CN102473195B - 处理过程管理装置、处理过程管理方法、处理过程管理系统和处理过程管理程序 - Google Patents

处理过程管理装置、处理过程管理方法、处理过程管理系统和处理过程管理程序 Download PDF

Info

Publication number
CN102473195B
CN102473195B CN201180002523.4A CN201180002523A CN102473195B CN 102473195 B CN102473195 B CN 102473195B CN 201180002523 A CN201180002523 A CN 201180002523A CN 102473195 B CN102473195 B CN 102473195B
Authority
CN
China
Prior art keywords
performance
processing procedure
information
processing
performance 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.)
Expired - Fee Related
Application number
CN201180002523.4A
Other languages
English (en)
Other versions
CN102473195A (zh
Inventor
有熊威
白石展久
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.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of CN102473195A publication Critical patent/CN102473195A/zh
Application granted granted Critical
Publication of CN102473195B publication Critical patent/CN102473195B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/34Recording 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
    • G06F11/3452Performance evaluation by statistical analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/34Recording 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
    • G06F11/3466Performance evaluation by tracing or monitoring

Abstract

本发明提供处理过程管理装置,该处理过程管理装置可以通过高速地适应于用于信息处理的功能引擎的性能改变而确定处理过程。本发明包括:存储处理过程及其性能信息的过程数据库(31);性能历史数据库(32),其存储当根据处理过程来执行信息处理时观察到的性能、和对于执行处理模块的每个功能引擎观察到的性能,所述处理模块构成处理过程;性能观察单元(33),其获取这里观察到的性能;未来性能计算单元(34),其计算每个功能引擎在未来某一时点的性能;过程产生单元(35),根据未来的性能重构处理模块并产生新处理过程;过程更新单元(36),其将产生的处理过程及其性能信息增加到过程数据库(31);和过程解决单元(37),其从过程数据库(31)中确定用于执行指定的信息处理的处理过程。

Description

处理过程管理装置、处理过程管理方法、处理过程管理系统和处理过程管理程序
技术领域
本发明涉及处理过程管理装置、处理过程管理方法、处理过程管理系统和管理处理过程的处理过程管理程序。
背景技术
管理用于执行信息处理的多个处理过程的候选、并对指定的信息处理确定适合的处理过程的处理过程管理装置是已知的。
对于这种类型的处理过程管理装置,如图18所示,存在包括算法登记单元101、最优模式判定条件指定单元102、算法指定单元103、搜索模式抽取单元104、搜索模式执行单元105、数据输入单元106和最优模式判定单元107的示例(例如,参考专利文献1)。
专利文献1中公开的处理过程管理装置如下确定处理过程。
首先,算法登记单元101登记诸如用于数据处理的各种算法或参数组合规则等事项。然后,数据输入单元106获取处理对象的数据,最优模式判定条件指定单元102将目标性能值设置成判定条件,所述目标性能值确定用于对处理对象的数据进行处理的算法或规则的最优组合模式。当由用户对选择用于数据处理的算法的条件进行指定时,算法指定单元103获取要使用的算法的选择条件。然后,搜索模式抽取单元104根据选择条件来选择用于数据处理的算法,并建立作为如何组合算法的模式的“组合模式”。然后,搜索模式执行单元105对于所有的“组合模式”执行“组合模式”,并产生每个输出数据。然后,最优模式判定单元107根据判定条件来判定最优的“组合模式”,并输出关于最优数据、最优组合模式等的信息。
专利文献1:日本专利申请早期公开No.2007-066007
发明内容
本发明要解决的问题
但是,当确定适当的处理过程时,专利文献1中公开的技术不能使其自身高速地适应于分别执行每个算法的功能引擎的性能改变。
将描述其原因。通常,功能引擎的性能会根据诸如功能引擎保持的信息的量或内容等事项而改变。此外,学习型功能引擎的性能可以根据学习的程度而随着时间改变。此外,这里提到的性能包括与处理的负荷有关的性能(例如,处理时间和计算资源消耗)和与处理结果的质量有关的性能(例如,精度和似然度)。
但是,对于专利文献1中公开的技术,为了确定在某一给定时间的最优处理过程,需要实际执行成为最优处理过程的候选的多个“组合模式”。因此,在专利文献1中公开的处理过程管理装置中,仅对于多个“组合模式”的执行时间,就产生时滞以适应于性能改变。因此,在专利文献1中公开的处理过程管理装置中,产生很难高速适应的上述问题。
本发明要解决上述问题,本发明的目的是提供处理过程管理装置,该处理过程管理装置可以通过高速地适应用于信息处理的功能引擎的性能改变而确定处理过程。
解决问题的手段
本发明的处理过程管理装置包括以下部件:过程数据库,其存储用于执行信息处理的处理过程以及表示处理过程的性能的性能信息;性能历史数据库,其存储观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示对于执行处理模块的每个功能引擎观察到的性能,所述处理模块构成所述处理过程;性能观察装置,其获取所述观察性能信息和所述功能引擎观察性能信息,并存储到所述性能历史数据库;未来性能计算装置,其根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个功能引擎在未来某一时点的性能;过程产生装置,其根据所述未来性能信息来重构所述处理模块,并产生用于执行所述信息处理的新处理过程;过程更新装置,其根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将由所述过程产生装置产生的处理过程和其性能信息增加到所述过程数据库;和过程解决装置,其根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
此外,本发明的处理过程管理系统是包括处理执行装置和处理过程管理装置的处理过程管理系统,所述处理执行装置根据处理过程来执行信息处理,所述处理过程管理装置管理所述处理过程;其中,所述处理执行装置包括以下部件:处理控制装置,其向所述处理过程管理装置要求决定用于执行所述信息处理的处理过程,以及根据由所述处理过程管理装置确定的处理过程来执行所述信息处理;和功能引擎,其分别执行构成所述处理过程的每个处理模块;并且其中,所述处理过程管理装置包括以下部件:过程数据库,其存储所述处理过程以及表示处理过程的性能的性能信息;性能历史数据库,其存储观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时的观察,所述功能引擎观察性能信息表示对于每个所述功能引擎观察到的性能;未来性能计算装置,其根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个功能引擎在未来某一时点的性能;过程产生装置,其根据所述未来性能信息来重构所述处理模块,并产生用于执行所述信息处理的新处理过程;过程更新装置,其根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将由所述过程产生装置产生的处理过程和其性能信息增加到所述过程数据库;和过程解决装置,其根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
此外,本发明的处理过程管理方法使用处理执行装置和处理过程管理装置,所述处理执行装置根据处理过程来执行信息处理,所述处理过程管理装置管理所述处理过程,所述处理过程管理装置:将所述处理过程以及表示处理过程的性能的性能信息存储在过程数据库中;获取观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示对于执行处理模块的每个功能引擎观察到的性能;将获取的观察性能信息和功能引擎观察性能信息存储在性能历史数据库中;根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个功能引擎在未来某一时点的性能;根据所述未来性能信息来重构所述处理模块并产生用于执行所述信息处理的新处理过程;根据所述性能历史数据库来更新所述过程数据库的性能信息;将新产生的所述处理过程和其性能信息增加到所述过程数据库;所述处理执行过程:向所述处理过程管理装置要求确定用于执行所述信息处理的处理过程;所述处理过程管理装置:从所述过程数据库中确定用于执行要求的信息处理的处理过程;并且所述处理执行装置:根据由所述处理过程管理装置确定的处理过程来执行所述信息处理。
此外,本发明的记录介质存储的处理过程管理过程使得管理用于执行信息处理的处理过程的处理过程管理装置执行:处理过程存储步骤,其用于将所述处理过程以及表示处理过程的性能的性能信息存储在过程数据库中;性能观察步骤,其用于获取观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示对于执行处理模块的每个功能引擎观察到的性能,所述处理模块构成处理过程;性能历史存储步骤,其用于将在所述性能观察步骤中获取的观察性能信息和功能引擎观察性能信息存储到性能历史数据库;未来性能计算步骤,其用于根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个所述功能引擎在未来某一时点的性能;过程产生步骤,其用于根据所述未来性能信息来重构所述处理模块,并产生用于执行所述信息处理的新处理过程;过程更新步骤,其用于根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将所述过程产生步骤中产生的处理过程和其性能信息增加到所述过程数据库;和过程解决步骤,其用于根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
本发明的有益效果
本发明可以通过高速地适应于用于信息处理的功能引擎的性能改变而确定处理过程。
附图说明
图1是示出作为本发明的第一示例性实施例的处理过程管理系统的组成的功能框图。
图2是示出根据本发明的第一示例性实施例的存储在过程表中的数据的示例的示图。
图3是示出根据本发明的第一示例性实施例的存储在过程特征表中的数据的示例的示图。
图4是示出根据本发明的第一示例性实施例的存储在性能历史表中的数据的示例的示图。
图5是示出根据本发明的第一示例性实施例的存储在功能引擎性能历史表中的数据的示例的示图。
图6是示出根据本发明的第一示例性实施例的存储在性能统计表中的数据的示例的示图。
图7是示出根据本发明的第一示例性实施例的处理过程管理系统的处理过程要求解决操作的流程图。
图8是示出作为本发明的第一示例性实施例的处理过程管理系统的性能观察操作的流程图。
图9是示出作为本发明的第一示例性实施例的处理过程管理系统的过程特征更新操作的流程图。
图10是示出作为本发明的第一示例性实施例的处理过程管理系统的过程产生操作的流程图。
图11是示出作为本发明的第二示例性实施例的处理过程管理系统的组成的功能框图。
图12是示出根据本发明的第二示例性实施例的存储在性能改变规则表中的数据的示例的示图。
图13是示出作为本发明的第二示例性实施例的处理过程管理系统的过程产生操作的流程图。
图14是示出作为本发明的第三示例性实施例的处理过程管理系统的组成的功能框图。
图15是示出作为本发明的第三示例性实施例的处理过程管理系统的过程产生操作的流程图。
图16是示出作为本发明的第四示例性实施例的处理过程管理系统的组成的功能框图。
图17是示出作为本发明的第四示例性实施例的处理过程管理系统的过程产生操作的流程图。
图18是示出相关领域的处理过程管理装置的组成的功能框图。
图19是处理执行装置2和处理过程管理装置处理过程管理装置3的硬件构造图的示例。
具体实施方式
在下文中,将参考附图描述本发明的示例性实施例。
(第一示例性实施例)
图1中示出作为本发明的第一示例性实施例的处理过程管理系统1的功能框图。在图1中,处理过程管理系统1包括处理执行装置2和处理过程管理装置3,该处理执行装置2执行由用户和客户装置10指示的信息处理,该处理过程管理装置3管理由处理执行装置2所执行的信息处理的处理过程。此外,处理执行装置2和处理过程管理装置3被连接为能够彼此进行通信。
这里,如图19所示,处理执行装置2和处理过程管理装置3各自由通用计算机组成,该通用计算机至少具有CPU(中央处理器)11、RAM(随机存储器存储器)12、ROM(只读存储器)13和存储装置14。
首先将描述处理执行装置2的构造。
处理执行装置2是执行信息处理以向客户装置10提供功能的装置。这里,这里,要提供给客户装置10的功能例如表示通过信息处理实现的各种功能,例如,搜索网络和内部网上的文档的服务。
这里的处理执行装置2包括处理控制单元21和多于一个功能引擎22。此外,在图1中,尽管示出两个功能引擎22,但是在本发明中,在处理执行装置中提供的功能引擎的数量不受限制。此外,处理控制单元21和功能引擎22构成为电路,该电路存储在计算机的存储装置中作为程序模块、并由CPU所执行。
处理控制单元21从客户装置10获取对功能的提供要求。然后,处理控制单元21根据处理过程来执行实现所要求的功能的信息处理,并将处理结果输出至客户装置10。
这时,处理控制单元21要求之后提到的处理过程管理装置3来决定实现所要求的功能的信息处理的处理过程。然后,处理控制单元21根据由处理过程管理装置3所决定的处理过程,来执行实现所要求的功能的信息处理。
功能引擎22执行构成信息处理的处理模块,该信息处理实现由客户装置10要求的功能。功能引擎22在处理控制单元21的控制下执行处理模块,并输出至处理控制单元21。
然后,将描述处理过程管理装置3的构造。
处理过程管理装置3包括过程数据库31、性能历史数据库32、性能观察单元33、未来性能计算单元34、过程产生单元35、过程更新单元36和过程解决单元37。这里。过程数据库31和性能历史数据库32可以包括计算机的存储装置。此外,性能观察单元33、未来性能计算单元34、过程产生单元35、过程更新单元36和过程解决单元37被存储在计算机的存储装置中作为过程模块,并且构成为由CPU所执行的电路。
过程数据库31存储用于执行信息处理的处理过程的候选、以及处理过程的性能信息,该信息处理实现由客户装置10向处理执行装置2要求的功能。
将使用图2和图3来描述存储在过程数据库31中的数据的示例。过程数据库31由图2中所示的过程表TA和图3中所示的过程特征表TB组成。如图2所示,过程表TA存储元组(tuple),该元组由表示处理过程的处理过程表述和标识处理过程的处理过程ID组成。
处理过程ID用于唯一地标识处理过程,并且是过程表TA的主键。此外,处理过程ID不限于数字字符,例如,处理过程ID可以是可以唯一地区分处理过程的诸如任意字符串或URI(统一资源标识符)之类的信息。
处理过程表述是写有用于执行信息处理的过程的表述。也就是说,将用于执行信息处理的功能引擎的组合及其执行顺序写入处理过程表述中。在图2的示例中,通过功能引擎的函数调用和连接运算符(|代表并行执行,*代表顺序执行)来描述处理过程表述。例如,处理过程ID 1的处理过程表述表示如下的处理过程:通过均等展开同义词和相关词的自变量(argument)来调用称为同义词展开A的功能引擎、然后并行地调用内部文档搜索功能引擎和网络文档搜索功能引擎、然后调用结果整合功能引擎。
这里,处理过程表述不一定需要是上述字符串信息。例如,处理过程表述可以是诸如图形表示(例如,UML(统一建模语言)的活动图或流程图)之类的信息,所述信息可以唯一地指定信息处理所需要的功能引擎的组合和执行顺序。
如图3所示,过程特征表TB存储元组,所述元组由标识处理过程的处理过程ID、表示由处理过程实现的功能的功能类型、和表示处理过程的性能的性能矢量组成。
处理过程ID和功能类型是过程特征表TB的主键。处理过程ID是用于指示出元组正在描述哪个处理过程的特征的信息,并且是过程表TA的ID的外键。
功能类型表示根据这里的处理过程来执行信息处理所实现的功能。也就是说,功能类型表示处理过程用于什么目的及其将被用于由处理执行装置2所提供的哪个功能。例如,如图3的示例所示,功能类型可以由输入数据类型、功能和输出数据类型的三元组来表示。此外,在这里的示例中,对于表示功能类型的输出数据类型、功能和输出数据类型,使用预先设置的控制字(controlled word)。
例如,在图3的第1行的示例中,当将关键字指定为输入时,表示使用关键字来执行搜索、并将公司的内部网上的文档和网络上的文档提供作为搜索结果的功能类型。
此外,功能类型不一定需要是上述三元组表示。例如,功能类型可以是诸如图形表示、通过单字的功能表述之类的信息,并且可以将功能功能表示为数值矢量,功能类型应当是可以指定功能的信息。
性能矢量是表示根据由处理过程ID所标识的处理过程来执行功能类型的信息处理时的性能。此外,性能矢量构成本发明的性能信息的一个实施例。在图3的示例中,性能矢量由表示平均精度、平均覆盖因子、平均适合率和平均处理时间四个指标的数值组成。存储在过程特征表TB中的性能矢量由过去执行处理过程时的每个指标的平均值组成。
此外,组成性能矢量的指标不一定需要限制为上述四种,可以根据功能类型的多样性和要适应的改变目标而增加或减少。例如,性能矢量不限制为每个指标的平均值,其可以包括指示由输入数据得到的性能的分布的指标(例如,离散度和变动系数)。性能矢量可以包括指示处理负荷的指标(例如,CPU负荷和硬盘负荷)。
性能历史数据库32存储观察性能矢量,该观察性能矢量表示当根据存储在过程数据库31中的处理过程来执行信息处理时观察到的性能。此外,性能历史数据库32存储功能引擎观察性能矢量,该功能引擎观察性能矢量表示对于执行处理模块的每个功能引擎观察到的性能,所述功能模块构成存储在过程数据库31中的处理过程。这里的性能历史数据库32包括性能历史表TC、功能引擎性能历史表TF和性能统计表TD。
图4中示出存储在性能历史表TC中的数据的示例。性能历史表TC存储由时间、功能类型、处理过程ID、和观察性能矢量组成的元组。在下文中,这里的元组也称作状态信息,该状态信息表示当根据处理过程来实际执行信息处理时观察到的状态。
时间指示当观察到状态信息时的时间。这里,时间的表述应当能够唯一地确定时间轴上的一个点,除了图4中所示的字符串,可以使用诸如距离某一日期的毫秒数之类的信息。
功能类型用于表示状态信息所指示的处理过程是在哪个功能上执行的,并且是过程特征表TB中的功能类型的外键。
处理过程ID用于标识状态信息所指示的处理过程,并且是过程表TA的ID的外键。
观察性能矢量是指示出当执行状态信息所指示的处理过程时观察到的性能的矢量。此外,观察性能矢量构成本发明的观察性能信息的一个实施例。在图4的示例中,观察性能矢量由表示表示精度、覆盖因子、适合率和处理时间四个指标的数值组成。这里,组成观察性能矢量的指标不限于上述四种,可以根据功能类型的多样性和要适应的改变目标而增加或减少。
图5中示出存储在功能引擎性能历史表TF中的数据的示例。功能引擎性能历史表TF存储由时间、功能类型、功能引擎ID和功能引擎观察性能矢量组成的元组。在下文中,该元组也称作功能引擎状态信息,该功能引擎状态信息表示当实际根据处理过程由处理执行装置2实际执行信息处理时、在每个功能引擎观察到的状态。
时间指示出当观察到功能引擎状态信息时的时间。这里,时间的表述应当能够唯一地确定时间轴上的一个点,除了图5中所示的字符串,可以使用诸如距离某一日期的毫秒数之类的信息。
功能引擎ID用于指示哪个功能引擎与这里的功能引擎状态信息相关。这里,功能引擎ID应当是可以唯一地区分每个功能引擎的信息,例如,功能引擎ID可以是指示URI和引擎名称的诸如任意字符串或数值之类的信息。此外,作为如图5的示例,对于功能引擎ID,可以使用图2中所示的过程表TA的处理过程表述中对功能引擎的相同表述。
功能类型用于指示通过哪个实现功能的处理过程来执行指示功能引擎状态信息的功能引擎。这里的功能类型是过程特征表TB中的功能类型的外键。
功能引擎观察性能矢量是指示出当执行状态信息所指示的功能引擎时观察到的性能的矢量。此外,功能引擎观察性能矢量构成本发明的功能引擎观察性能信息的一个实施例。在图5的示例中,这里的功能引擎观察性能矢量由表示精度、覆盖因子、适合率和处理时间四个指标的数值组成。这里,组成功能引擎观察性能矢量的指标不限于上述四种,可以根据功能类型的多样性和要适应的改变目标而增加或减少。
图6中示出存储在性能统计表TD中的数据的示例。性能统计表TD存储由处理过程ID、功能类型、统计性能矢量和最后更新时间组成的元组。
处理过程ID和功能类型是性能统计表TD的主键。即,该表的元组的数量与过程特征表TB的元组的数量相同。
处理过程ID是用于指示元组表示与哪个处理过程有关的统计信息的信息,并且是过程表TA的处理过程ID的外键。
功能类型示出处理过程用于什么目的和使用哪个功能。这里的功能类型是过程特征表TB的功能类型的外键。
统计性能矢量是表示当使用由处理过程ID标识的处理过程来执行实现功能类型的功能的信息处理时、对观察的性能的统计信息。在图6的示例中,统计性能矢量由表示性能的每个指标的平均值组成。这里,统计性能矢量是成为存储在上述过程特征表TB中的性能矢量值的信息。也就是说,组成这里的统计性能矢量的指标覆盖了组成过程特征表TB的性能矢量的指标。即,组成过程特征表TB的性能矢量的字符组应当是组成统计性能矢量的字符组的子集。
最后更新时间指示最后更新统计性能矢量时的时间。此外,最后更新时间应当能够唯一地确定时间轴上的一个点,除了图6中所示的字符串,可以使用诸如距离某一日期的毫秒数之类的信息。
性能观察单元33从处理控制单元21获取状态信息和功能引擎状态信息,并登记到性能历史数据库32的性能历史表TC和功能引擎性能历史表TF。
未来性能计算单元34将根据功能引擎状态信息中包括的功能引擎观察性能矢量来计算未来性能矢量,该未来性能矢量表示每个功能引擎在未来某个时刻的性能。
过程产生单元35根据每个功能引擎的未来性能矢量来重构将由功能引擎执行的处理模块,并产生新的处理过程,该新的处理过程用于实现客户装置10可向处理执行装置2要求的功能。
此外,过程产生单元35将根据每个功能引擎的未来性能矢量来计算新产生的处理过程的性能矢量。
例如,过程产生单元35根据未来性能矢量产生新的处理过程,该新的处理过程用于使处理执行装置2执行信息处理,该信息处理实现功能类型为“(关键词,搜索,[网络文档,内部文档])”的功能。这里,对于过程表TA,处理过程ID 1和2的处理过程被登记为已经实现功能类型的功能的信息处理的处理过程。这时,假设如下的情况:可以判定由未来性能计算单元34计算的功能引擎“同义词搜索B”的性能矢量的值将比功能引擎“同义词搜索A”的未来性能值更优异。在这种情况下,过程产生单元35新产生使用同义词搜索B来代替同义词搜索A的处理过程“同义词搜索B(只有同义词)*内部文档搜索()”。
过程更新单元36对性能历史数据库32的性能历史表TC的观察性能矢量进行总计,并更新性能历史数据库32的性能统计表TD的统计性能矢量。此外,同时,过程更新单元36更新性能统计表TD的最后更新时间。
此外,过程更新单元36根据性能统计表TD的统计性能矢量来更新过程特征表TB的性能矢量。
此外,过程更新单元36将新处理过程ID指派到由过程产生单元35新产生的处理过程,并附加登记到过程数据库31的过程表TA。此外,过程更新单元36附加地将附加登记的处理过程的性能矢量登记到过程特征表TB。
过程解决单元37获取表示来自处理控制单元21的过程解决要求的信息。然后,过程解决单元37分析过程解决要求,并搜索作为由客户装置10所要求的功能的要求功能类型和作为要求的性能的要求性能矢量。过程解决单元37根据过程数据库31来选择满足要求功能类型和要求性能矢量的处理过程,并将选择的处理过程输出至处理控制单元21。
此外,在上面的描述中,尽管描述了由同一计算机装置组成的处理控制单元21和功能引擎22的示例,但是处理控制单元21和每个功能引擎22可以由彼此通信的不同的计算机装置组成。此外,在上面的描述中,尽管描述了由同一计算机装置组成的过程解决单元37和其他组件的示例,但是这些组件也可以由彼此通信的不同计算机装置组成。
将使用图7到图10来描述如上所述构成的处理过程管理系统1的操作。
处理过程管理系统1执行处理过程要求解决处理以解决处理过程要求、执行性能观察处理以观察当执行处理过程时的性能、执行过程特征更新处理以更新过程特征表TB、并且执行过程产生处理以产生并附加登记新的处理过程。此外,处理过程管理系统1可以独立地执行上述处理。
首先,将使用图7来描述处理过程要求解决处理。
这里,首先,当接收到来自处理控制单元21的处理过程要求时(步骤Sa1中的“是”),过程解决单元37分析处理过程要求并指定需要的功能类型(步骤Sa2)。
然后,过程解决单元37分析处理过程要求,并产生需要的性能矢量(步骤Sa3)。
然后,过程解决单元37从过程数据库31的过程特征表TB中,获取与作为步骤Sa2中要求的功能类型的需要功能类型相匹配的元组群(步骤Sa4)。
然后,过程解决单元37计算每个获取的元组的性能矢量和需要的性能矢量之间的距离(步骤Sa5)。这里,例如,过程解决单元37可以计算余弦距离作为每个元组和需要的性能矢量之间的距离。
过程解决单元37对步骤Sa4中获取的所有元组重复步骤Sa5。
然后,过程解决单元37获取步骤Sa5中计算的距离最短的元组的处理过程ID(步骤Sa6)。
然后,过程解决单元37从过程表TA获取具有该处理过程ID的处理过程表述(步骤Sa7)。
最后,过程解决单元37将获取的处理过程表述送回到处理控制单元21(步骤Sa8),并结束处理过程要求解决处理。
然后,将使用图8来描述性能观察处理。
这里,首先,性能观察单元33从处理控制单元21获取当处理执行装置2执行根据处理过程的信息处理时观察到的状态信息、和在这时对每个功能引擎22观察到的功能引擎状态信息(步骤Sb1)。
然后,性能观察单元33将获取的状态信息和功能引擎状态信息存储到性能历史数据库32的性能历史表TC和功能引擎性能历史表TF(步骤Sb2)。
这里,性能观察单元33通过向处理控制单元21要求状态信息和功能引擎状态信息,可以从处理控制单元21获取这些信息。此外,在执行处理过程之后,处理控制单元21可以将这些信息告知性能观察单元33。此外,性能观察单元33和处理控制单元21可以通过经由文件系统来交换这些信息而异步运行。利用以上操作,性能观察单元33结束性能观察处理。
然后,将使用图9来描述过程特征更新处理。该处理由性能统计表TD的更新处理(步骤Sc2-Sc5)和过程特征表TB的更新处理(步骤Sc6-Sc7)组成。
这里,首先,当性能历史数据库32的性能历史表TC中有变化时(步骤Sc1中的“是”),过程更新单元36从性能历史表TC获取在上次执行处理特征更新处理之后的状态信息群组(步骤Sc2)。
然后,过程更新单元36对于每个状态信息从性能历史数据库32的过程特征表TB中获取具有相同功能类型和处理过程ID的元组(步骤Sc3)。
然后,过程更新单元36执行观察性能矢量的统计处理,该观察性能矢量包括在步骤Sc2中获取的状态信息群组和在步骤Sc3中获取的元组的统计性能矢量当中的、具有相同功能类型和处理过程ID的元组中,并且过程更新单元36更新统计性能矢量的值(步骤Sc4)。
例如,过程更新单元36通过考虑时间而将状态信息的观察性能矢量值和统计性能矢量值加权相加,过程更新单元36可以更新统计性能矢量值。这时,通过使统计性能矢量值的权重预先设置为小于观察性能矢量值的权重,过程更新单元36可以抑制过去的观察性能矢量的影响,并且可以计算抑制观察性能矢量的分布的影响的统计性能矢量。
在这里的步骤Sc4的处理中,过程更新单元36可以省略与被使用的可能性明显很低的处理过程有关的处理,例如,对应于登记在过程数据库31上的处理过程当中的性能矢量与其他相比较低的过程特征表TB的元组。然后,过程更新单元36将步骤Sc4中更新的元组的最后更新时间更新到当前时间(步骤Sc5)。
过程更新单元36重复步骤Sc3-Sc5,直到执行了步骤Sc2中获取的所有状态信息。
然后,过程更新单元36从性能历史数据库32的性能统计表TD获取更新后元组的群组(步骤Sc6)。
然后,过程更新单元36通过使用性能统计表TD的更新的统计性能矢量值,来更新与过程特征表TB相对应的元组的性能矢量值(步骤Sc7)。
过程更新单元36对步骤Sc6中获取的每个元组重复步骤Sc7,并结束过程特征更新处理。
然后,将使用图10来描述过程产生处理。
这里的处理由计算未来性能矢量的处理(步骤Sd2-Sd4)和产生新处理过程的处理(步骤Sd5-Sd7)组成。
这里,首先,当性能历史数据库32中的性能统计表TD中有变化时(步骤Sd1中的“是”),未来性能计算单元34将从功能引擎性能历史表TF获取最近时期的功能引擎状态信息的群组(步骤Sd2)。
然后,未来性能计算单元34将通过功能类型和处理过程ID的组合来对获取的功能引擎状态信息的群组进行分类(Sd3)。
然后,未来性能计算单元34将对于功能类型和处理过程ID的每个组合的功能引擎状态信息的功能引擎观察性能矢量加在一起,并计算未来性能矢量(步骤Sd4)。
未来性能计算单元34将对步骤Sd3中分类的所有组合重复步骤Sd4。
然后,过程产生单元35根据计算的未来性能矢量来重构功能引擎,并产生新的处理过程(步骤Sd5)。然后,过程产生单元35计算新处理过程的性能矢量。
然后,过程更新单元36将新产生的处理过程附加登记到过程数据库31的过程表TA(步骤Sd6)。
然后,过程更新单元36将附加登记的处理过程的性能矢量附加地登记到过程数据库31的过程特征表TB(步骤Sd7)。
过程更新单元36对步骤Sd5中产生的所有处理过程重复Sd6-Sd7,并结束过程产生处理。
然后,描述本发明的第一示例性实施例的效果。
作为本发明的第一示例性实施例的处理过程管理系统可以通过高速地适应于用于信息处理的功能引擎中的性能改变而确定处理过程。
这是因为处理过程管理系统根据性能历史数据库来计算每个功能引擎的未来性能矢量,并根据计算的未来性能矢量来重构功能引擎,并新产生新的处理过程。结果,对于用于执行实现要求的功能的信息处理的处理过程,处理过程管理系统可以预测功能引擎的性能改变,并新产生未来被使用的可能性高的处理过程,并因而预先扩充了过程数据库。
此外,作为本发明的第一示例性实施例的处理过程管理系统可以减小处理执行装置的性能下降。
这是因为处理过程管理装置的处理对处理执行装置的处理的影响只是获取状态信息和功能引擎状态信息的处理,这里的历史获取的处理只需要最小的计算资源,例如,日志输出。这是因为处理过程管理装置可以独立地执行处理过程要求解决处理、性能观察处理、处理特征更新处理和过程产生处理当中的每一个。此外,过程特征更新处理和过程产生处理可以在与处理过程要求解决处理不同的服务器上执行,并且可以避免争夺计算资源。如上所述可以看出,处理过程管理系统可以减小处理执行装置的性能下降。
此外,作为本发明的第一示例性实施例的处理过程管理系统可以学习过程数据库的内容。
这是因为过程更新单元36考虑每个功能引擎的未来性能矢量而产生处理过程,并登记到过程数据库,并在登记之后持续更新特征信息。
(第二示例性实施例)
然后,将参考附图详细描述本发明的第二示例性实施例。
图11中示出作为本发明的第二示例性实施例的处理过程管理系统4的功能框图。此外,在图11中,相同的标记用于与本发明的第一示例性实施例相同的组件,并省略详细描述。
处理过程管理系统4对比作为本发明的第一示例性实施例的处理过程管理系统1,不同之处在于处理过程管理装置5代替处理过程管理装置3。此外,处理过程管理装置5在与处理过程管理装置3相似的构造中包括代替未来性能计算单元34的未来性能计算单元54,并且处理过程管理装置5还包括性能改变规则数据库58。
这里,性能改变规则数据库58由计算机的存储装置组成。
性能改变规则数据库58装有性能改变规则表TE。图12中示出存储在性能改变规则表TE中的数据的示例。
性能改变规则表TE存储由功能引擎ID、功能类型、适用条件和性能改变倾向组成的性能改变规则。
功能引擎ID、功能类型和适用条件是性能改变规则表上的主键。
功能引擎ID是指示作为规则的对象的功能引擎的ID。
功能类型是过程特征表TB的功能类型的外键。这里的功能类型指示当适用条件适用时的前提功能类型。
适用条件指示性能改变规则适用的条件。在图12的示例中,使用等号和不等号来描述与功能引擎观察性能矢量的数值有关的条件。期望这里的适用条件是可以由程序解释的标记。此外,例如,适用条件可以是与除性能矢量值之外的因素相关的条件,所述因素例如是功能引擎登记以来经过的时间。
当匹配适用条件时,性能改变倾向是指示由功能引擎ID和功能类型指定的功能的处理性能未来将如何改变的矢量。在图12的示例中,性能改变倾向表示精度改变倾向、覆盖因子改变倾向、适合率改变倾向和处理时间改变倾向四个指标的改变倾向。此外,性能改变倾向被描述为性能随时间变量t的经时变化的微分函数的矩阵。这里,性能改变倾向并不是必须采取微分函数的矩阵的形式,例如,其可以是指示增减方向的两个值、或表示增减比的数值。
未来性能计算单元54通过功能引擎和功能类型的组合来对功能引擎性能历史表TF上的功能引擎状态信息分类,并将每组中最近的预定的数量加在一起,并计算表示当前时间点的性能的当前性能矢量。然后,未来性能计算单元54检查存储在性能改变规则数据库58中的性能改变规则的适用条件当中的哪一个与当前性能矢量相匹配。然后,当存在符合的匹配性能改变规则时,未来性能计算单元54根据规则从当前性能矢量计算未来性能矢量。
例如,在图12的示例中,未来性能计算单元54通过将存储在性能改变规则数据库58中的性能改变倾向中描述的功能应用于当前性能矢量,来计算未来性能矢量。
将描述如上所述构成的处理过程管理系统4的操作。
尽管处理过程管理系统4与本发明的第一示例性实施例一样独立地执行处理过程要求解决处理、性能观察处理、处理特征更新处理和过程产生处理,但是过程产生处理中的操作不同。
将使用图13来描述处理过程管理系统4的过程产生处理。此外,在图13中,相同的标记用于与本发明的第一示例性实施例相同的组件,并省略详细描述。
首先,当功能引擎性能历史表TF中有变化时(步骤Sd1中的“是”),未来性能计算单元54从这里的表TF获取最近固定时段中的功能引擎状态信息的群组(步骤Sd2)。
然后,未来性能计算单元54通过功能类型和功能引擎ID的组合来对获取的功能引擎状态信息的群组进行分类(Sd3)。
然后,未来性能计算单元54将每个分类的功能引擎观察性能矢量加在一起,并存储加在一起作为当前性能矢量的群组的事项(步骤Se1)。
然后,未来性能计算单元54对每个当前性能矢量,从性能改变规则数据库58获取匹配适用条件的性能改变规则(步骤Se2)。
然后,未来性能计算单元54通过使用获取的性能改变规则,来从当前性能矢量计算并存储未来性能矢量(步骤Se3)。
未来性能计算单元54将对于步骤Sd3中分类的所有的组合,重复步骤Se1-Se3。
处理过程管理系统4与本发明的第一示例性实施例相似的运行到步骤Sd5-Sd7,并根据未来性能矢量产生新的处理过程,并结束过程产生操作。
然后,将描述本发明的第二实施例的效果。
作为本发明的第二示例性实施例的处理过程管理系统可以更高精度地计算功能引擎的未来性能,并且未来使用新产生的处理过程的可能性更高。
这是因为性能改变规则数据库58预先存储功能引擎的性能改变规则,并通过适用与功能引擎的观察性能相匹配的条件的性能改变规则来计算未来的性能。
(第三示例性实施例)
然后,将参考附图详细描述本发明的第三示例性实施例。
图14中示出作为本发明的第三示例性实施例的处理过程管理系统6的功能框图。此外,在图14中,相同的标记用于与本发明的第一示例性实施例相同的组件,并省略详细描述。
处理过程管理系统6对比作为本发明的第一示例性实施例的处理过程管理系统1,不同之处在于包括处理过程管理装置7。此外,处理过程管理装置7在与处理过程管理装置3相似的构造中包括代替未来性能计算单元34的未来性能计算单元74,并且处理过程管理装置7还包括性能改变规则数据库78。
性能历史分析单元78分析存储在性能历史数据库32中的功能引擎观察性能矢量的时间序列。这里,性能历史分析单元78应当使用在统计上分析时间序列数据并计算预测值的现有技术。
未来性能计算单元74通过使用性能历史分析单元78来计算功能引擎的未来性能矢量。
例如,未来性能计算单元74可以通过性能历史分析单元78找到功能引擎观察性能矢量的改变倾向,并根据改变倾向来计算未来性能矢量。此外,未来性能计算单元74不仅可以根据改变倾向而且可以根据由性能历史分析单元78分析的其他信息,来计算未来性能矢量。
未来性能计算单元74可以通过功能引擎和功能类型的组合来对功能引擎状态信息进行分类,并且对每个分类搜索未来性能矢量。
此外,未来性能计算单元74可以获取最近的预定数量的功能引擎观察性能矢量,并通过分析获取的功能引擎观察性能矢量来搜索未来性能矢量。
将描述如上构成的处理过程管理系统6的操作。
尽管处理过程管理系统6与本发明的第一示例性实施例一样独立地执行处理过程要求解决处理、性能观察处理、处理特征更新处理和过程产生处理,但是过程产生处理的操作不同。
将使用图15来描述处理过程管理系统6的过程产生处理。此外,在图15中,相同的标记用于与本发明的第一示例性实施例相同的组件,并省略详细描述。
处理过程管理系统6的处理过程产生处理对比本发明的第一示例性实施例的过程产生处理,不同点在于执行步骤Sf1-Sf4的处理,代替计算未来性能矢量的步骤Sd2-Sd4的处理。
这里,首先,当未来性能计算单元74检测到性能历史数据库32中的变化时(步骤Sd1中的“是”),产生功能类型和处理过程ID的有效组合(步骤Sf1)。
然后,未来性能计算单元74对每个组合,从功能引擎性能历史表TF获取与适当组合相对应的固定数量的功能引擎状态信息的群组(步骤Sf2)。
然后,未来性能计算单元74对每个获取的功能引擎状态信息中包括的功能引擎观察性能矢量执行统计处理,并计算统计的量(步骤Sf3)。
然后,未来性能计算单元74通过使用性能历史分析单元78,根据功能引擎观察性能矢量来假定该功能类型的功能引擎的性能改变的倾向(步骤Sf4)。
未来性能计算单元74对步骤Sf1中产生的所有组合,重复从Sf2到Sf4的处理。
然后,过程产生单元35根据未来性能矢量产生处理过程(步骤Sd5),过程更新单元36更新过程数据库31(步骤Sd6-Sd7)并结束过程产生处理。
然后,将描述本发明的第三实施例的效果。
作为本发明的第三示例性实施例的处理过程管理系统可以更高精度地计算功能引擎的未来性能,并且未来使用新产生的处理过程的可能性更高。
这是因为未来性能计算单元74分析功能引擎的观察性能,并假定改变倾向,并通过使用假定的改变倾向来预测未来的性能。
(第四示例性实施例)
然后,将参考附图详细描述本发明的第四示例性实施例。
图16中示出作为本发明的第四示例性实施例的处理过程管理系统8的功能框图。此外,在图16中,相同的标记用于与本发明的第一示例性实施例相同的组件,并省略详细描述。
处理过程管理系统8对比作为本发明的第一示例性实施例的处理过程管理系统1,不同之处在于包括代替处理过程管理装置3的处理过程管理装置9。处理过程管理装置9在与处理过程管理装置3相似的构造中包括处理更新单元96,并且还包括多个过程产生单元35。此外,在图16中,尽管示出两个过程产生单元35,但是本发明的处理过程管理装置9中提供的过程产生单元35的数量不受限制。
与在本发明的第一示例性实施例中描述的一样,过程产生单元35根据每个功能引擎的未来性能矢量来重构功能引擎,并产生新的处理过程,该新的处理过程用于实现客户装置10可向处理执行装置2要求的功能。
此外,多个过程产生单元35可以分别使用不同的产生新处理过程的算法。此外,期望向每个过程产生单元35的处理更新单元96的输入/输出格式是统一的。
处理更新单元96将由未来性能计算单元34计算的未来性能矢量输出至多个过程产生单元35,并执行处理过程向过程数据库的附加登记,该处理过程是从过程产生单元35所分别接收的处理过程中选择的。
这时,作为附加登记的处理过程,处理更新单元96可以在从过程产生单元35接收的处理过程当中选择性能矢量值超过预定值的一个处理过程。或者更具体地,处理更新单元96可以从具有优异性能矢量值的一个处理过程开始顺序地选择预定数量的处理过程,或通过其他判定条件来选择。
将描述如上构成的处理过程管理系统8的操作。
尽管处理过程管理系统8与本发明的第一示例性实施例一样独立地执行处理过程要求解决处理、性能观察处理、处理特征更新处理和过程产生处理,但是处理过程管理系统8中的操作不同。
将使用图17来描述处理过程管理系统8的过程产生处理。此外,相同的标记用于与本发明的第一示例性实施例相同的组件,并省略详细描述。
处理过程管理系统8的过程产生处理对比本发明的第一示例性实施例的过程产生处理,不同之处在于执行步骤Sg1-Sg4的处理,代替新产生处理过程的步骤Sd5的处理。
这里,首先,直到步骤Sd1-Sd4,将与本发明的第一示例性实施例一样运行,并计算每个功能引擎的未来性能矢量。
然后,过程更新单元96将未来性能矢量传递到每个过程产生单元35(步骤Sg1)。
然后,每个过程产生单元35根据未来性能矢量分别产生新处理过程,该新的处理过程用于使处理执行装置2实现可从客户装置10要求的功能(步骤Sg2)。
然后,过程更新单元96分别从每个过程产生单元35接收产生的处理过程的群组,并选择一处理过程,该处理过程执行向过程数据库31的附加登记(步骤Sg3)。这时,在从每个过程产生单元35接收的处理过程当中,当存在内容与其他处理过程重叠的处理过程时,则可以消除重叠的处理过程。
然后,过程更新单元96将选择的处理过程和性能信息加入到过程数据库31(步骤Sd6-Sd7),并结束过程产生处理。
然后,描述本发明的第四实施例的效果。
作为本发明的第四示例性实施例的处理过程管理系统,能够通过适应于未来的功能引擎的性能改变,而提高产生的处理过程的覆盖因子。
这是因为通过从分别根据不同的算法由多个过程产生单元35产生的处理过程选择具有优异性能的处理过程,处理过程适应于未来使用的功能引擎的性能改变的可能性更高。
此外,在上述本发明的每个示例性实施例中,由操作处理过程管理系统的程序组成本发明的处理过程管理程序。
此外,可以适当地组合和执行上述每个实施例。
此外,本发明不限于上述每个实施例,本发明可以通过各种实施例来实现。
此外,尽管上述实施例的一个部分或所有部分可以描述为下列附记,但是不限于以下所述。
(附记1)
一种处理过程管理装置,其包括:
过程数据库,其存储用于执行信息处理的处理过程以及表示处理过程的性能的性能信息;
性能历史数据库,其存储观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示对于执行构成所述处理过程的处理模块的每个功能引擎观察到的性能;
性能观察装置,其获取所述观察性能信息和所述功能引擎观察性能信息,并存储到所述性能历史数据库;
未来性能计算装置,其根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个功能引擎在未来某一时点的性能;
过程产生装置,其根据所述未来性能信息重构所述处理模块,并产生新处理过程,该新处理过程用于执行所述信息处理;
过程更新装置,其根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将由所述过程产生装置产生的处理过程和其性能信息增加到所述过程数据库;和
过程解决装置,其根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
(附记2)
根据附记1所述的处理过程管理装置,还包括:
性能改变规则数据库,其存储性能改变规则,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;其中
所述未来性能计算装置通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则,来计算所述未来性能信息。
(附记3)
根据附记1所述的处理过程管理装置,还包括:
性能历史分析装置,其分析作为时间序列数据的所述功能引擎观察性能信息的历史;其中
所述未来性能计算装置通过使用所述性能历史分析装置来计算所述未来性能信息。
(附记4)
根据附记3所述的处理过程管理装置,其中
所述未来性能计算装置根据由所述性能历史分析装置分析的所述功能引擎观察性能信息的改变倾向,来计算所述未来性能信息。
(附记5)
根据附记1至4中任意一项所述的处理过程管理装置,其中
当包括多个所述过程产生装置时;
所述过程更新装置将从分别在所述多个过程产生装置产生的多个处理过程中选择的处理过程,增加到所述过程数据库。
(附记6)
一种处理过程管理系统,其包括处理执行装置和处理过程管理装置,所述处理执行装置根据处理过程来执行信息处理,所述处理过程管理装置管理所述处理过程;其中
所述处理执行装置包括:
处理控制装置,其向所述处理过程管理装置要求决定用于执行所述信息处理的处理过程,以及根据由所述处理过程管理装置决定的处理过程来执行所述信息处理;和
功能引擎,其分别执行构成所述处理过程的每个处理模块;其中
所述处理过程管理装置包括:
过程数据库,其存储所述处理过程以及表示处理过程的性能的性能信息;
性能历史数据库,其存储观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时的观察,所述功能引擎观察性能信息表示对于每个所述功能引擎观察到的性能;
未来性能计算装置,其根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个功能引擎在未来某一时点的性能;
过程产生装置,其根据所述未来性能信息来重构所述处理模块,并产生用于执行所述信息处理的新处理过程;
过程更新装置,其根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将由所述过程产生装置产生的处理过程和其性能信息增加到所述过程数据库;和
过程解决装置,其根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
(附记7)
根据附记6所述的处理过程管理系统,其中
所述处理过程管理装置还包括:
性能改变规则数据库,其存储性能改变规则,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;其中
所述未来性能计算装置通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则,来计算所述未来性能信息。
(附记8)
一种处理过程管理方法,其使用处理执行装置和处理过程管理装置,所述处理执行装置根据处理过程来执行信息处理,所述处理过程管理装置管理所述处理过程,其中
所述处理过程管理装置:
将所述处理过程以及表示处理过程的性能的性能信息存储在过程数据库中;
获取观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示对于执行所述处理模块的每个功能引擎观察到的性能;
将获取的观察性能信息和功能引擎观察性能信息存储在性能历史数据库中;
根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个所述功能引擎在未来某一时点的性能;
根据所述未来性能信息来重构所述处理模块,并生成用于执行所述信息处理的新处理过程;
根据所述性能历史数据库来更新所述过程数据库的性能信息;
将新产生的所述处理过程和其性能信息增加到所述过程数据库;其中
所述处理执行装置:
向所述处理过程管理装置要求决定用于执行所述信息处理的处理过程;其中
所述处理过程管理装置:
从所述过程数据库中确定用于执行要求的信息处理的处理过程;并且
所述处理执行装置:
根据由所述处理过程管理装置确定的处理过程来执行所述信息处理。
(附记9)
根据附记8所述的处理过程管理方法,其中
所述处理过程管理装置:
将性能改变规则存储在性能改变规则数据库中,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;并且
当计算所述未来性能信息时,通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则,来计算所述未来性能信息。
(附记10)
一种记录介质,其存储处理过程管理程序,以使得管理用于执行信息处理的处理过程的处理过程管理装置执行:
处理过程存储步骤,其用于将所述处理过程以及表示处理过程的性能的性能信息存储在过程数据库中;
性能观察步骤,其用于获取观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示对于执行处理模块的每个功能引擎观察到的性能,所述处理模块构成处理过程;
性能历史存储步骤,其用于将在所述性能观察步骤中获取的观察性能信息和功能引擎观察性能信息存储到性能历史数据库;
未来性能计算步骤,其用于根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个所述功能引擎在未来某一时点的性能;
过程产生步骤,其用于根据所述未来性能信息来重构所述处理模块,并产生用于执行所述信息处理的新处理过程;
过程更新步骤,其用于根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将所述过程产生步骤中产生的处理过程和其性能信息增加到所述过程数据库;和
过程解决步骤,其用于根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
(附记11)
根据附记10所述的记录介质,其使所述处理过程管理装置还执行:
性能改变规则存储步骤,其用于使所述性能改变规则存储在性能改变规则数据库中,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;
用于在所述未来性能计算步骤中,通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则来计算所述未来性能信息的步骤。
(附记12)
一种数据结构,其包括:
处理过程信息,其表示处理模块的组合和执行顺序,所述处理模块构成处理过程;
性能信息,其表示所述处理过程的性能;
观察性能信息,其表示当执行所述处理过程时观察到的性能;
功能引擎观察性能信息,其表示当执行所述处理过程时在执行处理模块的每个功能引擎观察到的性能,所述处理模块构成所述处理过程;和
统计性能信息,根据所述观察性能信息来对每个所述处理过程计算所述统计性能信息。
尽管参考上述实施例描述了本发明,但是本发明不限于上述实施例。在本发明的范围内,在本发明的组成和细节中可以实现本领域技术人员可以理解的各种修改形式。
本发明要求递交于2010年4月19日的日本专利申请No.2010-095832的优先权,该专利申请的内容通过引用整体结合于本说明书中。
工业适用性
本发明提供处理过程管理装置,该处理过程管理装置可以通过高速地适应于用于信息处理的功能引擎的性能改变而确定处理过程。本发明适合作为从变成处理基础中的候选的处理过程中确定处理过程的装置,该处理基础通过整合多个功能引擎而工作。
附图标记说明
1、4、6、8 处理过程管理系统
2          处理执行装置
3、5、7、9 处理过程管理装置
10         客户装置
11         CPU
12         RAM
13         ROM
14         存储装置
21         处理控制单元
22         功能引擎
31         过程数据库
32         性能历史数据库
33         性能观察单元
34、54、74  未来性能计算单元
35          过程产生单元
36、96      过程更新单元
37          过程解决单元
58          性能改变规则数据库
78          性能历史分析单元

Claims (10)

1.一种处理过程管理装置,其包括:
过程数据库,其存储用于执行信息处理的处理过程以及表示处理过程的性能的性能信息;
性能历史数据库,其存储观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示执行处理模块的每个功能引擎观察到的性能,所述处理模块构成所述处理过程;
性能观察单元,其获取所述观察性能信息和所述功能引擎观察性能信息,并存储到所述性能历史数据库;
未来性能计算单元,其根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个功能引擎在未来某一时点的性能;
过程产生单元,其产生新处理过程,该新处理过程用于根据所述未来性能信息来重构所述处理模块并执行所述信息处理;
过程更新单元,其根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将由所述过程产生单元产生的处理过程和其性能信息增加到所述过程数据库;和
过程解决单元,其根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
2.根据权利要求1所述的处理过程管理装置,还包括:
性能改变规则数据库,其存储性能改变规则,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;其中
所述未来性能计算单元通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则,来计算所述未来性能信息。
3.根据权利要求1所述的处理过程管理装置,还包括:
性能历史分析单元,其分析作为时间序列数据的所述功能引擎观察性能信息的历史;其中
所述未来性能计算单元通过使用所述性能历史分析单元来计算所述未来性能信息。
4.根据权利要求3所述的处理过程管理装置,其中
所述未来性能计算单元根据由所述性能历史分析单元分析的所述功能引擎观察性能信息的改变倾向,来计算所述未来性能信息。
5.根据权利要求1所述的处理过程管理装置,其中
当包括多个所述过程产生单元时;
所述过程更新单元将从分别在所述多个过程产生单元产生的多个处理过程中选择的处理过程增加到所述过程数据库。
6.一种处理过程管理系统,其包括处理执行装置和处理过程管理装置,所述处理执行装置根据处理过程来执行信息处理,所述处理过程管理装置管理所述处理过程;其中
所述处理执行装置包括:
处理控制单元,其向所述处理过程管理装置要求决定用于执行所述信息处理的处理过程,以及根据由所述处理过程管理装置确定的处理过程来执行所述信息处理;和
功能引擎单元,其分别执行构成所述处理过程的每个处理模块;其中
所述处理过程管理装置包括:
过程数据库,其存储所述处理过程以及表示处理过程的性能的性能信息;
性能历史数据库,其存储观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时的观察,所述功能引擎观察性能信息表示每个功能引擎单元观察到的性能;
未来性能计算单元,其根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个所述功能引擎单元在未来某一时点的性能;
过程产生单元,其产生新处理过程,该新处理过程用于根据所述未来性能信息来重构所述处理模块并执行所述信息处理;
过程更新单元,其根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将由所述过程产生单元产生的处理过程和其性能信息增加到所述过程数据库;和
过程解决单元,其根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
7.根据权利要求6所述的处理过程管理系统,其中
所述处理过程管理装置还包括:
性能改变规则数据库,其存储性能改变规则,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;其中
所述未来性能计算单元通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则,来计算所述未来性能信息。
8.一种处理过程管理方法,其使用处理执行装置和处理过程管理装置,所述处理执行装置根据处理过程来执行信息处理,所述处理过程管理装置管理所述处理过程:其中
所述处理过程管理装置:
将所述处理过程以及表示处理过程的性能的性能信息存储在过程数据库中;
获取观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示执行所述处理模块的每个功能引擎观察到的性能;
将获取的观察性能信息和功能引擎观察性能信息存储在性能历史数据库中;
根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个所述功能引擎在未来某一时点的性能;
产生新处理过程,该新处理过程用于根据所述未来性能信息来重构所述处理模块并用于执行所述信息处理;
根据所述性能历史数据库来更新所述过程数据库上的性能信息;
将新产生的所述处理过程和其性能信息增加到所述过程数据库;其中
所述处理执行装置:
向所述处理过程管理装置要求决定用于执行所述信息处理的处理过程;其中
所述处理过程管理装置:
从所述过程数据库中确定用于执行要求的信息处理的处理过程;并且
所述处理执行装置:
根据由所述处理过程管理装置确定的处理过程来执行所述信息处理。
9.根据权利要求8所述的处理过程管理方法,其中
所述处理过程管理装置:
将性能改变规则存储在性能改变规则数据库中,所述性能改变规则表示根据所述功能引擎观察性能信息来计算所述未来性能信息的规则;并且
当计算所述未来性能信息时,通过适用与所述功能引擎观察性能信息相匹配的所述性能改变规则,来计算所述未来性能信息。
10.一种处理过程管理方法,包括:
将所述处理过程以及表示处理过程的性能的性能信息存储在过程数据库中;
获取观察性能信息和功能引擎观察性能信息,所述观察性能信息表示当根据所述处理过程来执行所述信息处理时观察到的性能,所述功能引擎观察性能信息表示执行处理模块的每个功能引擎观察到的性能,所述处理模块构成处理过程;
将所获取的观察性能信息和功能引擎观察性能信息存储到性能历史数据库;
根据所述性能历史数据库来计算未来性能信息,所述未来性能信息表示每个所述功能引擎在未来某一时点的性能;
产生新处理过程,该新处理过程用于根据所述未来性能信息来重构所述处理模块并执行所述信息处理;
根据所述性能历史数据库来更新所述过程数据库的性能信息,以及将所产生的处理过程和其性能信息增加到所述过程数据库;和
根据所述过程数据库来确定用于执行指定的信息处理的处理过程,并输出。
CN201180002523.4A 2010-04-19 2011-03-07 处理过程管理装置、处理过程管理方法、处理过程管理系统和处理过程管理程序 Expired - Fee Related CN102473195B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010095832 2010-04-19
JP2010-095832 2010-04-19
PCT/JP2011/055857 WO2011132475A1 (ja) 2010-04-19 2011-03-07 処理手順管理装置、処理手順管理方法、処理手順管理システム、および処理手順管理プログラム

Publications (2)

Publication Number Publication Date
CN102473195A CN102473195A (zh) 2012-05-23
CN102473195B true CN102473195B (zh) 2015-03-18

Family

ID=44834014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180002523.4A Expired - Fee Related CN102473195B (zh) 2010-04-19 2011-03-07 处理过程管理装置、处理过程管理方法、处理过程管理系统和处理过程管理程序

Country Status (4)

Country Link
US (1) US8359293B2 (zh)
JP (1) JP4888618B2 (zh)
CN (1) CN102473195B (zh)
WO (1) WO2011132475A1 (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101252603A (zh) * 2008-04-11 2008-08-27 清华大学 基于存储区域网络san的集群分布式锁管理方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1583545A (en) * 1976-08-04 1981-01-28 Martin Sanchez J Control systems
US5367703A (en) * 1993-01-08 1994-11-22 International Business Machines Corporation Method and system for enhanced branch history prediction accuracy in a superscalar processor system
US5704011A (en) * 1994-11-01 1997-12-30 The Foxboro Company Method and apparatus for providing multivariable nonlinear control
JPH0991191A (ja) * 1995-09-26 1997-04-04 Nippon Telegr & Teleph Corp <Ntt> データベース設計方法及び装置
US6308043B1 (en) * 1998-07-23 2001-10-23 Radiometrics Corporation Wireless communication link quality forecasting
US6662058B1 (en) * 1999-06-28 2003-12-09 Sanchez Juan Martin Adaptive predictive expert control system
JP2001229016A (ja) * 2000-02-14 2001-08-24 Hitachi Ltd 運用情報を利用したソフトウエア部品検索方法
JP4614582B2 (ja) * 2000-07-06 2011-01-19 富士通株式会社 部分テンプレート生成装置
JP2002082926A (ja) * 2000-09-06 2002-03-22 Nippon Telegr & Teleph Corp <Ntt> 分散アプリケーション試験・運用管理システム
US7665090B1 (en) * 2004-03-08 2010-02-16 Swsoft Holdings, Ltd. System, method, and computer program product for group scheduling of computer resources
JP2005258902A (ja) * 2004-03-12 2005-09-22 Fuji Xerox Co Ltd 処理システムおよび方法およびプログラム
JP4804836B2 (ja) 2005-08-31 2011-11-02 三菱電機株式会社 データ生成装置及びデータ生成プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101252603A (zh) * 2008-04-11 2008-08-27 清华大学 基于存储区域网络san的集群分布式锁管理方法

Also Published As

Publication number Publication date
US8359293B2 (en) 2013-01-22
US20120101986A1 (en) 2012-04-26
JPWO2011132475A1 (ja) 2013-07-18
CN102473195A (zh) 2012-05-23
WO2011132475A1 (ja) 2011-10-27
JP4888618B2 (ja) 2012-02-29

Similar Documents

Publication Publication Date Title
Zhang et al. Evolving scheduling heuristics via genetic programming with feature selection in dynamic flexible job-shop scheduling
He et al. Multiobjective optimization of energy-efficient job-shop scheduling with dynamic reference point-based fuzzy relative entropy
US20150019530A1 (en) Query language for unstructed data
Shuai et al. Hybrid software obsolescence evaluation model based on PCA-SVM-GridSearchCV
Tucker et al. A ReliefF attribute weighting and X-means clustering methodology for top-down product family optimization
KR20200039964A (ko) 기계학습모델 기반 설비 기기의 최적 운전 방법 및 장치
Azadeh et al. A novel algorithm for layout optimization of injection process with random demands and sequence dependent setup times
Liu et al. CNC machine tool fault diagnosis integrated rescheduling approach supported by digital twin-driven interaction and cooperation framework
Zahiri et al. An MCDA-DEA approach for mixed-model assembly line balancing problem under uncertainty
Ezzat et al. A clustering approach for modularizing service-oriented systems
Ahsan et al. Developing computational intelligence for smart qualification testing of electronic products
Song et al. Machine learning approach for determining feasible plans of a remanufacturing system
Sadeghi et al. Technology selection in the presence of fuzzy data and dual-role factors
WO2020175084A1 (ja) 運営評価装置、運営評価方法、およびプログラム
Ardakani et al. Optimal features selection for designing a fault diagnosis system
Savaş et al. Planning using actions with control parameters
Shirazi et al. Intelligent decision support system for the adaptive control of a flexible manufacturing system with machine and tool flexibility
Nejati et al. A machine learning based splitting heuristic for divide-and-conquer solvers
CN102473195B (zh) 处理过程管理装置、处理过程管理方法、处理过程管理系统和处理过程管理程序
Macedo et al. A machine learning approach for spare parts lifetime estimation
CN117196185A (zh) 一种军事体系需求生成方法及系统
Borissova et al. A concept of intelligent e-maintenance decision making system
Cassettari et al. An healthcare process reengineering using discrete event simulation
US20190180180A1 (en) Information processing system, information processing method, and recording medium
Meng et al. A generalized fuzzy data envelopment analysis with restricted fuzzy sets and determined constraint condition 1

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150318

Termination date: 20210307