WO2023228375A1 - 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム - Google Patents

電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム Download PDF

Info

Publication number
WO2023228375A1
WO2023228375A1 PCT/JP2022/021617 JP2022021617W WO2023228375A1 WO 2023228375 A1 WO2023228375 A1 WO 2023228375A1 JP 2022021617 W JP2022021617 W JP 2022021617W WO 2023228375 A1 WO2023228375 A1 WO 2023228375A1
Authority
WO
WIPO (PCT)
Prior art keywords
power efficiency
task
importance
metrics
application
Prior art date
Application number
PCT/JP2022/021617
Other languages
English (en)
French (fr)
Inventor
義人 伊藤
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2022/021617 priority Critical patent/WO2023228375A1/ja
Publication of WO2023228375A1 publication Critical patent/WO2023228375A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring

Definitions

  • the present invention relates to a power efficiency calculation device, a power efficiency calculation method, a power efficiency calculation system, and a program that calculate power efficiency for application processing.
  • DCeP Data Center energy Productivity
  • DCeP power efficiency
  • work output a portion of energy consumed by Power consumption
  • power consumption Total Energy Consumed to Perform that Work.
  • power consumption Total Energy Consumed to Perform that Work
  • M is the number of tasks started during the evaluation window
  • V i is the normalization coefficient obtained by summing the numerical values of the tasks
  • U i (t, T) is the number of tasks started for each task.
  • ⁇ t'' is the elapsed time from task initiation to completion
  • ⁇ T'' is the absolute time of task completion.
  • Non-Patent Document 2 in HPC (High Performance Computing) data centers, "Useful Work Produced” (work output amount) is defined as the energy consumed when various applications process, and the result of calculating DCeP is Are listed.
  • all tasks are treated equally without considering the weight of each application type or the importance of processing between tasks.
  • Non-Patent Document 3 "Useful Work Produced” (work output amount) is defined as the number of times two types of applications are executed within a certain period of time (Useful Computational Units), and each is executed using a weighting coefficient (1:0.08). The number of executions is normalized.
  • Non-Patent Documents 1 to 3 do not define a method for setting weights based on each application type, the importance of processing between tasks, etc. in DCeP calculation.
  • the number of executions of an application is determined as the processing amount of a task, and the power efficiency is calculated as the sum of two types of tasks (task A, task B).
  • the power efficiency will reflect only the result of task A. Therefore, even if task B is an important process, it is not considered.
  • the present invention has been made in view of these points, and an object of the present invention is to calculate power efficiency that reflects the importance of applications and tasks.
  • a power efficiency calculation device is a power efficiency calculation device that calculates power efficiency by executing an application installed on a group of physical servers, and the physical server group is configured to execute one or more tasks.
  • the power efficiency calculation device is equipped with one or more applications for calculating power efficiency from the physical server group, which is an evaluation index necessary for power efficiency calculation, and includes the amount of task execution and the power consumption of the physical server group.
  • a metrics collection unit that collects and stores it in a metrics collection DB in a storage unit, acquires the task execution amount stored in the metrics collection DB, and uses the task execution amount measured at each predetermined measurement time
  • a task execution amount normalization unit that determines a normalization coefficient for each task of each application, and sets an importance group for each application and each task based on a predetermined importance group setting logic, and an importance group setting unit that sets a weight according to the importance of each importance group of each of the tasks, and a metrics collection unit that acquires the metrics of a predetermined evaluation period collected by the metrics collection unit;
  • Regarding the amount of task execution included normalize the amount of task execution using the normalization coefficient for each task of each application, and calculate the normalized amount of task execution and the importance of each application and each task.
  • a power efficiency calculation unit that calculates a total amount of work results using the weight of the degree group, and calculates power efficiency from the power consumption included in the metrics and the total amount of work results.
  • FIG. 2 is a diagram showing a formula for calculating “Useful Work Produced” (amount of work results) according to the present embodiment.
  • FIG. 3 is a diagram for explaining a formula for calculating “Useful Work Produced” (amount of work results) according to the present embodiment.
  • 1 is a diagram showing the overall configuration of a power efficiency calculation system including a power efficiency calculation device according to the present embodiment.
  • FIG. 3 is a diagram showing, for each task, the maximum number of requests processed within a certain period collected by the power efficiency calculation device according to the present embodiment.
  • 2 is a flowchart showing the flow of processing executed by the power efficiency calculation device according to the present embodiment.
  • FIG. 2 is a hardware configuration diagram showing an example of a computer that implements the functions of the power efficiency calculation device according to the present embodiment.
  • FIG. 2 is a diagram for explaining problems in conventional power efficiency calculations that do not consider weights between applications or tasks.
  • this embodiment a mode for carrying out the present invention (hereinafter referred to as "this embodiment") will be described. First, an overview of the power efficiency calculation device 1 (see FIG. 3 described later) according to this embodiment will be explained.
  • the power efficiency calculation device 1 is a device that calculates power efficiency in consideration of the importance of one or more applications (Apps) and one or more tasks executed by the applications.
  • DCeP power efficiency
  • weighting coefficients are defined for applications and tasks in calculating "Useful Work Produced" (work result amount) for calculating DCeP (power efficiency).
  • a "task” refers to a series of processes in which a certain application starts (by receiving information inside the device), starts processing a request, and ends, or an application in a running state. refers to a series of processes from receiving a request from an external source, starting processing, and sending a completion notification back to the request source.
  • the power efficiency calculation device 1 executes "Useful Work Produced” (work result amount) in the above equation (1) using multiple applications, as shown in equation (3) in FIG. Calculated as the total amount of task execution for all measurement targets. Note that one or more types of tasks are executed in one application. Further, the weighting coefficients are defined as “application weighting coefficient: W” and “task weighting coefficient: V”.
  • the power efficiency calculation device 1 uses two methods for determining weights: (1) normalization of task execution amount and (2) group classification based on importance.
  • Normalization of task execution amount calculates the task execution amount C ij TA completed in the assessment window TA for each of multiple tasks including multiple applications by the task execution amount C ij TA completed in a certain amount of time. Normalize by dividing by ij T0 . This is to calculate power efficiency that does not depend on the amount of task execution, such as the number of times a task is processed (for example, the number of requests processed).
  • the normalized task amount C ij is expressed by equation (4) in FIG.
  • the importance groups of applications are classified into a number less than or equal to the number of types of target applications, and a weighting coefficient is defined for each importance group.
  • Each application is previously assigned to an importance group according to its importance.
  • tasks are classified into a number equal to or less than the number of target task types, and a weighting coefficient is defined for each importance group.
  • Each task is assigned to an importance group in advance according to its importance. To calculate the task amount of the application, the weighting coefficient of the application is multiplied by the weighting coefficient of the task.
  • the power efficiency calculation device 1 calculates the importance of applications and tasks, regardless of the amount of processing, regarding the "Useful Work Produced" (amount of work produced) of an application that has multiple applications or multiple tasks.
  • DCeP power efficiency
  • FIG. 3 is a diagram showing the overall configuration of a power efficiency calculation system 1000 including the power efficiency calculation device 1 according to the present embodiment.
  • the power efficiency calculation system 1000 is configured to include, for example, a physical server group 30 configured by a data center or the like, and a power efficiency calculation device 1 communicatively connected to the physical server group 30.
  • a virtualization infrastructure is constructed and operated on a physical server, and one or more applications 3 are installed in a virtual machine (VM) or a container on a virtual OS to execute processing. ing. Each application 3 realizes a service by executing one or more tasks.
  • the power efficiency calculation device 1 collects metrics, which are evaluation indicators necessary for calculating DCeP (power efficiency), from the physical server group 30, and calculates the power efficiency in consideration of the importance of applications and tasks.
  • DCeP power efficiency
  • the power efficiency calculation device 1 includes a control section 10, an input/output section 11, and a storage section 12.
  • the input/output unit 11 performs input/output of information with each server of the physical server group 30.
  • the input/output unit 11 includes a communication interface for transmitting and receiving information via a communication line, and an input/output interface for inputting and outputting information between an input device such as a keyboard and an output device such as a monitor (not shown). configured.
  • the storage unit 12 includes a hard disk, flash memory, RAM (Random Access Memory), and the like. This storage unit 12 temporarily stores programs for executing each function of the control unit 10 and information necessary for processing of the control unit 10. The storage unit 12 also collects metrics necessary for calculating DCeP (power efficiency) from each physical server in the physical server group 30, OS (virtual OS), VM, container, application, etc. and stored in a metrics collection database (DB: DataBase) 100.
  • DCeP power efficiency
  • the control unit 10 is in charge of overall processing executed by the power efficiency calculation device 1, and as shown in FIG. It is configured to include an efficiency calculation section 104.
  • the metrics collection unit 101 collects metrics (evaluation indexes such as performance) necessary for power efficiency calculation from the physical server group 30 and stores them in the metrics collection DB 100.
  • the metrics collection unit 101 collects metrics from physical servers, OS (virtual OS), VMs/containers, applications, etc. that make up the physical server group 30 using existing resource monitoring software (for example, Prometheus, etc.). .
  • the metrics collection unit 101 collects information on the number of requests processed as the amount of task execution and power consumption [W] from the physical server group 30, and stores the information in the metrics collection DB 100.
  • the metrics collection unit 101 collects metrics from the physical server group 30 in advance before calculating DCeP (power efficiency) ("advance preparation stage” to be described later), and calculates DCeP (power efficiency). Metrics will also be collected during the operation stage (described later in the "operation stage”).
  • the task execution amount normalization unit 102 determines a normalization coefficient using the task execution amount (for example, the number of requests processed) stored as a metric in the metrics collection DB 100. Specifically, the task execution amount normalization unit 102 acquires information on the amount of task execution (number of requests processed) executed for each task of each application during a certain period (for example, one day), and converts the information into predetermined data. The maximum value of the task execution amount (maximum number of requests processed within the period) in a period (every predetermined measurement time) is extracted for each task of each application. Then, the task execution amount normalization unit 102 determines a value obtained by reciprocating the extracted maximum value of the task execution amount as a normalization coefficient for each task of each application.
  • the task execution amount normalization unit 102 determines the normalization coefficient for each task to be (1/100, 1/200, 1/10). Note that the task execution amount normalization unit 102 sets the task execution amount C ij T0 , which is completed in a certain period of time, in equation (4 ) of FIG. T0 ' is determined as the normalization coefficient.
  • the importance group setting unit 103 sets importance groups regarding applications and tasks based on predetermined importance group setting logic.
  • the importance group setting unit 103 employs, for example, the following three logics as the predetermined importance group setting logic.
  • the importance group setting logic "1” is a "method that uses business-related KPI (Key Performance Indicator)". KPI is an index for performance management evaluation of sales.
  • the importance group setting unit 103 sets importance groups for applications and tasks using business-related KPIs such as sales and profits for each.
  • the importance group setting unit 103 sets four types of groups in which the sales ranking of each application is the top 5%, 5 to 15%, 15 to 50%, and 50% or less of the total applications. Further, for example, importance groups are set for the number of tasks using the sales ratio of each task as a coefficient. In this way, in the importance group setting logic "1", importance groups of applications and tasks are set using business-related KPIs.
  • the importance group setting logic "2” is a "method that utilizes the functional classification of applications.”
  • the importance group setting unit 103 sets importance groups for applications and tasks using the importance of each functional classification of the application or task.
  • the importance group setting unit 103 sets importance groups in the order of Create ⁇ Update ⁇ Delete ⁇ Read among the Create/Read/Update/Delete controls. do.
  • the importance group setting unit 103 sets importance groups in the order of session establishment, session update, session disconnection, session maintenance, and retransmission processing. In this manner, importance group setting logic "2" sets importance groups according to the functional classification of applications and tasks.
  • the importance group setting logic "3” is a "method that uses application task processing metrics.”
  • the importance group setting unit 103 sets importance groups using metrics related to task processing results of applications.
  • the importance group setting unit 103 selects, for example, the top 5%, 5 to 15% in each of the metrics such as CPU usage rate, memory usage rate, number of requests, task processing TAT (Turn Around Time), and I/O throughput. , 15 to 50%, and 50% or less. In this manner, importance group setting logic "3" uses task processing metrics of the application to set importance groups.
  • the importance group setting unit 103 sets importance groups for applications and tasks using the above-mentioned importance group setting logic, and then calculates a weighting coefficient according to the importance (the higher the importance group, the higher the value). weighting coefficient) is set for each importance group.
  • the power efficiency calculation unit 104 calculates DCeP (power efficiency) using the metrics (for example, the number of requests processed and power consumption) collected by the metrics collection unit 101. Specifically, the power efficiency calculation unit 104 first calculates "Useful Work Produced" (work result amount) using the above equation (3). At this time, the normalized task amount C ij shown in equation (4) is the task execution amount C ij TA that has been completed in the assessment window TA , which is a preset measurement period (predetermined evaluation period). This is the value multiplied by the normalization coefficient calculated by the normalization unit 102.
  • DCeP power efficiency
  • the normalized task amount C ij shown in equation (4) is the task execution amount C ij TA that has been completed in the assessment window TA , which is a preset measurement period (predetermined evaluation period). This is the value multiplied by the normalization coefficient calculated by the normalization unit 102.
  • the application weighting coefficient “W i ” and the task weighting coefficient “V ij ” are the weighting coefficients of each importance group of the application set by the importance group setting unit 103 ⁇ w 0 , w 1 , . . . . , w m ⁇ and weighting coefficients ⁇ v 0 , v 1 , . . . , vn i ⁇ of each group of tasks are used.
  • the power efficiency calculation unit 104 calculates DCeP (power efficiency) using the above equation (1).
  • DCeP power efficiency
  • the value calculated by equation (3) is used.
  • Total Energy Consumed to Perform that Work is the total power consumption consumed by the physical server group 30 in the assessment window T A , which is a preset measurement period (predetermined evaluation period). Use. The total amount of power consumed by the physical server group 30 is calculated by summing the power consumption collected as metrics during a preset measurement period (predetermined evaluation period).
  • FIG. 5 is a flowchart showing the flow of processing executed by the power efficiency calculation device 1 according to the present embodiment.
  • the processing executed by this power efficiency calculation device 1 can be broadly divided into a preliminary preparation stage and an operation stage.
  • the metrics collected in advance from the physical server group 30 are used to calculate the normalization coefficient for the task execution amount, and the importance groups of applications and tasks are set, and the weighting coefficient for each importance group is calculated. Determine.
  • DCeP power efficiency
  • FIG. 3 two applications, App “1” and App “2” are installed on the physical server group 30, and App “1” has one task (Task1-1).
  • An example will be explained in which two tasks (Task2-1, Task2-2) are executed in App "2".
  • the metrics collection unit 101 of the power efficiency calculation device 1 collects metrics (evaluation indexes such as performance) necessary for power efficiency calculation from the physical server group 30 and stores them in the metrics collection DB 100 (step S10).
  • the metrics collection unit 101 collects metrics using, for example, resource monitoring software (Prometheus).
  • the collected metrics include, for example, the number of requests processed as the amount of task execution and power consumption [W].
  • the metrics collection unit 101 may collect metrics by applying a test load to the application 3, for example, or may collect metrics obtained by executing actual request processing. You may.
  • the metrics collection unit 101 outputs information on the task execution amount (number of requests processed) obtained in a certain period (for example, one day) of the collected metrics to the task execution amount normalization unit 102.
  • the task execution amount normalization unit 102 of the power efficiency calculation device 1 determines a normalization coefficient for each task using the acquired task execution amount (number of requests processed) (step S11). For example, the task execution amount normalization unit 102 determines the maximum value of the task execution amount (within a period of The maximum number of requests processed) is extracted for each task of each application (see FIG. 4). Then, the task execution amount normalization unit 102 determines a value obtained by reciprocating the extracted maximum value of the task execution amount as a normalization coefficient for each task of each application. In the example shown in FIG. 4, the task execution amount normalization unit 102 sets the normalization coefficients of Tasks “1-1”, “2-1”, and “2-2” to (1/100, 1/200, 1/ 10).
  • the importance group setting unit 103 of the power efficiency calculation device 1 sets importance groups for applications and tasks based on predetermined importance group setting logic (step S12).
  • This predetermined importance group setting logic is set in advance as a "method that uses business-related KPIs,""a method that uses functional classification of an application,” a “method that uses task processing metrics of an application,” and the like.
  • the importance group setting unit 103 sets a weighting coefficient according to the importance of the set importance group (step S13).
  • the importance group setting unit 103 sets a weighting coefficient that becomes a higher value for an importance group with a higher importance level, as a weighting coefficient according to the importance level for the importance level groups of applications and tasks.
  • the power efficiency calculation unit 104 of the power efficiency calculation device 1 calculates the metrics ( The amount of task execution (number of requests processed, power consumption) is acquired from the metrics collection DB 100, and DCeP (power efficiency) is calculated (step S14). Then, the power efficiency calculation unit 104 repeats the process of calculating this DCeP (power efficiency) every predetermined evaluation period.
  • the power efficiency calculation unit 104 uses the normalization coefficient calculated by the task execution amount normalization unit 102 and the application and task weighting coefficients determined by the importance group setting unit 103 to calculate the above formula. According to (3), "Useful Work Produced" (work result amount) is calculated. In addition, the power efficiency calculation unit 104 calculates the “Total Energy Consumed to Perform that Work” (power consumption amount) in the above equation (1) by calculating the power consumption collected by the metrics collection unit 101 during a predetermined evaluation period (evaluation window: Assessment window T A ). Then, the power efficiency calculation unit 104 uses the calculated "Useful Work Produced” and "Total Energy Consumed to Perform that Work” to calculate DCeP (power efficiency).
  • the power efficiency calculation device 1 calculates the amount of work performed by one or more applications and the tasks of the applications, without depending on the mere amount of processing of the applications. It can be calculated as a quantitative value that reflects the degree of The power efficiency calculation device 1 can calculate power efficiency that reflects the importance of applications and tasks.
  • the power efficiency calculation device 1 is realized, for example, by a computer 900 having a configuration as shown in FIG.
  • FIG. 6 is a hardware configuration diagram showing an example of a computer 900 that implements the functions of the power efficiency calculation device 1 according to the present embodiment.
  • the computer 900 includes a CPU (Central Processing Unit) 901, a ROM (Read Only Memory) 902, a RAM 903, an HDD (Hard Disk Drive) 904, an input/output I/F (Interface) 905, a communication I/F 906, and a media I/F 907.
  • a CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM 903 Random Access Memory
  • HDD Hard Disk Drive
  • I/F Interface
  • the CPU 901 operates based on a program stored in the ROM 902 or HDD 904, and is controlled by the control unit 10 (FIG. 3).
  • the ROM 902 stores a boot program executed by the CPU 901 when the computer 900 is started, programs related to the hardware of the computer 900, and the like.
  • the CPU 901 controls an input device 910 such as a mouse or a keyboard, and an output device 911 such as a display or printer via an input/output I/F 905.
  • the CPU 901 acquires data from the input device 910 via the input/output I/F 905 and outputs the generated data to the output device 911.
  • the HDD 904 stores programs executed by the CPU 901 and data used by the programs.
  • the communication I/F 906 receives data from other devices via a communication network (for example, NW (Network) 920) and outputs it to the CPU 901, and also sends data generated by the CPU 901 to other devices via the communication network. Send to device.
  • NW Network
  • the media I/F 907 reads the program or data stored in the recording medium 912 and outputs it to the CPU 901 via the RAM 903.
  • the CPU 901 loads a program related to target processing from the recording medium 912 onto the RAM 903 via the media I/F 907, and executes the loaded program.
  • the recording medium 912 is an optical recording medium such as a DVD (Digital Versatile Disc) or a PD (Phase change rewritable disk), a magneto-optical recording medium such as an MO (Magneto Optical disk), a magnetic recording medium, a semiconductor memory, or the like.
  • the CPU 901 of the computer 900 realizes the functions of the power efficiency calculation device 1 by executing a program loaded onto the RAM 903. Furthermore, data in the RAM 903 is stored in the HDD 904 .
  • the CPU 901 reads a program related to target processing from the recording medium 912 and executes it. In addition, the CPU 901 may read a program related to target processing from another device via a communication network (NW 920).
  • the power efficiency calculation device is a power efficiency calculation device 1 that calculates power efficiency by executing an application 3 installed in a physical server group 30, and the physical server group 30 includes one or more One or more applications 3 that execute tasks are installed, and the power efficiency calculation device 1 calculates the amount of task execution and the consumption of the physical server group 30, which is an evaluation index necessary for power efficiency calculation, from the physical server group 30.
  • a metrics collection unit 101 that collects metrics including power and stores them in a metrics collection DB 100 in the storage unit 12, acquires the task execution amount stored in the metrics collection DB 100, and executes the tasks measured at every predetermined measurement time.
  • the task execution amount normalization unit 102 determines the normalization coefficient for each task of each application 3 using the amount, and sets the importance group for each application 3 and each task based on a predetermined importance group setting logic. and obtains the metrics for a predetermined evaluation period collected by the importance group setting unit 103 that sets weights according to the importance of the importance group of each application 3 and the importance group of each task, and the metrics collection unit 101.
  • the task execution amount is normalized using the normalization coefficient for each task of each application 3, and the normalized task execution amount and each of the applications 3 and each of the tasks are a power efficiency calculation unit 104 that calculates a total amount of work results using the weight of each importance group, and calculates power efficiency from the power consumption included in the metrics and the total amount of work results. It is characterized by
  • the power efficiency calculation device 1 calculates the amount of work performed by one or more applications and the tasks of the applications, without depending on the mere amount of processing of the applications. It can be calculated as a quantitative value that reflects the degree of Therefore, the power efficiency calculation device 1 can calculate power efficiency that reflects the importance of applications and tasks.
  • the task execution amount normalization unit 102 extracts the maximum value of the task execution amount measured at each predetermined measurement time for each task of each application 3, and It is characterized in that a value obtained by reciprocating the maximum value of the execution amount is determined as a normalization coefficient for each task of each application 3.
  • the power efficiency calculation device 1 can determine the normalization coefficient so as not to depend on the amount of task execution (processing amount) for each task of each application, and can normalize the amount of task execution.
  • the power efficiency calculation device 1 is characterized in that the predetermined importance group setting logic is a logic that sets the importance group using KPI (Key Performance Indicator) including sales of each of the application 3 and the task. do.
  • KPI Key Performance Indicator
  • the power efficiency calculation device 1 can use the KPI to set importance groups for applications and tasks, and set weighting coefficients for each importance group.
  • the power efficiency calculation device 1 is characterized in that the predetermined importance group setting logic is a logic that sets importance groups using functional classifications of applications 3 and tasks.
  • the power efficiency calculation device 1 can use the functional classification of the application 3 and the task to set the importance group of the application 3 and the task, and set the weighting coefficient of each importance group.
  • the power efficiency calculation device 1 is characterized in that the predetermined importance group setting logic is a logic that sets importance groups using metrics collected from task processing results of each application 3.
  • the power efficiency calculation device 1 can use the task processing results of each application 3 to set the importance groups of the applications 3 and tasks, and set the weighting coefficients of each importance group.
  • Power efficiency calculation device 3
  • Application (App) 10
  • Control unit 11
  • Input/output unit 12
  • Storage unit 30
  • Physical server group 100
  • Metrics collection DB 101
  • Metrics collection unit 102
  • Task execution amount normalization unit 103
  • Importance group setting unit 104
  • Power efficiency calculation unit 1000 Power efficiency calculation system

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Sources (AREA)

Abstract

電力効率計算装置（１）は、物理サーバ群（３０）からメトリクスを収集するメトリクス収集部（１０１）と、各アプリケーション（３）のタスクごとの正規化係数を決定するタスク実行量正規化部（１０２）と、各アプリケーション（３）および各タスクの重要度グループを設定して重みを決定する重要度グループ設定部（１０３）と、タスク実行量を正規化係数を用いて正規化し、その正規化したタスク実行量と、アプリケーション（３）およびタスクの重要度グループの重みとを用いてトータルの作業成果量を算出し、電力効率を計算する電力効率計算部（１０４）とを備える。

Description

電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム
　本発明は、アプリケーション処理についての電力効率を計算する、電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラムに関する。
　これまで、データセンタの電力効率指標は、様々な定義が提唱されている。その中で、特定のアプリケーションをどの程度の電力効率で運用できているかについて、リアルタイムに計測して算出できる指標は、ＤＣｅＰ（Data Center energy Productivity）に限られる（非特許文献１参照）。ＤＣｅＰは、以下の式（１）により定義される。
Figure JPOXMLDOC01-appb-M000001
　ＤＣｅＰ（電力効率）は、「Useful Work Produced」（生成された有用な作業：本明細書では「作業成果量」と称する。）を、「Total Energy Consumed to Perform that Work」（その作業を実行するために消費される総エネルギー：本明細書では「消費電力量」とする。）で割ったものとして定義される。
　また、「Useful Work Produced」（作業成果量）は、以下の式（２）により定義される。
Figure JPOXMLDOC01-appb-M000002
　ここで、「Ｍ」は、評価ウィンドウ中に開始されたタスク数、「Ｖｉ」は、タスクの数値を合計して得た正規化係数、「Ｕｉ（ｔ，Ｔ）」は、各タスクの時間ベースの効用関数、「ｔ」は、タスクの開始から完了までの経過時間、「Ｔ」は、タスク完了の絶対時間である。
　非特許文献１において、「Useful Work Produced」（作業成果量）の対象とするタスクには、重み係数を設定し、タスク間の値のバランスを調整することが提案されている。しかしながら、具体的にどのように調整すべきかについては言及がない。また、測定間隔である評価ウィンドウ（Assessment window）については、「タスク実行２０回以上の間隔が望ましい」とのみ記載されている。
　また、非特許文献２では、ＨＰＣ（High Performance Computing）データセンタにおいて、「Useful Work Produced」（作業成果量）を、各種アプリケーションが処理した際に消費したエネルギーとして定義し、ＤＣｅＰを計算した結果が記載されている。ただし、非特許文献２では、アプリケーション種別ごとの重みや、タスク間の処理の重要度は考慮せずに、全タスクを等価に扱っている。
　また、非特許文献３では、「Useful Work Produced」（作業成果量）を一定時間内でのアプリケーション２種類の実行回数（Useful Computational Units）として定義し、重み係数（１：0.08）でそれぞれを実行したときの実行回数を正規化している。
D. Anderson, et al.,"A framework for data center energy productivity." The Green Grid, 2008. A. Grishina, et al.,"DC energy data measurement and analysis for productivity and waste energy assessment," 2018 IEEE International Conference on Computational Science and Engineering (CSE), IEEE, 2018. Landon H. Sego, et al.,"Implementing the data center energy productivity metric,"ACM Journal on Emerging Technologies in Computing Systems (JETC) 8.4 (2012): 1-22.
　上記した非特許文献１～３に記載のＤＣｅＰの計算においては、アプリケーション種別ごとの重みや、タスク間の処理の重要度は考慮されていない。よって、アプリケーション間や、同一アプリケーション内のタスク間において、処理の重要度やＳＬＡ（Service Level Agreement：サービス品質保証）に差がある場合でも、アプリケーション間やタスク間の重みを考慮した処理量（「Useful Work Produced」）を計算できず、適切な電力効率値を算出できないものであった。つまり、非特許文献１～３では、ＤＣｅＰの計算において、アプリケーション種別ごとや、タスク間の処理の重要度等による重みの設定手法が定義されていなかった。
　例えば、図７で示すように、アプリケーションの実行回数をタスクの処理量として定め、２種類のタスク（タスクＡ，タスクＢ）の合計で電力効率を計算する。この場合、各タスクの実行回数が単位時間当たり1,000回と１回で、重みを設定しないとすると、電力効率は、ほぼタスクＡの結果のみを反映してしまう。よって、タスクＢが重要な処理であっても考慮されない結果となる。
　このような点に鑑みて本発明がなされたのであり、本発明は、アプリケーションやタスクの重要度を反映した電力効率を算出することを課題とする。
　本発明に係る電力効率計算装置は、物理サーバ群に搭載されたアプリケーションを実行することによる電力効率を計算する電力効率計算装置であって、前記物理サーバ群には、1つ以上のタスクを実行する1つ以上のアプリケーションが搭載されており、前記電力効率計算装置が、前記物理サーバ群から、電力効率計算に必要な評価指標であり、タスク実行量および前記物理サーバ群の消費電力を含むメトリクスを収集し、記憶部内のメトリクス収集ＤＢに保存するメトリクス収集部と、前記メトリクス収集ＤＢに保存された前記タスク実行量を取得し、所定の測定時間ごとに計測されたタスク実行量を用いて、各前記アプリケーションのタスクごとの正規化係数を決定するタスク実行量正規化部と、各前記アプリケーションおよび各前記タスクに関する重要度グループの設定を、所定の重要度グループ設定ロジックに基づき行い、各前記アプリケーションの重要度グループ、各前記タスクの重要度グループそれぞれの重要度に応じた重みを設定する重要度グループ設定部と、前記メトリクス収集部が収集した所定の評価期間のメトリクスを取得し、前記メトリクスに含まれる前記タスク実行量について、各前記アプリケーションのタスクごとの前記正規化係数を用いて、当該タスク実行量を正規化し、その正規化したタスク実行量と、各前記アプリケーションおよび各前記タスクそれぞれの重要度グループの重みとを用いてトータルの作業成果量を算出し、前記メトリクスに含まれる前記消費電力と、前記トータルの作業成果量とから電力効率を計算する電力効率計算部と、を備えることを特徴とする。
　本発明によれば、アプリケーションやタスクの重要度を反映した電力効率を算出することができる。
本実施形態に係る「Useful Work Produced」（作業成果量）の算出式を示す図である。 本実施形態に係る「Useful Work Produced」（作業成果量）の算出式を説明するための図である。 本実施形態に係る電力効率計算装置を含む電力効率計算システムの全体構成を示す図である。 本実施形態に係る電力効率計算装置が収集する一定期間内の最大リクエスト処理数をタスクごとに示す図である。 本実施形態に係る電力効率計算装置が実行する処理の流れを示すフローチャートである。 本実施形態に係る電力効率計算装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。 アプリケーション間やタスク間の重みを考慮しない従来の電力効率の計算における課題を説明するための図である。
　次に、本発明を実施するための形態（以下、「本実施形態」と称する。）について説明する。まず、本実施形態に係る電力効率計算装置１（後記する図３参照）の概要について説明する。
＜概要＞
　本実施形態に係る電力効率計算装置１は、１つ以上のアプリケーション（Ａｐｐ）、そのアプリケーションにより実行される１つ以上のタスクの重要度を考慮した上で、電力効率を計算する装置である。
　電力効率の指標としては、上記した式（１）で示されるＤＣｅＰ（電力効率）を用いる。また、本実施形態においては、ＤＣｅＰ（電力効率）を算出するための、「Useful Work Produced」（作業成果量）の算出において、アプリケーションとタスクとに重み係数を定義する。
　なお、本実施形態において、「タスク」とは、あるアプリケーションが（装置内部で情報を受け取ることにより）起動してリクエストに対する処理を開始し終了するまでの一連の処理、若しくは、起動状態にあるアプリケーションが外部からのリクエストを受信して処理を開始し完了通知をリクエスト元に返信するまでの一連の処理を意味する。
　また、本実施形態において、電力効率計算装置１は、上記した式（１）の「Useful Work Produced」（作業成果量）を、図１の式（３）で示すように、複数のアプリケーションで実行される測定対象のすべてのタスク実行量の合計値として算出する。なお、１つのアプリケーションにおいて１または複数種類のタスクが実行される。また、重み係数は、「アプリケーションの重み係数：Ｗ」と、「タスクの重み係数：Ｖ」として定義する。
　また、電力効率計算装置１は、重みの決定手法として、（１）タスク実行量の正規化、（２）重要度によるグループ分類、の２つを用いる。
　（１）「タスク実行量の正規化」では、複数アプリケーションを含む複数タスクそれぞれに対し、それぞれがAssessment window ＴＡで実行完了したタスク量Ｃij TAを、一定時間で実行完了したタスク実行量Ｃij T0で割ることで正規化する。これは、タスクの処理回数（例えば、リクエスト処理数）等のタスク実行量に依存しない電力効率を計算するためである。正規化されたタスク量Ｃijは、図２の式（４）で示される。
　（２）「重要度によるグループ分類」では、アプリケーションとタスクそれぞれについて、重要度グループごとに重み係数を設定する。
　図２の式（５－１）で示すように、アプリケーションの重要度グループ数「ｍ」は、アプリケーションの種別数「Ｍ」以下の数であり、「ｍ」個の重要度グループに分類される。アプリケーションの重み係数「Ｗi」は、アプリケーションの各グループの重み係数｛ｗ0, ｗ1, ・・・，ｗm｝として定義される。
　また、図２の式（５－２）で示すように、タスクの重要度グループ数「ｎi」は、タスクの種別数「Ｎi」以下の数であり、「ｎi」個の重要度グループに分類される。タスクの重み係数「Ｖij」は、タスクの各グループの重み係数｛ｖ0, ｖ1, ・・・,ｖni｝として定義される。
　つまり、アプリケーションの重要度グループを、対象とするアプリケーションの種別数以下の数に分類し、その重要度グループ毎に重み係数を定義する。各アプリケーションは、その重要度に従って予め重要度グループに割り当てられる。同様に、タスクに関しても、対象とするタスクの種別数以下の数に分類し、その重要度グループ毎に重み係数を定義する。各タスクは、その重要度に従って予め重要度グループに割り当てられる。当該アプリケーションのタスク量の計算には、アプリケーションの重み係数とタスクの重み係数をかけ合わせて利用する。
　このように、電力効率計算装置１は、複数のアプリケーション、若しくは、複数のタスクを持つアプリケーションの「Useful Work Produced」（作業成果量）について、処理量に依存せず、アプリケーションおよびタスクの重要度を反映したかたちで、ＤＣｅＰ（電力効率）を計算することができる。
　図３は、本実施形態に係る電力効率計算装置１を含む電力効率計算システム１０００の全体構成を示す図である。
　電力効率計算システム１０００は、例えば、データセンタ等により構成される物理サーバ群３０と、当該物理サーバ群３０に通信接続される電力効率計算装置１とを含んで構成される。
　物理サーバ群３０は、例えば、物理サーバ上に仮想化基盤が構築されて運用されており、仮想ＯＳ上の仮想マシン（ＶＭ）やコンテナに１つ以上のアプリケーション３が搭載されて処理を実行している。各アプリケーション３は、１つ以上のタスクを実行することによりサービスを実現する。
　電力効率計算装置１は、物理サーバ群３０から、ＤＣｅＰ（電力効率）の計算に必要となる評価指標であるメトリクスを収集し、アプリケーションやタスクの重要度を考慮した電力効率の計算を行う。
　以下、電力効率計算装置１が有する機能について具体的に説明する。
　図３で示すように、電力効率計算装置１は、制御部１０、入出力部１１、記憶部１２を備える。
　入出力部１１は、物理サーバ群３０の各サーバ等との間の情報について入出力を行う。この入出力部１１は、通信回線を介して情報の送受信を行う通信インタフェースと、不図示のキーボード等の入力装置やモニタ等の出力装置との間で情報の入出力を行う入出力インタフェースとから構成される。
　記憶部１２は、ハードディスクやフラッシュメモリ、ＲＡＭ（Random Access Memory）等により構成される。
　この記憶部１２には、制御部１０の各機能を実行させるためのプログラムや、制御部１０の処理に必要な情報が一時的に記憶される。また、この記憶部１２には、ＤＣｅＰ（電力効率）を算出するために必要となるメトリクスが、物理サーバ群３０内の各物理サーバや、ＯＳ（仮想ＯＳ），ＶＭ，コンテナ、アプリケーション等から収集され、メトリクス収集データベース（ＤＢ：DataBase）１００に格納される。
　制御部１０は、電力効率計算装置１が実行する処理の全般を司り、図３で示すように、メトリクス収集部１０１と、タスク実行量正規化部１０２と、重要度グループ設定部１０３と、電力効率計算部１０４とを含んで構成される。
　メトリクス収集部１０１は、物理サーバ群３０から電力効率計算に必要なメトリクス（性能等の評価指標）を収集し、メトリクス収集ＤＢ１００に保存する。
　メトリクス収集部１０１は、物理サーバ群３０を構成する、物理サーバ、ＯＳ（仮想ＯＳ）、ＶＭ／コンテナ、アプリケーション等から、既存のリソース監視ソフトウェア（例えば、Prometheus等）を用いて、メトリクスを収集する。
　例えば、メトリクス収集部１０１は、物理サーバ群３０から、タスク実行量としてのリクエスト処理数や、消費電力［Ｗ］の情報を収集し、メトリクス収集ＤＢ１００に保存する。
　なお、メトリクス収集部１０１は、物理サーバ群３０からのメトリクスの収集を、ＤＣｅＰ（電力効率）の計算より前に予め行っておき（後記する「事前準備段階」）、ＤＣｅＰ（電力効率）算出する際（後記する「運用段階」）にもメトリクスの収集を行う。
　タスク実行量正規化部１０２は、メトリクス収集ＤＢ１００にメトリクスとして保存されたタスク実行量（例えば、リクエスト処理数）を用いて、正規化係数を決定する。
　具体的には、タスク実行量正規化部１０２は、一定期間（例えば、１日）において、各アプリケーションのタスクそれぞれで実行されたタスク実行量（リクエスト処理数）の情報を取得し、所定のデータ区間（所定の測定時間ごと）のタスク実行量の最大値（期間内の最大リクエスト処理数）を、各アプリケーションのタスクごとに抽出する。そして、タスク実行量正規化部１０２は、抽出したタスク実行量の最大値を逆数にした値を、各アプリケーションのタスクごとの正規化係数として決定する。
　ここでは、図４で示すように、例えば期間内の最大リクエスト処理数が、Ａｐｐ「１」のＴａｓｋ「１－１」で「１００」、Ａｐｐ「２」のＴａｓｋ「２－１」で「２００」、Ａｐｐ「２」のＴａｓｋ「２－２」で「１０」であったとする。この場合、タスク実行量正規化部１０２は、各タスクの正規化係数を、（１／１００，１／２００，１／１０）に決定する。
　なお、タスク実行量正規化部１０２は、上記した図２の式（４）における、一定時間で実行完了したタスク実行量Ｃij T0を、期間内の最大リクエスト処理数とし、「１／Ｃij T0」を正規化係数として決定する。
　図３に戻り、重要度グループ設定部１０３は、アプリケーションおよびタスクに関する重要度グループの設定を、所定の重要度グループ設定ロジックに基づき行う。
　重要度グループ設定部１０３は、所定の重要度グループ設定ロジックとして、例えば、以下に示す３つのロジックを採用する。
≪重要度グループ設定ロジック「１」≫
　重要度グループ設定ロジック「１」は、「ビジネス関連ＫＰＩ（Key Performance Indicator）を利用する手法」である。ＫＰＩは、売上高等の業績管理評価のための指標である。
　重要度グループ設定部１０３は、アプリケーションおよびタスクについて、それぞれの売上、利益などのビジネス関連ＫＰＩを用いて重要度グループを設定する。
　例えば、重要度グループ設定部１０３は、各アプリケーションによる売上の順位が、アプリケーション全体からみて、上位５％、５～１５％、１５～５０％、５０％以下、の４種類のグループを設定する。
　また、例えば、各タスクの売上比率を係数として、タスクの数だけ重要度グループを設定する。
　このように、重要度グループ設定ロジック「１」では、ビジネス関連ＫＰＩを用いて、アプリケーションおよびタスクの重要度グループを設定する。
≪重要度グループ設定ロジック「２」≫
　重要度グループ設定ロジック「２」は、「アプリケーションの機能分類を利用する手法」である。
　重要度グループ設定部１０３は、アプリケーションおよびタスクについて、そのアプリケーションやタスクの機能分類それぞれの重要度を用いて重要度グループを設定する。
　重要度グループ設定部１０３は、例えばリソース制御に関わるアプリケーションの場合において、Create／Read／Update／Deleteの各制御のうち、Create→Update→Delete→Readの順に高い重要度となる重要度グループを設定する。
　また、重要度グループ設定部１０３は、例えばセッション制御に関わるアプリケーションの場合は、セッション確立、セッション更新、セッション切断、セッション維持、再送処理、の順に高い重要度となる重要度グループを設定する。
　このように、重要度グループ設定ロジック「２」では、アプリケーションやタスクの機能分類に応じて、重要度グループを設定する。
≪重要度グループ設定ロジック「３」≫
　重要度グループ設定ロジック「３」は、「アプリケーションのタスク処理メトリクスを利用する手法」である。
　重要度グループ設定部１０３は、アプリケーションのタスク処置結果に関するメトリクスを利用して重要度グループを設定する。
　重要度グループ設定部１０３は、例えば、ＣＰＵ使用率、メモリ使用率、リクエスト数、タスク処理のＴＡＴ（Turn Around Time）、Ｉ／Ｏスループットなどの各々のメトリクスにおいて、上位５％、５～１５％、１５～５０％、５０％以下、の４種類のグループを設定する。
　このように、重要度グループ設定ロジック「３」では、アプリケーションのタスク処理メトリクスを利用して、重要度グループを設定する。
　重要度グループ設定部１０３は、アプリケーションおよびタスクに関する重要度グループの設定を、上記した重要度グループ設定ロジックにより行うと、その重要度に応じた重み係数（重要度が高い重要度グループほど、高い値となる重み係数）を、各重要度グループに設定する。
　電力効率計算部１０４は、メトリクス収集部１０１が収集したメトリクス（例えば、リクエスト処理数や消費電力）を用いて、ＤＣｅＰ（電力効率）を算出する。
　具体的には、電力効率計算部１０４は、まず、上記した式（３）を用いて、「Useful Work Produced」（作業成果量）を算出する。その際、式（４）で示す正規化されたタスク量Ｃijは、予め設定した測定期間（所定の評価期間）であるAssessment window ＴＡで実行完了したタスク量Ｃij TAに、タスク実行量正規化部１０２が算出した正規化係数を乗算した値となる。また、アプリケーションの重み係数「Ｗi」およびタスクの重み係数「Ｖij」は、重要度グループ設定部１０３により設定された、アプリケーションの各重要度グループの重み係数｛ｗ0, ｗ1, ・・・，ｗm｝と、タスクの各グループの重み係数｛ｖ0, ｖ1, ・・・,ｖni｝とが用いられる。
　そして、電力効率計算部１０４は、上記した式（１）を用いてＤＣｅＰ（電力効率）を計算する。ここで、「Useful Work Produced」（作業成果量）は式（３）により算出した値を用いる。また、「Total Energy Consumed to Perform that Work」（消費電力量）は、予め設定した測定期間（所定の評価期間）であるAssessment window ＴＡにおいて、物理サーバ群３０で消費されたトータルの消費電力量を用いる。この物理サーバ群３０で消費されたトータルの消費電力量は、予め設定した測定期間（所定の評価期間）において、メトリクスとして収集した消費電力を合計等することにより算出する。
＜電力効率計算装置の処理＞
　次に、電力効率計算装置１が実行する処理の流れについて説明する。
　図５は、本実施形態に係る電力効率計算装置１が実行する処理の流れを示すフローチャートである。
　この電力効率計算装置１が実行する処理は、大きく分けて事前準備段階と運用段階がある。事前準備段階では、物理サーバ群３０から事前に収集したメトリクスを用いて、タスク実行量の正規化係数を算出するとともに、アプリケーションおよびタスクの重要度グループを設定し、その重要度グループごとの重み係数を決定する。そして、運用段階では、事前準備段階で算出しておいた、正規化係数や、重要度グループ毎の重み係数を用いて、ＤＣｅＰ（電力効率）の計算を行う。
　なお、ここでは、図３で示すように、物理サーバ群３０上に、Ａｐｐ「１」とＡｐｐ「２」の２つのアプリケーションが搭載され、Ａｐｐ「１」では、１つのタスク（Ｔａｓｋ１－１）が実行され、Ａｐｐ「２」では、２つのタスク（Ｔａｓｋ２－１，Ｔａｓｋ２－２）が実行される例で説明する。
　まず、事前準備段階において、電力効率計算装置１のメトリクス収集部１０１は、物理サーバ群３０から電力効率計算に必要なメトリクス（性能等の評価指標）を収集し、メトリクス収集ＤＢ１００に保存する（ステップＳ１０）。
　メトリクス収集部１０１は、例えば、リソース監視ソフトウェア（Prometheus）を用いて、メトリクスを収集する。収集されるメトリクスは、例えば、タスク実行量としてのリクエスト処理数と、消費電力［Ｗ］である。
　なお、このメトリクス収集部１０１による、メトリクスの収集は、例えば、テスト用負荷をアプリケーション３に印加してメトリクスを収集してもよいし、実際のリクエスト処理を実行することより得られたメトリクスを収集してもよい。
　続いて、メトリクス収集部１０１は、収集したメトリクスのうち、一定期間（例えば１日分）で得られたタスク実行量（リクエスト処理数）の情報を、タスク実行量正規化部１０２に出力する。
　電力効率計算装置１のタスク実行量正規化部１０２は、取得したタスク実行量（リクエスト処理数）を用いて、各タスクの正規化係数を決定する（ステップＳ１１）。
　例えば、タスク実行量正規化部１０２は、取得した１日分のタスク実行量の中で、所定のデータ区間（所定の測定時間ごと、例えば１０分間）のタスク実行量の最大値（期間内の最大リクエスト処理数）を、各アプリケーションのタスクごとに抽出する（図４参照）。そして、タスク実行量正規化部１０２は、抽出したタスク実行量の最大値を逆数にした値を、各アプリケーションのタスクごとの正規化係数として決定する。図４で示す例では、タスク実行量正規化部１０２は、Ｔａｓｋ「１－１」，「２－１」，「２－２」の正規化係数を（１／１００，１／２００，１／１０）に決定する。
　次に、電力効率計算装置１の重要度グループ設定部１０３は、所定の重要度グループ設定ロジックに基づき、アプリケーションおよびタスクの重要度グループを設定する（ステップＳ１２）。
　この所定の重要度グループ設定ロジックは、「ビジネス関連ＫＰＩを利用する手法」、「アプリケーションの機能分類を利用する手法」、「アプリケーションのタスク処理メトリクスを利用する手法」等が、予め設定される。
　続いて、重要度グループ設定部１０３は、設定した重要度グループについて、その重要度に応じた重み係数を設定する（ステップＳ１３）。重要度グループ設定部１０３は、アプリケーションおよびタスクの重要度グループについて、その重要度に応じた重み係数として、重要度が高い重要度グループほど、高い値となる重み係数を設定する。
　ここで、所定の重要度グループ設定ロジックとして「ビジネス関連ＫＰＩを利用する手法」を用いたとする。各アプリケーション３の売上額がＡｐｐ１／Ａｐｐ２＝９０／１０だったとすると、重要度グループ設定部は、Ａｐｐ１とＡｐｐ２の２つの重要度グループを設定した上で、各重要度グループの重み係数を例えば｛ＷAPP1，ＷAPP2｝＝｛0.9，0.1｝に決定する。
　また、Ａｐｐ１のタスクはＴａｓｋ「１－１」の１つであるので、Ｔａｓｋ「１－１」の重み係数を｛ＶApp1 Task1｝＝｛１｝とする。また、タスクについての所定の重要度グループ設定ロジックとして「アプリケーションの機能分類を利用する手法」を用いたとする。そしてＡｐｐ２のＴａｓｋ「２－１」／Ｔａｓｋ「２－２」がそれぞれCreate／Deleteに対応する処理だったとすると、重要度グループ設定部１０３は、Ａｐｐ２のタスクの重み係数を例えば｛ＶApp2 Task1，ＶApp2 Task2｝＝｛２，１｝に決定する。
　ステップＳ１０～Ｓ１３までの処理が、事前準備段階で行われる。
　続いて、運用段階での処理を説明する。
　電力効率計算装置１の電力効率計算部１０４は、実際にＤＣｅＰ（電力効率）を算出する対象とする所定の評価期間（評価ウィンドウ：Assessment window ＴＡ）において、メトリクス収集部１０１が収集したメトリクス（タスク実行量（リクエスト処理数）、消費電力）をメトリクス収集ＤＢ１００から取得し、ＤＣｅＰ（電力効率）を算出する（ステップＳ１４）。そして、電力効率計算部１０４は、このＤＣｅＰ（電力効率）を算出する処理を、所定の評価期間ごとに繰り返す。
　具体的には、電力効率計算部１０４は、タスク実行量正規化部１０２が算出した正規化係数と、重要度グループ設定部１０３が決定した、アプリケーションおよびタスクの重み係数を用いて、上記した式（３）により、「Useful Work Produced」（作業成果量）を算出する。また、電力効率計算部１０４は、上記した式（１）の「Total Energy Consumed to Perform that Work」（消費電力量）を、メトリクス収集部１０１が収集した消費電力を所定の評価期間（評価ウィンドウ：Assessment window ＴＡ）で合計等することにより求める。そして、電力効率計算部１０４は、算出した「Useful Work Produced」（作業成果量）と「Total Energy Consumed to Perform that Work」（消費電力量）とを用いて、式（１）により、ＤＣｅＰ（電力効率）を算出する。
　このようにすることにより、電力効率計算装置１は、1つ以上のアプリケーションおよびそのアプリケーションのタスクにより実行される作業成果量を、アプリケーションの単なる処理量に依存せずに、そのアプリケーションおよびタスクの重要度を反映したかたちで定量的な数値として算出することができる。そして、電力効率計算装置１は、アプリケーションおよびタスクの重要度を反映した電力効率を計算することができる。
＜ハードウェア構成＞
　本実施形態に係る電力効率計算装置１は、例えば図６に示すような構成のコンピュータ９００によって実現される。
　図６は、本実施形態に係る電力効率計算装置１の機能を実現するコンピュータ９００の一例を示すハードウェア構成図である。コンピュータ９００は、ＣＰＵ（Central Processing Unit）９０１、ＲＯＭ（Read Only Memory）９０２、ＲＡＭ９０３、ＨＤＤ（Hard Disk Drive）９０４、入出力Ｉ／Ｆ（Interface）９０５、通信Ｉ／Ｆ９０６およびメディアＩ／Ｆ９０７を有する。
　ＣＰＵ９０１は、ＲＯＭ９０２またはＨＤＤ９０４に記憶されたプログラムに基づき作動し、制御部１０（図３）による制御を行う。ＲＯＭ９０２は、コンピュータ９００の起動時にＣＰＵ９０１により実行されるブートプログラムや、コンピュータ９００のハードウェアに係るプログラム等を記憶する。
　ＣＰＵ９０１は、入出力Ｉ／Ｆ９０５を介して、マウスやキーボード等の入力装置９１０、および、ディスプレイやプリンタ等の出力装置９１１を制御する。ＣＰＵ９０１は、入出力Ｉ／Ｆ９０５を介して、入力装置９１０からデータを取得するともに、生成したデータを出力装置９１１へ出力する。
　ＨＤＤ９０４は、ＣＰＵ９０１により実行されるプログラムおよび当該プログラムによって使用されるデータ等を記憶する。通信Ｉ／Ｆ９０６は、通信網（例えば、ＮＷ（Network）９２０）を介して他の装置からデータを受信してＣＰＵ９０１へ出力し、また、ＣＰＵ９０１が生成したデータを、通信網を介して他の装置へ送信する。
　メディアＩ／Ｆ９０７は、記録媒体９１２に格納されたプログラムまたはデータを読み取り、ＲＡＭ９０３を介してＣＰＵ９０１へ出力する。ＣＰＵ９０１は、目的の処理に係るプログラムを、メディアＩ／Ｆ９０７を介して記録媒体９１２からＲＡＭ９０３上にロードし、ロードしたプログラムを実行する。記録媒体９１２は、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto Optical disk）等の光磁気記録媒体、磁気記録媒体、半導体メモリ等である。
　例えば、コンピュータ９００が本実施形態に係る電力効率計算装置１として機能する場合、コンピュータ９００のＣＰＵ９０１は、ＲＡＭ９０３上にロードされたプログラムを実行することにより、電力効率計算装置１の機能を実現する。また、ＨＤＤ９０４には、ＲＡＭ９０３内のデータが記憶される。ＣＰＵ９０１は、目的の処理に係るプログラムを記録媒体９１２から読み取って実行する。この他、ＣＰＵ９０１は、他の装置から通信網（ＮＷ９２０）を介して目的の処理に係るプログラムを読み込んでもよい。
＜効果＞
　以下、本発明に係る電力効率計算装置１等の効果について説明する。
　本発明に係る電力効率計算装置は、物理サーバ群３０に搭載されたアプリケーション３を実行することによる電力効率を計算する電力効率計算装置１であって、物理サーバ群３０には、1つ以上のタスクを実行する1つ以上のアプリケーション３が搭載されており、電力効率計算装置１が、物理サーバ群３０から、電力効率計算に必要な評価指標であり、タスク実行量および物理サーバ群３０の消費電力を含むメトリクスを収集し、記憶部１２内のメトリクス収集ＤＢ１００に保存するメトリクス収集部１０１と、メトリクス収集ＤＢ１００に保存されたタスク実行量を取得し、所定の測定時間ごとに計測されたタスク実行量を用いて、各アプリケーション３のタスクごとの正規化係数を決定するタスク実行量正規化部１０２と、各アプリケーション３および各タスクに関する重要度グループの設定を、所定の重要度グループ設定ロジックに基づき行い、各アプリケーション３の重要度グループ、各タスクの重要度グループそれぞれの重要度に応じた重みを設定する重要度グループ設定部１０３と、メトリクス収集部１０１が収集した所定の評価期間のメトリクスを取得し、メトリクスに含まれるタスク実行量について、各アプリケーション３のタスクごとの正規化係数を用いて、当該タスク実行量を正規化し、その正規化したタスク実行量と、各前記アプリケーション３および各前記タスクそれぞれの重要度グループの重みとを用いてトータルの作業成果量を算出し、メトリクスに含まれる消費電力と、前記トータルの作業成果量とから電力効率を計算する電力効率計算部１０４と、を備えることを特徴とする。
　このようにすることで、電力効率計算装置１は、1つ以上のアプリケーションおよびそのアプリケーションのタスクにより実行される作業成果量を、アプリケーションの単なる処理量に依存せずに、そのアプリケーションおよびタスクの重要度を反映したかたちで定量的な数値として算出することができる。よって、電力効率計算装置１は、アプリケーションおよびタスクの重要度を反映した電力効率を算出することが可能となる。
　また、電力効率計算装置１において、タスク実行量正規化部１０２は、所定の測定時間ごとに計測されたタスク実行量のうちの最大値を、各アプリケーション３のタスクごとに抽出し、抽出したタスク実行量の最大値を逆数にした値を、各アプリケーション３のタスクごとの正規化係数として決定すること、を特徴とする。
　このように、電力効率計算装置１は、各アプリケーションのタスクごとのタスク実行量（処理量）の多さに依存しないように正規化係数を決定し、タスク実行量を正規化することができる。
　また、電力効率計算装置１において、所定の重要度グループ設定ロジックは、アプリケーション３およびタスクそれぞれの売上を含むＫＰＩ（Key Performance Indicator）を用いて重要度グループを設定するロジックであること、を特徴とする。
　このように、電力効率計算装置１は、ＫＰＩを利用して、アプリケーションおよびタスクの重要度グループを設定し、各重要度グループの重み係数を設定することができる。
　また、電力効率計算装置１において、所定の重要度グループ設定ロジックは、アプリケーション３およびタスクの機能分類を用いて重要度グループを設定するロジックであること、を特徴とする。
　このように、電力効率計算装置１は、アプリケーション３およびタスクの機能分類を利用して、アプリケーション３およびタスクの重要度グループを設定し、各重要度グループの重み係数を設定することができる。
　また、電力効率計算装置１において、所定の重要度グループ設定ロジックは、各アプリケーション３のタスク処理結果を収集したメトリクスを用いて重要度グループを設定するロジックであること、を特徴とする。
　このように、電力効率計算装置１は、各アプリケーション３のタスク処理結果を利用して、アプリケーション３およびタスクの重要度グループを設定し、各重要度グループの重み係数を設定することができる。
　なお、本発明は、以上説明した実施形態に限定されるものではなく、多くの変形が本発明の技術的思想内で当分野において通常の知識を有する者により可能である。
　１　　　電力効率計算装置
　３　　　アプリケーション（Ａｐｐ）
　１０　　制御部
　１１　　入出力部
　１２　　記憶部
　３０　　物理サーバ群
　１００　メトリクス収集ＤＢ
　１０１　メトリクス収集部
　１０２　タスク実行量正規化部
　１０３　重要度グループ設定部
　１０４　電力効率計算部
　１０００　電力効率計算システム

Claims (8)

  1. 　物理サーバ群に搭載されたアプリケーションを実行することによる電力効率を計算する電力効率計算装置であって、
    　前記物理サーバ群には、1つ以上のタスクを実行する1つ以上のアプリケーションが搭載されており、
    　前記電力効率計算装置は、
    　前記物理サーバ群から、電力効率計算に必要な評価指標であり、タスク実行量および前記物理サーバ群の消費電力を含むメトリクスを収集し、記憶部内のメトリクス収集ＤＢに保存するメトリクス収集部と、
    　前記メトリクス収集ＤＢに保存された前記タスク実行量を取得し、所定の測定時間ごとに計測されたタスク実行量を用いて、各前記アプリケーションのタスクごとの正規化係数を決定するタスク実行量正規化部と、
    　各前記アプリケーションおよび各前記タスクに関する重要度グループの設定を、所定の重要度グループ設定ロジックに基づき行い、各前記アプリケーションの重要度グループ、各前記タスクの重要度グループそれぞれの重要度に応じた重みを設定する重要度グループ設定部と、
    　前記メトリクス収集部が収集した所定の評価期間のメトリクスを取得し、前記メトリクスに含まれる前記タスク実行量について、各前記アプリケーションのタスクごとの前記正規化係数を用いて、当該タスク実行量を正規化し、その正規化したタスク実行量と、各前記アプリケーションおよび各前記タスクそれぞれの重要度グループの重みとを用いてトータルの作業成果量を算出し、前記メトリクスに含まれる前記消費電力と、前記トータルの作業成果量とから電力効率を計算する電力効率計算部と、
    　を備えることを特徴とする電力効率計算装置。
  2. 　前記タスク実行量正規化部は、所定の測定時間ごとに計測されたタスク実行量のうちの最大値を、各前記アプリケーションのタスクごとに抽出し、抽出したタスク実行量の最大値を逆数にした値を、各前記アプリケーションのタスクごとの前記正規化係数として決定すること、
    　を特徴とする請求項１に記載の電力効率計算装置。
  3. 　前記所定の重要度グループ設定ロジックは、
    　前記アプリケーションおよび前記タスクそれぞれの売上を含むＫＰＩ（Key Performance Indicator）を用いて重要度グループを設定するロジックであること、
    　を特徴とする請求項１または請求項２に記載の電力効率計算装置。
  4. 　前記所定の重要度グループ設定ロジックは、
    　前記アプリケーションおよび前記タスクの機能分類を用いて重要度グループを設定するロジックであること、
    　を特徴とする請求項１または請求項２に記載の電力効率計算装置。
  5. 　前記所定の重要度グループ設定ロジックは、
    　各前記アプリケーションのタスク処理結果を収集したメトリクスを用いて重要度グループを設定するロジックであること、
    　を特徴とする請求項１または請求項２に記載の電力効率計算装置。
  6. 　物理サーバ群に搭載されたアプリケーションを実行することによる電力効率を計算する電力効率計算装置の電力効率計算方法であって、
    　前記物理サーバ群には、1つ以上のタスクを実行する1つ以上のアプリケーションが搭載されており、
    　前記電力効率計算装置は、
    　前記物理サーバ群から、電力効率計算に必要な評価指標であり、タスク実行量および前記物理サーバ群の消費電力を含むメトリクスを収集し、記憶部内のメトリクス収集ＤＢに保存するステップと、
    　前記メトリクス収集ＤＢに保存された前記タスク実行量を取得し、所定の測定時間ごとに計測されたタスク実行量を用いて、各前記アプリケーションのタスクごとの正規化係数を決定するステップと、
    　各前記アプリケーションおよび各前記タスクに関する重要度グループの設定を、所定の重要度グループ設定ロジックに基づき行い、各前記アプリケーションの重要度グループ、各前記タスクの重要度グループそれぞれの重要度に応じた重みを設定するステップと、
    　所定の評価期間に収集したメトリクスを取得し、前記メトリクスに含まれる前記タスク実行量について、各前記アプリケーションのタスクごとの前記正規化係数を用いて、当該タスク実行量を正規化し、その正規化したタスク実行量と、各前記アプリケーションおよび各前記タスクそれぞれの重要度グループの重みとを用いてトータルの作業成果量を算出し、前記メトリクスに含まれる前記消費電力と、前記トータルの作業成果量とから電力効率を計算するステップと、
    　を実行することを特徴とする電力効率計算方法。
  7. 　1つ以上のタスクを実行する1つ以上のアプリケーションが搭載される物理サーバ群と、前記物理サーバ群に搭載されたアプリケーションを実行することによる電力効率を計算する電力効率計算装置とを備える電力効率計算システムであって、
    　前記電力効率計算装置は、
    　前記物理サーバ群から、電力効率計算に必要な評価指標であり、タスク実行量および前記物理サーバ群の消費電力を含むメトリクスを収集し、記憶部内のメトリクス収集ＤＢに保存するメトリクス収集部と、
    　前記メトリクス収集ＤＢに保存された前記タスク実行量を取得し、所定の測定時間ごとに計測されたタスク実行量を用いて、各前記アプリケーションのタスクごとの正規化係数を決定するタスク実行量正規化部と、
    　各前記アプリケーションおよび各前記タスクに関する重要度グループの設定を、所定の重要度グループ設定ロジックに基づき行い、各前記アプリケーションの重要度グループ、各前記タスクの重要度グループそれぞれの重要度に応じた重みを設定する重要度グループ設定部と、
    　前記メトリクス収集部が収集した所定の評価期間のメトリクスを取得し、前記メトリクスに含まれる前記タスク実行量について、各前記アプリケーションのタスクごとの前記正規化係数を用いて、当該タスク実行量を正規化し、その正規化したタスク実行量と、各前記アプリケーションおよび各前記タスクそれぞれの重要度グループの重みとを用いてトータルの作業成果量を算出し、前記メトリクスに含まれる前記消費電力と、前記トータルの作業成果量とから電力効率を計算する電力効率計算部と、
    　を備えることを特徴とする電力効率計算システム。
  8. 　コンピュータを、請求項１または請求項２に記載の電力効率計算装置として機能させるためのプログラム。
PCT/JP2022/021617 2022-05-26 2022-05-26 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム WO2023228375A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/021617 WO2023228375A1 (ja) 2022-05-26 2022-05-26 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/021617 WO2023228375A1 (ja) 2022-05-26 2022-05-26 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム

Publications (1)

Publication Number Publication Date
WO2023228375A1 true WO2023228375A1 (ja) 2023-11-30

Family

ID=88918859

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/021617 WO2023228375A1 (ja) 2022-05-26 2022-05-26 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム

Country Status (1)

Country Link
WO (1) WO2023228375A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001044994A (ja) * 1999-07-27 2001-02-16 Hitachi Ltd サービス管理システム
JP2011204126A (ja) * 2010-03-26 2011-10-13 Nomura Research Institute Ltd 解析装置、情報処理システムおよび解析方法
US20190073276A1 (en) * 2017-09-06 2019-03-07 Royal Bank Of Canada System and method for datacenter recovery

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001044994A (ja) * 1999-07-27 2001-02-16 Hitachi Ltd サービス管理システム
JP2011204126A (ja) * 2010-03-26 2011-10-13 Nomura Research Institute Ltd 解析装置、情報処理システムおよび解析方法
US20190073276A1 (en) * 2017-09-06 2019-03-07 Royal Bank Of Canada System and method for datacenter recovery

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SEGO LANDON H., MÁRQUEZ ANDRÉS, RAWSON ANDREW, CADER TAHIR, FOX KEVIN, GUSTAFSON WILLIAM I., MUNDY CHRISTOPHER J.: "Implementing the data center energy productivity metric", ACM JOURNAL ON EMERGING TECHNOLOGIES IN COMPUTING SYSTEMS (JETC), ACM, 2 PENN PLAZA, SUITE 701 NEW YORK NY 10121-0701 USA, vol. 8, no. 4, 1 October 2012 (2012-10-01), 2 Penn Plaza, Suite 701 New York NY 10121-0701 USA , pages 1 - 22, XP093111204, ISSN: 1550-4832 *

Similar Documents

Publication Publication Date Title
Bhattacharjee et al. Barista: Efficient and scalable serverless serving system for deep learning prediction services
US20190121672A1 (en) Automated capacity provisioning method using historical performance data
CN103999049B (zh) 用于预测虚拟机需求的方法和装置
US7882216B2 (en) Process and methodology for generic analysis of metrics related to resource utilization and performance
US7668703B1 (en) Determining required capacity for a resource
US10353745B1 (en) Assessing performance of disparate computing environments
US10601690B2 (en) Assessing performance of networked computing environments
US20050172291A1 (en) Method and apparatus for utility-based dynamic resource allocation in a distributed computing system
CN109165093A (zh) 一种计算节点集群弹性分配***及方法
Bartalos et al. Green web services: Modeling and estimating power consumption of web services
Limam et al. Data replication strategy with satisfaction of availability, performance and tenant budget requirements
Mekala et al. DAWM: Cost‐Aware Asset Claim Analysis Approach on Big Data Analytic Computation Model for Cloud Data Centre
Issa et al. Using logistic regression to improve virtual machines management in cloud computing systems
Leena Sri et al. An empirical model of adaptive cloud resource provisioning with speculation
Surya et al. Prediction of resource contention in cloud using second order Markov model
Kumar et al. Load balancing algorithm to minimize the makespan time in cloud environment
Willnecker et al. Optimization of deployment topologies for distributed enterprise applications
WO2023228375A1 (ja) 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム
Lu et al. Host overloading detection based on EWMA algorithm in cloud computing environment
CN115914235A (zh) 负载均衡方法及装置
CN115033377A (zh) 基于集群服务器的服务资源预测方法、装置和电子设备
Ramesh et al. Machine learning for load balancing in cloud datacenters
WO2023228376A1 (ja) 電力効率計算装置、電力効率計算方法、電力効率計算システム、および、プログラム
Cao et al. Novel client-cloud architecture for scalable instance-intensive workflow systems
Liu et al. Probabilistic-based workload forecasting and service redeployment for multi-tenant services

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22943775

Country of ref document: EP

Kind code of ref document: A1