JP5636922B2 - 性能予測装置、性能予測方法およびプログラム - Google Patents
性能予測装置、性能予測方法およびプログラム 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。
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。
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。
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。
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。
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。
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。
Ｔａｏ Ｚｈｅｎｇ他 著、「Ｐｅｒｆｏｒｍａｎｃｅ Ｍｏｄｅｌ Ｅｓｔｉｍａｔｉｏｎ ａｎｄ Ｔｒａｃｋｉｎｇ Ｕｓｉｎｇ Ｏｐｔｉｍａｌ Ｆｉｌｔｅｒｓ」、ＩＥＥＥ ＴＲＡＮＳＡＣＴＩＯＮＳ ＯＮ ＳＯＦＴＷＡＲＥ ＥＮＧＩＮＥＥＲＩＮＧ、 ＶＯＬ．３４、 ＮＯ．３、ｐｐ３９１−４０６、２００８年
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。
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。
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。
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。
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。
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。
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。
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。
［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。
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。
［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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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）。
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。
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。
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。
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。
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。
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。
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。
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。
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）。
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。
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。
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）。
次に、本実施形態の効果について説明する。
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。
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。
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。
［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。
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。
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。
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。
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。
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。
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。
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。
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）。
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）。
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。
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。
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。
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。
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。
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。
次に、第２の実施形態の効果について説明する。
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。
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。
［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。
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。
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。
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。
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。
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。
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。
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）。
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。
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。
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。
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。
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）。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
[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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
[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。
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。
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。
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
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
Claims (10)
- 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。 - 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請求項１記載の性能予測装置。
- 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
ことを特徴とする請求項２記載の性能予測装置。 - 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。 - 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
ことを特徴とする請求項２記載の性能予測装置。 - 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獲得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
ことを特徴とする請求項２乃至５の何れか一項に記載の性能予測装置。 - 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請求項６記載の性能予測装置。
- 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請求項５乃至６の何れか一項に記載の性能予測装置。
- 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。 - 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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010269494A JP5636922B2 (ja) | 2010-12-02 | 2010-12-02 | 性能予測装置、性能予測方法およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010269494A JP5636922B2 (ja) | 2010-12-02 | 2010-12-02 | 性能予測装置、性能予測方法およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012118872A JP2012118872A (ja) | 2012-06-21 |
| JP5636922B2 true JP5636922B2 (ja) | 2014-12-10 |
Family
ID=46501587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010269494A Active JP5636922B2 (ja) | 2010-12-02 | 2010-12-02 | 性能予測装置、性能予測方法およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5636922B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5977714B2 (ja) | 2012-05-24 | 2016-08-24 | 日本特殊陶業株式会社 | ガスセンサ |
| JPWO2013183425A1 (ja) * | 2012-06-06 | 2016-01-28 | 日本電気株式会社 | 性能予測装置、性能予測方法及びプログラム |
| WO2018105079A1 (ja) * | 2016-12-08 | 2018-06-14 | 三菱電機株式会社 | 性能評価装置、性能評価方法および性能評価プログラム |
-
2010
- 2010-12-02 JP JP2010269494A patent/JP5636922B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2012118872A (ja) | 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 (ja) | 情報の複数のドメインを組合せることによる仕事の実施データ内の異常の検知 | |
| JP5831558B2 (ja) | 運用管理装置、運用管理方法、及びプログラム | |
| US8849738B2 (en) | Predicting a user behavior number of a word | |
| JP5373870B2 (ja) | 予測装置、予測方法、及び、プログラム | |
| JP5068383B1 (ja) | 予測装置、予測方法及び予測プログラム | |
| JP5827425B1 (ja) | 予兆診断システム及び予兆診断方法 | |
| EP3383088A1 (en) | A computer implemented method, a system and computer programs to quantify the performance of a network | |
| JP7010674B2 (ja) | 電力需要予測装置、電力需要予測方法およびプログラム | |
| JP5636922B2 (ja) | 性能予測装置、性能予測方法およびプログラム | |
| Westermann et al. | Efficient experiment selection in automated software performance evaluations | |
| JP6494258B2 (ja) | 予測システム、予測方法、および予測プログラム | |
| JP6502062B2 (ja) | 通信品質予測装置及び通信品質予測プログラム | |
| US9188968B2 (en) | Run-time characterization of on-demand analytical model accuracy | |
| JP2009193205A (ja) | 自動チューニングシステム、自動チューニング装置、自動チューニング方法 | |
| JP5560220B2 (ja) | 工数見積装置、工数見積方法、工数見積プログラム | |
| US11616704B2 (en) | Information processing method, storage medium, and information processing device | |
| CN112463378B (zh) | 一种服务器资产扫描方法、***、电子设备及存储介质 | |
| JP2005063208A (ja) | ソフトウェア信頼度成長モデル選択方法、ソフトウェア信頼度成長モデル選択装置、ソフトウェア信頼度成長モデル選択プログラム、およびプログラム記録媒体 | |
| JP6324124B2 (ja) | 予測システム、予測方法、および予測プログラム | |
| JP2008165412A (ja) | 性能演算装置 | |
| US20230039523A1 (en) | Model update device and method and process control system | |
| WO2010001966A1 (ja) | 時系列データ処理装置およびその方法とプログラム | |
| JP5765266B2 (ja) | 性能評価方法、情報処理装置およびプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 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 |