,
The performance prediction means predicts the output performance at the time of high load operation, which is a target of prediction for the information processing system, based on a new model subjected to fitting based on a value of low load operation. Item 3. The performance prediction apparatus according to Item 2.
ことを特徴とする請求項２乃至５の何れか一項に記載の性能予測装置。 The model storage means stores the fitted model as a new model, and the input content determination means calculates an input corresponding to the specific output acquired by the specific output acquisition means based on the new model, and The input content is determined based on an input corresponding to a specific output, the measurement target system execution unit executes the information processing system with the input content as an input, and the information collection unit is executed by the measurement target system execution unit. The information processing system input and the output corresponding to the input are collected, and the model fitting unit is configured to collect the model based on the input of the information processing system collected by the information collection unit and the output corresponding to the input. Repeat a series of processes to fit the new model acquired from the storage means The performance prediction apparatus according to claim 2, further comprising a repetition control unit that determines whether or not to repeat a series of processes.
前記情報処理システムの性能を予測する際に基準とする、予測の対象である特定出力を取得し、
前記モデルを用いて、前記特定出力に対応する入力を算出処理し、算出した前記特定出力に対応する入力を基に、前記情報処理システムへの入力内容を決定処理し、
決定した前記入力内容を入力とするように前記情報処理システムを実行させ、
実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集し、
収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデルをフィッティングし、
フィッティングした新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する
ことを特徴とする性能予測方法。 Accumulate in advance a model of the relationship between input and output for the information processing system to be measured,
Obtaining a specific output that is a target of prediction, which is a reference when predicting the performance of the information processing system;
Using the model, calculating the input corresponding to the specific output, based on the input corresponding to the calculated specific output, determining the input content to the information processing system,
Causing the information processing system to execute the input content determined as an input,
Collecting the input of the information processing system to be executed and the output corresponding to the input;
Fitting the model based on the collected input of the information processing system and the output corresponding to the input,
A performance prediction method characterized by predicting the performance of a specific output targeted for prediction for the information processing system based on a new fitted model.
計測の対象とする情報処理システムに関する入力と出力の関係のモデルを蓄積するモデル蓄積手段と、
前記情報処理システムの性能を予測する際に、予測の対象とする特定の出力を取得する特定出力獲得手段と、
前記モデル蓄積手段が蓄積している前記情報処理システムのモデルを用いて、前記特定出力獲得手段が取得した前記特定出力に対応する入力を算出し、前記特定出力に対応する入力を基に、入力内容を決定する入力内容決定手段と、
前記入力内容決定手段が決定した前記入力内容を入力とするように、前記情報処理システムを実行させる計測対象システム実行手段と、
前記計測対象システム実行手段が実行させた前記情報処理システムの入力、および、前記入力に対応する出力を収集する情報収集手段と、
前記情報収集手段が収集した前記情報処理システムの入力、および、前記入力に対応する出力を基に、前記モデル蓄積手段から取得したモデルをフィッティングするモデルフィッティング手段と、
前記モデルフィッティング手段によってフィッティングされた新たなモデルに基づいて、前記情報処理システムについて予測の対象とした特定の出力の性能を予測する性能予測手段、
として機能させることを特徴とするプログラム。 The control unit of the information processing device
Model storage means for storing a model of the relationship between input and output related to the information processing system to be measured;
When predicting the performance of the information processing system, specific output acquisition means for acquiring a specific output to be predicted;
The input corresponding to the specific output acquired by the specific output acquisition unit is calculated using the model of the information processing system stored in the model storage unit, and the input corresponding to the specific output is input. Input content determining means for determining the content;
Measurement target system execution means for executing the information processing system so as to input the input content determined by the input content determination means;
Information collecting means for collecting the input of the information processing system executed by the measurement target system executing means and the output corresponding to the input;
Model fitting means for fitting the model acquired from the model storage means based on the input of the information processing system collected by the information collection means and the output corresponding to the input;
Based on a new model fitted by the model fitting means, performance prediction means for predicting the performance of a specific output targeted for prediction for the information processing system;
A program characterized by functioning as
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010269494A JP5636922B2 (en) | 2010-12-02 | 2010-12-02 | Performance prediction apparatus, performance prediction method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010269494A JP5636922B2 (en) | 2010-12-02 | 2010-12-02 | Performance prediction apparatus, performance prediction method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012118872A JP2012118872A (en) | 2012-06-21 |
| JP5636922B2 true JP5636922B2 (en) | 2014-12-10 |
Family
ID=46501587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010269494A Active JP5636922B2 (en) | 2010-12-02 | 2010-12-02 | Performance prediction apparatus, performance prediction method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5636922B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5977714B2 (en) | 2012-05-24 | 2016-08-24 | 日本特殊陶業株式会社 | Gas sensor |
| JPWO2013183425A1 (en) * | 2012-06-06 | 2016-01-28 | 日本電気株式会社 | Performance prediction apparatus, performance prediction method, and program |
| WO2018105079A1 (en) * | 2016-12-08 | 2018-06-14 | 三菱電機株式会社 | Performance evaluation device, performance evaluation method, and performance evaluation program |
-
2010
- 2010-12-02 JP JP2010269494A patent/JP5636922B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2012118872A (en) | 2012-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9696786B2 (en) | System and method for optimizing energy consumption by processors | |
| US11762918B2 (en) | Search method and apparatus | |
| JP6571914B2 (en) | Detecting anomalies in job performance data by combining multiple domains of information | |
| JP5831558B2 (en) | Operation management apparatus, operation management method, and program | |
| US8849738B2 (en) | Predicting a user behavior number of a word | |
| JP5373870B2 (en) | Prediction device, prediction method, and program | |
| JP5068383B1 (en) | Prediction device, prediction method, and prediction program | |
| JP5827425B1 (en) | Predictive diagnosis system and predictive diagnosis method | |
| EP3383088A1 (en) | A computer implemented method, a system and computer programs to quantify the performance of a network | |
| JP7010674B2 (en) | Power Demand Forecasting Device, Power Demand Forecasting Method and Program | |
| JP5636922B2 (en) | Performance prediction apparatus, performance prediction method, and program | |
| Westermann et al. | Efficient experiment selection in automated software performance evaluations | |
| JP6494258B2 (en) | Prediction system, prediction method, and prediction program | |
| JP6502062B2 (en) | Communication quality prediction device and communication quality prediction program | |
| US9188968B2 (en) | Run-time characterization of on-demand analytical model accuracy | |
| JP2009193205A (en) | Automatic tuning system, automatic tuning device, and automatic tuning method | |
| JP5560220B2 (en) | Effort estimation device, Effort estimation method, Effort estimation program | |
| US11616704B2 (en) | Information processing method, storage medium, and information processing device | |
| CN112463378B (en) | Server asset scanning method, system, electronic equipment and storage medium | |
| JP2005063208A (en) | Software reliability growth model selection method, software reliability growth model selection apparatus, software reliability growth model selection program and program recording medium | |
| JP6324124B2 (en) | Prediction system, prediction method, and prediction program | |
| JP2008165412A (en) | Performance-computing device | |
| US20230039523A1 (en) | Model update device and method and process control system | |
| WO2010001966A1 (en) | Time-series data processing device and method and program thereof | |
| JP5765266B2 (en) | Performance evaluation method, information processing apparatus, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131108 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140625 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140702 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140710 |
|
| 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: 20140924 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141007 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5636922 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |