CN101223509A - 用于自适应地收集性能和事件信息的系统和方法 - Google Patents
用于自适应地收集性能和事件信息的系统和方法 Download PDFInfo
- Publication number
- CN101223509A CN101223509A CNA2006800259999A CN200680025999A CN101223509A CN 101223509 A CN101223509 A CN 101223509A CN A2006800259999 A CNA2006800259999 A CN A2006800259999A CN 200680025999 A CN200680025999 A CN 200680025999A CN 101223509 A CN101223509 A CN 101223509A
- Authority
- CN
- China
- Prior art keywords
- computing node
- data
- estimation
- information
- cost
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供一种将信息从第一计算节点传递到存储设备和第二计算节点中至少之一。第一计算节点被监视以收集可用资源的至少一个估计,并基于该估计,修改数据量。然后,修改的数据被发送到存储设备和第二计算节点中至少之一。本发明还提供确定用于聚集数据的最佳分批大小,其中,对于一些分批大小,为发送成批信息到永久性存储器以及为丢失成批数据估计成本。然后,基于这些成本的总和,从这些不同分批大小中选择最佳分批大小。本发明还提供数据的选择性压缩,其中确定一些压缩算法中哪些压缩算法不导致开销超过可用资源。然后,选择其中一个被确定的算法来最大化压缩。
Description
技术领域
本发明涉及自适应地收集计算机系统中的信息的方法和装置。更具体而言,在本发明的一个方面中,数据可以在被存储在永久性存储器中之前被有效地聚集和压缩。
背景技术
计算机系统经常需要收集性能和/或事件信息。性能信息可以包括但不限于CPU使用、响应时间、存储器使用、I/O带宽等的量度。系统可以监视各种事件。例如,网络服务器经常记录所接收的http请求。也可以登记(log)数据库事务。系统可以记录用于调试目的或用于评价程序运行的信息。
信息登记产生开销。将信息存储在磁盘上则消耗I/O带宽并需要上下文切换。性能可能受到不利影响。此外,可能消耗大量磁盘空间。因为登记信息的重要性以及登记太多信息可能导致的高开销,所以需要更高效的方法来收集性能和事件信息。
例如,几种工具可以用来获得有关计算机系统的性能信息。Unix操作系统(www.unix.org)具有诸如/proc这样的特征用于获得性能信息。Microsoft(www.microsoft.com)的Windows操作系统也具有一些特征用于提供性能信息。IBM提供了一些工具用于通过其Tivoli系列软件产品(www.tivoli.com)来收集有关计算机系统的性能信息。
这些现有解决方案的关键问题在于,它们可能导致太多信息被收集。这可能导致(对于CPU和存储器二者来说)太多的开销用于收集性能信息。
发明内容
本发明的一个目的是自适应地收集事件信息以减小开销。更具体而言,在本发明的一个方面,提供方法以平衡CPU和空间开销。
本发明的其他具体方面包括诸如将多个实体聚集为更少量的实体并压缩数据以减小被存储的信息量的技术。
因此,在包括第一计算节点、和第二计算节点与存储设备中至少一个的系统中,本发明提供了一种用于将信息从第一计算节点传递到存储设备和第二计算节点中至少一个的方法。通过本发明,监视计算节点以收集可用资源的至少一个估计,并基于该估计修改数据量。然后,修改的数据被发送到存储设备和第二计算节点中至少一个。
本发明还提供确定用于聚集数据的最佳分批大小,其中,对于一些分批大小,对发送成批信息到永久性存储器以及对丢失成批数据估计成本。然后,基于这些成本的总和,从这些不同的分批大小中选择最佳分批大小。
本发明还提供数据的选择性压缩,其中确定一些压缩算法中哪些不导致超过可用资源的开销。然后,选择所确定的算法其中之一来最大化压缩。
附图说明
图1显示具有本发明特征的系统,其中一个或多个应用进程与单个信息登记器(information logger)通信。
图2显示具有本发明特征的另一系统,其中不同的信息登记器与不同的应用进程相关联。
图3显示根据本发明的具有相关性能监视器的处理器。
图4显示根据本发明的用于自适应地收集性能和事件信息的方法。
图5显示根据本发明的用于确定分批大小的方法。
图6显示根据本发明的用于压缩信息的方法。
图7是示出可以实现本发明的计算系统的硬件实现的框图。
具体实施方式
图1显示了具有本发明特征的系统。一个或多个应用进程11与信息登记器10通信,其中信息登记器10将信息记录在永久性存储器12中。磁盘、DASD和CD是永久性存储器的实例。
应用进程例如可以包括正运行的程序,对该程序监视性能统计,诸如CPU使用、响应时间、I/O带宽、网络带宽等等。监视所得到的统计、诸如CPU使用然后被发送到信息登记器。例如可以利用各厂家所提供的标准编程语言(例如,Java、C、C++、汇编、机器语言等)以软件实现登记器。该实例中本发明的一个方面是确定多少信息被发送到信息登记器以记录在永久性存储器中或者信息以什么形式被发送到信息登记器以记录在永久性存储器中。
图2显示了具有本发明特征的另一系统。不同的信息登记器21与不同的应用进程20相关联。这与图1中单个信息登记器与多个应用进程相关联的情况相反。
可以由性能监视器31监视可能正运行应用进程的处理器30,如图3所示。除了CPU之外,性能监视器31可以可选地监视I/O、网络、和/或磁盘。
例如可以利用各厂家所提供的标准编程语言(例如,Java、C、C++、汇编、机器语言等),以软件实现性能监视器。
在本发明的一个实例中,性能监视器可以将来自在处理器30上运行的应用进程(诸如正运行的计算机程序)的性能结果(诸如CPU使用)发送到信息登记器,信息登记器然后选择什么结果要被存储在永久性存储器中。
图4显示了本发明的操作方法的流程图。在步骤40中,至少一个应用程序正运行在至少一个处理器30上,并且周期地发送信息到永久性存储器12。发送信息到永久性存储器的开销有时可能很大。图3的性能监视器31可以在步骤40中被用来确定用于存储信息的开销量。
当确定用于存储信息的开销量很大时,处理可以前进到步骤43。在步骤43中,系统减小用于存储信息的开销。可以使用几种方法中至少一种来实现这个目的:
周期地收集信息,其中可以通过以更不频繁的间隔收集信息来减小开销。
当系统正收集可以表示例如系统的性能特性的数字序列时,在永久性存储器中维持几个值的平均数,而不是每次确定一个新值时就存储新的数字。有时,其将永久存储几个值的平均数。可以在步骤43中增加在存储到永久性存储器之前被平均的值的数量,以降低开销。
存储自前一个平均数被存储在磁盘上以来的数字的移动平均数,而不是其平均数。例如,假设系统在将一个数字存储到磁盘上之前接收了5个新的数字。最后50个数字的移动平均数表示最后50个数字的平均数。存储该移动平均数,而不是存储自前一次写入磁盘以来所接收的5个数字的简单平均数。
在将所有值存储到磁盘上之前在主存储器中保持几个值。与只要接收到就存储每个单独值相比,这种批处理对永久性存储器的更新可以大大降低开销。该方法的缺点在于没有立刻被存储在磁盘上的信息在机器故障的情况下可能被丢失。可以基于故障的可能性决定是否批处理对磁盘的更新。
当步骤40确定系统具有足够的资源可用时,可以选择降低数据减少量并收集更多数据(步骤42)。这导致永久性存储器12中所保持的信息的更高精确度。
本发明包括以下用于确定是否批处理对磁盘的更新,并且如果确定要批处理,确定批应当多大的方法。为故障情况下的信息丢失分配成本。例如,成本函数可以是:
C1(s)=a*p*s
其中a是常数,p是故障概率,s是在整个批被写到磁盘之前积累的信息量(即,分批大小)。这是简单的成本函数,其中成本与分批大小成线性关系。也可以是更复杂的函数。例如,成本函数可以包括除了分批大小之外的其他参数,诸如丢失的具体信息。图5中的步骤51显示了为故障情况下的信息丢失确定成本函数。C1是一个这样的例子。步骤50和51的顺序可互换。步骤50和51也可以同步执行。
也可以为用于发送信息到永久性存储器的开销分配成本。例如,成本函数可以是C2(s)=b*r/s,其中b是某个常数,r是发送信息到磁盘的平均速率,s是分批大小。也可以是更复杂的函数。例如,成本函数可以是动态的并且依赖于系统上的负载。当I/O子系统被加载很重时,将更多信息发送到永久性存储器可能使系统过载。这会反映在成本函数中,其中当I/O系统过载时,成本函数将倾向于延迟对永久性存储器的更新。图5中的步骤50显示了为发送信息到永久性存储器确定成本函数。C2是图5中的步骤50的一个实例。
总成本C3是C1和C2的总和:
C3(s)=a*p*s+b*r/s
然后,系统可以确定使C3最小化的s的值,该值得自于将成本函数应用于s。来自第一年微积分的标准技术可以被用于使C3最小化。也可以使用其他方法(例如,简单的近似)来使C3最小化。图5中的步骤52显示了挑选使总成本函数最小化的分批大小的步骤。最终结果是,系统选择平衡对高性能的需求以及对使系统故障情况下信息丢失最小化的需求的用于发送信息到磁盘的分批大小s。
用于故障情况下信息丢失的成本函数可以考虑故障概率和/或故障情况下的信息丢失,并随之增长。故障情况下的信息丢失经常与期望的分批大小成正比。
用于发送信息到磁盘的成本函数可以随着发送信息到磁盘的速率而增长。其也可以随着分批大小的增大而降低。
用于发送信息到远端节点的成本函数可以随着发送信息到远端节点的速率而增长。其也可以随着分批大小的增大而降低。
在一个可选实施例中,信息可以被发送到远端节点,而不是发送到磁盘。在该情况下,成本函数C2或类似的成本函数可以表示发送更新到远端节点的成本。
在其他情况下,创建批的成本(例如,CPU、磁盘、I/O等中)可以依赖于分批大小。设C4′(s)为创建大小为s的批的成本。在许多情况下,相比于与存储数据到磁盘上和/或发送数据到远端节点相关联的成本,C4′(s)不值一提,在该情况下,其可以被忽略。但是,在C4′(s)重要的情况下,我们具有以下成本等式:C3′(s)=C1′(s)+C2′(s)+C4′(s),其中C3′(s)是总成本,C1′(s)是用于故障情况下信息丢失的成本,C2′(s)是分配给发送信息到永久性存储器和/或到远端节点的成本。
本发明的另一关键方面是在发送信息到磁盘之前选择性地压缩信息。压缩信息减小了消耗的I/O带宽以及磁盘空间使用。在负面方面,其可以导致更多的CPU开销。因此,系统需要平衡对低处理开销的需求和与磁盘空间使用相结合的I/O带宽。
图4的块41示出了压缩。图6示出了用于选择性地执行压缩的优选方法。系统具有至少一个、但通常是多个对其可用的压缩算法(步骤60)。注意,在整个说明书中,术语“压缩算法”可以被解释为“压缩算法的实现”。对于每一个压缩算法,系统具有其开销、其保真度(即,如果压缩算法导致信息丢失,丢失的程度)、和其可能导致的大小减小量的估计值。系统确定可用于压缩的CPU资源r(步骤61)。性能监视器31可以帮助该确定。当系统具有一批数据要写入永久性存储器时,数据可以具有与其相关的参数B来指示可以容忍的丢失程度。如果不存在这样的参数,则将只容忍无损压缩算法。从不导致比B更多的丢失并且不预期导致比r更多的CPU资源的可用压缩算法中,使用导致最小压缩数据的压缩算法(步骤62)。在最差情况下,不执行压缩。
保真度阈值例如可以是原始字节的99.5%被保留。
作为可选步骤,如果在发送数据到永久性存储器时不执行压缩或执行不足量的压缩,则系统在压缩数据之前可以等待,直到系统具有足够的资源执行压缩。
已经在减小用于存储信息到永久性存储器的开销的上下文中描述了本发明。一个明显的概括是使用本发明来减小将信息从一个计算节点传递到另一计算节点的I/O带宽和开销。
图7是显示其中可以实现本发明的计算系统700的硬件实现的框图。例如,图7的示例性结构可以用于实现信息登记器、永久性存储器、应用进程、性能监视器等等,如本申请中以上所述。
此外,应当理解,各个组件/步骤可以在一个或多个这样的计算机系统上实现。如果在分布式计算系统上实现,则各个计算机系统和/或设备可以经由合适的网络(例如,互联网或万维网)连接。但是,系统可以经由专用网或局域网实现。本发明不限于任何特定的网络。
如图所示,可以根据经由计算机总线71或其他连接设置耦接的至少一个处理器或计算节点30、存储器73、I/O设备74、网络接口75和永久性存储器12来实现计算机系统700。
应当理解,系统700可以包括一个或多个处理器30,其通常执行对应于图4、5和6的流程图的指令。信息登记器10、应用进程11、和/或性能监视器31可以在一个或多个处理器30上运行。
应当理解,这里使用的术语“处理器”包括任何处理设备,诸如例如包括CPU(中央处理单元)和/或其他处理电路的处理设备。还应当理解,术语“处理器”可以指不止一个处理设备,并且与处理设备相关的各种元件可以被其他处理设备共享。
这里使用的术语“存储器”包括例如与处理器或CPU相关联的存储器,诸如例如RAM、ROM、缓存,等等。
永久性存储器可以包括但不限于磁盘存储器、硬盘驱动器、可移动存储设备(例如,磁盘)等等。
存储设备可以包括但不限于存储器、永久性存储器等等。存储设备可以存在于移动或普及性设备上,诸如蜂窝电话。
输入/输出设备或I/O设备可以包括例如用于输入数据到处理单元的一个或多个输入设备(例如键盘、鼠标等等)、和/或用于呈现与处理单元相关联的结果的一个或多个输出设备(例如扬声器、显示器等等)。
网络接口可以包括例如一个或多个收发机,以允许计算机系统经由合适的通信协议与另一计算机系统通信。
因此,包括用于执行这里所述方法的指令或代码的软件组件可以被存储在永久性存储器中,并且在准备被使用时部分或全部被加载到存储器中并被CPU执行。
虽然这里已经参考附图描述了本发明的示例性实施例,但是应当理解,本发明并不限于这些明确的实施例,并且本领域技术人员可以进行各种其他改变和修改,而不背离本发明的范围和实质。
Claims (17)
1.一种在包括第一计算节点、和第二计算节点与存储设备中至少之一的系统中将信息从第一计算节点传递到所述第二计算节点与所述存储设备中至少之一的方法,所述方法包括以下步骤:
监视所述第一计算节点,以收集可用资源的至少一个估计;
基于所述可用资源的至少一个估计,修改所收集的数据量;和
发送所述数据到所述存储设备和所述第二计算节点中至少之一。
2.根据权利要求1的方法,其中所述可用资源的至少一个估计包括对处理能力、I/O带宽、和网络带宽中至少之一的估计。
3.根据权利要求1的方法,其中所述修改所收集的数据量的步骤包括修改收集所述数据的部分的收集频率。
4.根据权利要求1的方法,其中所述修改所收集的数据量的步骤包括将多个实体组合成更少数量的实体。
5.根据权利要求1的方法,还包括以下步骤:
响应于所述可用资源的至少一个估计的增大,增大所收集的数据量。
6.根据权利要求4的方法,其中所述实体包括数字,并且所述将多个实体组合成更少数量的实体的步骤包括计算平均数和移动平均数中至少之一。
7.一种确定用于聚集数据的分批大小的方法,包括以下步骤:
根据不同大小,为发送数据到存储设备和计算节点其中之一估计第一成本;
根据不同大小,为丢失所述数据估计第二成本;和
基于所述估计的第一和第二成本,选择所述分批大小。
8.根据权利要求7的方法,其中所述估计第一成本的步骤包括确定成本函数。
9.根据权利要求7的方法,其中所述估计第二成本的步骤包括确定成本函数。
10.根据权利要求7的方法,其中通过使所述估计成本中至少两个的聚合最小化而确定所述分批大小。
11.根据权利要求7的方法,还包括以下步骤:
将对应于所述分批大小的数据量发送到所述存储设备和所述计算节点中至少之一。
12.根据权利要求10的方法,其中所述聚合包括求和。
13.一种用于选择性地压缩数据的方法,包括以下步骤:
确定多个压缩算法中哪些压缩算法不导致开销超过可用处理资源;和
选择被确定为不导致开销超过所述可用处理资源的压缩算法中一个压缩算法,其中所选择的算法使压缩最大化。
14.根据权利要求13的方法,其中所选择的算法在应用于数据时超过保真度阈值。
15.一种在包括第一计算节点、和第二计算节点与存储设备中至少之一的系统中机器可读的程序存储设备,用于有形地体现所述机器可执行的指令程序,以执行用于将信息从第一计算节点传递到所述存储设备和所述第二计算节点中至少之一的方法步骤,所述方法步骤包括:
监视所述第一计算节点,以收集可用资源的至少一个估计;
基于所述可用资源的至少一个估计,修改所收集的数据量;和
发送所述数据到所述存储设备和所述第二计算节点中至少之一。
16.一种机器可读的程序存储设备,用于有形地体现机器可执行的指令程序,以执行确定用于聚集数据的分批大小的方法步骤,所述方法步骤包括:
根据不同大小,为发送数据到存储设备和计算节点中之一估计第一成本;
根据不同大小,为丢失所述数据估计第二成本;和
基于所述估计的第一和第二成本,选择所述分批大小。
17.一种机器可读的程序存储设备,用于有形地体现机器可执行的指令程序,以执行用于选择性地压缩数据的方法步骤,所述方法步骤包括:
确定多个压缩算法中哪些压缩算法不导致开销超过可用处理资源;和
选择被确定为不导致开销超过所述可用处理资源的压缩算法中的一个压缩算法,并且其中所选择的算法使压缩最大化。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/189,391 US7734768B2 (en) | 2005-07-26 | 2005-07-26 | System and method for adaptively collecting performance and event information |
US11/189,391 | 2005-07-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101223509A true CN101223509A (zh) | 2008-07-16 |
Family
ID=37533314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800259999A Pending CN101223509A (zh) | 2005-07-26 | 2006-07-21 | 用于自适应地收集性能和事件信息的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (4) | US7734768B2 (zh) |
EP (1) | EP1907934A2 (zh) |
JP (1) | JP4912401B2 (zh) |
CN (1) | CN101223509A (zh) |
WO (1) | WO2007015922A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102369523A (zh) * | 2009-03-24 | 2012-03-07 | 微软公司 | 对分布式应用程序的监测 |
CN107710168A (zh) * | 2015-06-16 | 2018-02-16 | 三菱电机株式会社 | 信息处理装置和信息处理方法 |
CN112306671A (zh) * | 2019-07-29 | 2021-02-02 | 国际商业机器公司 | 确定用于分布式基于批的优化应用的最佳计算资源 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7734768B2 (en) * | 2005-07-26 | 2010-06-08 | International Business Machines Corporation | System and method for adaptively collecting performance and event information |
US7783781B1 (en) | 2005-08-05 | 2010-08-24 | F5 Networks, Inc. | Adaptive compression |
US8943181B2 (en) * | 2005-11-29 | 2015-01-27 | Ebay Inc. | Method and system for reducing connections to a database |
US8275909B1 (en) * | 2005-12-07 | 2012-09-25 | F5 Networks, Inc. | Adaptive compression |
US9348624B2 (en) | 2009-07-23 | 2016-05-24 | International Business Machines Corporation | Monitoring file access of java processes |
US8838779B2 (en) * | 2009-11-04 | 2014-09-16 | International Business Machines Corporation | Multi-level offload of model-based adaptive monitoring for systems management |
US9639446B2 (en) | 2009-12-21 | 2017-05-02 | International Business Machines Corporation | Trace monitoring |
US20110258613A1 (en) * | 2010-04-15 | 2011-10-20 | International Business Machines Corporation | Software debugger activation based on key performance indicators |
JP2012032986A (ja) * | 2010-07-30 | 2012-02-16 | Fujitsu Ltd | コンパイル方法及びプログラム |
US10089696B2 (en) * | 2012-05-09 | 2018-10-02 | Intel Corporation | Budget-aware event information collection during program execution |
US9537787B2 (en) * | 2013-08-05 | 2017-01-03 | International Business Machines Corporation | Dynamically balancing resource requirements for clients with unpredictable loads |
CN111913875B (zh) | 2014-10-24 | 2024-04-26 | 谷歌有限责任公司 | 用于基于软件执行跟踪自动加标签的方法和系统 |
GB2594372B (en) * | 2014-10-24 | 2022-04-13 | Google Llc | Methods and systems for automated tagging based on software execution traces |
JP6540340B2 (ja) * | 2015-07-31 | 2019-07-10 | 富士通株式会社 | 関数呼び出し情報収集方法及び関数呼び出し情報収集プログラム |
US10063634B2 (en) | 2015-11-24 | 2018-08-28 | International Business Machines Corporation | Deployment of multi-task analytics applications in multi-clouds |
US10346043B2 (en) * | 2015-12-28 | 2019-07-09 | Pure Storage, Inc. | Adaptive computing for data compression |
US10572460B2 (en) * | 2016-02-11 | 2020-02-25 | Pure Storage, Inc. | Compressing data in dependence upon characteristics of a storage system |
US10394453B1 (en) * | 2016-09-16 | 2019-08-27 | EMC IP Holding Company LLC | Method and system for choosing an optimal compression algorithm considering resources |
US11012327B2 (en) | 2017-06-19 | 2021-05-18 | Keysight Technologies Singapore (Sales) Pte. Ltd. | Drop detection and protection for network packet monitoring in virtual processing environments |
US11323379B2 (en) | 2018-10-05 | 2022-05-03 | International Business Machines Corporation | Adaptive monitoring of computing systems |
JP7192645B2 (ja) * | 2019-04-26 | 2022-12-20 | 富士通株式会社 | 情報処理装置、分散処理システム及び分散処理プログラム |
KR102654689B1 (ko) * | 2019-05-24 | 2024-04-03 | 삼성에스디에스 주식회사 | 트랜잭션 실패 확률을 고려한 트랜잭션 가속 처리 장치 및 그 방법 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5546557A (en) | 1993-06-14 | 1996-08-13 | International Business Machines Corporation | System for storing and managing plural logical volumes in each of several physical volumes including automatically creating logical volumes in peripheral data storage subsystem |
US6574587B2 (en) * | 1998-02-27 | 2003-06-03 | Mci Communications Corporation | System and method for extracting and forecasting computing resource data such as CPU consumption using autoregressive methodology |
US6731723B1 (en) * | 1998-09-29 | 2004-05-04 | Skyworks Solutions, Inc. | Multi-line recording device having reduced processing and storage requirements |
US6604158B1 (en) | 1999-03-11 | 2003-08-05 | Realtime Data, Llc | System and methods for accelerated data storage and retrieval |
US6374234B1 (en) * | 1999-06-22 | 2002-04-16 | Microsoft Corporation | Aggregations performance estimation in database systems |
US6456999B1 (en) * | 1999-06-22 | 2002-09-24 | Microsoft Corporation | Aggregations size estimation in database services |
US6560501B1 (en) * | 2000-03-07 | 2003-05-06 | I2 Technologies Us, Inc. | System and method for collaborative batch aggregation and scheduling |
US7111059B1 (en) * | 2000-11-10 | 2006-09-19 | Microsoft Corporation | System for gathering and aggregating operational metrics |
US6724940B1 (en) | 2000-11-24 | 2004-04-20 | Canadian Space Agency | System and method for encoding multidimensional data using hierarchical self-organizing cluster vector quantization |
US7730001B2 (en) * | 2001-02-09 | 2010-06-01 | International Business Machines Corporation | Computer system program and method to characterize each of a plurality of objects used at runtime to determine a lowest cost property among a plurality of potential alternative properties for each of said objects minimizing total cost of interaction among components during program execution |
US6609083B2 (en) * | 2001-06-01 | 2003-08-19 | Hewlett-Packard Development Company, L.P. | Adaptive performance data measurement and collections |
US7472182B1 (en) * | 2002-12-31 | 2008-12-30 | Emc Corporation | Data collection policy for storage devices |
JP2004272810A (ja) * | 2003-03-11 | 2004-09-30 | Hitachi Software Eng Co Ltd | モバイル端末ソフトウェアのログデータ採取方法 |
JP2006133975A (ja) * | 2004-11-04 | 2006-05-25 | Ricoh Co Ltd | 電子機器、未転送ログ消失通知方法、未転送ログ消失通知プログラム、未転送ログ消失通知プログラムが記録された記録媒体 |
US7644046B1 (en) * | 2005-06-23 | 2010-01-05 | Hewlett-Packard Development Company, L.P. | Method of estimating storage system cost |
JP2007011568A (ja) * | 2005-06-29 | 2007-01-18 | Fujitsu Ten Ltd | 通信装置 |
US7734768B2 (en) * | 2005-07-26 | 2010-06-08 | International Business Machines Corporation | System and method for adaptively collecting performance and event information |
US8688907B2 (en) * | 2009-11-25 | 2014-04-01 | Cleversafe, Inc. | Large scale subscription based dispersed storage network |
-
2005
- 2005-07-26 US US11/189,391 patent/US7734768B2/en not_active Expired - Fee Related
-
2006
- 2006-07-21 JP JP2008523971A patent/JP4912401B2/ja not_active Expired - Fee Related
- 2006-07-21 CN CNA2006800259999A patent/CN101223509A/zh active Pending
- 2006-07-21 WO PCT/US2006/028146 patent/WO2007015922A2/en active Application Filing
- 2006-07-21 EP EP06800149A patent/EP1907934A2/en not_active Withdrawn
-
2008
- 2008-07-15 US US12/173,502 patent/US8402130B2/en not_active Expired - Fee Related
-
2012
- 2012-03-29 US US13/433,480 patent/US9292407B2/en not_active Expired - Fee Related
- 2012-03-29 US US13/433,529 patent/US8645573B2/en not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102369523A (zh) * | 2009-03-24 | 2012-03-07 | 微软公司 | 对分布式应用程序的监测 |
CN102369523B (zh) * | 2009-03-24 | 2015-09-09 | 微软技术许可有限责任公司 | 对分布式应用程序的监测 |
CN107710168A (zh) * | 2015-06-16 | 2018-02-16 | 三菱电机株式会社 | 信息处理装置和信息处理方法 |
CN107710168B (zh) * | 2015-06-16 | 2019-03-26 | 三菱电机株式会社 | 信息处理装置和信息处理方法 |
CN112306671A (zh) * | 2019-07-29 | 2021-02-02 | 国际商业机器公司 | 确定用于分布式基于批的优化应用的最佳计算资源 |
Also Published As
Publication number | Publication date |
---|---|
JP4912401B2 (ja) | 2012-04-11 |
EP1907934A2 (en) | 2008-04-09 |
WO2007015922A2 (en) | 2007-02-08 |
US8645573B2 (en) | 2014-02-04 |
JP2009503686A (ja) | 2009-01-29 |
US20080276244A1 (en) | 2008-11-06 |
US8402130B2 (en) | 2013-03-19 |
US20120209994A1 (en) | 2012-08-16 |
US20120203746A1 (en) | 2012-08-09 |
US20070038738A1 (en) | 2007-02-15 |
WO2007015922A3 (en) | 2007-08-30 |
US7734768B2 (en) | 2010-06-08 |
US9292407B2 (en) | 2016-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101223509A (zh) | 用于自适应地收集性能和事件信息的系统和方法 | |
US7890620B2 (en) | Monitoring system and monitoring method | |
US7895012B2 (en) | Systems and methods for organizing and storing data | |
US20160127284A1 (en) | Cloud messaging services optimization through adaptive message compression | |
US8560667B2 (en) | Analysis method and apparatus | |
US20090100195A1 (en) | Methods and Apparatus for Autonomic Compression Level Selection for Backup Environments | |
US8387059B2 (en) | Black-box performance control for high-volume throughput-centric systems | |
CN101707632A (zh) | 一种动态监控服务器集群性能并实时报警的方法 | |
CN109039817B (zh) | 一种用于流量监控的信息处理方法、装置、设备及介质 | |
CN101635651A (zh) | 一种网络日志数据管理方法、系统及装置 | |
JP2004152295A (ja) | 集合オブジェクト識別子を与える方法および装置 | |
CN107346270B (zh) | 基于实时计算的基数估计的方法和系统 | |
US7716431B2 (en) | Analysis technique of execution states in computer system | |
CN112069049A (zh) | 数据监控管理方法、装置、服务器及可读存储介质 | |
US9003432B1 (en) | Efficient management of kernel driver performance data | |
US20070076627A1 (en) | Efficient accumulation of performance statistics in a multi-port network | |
CN113079062B (zh) | 一种资源调整方法、装置、计算机设备和存储介质 | |
US10802943B2 (en) | Performance management system, management device, and performance management method | |
CN115168042A (zh) | 监控集群的管理方法及装置、计算机存储介质、电子设备 | |
CN113885803A (zh) | 数据存储方法、装置、电子设备及存储介质 | |
CN114185681A (zh) | 一种自动化限流处理方法及装置 | |
CN111209102A (zh) | 一种分布式任务分发方法与系统 | |
CN113225228B (zh) | 数据处理方法及装置 | |
CN117827586A (zh) | 一种行协议结构及存储库的指标监控方法、系统 | |
CN115129556A (zh) | 一种数据存储方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080716 |