JP6891611B2 - 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム - Google Patents

管理装置、情報処理システムの制御方法、および管理装置の管理プログラム Download PDF

Info

Publication number
JP6891611B2
JP6891611B2 JP2017081542A JP2017081542A JP6891611B2 JP 6891611 B2 JP6891611 B2 JP 6891611B2 JP 2017081542 A JP2017081542 A JP 2017081542A JP 2017081542 A JP2017081542 A JP 2017081542A JP 6891611 B2 JP6891611 B2 JP 6891611B2
Authority
JP
Japan
Prior art keywords
operation status
value
management device
status information
information
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
Application number
JP2017081542A
Other languages
English (en)
Other versions
JP2018181062A (ja
Inventor
成人 鈴木
成人 鈴木
浩史 遠藤
浩史 遠藤
裕幸 福田
裕幸 福田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2017081542A priority Critical patent/JP6891611B2/ja
Priority to US15/945,061 priority patent/US10680904B2/en
Publication of JP2018181062A publication Critical patent/JP2018181062A/ja
Application granted granted Critical
Publication of JP6891611B2 publication Critical patent/JP6891611B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5019—Ensuring fulfilment of SLA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/16—Threshold monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Debugging And Monitoring (AREA)
  • Algebra (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)

Description

本発明は、管理装置、情報処理システムの制御方法、および管理装置の管理プログラムに関する。
従来、データセンター業者は、顧客に対して、サービス内容やサービス品質などに関する要求水準をあらわすＳＬＡ（Ｓｅｒｖｉｃｅ Ｌｅｖｅｌ Ａｇｒｅｅｍｅｎｔ）を約定する。また、ＳＬＡを満たすように、データセンター内の情報処理装置などの計算資源を管理し、データセンターにおいてＶＭ（Ｖｉｒｔｕａｌ Ｍａｃｈｉｎｅ：仮想マシン）に割り当てる計算資源を自律的に制御する技術が知られている。
先行技術としては、例えば、複数の仮想サーバの各々の現在までの所定期間における負荷に基づいて予測された各仮想サーバの将来の負荷に基づいて、複数の仮想サーバを複数の物理サーバに配置するためのスケジュールが決定されるものが知られている（以下、特許文献１参照）。また、例えば、各々の仮想計算機ＬＰＡＲ（Ｌｏｇｉｃａｌ ＰＡＲｔｉｔｉｏｎｉｎｇ）の資源の使用状態の予測値と、各々の仮想計算機ＬＰＡＲの資源の使用状態についての相関関係とに基づき、各々の仮想計算機ＬＰＡＲの資源割当て値を算出する技術が知られている（以下、特許文献２参照）。また、例えば、仮想マシンおよび物理マシンの負荷の変化を、高次方程式などの近似式によって把握または分析することにより、物理マシンのリソース不足の事前検出、および、中長期的に見て適切な仮想マシンの配置および移動を実現する技術が知られている（以下、特許文献３参照）。
国際公開第２０１０／１４０１８３号 特開２００４−１９９５６１号公報 特開２０１０−１１７７６０号公報
しかしながら、従来技術では、データセンター内の情報処理装置の計算資源の将来の動作状況を予測することは困難である。例えば、ＶＭの実行状態によって情報処理装置の計算資源の動作状況が変化する前に、計算資源の動作状況が変化する兆候がなければ、計算資源の将来の動作状況を予測することができず、ＳＬＡを満たすようにＶＭに割り当てる計算資源を制御することができない。
１つの側面では、本発明は、情報処理装置の計算資源の将来の動作状況を精度よく予測することができる管理装置、情報処理システムの制御方法、および管理装置の管理プログラムを提供することを目的とする。
１つの実施態様によれば、計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムを管理する際、前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集し、前記動作状況情報に基づいて、閾値を決定し、前記動作状況情報と、前記閾値とに基づき、前記動作状況情報の周期性の有無を判断し、前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成し、前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測値を生成する管理装置、情報処理システムの制御方法、および管理装置の管理プログラムが提案される。
本発明の一態様によれば、情報処理装置の計算資源の将来の動作状況を精度よく予測することができるという効果を奏する。
図１は、実施の形態にかかる情報処理システムの制御方法の一実施例を示す説明図である。 図２は、情報処理システム２００の一例を示す説明図である。 図３は、情報処理システム２００の使用例を示す説明図である。 図４は、管理装置１００のハードウェア構成例を示すブロック図である。 図５は、稼動状況ＤＢ５００の記憶内容の一例を示す説明図である。 図６は、周期性判断ＤＢ６００の記憶内容の一例を示す説明図である。 図７は、過去稼動状況ＤＢ７００の記憶内容の一例を示す説明図である。 図８は、周期性判断閾値ＤＢ８００の記憶内容の一例を示す説明図である。 図９は、計算資源管理ＤＢ９００の記憶内容の一例を示す説明図である。 図１０は、対応関係管理ＤＢ１０００の記憶内容の一例を示す説明図である。 図１１は、管理装置１００の機能的構成例を示すブロック図である。 図１２は、管理装置１００の機能的構成の具体例を示すブロック図である。 図１３は、管理装置１００が予測値を生成する動作例を示す説明図（その１）である。 図１４は、管理装置１００が予測値を生成する動作例を示す説明図（その２）である。 図１５は、管理装置１００が予測値を生成する動作例を示す説明図（その３）である。 図１６は、管理装置１００が予測値を生成する動作例を示す説明図（その４）である。 図１７は、管理装置１００が予測値を生成する動作例を示す説明図（その５）である。 図１８は、管理装置１００が予測値を生成する動作例を示す説明図（その６）である。 図１９は、管理装置１００が予測値を生成する動作例を示す説明図（その７）である。 図２０は、管理装置１００が予測値を生成する動作例を示す説明図（その８）である。 図２１は、予測結果の具体例を示す説明図（その１）である。 図２２は、予測結果の具体例を示す説明図（その２）である。 図２３は、予測結果の具体例を示す説明図（その３）である。 図２４は、予測結果の具体例を示す説明図（その４）である。 図２５は、予測処理手順の一例を示すフローチャート（その１）である。 図２６は、予測処理手順の一例を示すフローチャート（その２）である。 図２７は、予測処理手順の一例を示すフローチャート（その３）である。 図２８は、予測処理手順の一例を示すフローチャート（その４）である。
以下に、図面を参照して、本発明にかかる管理装置、情報処理システムの制御方法、および管理装置の管理プログラムの実施の形態を詳細に説明する。
（実施の形態にかかる情報処理システムの制御方法の一実施例）
図１は、実施の形態にかかる情報処理システムの制御方法の一実施例を示す説明図である。管理装置１００は、複数の情報処理装置を備える情報処理システムを管理するコンピュータである。情報処理装置は、計算資源を有するコンピュータである。情報処理装置は、例えば、データセンターにある物理マシンであり、例えば、サーバである。計算資源は、例えば、サーバのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）リソースなどである。
ここで、ＩａａＳ（Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ）等のデータセンター内の計算資源を利用させるサービスでは、１以上のＶＭをサーバ上で動作させる仮想化技術が適用されることがあり、情報処理装置のＣＰＵリソースが１以上のＶＭそれぞれに割り当てられ、サービスの利用者によってＶＭが利用される。
この際、サービスの提供者とサービスの利用者との間でＳＬＡが取り決められ、ＳＬＡを満たすようにサービスの利用者が望んでいるユーザビリティを確保することが求められる傾向がある。例えば、データセンターにあるサーバによって実行され、利用者によって利用されるＶＭに、利用者が望んでいるＶＭの性能を確保することができるＣＰＵリソースを割り当てることにより、ＳＬＡを満たすようにすることが考えられる。
また、この際、サーバのＣＰＵリソースの量には上限があるため、ＶＭに割り当てるＣＰＵリソースの量を抑制することが求められる傾向がある。また、データセンターの消費電力を低減することも求められる傾向がある。例えば、ＶＭに割り当てるＣＰＵリソースの量を抑制し、データセンターにあるサーバのうち、起動中のサーバの数を少なくすることにより、消費電力を低減することが考えられる。
このように、データセンターを利用させるサービスでは、ＳＬＡを満たしつつ、ＶＭに割り当てられるＣＰＵリソースの量を抑制し、データセンターの消費電力を低減することが好ましい。このため、ＳＬＡを満たしつつ、データセンターの消費電力を低減するように、ＶＭに割り当てるＣＰＵリソースの量を制御することが求められる。
しかしながら、利用者のＶＭの利用状況によってＶＭの処理負荷は変動するため、ＳＬＡを満たしつつデータセンターの消費電力を低減するために、ＶＭに割り当てることが求められるＣＰＵリソースの量も変動してしまう。このため、ＳＬＡを満たしつつデータセンターの消費電力を低減するように、ＶＭに割り当てるＣＰＵリソースの量を制御することは難しい。
例えば、現在のＣＰＵリソースの動作状況を示すＶＭのＣＰＵ使用率などに応じて、ＳＬＡを満たしつつデータセンターの消費電力を低減するように、ＶＭに割り当てるＣＰＵリソースの量を制御する場合が考えられる。しかしながら、この場合、ＶＭのＣＰＵ使用率が急激に変動すると、ＶＭに割り当てたＣＰＵリソースが不足し、ＳＬＡを満たさなくなる期間が発生してしまう可能性が大きくなる。
また、例えば、ＶＭにサーバの実際のＣＰＵリソースの量を超える仮想的なＣＰＵリソースを割り当てるオーバコミットと呼ばれる技術を用いる場合が考えられる。しかしながら、この場合、ＶＭが用いるＣＰＵリソースの量が、サーバの実際のＣＰＵリソースの量を超えると、ＶＭの性能劣化を招くことがあり、データセンターを利用させるサービスではＳＬＡを満たさなくなる可能性があるため、好ましくない場合がある。
さらに、例えば、将来のＶＭのＣＰＵ使用率を予測し、予測した結果に応じてＶＭに割り当てるＣＰＵリソースの量を制御することにより、ＳＬＡを満たさない期間が発生することを抑制しつつ、データセンターの消費電力を低減する場合も考えられる。しかしながら、この場合、ＶＭのＣＰＵ使用率の変動を精度よく予測することは難しく、ＶＭに割り当てるＣＰＵリソースの量を効率よく制御することは難しく、ＳＬＡを満たしつつデータセンターの消費電力を低減することは難しい。
また、例えば、回帰モデルを用いて将来のＶＭのＣＰＵ使用率を予測することにより、将来のＶＭのＣＰＵ使用率を予測する精度の向上を図る場合が考えられる。しかしながら、この場合、ユーザのＶＭの利用状況によっては、ＶＭのＣＰＵ使用率が変動する兆候がなく、ＶＭのＣＰＵ使用率が急激に変動することがあり、ＶＭのＣＰＵ使用率の変動を精度よく予測することは難しくなってしまう。
そこで、本実施の形態では、計算資源の過去の動作状況についての周期的な変動傾向を考慮することにより、計算資源の将来の動作状況を精度よく予測することができる、情報処理システムの制御方法について説明する。
図１の例では、管理装置１００は、情報処理装置の計算資源の動作状況についての動作状況情報を収集する。動作状況情報は、情報処理装置の記憶部が記憶している。動作状況情報は、複数の時点それぞれにおける計算資源の動作状況についての指標値を含む。動作状況情報は、例えば、計算資源の動作状況を評価する尺度である何らかのメトリックに関する指標値の時系列データである。メトリックは、例えば、計算資源がＣＰＵリソースであれば、いずれかのＶＭのＣＰＵ使用率である。管理装置１００は、例えば、情報処理装置から動作状況情報を受信する。
図１のグラフ１０１は、動作状況情報に対応し、計算資源の動作状況の時間変化を示す。図１のグラフ１０１は、例えば、動作状況情報として、計算資源の動作状況を評価する尺度である何らかのメトリックに関する指標値の時系列データを示す。横軸は時間を示し、縦軸はメトリックに関する指標値を示す。
管理装置１００は、収集した動作状況情報と、所定閾値とに基づき、動作状況情報の周期性の有無を判断する。管理装置１００は、図１に示すように、動作状況情報において、周期的な複数の時点における指標値の誤差が所定閾値以下であれば、動作状況情報について周期性を有すると判断する。管理装置１００は、具体的には、曜日と時刻とが共通する複数の時点における指標値の誤差が所定値以下であれば、動作状況情報について周期性を有すると判断する。
管理装置１００は、収集した動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成する。過去稼動情報は、過去の所定期間についての動作状況を代表する、１周期分と設定された単位期間における計算資源の動作状況についてのメトリックに関する指標値の変動傾向を示す。過去稼動情報は、１周期分と設定された単位期間における複数の時点それぞれにおける計算資源の動作状況についての何らかのメトリックに関する指標値の時系列データである。管理装置１００は、例えば、動作状況情報に含まれる曜日と時刻とが共通する複数の時点における指標値の統計値を、単位期間内での同じ曜日と同じ時刻とにおける指標値に設定した過去稼動情報を作成する。
管理装置１００は、収集した動作状況情報について周期性を有すると判断した場合、収集した動作状況情報と、作成した過去稼動情報とに基づいて、動作状況情報についての予測値を生成する。動作状況情報についての予測値は、例えば、何らかのメトリックに関する将来の指標値を予測した予測値である。管理装置１００は、例えば、収集した動作状況情報と、作成した過去稼動情報とに基づいてＪＩＴ（Ｊｕｓｔ−Ｉｎ−Ｔｉｍｅ）モデリングを行い、動作状況情報についての予測値を生成する。
ＪＩＴモデリングは、現在の時点の１以上のメトリックに関する指標値との間で所定条件を満たす過去の時点の１以上のメトリックに関する指標値に基づいて局所的な予測モデルを作成し、何らかのメトリックに関する指標値の予測値を生成する技術である。所定条件は、例えば、１以上のメトリックそれぞれに関する指標値についてのＬ２ノルムが所定値以下になるという条件である。
これにより、管理装置１００は、計算資源の動作状況についての変動傾向を考慮して、計算資源の動作状況についての指標値の予測値を生成することができる。このため、管理装置１００は、現在の時点で計算資源の動作状況が変動する兆候がなくても、将来の時点で計算資源の動作状況が急激に変動する前に、将来の時点での計算資源の動作状況についての指標値の予測値を精度よく予測することができる。
このため、管理装置１００は、予測値に基づいて、ＳＬＡを満たしつつデータセンターの消費電力を効率よく低減することができるように、情報処理装置の計算資源を制御することができる。管理装置１００は、例えば、予測値に基づいて、ＶＭに割り当てる、情報処理装置のＣＰＵリソースを制御することができる。また、管理装置１００は、予測値に基づいて、消費電力を効率よく低減しづらくてもＳＬＡを満たす確率が大きくなるように、情報処理装置の計算資源を制御してもよい。
また、管理装置１００は、ＪＩＴモデリングによって、データセンターのように物理現象が複雑な場所についても、将来の時点での計算資源の動作状況についての指標値の予測値を精度よく生成することができる。また、管理装置１００は、ＪＩＴモデリングによって、動作状況情報が非線形な特徴を有していても、将来の時点での計算資源の動作状況についての指標値の予測値を精度よく生成することができる。
（情報処理システム２００の一例）
次に、図２を用いて、図１に示した管理装置１００を適用した、情報処理システム２００の一例について説明する。
図２は、情報処理システム２００の一例を示す説明図である。図２において、情報処理システム２００は、管理装置１００と、情報処理装置２０１とを含む。情報処理システム２００において、管理装置１００と情報処理装置２０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。
管理装置１００は、情報処理装置２０１を管理するコンピュータである。管理装置１００は、具体的には、サーバである。管理装置１００は、データセンターにあるサーバである。管理装置１００は、データセンターの外にあるサーバであってもよい。情報処理装置２０１は、計算資源を有するコンピュータである。情報処理装置２０１は、ＶＭを実行することができる。情報処理装置２０１は、例えば、ホストＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）によってＶＭを実行する。情報処理装置２０１は、例えば、ハイパーバイザによってＶＭを実行してもよい。情報処理装置２０１は、具体的には、サーバである。管理装置１００は、いずれかの情報処理装置２０１と一体であってもよい。
（情報処理システム２００の使用例）
次に、図３を用いて、情報処理システム２００の使用例について説明する。
図３は、情報処理システム２００の使用例を示す説明図である。図３において、管理装置１００は、ＯＳ上で、ＪＩＴ予測ソフトウェア３００やインフラ管理ソフトウェア３１０を動作させる。管理装置１００は、図５〜図１０に後述する各種ＤＢ（ＤａｔａＢａｓｅ）５００〜１０００を有する。情報処理装置２０１は、ハイパーバイザまたはホストＯＳ上で、ＯＳに対応するＶＭを動作させる。
管理装置１００は、例えば、ＪＩＴ予測ソフトウェア３００によって、一定時間ごとに、情報処理装置２０１から動作状況情報を収集する。管理装置１００は、例えば、ＶＭのＯＳ上のパフォーマンスモニタから性能情報を取得し、図５に後述する稼動状況ＤＢ５００を更新する。
また、管理装置１００は、例えば、ホストＯＳ上のハードウェアイベント管理ソフトウェアからハードウェアイベント情報を取得し、図５に後述する稼動状況ＤＢ５００を更新してもよい。また、管理装置１００は、例えば、情報処理装置２０１のハイパーバイザＡＰＩからハードウェアイベント情報を取得し、図５に後述する稼動状況ＤＢ５００を更新してもよい。
これにより、管理装置１００は、図５に後述する稼動状況ＤＢ５００に記憶された、複数のメトリックのそれぞれのメトリックに関する指標値を含む動作状況情報を更新することができ、図５に後述する稼動状況ＤＢ５００を最新の状態に更新することができる。また、管理装置１００は、ＪＩＴ予測ソフトウェア３００によって、図５に後述する稼動状況ＤＢ５００を参照して、動作状況情報についての予測値を生成することができる。
また、管理装置１００は、インフラ管理ソフトウェア３１０によって、ＪＩＴ予測ソフトウェア３００が生成した計算資源の動作状況についての予測値に基づいて、情報処理装置２０１の計算資源を制御する。制御は、情報処理装置２０１によって実行されるＶＭへの計算資源の割り当ての変更である。制御は、情報処理装置２０１の計算資源への電源供給の変更であってもよい。これにより、管理装置１００は、ＳＬＡを満たし、かつ、消費電力が低減されるようにすることができる。
（管理装置１００のハードウェア構成例）
次に、図４を用いて、図２に示した情報処理システム２００に含まれる管理装置１００のハードウェア構成例について説明する。
図４は、管理装置１００のハードウェア構成例を示すブロック図である。図４において、管理装置１００は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）４０３と、記録媒体Ｉ／Ｆ４０４と、記録媒体４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。
ここで、ＣＰＵ４０１は、管理装置１００の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。
ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
記録媒体Ｉ／Ｆ４０４は、ＣＰＵ４０１の制御にしたがって記録媒体４０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ４０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体４０５は、記録媒体Ｉ／Ｆ４０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体４０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体４０５は、管理装置１００から着脱可能であってもよい。
管理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、タッチパネル、マイク、スピーカーなどを有してもよい。また、管理装置１００は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を有していなくてもよい。
（情報処理装置２０１のハードウェア構成例）
情報処理装置２０１のハードウェア構成例は、管理装置１００のハードウェア構成例と同様である。このため、情報処理装置２０１のハードウェア構成例については説明を省略する。
（稼動状況ＤＢ５００の記憶内容）
次に、図５を用いて、稼動状況ＤＢ５００の記憶内容について説明する。稼動状況ＤＢ５００は、例えば、図４に示した管理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。稼動状況ＤＢ５００は、ＶＭごとに生成される。
図５は、稼動状況ＤＢ５００の記憶内容の一例を示す説明図である。図５に示すように、稼動状況ＤＢ５００は、時点と、計算資源の動作状況を評価するメトリクスとのフィールドを有する。メトリクスは、メトリックの集合である。稼動状況ＤＢ５００は、メトリクスのフィールドとして、ＣＰＵ使用率と、メモリ使用率と、ディスクコマンド数と、ネットワーク送受信量となどのフィールドを有する。稼動状況ＤＢ５００は、時点ごとに各フィールドに情報を設定することにより、データセットがレコードとして記憶される。
時点のフィールドは、時点を示す情報、例えば、日付と曜日と時刻とが設定される。ＣＰＵ使用率のフィールドは、ある時点のメトリックに関する指標値としてＶＭのＣＰＵ使用率が設定される。ＣＰＵ使用率の単位は％である。メモリ使用率のフィールドは、ある時点のメトリックに関する指標値としてＶＭのメモリ使用率が設定される。メモリ使用率の単位は％である。
ディスクコマンド数のフィールドは、ある時点のメトリックに関する指標値としてディスクコマンド数が設定される。ディスクコマンド数の単位はＮｕｍである。ネットワーク送受信量のフィールドは、ある時点のメトリックに関する指標値としてネットワーク送受信量が設定される。ネットワーク送受信量の単位はＢｙｔｅである。
（周期性判断ＤＢ６００の記憶内容）
次に、図６を用いて、周期性判断ＤＢ６００の記憶内容について説明する。周期性判断ＤＢ６００は、例えば、図４に示した管理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。周期性判断ＤＢ６００は、ＶＭごとに生成される。
図６は、周期性判断ＤＢ６００の記憶内容の一例を示す説明図である。図６に示すように、周期性判断ＤＢ６００は、１周期分と設定された単位期間内での時点と、計算資源の動作状況を評価するメトリクスとのフィールドを有する。周期性判断ＤＢ６００は、メトリクスのフィールドとして、ＣＰＵ使用率と、メモリ使用率と、ディスクコマンド数と、ネットワーク送受信量となどのフィールドを有する。周期性判断ＤＢ６００は、時点ごとに各フィールドに情報を設定することにより、周期性判断情報がレコードとして記憶される。
時点のフィールドは、１周期分と設定された単位期間内での時点を示す情報、例えば、１周期分と設定された単位期間が１週間であれば、曜日と時刻とが設定される。ＣＰＵ使用率のフィールドは、１周期分と設定された単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードについて、ＣＰＵ使用率に周期性があるか否かを示すフラグ情報が設定される。
フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのＣＰＵ使用率の最大値から最小値を減算した差分が、ＣＰＵ使用率に対する閾値以下である場合、周期性があることを示す「所定範囲内」になる。一方で、フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのＣＰＵ使用率の最大値から最小値を減算した差分が、ＣＰＵ使用率に対する閾値より大きい場合、周期性がないことを示す「所定範囲外」になる。
メモリ使用率のフィールドは、１周期分と設定された単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードについて、メモリ使用率に周期性があるか否かを示すフラグ情報が設定される。
フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのメモリ使用率の最大値から最小値を減算した差分が、メモリ使用率に対する閾値以下である場合、周期性があることを示す「所定範囲内」になる。一方で、フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのメモリ使用率の最大値から最小値を減算した差分が、メモリ使用率に対する閾値より大きい場合、周期性がないことを示す「所定範囲外」になる。
ディスクコマンド数のフィールドは、１周期分と設定された単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードについて、ディスクコマンド数に周期性があるか否かを示すフラグ情報が設定される。
フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのディスクコマンド数の最大値から最小値を減算した差分が、ディスクコマンド数に対する閾値以下である場合、周期性があることを示す「所定範囲内」になる。一方で、フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのディスクコマンド数の最大値から最小値を減算した差分が、ディスクコマンド数に対する閾値より大きい場合、周期性がないことを示す「所定範囲外」になる。
ネットワーク送受信量のフィールドは、１周期分と設定された単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードについて、ネットワーク送受信量に周期性があるか否かを示すフラグ情報が設定される。
フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのネットワーク送受信量の最大値から最小値を減算した差分が、ネットワーク送受信量に対する閾値以下である場合、周期性があることを示す「所定範囲内」になる。一方で、フラグ情報は、単位期間内でのある時点に対応する稼動状況ＤＢ５００の１以上のレコードのネットワーク送受信量の最大値から最小値を減算した差分が、ネットワーク送受信量に対する閾値より大きい場合、周期性がないことを示す「所定範囲外」になる。
（過去稼動状況ＤＢ７００の記憶内容）
次に、図７を用いて、過去稼動状況ＤＢ７００の記憶内容について説明する。過去稼動状況ＤＢ７００は、例えば、図４に示した管理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。過去稼動状況ＤＢ７００は、ＶＭごとに生成される。
図７は、過去稼動状況ＤＢ７００の記憶内容の一例を示す説明図である。図７に示すように、過去稼動状況ＤＢ７００は、１周期分と設定された単位期間内での時点と、計算資源の動作状況を評価するメトリクスとのフィールドを有する。過去稼動状況ＤＢ７００は、メトリクスのフィールドとして、ＣＰＵ使用率と、メモリ使用率と、ディスクコマンド数と、ネットワーク送受信量となどのフィールドを有する。過去稼動状況ＤＢ７００は、時点ごとに各フィールドに情報を設定することにより、周期データセットがレコードとして記憶される。
時点のフィールドは、１周期分と設定された単位期間内での時点を示す情報、例えば、１周期分と設定された単位期間が１週間であれば、曜日と時刻とが設定される。時点のフィールドは、日付が設定されなくてよい。ＣＰＵ使用率のフィールドは、ある時点のメトリックに関する指標値としてＶＭのＣＰＵ使用率が設定される。ＣＰＵ使用率の単位は％である。メモリ使用率のフィールドは、ある時点のメトリックに関する指標値としてＶＭのメモリ使用率が設定される。メモリ使用率の単位は％である。
ディスクコマンド数のフィールドは、ある時点のメトリックに関する指標値としてディスクコマンド数が設定される。ディスクコマンド数の単位はＮｕｍである。ネットワーク送受信量のフィールドは、ある時点のメトリックに関する指標値としてネットワーク送受信量が設定される。ネットワーク送受信量の単位はＢｙｔｅである。
（周期性判断閾値ＤＢ８００の記憶内容）
次に、図８を用いて、周期性判断閾値ＤＢ８００の記憶内容について説明する。周期性判断閾値ＤＢ８００は、例えば、図４に示した管理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。周期性判断閾値ＤＢ８００は、ＶＭごとに生成される。
図８は、周期性判断閾値ＤＢ８００の記憶内容の一例を示す説明図である。図８に示すように、周期性判断閾値ＤＢ８００は、ＣＰＵ使用率と、メモリ使用率と、ディスクコマンド数と、ネットワーク送受信量となどのフィールドを有する。周期性判断閾値ＤＢ８００は、各フィールドに情報を設定することにより、周期性判断閾値情報がレコードとして記憶される。
ＣＰＵ使用率のフィールドは、ＶＭのＣＰＵ使用率に対する閾値が設定される。ＣＰＵ使用率に対する閾値の単位は％である。メモリ使用率のフィールドは、ＶＭのメモリ使用率に対する閾値が設定される。メモリ使用率に対する閾値の単位は％である。
ディスクコマンド数のフィールドは、ディスクコマンド数に対する閾値が設定される。ディスクコマンド数に対する閾値の単位はＮｕｍである。ネットワーク送受信量のフィールドは、ネットワーク送受信量に対する閾値が設定される。ネットワーク送受信量に対する閾値の単位はＢｙｔｅである。
（計算資源管理ＤＢ９００の記憶内容）
次に、図９を用いて、計算資源管理ＤＢ９００の記憶内容について説明する。計算資源管理ＤＢ９００は、例えば、図４に示した管理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。
図９は、計算資源管理ＤＢ９００の記憶内容の一例を示す説明図である。図９に示すように、計算資源管理ＤＢ９００は、物理マシンと、ＣＰＵと、ＭＥＭＯＲＹとのフィールドを有する。計算資源管理ＤＢ９００は、物理マシンごとに各フィールドに情報を設定することにより、計算資源管理情報がレコードとして記憶される。
物理マシンのフィールドは、ＶＭを実行可能な情報処理装置２０１のアドレスが設定される。ＣＰＵのフィールドは、その情報処理装置２０１が有するＣＰＵの数が設定される。ＭＥＭＯＲＹのフィールドは、その情報処理装置２０１が有するメモリの記憶領域の大きさが設定される。これにより、計算資源管理ＤＢ９００は、情報処理装置２０１の計算資源をＶＭに割り当てることができるか否かを判定可能にすることができる。
（対応関係管理ＤＢ１０００の記憶内容）
次に、図１０を用いて、対応関係管理ＤＢ１０００の記憶内容について説明する。対応関係管理ＤＢ１０００は、例えば、図４に示した管理装置１００のメモリ４０２や記録媒体４０５などの記憶領域により実現される。
図１０は、対応関係管理ＤＢ１０００の記憶内容の一例を示す説明図である。図１０に示すように、対応関係管理ＤＢ１０００は、物理マシンと、仮想マシンとのフィールドを有する。対応関係管理ＤＢ１０００は、物理マシンごとに各フィールドに情報を設定することにより、対応関係管理情報がレコードとして記憶される。
物理マシンのフィールドは、ＶＭを実行可能な情報処理装置２０１のアドレスが設定される。仮想マシンのフィールドは、情報処理装置２０１に割り当てられたＶＭのアドレスが設定される。これにより、対応関係管理ＤＢ１０００は、情報処理装置２０１に割り当てられたＶＭを特定可能にすることができる。
（管理装置１００の機能的構成例）
次に、図１１を用いて、管理装置１００の機能的構成例について説明する。
図１１は、管理装置１００の機能的構成例を示すブロック図である。管理装置１００は、記憶部１１００と、収集部１１０１と、決定部１１０２と、判断部１１０３と、作成部１１０４と、予測部１１０５と、管理部１１０６とを含む。
記憶部１１００は、例えば、図４に示したメモリ４０２や記録媒体４０５などの記憶領域によって実現される。収集部１１０１〜管理部１１０６は、制御部となる機能である。収集部１１０１〜管理部１１０６は、具体的には、例えば、図４に示したメモリ４０２や記録媒体４０５などの記憶領域に記憶されたプログラムをＣＰＵ４０１に実行させることにより、または、ネットワークＩ／Ｆ４０３により、その機能を実現する。各機能部の処理結果は、例えば、図４に示したメモリ４０２や記録媒体４０５などの記憶領域に記憶される。
記憶部１１００は、動作状況情報、過去稼動情報、動作状況情報の周期性の有無を判断する際に用いられる閾値、ＶＭに割り当てられた計算資源の情報などを記憶する。計算資源は、物理マシンにおける処理に用いられる資源であり、例えば、ＶＭによって用いられる。計算資源は、例えば、サーバのＣＰＵリソース、メモリリソース、通信リソースなどである。
動作状況情報は、複数の時点それぞれにおける計算資源の動作状況についての指標値を含む情報である。動作状況情報は、例えば、過去の対象期間内での所定間隔の複数の時点それぞれにおける情報処理装置２０１の計算資源の動作状況についての指標値を含む。動作状況情報は、具体的には、計算資源の動作状況を評価する尺度である何らかのメトリックに関する指標値の時系列データである。動作状況情報は、例えば、図５に示した稼動状況ＤＢ５００によって実現される。
過去稼動情報は、１周期分と設定された単位期間内での所定間隔の複数の時点それぞれに対応する、動作状況情報に含まれる動作状況についての指標値に関する統計値を含む情報である。過去稼動情報は、例えば、過去の所定期間についての動作状況を代表する、１周期分と設定された単位期間における計算資源の動作状況についてのメトリックに関する指標値の変動傾向を示す。過去稼動情報は、例えば、１周期分と設定された単位期間における複数の時点それぞれにおける計算資源の動作状況についての何らかのメトリックに関する指標値の時系列データである。
過去稼動情報は、具体的には、１周期分と設定された１週間における複数の時点それぞれとの間で曜日と時刻とが共通する、動作状況情報に含まれる計算資源の動作状況についての指標値の統計値を含む。過去稼動情報は、例えば、図７に示した過去稼動状況ＤＢ７００によって実現される。
記憶部１１００は、例えば、図５〜図１０に示した各種ＤＢなどを記憶する。これにより、記憶部１１００は、収集部１１０１〜管理部１１０６が処理に用いる情報を参照可能にしておくことができる。
収集部１１０１は、複数の情報処理装置２０１の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集する。情報処理装置２０１の記憶部は、例えば、情報処理装置２０１のメモリである。
複数の情報処理装置２０１は、それぞれ、計算資源を有する。情報処理装置２０１の計算資源は、例えば、ＶＭに割り当て可能な計算資源である。収集部１１０１は、例えば、情報処理装置２０１から動作状況情報を受信する。収集部１１０１は、情報処理装置２０１から動作状況情報を生成するための情報を受信し、動作状況情報を生成してもよい。これにより、収集部１１０１は、動作状況情報についての予測値を生成するために用いられる動作状況情報を収集し、記憶部１１００に記憶しておくことができる。
決定部１１０２は、動作状況情報に基づいて閾値を決定する。閾値は、判断部１１０３が周期性の有無を判断する際に用いる値である。決定部１１０２は、例えば、動作状況情報の最大値と最小値の差分に基づいて閾値を決定する。決定部１１０２は、具体的には、対象期間の全部または一部における指標値の最大値と最小値との差分を所定値で除算した値を、閾値に決定する。これにより、決定部１１０２は、利用者の能力に依存せず閾値を決定することができ、管理装置１００の利便性の向上を図ることができる。決定部１１０２は、指標値の最大値と最小値の差分により、指標値の変動が比較的大きい場合には閾値が比較的大きくなり、指標値の変動が比較的小さい場合には閾値が比較的小さくなるようにすることができる。このため、決定部１１０２は、周期性の有無を判定する精度の向上を図ることができる。
決定部１１０２は、具体的には、１周期分と設定された単位期間で対象期間を分割した複数の部分期間それぞれにおける指標値の最大値と最小値との差分に関する統計値を所定値で除算した値を、閾値に決定してもよい。統計値は、平均値や中央値や最頻値などである。これにより、決定部１１０２は、利用者の能力に依存せず閾値を決定することができ、管理装置１００の利便性の向上を図ることができる。決定部１１０２は、指標値の最大値と最小値の差分に関する統計値を用いるため、指標値の最大値と最小値とにノイズが含まれても、周期性の有無を判定する精度の向上を図ることができる。
決定部１１０２は、動作状況情報に基づいて単位期間を設定してもよい。
判断部１１０３は、動作状況情報と、閾値とに基づき、動作状況情報の周期性の有無を判断する。閾値は、共通の要素を有する複数の時点における指標値の変動幅が、誤差の範囲であるか否かを判定する境界を示す値である。閾値は、例えば、同じ曜日の同じ時刻である複数の時点における指標値の変動幅が、誤差の範囲であるか否かを判定する境界を示す値である。
判断部１１０３は、例えば、１周期分と設定された単位期間内での所定間隔の複数の時点それぞれに対応する、動作状況情報に含まれる指標値についての最大値と最小値との差分が、閾値以下であるか否かを判断する。そして、判断部１１０３は、１周期分と設定された単位期間内での所定間隔の複数の時点それぞれについて判断した結果に基づいて、動作状況情報の周期性の有無を判断する。判断部１１０３は、具体的には、１周期分と設定された単位期間内での所定間隔の複数の時点のうち、差分が閾値以下であると判断された数が一定以上であれば、動作状況情報の周期性があると判断する。
作成部１１０４は、動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成する。作成部１１０４は、例えば、１周期分と設定された単位期間内での所定間隔の複数の時点それぞれに対応する、動作状況情報に含まれる動作状況についての指標値に関する統計値を算出し、算出した統計値を含む過去稼動情報を作成する。作成部１１０４は、具体的には、動作状況情報に含まれる曜日と時刻とが共通する複数の時点における指標値の統計値を、単位期間内での同じ曜日と同じ時刻とにおける指標値に設定した過去稼動情報を作成する。
予測部１１０５は、動作状況情報について周期性を有すると判断した場合、動作状況情報と、過去稼動情報とに基づいて、動作状況情報についての予測値を生成する。予測値は、計算資源の将来の動作状況を示す指標値であり、何らかのメトリックに関する指標値である。
予測部１１０５は、例えば、対象期間内での複数の時点それぞれについて、当該時点における指標値および当該時点の所定時間後の時点に対応する単位期間内での時点に対応する統計値を対応付ける。次に、予測部１１０５は、所定時点について対応付けられた指標値および統計値の組み合わせとの間で所定条件を満たす、所定時点より前の時点について対応付けられた指標値および統計値の組み合わせを特定する。
所定条件は、所定時点について対応付けられた指標値および統計値のそれぞれと、所定時点より前の時点について対応付けられた指標値および統計値のそれぞれとの差分についてのＬ２ノルムが所定値以下であるという条件である。そして、予測部１１０５は、特定した組み合わせに基づいて動作状況情報についての予測値を生成する。予測部１１０５は、具体的には、ＪＩＴモデリングを用いて予測値を生成する。これにより、予測部１１０５は、将来の計算資源の動作状況についての指標値の予測値を生成することができる。
予測部１１０５は、動作状況情報について周期性を有さないと判断した場合、動作状況情報のみに基づいて、動作状況情報についての予測値を生成する。予測部１１０５は、例えば、ＪＩＴモデリングを用いて、予測値を生成する。これにより、予測部１１０５は、将来の計算資源の動作状況についての指標値の予測値を生成することができる。
管理部１１０６は、予測部１１０５が生成した動作状況情報についての予測値と、予め定められた基準値とに基づき、情報処理装置２０１の計算資源を管理する。基準値は予め定められた、ＶＭに関する情報処理装置２０１の計算資源の動作状況についての指標値である。
管理部１１０６は、予測値が基準値よりも使用度合いが大きいことを示す指標値である場合、ＶＭに割り当てる情報処理装置２０１の計算資源を増加させる。管理部１１０６は、ＶＭに割り当てる情報処理装置２０１の計算資源を増加させるための制御信号を情報処理装置２０１に出力する。これにより、管理部１１０６は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
管理部１１０６は、予測値が基準値よりも使用度合いが小さいことを示す指標値である場合、ＶＭに割り当てる情報処理装置２０１の計算資源を減少させる。管理部１１０６は、例えば、ＶＭに割り当てる情報処理装置２０１の計算資源を減少させるための制御信号を情報処理装置２０１に出力する。これにより、管理部１１０６は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
管理部１１０６は、情報処理装置２０１の計算資源が割り当てられたＶＭがなければ、情報処理装置２０１への電源供給の停止を行う。管理部１１０６は、例えば、情報処理装置２０１への電源供給の停止を行うための制御信号を情報処理装置２０１に出力する。これにより、管理部１１０６は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
管理部１１０６は、生成した予測値、ＶＭに割り当てた計算資源の情報などを出力してもよい。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ４０３による外部装置への送信、または、メモリ４０２や記録媒体４０５などの記憶領域への記憶である。これにより、管理部１１０６は、利用者にデータセンター内の計算資源の動作状況を把握させることができる。
（管理装置１００の機能的構成の具体例）
次に、図１２を用いて、管理装置１００の機能的構成の具体例について説明する。
図１２は、管理装置１００の機能的構成の具体例を示すブロック図である。図１２に示すように、管理装置１００は、ＪＩＴ予測ソフトウェア３００によって、ＤＢ１２０１と、メトリクス収集部１２０２と、閾値決定部１２０３と、周期性判断部１２０４と、データセット作成部１２０５とを管理する。
また、管理装置１００は、ＪＩＴ予測ソフトウェア３００によって、作成要求受付部１２０６と、タイマー部１２０７と、近傍データセット検索部１２０８と、変数選択部１２０９と、予測値計算部１２１０とを管理する。また、管理装置１００は、ＪＩＴ予測ソフトウェア３００によって、制御対象選択部１２１１と、制御方針決定部１２１２とを管理する。また、管理装置１００は、インフラ管理ソフトウェア３１０によって、制御受取部１２２１と、制御指示部１２２２とを管理する。
ＤＢ１２０１は、図５〜図１０に示した各種ＤＢを記憶する。メトリクス収集部１２０２は、情報処理装置２０１から計算資源の動作状況に関する運用データを受信する。メトリクス収集部１２０２は、受信した運用データに基づいて、複数のメトリックのそれぞれのメトリックに関する指標値の時系列データを生成して、動作状況情報としてＤＢ１２０１に記憶する。
閾値決定部１２０３は、動作状況情報に基づいて、動作状況情報の周期性の有無を判断する際に用いられる閾値を決定し、ＤＢ１２０１に記憶する。周期性判断部１２０４は、ＤＢ１２０１の動作状況情報の周期性の有無を、ＤＢ１２０１の閾値を用いて判断する。
データセット作成部１２０５は、周期性の判断結果に応じて、曜日と時刻が共通する時点におけるメトリックの指標値の移動平均値を算出し、過去稼動情報としてＤＢ１２０１に記憶する。データセット作成部１２０５は、動作状況情報と、過去稼動情報とを結合し、予測モデルを作成する際に用いられるデータセットを生成し、ＤＢ１２０１に記憶する。
作成要求受付部１２０６は、予測モデル作成要求を受け付ける。予測モデル作成要求は、例えば、予測対象のメトリックを指定する作成要求であって、所定の間隔で入力される。予測モデル作成要求は、具体的には、データセンターの情報処理装置２０１の数の増減のタイミングにおいて、予測対象のメトリックに関する予測モデルを更新させるために自動で入力される。予測モデル作成要求は、具体的には、人手で入力されてもよい。予測モデル作成要求は、具体的には、毎日定時に、予測対象のメトリックに関する予測モデルを更新させるために入力されてもよい。
タイマー部１２０７は、一定時間ごとに近傍データセット検索部１２０８に予測要求を出力し、近傍データセット検索部１２０８を動作させる。近傍データセット検索部１２０８は、過去データセットのうち、最新データセットとの間でのＬ２ノルムが所定の閾値以下になる近傍データセットを検索する。近傍データセット検索部１２０８は、例えば、最新データセットと、それぞれの過去データセットとのＬ２ノルムを計算し、Ｌ２ノルムが相対的に小さい過去データセットを近傍データセットとして特定する。
変数選択部１２０９は、ステップワイズ法を用いて、ＪＩＴモデリングによって作成される予測モデルに用いる係数を計算する。これにより、変数選択部１２０９は、予測モデルを定期的に更新して、予測値を計算する精度の向上を図ることができる。
予測値計算部１２１０は、作成された予測モデルに、特定された近傍データセットを入力することにより、予測対象のメトリックに関する指標値の予測値を計算する。予測値計算部１２１０は、予測値を計算すると、ＤＢ１２０１に予測値を記憶する。これにより、予測値計算部１２１０は、定期的に予測値を計算し、制御対象選択部１２１１や制御方針決定部１２１２によってＶＭに割り当てる計算資源が制御されるようにして、データセンターの消費電力の低減化が図られるようにすることができる。
制御対象選択部１２１１は、ＤＢ１２０１に記憶された予測値に基づいて、制御対象のＶＭを選択する。制御方針決定部１２１２は、選択されたＶＭに割り当てる計算資源についての制御方針を決定する。制御方針決定部１２１２は、例えば、選択されたＶＭに割り当てるＣＰＵリソースの量を決定し、または、選択されたＶＭを移動させる情報処理装置２０１を決定する。制御方針決定部１２１２は、選択したＶＭと、決定した制御方針とを、制御受取部１２２１に出力する。これにより、制御対象選択部１２１１や制御方針決定部１２１２は、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
制御受取部１２２１は、制御方針決定部１２１２から制御対象のＶＭと制御方針とを受け付け、制御指示部１２２２に出力する。制御指示部１２２２は、制御対象のＶＭを実行中の情報処理装置２０１に対して、制御方針にしたがって制御信号を出力する。情報処理装置２０１上で動作する仮想化ソフトウェア１２３１，１２３２などは、制御信号を受信し、その制御信号にしたがって情報処理装置２０１の仮想化環境を制御し、ＶＭへの計算資源の割り当てなどを制御する。これにより、制御指示部１２２２は、情報処理装置２０１を制御し、ＶＭに割り当てる計算資源を制御することができる。
（管理装置１００が予測値を生成する動作例）
次に、図１３〜図２０を用いて、管理装置１００が予測値を生成する動作例について説明する。
図１３〜図２０は、管理装置１００が予測値を生成する動作例を示す説明図である。図１３〜図２０の例では、現在時点が「２０１６／９／２９（木）１５：００」であるとする。図１３〜図２０の例では、メトリクスの指標値は、１０分間隔の時点における指標値である。メトリクスの指標値は、メトリックごとに異なる時間間隔の時点における指標値であってもよい。
図１３において、管理装置１００は、メトリクス収集部１２０２によって処理を行う。管理装置１００は、複数のＶＭそれぞれの稼動状況ＤＢ５００に、過去１か月分のメトリクスの指標値が記憶されているか否かを確認する。管理装置１００は、例えば、ＶＭ名「ｘｘｘｘｘｘｘ」のＶＭの稼動状況ＤＢ５００に、過去１ヶ月分のメトリクスの指標値が記憶されているか否かを確認する。以下では、ＶＭ名「ｘｘｘｘｘｘｘ」のＶＭについての処理を説明する。
ここで、管理装置１００は、過去１か月分のメトリクスの指標値が記憶されていなければ、図２０に後述するように、稼動状況ＤＢ５００に基づいて、予測モデルを作成し、稼動状況ＤＢ５００についての予測値を生成する。一方で、管理装置１００は、過去１か月分のメトリクスの指標値が記憶されていれば、図１４に後述するように、稼動状況ＤＢ５００の周期性の有無を判断する。図１３の例では、過去１ヶ月分のメトリクスの指標値が記憶されているとする。次に、図１４の説明に移行する。
図１４において、管理装置１００は、閾値決定部１２０３によって処理を行う。管理装置１００は、ＶＭの稼動状況ＤＢ５００から、１周期分と設定された過去の単位期間、例えば、１週間内での指標値の最大値と最小値とを抽出する。管理装置１００は、例えば、過去の１週間「２０１６／９／１５（木）１５：００〜２０１６／９／２２（木）１５：００」でのＣＰＵ使用率の最大値と最小値とを抽出する。
次に、管理装置１００は、最大値から最小値を減算した差分を算出する。情報処理装置２０１は、例えば、過去の１週間のＣＰＵ使用率の変動幅を示す差分ＤＩＦＦ＝過去の１週間のＣＰＵ使用率の最大値ＭＡＸ−過去の１週間のＣＰＵ使用率の最小値ＭＩＮを算出する。管理装置１００は、具体的には、過去の１週間のＣＰＵ使用率の変動幅を示す差分ＤＩＦＦとして３０％を算出する。
そして、管理装置１００は、最大値と最小値との差分の１０％を閾値として算出し、周期性判断閾値ＤＢ８００に記憶する。管理装置１００は、例えば、ＣＰＵ使用率に対する閾値Ｔｈｒｅｓｈｏｌｄ＝過去の１週間のＣＰＵ使用率の変動幅を示す差分ＤＩＦＦ／１０を算出する。管理装置１００は、具体的には、過去の１週間のＣＰＵ使用率の変動幅を示す差分ＤＩＦＦ３０％のうちの１０％である３％を閾値として算出し、周期性判断閾値ＤＢ８００に記憶する。次に、図１５の説明に移行する。
図１５において、管理装置１００は、周期性判断部１２０４によって処理を行う。管理装置１００は、ＶＭの稼動状況ＤＢ５００から、過去の所定期間について、曜日と時刻とメトリックとの組み合わせごとに最大値と最小値とを抽出する。管理装置１００は、例えば、曜日「（木）」と時刻「１５：００」とメトリック「ＣＰＵ使用率」との組み合わせについて、最大値「２２％」と最小値「１９％」とを抽出する。
次に、管理装置１００は、曜日と時刻とメトリックとの組み合わせごとに最大値から最小値を減算した差分を算出する。管理装置１００は、例えば、曜日「（木）」と時刻「１５：００」とメトリック「ＣＰＵ使用率」との組み合わせについて、最大値「２２％」から最小値「１９％」を減算した差分「３％」を算出する。
そして、管理装置１００は、曜日と時刻とメトリックとの組み合わせごとに算出した差分が、周期性判断閾値ＤＢ８００の閾値以下であるか否かを判断する。管理装置１００は、例えば、曜日「（木）」と時刻「１５：００」とメトリック「ＣＰＵ使用率」との組み合わせについて、差分「３％」が閾値「３％」以下であると判断する。
ここで、曜日と時刻とメトリックとの組み合わせについて、算出した差分が閾値以下であれば、その曜日のその時刻におけるそのメトリックに関する指標値は、周期的に同様の値になることを示している。このため、管理装置１００は、差分が閾値以下であれば、稼動状況ＤＢ５００に周期性がありうると判断する。
管理装置１００は、曜日と時刻とメトリックとの組み合わせについて、差分が閾値以下であれば、その組み合わせに対応付けて、動作状況上に周期性がありうることを示す「所定範囲内」を周期性判断ＤＢ６００に記憶する。次に、図１６の説明に移行する。
図１６において、管理装置１００は、周期性判断部１２０４によって処理を行う。管理装置１００は、周期性判断ＤＢ６００の曜日と時刻とメトリックとの組み合わせのうち、「所定範囲内」が設定された曜日と時刻とメトリックとの組み合わせの割合を算出する。
ここで、管理装置１００は、算出した割合が９０％未満であれば、ＶＭの稼動状況ＤＢ５００に周期性がないと判断し、図２０に後述するように、稼動状況ＤＢ５００に基づいて、予測モデルを作成し、稼動状況ＤＢ５００についての予測値を生成する。
一方で、管理装置１００は、算出した割合が９０％以上であれば、ＶＭの稼動状況ＤＢ５００に周期性があると判断し、図１７に示すように、過去稼動状況ＤＢ７００を生成する。図１６の例では、管理装置１００は、割合が９０％以上であり、ＶＭの稼動状況ＤＢ５００に周期性があると判断する。次に、図１７の説明に移行する。
図１７において、管理装置１００は、データセット作成部１２０５によって処理を行う。管理装置１００は、曜日と時刻との組み合わせごとに、それぞれのメトリクスの指標値の移動平均値を算出し、過去稼動状況ＤＢ７００に記憶する。管理装置１００は、例えば、曜日「（木）」と時刻「１５：００」との組み合わせについて、過去の４つの時点のＣＰＵ使用率「２０％、２１％、２２％、１９％」を抽出し、移動平均値「２０．５％」を算出する。これにより、管理装置１００は、単位期間における計算資源の動作状況に対応するメトリクスの指標値の変動傾向を示す、過去稼動状況ＤＢ７００を生成することができる。次に、図１８の説明に移行する。
図１８において、管理装置１００は、データセット作成部１２０５によって処理を行う。管理装置１００は、過去稼動状況ＤＢ７００のレコードを、現在時点の所定時間後の時点に対応するレコードが末尾になるようにソートする。管理装置１００は、例えば、過去稼動状況ＤＢ７００のレコードを、現在時点「２０１６／９／２９（木）１５：００」の１０分後の時点「２０１６／９／２９（木）１５：１０」に対応するレコードが末尾になるようにソートする。次に、図１９の説明に移行する。
図１９において、管理装置１００は、データセット作成部１２０５によって処理を行う。管理装置１００は、ＶＭの稼動状況ＤＢ５００のそれぞれの時点に対応するレコードに、当該時点の所定時間後の時点に対応する過去稼動状況ＤＢ７００のレコードを結合する。管理装置１００は、過去稼動状況ＤＢ７００のレコードを結合した、ＶＭの稼動状況ＤＢ５００のレコードを、予測モデルを作成する際に用いられるデータセットに設定する。これにより、管理装置１００は、ＶＭの稼動状況ＤＢ５００のそれぞれの時点に対応するレコードに計算資源の動作状況の変動の兆候が現れていなくても、急激な変動がありうる時点を示す情報を、データセットに含めることができる。
管理装置１００は、結合後のＶＭの稼動状況ＤＢ５００のデータセットのうち、最新の時点の指標値の集合である最新データセットとの間でのＬ２ノルムが所定の閾値以下になる過去の時点の指標値の集合である近傍データセットを検索する。管理装置１００は、例えば、下記式（１）を用いて、最新データセットと、過去のそれぞれの時点の指標値の集合である過去データセットとのＬ２ノルムを計算する。
Figure 0006891611
ここで、ｔは過去の時点である。ｋtは過去の時点ｔに対応する過去データセットである。ｋqは最新データセットである。Ｄt（ｋt，ｋq）は最新データセットと過去の時点ｔに対応する過去データセットとのＬ２ノルムである。ｘktは過去データセットのメトリクスの指標値を要素とするベクトルである。ｘkqは最新データセットのメトリクスの指標値を要素とするベクトルである。
そして、管理装置１００は、過去データセットのうち、計算したＬ２ノルムが小さい方から１０個の過去データセットを、近傍データセットとして特定する。管理装置１００は、過去データセットのうち、計算したＬ２ノルムが所定の閾値以下である過去データセットすべてを、近傍データセットとして特定してもよい。
次に、管理装置１００は、下記式（２）を用いて、特定した近傍データセットごとに、予測対象となるメトリック、例えば、ＣＰＵ使用率について予測値を計算する。管理装置１００は、例えば、ｎ個の近傍データセットのうち、ｊ番目の近傍データセットを用いてＣＰＵ使用率の予測値を計算する。
Figure 0006891611
ここで、ｙj kqはｊ番目の近傍データセットに基づくＣＰＵ使用率の予測値である。ハット記号は推定値であることを示す。β0は係数である。βiは係数である。β0やβiは例えば、稼動状況ＤＢ５００に基づいてステップワイズ法を用いて求められる。ｘi ktはｊ番目の近傍データセットのｉ番目のメトリックの指標値である。ｍはメトリックの数である。
次に、管理装置１００は、下記式（３）を用いて、計算したＣＰＵ使用率の予測値の統計値を計算する。管理装置１００は、例えば、統計値として平均値を計算する。管理装置１００は、統計値として、中央値やパーセンタイルを計算してもよい。
Figure 0006891611
ここで、ｙkqはＣＰＵ使用率の予測値の統計値である。ハット記号は推定値であることを示す。これにより、管理装置１００は、ＪＩＴモデリングによって、計算資源の将来の動作状況を示す何らかのメトリック、例えば、ＶＭのＣＰＵ使用率の予測値を計算することができる。また、管理装置１００は、ＪＩＴモデリングの予測モデルに、計算資源の動作状況の急激な変動がありうる時点を反映させることができ、計算資源の動作状況の急激な変動の前に、変動した後の予測値を精度よく計算することができる。
管理装置１００は、計算したＣＰＵ使用率の予測値に基づいて、情報処理装置２０１の計算資源の制御を行ってもよい。計算資源は、例えば、ＣＰＵリソースである。制御は、情報処理装置２０１によって実行されるＶＭへの計算資源の割り当ての変更である。制御は、情報処理装置２０１の計算資源への電源供給の変更であってもよい。
管理装置１００は、例えば、情報処理装置２０１によって実行されるＶＭに対する、情報処理装置２０１のＣＰＵリソースの割り当てを増加、または減少させる。管理装置１００は、具体的には、ＶＭのＣＰＵ使用率の予測値が、ＶＭに割り当てたＣＰＵリソースの９０％を超えている場合、ＶＭに割り当てるＣＰＵリソースを増加させる。
換言すれば、管理装置１００は、ＶＭのＣＰＵ使用率が、ＶＭに割り当てたＣＰＵリソースの１００％を超えてしまい、ＶＭの性能が低下してしまう可能性が比較的大きい場合に、ＶＭに割り当てるＣＰＵリソースを増加させることができる。これにより、管理装置１００は、ＳＬＡを満たさない期間が発生してしまう可能性を低減することができる。
また、管理装置１００は、具体的には、ＶＭのＣＰＵ使用率の予測値が、ＶＭに割り当てたＣＰＵリソースの５０％を下回っている場合、ＶＭに割り当てるＣＰＵリソースを、ＳＬＡを満たすようにしつつも、減少させる。
換言すれば、管理装置１００は、ＶＭのＣＰＵ使用率が、ＶＭに割り当てたＣＰＵリソースの５０％を下回り、ＶＭが使用しないＣＰＵリソースについての消費電力が比較的大きい場合に、ＶＭに割り当てるＣＰＵリソースを減少させることができる。これにより、管理装置１００は、ＳＬＡを満たしつつデータセンターの消費電力を効率よく低減することができる。
管理装置１００は、例えば、情報処理装置２０１によって実行されるＶＭを、他の情報処理装置２０１によって実行させるために、他の情報処理装置２０１に移動させる。具体的には、他の情報処理装置２０１のＣＰＵリソースが、他の情報処理装置２０１によって実行されるＶＭのＣＰＵ使用率の予測値の合計値に比べて大きく、他の情報処理装置２０１がさらにＶＭを実行可能な状態である場合がある。
この場合、管理装置１００は、さらにＶＭを実行可能な状態である他の情報処理装置２０１に、情報処理装置２０１によって実行されているＶＭを移動させる。これにより、管理装置１００は、データセンターにおいて、ＶＭを実行している情報処理装置２０１の数を減らすことができる。
管理装置１００は、例えば、情報処理装置２０１によって実行されるＶＭを、他の情報処理装置２０１に移動させた結果、情報処理装置２０１が実行するＶＭがなくなった場合、情報処理装置２０１への電源供給を停止する。これにより、管理装置１００は、データセンターの消費電力を効率よく低減することができる。次に、図２０の説明に移行する。
図２０において、管理装置１００は、データセット作成部１２０５によって処理を行う。管理装置１００は、ＶＭの稼動状況ＤＢ５００に周期性がなければ、過去稼動状況ＤＢ７００を生成せず、過去稼動状況ＤＢ７００のレコードを、予測モデルを作成する際に用いられるデータセットの一部として使用しない。管理装置１００は、過去稼動状況ＤＢ７００を結合せずに、ＶＭの稼動状況ＤＢ５００のそれぞれの時点に対応するレコードを、予測モデルを作成する際に用いられるデータセットに設定する。そして、管理装置１００は、図１９と同様に、稼動状況ＤＢ５００についての予測値を算出する。
これにより、管理装置１００は、ＶＭの稼動状況ＤＢ５００に周期性がないため、過去稼動状況ＤＢ７００を作成しても計算資源の動作状況についての変動傾向を表現することが難しい場合には、過去稼動状況ＤＢ７００を生成しないようにする。結果として、管理装置１００は、稼動状況ＤＢ５００についての予測値を生成する精度の低下を防止することができる。
（予測結果の具体例）
次に、図２１〜図２４を用いて、予測結果の具体例について説明する。
図２１〜図２４は、予測結果の具体例を示す説明図である。図２１の表２１００は、メトリックとして用いることができる尺度の具体例である。以降、管理装置１００が、表２１００に示すメトリックを用いて、処理負荷の時間変化に周期性があるＶＭの稼動状況ＤＢ５００についての予測値を生成した場合について説明する。ＶＭは、例えば、ＰａａＳ（Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ）に用いられるＶＭである。次に、図２２の説明に移行する。
図２２において、まず、稼動状況ＤＢ５００のみに基づいて、ＣＰＵ使用率などのメトリックの指標値について予測値を生成する場合が考えられる。この場合、図２２のグラフ２２００のように、ＣＰＵ使用率の実測値と、ＣＰＵ使用率の予測値とが時間変化する。横軸は時間を示し、縦軸はＣＰＵ使用率を示す。この場合、図２２のグラフ２２００の部分２２０１のように、ＣＰＵ使用率の実測値と、ＣＰＵ使用率の予測値との誤差が大きくなってしまう部分が生じる可能性がある。
これに対し、管理装置１００は、過去稼動状況ＤＢ７００を結合した稼動状況ＤＢ５００に基づいて、ＣＰＵ使用率などのメトリックの指標値について予測値を生成することができる。図２２のグラフ２２１０のように、ＣＰＵ使用率の実測値と、ＣＰＵ使用率の予測値とが時間変化する。横軸は時間を示し、縦軸はＣＰＵ使用率を示す。管理装置１００は、図２２のグラフ２２１０のように、ＣＰＵ使用率の実測値とＣＰＵ使用率の予測値との誤差を比較的小さくすることができる。次に、図２３の説明に移行する。
図２３において、まず、稼動状況ＤＢ５００のみに基づいて、ＣＰＵ使用率などのメトリックの指標値について予測値を生成する場合が考えられる。この場合、図２３のグラフ２３００のように、過去の所定期間内での誤差のうち、それぞれの数値以下であった誤差の割合が分布する。横軸は誤差の数値を示し、縦軸はそれぞれの数値以下であった誤差の割合を示す。この場合、図２３の数直線２３０２のように、過去の所定期間内での誤差のうち９５％が、誤差が３％以下になる。
また、この場合、図２３のグラフ２３１０のように、ＣＰＵ使用率の実測値に対する、ＣＰＵ使用率の実測値とＣＰＵ使用率の予測値との差分の割合が分布する。横軸は実測値を示し、縦軸は割合を示す。このように、実測値と予測値との差分は、実測値の−８０％〜６０％になってしまうことがあり、予測値を精度よく生成することができない。
これに対し、管理装置１００は、過去稼動状況ＤＢ７００を結合した稼動状況ＤＢ５００に基づいて、ＣＰＵ使用率などのメトリックの指標値について予測値を生成することができる。管理装置１００は、図２３の数直線２３０１のように、過去の所定期間内での誤差のうち９９％が、誤差が３％以下になるようにすることができる。
また、この際、図２３のグラフ２３２０のように、ＣＰＵ使用率の実測値に対する、ＣＰＵ使用率の実測値とＣＰＵ使用率の予測値との差分の割合が分布する。横軸は実測値を示し、縦軸は割合を示す。このように、管理装置１００は、実測値と予測値との差分を、実測値の−２０％〜２０％までに抑制することができる。
次に、図２４の説明に移行し、管理装置１００が、表２１００に示すメトリックを用いて、処理負荷の時間変化に周期性があるが、処理負荷がランダム変化することもあるＶＭの稼動状況ＤＢ５００についての予測値を生成した場合について説明する。
図２４において、まず、稼動状況ＤＢ５００のみに基づいて、ＣＰＵ使用率などのメトリックの指標値について予測値を生成する場合が考えられる。この場合、図２４のグラフ２４００のように、過去の所定期間内での誤差のうち、それぞれの数値以下であった誤差の割合が分布する。横軸は誤差の数値を示し、縦軸はそれぞれの数値以下であった誤差の割合を示す。この場合、図２４の数直線２４０２のように、過去の所定期間内での誤差のうち８６％が、誤差が３％以下になる。
また、この場合、図２４のグラフ２４１０のように、ＣＰＵ使用率の実測値に対する、ＣＰＵ使用率の実測値とＣＰＵ使用率の予測値との差分の割合が分布する。横軸は実測値を示し、縦軸は割合を示す。このように、実測値と予測値との差分は、実測値の−４２％〜３２％になってしまうことがある。
これに対し、管理装置１００は、過去稼動状況ＤＢ７００を結合した稼動状況ＤＢ５００に基づいて、ＣＰＵ使用率などのメトリックの指標値について予測値を生成することができる。管理装置１００は、図２４の数直線２４０１のように、過去の所定期間内での誤差のうち８８％が、誤差が３％以下になるようにすることができる。
また、この際、図２４のグラフ２４２０のように、ＣＰＵ使用率の実測値に対する、ＣＰＵ使用率の実測値とＣＰＵ使用率の予測値との差分の割合が分布する。横軸は実測値を示し、縦軸は割合を示す。このように、管理装置１００は、実測値と予測値との差分を、実測値の−４０％〜２０％までに抑制することができる。
（予測処理手順の一例）
次に、図２５〜図２８を用いて、情報処理装置２０１が実行する予測処理手順の一例について説明する。
図２５〜図２８は、予測処理手順の一例を示すフローチャートである。図２５において、メトリクス収集部１２０２は、複数のＶＭのそれぞれのＶＭに対し、複数のメトリックのそれぞれのメトリックの指標値を取得する（ステップＳ２５０１）。次に、メトリクス収集部１２０２は、それぞれのＶＭの稼動状況ＤＢ５００に１ヶ月以上の動作状況についてのレコードが記憶されているか否かを判定する（ステップＳ２５０２）。
ここで、記憶されていない場合（ステップＳ２５０２：Ｎｏ）、管理装置１００は、図２７のステップＳ２７０１の処理に移行する。一方で、記憶されている場合（ステップＳ２５０２：Ｙｅｓ）、管理装置１００は、ステップＳ２５０３の処理に移行する。
ステップＳ２５０３で、閾値決定部１２０３は、それぞれのＶＭの稼動状況ＤＢ５００を参照し、それぞれのＶＭの周期性判断閾値ＤＢ８００を作成する（ステップＳ２５０３）。次に、周期性判断部１２０４は、それぞれのＶＭの稼動状況ＤＢ５００と周期性判断閾値ＤＢ８００とを参照し、それぞれのＶＭの周期性判断ＤＢ６００を作成する（ステップＳ２５０４）。そして、管理装置１００は、図２６のステップＳ２６０１の処理に移行する。
図２６において、周期性判断部１２０４は、それぞれのＶＭの周期性判断ＤＢ６００を参照し、少なくともいずれかのＶＭの稼動状況ＤＢ５００について周期性を有するか否かを判定する（ステップＳ２６０１）。
ここで、周期性を有さない場合（ステップＳ２６０１：Ｎｏ）、管理装置１００は、図２７のステップＳ２７０１の処理に移行する。一方で、周期性を有する場合（ステップＳ２６０１：Ｙｅｓ）、管理装置１００は、ステップＳ２６０２の処理に移行する。
ステップＳ２６０２で、データセット作成部１２０５は、周期性を有する１以上のＶＭのそれぞれのＶＭについて曜日と時刻が共通する時点におけるメトリックの指標値の移動平均値を算出し、そのＶＭの過去稼動状況ＤＢ７００に記憶する（ステップＳ２６０２）。次に、データセット作成部１２０５は、周期性を有する１以上のＶＭのそれぞれのＶＭの過去稼動状況ＤＢ７００を、現在時点から１０分後の時点に対応するレコードが末尾になるようにソートする（ステップＳ２６０３）。
そして、データセット作成部１２０５は、周期性を有する１以上のＶＭのそれぞれのＶＭの稼動状況ＤＢ５００のそれぞれの時点のレコードに、その時点から１０分後の時点に対応する、ＶＭの過去稼動状況ＤＢ７００のレコードを結合する（ステップＳ２６０４）。次に、管理装置１００は、図２７のステップＳ２７０１の処理に移行する。
図２７において、近傍データセット検索部１２０８は、予測値の計算要求を受け付ける。近傍データセット検索部１２０８は、計算要求を受け付けると、それぞれのＶＭの稼動状況ＤＢ５００のデータセットのうち、最新データセットとの間でのＬ２ノルムが所定の閾値以下になる近傍データセットを検索する（ステップＳ２７０１）。
次に、変数選択部１２０９は、それぞれのＶＭについて、予測モデルの作成に用いられる変数を選択する（ステップＳ２７０２）。そして、予測値計算部１２１０は、それぞれのＶＭについて、検索した近傍データセットと、選択された予測モデルの作成に用いられる変数とに基づいて、予測モデルを作成する（ステップＳ２７０３）。
予測値計算部１２１０は、それぞれのＶＭについて、作成した予測モデルに基づいて予測値を計算する（ステップＳ２７０４）。次に、管理装置１００は、図２８のステップＳ２８０１の処理に移行する。
図２８において、制御方針決定部１２１２は、計算資源管理ＤＢ９００や対応関係管理ＤＢ１０００を参照し、それぞれの物理マシンのＣＰＵ使用率の予測値の合計値を算出する。制御方針決定部１２１２は、算出した合計値よりＶＭに割り当て可能なＣＰＵリソースを大きくするために起動の状態にされる物理マシンの最小の数を算出する（ステップＳ２８０１）。
制御対象選択部１２１１は、計算資源管理ＤＢ９００や対応関係管理ＤＢ１０００を参照し、算出した最小の数から、現在起動中の物理マシンの数を減算し、現在の状態から起動または停止の状態に変更させる物理マシンの数を算出する。制御対象選択部１２１１は、算出した物理マシンの数が０であるか否かを判定する（ステップＳ２８０２）。
減算した結果が正の値であれば、減算した結果の絶対値は、現在停止の状態であって停止の状態から起動の状態に変更させる物理マシンの数を示す値になる。減算した結果が負の値であれば、減算した結果の絶対値は、現在起動の状態であって起動の状態から停止の状態に変更させる物理マシンの数を示す値になる。
ここで、０である場合（ステップＳ２８０２：Ｙｅｓ）、管理装置１００は、ステップＳ２８０９の処理に移行する。一方で、０ではない場合（ステップＳ２８０２：Ｎｏ）、管理装置１００は、ステップＳ２８０３の処理に移行する。
ステップＳ２８０３で、制御対象選択部１２１１は、算出した最小の数から、現在起動中の物理マシンの数を減算した結果が、正の値であるか否かを判定する（ステップＳ２８０３）。
ここで、負の値であって、起動中の物理マシンのうち、起動の状態から停止の状態に変更させる物理マシンがある場合（ステップＳ２８０３：Ｎｏ）、管理装置１００は、ステップＳ２８０４の処理に移行する。
ステップＳ２８０４で、制御方針決定部１２１２は、起動中の物理マシンのうち、起動の状態から停止の状態に変更させる物理マシンを選択する（ステップＳ２８０４）。制御方針決定部１２１２は、例えば、対応関係管理ＤＢ１０００を参照し、算出した物理マシンの数に応じて、実行中のＶＭが少ない物理マシンから順に選択する。
次に、制御指示部１２２２は、選択した物理マシンが実行中のＶＭを、選択されずに起動中の物理マシンに移動させ、移動が終了した後に、選択した物理マシンを起動の状態から停止の状態に変更させる（ステップＳ２８０５）。
次に、制御指示部１２２２は、起動中の物理マシンの負荷を平準化する（ステップＳ２８０６）。制御指示部１２２２は、例えば、起動中の物理マシンが実行中のＶＭのうち、現在のＣＰＵ使用率から予測値までの変化量が少ないＶＭから順に、物理マシン間を移動させて、起動中の物理マシンの負荷を平準化する。そして、管理装置１００は、予測処理を終了する。
一方で、正の値であって、起動中の物理マシンのうち、停止の状態から起動の状態に変更させる物理マシンがある場合（ステップＳ２８０３：Ｙｅｓ）、管理装置１００は、ステップＳ２８０７の処理に移行する。
ステップＳ２８０７で、制御方針決定部１２１２は、停止中の物理マシンのうち、停止の状態から起動の状態に変更させる物理マシンを選択する（ステップＳ２８０７）。次に、制御指示部１２２２は、選択した物理マシンを停止の状態から起動の状態に変更させる（ステップＳ２８０８）。そして、制御対象選択部１２１１は、対応関係管理ＤＢ１０００を参照し、それぞれの物理サーバのＣＰＵ使用率の合計値を比較し、物理サーバ間の合計値の差分が１０％以上であるか否かを判定する（ステップＳ２８０９）。
ここで、１０％以上である場合（ステップＳ２８０９：Ｙｅｓ）、管理装置１００は、ステップＳ２８１０の処理に移行する。
ステップＳ２８１０で、制御方針決定部１２１２は、起動中の物理マシンの負荷を平準化する（ステップＳ２８１０）。制御方針決定部１２１２は、例えば、起動中の物理マシンが実行中のＶＭのうち、現在のＣＰＵ使用率から予測値までの変化量が少ないＶＭから順に、物理マシン間を移動させて、起動中の物理マシンの負荷を平準化する。
一方で、１０％以上ではない場合（ステップＳ２８０９：Ｎｏ）、管理装置１００は、予測処理を終了する。これにより、管理装置１００は、計算資源の将来の動作状況を示すＶＭのＣＰＵ使用率の予測値などを精度よく生成することができ、ＳＬＡを満たしつつデータセンターの消費電力を効率よく低減することができる。
以上説明したように、管理装置１００によれば、複数の情報処理装置２０１の記憶部１１００がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集することができる。管理装置１００によれば、動作状況情報と、閾値とに基づき、動作状況情報の周期性の有無を判断することができる。管理装置１００によれば、動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成することができる。管理装置１００によれば、動作状況情報について周期性を有すると判断した場合、動作状況情報と、過去稼動情報とに基づいて、動作状況情報についての予測値を生成することができる。これにより、管理装置１００は、予測値を生成する精度の向上を図ることができる。
管理装置１００によれば、動作状況情報に基づいて閾値を決定することができる。これにより、管理装置１００は、利用者の能力に依存せず閾値を決定することができ、管理装置１００の利便性の向上を図ることができる。
管理装置１００によれば、動作状況情報の最大値と最小値の差分に基づいて閾値を決定することができる。これにより、管理装置１００は、指標値の最大値と最小値の差分により、動作制御情報の指標値と、閾値とのオーダを統一することができ、周期性の有無を判定する精度の向上を図ることができる。
管理装置１００によれば、対象期間の全部または一部における指標値の最大値と最小値との差分を所定値で除算した値を閾値に決定することができる。これにより、管理装置１００は、指標値の最大値と最小値の差分により、指標値の変動が比較的大きい場合には閾値が比較的大きくなり、指標値の変動が比較的小さい場合には閾値が比較的小さくなるようにすることができる。このため、管理装置１００は、指標値の最大値と最小値の差分により、動作制御情報の指標値と、閾値とのオーダを統一することができ、周期性の有無を判定する精度の向上を図ることができる。
管理装置１００によれば、１周期分と設定された単位期間で対象期間を分割した複数の部分期間それぞれにおける指標値の最大値と最小値との差分に関する統計値を所定値で除算した値を閾値に決定することができる。これにより、管理装置１００は、利用者の能力に依存せず閾値を決定することができ、管理装置１００の利便性の向上を図ることができる。管理装置１００は、統計値を用いるため、指標値の最大値と最小値とにノイズが含まれても、周期性の有無を判定する精度の向上を図ることができる。
管理装置１００によれば、１周期分と設定された単位期間内での所定間隔の複数の時点それぞれに対応する、動作状況情報に含まれる指標値についての最大値と最小値との差分が、閾値以下であるか否かを判断する。管理装置１００によれば、差分が閾値以下であるか否かを判断した結果に基づいて、動作状況情報の周期性の有無を判断することができる。これにより、管理装置１００は、１周期分と設定された単位期間を周期と仮定して、動作状況情報に周期性があるか否かを判定することができる。
管理装置１００によれば、動作状況情報について周期性を有さないと判断した場合、動作状況情報のみに基づいて、動作状況情報についての予測値を生成することができる。これにより、管理装置１００は、動作状況情報が周期性を有さないため、過去稼動情報を作成しても計算資源の動作状況についての変動傾向を表現することが難しい場合には、過去稼動情報を生成せず、処理負担の低減化を図ることができる。結果として、管理装置１００は、過去稼動情報を使用せず、予測値を生成する精度の低下を防止することができる。
管理装置１００によれば、対象期間内での複数の時点それぞれについて、当該時点における指標値および当該時点の所定時間後の時点に対応する単位期間内での時点に対応する統計値を対応付けることができる。管理装置１００によれば、所定時点について対応付けられた指標値および統計値の組み合わせとの間で所定条件を満たす、所定時点より前の時点について対応付けられた指標値および統計値の組み合わせを特定することができる。管理装置１００によれば、特定した組み合わせに基づいて動作状況情報についての予測値を生成することができる。これにより、管理装置１００は、ＪＩＴモデリングを実現し、予測値を生成する精度の向上を図ることができる。
管理装置１００によれば、所定時点について対応付けられた指標値および統計値のそれぞれと、所定時点より前の時点について対応付けられた指標値および統計値のそれぞれとの差分についてのＬ２ノルムを算出することができる。管理装置１００によれば、所定条件として、算出したＬ２ノルムが所定値以下であるという条件を用いることができる。これにより、管理装置１００は、ＪＩＴモデリングによって予測モデルを作成する精度の向上を図ることができる。
管理装置１００によれば、生成した動作状況情報についての予測値と、予め定められた基準値とに基づき、情報処理装置２０１の計算資源を管理することができる。これにより、管理装置１００は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
管理装置１００によれば、予測値が基準値よりも使用度合いが大きいことを示す指標値である場合、仮想マシンに割り当てる情報処理装置２０１の計算資源を増加させることができる。これにより、管理装置１００は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
管理装置１００によれば、予測値が基準値よりも使用度合いが小さいことを示す指標値である場合、仮想マシンに割り当てる情報処理装置２０１の計算資源を減少させることができる。これにより、管理装置１００は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
管理装置１００によれば、情報処理装置２０１の計算資源が割り当てられた仮想マシンがなければ、情報処理装置２０１への電源供給の停止を行うことができる。これにより、管理装置１００は、情報処理装置２０１の計算資源を制御することができ、ＳＬＡを満たしつつ、データセンターの消費電力の低減化を図ることができる。
なお、本実施の形態で説明した情報処理システムの制御方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーションなどのコンピュータで実行することにより実現することができる。本実施の形態で説明した管理装置の管理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した管理装置の管理プログラムは、インターネット等のネットワークを介して配布してもよい。
上述した実施の形態に関し、さらに以下の付記を開示する。
（付記１）計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムを管理する管理装置において、
前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集する収集部と、
前記動作状況情報と、閾値とに基づき、前記動作状況情報の周期性の有無を判断する判断部と、
前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成する作成部と、
前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測値を生成する予測部と、
を有することを特徴とする管理装置。
（付記２）さらに、前記動作状況情報に基づいて前記閾値を決定する決定部を有することを特徴とする付記１に記載の管理装置。
（付記３）前記決定部は、
前記動作状況情報の最大値と最小値の差分に基づいて、前記閾値を決定する、ことを特徴とする付記２に記載の管理装置。
（付記４）前記情報処理装置の計算資源の動作状況についての動作状況情報は、過去の対象期間内での所定間隔の複数の時点それぞれにおける前記情報処理装置の計算資源の動作状況についての指標値を含み、
前記決定部は、
前記対象期間の全部または一部における指標値の最大値と最小値との差分を所定値で除算した値を、前記閾値に決定する、ことを特徴とする付記３に記載の管理装置。
（付記５）前記決定部は、
１周期分と設定された単位期間で前記対象期間を分割した複数の部分期間それぞれにおける指標値の最大値と最小値との差分に関する統計値を所定値で除算した値を、前記閾値に決定する、ことを特徴とする付記４に記載の管理装置。
（付記６）前記情報処理装置の計算資源の動作状況についての動作状況情報は、過去の対象期間内での所定間隔の複数の時点それぞれにおける前記情報処理装置の計算資源の動作状況についての指標値を含み、
前記判断部は、
１周期分と設定された単位期間内での前記所定間隔の複数の時点それぞれに対応する、前記動作状況情報に含まれる指標値についての最大値と最小値との差分が、前記閾値以下であるか否かを判断した結果に基づいて、前記動作状況情報の周期性の有無を判断する、ことを特徴とする付記１〜５のいずれか一つに記載の管理装置。
（付記７）前記予測部は、
前記動作状況情報について周期性を有さないと判断した場合、前記動作状況情報のみに基づいて、前記動作状況情報についての予測値を生成する、ことを特徴とする付記１〜６のいずれか一つに記載の管理装置。
（付記８）前記情報処理装置の計算資源の動作状況についての動作状況情報は、過去の対象期間内での所定間隔の複数の時点それぞれにおける前記情報処理装置の計算資源の動作状況についての指標値を含み、
前記所定期間についての動作状況についての過去稼動情報は、１周期分と設定された単位期間内での前記所定間隔の複数の時点それぞれに対応する、前記動作状況情報に含まれる動作状況についての指標値に関する統計値を含み、
前記予測部は、
前記対象期間内での複数の時点それぞれについて、当該時点における指標値および当該時点の所定時間後の時点に対応する前記単位期間内での時点に対応する統計値を対応付け、
所定時点について対応付けられた指標値および統計値の組み合わせとの間で所定条件を満たす、前記所定時点より前の時点について対応付けられた指標値および統計値の組み合わせを特定し、
特定した前記組み合わせに基づいて前記動作状況情報についての予測値を生成する、ことを特徴とする付記１〜７のいずれか一つに記載の管理装置。
（付記９）前記所定条件は、前記所定時点について対応付けられた指標値および統計値のそれぞれと、前記所定時点より前の時点について対応付けられた指標値および統計値のそれぞれとの差分についてのＬ２ノルムが所定値以下であるという条件である、ことを特徴とする付記８に記載の管理装置。
（付記１０）さらに、前記予測部が生成した前記動作状況情報についての予測値と、予め定められた基準値とに基づき、前記情報処理装置の計算資源を管理する管理部を有することを特徴とする付記１〜９のいずれか一つに記載の管理装置。
（付記１１）前記情報処理装置の計算資源は仮想マシンに割り当て可能な計算資源であり、
前記基準値は予め定められた、前記仮想マシンに関する前記情報処理装置の計算資源の動作状況についての指標値であり、
前記管理部は、
前記予測値が前記基準値よりも使用度合いが大きいことを示す指標値である場合、前記仮想マシンに割り当てる前記情報処理装置の計算資源を増加させる、ことを特徴とする付記１０に記載の管理装置。
（付記１２）前記情報処理装置の計算資源は仮想マシンに割り当て可能な計算資源であり、
前記基準値は予め定められた、前記仮想マシンに関する前記情報処理装置の計算資源の動作状況についての指標値であり、
前記管理部は、
前記予測値が前記基準値よりも使用度合いが小さいことを示す指標値である場合、前記仮想マシンに割り当てる前記情報処理装置の計算資源を減少させる、ことを特徴とする付記１０または１１に記載の管理装置。
（付記１３）前記管理部は、
前記情報処理装置の計算資源が割り当てられた仮想マシンがなければ、前記情報処理装置への電源供給の停止を行う、ことを特徴とする付記１０〜１２のいずれか一つに記載の管理装置。
（付記１４）計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムの制御方法において、
前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集し、
前記動作状況情報と、閾値とに基づき、前記動作状況情報の周期性の有無を判断し、
前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成し、
前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測値を生成する、
処理をコンピュータが実行することを特徴とする情報処理システムの制御方法。
（付記１５）計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムを管理する管理装置の管理プログラムにおいて、
前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集し、
前記動作状況情報と、閾値とに基づき、前記動作状況情報の周期性の有無を判断し、
前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての動作状況についての過去稼動情報を作成し、
前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測値を生成する、
処理を前記管理装置に実行させることを特徴とする管理装置の管理プログラム。
１００ 管理装置
１０１，２２００，２２１０，２３００，２３１０，２３２０，２４００，２４１０，２４２０ グラフ
２００ 情報処理システム
２０１ 情報処理装置
２１０ ネットワーク
３００ ＪＩＴ予測ソフトウェア
３１０ インフラ管理ソフトウェア
４００ バス
４０１ ＣＰＵ
４０２ メモリ
４０３ ネットワークＩ／Ｆ
４０４ 記録媒体Ｉ／Ｆ
４０５ 記録媒体
５００ 稼動状況ＤＢ
６００ 周期性判断ＤＢ
７００ 過去稼動状況ＤＢ
８００ 周期性判断閾値ＤＢ
９００ 計算資源管理ＤＢ
１０００ 対応関係管理ＤＢ
１１００ 記憶部
１１０１ 収集部
１１０２ 決定部
１１０３ 判断部
１１０４ 作成部
１１０５ 予測部
１１０６ 管理部
１２０１ ＤＢ
１２０２ メトリクス収集部
１２０３ 閾値決定部
１２０４ 周期性判断部
１２０５ データセット作成部
１２０６ 作成要求受付部
１２０７ タイマー部
１２０８ 近傍データセット検索部
１２０９ 変数選択部
１２１０ 予測値計算部
１２１１ 制御対象選択部
１２１２ 制御方針決定部
１２２１ 制御受取部
１２２２ 制御指示部
１２３１，１２３２ 仮想化ソフトウェア
２１００ 表
２２０１ 部分
２３０１，２３０２，２４０１，２４０２ 数直線

Claims (9)

  1. 計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムを管理する管理装置において、
    前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集する収集部と、
    前記動作状況情報と、閾値とに基づき、前記動作状況情報の周期性の有無を判断する判断部と、
    前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての１周期分と設定された単位期間における計算資源の動作状況についてのメトリックに関する指標値の変動傾向を示す過去稼動情報を作成する作成部と、
    前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測を行う予測モデルを作成し、作成した前記予測モデルを用いて、前記動作状況情報についての予測値を生成する予測部と、
    を有することを特徴とする管理装置。
  2. さらに、前記動作状況情報に基づいて前記閾値を決定する決定部を有することを特徴とする請求項１に記載の管理装置。
  3. 前記決定部は、
    前記動作状況情報の最大値と最小値の差分に基づいて、前記閾値を決定する、ことを特徴とする請求項２に記載の管理装置。
  4. 前記情報処理装置の計算資源の動作状況についての動作状況情報は、過去の対象期間内での所定間隔の複数の時点それぞれにおける前記情報処理装置の計算資源の動作状況についての指標値を含み、
    前記判断部は、
    前記１周期分と設定された単位期間内での前記所定間隔の複数の時点それぞれに対応する、前記動作状況情報に含まれる指標値についての最大値と最小値との差分が、前記閾値以下であるか否かを判断した結果に基づいて、前記動作状況情報の周期性の有無を判断する、ことを特徴とする請求項１〜３のいずれか一つに記載の管理装置。
  5. 前記予測部は、
    前記動作状況情報について周期性を有さないと判断した場合、前記動作状況情報のみに基づいて、前記動作状況情報についての予測を行う予測モデルを作成し、作成した前記予測モデルを用いて、前記動作状況情報についての予測値を生成する、ことを特徴とする請求項１〜４のいずれか一つに記載の管理装置。
  6. 前記情報処理装置の計算資源の動作状況についての動作状況情報は、過去の対象期間内での所定間隔の複数の時点それぞれにおける前記情報処理装置の計算資源の動作状況についての指標値を含み、
    前記所定期間についての動作状況についての過去稼動情報は、１周期分と設定された単位期間内での前記所定間隔の複数の時点それぞれに対応する、前記動作状況情報に含まれる動作状況についての指標値に関する統計値を含み、
    前記予測部は、
    前記対象期間内での複数の時点それぞれについて、当該時点における指標値および当該時点の所定時間後の時点に対応する前記単位期間内での時点に対応する統計値を対応付け、
    所定時点について対応付けられた指標値および統計値の組み合わせとの間で所定条件を満たす、前記所定時点より前の時点について対応付けられた指標値および統計値の組み合わせを特定し、
    特定した前記組み合わせに基づいて、前記動作状況情報についての予測を行う予測モデルを作成し、作成した前記予測モデルを用いて、前記動作状況情報についての予測値を生成する、ことを特徴とする請求項１〜５のいずれか一つに記載の管理装置。
  7. さらに、前記予測部が生成した前記動作状況情報についての予測値と、予め定められた基準値とに基づき、前記情報処理装置の計算資源を管理する管理部を有することを特徴とする請求項１〜６のいずれか一つに記載の管理装置。
  8. 計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムの制御方法において、
    前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集し、
    前記動作状況情報と、閾値とに基づき、前記動作状況情報の周期性の有無を判断し、
    前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての１周期分と設定された単位期間における計算資源の動作状況についてのメトリックに関する指標値の変動傾向を示す過去稼動情報を作成し、
    前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測を行う予測モデルを作成し、作成した前記予測モデルを用いて、前記動作状況情報についての予測値を生成する、
    処理をコンピュータが実行することを特徴とする情報処理システムの制御方法。
  9. 計算資源をそれぞれ有する複数の情報処理装置を備える情報処理システムを管理する管理装置の管理プログラムにおいて、
    前記複数の情報処理装置の記憶部がそれぞれ記憶する自装置の計算資源の動作状況についての動作状況情報を収集し、
    前記動作状況情報と、閾値とに基づき、前記動作状況情報の周期性の有無を判断し、
    前記動作状況情報について周期性を有すると判断した場合、周期性を有する過去の所定期間についての１周期分と設定された単位期間における計算資源の動作状況についてのメトリックに関する指標値の変動傾向を示す過去稼動情報を作成し、
    前記動作状況情報について周期性を有すると判断した場合、前記動作状況情報と、前記過去稼動情報とに基づいて、前記動作状況情報についての予測を行う予測モデルを作成し、作成した前記予測モデルを用いて、前記動作状況情報についての予測値を生成する、
    処理を前記管理装置に実行させることを特徴とする管理装置の管理プログラム。
JP2017081542A 2017-04-17 2017-04-17 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム Active JP6891611B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017081542A JP6891611B2 (ja) 2017-04-17 2017-04-17 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム
US15/945,061 US10680904B2 (en) 2017-04-17 2018-04-04 Determining periodicity of operation status information to predict future operation statuses of resources of the information processing devices

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017081542A JP6891611B2 (ja) 2017-04-17 2017-04-17 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム

Publications (2)

Publication Number Publication Date
JP2018181062A JP2018181062A (ja) 2018-11-15
JP6891611B2 true JP6891611B2 (ja) 2021-06-18

Family

ID=63790463

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017081542A Active JP6891611B2 (ja) 2017-04-17 2017-04-17 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム

Country Status (2)

Country Link
US (1) US10680904B2 (ja)
JP (1) JP6891611B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020066962A1 (ja) * 2018-09-25 2020-04-02 日本電気株式会社 設計管理装置、その制御方法、プログラム、及び、管理システム
JP7234702B2 (ja) * 2019-03-07 2023-03-08 日本電気株式会社 情報処理装置、コンテナ配置方法及びコンテナ配置プログラム
US11182716B2 (en) * 2020-01-30 2021-11-23 Coupang Corp. Cost efficiency tracking for configuration management database
CN113568822B (zh) * 2021-08-03 2023-09-05 安天科技集团股份有限公司 业务资源监控方法、装置、计算设备及存储介质
CN114138095B (zh) * 2022-01-29 2022-05-10 阿里巴巴（中国）有限公司 互联网数据中心idc的功耗处理方法、设备和可读介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4119239B2 (ja) 2002-12-20 2008-07-16 株式会社日立製作所 計算機資源割当方法、それを実行するための資源管理サーバおよび計算機システム
JP4839361B2 (ja) 2008-11-11 2011-12-21 株式会社日立製作所 仮想マシン移動管理サーバおよび仮想マシン移動方法
JP5338906B2 (ja) * 2009-06-01 2013-11-13 富士通株式会社 サーバ管理プログラム、管理サーバ、仮想サーバ配置方法
US10264050B2 (en) * 2016-10-03 2019-04-16 Paypal, Inc. Predictive analysis of computing patterns for preloaded data to reduce processing downtime

Also Published As

Publication number Publication date
JP2018181062A (ja) 2018-11-15
US20180302295A1 (en) 2018-10-18
US10680904B2 (en) 2020-06-09

Similar Documents

Publication Publication Date Title
JP6891611B2 (ja) 管理装置、情報処理システムの制御方法、および管理装置の管理プログラム
US20210224114A1 (en) Capacity Analysis Using Closed-System Modules
Noorshams et al. Predictive performance modeling of virtualized storage systems using optimized statistical regression techniques
US11474945B2 (en) Cache and I/O management for analytics over disaggregated stores
US9477601B2 (en) Apparatus and method for determining a sector division ratio of a shared cache memory
US20200026566A1 (en) Workload identification and display of workload-specific metrics
US20190288921A1 (en) Service level management of a workload defined environment
US10942763B2 (en) Operation management apparatus, migration destination recommendation method, and storage medium
US20120221373A1 (en) Estimating Business Service Responsiveness
Perez et al. Reference-distance eviction and prefetching for cache management in spark
US9875169B2 (en) Modeling real capacity consumption changes using process-level data
CA3141319C (en) Reducing cache interference based on forecasted processor use
US10489074B1 (en) Access rate prediction in a hybrid storage device
US20170139754A1 (en) A mechanism for controled server overallocation in a datacenter
US10871986B2 (en) Virtual server migration after performance deterioration
US10636044B2 (en) Projecting resource demand using a computing device
Chen et al. Ensemble: A tool for performance modeling of applications in cloud data centers
JP6163926B2 (ja) 仮想マシン管理装置、仮想マシン管理方法、及びプログラム
JP6787032B2 (ja) 制御装置、制御方法、および制御プログラム
US20230129647A1 (en) Distribution of quantities of an increased workload portion into buckets representing operations
US20210398176A1 (en) Apparatus, method, and storage medium for burstable instance recommendation
Liu et al. Global cost/quality management across multiple applications
JP7135780B2 (ja) ライブマイグレーション調整プログラム及びライブマイグレーション調整方法
Venkatesan et al. Sizing cleancache allocation for virtual machines’ transcendent memory
Jeesoo et al. OMBM-ML: An Efficient Memory Bandwidth Management for Ensuring QoS and Improving Server Utilization

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200115

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201211

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210112

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210315

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: 20210427

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210510

R150 Certificate of patent or registration of utility model

Ref document number: 6891611

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150