CN108664326A - 信息处理设备和信息处理系统 - Google Patents
信息处理设备和信息处理系统 Download PDFInfo
- Publication number
- CN108664326A CN108664326A CN201810107331.3A CN201810107331A CN108664326A CN 108664326 A CN108664326 A CN 108664326A CN 201810107331 A CN201810107331 A CN 201810107331A CN 108664326 A CN108664326 A CN 108664326A
- Authority
- CN
- China
- Prior art keywords
- information processing
- processing equipment
- information
- aggregation
- node
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
- G06F11/3082—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by aggregating or compressing the monitored data
-
- 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
- G06F11/3433—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 for load management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/485—Task life-cycle, e.g. stopping, restarting, resuming execution
- G06F9/4856—Task life-cycle, e.g. stopping, restarting, resuming execution resumption being on a different machine, e.g. task migration, virtual machine migration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Debugging And Monitoring (AREA)
Abstract
信息处理设备和信息处理系统。信息处理设备被包括在信息处理系统中,该信息处理系统由多个信息处理设备构造,并且聚集由每个信息处理设备获取的表示多个信息处理设备中的每个信息处理设备的状态的状态信息。信息处理设备包括:存储器和联接到该存储器的处理器,并且该处理器:向作为多个信息处理设备中的一个信息处理设备的第一信息处理设备发送每个信息处理设备的状态信息;并且当从第一信息处理设备接收到表示聚集每个信息处理设备的状态信息的聚集处理不可执行的通知时,向多个信息处理设备中与第一信息处理设备不同的第二信息处理设备发送每个信息处理设备的状态信息。
Description
技术领域
这里所讨论的实施方式涉及信息处理设备、信息处理系统以及存储有信息处理程序的计算机可读记录介质。
背景技术
在相关技术中,存在一个系统由多个信息处理设备构造的情况。另外,存在多个信息处理设备的状态信息在特定信息处理设备的存储区域中收集、聚集并存储的情况。
作为相关技术,例如,基于用于识别收集状态信息的收集设备的收集设备信息来获取多个收集设备的负载信息,基于该负载信息来选择收集设备,并且向所选择的收集设备通知用于识别监测设备的监测设备信息。另外,存在以下技术:在该技术中,在分布/设置在多个节点上的多个数据库(DB)服务器中,通过将连接从在具有比目标负载高的负载的节点上的DB服务器移动到在具有比该目标负载低的负载的节点上的DB服务器,来监测并平衡各节点的负载。存在以下技术:该技术根据从外部网络、负载管理装置、内部网络以及其他获得的信息来计算表示多个服务器组的工作状况的指标,并且基于所计算的指标来控制多个服务器组的状态。另外,存在以下技术:该技术从基本部分接收请求,确定客户端或服务器中的哪一方将执行服务器部件,以获取服务器部件,并且根据确定结果将该服务器部件引导到客户端或服务器。
例如在日本特开专利第2012-194835号公报、第WO2012/70292号国际公报小册子以及日本特开专利第2011-210225和2000-076172号公报中公开了相关技术。
发明内容
根据实施方式的一个方面,在信息处理系统中包括信息处理设备,该信息处理系统由多个信息处理设备构造并且聚集表示多个信息处理设备中的每个信息处理设备的状态的状态信息,该状态信息由每个信息处理设备来获取。信息处理设备包括:存储器;和处理器,该处理器联接到存储器,并且处理器:向作为多个信息处理设备中的一个信息处理设备的第一信息处理设备发送每个信息处理设备的状态信息;以及当从第一信息处理设备接收到表示聚集每个信息处理设备的状态信息的聚集处理不可执行的通知的时,向多个信息处理设备中与第一信息处理设备不同的第二信息处理设备发送每个信息处理设备的状态信息。
附图说明
图1是例示了根据本公开的实施方式的信息处理系统的操作的示例的说明图;
图2是例示了信息处理设备的使用的示例的说明图;
图3是例示了节点的硬件配置的示例的说明图;
图4是例示了信息处理系统的功能配置的示例的说明图;
图5是例示了时间序列数据库(DB)的已存储内容的示例的说明图;
图6是例示了由获取单元进行的处理的过程的流程图;
图7是例示了由获取单元进行的处理的操作的示例的说明图(部分1);
图8是例示了由获取单元进行的处理的操作的示例的说明图(部分2);
图9是例示了由子聚集单元更新可接收的性能信息的数量的处理的过程的流程图;
图10是例示了由子聚集单元更新可接收的性能信息的数量的处理的操作的示例的说明图;
图11是例示了由子聚集单元接收性能信息的处理的过程的流程图;以及
图12是例示了由子聚集单元接收性能信息的处理的操作的示例的说明图。
具体实施方式
根据相关技术,在分配聚集多个信息处理设备中的每个的状态信息的聚集处理的负载时,随着信息处理设备的数量增加,变得难以确定用于执行聚集处理的信息处理设备。例如,在参考每个信息处理设备的负载作为确定用于执行聚集处理的信息处理设备的指标时,表示每个信息处理设备的负载的信息存储在特定信息处理设备的存储区域中。由此,随着信息处理设备的数量增加,对以上所描述的存储区域的访问的数量增加,并且该特定信息处理设备的负载增大。
在一个方面中,本公开提供了信息处理设备、信息处理系统以及存储有信息处理程序的非暂时性计算机可读记录介质,其中,每个信息处理设备能够动态确定用于执行聚集处理的信息处理设备。
根据本公开的方面,每个信息处理设备能够动态确定用于执行聚集处理的信息处理设备。
下文中,将参照附图详细描述本公开的信息处理设备、信息处理系统以及内部存储有信息处理程序的非暂时性计算机可读记录介质。
图1是例示了根据本公开的实施方式的信息处理系统100的操作的示例的说明图。信息处理系统100通过称为软件定义存储(SDS)的技术由多个信息处理设备构造。这里,因为随着物联网(IoT)的普及,测量信息从各种终端获取,数据量增大,并且SDS能够灵活地应对数据的增加,所以SDS吸引了注意力。
每个信息处理设备例如是计算机,诸如服务器或存储装置。下文中,信息处理设备将被称为“节点”。在信息处理系统100中,可以应用分布式架构,其将多个节点认为是一个存储装置。另外,信息处理系统100能够通过向外扩展来提高其性能。
分布式架构可以具有性能监测功能,其使用存储多个节点中的每个的状态信息的时间序列DB。例如,性能监测功能执行收集、累积并参考各节点的状态信息。另外,多个节点中的一个节点具有时间序列DB。具有时间序列DB的节点将被称为“代表节点”。原则上,该代表节点在信息处理系统100的操作期间不改变。然而,例如,在代表节点发生故障时,另一节点可以变成代表节点。
各节点的状态信息包括各节点的性能信息、配置信息或处理信息。各节点的性能信息例如是中央处理单元(CPU)使用率、网络使用率、每秒输入/输出(IOPS)、或盘使用率。各节点的配置信息表示各节点的物理资源的配置或在各节点上运行的虚拟机的配置。各节点的处理信息表示进展状况,例如各节点的复制处理的进展状况。各节点的状态信息可以例如由文件参考或由OS准备的统计调用来获得。下文中,为了描述简单起见,将假定各节点的状态信息与各节点的性能信息对应来进行描述。
这里,在实际系统中,在每单位时间存储在时间序列DB中的性能信息对于物理资源和虚拟资源这两者可以达到数千至数十万单位。在这种情况下,在每个时间的性能信息的所聚集值(诸如总值或平均值,例如所有盘的总或平均IOPS的信息)在该信息每次被参考时计算的情况下,处理负载和时间增加,并且进一步地,对所聚集值的参考的频率较高。
例如,关于所聚集值,可以考虑使代表节点聚集各节点的性能信息并将该信息存储在时间序列DB中的方法。由此,时间序列DB存储计算所聚集值的聚集处理的处理结果。然而,在该方法中,由于代表节点收集所有聚集目标的性能信息并执行聚集处理,所以代表节点的CPU或网络变成瓶颈,其会影响诸如盘写这样的正常工作。
由此,可以考虑分配计算所聚集值的聚集处理以向多个节点分配负载的方法。然而,在该方法中,随着节点的数量增加,变得难以确定用于执行聚集处理的节点。例如,在时间序列DB被引用作为确定用于执行聚集处理的节点的指标时,对该时间序列DB的访问随着节点的数量增加而增加,由此,代表节点的负载增大。
另外,可以考虑每预定时间以轮转方式改变用于执行聚集处理的节点的方法。然而,在该方法中,即使确定具有较低负载的节点以执行聚集处理,在经过预定时间之后改变用于执行聚集处理的节点。由此,用于执行聚集处理的节点可以改变为具有较高负载的节点。在这种情况下,会影响正常工作。
由此,在本实施方式中,在各节点向特定节点发送性能信息并接收到表示聚集处理不可执行的通知的情况下,发送节点向除了特定节点之外的节点发送性能信息。
将使用图1描述信息处理系统100的操作的示例。图1所例示的信息处理系统100用作为多个节点的节点#1、#2、#3、#4...来构造。这样,各节点可以与用于识别节点的编号关联。下文中,与节点关联的编号将被简称为“节点编号”。进一步地,在以下描述中,被分配有“#x”的附图标记指代与节点#x有关的部件。符号“x”表示节点的节点编号,并且是自然数。另外,在不区分同一种部件时,可以使用未被分配有“#x”的附图标记。在图1中,粗箭头表示到另一个节点的指令或处理,并且普通箭头表示性能信息或所聚集值的发送。
如图1例示,因为节点#1具有时间序列DB 110,所以节点#1变成代表节点。另外,信息处理系统100聚集各节点的性能信息112。这里,性能信息112可以包括表示各节点的负载的负载信息111。负载信息111例如是CPU使用率或网络使用率。在图1的示例中,假定负载信息111是CPU使用率。
在图1的上部中,向第0聚集处理120和第一聚集处理121分配聚集处理。充当代表节点的节点#1执行第0聚集处理120,并且节点#2执行第一聚集处理121。虽然在图1中省略,但节点#4和随后节点执行第一聚集处理121。
第一聚集处理121收集作为聚集目标的节点#1至#3的性能信息112#1至112#3,并且向执行第0聚集处理120的节点#1发送所聚集值。第0聚集处理120还聚集从第一聚集处理121发送的所聚集值,并且将所获得的所聚集值存储在时间序列DB 110中。在图1中,将假定节点#2的CPU使用率变高来进行描述。另外,假定节点#1、#3以及#4的CPU使用率低。
在图1的上部中,节点#1和#2分别向节点#2发送性能信息112#1和112#2,然后,节点#3向作为是多个节点中的一个的第一节点的节点#2发送性能信息112#3,如图1的(#3-1)所指示的。图1的下部中示出了第二节点。另外,第一节点可以是自身节点。
节点#2接收作为是多个节点中的一个的第三节点的节点#3的性能信息112#3。在这种情况下,如由图1的(#2-1)指示的,节点#2基于对于执行第一聚集处理121#2可接收的性能信息112的数量和已接收的性能信息112的数量,确定聚集性能信息112#3的第一聚集处理121#2是否可执行。对于执行第一聚集处理121#2可接收的性能信息112的数量将被称为“可接收的性能信息的数量”。可接收的性能信息的数量可以是与接收到性能信息112时节点的负载对应的值。例如,各节点可以存储针对各自身负载的可接收的性能信息的数量。例如,各节点可以具有存储了针对其中CPU使用率为10[%]、20[%]...的各负载的可接收的性能信息的数量的表。
另选地,各节点可以基于所有节点的负载的平均值与其自身负载之间的差来计算可接收的性能信息的数量。关于所有节点的负载的平均值,例如,代表节点可以向各节点定期发送所有节点的负载的平均值。
在图1的上部的示例中,假定节点#2的负载高,可接收的性能信息的数量为2,并且已接收的性能信息112的数量为3。在这种情况下,节点#2确定聚集性能信息112#3的第一聚集处理121#2不可执行。
在确定聚集性能信息112#3的第一聚集处理121#2不可执行时,如图1的(#2-2)所指示的,发送表示聚集性能信息112#3的第一聚集处理121#2不可执行的通知。下文中,表示第一聚集处理121#2不可执行的通知将被称为“不可接收”。
然后,在从节点#2接收到“不可接收”的通知的情况下,节点#3向与作为多个节点中的第一节点的节点#2不同的第二节点发送性能信息112#3,如图1的(#3-2)所指示的。该第二节点可以是与第一节点不同的任意节点。然而,第二节点可以为节点编号在第一节点的节点编号之后或之前的节点。另外,第二节点可以是自身节点。在图1的下部的示例中,节点#3向作为其自身节点的节点#3发送性能信息112#3。然后,节点#3执行聚集性能信息112#3的第一聚集处理121#3,并且向节点#1发送作为处理结果的所聚集值。
这样,在信息处理系统100中,各节点能够动态改变用于执行第一聚集处理121的节点。由此,信息处理系统100可以抑制一个节点上的负载的集中。进一步地,在各节点的负载由于正常工作而增加或减少时,信息处理系统100可以抑制由于性能信息112在具有高负载的节点上的发送的集中而导致的对正常工作的影响。
另外,在图1的(#3-2)中,在从节点#2接收到“不可接收”的通知时,节点#3向第二节点发送性能信息112#3。然而,本公开不限于此。例如,在与节点#2的通信不可能时,节点#3可以向第二节点发送性能信息112#3。因此,信息处理系统100可以使因灾难等而引起的节点的减少的影响最小化。接着,将使用图2描述信息处理系统100的使用的示例。
图2是例示了信息处理系统100的使用的示例的说明图。如图2例示,信息处理系统100连接到用户终端201和诸如因特网、局域网(LAN)、或广域网(WAN)的网络202。
用户终端201是由用户U使用信息处理系统100来操作的计算机。用户终端201例如为PC。例如,信息处理系统100中的各节点操作业务系统,并且用户U通过操作用户终端201来访问信息处理系统100,以使用该业务系统来执行业务。
接着,将使用图3描述在信息处理系统100中包括的节点#1的硬件配置的示例。因为除了节点#1之外的各节点的硬件还与节点#1的硬件相同,所以将省略其描述。
图3是例示了节点#1的硬件配置的示例的说明图。在图3中,节点#1包括CPU301、只读存储器302以及随机存取存储器(RAM)303。进一步地,节点#1包括盘驱动器304、盘305以及网络接口卡(NIC)306。另外,CPU 301、ROM 302、RAM303、盘驱动器304以及NIC 306经由总线307连接到彼此。
CPU 301是控制整个节点#1的运算处理器。ROM 302是存储诸如引导程序的程序的非易失性存储器。RAM 303是用作CPU 301的工作区域的易失性存储器。
盘驱动器304是在CPU 301的控制下控制关于盘305的读写的控制装置。作为盘驱动器304,例如可以采用磁盘驱动器、光盘驱动器或固态驱动器。盘305是存储在盘驱动器304的控制下写的数据的非易失性存储器。例如,在盘驱动器304是磁盘驱动器时,可以采用磁盘,作为盘305。另外,在盘驱动器304是光盘驱动器时,可以采用光盘,作为盘305。另外,在盘驱动器304是固态驱动器时,可以采用由半导体元件(即,所谓的半导体盘)形成的半导体存储器,作为盘305。
NIC 306是控制装置,该控制装置充当与网络202的内部接口,并且控制来自其他装置的数据的输入和输出。具体地,NIC 306借助通信线路经由网络202连接到另一个装置。关于NIC 306,例如可以采用LAN适配器。
另外,在信息处理系统100的管理员直接操作节点#1时,节点#1可以具有诸如显示器、键盘以及鼠标的硬件。
图4是例示了信息处理系统100的功能配置的示例的说明图。各节点具有控制器400。控制器400包括获取单元401、子聚集单元402以及写单元404。另外,代表节点的控制器400还包括聚集单元403。控制器400以CPU 301执行在存储装置中存储的程序的方式来实施各单元的功能。具体地,存储装置例如是图3所例示的ROM 302、RAM 303或盘305。各单元的处理结果存储在RAM 303、CPU 301的寄存器、CPU 301的高速缓冲存储器等中。
代表节点具有时间序列DB 110。图5例示了时间序列DB 110的已存储内容的示例。另外,除了代表节点之外的各节点具有子时间序列DB 421。子时间序列DB 421存储其自身节点的性能信息112本身。
获取单元401定期由统计系统调用或文件参考获取诸如CPU使用率、IOPS以及盘使用率的性能信息112。然后,除了代表节点之外的各节点的获取单元401向写单元404发送所获取的性能信息112本身。
进一步地,获取单元401向作为多个节点中的一个的第一节点发送所获取的性能信息112。然后,在从第一节点接收到“不可接收”的通知时,获取单元401向多个节点中与第一节点不同的第二节点发送所获取的性能信息112。这里,第二节点可以为节点编号在第一节点的节点编号之后或之前的节点。
子聚集单元402每次计算性能信息的一部分的总值或平均值,并且向聚集单元403发送计算结果。具体地,子聚集单元402包括聚集处理执行单元411、处理结果发送单元412、计算单元413、确定单元414以及发送单元415。虽然图4例示了子聚集单元402#3包括聚集处理执行单元411到发送单元415,但其他子聚集单元402中的每个也包括聚集处理执行单元411到发送单元415。
聚集处理执行单元411聚集从获取单元401发送的性能信息。例如,聚集处理执行单元411计算总值或平均值,作为性能信息112的所聚集值。聚集处理执行单元411与图1所例示的第一聚集处理121对应。另外,聚集单元403与图1所例示的第0聚集处理120对应。
处理结果发送单元412向聚集单元403发送聚集处理执行单元411的处理的结果。
计算单元413计算可接收的性能信息的数量。具体地,计算单元413从代表节点接收多个节点的负载的平均值。然后,计算单元413基于多个节点的负载的平均值与其自身节点的负载之间的差来计算可接收的性能信息的数量。例如,计算单元413可以计算通过将多个节点的CPU使用率的平均值与自身节点的CPU使用率之间的差除以用于聚集一个性能信息112的CPU使用率而获得的值,作为可接收的性能信息的数量。图6例示了较具体的计算方法。
关于确定单元414,假定确定单元414从第三节点接收作为多个节点中的一个的第三节点的性能信息112。在这种情况下,确定单元414基于第三节点的性能信息112的接收时的可接收的性能信息的数量、以及已接收的性能信息112的数量,确定聚集第三节点的性能信息112的聚集处理是否可执行。这里,第三节点的性能信息112的接收时的可接收的性能信息的数量可以是由计算单元413计算的值。另选地,计算单元413可以通过参考存储了根据自身节点的负载的可接收的性能信息的数量的表,来获取与第三节点的性能信息112的接收时的其自身节点的负载对应的、可接收的性能信息的数量。
在确定聚集第三节点的性能信息112的聚集处理不可执行时,发送单元415向第三节点发送“不可接收”的通知。
聚集单元403根据来自子聚集单元402的聚集结果每次计算所有多个节点的性能信息112的总值或平均值,并且向写单元404发送聚集结果。
代表节点的写单元404将来自聚集单元403的所聚集值与时间信息关联地写到时间序列DB 110中。另外,除了代表节点之外的各节点的写单元404将各节点的性能信息112与时间信息关联地写到子时间序列DB 421中。
图5是例示了时间序列DB 110的已存储内容的示例的说明图。在图5所例示的时间序列DB 110中,存储了与CPU使用率有关的信息。另外,图5所例示的时间序列DB 110具有记录501-1至501-4。
具体地,图5所例示的时间序列DB 110包括用于时间、CPU平均以及各CPU使用率的字段。这里,在图5中,为了简化例示,用于各CPU使用率的字段仅描述了各节点的CPU的代码。用于时间的字段存储了测量CPU使用率时的时间。用于CPU平均的字段存储了信息处理系统100中的所有CPU使用率的平均值。用于各CPU使用率的字段存储了各CPU的使用率。
另外,时间序列DB 110可以存储与网络有关的信息。在存储与网络有关的信息时,时间序列DB 110包括用于时间、NIC平均以及各NIC使用率的字段。用于时间的字段存储了测量网络使用率时的时间。用于NIC平均的字段存储了信息处理系统100中的所有NIC使用率的平均值。用于各NIC使用率的字段存储了各NIC的使用率。
(获取单元401的处理)
接着,将使用图6至图8描述由获取单元401执行的处理。
图6是例示了由获取单元401进行的处理的过程的流程图。获取单元401将性能信息发送目的地节点#n设置为其自身节点的节点编号(步骤S601)。接着,获取单元401获取其自身节点的性能信息,并且将性能信息发送到节点#n的子聚集单元402(步骤S602)。
然后,获取单元401确定与节点#n的子聚集单元402的通信是否不可能、或节点#n的子聚集单元402的响应是否是“不可接收”的通知(步骤S603)。在确定与节点#n的子聚集单元402的通信不可能或节点#n的子聚集单元402的响应是“不可接收”的通知时(步骤S603:“是”),获取单元401将性能信息发送目的地节点#n设置为其相邻节点(步骤S604)。具体地,获取单元401通过执行以下算式(1)将性能信息发送目的地节点#n变为相邻节点。
n=(n mod信息处理系统100的节点数量)+1...(1)
这里,“mod”表示获取除法的余数的计算。例如,在信息处理系统100的数量为6且n=6时,获取单元401通过如下使用算式(1)来更新“n”:
n=(6mod 6)+1=0+1=1
另外,在确定与节点#n的子聚集单元402的通信可能以及节点#n的子聚集单元402的响应不是“不可接收”的通知时(步骤S603:“否”),或者在步骤S604的处理结束之后,获取单元401确定是否从用户终端201接收到完成性能信息的获取(步骤S605)。在确定未从用户终端201接收到完成性能信息的获取时(步骤S605:“否”),获取单元401对于下一时间的性能信息进行到步骤S602的处理。另外,在确定从用户终端201接收到完成性能信息的获取时(步骤S605:“是”),获取单元401结束一系列处理。
接着,将使用图7和图8描述如图6例示的获取单元401的处理的具体操作的示例。
图7是例示了由获取单元401进行的处理的操作的示例的说明图(部分1)。图8是例示了由获取单元401进行的处理的操作的示例的说明图(部分2)。图7和图8表示获取单元401#2执行图6所例示的获取单元401的处理的示例。进一步地,在图7和图8中,作为处理主体的获取单元401#2和作为处理目标的功能单元或数据以具有黑色背景的白色文本表示。
图7的上部表示在获取单元401#2执行步骤S601的处理时的信息处理系统100的状态。获取单元401#2将性能信息发送目的地节点#n的节点编号“n”设置为其自身节点的节点编号“2”。图7的下部表示在获取单元401#2执行步骤S602的处理时的信息处理系统100的状态。获取单元401#2获取性能信息112#2,并且向所设置的性能信息目的地(即,在这种情况下为节点#2的子聚集单元402#2)发送所获取的性能信息。
图8的上部例示了在与节点#n的子聚集单元的通信不可能或节点n#的子聚集单元的响应是“不可接收”的通知时的信息处理系统100的状态,并且获取单元401#2执行步骤S604的处理。执行步骤S604的处理的情况表示发送目的地的子聚集单元402由于负载状况等而不能接收性能信息的情况。由此,步骤S604的处理表示在发送目的地的子聚集单元402的负载高时将性能信息发送目的地该变为相邻节点的子聚集单元402的处理。具体地,获取单元401#2如下执行算式(1):
n=(2mod 6)+1=3
如上所述,因为n=3,所以获取单元401#2将“n”更新为3。
图8的下部表示在获取单元401#2执行步骤S604的处理时的信息处理系统100的状态,步骤S605的回答是“否”,并且获取单元401#2再次执行步骤S602的处理。获取单元401#2获取性能信息112#2,并且向所设置的性能信息目的地(即,在这种情况下为节点#3的子聚集单元402#3)发送所获取的性能信息。
(由子聚集单元402进行的处理)
子聚集单元402执行更新可接收的性能信息的数量的处理和接收性能信息的处理。将使用图9和图10描述更新可接收的性能信息的数量的处理,并且将使用图11和图12描述接收性能信息的处理。
图9是例示了由子聚集单元402更新可接收的性能信息的数量的处理的过程的流程图。子聚集单元402确定是否经过单位时间(步骤S901)。单位时间可以为任意时间间隔,并且例如为1分钟。在确定未经过单位时间时(步骤S901:“否”),再次执行步骤S901的处理。
另外,在确定已经过单位时间时(步骤S901:“是”),子聚集单元402从聚集单元403#1接收所有节点的负载平均(步骤S902)。所有节点的负载平均可以是信息处理系统100中的所有节点的CPU使用率的平均值或信息处理系统100中的所有节点的网络使用率的平均值。另外,聚集单元403#1向所有节点定期发送所有节点的负载平均。
接着,子聚集单元402计算性能信息可被接收的节点的最大数量,即,可接收的性能信息的数量“n_max”(步骤S903)。具体地,子聚集单元402通过执行以下算式(2)来计算“n_max”。
n_max=floor((all-self-margin)/offset)...(2)
这里,“n_max”的初始值例如是正无穷大值。另外,floor()是将因数的数值返回到小于或等于因数的整数的最大值的函数。另外,“all”是所有节点的负载平均。“self”是自身节点的负载平均。另外,“margin”是估计的用于收集一个节点的性能信息的负载。“offset”是目标负载宽度与平均值之间的差。“all”是在步骤S902中获得的值,并且“self”是从子时间序列DB 421获得的值。“margin”可以是通过将作为初步测量的结果的、用于收集一个节点的性能信息的CPU使用率代入获得的值、或是由信息处理系统100的管理员等预定的值。“offset”例如是由信息处理系统100的管理员等预定的值。
然后,子聚集单元402确定是否从用户终端201接收到完成性能信息的获取(步骤S904)。在确定未从用户终端201接收到完成性能信息的获取时(步骤S904:“否”),子聚集单元402进行到步骤S901的处理。另外,在确定从用户终端201接收到完成性能信息的获取时(步骤S904:“是”),子聚集单元402结束更新可接收的性能信息的数量的处理。
图10是例示了由子聚集单元402更新可接收的性能信息的数量的处理的操作的示例的说明图。在图10中,将对图9所例示的更新可接收的性能信息的数量的处理的操作进行描述。在图10中,假定CPU使用率的平均值用作负载平均。另外,在图10中,将用子聚集单元402#2执行更新可接收的性能信息的数量的处理的示例进行描述。
图10的上部表示在子聚集单元402#2执行步骤S902的处理时的信息处理系统100的状态。聚集单元403#1计算单位时间范围内的整体CPU使用率的平均值,并且向所有子聚集单元402发送所计算的整体CPU使用率平均值。各子聚集单元402接收整体CPU使用率的平均值。例如,聚集单元403#1获得50,作为整体CPU使用率的平均值,并且向子聚集单元402#1至402#6发送50。子聚集单元402#1至402#6接收平均值50。
图10所例示的表1001表示在子聚集单元402执行步骤S902的处理之后的算式(2)的因数和所返回值的列表。如在表1001中表示的,通过接收平均值50确定作为算式(2)的因数中的一个的“all”的值。
图10的下部表示在子聚集单元402执行步骤S903的处理时的信息处理系统100的状态。子聚集单元402#2根据子时间序列DB 521计算其在单位时间范围内的CPU使用率的平均值,并且获得作为算式(2)的因数中的一个的“self”的值。然后,子聚集单元402#2执行算式(2)以获得“n_max”的值。例如,子聚集单元402#2获得15,作为其CPU使用率的平均值。
图10所例示的表1002表示在子聚集单元402执行步骤S903的处理之后的算式(2)的因数和所返回值的列表。如在表1002中表示的,通过获得平均值15确定作为算式(2)的因数中的一个的“self”的值,并且如下由算式(2)计算“n_max”:
图11是例示了由子聚集单元402接收性能信息的处理的过程的流程图。子聚集单元402从节点#n的获取单元401在时间“t”接收性能信息(步骤S1101)。接着,子聚集单元402确定时间“t”是否是初始时间或是否完成之前时间的性能信息的聚集(步骤S1102)。
在确定时间“t”不是初始时间且尚未完成之前时间的性能信息的聚集(步骤S1102:“否”)时,子聚集单元402聚集之前时间t-1的性能信息,并且将所聚集的性能信息发送到聚集单元403#1(步骤S1103)。作为步骤S1103的处理,具体地,子聚集单元402执行aggregated(t-1)=真。这里,aggregated(t)是时间“t”的性能信息的收集的完成的标记。aggregated(t)的初始值为假。
在确定时间“t”是初始时间或已经完成之前时间的性能信息的聚集时(步骤S1102:“是”),或在结束步骤S1103的处理之后,子聚集单元402更新可接收的性能信息的数量(步骤S1104)。作为步骤S1104的处理,具体地,子聚集单元402执行reveived(t)=received(t)+1。这里,“received(t)”是时间“t”时已接收的性能信息的数量。received(t)的初始值是0。
接着,子聚集单元402确定是否将要有性能信息由于节点的减少等而在将来不可接收的情况或已接收的性能信息的数量超过可接收的性能信息的数量(步骤S1105)。作为步骤S1105的处理,在从用户终端201接收到保留节点的减少的命令情况下,例如因为用户执行节点的修理,子聚集单元402确定将要有性能信息在将来将不可接收的情况。另外,关于已接收的性能信息的数量是否超过可接收的性能信息的数量,在received(t)>n_max的情况下,子聚集单元402确定已接收的性能信息的数量超过可接收的性能信息的数量。
在确定将要有性能信息由于节点的减少等而在将来不可接收的情况或已接收的性能信息的数量超过可接收的性能信息的数量时(步骤S1105:“是”),子聚集单元402向节点#n的获取单元进行“不可接收”的通知(步骤S1106)。
在确定将没有性能信息由于节点的减少等而在将来不可接收的情况或已接收的性能信息的数量等于或少于可接收的性能信息的数量时(步骤S1105:“否”),或在结束步骤S1106的处理之后,子聚集单元402确定是否从用户终端201接收到完成性能信息的获取(步骤S1107)。在确定未从用户终端201接收到完成性能信息的获取时(步骤S107:“否”),子聚集单元402进行到步骤S1101的处理。另外,在确定从用户终端201接收到完成性能信息的获取时(步骤S1107:“是”),子聚集单元402结束接收性能信息的处理。
图12是例示了由子聚集单元402接收性能信息的处理的操作的示例的说明图。在图12中,作为处理主体的子聚集单元402#2和作为处理目标的功能单元以具有黑色背景的白色文本表示。另外,在图12中,如在图12的上部中表示的,假定获取单元401#1和401#2向子聚集单元402#2发送性能信息。
图12的中部表示以下状态:子聚集单元402#2的“n_max”是2,并且子聚集单元402#2在特定时间“t”从获取单元401#1和401#2接收性能信息。在这种情况下,在步骤S1105的处理中,received(t)=2≤2。由此,子聚集单元402#2确定该步骤S1105:“否”。然后,在步骤S1103中,子聚集单元402#2聚集时间“t”的性能信息,并且将所聚集的性能信息发送到聚集单元403#1。
图12的下部表示以下状态:子聚集单元402#2的“n_max”由于子聚集单元402#2的负载的增加而变为1,并且子聚集单元402#2在从获取单元401#1在时间t+1接收性能信息之后从获取单元401#2接收性能信息。在这种情况下,在步骤S1105的处理中,received(t)=2>1.由此,子聚集单元402#2确定该步骤S1105:“是”。然后,在步骤S1106中,子聚集单元402向节点#2的获取单元401#2进行“不可接收”的通知。
如上所述,在本公开的实施方式中,各节点向第一节点发送性能信息112,并且在接收到“不可接收”的通知时,向与第一节点不同的第二节点发送性能信息112。由此,各节点能够动态改变用于执行子聚集单元402的节点。
在本公开的实施方式中,在从第三节点接收性能信息112时,各节点基于可接收的性能信息的数量和已接收的性能信息的数量确定是否向第三节点发送“不可接收”的通知。由此,在各节点的负载高时,节点无法执行对第三节点的性能信息112的聚集,使得可以抑制负载进一步增大。
在本公开的实施方式中,各节点可以基于所有节点的负载的平均值与其自身节点的负载的平均值之间的差,计算可接收的性能信息的数量。由此,可以使得信息处理系统100中具有低负载的节点聚集性能信息112,使得可以实现各节点的负载的负载分配的平衡。
在本公开的实施方式中,在从第一节点接收到“不可接收”的通知时,各节点可以向作为第二节点的、节点编号在第一节点的编号之后或之前的节点发送性能信息112。由此,各节点可以抑制多个节点中出现没有发送性能信息112的机会的节点。具体地,在算式(1)中,加上1。然而,在加上具有信息处理系统100的节点的数量的除数的值时,换言之,在与信息处理系统100的节点的数量不互为素数的数时,在多个节点中出现没有发送性能信息112的机会的节点。另外,在加上与信息处理系统100的节点的数量互为素数的除了1之外的数字时,只要信息处理系统100的节点的数量不变,就可以抑制出现没有发送性能信息112的机会的节点。然而,信息处理系统100的节点的数量是根据节点的增加或减少而变化的值,并且在多个节点中可能出现没有发送性能信息112的机会的节点。由此,通过向作为第二节点的、节点编号在第一节点编号之后或之前的节点发送性能信息112,各节点可以抑制在多个节点中出现没有发送性能信息112的机会的节点。
在本公开的实施方式中描述的信息处理方法可以通过使得诸如个人计算机或工作站的计算机执行所准备程序来实施。本公开的信息处理程序存储在诸如光盘只读存储器(ROM)或数字通用光盘(DVD)的计算机可读记录介质中,并且在由计算机从记录介质读取程序时执行。进一步地,本公开的信息处理程序可以经由诸如因特网的网络分布。
Claims (8)
1.一种信息处理设备,该信息处理设备被包括在信息处理系统中,该信息处理系统由多个信息处理设备构造并且聚集表示所述多个信息处理设备中的每个信息处理设备的状态的状态信息,该状态信息由所述每个信息处理设备来获取,所述信息处理设备包括:
存储器;和
处理器,该处理器联接到所述存储器,并且所述处理器:
向作为所述多个信息处理设备中的一个信息处理设备的第一信息处理设备发送所述每个信息处理设备的所述状态信息;以及
在从所述第一信息处理设备接收到表示聚集所述每个信息处理设备的所述状态信息的聚集处理不能够执行的通知时,向所述多个信息处理设备中与所述第一信息处理设备不同的第二信息处理设备发送所述每个信息处理设备的所述状态信息。
2.根据权利要求1所述的信息处理设备,其中,所述每个信息处理设备存储对于执行所述聚集处理而能够接收的状态信息的数量,所述能够接收的状态信息的数量对应于所述每个信息处理设备的负载,
在从作为所述多个信息处理设备中的一个信息处理设备的第三信息处理设备接收到所述第三信息处理设备的状态信息时,所述处理器基于与接收到所述第三信息处理设备的所述状态信息时所述每个信息处理设备的所述负载对应的、对于执行所述聚集处理而能够接收的状态信息的数量和已接收的状态信息的数量,确定聚集所述第三信息处理设备的所述状态信息的聚集处理是否能够执行,并且
在确定聚集所述第三信息处理设备的所述状态信息的聚集处理不能够执行时,所述处理器向所述第三信息处理设备发送表示聚集所述第三信息处理设备的所述状态信息的聚集处理不能够执行的通知。
3.根据权利要求2所述的信息处理设备,其中,所述状态信息包括表示所述每个信息处理设备的所述负载的负载信息,
在从存储聚集所述每个信息处理设备的所述状态信息的所述聚集处理的处理结果的信息处理设备接收到所述多个信息处理设备的负载的平均值时,所述处理器基于所述多个信息处理设备的所述负载的所述平均值与所述每个信息处理设备的所述负载之间的差,计算对于执行所述聚集处理而能够接收的状态信息的数量,并且
在从所述第三信息处理设备接收到所述第三信息处理设备的所述状态信息时,所述处理器基于计算出的对于执行所述聚集处理而能够接收的所述状态信息的数量和所述已接收的状态信息的数量,确定聚集所述第三信息处理设备的所述状态信息的聚集处理是否能够执行。
4.根据权利要求1所述的信息处理设备,其中,所述每个信息处理设备与用于识别所述每个信息处理设备的编号关联,
在从所述第一信息处理设备接收到表示聚集所述每个信息处理设备的所述状态信息的所述聚集处理不能够执行的所述通知时,所述处理器向与所述每个信息处理设备的编号之后或之前的编号关联的、作为所述第二信息处理设备的信息处理设备发送所述每个信息处理设备的所述状态信息。
5.一种信息处理系统,该信息处理系统由多个信息处理设备构造并且聚集表示所述多个信息处理设备中的每个信息处理设备的状态的状态信息,该状态信息由所述每个信息处理设备来获取,
其中,所述每个信息处理设备存储对于执行聚集所述每个信息处理设备的所述状态信息的聚集处理而能够接收的状态信息的数量,所述能够接收的状态信息的数量对应于所述每个信息处理设备的负载,并且所述每个信息处理设备向作为所述多个信息处理设备中的一个信息处理设备的第一信息处理设备发送所述每个信息处理设备的所述状态信息,
在从所述每个信息处理设备接收到所述每个信息处理设备的所述状态信息时,所述第一信息处理设备基于与接收到所述每个信息处理设备的所述状态信息时所述每个信息处理设备的所述负载对应的、对于执行所述聚集处理而能够接收的状态信息的数量和已接收的状态信息的数量,确定聚集所述每个信息处理设备的所述状态信息的所述聚集处理是否能够执行,
在聚集所述每个信息处理设备的所述状态信息的所述聚集处理不能够执行时,所述第一信息处理设备向所述每个信息处理设备发送表示聚集所述每个信息处理设备的所述状态信息的所述聚集处理不能够执行的通知,以及
在从所述第一信息处理设备接收到表示聚集所述每个信息处理设备的所述状态信息的所述聚集处理不能够执行的所述通知时,所述每个信息处理设备向所述多个信息处理设备中与所述第一信息处理设备不同的第二信息处理设备发送所述每个信息处理设备的所述状态信息。
6.根据权利要求5所述的信息处理系统,其中,所述状态信息包括表示所述每个信息处理设备的所述负载的负载信息,
在从存储聚集所述每个信息处理设备的所述状态信息的所述聚集处理的处理结果的信息处理设备接收到所述多个信息处理设备的负载的平均值时,所述第一信息处理设备基于所述多个信息处理设备的所述负载的所述平均值与所述每个信息处理设备的所述负载之间的差,计算对于执行所述聚集处理而能够接收的所述状态信息的数量,
在从所述每个信息处理设备接收到所述每个信息处理设备的所述状态信息时,所述第一信息处理设备基于计算出的对于执行所述聚集处理而能够接收的状态信息的数量和已接收的状态信息的数量,确定聚集所述每个信息处理设备的所述状态信息的所述聚集处理是否能够执行。
7.一种非暂时性计算机可读记录介质,该非暂时性计算机可读记录介质存储用于使信息处理设备执行处理的程序,所述信息处理设备被包括在信息处理系统中,该信息处理系统由多个信息处理设备构造并且聚集表示所述多个信息处理设备中的每个信息处理设备的状态的状态信息,该状态信息由所述每个信息处理设备来获取,并且所述处理包括:
向作为所述多个信息处理设备中的一个信息处理设备的第一信息处理设备发送所述每个信息处理设备的所述状态信息;以及
在从所述第一信息处理设备接收到表示聚集所述每个信息处理设备的所述状态信息的聚集处理不能够执行的通知时,向所述多个信息处理设备中与所述第一信息处理设备不同的第二信息处理设备发送所述每个信息处理设备的所述状态信息。
8.根据权利要求7所述的非暂时性计算机可读记录介质,所述处理还包括:
存储对于执行所述聚集处理而能够接收的状态信息的数量,所述能够接收的状态信息的数量对应于所述每个信息处理设备的负载;以及
在从作为所述多个信息处理设备中的一个信息处理设备的第三信息处理设备接收到所述第三信息处理设备的状态信息时,基于与接收到所述第三信息处理设备的所述状态信息时所述每个信息处理设备的所述负载对应的、对于执行所述聚集处理而能够接收的状态信息的数量和已接收的状态信息的数量,确定聚集所述第三信息处理设备的所述状态信息的聚集处理是否能够执行;以及
在聚集所述第三信息处理设备的所述状态信息的所述聚集处理不能够执行时,向所述第三信息处理设备发送表示聚集所述第三信息处理设备的所述状态信息的所述聚集处理不能够执行的通知。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-063772 | 2017-03-28 | ||
JP2017063772A JP2018165956A (ja) | 2017-03-28 | 2017-03-28 | 情報処理装置、情報処理システム、および情報処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108664326A true CN108664326A (zh) | 2018-10-16 |
Family
ID=63669403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810107331.3A Pending CN108664326A (zh) | 2017-03-28 | 2018-02-02 | 信息处理设备和信息处理系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180285168A1 (zh) |
JP (1) | JP2018165956A (zh) |
CN (1) | CN108664326A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7238376B2 (ja) * | 2018-12-14 | 2023-03-14 | 富士通株式会社 | 情報処理システム及び情報処理システムの制御方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101068216A (zh) * | 2007-06-12 | 2007-11-07 | 华为技术有限公司 | 上、下行传输方法及汇聚节点 |
US20110282832A1 (en) * | 2010-05-14 | 2011-11-17 | Rishel William S | Load balancing in parallel database systems using multi-reordering |
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
CN103338495A (zh) * | 2013-07-04 | 2013-10-02 | 南京信息工程大学 | 基于leps的双向能量均衡无线传感网路由方法 |
US20160234100A1 (en) * | 2013-12-27 | 2016-08-11 | Dell Products L.P. | N-node virtual link trunking (vlt) supporting arbitrary topologies |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016155816A1 (en) * | 2015-04-01 | 2016-10-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods and devices for monitoring of network performance for container virtualization |
WO2017209955A1 (en) * | 2016-05-31 | 2017-12-07 | Brocade Communications Systems, Inc. | High availability for virtual machines |
-
2017
- 2017-03-28 JP JP2017063772A patent/JP2018165956A/ja active Pending
-
2018
- 2018-01-23 US US15/877,426 patent/US20180285168A1/en not_active Abandoned
- 2018-02-02 CN CN201810107331.3A patent/CN108664326A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101068216A (zh) * | 2007-06-12 | 2007-11-07 | 华为技术有限公司 | 上、下行传输方法及汇聚节点 |
US20110282832A1 (en) * | 2010-05-14 | 2011-11-17 | Rishel William S | Load balancing in parallel database systems using multi-reordering |
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
CN103338495A (zh) * | 2013-07-04 | 2013-10-02 | 南京信息工程大学 | 基于leps的双向能量均衡无线传感网路由方法 |
US20160234100A1 (en) * | 2013-12-27 | 2016-08-11 | Dell Products L.P. | N-node virtual link trunking (vlt) supporting arbitrary topologies |
Also Published As
Publication number | Publication date |
---|---|
JP2018165956A (ja) | 2018-10-25 |
US20180285168A1 (en) | 2018-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6949045B2 (ja) | 分散クラスタ型訓練方法及び装置 | |
CN108874640B (zh) | 一种集群性能的评估方法和装置 | |
US10354201B1 (en) | Scalable clustering for mixed machine learning data | |
US11715025B2 (en) | Method for forecasting distributed resource utilization in a virtualization environment | |
US7631034B1 (en) | Optimizing node selection when handling client requests for a distributed file system (DFS) based on a dynamically determined performance index | |
US8504556B1 (en) | System and method for diminishing workload imbalance across multiple database systems | |
US10223437B2 (en) | Adaptive data repartitioning and adaptive data replication | |
US8904144B1 (en) | Methods and systems for determining at risk index for storage capacity | |
US9043317B2 (en) | System and method for event-driven prioritization | |
CN108776934A (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
JP6083290B2 (ja) | 分散処理システム | |
US8606905B1 (en) | Automated determination of system scalability and scalability constraint factors | |
CN100385401C (zh) | 使用状态分析处理方法及分析处理器 | |
CN108369675A (zh) | 用于案例分配的技术 | |
CN110471944A (zh) | 指标统计方法、系统、设备及存储介质 | |
US9042263B1 (en) | Systems and methods for comparative load analysis in storage networks | |
KR20150118963A (ko) | 큐 모니터링 및 시각화 | |
CN110895491A (zh) | 辅助资源分配优化的系统和方法 | |
US8850321B2 (en) | Cross-domain business service management | |
CN108664326A (zh) | 信息处理设备和信息处理系统 | |
US10585620B2 (en) | Storage monitoring system for monitoring components in a storage system in a distributed manner | |
CN101383721B (zh) | 一种性能计数器的派生处理方法及装置 | |
CN110267717B (zh) | 在多租户环境中按不同单独租户自动生成自动缩放呼叫规则的方法及装置 | |
WO2013140412A1 (en) | A method and system for distributed computing of jobs | |
US10972353B1 (en) | Identifying change windows for performing maintenance on a service |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181016 |