CN1867884B - 用于数据存储器分析的系统和方法 - Google Patents

用于数据存储器分析的系统和方法 Download PDF

Info

Publication number
CN1867884B
CN1867884B CN2004800300867A CN200480030086A CN1867884B CN 1867884 B CN1867884 B CN 1867884B CN 2004800300867 A CN2004800300867 A CN 2004800300867A CN 200480030086 A CN200480030086 A CN 200480030086A CN 1867884 B CN1867884 B CN 1867884B
Authority
CN
China
Prior art keywords
storage
memory
demand
pooled
application
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2004800300867A
Other languages
English (en)
Other versions
CN1867884A (zh
Inventor
斯科特·D·凯泽
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.)
Revivio Inc
Original Assignee
Veritas Operating 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 Veritas Operating Corp filed Critical Veritas Operating Corp
Publication of CN1867884A publication Critical patent/CN1867884A/zh
Application granted granted Critical
Publication of CN1867884B publication Critical patent/CN1867884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F11/3485—Performance evaluation by tracing or monitoring for I/O devices
    • 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
    • G06F11/3442—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 planning or managing the needed capacity
    • 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
    • G06F11/3447—Performance evaluation by modeling
    • 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
    • G06F11/3452—Performance evaluation by statistical analysis

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)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Debugging And Monitoring (AREA)

Abstract

用于数据存储器管理的系统和方法。实施例可以用来执行基于盘的数据存储器的分析。实施例可以提供用于估计用于应用或应用组的数据存储介质的存储器库存/可用性风险的折衷。实施例可以用来生成用于集中和/或非集中存储器的存储器库存信息和建议或要求。实施例可以用来比较用于存储器系统中的多个应用的集中存储器和非集中存储器。

Description

用于数据存储器分析的系统和方法
技术领域
本发明涉及计算机系统领域，以及更具体地说，涉及数据存储器系统。
背景技术
数据存储器可以很昂贵。在管理数据存储器过程中，将被问的问题可能包括：企业需要多少存储器？企业具有太多的存储器还是不足的存储器？许多系统管理员所持的偏见是具有过剩存储器(大于实际所需)，因为他们没有由于具有太多资本装置而受处罚，而是由于用光存储器例如不得不关闭应用而受处罚。因此通常，企业会购买大于所需的存储器以及在特定应用实际需要之前分配该存储器。这倾向于产生浪费，因为能更好花费在公司中的别处的资金不必要地被硬件占用。获得太多存储器的这种趋势的原因可能包括，在开放系统市场中，历史上难以快速地增加存储器。存储器区域网(SAN，storage areanetwork)体系结构可以通过降低确定需要更多存储器的时间和增加新存储器并可用于应用之间所需的时间量，而帮助解决该问题。
在存储器系统中，利用率是可以用来确定何时需要重新调整单个文件系统的大小的度量，但不是用于理解存储器使用率的充分度量。利用率，用在文件系统中的存储器的百分比可能具有局限性，包括但不限于下文。
首先，利用率通常不能说明可用于应用但不可用于文件系统的空闲空间。商业数据库通常预先分配大的数据文件，但仅使用文件的相对小的一部分。不知道数据库使用这些文件的速率或可用于数据库的空闲空间量，管理员可能具有测量存储器需求的困难时间。
其次，随着保留更多数据，利用率增加。保留大量历史数据的组织易于具有更高利用率。这不一定意味着更好的库存管理。在相关记录上，获得高利用率可能产生防碍清除无用数据。
因此，待检查的存储器的重要方面不是利用率(存储器有多满？在给定时间你使用多少？)，而是与引入需求相比，正使用多少存储器。利用率不是用于分析存储器级的正确度量。因此，期望提供用于应用解决存储器系统的需要的存储器管理技术的系统和方法。也期望这些存储器管理技术匹配存储器需求与供给，以及最好尝试平衡维持存储器库存的成本与用完存储器的成本。
发明内容
期望用于数据存储器管理的系统和方法的实施例。实施例可用于使用用于基于盘的数据存储器的存储器管理技术来执行存储器分析。一个实施例可以提供存储器分析机构，用于估计用于应用或应用组的数据存储介质的存储器库存/风险(短缺(stockout))折衷。可以使用实施例来生成存储器库存信息和集中存储器(pooled storage)和非集中存储器(non-pooled storage)的建议或需求。也可以将实施例应用于分析和估计除仅盘存储的原始千兆字节(raw terabyte)外，存储器系统的其它部件，例如服务器或主机、交换机、路由器、端口等等，或甚至其它非存储计算资源的使用率。也可以将实施例应用于分析和估计基于磁带的存储器的磁带盒、CD、DVD或用于基于光学的存储器的其它介质，或其它类型的存储器的使用率。
根据本发明的一个方面，提供一种系统，包括：用于收集用于存储器系统的存储器需求数据的部件；用于由所述存储器需求数据，确定用于存储器系统的一个或多个条件的部件；以及确定在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求的部件，其中，由所述存储器需求数据表示的一个或多个条件包括需求，其中，所述需求表示在给定时间周期内由一个或多个应用消耗的存储器的量。
根据本发明的另一个方面，提供一种方法，包括：收集用于存储器系统的存储器需求数据；以及确定在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求，其中，由所述存储器需求数据表示的一个或多个条件包括需求，其中，所述需求表示在给定时间周期内由一个或多个应用消耗的存储器的量；其中，使用计算机系统来执行所述收集和所述确定。
在一个实施例中，可以收集用于存储器系统的存储器需求数据。可以自动地收集、用户输入该存储器需求数据或自动收集和用户输入数据的组合。可以在给定时间段收集至少一些存储器需求数据。在一个实施例中，可以给定定期检查时间。定期检查时间表示存储器消耗的定期检查之间的时间，或基本上将存储器增加到存储器系统之间的时间。在一个实施例中，可以确定或估计获得新存储器的交付时间。可以确定在由存储器需求数据以及其它因素，诸如交付时间和定期检查时间表示的一个或多个条件下，满足给定存储器可用风险级的存储器系统的存储器要求(即，在一些未来时间，用于存储器系统的所需可用存储器)。在一个实施例中，由存储器需求数据表示的一个或多个条件可以包括表明在给定时间周期内，由一个或多个应用消耗的存储器量的需求。在一个实施例中，由存储器需求数据表示的一个或多个条件可以包括需求变化性，即，在给定时间周期内，一个或多个应用的存储器消耗的变化量的度量。在一个实施例中，由存储器需求数据表示的一个或多个条件可以包括需求变化率、需要趋势的度量。在一个实施例中，存储器需求可以表示目标存储器可用库存和/或目标存储器平均可用库存。
可以使用一个实施例来确定存储器因素之间的折衷，所述存储器因素包括但不限于可用存储器、存储器可用性风险(短缺或用完可用存储器的风险)、以及存储器系统中的需求。在该实施例中，可以使用存储器分析机构来修改因素，诸如风险、可用存储器和需求的不同值，以便估计或确定那些被修改的值如何影响其它存储器因素。在一个实施例中，假定在由存储器需求数据和一个或多个其它因素(例如交付时间和定期检查时间)表示的一个或多个条件下，给定对于存储器系统的存储器要求，可以使用存储器管理系统来确定用于存储器系统的存储器可用性风险级。在一个实施例中，给定存储器可用性风险级和对于存储器系统的存储器要求，可以使用存储器管理系统来确定存储器需求容量。
可以使用一个实施例来比较具有两个或多个应用的系统中的集中存储器和非集中存储器，以及可以允许用户确定集中存储器是否最适合该系统。可以确定在由用于应用的存储器需求数据表示的一个或多个条件下，在非集中存储器系统中配置的多个应用满足存储器可用性风险级的存储器要求。也可以确定在由存储器需求数据表示的条件下，配置成使用集中存储器系统来满足存储器可用性风险级的多个应用的存储器要求。可以比较非集中存储器要求和集中存储器要求，来确定集中存储器系统还是非集中存储器系统将用于多个应用。注意，在许多情况下，集中存储器更适合导致更低的存储器要求，因为应用风险可以在集中存储器上展开。
附图说明
下述详细说明参考现在简单描述的附图。
图1示例说明根据一个实施例的存储器分析机构的数据流。
图2示例说明实现根据一个实施例的存储器分析机构的系统。
图3示例说明根据一个实施例的非集中存储器环境。
图4示例说明根据一个实施例的集中存储器环境。
图5是用于确定根据一个实施例的存储器系统的存储器要求的方法的流程图。
图6是用于确定在根据一个实施例的存储器系统因素中的折衷的方法的流程图。
图7是根据一个实施例，用于比较集中存储器与非集中存储器的方法的流程图。
尽管通过几个实施例和示例性附图，描述了本发明，本领域的技术人员将意识到本发明不限于所述的实施例或附图。将理解到附图和其详细说明不打算将本发明限制到所公开的特定形式，但相反，本发明将覆盖落在如由附加权利要求书限定的本发明的精神和范围内的所有改进、等效和替代。在此使用的标题仅用于组织目的以及不打算用来限制说明书或权利要求书的范围。如在本申请中所使用的，在许可意义(即具有可能的含义)，而不是强制意义(即表示必须)上使用词“可”。类似地，词“include”、“including”和“includes”表示包括，而不是限制。
具体实施方式
描述了用于数据存储器管理的系统和方法的实施例。可以使用实施例来使用用于存储器系统(例如基于盘的数据存储)的存储器管理技术来执行存储器的分析。一个实施例可以提供用于估计用于应用或应用组的数据存储介质的存储器库存/短缺风险折衷的存储器分析机构。例如可以使用存储器分析机构的实施例来生成用于数据存储器系统，包括集中存储器(例如存储器区域网络(SAN)、网络附连的存储器(NAS)等等)和非集中存储器(例如直接连接存储器(DAS)和分段存储器网络)的库存报告和/或建议。在一些实施例中，可以将存储器单元视为库存，以及可以使用库存计划概念和库存分析模型的算法来生成用于数据存储器系统的库存报告和建议。描述了可以使用的示例性库存分析模型，但注意也可以使用除所述之外的其它库存分析模型。
可以在SAN环境、NAS环境或其它类型的网络存储器环境中实现实施例。一个实施例可以集成在SAN管理系统(例如Veritas的SANPoint控制)中或与其一起使用。也可以在非网络化存储器环境，甚至在单机系统中实现实施例。
尽管这里关于基于盘的存储器来描述实施例，注意也可以使用一些实施例来执行用于备份介质或其它类型存储器的库存分析。也可以将实施例应用于分析和估计除仅存储器的原始千兆字节外，存储器系统的其它部件，例如服务器或主机、交换机、路由器、端口等等，或甚至其它计算资源的使用率。也可以将实施例应用于分析和估计用于基于磁带的存储器的磁带盒、CD、DVD或用于基于光学的存储器的其它介质，或其它类型的存储器的使用率。也可以使用一个实施例来估计例如集群文件服务器环境中或在集群数据库中的服务器供给或其它计算资源。通常，实施例可以用来估计与工作量是共享还是独立无关的环境中，需要多少服务器或其它资源。
使用实施例，为了测量用于应用、应用组、科、部门或其它单位的存储器效率，组织可以监控相对于需求的存储器库存。存储器库存最好考虑大部分或所有可用存储器，不管是数据库文件中的未用空间、文件系统自由空间、逻辑卷上的未用空间还是未分配的盘。注意也可以故意不使用存储器来提高等待时间和/或吞吐量，有时被称为“短行程”。这最好不计算为未用存储器，因为从性能，如果不是容量的观点，该存储器被完全利用。注意在一些应用中，从文件系统观点看，未用但已分配的空间(例如数据库文件中的未用空间)可以被视为不可用，但为了精确估计存储器库存，在一个实施例中，可以将用于这些应用的未用空间计数在存储器库存中作为可用存储器空间。
在一个实施例中，对于每个应用、应用组和/或其它单元(例如企业的科和部门)，可以监控存储器系统的存储器需求和需求的标准偏差(即需求变化)，可以估计或确定用于存储器系统的存储器可用性风险级，可以估计或确定获得新存储器的交付时间，以及可以估计或确定定期检查时间。定期检查时间可以是查看是否需要更多存储器的检查(定期检查)之间的时间，以及可以被视为将新存储器增加到存储器系统之间的时间。可以使用存储器分析机构来分析该信息以及可能其它信息，以确定在给定存储器可用性风险级满足存储器需求所需的可用存储器的量。
在一个实施例中，可以估计交付时间。例如，系统可以跟踪确定或启动获得新存储器的处理和新存储器真正变为可用的时间之间的时间，然后，可以使用该历史数据来估计交付时间作为该处理的输入。
在一个实施例中，可以从存储器系统收集存储器需求数据，并用来确定由存储器需求数据，例如，存储器需求和存储器需求变化表示的一个或多个条件。在一个实施例中，存储器分析机构可以自动地收集存储器需求数据。在一个实施例中，另一应用(例如存储器监控应用)可以收集存储器需求数据并将其提供给存储器分析机构。在一个实施例中，用户可以收集存储器需求数据并将其提供给存储器分析机构，或者可以从该存储器需求数据(例如，存储器需求和存储器需求变化)确定一个或多个条件，并将所确定的条件提供给存储器分析机构。
可以使用一个实施例来确定增加或减少可用存储器以及增加或减少存储器系统中的存储器可用性风险之间的折衷。例如，如果可用存储器被减少某一量，实施例可以允许存储器系统管理员查看风险的增加。另外，可以使用一个实施例来确定在给定需求级和通过给定量可用存储器的存储器可用性风险级，和/或确定在给定存储器可用性风险级和给定量可用存储器的可接受需求级或容量。因此，可以由企业使用实施例来确定风险级、可用存储器和/或存储器系统需求之间的折衷。在这些实施例中，可以将用于风险、可用存储器和/或需求的不同值输入存储器分析机构，以估计或确定这些值如何影响其它因素。在一个实施例中，可用存储器可以指一段时间上的平均可用存储器。在一些实施例中，除了风险、可用存储器和需求外，如果需要，在确定存储器因素之间的折衷过程中，可以包括和修改其它存储器因素。
可以使用实施例来执行存储器分析和/或生成用于特定应用、企业的科或其它单元的存储器建议。另外，可以使用实施例来执行存储器分析和/或生成用于组织的两个或多个单元(应用、科、部门等等)的综合(集中)存储器的存储器建议。执行用于综合单元(集中存储器)的存储器分析最好允许存储器分析机构生成比单独评价不同单元(非集中存储器)更低的用于企业的整体存储器要求。
在一个实施例中，可以在企业内的两个或多个系统上比较存储器可用性风险级。这可以帮助企业来识别各种应用中的相对不同。这也可以使得更容易理解和调整用于不熟悉存储器系统的库存计划的概念和实践的企业的风险级。例如，企业更容易对于诸如此的输出采取行动，而不是仅仅封闭地查看单个应用的风险。
应用        存储器可用性风险
A           .01
B           .004
C           .003
D           .000002
可以由存储器分析机构获得或确定并用在存储器分析中的存储器信息可以包括但不限于需求、需求变化、需求变化率、短缺容差(存储器可用性风险)、定期检查时间和交付时间的一个或多个。在一个实施例中，可以确定在一定周期上的需求变化率。在一个实施例中，为执行存储器分析，存储器分析机构需要知道或确定存储器需求或需求估计、需求变化或需求变化估计、存储器可用性风险的数量或估计、以及交付时间(从确定需要获得更多存储器的时间到可用于应用的时间，花费多长时间来获得存储器)或交付时间估计。注意，如果交付时间长，则需要使更多存储器可用，如果交付时间短，那么需要使更少存储器可用。
在存储器的上下文中，现有库存是应用或多个应用可以使用的存储器。平均现有库存是在给定周期上的平均现有库存。基本库存是计划在补充存储器后具有的目标存储器现有库存。在上限订货(order upto)库存模型中以及在至少一些其它库存模型中，可以使用生成目标基本库存或目标平均现有库存来确定或估计另一个。在此可以将基本库存称为可用存储器，并将目标平均现有库存称为目标平均可用存储器。
实施例可以提供有关现有库存的存储器系统的应用中心视图。商业数据库通常预先分配大的数据文件，然后随时间使用该存储器。从文件系统观点看，该存储器不可用，但现有库存的测量最好包括数据库文件内的未用存储器。在一个实施例中，现有库存最好也包括文件系统中的空闲空间和未用卷和逻辑单元(LUN)。
在一个实施例中，管理存储器库存的处理可以包括直接监控和从存储器系统收集数据和/或从其它源(例如，用户输入或由存储器监控应用收集到数据库中的数据)收集(输入或存取)数据。该数据可以包括但不限于与存储器系统中的存储器分配和消耗有关的数据。在一个实施例中，可以收集和分析存储器信息以便确定或估计一个或多个存储器需求度量或条件。这些存储器需求条件可以包括但不限于存储器需求(根据需求，历史上已消耗了多少数据存储器)，以及该需求在一个周期上的变化(需求变化)。可以对正消耗存储器的每个应用，或者在正消耗存储器的其它级，诸如每一主机或科，估计或确定存储器需求和需求变化。
在一个实施例中，可以根据因素，诸如是否已知存储器将为空闲并返回存储器库存，或是否已知需求将增加，来调整存储器需求。可以对收集的数据和/或存储器度量做出必要或所需的调整。从存储器数据的收集和分析，以及一个或多个其它潜在可变因素，诸如存储器可用性风险、交付时间以及定期检查时间的输入，可以生成需要多少可用存储器(可以称为存储器需求)的计划或建议。存储器要求可以包括但不限于可用存储器(计划在补充存储器后具有的目标存储器现有库存)和/或目标平均可用存储器。另外，可以生成有关存储器使用率的一个或多个报告。另外，可以使用一个实施例来确定风险级、可用存储器和/或存储器系统的需求之间的折衷。在该实施例中，可以调整用于包括但不限于风险、可用存储器和需求的一个或多个存储器因素的值，以便估计或确定调整一个或多个存储器因素如何影响其它存储器因素的值。
图1和2示例说明用于收集用于存储器系统的存储器需求数据的部件、用于由存储器需求数据来确定用于存储器系统的一个或多个条件的部件、以及用于确定在由存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求的部件。
在一个实施例中，可以在存储器分析机构中实现管理存储器库存的处理。图1示例说明根据一个实施例，实现上述处理的存储器分析机构的数据流。存储器信息102可以输入到存储器分析机构100和/或由存储器分析机构100收集。存储器信息102可以包括但不限于可用存储器分配和/或消耗信息，例如正由存储器系统中的一个或多个应用消耗多少可用存储器。在一个实施例中，可以由存储器分析机构100直接从存储器系统收集至少一些存储器信息102。在一个实施例中，可以由用户或另一应用，例如由存储器管理员或存储器监控应用，外部收集或确定至少一些存储器信息102，并作为输入提供给存储器分析机构100，直接或通过存储器分析机构100访问由用户或存储器监控应用编译的存储器信息数据库。在一个实施例中，对SAN系统，可以由SAN系统的SAN管理系统来收集存储器信息102，并作为输入(直接或通过数据库)提供给存储器分析机构100。
可以分析存储器信息102以生成一个或多个存储器需求度量或条件，诸如需求、需求变化和/或需求在一定周期上的变化率。另外，可以在存储器分析机构外，例如由存储器管理员或存储器监控应用来确定这些条件的一个或多个。并提供给存储器分析机构100作为输入。可以与由存储器分析机构100确定或输入到存储器分析机构100中的一个或多个其它因素(例如存储器可用性风险、交付时间和定期检查时间)一起，使用存储器需求条件来生成存储器报告和/或建议104，和/或确定存储器因素，包括但不限于可用存储器、风险和需求之间的折衷。
在一个实施例中，可以由存储器分析机构100来分析存储器信息102以生成存储器库存水平的估计，例如用于金融分析和/或定标相对于其它科、企业、公司、代理等等的库存水平。
在一个实施例中，存储器分析机构100可以实现为自动监控存储器使用率并应用存储器分析技术(在一个实施例中，根据库存分析模型的技术)来生成和做出建议或确定包括但不限于可用存储器、风险和需求的存储器因素之间的折衷的工具或应用。在该实施例中，存储器分析机构100可以监控存储器系统以收集存储器信息102。从该存储器信息，存储器分析机构100可以生成包括但不限于以下的一个或多个的度量：具有多少存储器、存储器需求和存储器需求变化。可以由存储器分析机构100确定一个或多个其它潜在变化因素，诸如存储器可用性风险、交付时间和定期检查时间，或输入到其中。使用该存储器信息、所生成的度量以及一个或多个其它因素，存储器分析机构100可以生成库存管理性能和/或建议输出104，和/或确定包括但不限于可用存储器、风险和需求的存储器因素之间的折衷。
在另一实施例中，存储器分析机构100可以被实现为通过输入有关它们的存储器系统、存储器使用率历史和期望的信息102的处理来引导存储器管理员，以及基于用户输入而生成报告和/或建议104，和/或确定包括但不限于可用存储器、风险和需求存储器因素的之间的折衷的效用或应用。在该实施例中，存储器分析机构100可以是使存储管理员走过该处理，并帮助存储管理员进行存储器采集和分配确定以及确定折衷的基于工作流的应用。在一个实施例中，该基于工作流的应用可以自动地收集至少一些必要的存储器信息102。这些实施例在它们的基础实现、数据收集和库存分析能力方面类似，但可以提供不同的用户接口。
一些实施例可以组合自动数据收集和用户输入。一些实施例可以允许用户允许存储器分析机构100自动收集存储器信息102或如果需要，覆盖自动收集的至少一些存储器信息102。通常，实施例可以报告有关存储器使用率，基于输入的存储器信息102做出建议，和/或确定包括但不限于可用存储器、风险和需求的存储器因素之间的折衷，不管存储器信息102是自动收集、用户输入和/或由另一应用提供给存储器分析机构100。
使用存储器分析机构100的实施例，对于单个应用或数据库级的存储器，对于应用组和/或对于企业的整个科、部门或其它单位，可以执行获得存储器信息102、由所获得的存储器信息102来生成存储器需求度量或条件，以及使用存储器需求度量或条件，以及在一些实施例中，一个或多个其它因素来生成报告和/或建议104，和/或确定包括但不限于可用存储器、风险和需求的存储器因素之间的折衷的处理。对集中或非集中存储器，可以执行该处理。
在一个实施例中，可以使用存储器分析机构100来分析用于两个或多个应用的存储器，以便比较和对照用于这些应用的集中存储器和非集中存储器。换句话说，对于共同使用集中存储器的应用，可以执行该处理，以及对使用非集中存储器的应用，也可以单独地执行。注意，整个处理不需要被执行两次，例如可以执行一次获得存储器信息102，以及可以在处理的执行中，使用所获得的存储器信息102。可以修改一个或多个因素来适合被分析的特定存储器模型(集中或非集中)。可以比较两个分析的结果以确定关于包括但不限于风险、可用存储器和需求的一个或多个存储器因素，哪一存储器模型最适合于两个或多个应用。
图2示例说明实现根据一个实施例的存储器分析机构的系统。系统310可以是各种类型的设备，包括但不限于个人计算机系统、台式计算机、膝上型或笔记本计算机、主机系统、工作站、网络计算机或其它适当设备的任何一个。系统310可以包括至少一个处理器312。处理器312可以连接到存储器314。存储器314表示各种类型的存储介质，也称为“计算机可读介质”。硬盘存储器、软盘存储器、移动盘存储器、闪存和随机存取存储器(RAM)是存储介质的例子。术语“存储器”和“存储介质”可以包括但不限于：安装介质，例如CD-ROM或软盘、DVD和/或磁带单元，计算机系统存储器，诸如DRAM、SRAM、EDO RAM、SDRAM、DDR SDRAM、存储器总线RAM等等，或非易失性存储器，诸如磁性介质，例如硬驱动、磁带驱动，或光学存储器，诸如CD或DVD。存储介质也可以包括其它类型的存储器或其组合。系统310可以在网络上，经一个或多个有线或无线网络接口(未示出)，连接到一个或多个其它设备，诸如正分析的存储器系统和/或运行存储器监控应用的系统。
系统310可以在存储器314中包括存储器分析机构100，其可以接收存储器信息102(例如存储器需求数据)作为输入，并生成一个或多个报告和/或建议104作为输出。在一个实施例中，存储器分析机构100可以从一个或多个源收集存储器信息102。在一个实施例中，存储器信息102可以从存储器系统自动地收集。在一个实施例中，可以由用户(例如系统管理员)通过用户接口将存储器信息102输入存储器分析机构100。其它实施例可以通过用户输入来接收一些存储器信息102，以及从存储器系统自动地收集其它存储器信息102。然后存储器分析机构100可以将存储器信息102应用于一个或多个库存算法来生成存储器建议和/或可以生成一个或多个存储器使用率报告。在一个实施例中，可以使用存储器分析机构100来分析包括但不限于存储器可用性、风险和需求的存储器因素之间的折衷。在一个实施例中，存储器分析机构100可以用来比较用于多个应用、科、部门等等的集中存储器结构和非集中存储器结构，以便确定集中或非集中存储器最适合企业。
系统310也可以包括一个或多个显示设备(未示出)，用于显示存储器分析机构100的输出和/或一个或多个用户输入设备(例如键盘、鼠标等等，未示出)，用于接收存储器分析机构100的用户输入。
图3示例说明根据一个实施例的非集中存储器环境。在该实施例中，将服务器202连接(直接连接或网络连接)到存储器204。服务器202提供对存储器204的存取，用于应用206。注意，应用206可以驻留在与服务器202相同的计算机系统或“盒”上，或者驻留在另一盒上。注意，存储器区域网(SAN)中的存储器或网络附连存储器(NAS)可以是非集中的(分配由单个应用使用)。另外，与使服务器202作为中介不同，应用206可以直接访问存储器204。在非集中存储器环境中，应用206不与其它应用共享存储器204。在一个实施例中，存储器分析机构(未示出)可以驻留在服务器204上，或者驻留在连接到服务器202和存储器204的另一系统上。在该实施例中，存储器分析机构可以从存储器系统自动地收集至少一些存储器信息，对所收集的存储器信息执行库存分析，并生成存储器报告和建议。在另一实施例中，存储器分析机构可以驻留在未连接到服务器202和/或存储器204的系统上，然后，对所收集的存储器信息执行库存分析，并生成存储器报告和建议。
注意，在一些计算环境中，“服务器”可以与“计算机”、“系统”、“计算机系统”和/或“客户机”同义，因此，认为如图3和其它图中所述的实施例可通用于计算机系统，而不考虑诸如“服务器”、“客户机”等等的标签。因此，在图3中，服务器202可以是服务器、客户机或一般的任何计算机系统。
图4示例说明根据一个实施例的集中存储器环境。在该实施例中，一个或多个主机302(例如主机302A和302B)可以经网络300连接到一个或多个存储器单元或阵列(例如存储器304A和304B)。网络300可以表示SAN或具有网络附连存储器(NAS)的网络。主机302(例如主机302A和302B)提供对存储器304A和304B的存取用于两个或多个应用306(例如应用306A和306B)。注意，SAN或NAS中的存储器可以是集中(由两个或多个应用306，例如在该例子中的应用306A和306B共享)或非集中(分配由单个应用使用)的。注意，应用306的一个或多个(例如应用306A和/或306B)可以驻留在与主机302相同的盒上或在另一盒上。在该例子中，应用306A和306B共享存储器304A和304B。在一个实施例中，存储器分析机构(未示出)可以驻留在主机302A和302B的一个或多个上，或者驻留在可以连接到网络300的另一系统上。在该实施例中，存储器分析机构可以从集中存储器系统自动收集至少一些存储器信息，对所收集的存储器信息执行库存分析，并生成存储器报告和建议。在另一实施例中，存储器分析机构可以驻留在不连接到网络300的系统上。在该实施例中，用户可以将用于集中存储器系统的存储器信息输入到存储器分析机构中，然后，可以对所收集的存储器信息执行库存分析，并生成存储器报告和建议。
注意，存储器分析机构的实施例可以用在集中存储器系统中，以便监控存储器并做出用于单个应用和/或应用组的存储器建议，直到并包括环境中的所有应用。集中存储器最好允许企业降低总存储器容量并降低短缺风险。实施例也可以用在集中存储器系统中，以监控存储器并做出用于企业单位，诸如科和部门的存储器建议。
存储器分析机构的实施例当应用于集中(或非集中存储器)时，最好产生未用存储器的更低库存，可能地，具有更低“短缺(stockout)”风险。实施例可以允许企业相对于可用性，明确折衷未用存储器容量，--或更精确地说，对集中或非集中存储器估计它。实现这种折衷是管理服务水平的中心。
在一个实施例中，集中存储器可以是分层的；在集中存储器库存中存在多层，以及可能地，从一般或更高层或池(例如公司池)到两个或多个专用或更低层或池的每一个(例如科和/或应用级)，通过潜在不同交付时间来提供(使存储器可用)。在一些实施例中，可以由集中存储器迅速提供存储器用于由应用使用。SRM工具可以帮助，但政策和过程最好允许管理员迅速提供存储器用于他们的应用。否则，管理员可以通过更早请求向他们的层提供存储器，可能地消极影响集中存储器的好处，来保持他们自己的库存。另外，如果必要或需要，可以使存储器从更低或更专用层移动到更高或更通用层，例如，从应用池移动到科池。
图5是根据一个实施例，确定用于存储器系统的存储器要求的方法的流程图。在一个实施例中，存储器系统可以是集中存储器系统(例如SAN系统)。在一个实施例中，存储器系统可以是非集中存储器系统(例如DAS系统)。如400所示，可以收集用于存储器系统的存储器需求数据。可以自动收集、用户输入该存储器需求数据，或可以是自动收集和用户输入的组合。可以在给定时间周期上收集至少一些存储器需求数据。如402所示，可以确定用于存储器系统的存储器可用性风险级。在一个实施例中，也可以确定定期检查时间。定期检查时间表示存储器消耗的定期检查之间的时间。在一个实施例中，也可以确定获得新存储器的交付时间。
如404所示，可以由存储器需求数据来确定用于存储器系统的一个或多个需求条件。在一个实施例中，由存储器需求数据指示的一个或多个条件可以包括表示在给定时间周期内由一个或多个应用消耗的存储器量的需求。在一个实施例中，由存储器需求数据表示的一个或多个条件可以包括需求变化，在给定时间周期内一个或多个应用的存储器消耗的变化量的度量。在一个实施例中，由存储器需求数据表示的一个或多个条件可以包括在给定时间周期内需求的变化率。
如406所示，可以确定在由存储器需求数据表示的一个或多个条件下，满足存储器可用性风险级的用于存储器系统的存储器要求。在一个实施例中，存储器要求可以表示目标存储器现有库存。在一个实施例中，目标存储器现有库存可用来确定用于定期检查时间的目标存储器平均现有库存。
一个实施例可以允许分析修改一个或多个存储器系统因素对其它未修改存储器系统因素的影响或折衷。在一个实施例中，这些存储器系统因素可以包括但不限于存储器需求容量、存储器可用性风险级以及存储器要求。可以将存储器需求容量定义为存储器系统能维持给定时间周期的需求量。在一个实施例中，在由存储器需求数据表示的一个或多个条件下，给定存储器系统的存储器要求，可以使用存储管理系统来确定存储器系统的存储器可用性风险级。在一个实施例中，给定存储器系统的存储器可用性风险级和存储器要求，可以使用存储器管理系统来确定存储器需求容量。
图6是根据一个实施例，用于确定存储器系统因素之间的折衷的方法的流程图。如500所示，可以修改用于存储器系统的因素子集。在一个实施例中，这些存储器系统因素可以包括但不限于存储器需求容量、存储器可用性风险级和存储器要求。在一个实施例中，可以提供用户接口来接受用户对存储器系统因素的一个或多个的修改。如502所示，可以确定该修改对一个或多个其它存储器系统因素的影响。在一个实施例中，可以提供用户接口来显示修改对其它存储器系统因素的影响的反馈。如所示，可以由用户重复500和502一次或多次，以修改存储器系统因素的一个或多个，以便达到用于存储器系统因素的所需或所要求水平。如504所示，如果需要，然后用户由修改的一个或多个迭代，来选择用在存储器系统中的一组存储器系统因素。注意，在一个实施例中，给定一或多个存储器系统因素作为输入，或给定最小化或最大化一个或多个因素或因素的组合的目标，例如最小化风险和/或存储器库存需求，可以自动化该方法(例如作为专家系统)来确定存储器系统因素的最佳水平。
图7是根据一个实施例，比较集中存储器和非集中存储器的方法的流程图。如600所示，可以确定在由用于应用的存储器需求数据表示的一个或多个条件下，满足存储器可用性风险级的用于配置在非集中存储器系统中的多个应用的存储器要求。在一个实施例中，每个应用可以具有独立的存储器可用性风险级。如602所示，可以确定在由存储器需求数据表示的条件下，满足存储器可用性风险级的用于配置成使用集中存储器系统的多个应用的存储器要求。注意，如果对两个或多个应用存在不同的存储器可用性风险级，那么可以将最低存储器可用性风险级用于集中存储器系统配置。如604所示，可以比较非集中存储器要求和集中存储器要求，以确定集中存储器系统还是非集中存储器系统将用于多个应用。注意，在许多情况下，集中存储器更好地导致更低存储器要求，因为可以在集中存储器上展开用于应用的风险。如606所示，然后根据所确定或所选择的存储器模型来配置(或重新配置)存储器系统。
示例性库存分析模型
存在可以用在存储器分析机构的实施例中的许多不同库存分析模型(即库存管理技术)。在此所述的库存管理技术是示例性的以及不视为限制。在一个实施例中，可以使用定期检查“上限订货”库存模型。其它实施例可以使用其它库存管理技术来估计存储器要求。
在用于存储器的库存模型中，基本库存和平均现有库存可以取决于几个变量，所述变量可以包括但不限于需求(例如，兆字节/月)、需求的标准偏差(需求变化，例如兆字节/月)、需求变化率、定期检查时间(例如每N月)和交付时间(例如按月)中的一个或多个。注意，兆字节和月用作例子，其它单位也可以用作时间(例如周、天、小时等等)以及存储器(例如千兆字节、兆字节、比特等等)。
需求是在给定时间周期内由应用消耗的存储器的量。需求的标准偏差是可以用来估计变化，在这种情况下是需求变化的统计值。高标准偏差暗指更大变化。需求的变化率是在一定时间周期上的需求趋势的度量--即，需求增加或减少？定期检查时间是查看应用、应用组或集中存储器(例如SAN)是否需要更多存储器的检查(定期检查)之间的时间。交付时间是获得新存储器所需的时间，以及可以包括但不限于获得管理许可、保密购买订单、运送、安装和配置(例如创建和/或调整LUN、卷和文件系统的大小)所需的时间的一个或多个。对数据库，交付时间可以包括扩展数据库文件所需的时间。
在一个实施例中，库存分析处理可以是连续或几乎连续的，以及可存在一个阈值，在该阈值，存储器分析机构可以确定需要将可用存储器增加到存储器系统。在该实施例中，存储分析机构可以用来连续地监控存储器消耗，并当达到阈值，表示需要启动增加可用存储器的处理时，生成告警。例如，如果按n千兆字节增量来增加存储器，则存储器分析机构可以连续地监控存储器消耗，并当需要启动获得n千兆字节的存储器的处理时，生成告警。
一个实施例可以跟踪但不限于需求、需求的标准偏差、定期检查时间、需求的变化率和/或交付时间的一个或多个，以及可以使用该信息来估计应用的基本库存和用于存储器的平均现有库存。下文是用于估计用于非集中存储器的基本库存和平均现有库存的示例性方程：
基本库存＝(周期库存)+(安全库存)
基本库存＝(μ×(p+l))+(z×s×(p+l)1/2)
平均现有库存＝(μ×(p/2))+(z×s×(p+l)1/2)
其中：
周期库存：为满足一段时间的期望需求而现有保持的库存
安全库存：为处理变化而现有保持的库存
μ：需求
s：需求的标准偏差
p：定期检查时间
l：获得新库存的交付时间
z：基于短缺的风险容差而改变的风险容差
注意，上述示例性库存模型能应用于非集中存储器，诸如DAS系统、具有单个应用的系统和/或估计用于集中存储器环境中的单个应用的存储器的基本库存和平均现有库存。下述示例性库存模型类似，但被修改，用于确定在集中存储器环境(例如使用存储器集中的SAN环境或NAS环境)中的库存要求。在集中存储器环境中，可以使用下述示例性方程：
Figure G2004800300867D00181
Figure G2004800300867D00182
其中：
周期库存：为满足一段时间的期望需求而现有保持的库存
安全库存：为处理变化而现有保持的库存
μ：需求
s：需求的标准偏差
p：定期检查时间
l：获得新库存的交付时间
z：基于短缺的风险容差而改变的风险容差
注意，这些方程假定应用的需求不关联。可以使用其它库存模型来考虑应用的需求部分或完全(肯定)关联或部分或完全否定关联的情形。
在一个实施例中，可以改变方程中的一个或多个变量(需求、需求的标准偏差、定期检查时间、交付时间和风险容差)来确定存储器系统中的风险级、可用存储器和/或需求之间的折衷。减少需求、需求的标准偏差、定期检查时间和交付时间的一个或多个变量将减少库存并降低存储器费用，反之，增加这些变量中的一个或多个将在同一风险容差级上增加库存和存储器费用。
通过管理判断或基准来选择z的值。为了处理短缺风险容差低的情形，可以将z设置成更大值，为了处理短缺风险容差高的情形，可以将z设置成更低值。在一个实施例中，可以上调或下调风险容差来确定对需求和/或可用存储器的影响。
在一个实施例中，可以将简单常数(例如1，2，3，...)用于z。在另一实施例中，可以将除常数外的安全库存因素用于z。安全库存因素可以与短缺率，即，由于缺少库存而不能满足的需求的比例有关。短缺率可以被发现使用下述示例性方程：
Figure G2004800300867D00191
可以使用其它短缺率方程；例如可以使用处理具有可变交付时间和/或定期检查时间的其它方程。也可以使用术语满足率。满足率是能满足的需求的比例：
满足率＝1-短缺率
L(z)是标准损耗函数，一种统计函数。也可以被称为部分期望值。下文是用于L(z)的值和用于z的相应值的示例性部分表。注意在不同统计文本中可以找到更完整的标准损耗函数表。
L(z)             z
.3989            0
.0833            1
.0085            2
.0004            3
.0001            3.4
在一些情况下，应用所服务的商业过程的所有者能够改变需求和需求的标准偏差。然而，在一些情况下，不能改变这些变量，因此，存储器管理员必须采用如在这些情况下给出的这些值。类似地，在一些情况下，不可调整风险容差。如果需要，这将定期检查时间和交付时间作为可以调整的变量。如果降低这些值的任何一个，则可以降低基本库存和平均现有库存，同时保持相同的风险容差级、需求和需求的标准偏差。
库存集中是例如在降低库存要求方面有用的工具。直观地，库存集中工作，因为在需求不完全关联的假定下，并非所有应用同时需要存储器。在一个实施例中，具有消耗(和需要)存储器的n个非集中应用的企业可以使用存储器分析机构来确定使用集中存储是否可以实现更低基本库存和/或更低平均现有库存。用于n个应用的集中存储器可以允许更低基本库存和/或更低平均现有库存，因为用于n个应用的每一个的风险在集中存储器上展开。
对于每个应用保持单独库存的n个非集中应用的集体库存，使用下述示例性方程，可以将这些库存加在一起：
Figure G2004800300867D00202
如果需求(μi)独立于每个应用，以及能集中应用的库存(例如使用SAN)，则可以使用用于上述集中存储器的示例性方程，通过比较这些方程和用于非集中存储器的方程的结果，来确定是否使用集中存储器可以实现更低基本库存和更低平均现有库存。注意，在其它实施例中，可以使用其它库存管理方程来估计存储器要求和比较集中与非集中存储器。
独立需求表示对于存储器的请求不关联。例如，一个科中的内部费用报告应用的存储器需求和不同科中的文件服务器的存储器需求不可能关联，从而可以表明独立需求。
注意，如果n个应用具有不同的风险容差级，则最低风险容差级必须被用作集中存储器方程中的z，而用于z的各值可以用在用于n个非集中应用的集体库存的方程中。因此，如果存在不同风险级，则用于至少一些应用的集中存储器可以不是使用这些方程的可行替代。注意，如果不能修改用于应用的风险容差，则替代可以是用于一些高风险容差应用的池存储器，而使一个或多个低风险容差应用非集中，或将高风险容差应用集中在一个池中，以及将低风险容差应用集中在另一池中。
在一个实施例中，如果存在不同风险级，则可以使用不同于上述示例性模型的不同库存模型，当给定用于一组应用的一组单独的可能不同z值、应用的需求的关联以及可能的其它因素时，能确定组合的z。或者，企业可以使用一些方法(例如简单取z值的平均值)来确定用于一组应用的组合值z，以及将用于z的组合值用在上述示例性库存模型(或一些其它库存模型)中。因此，即使通过用于一组应用的不同z值，仍然可以通过使用考虑可能的不同z值的方法或模型来实现集中的好处。
上述示例性模型假定某种程度的价格稳定性。给定区域密度的期望值增加以及每千兆字节价格下滑，则可以收缩该假定。区域密度是指能存储在存储介质的区域(例如1平方英寸)上的数据量。具有较高区域密度的存储介质比具有较低区域密度的存储介质在相同的空间中能存储更多信息。趋势上，如果价格正下降，尽可能延期购买可能是正当的反应。这可以提供针对更低库存的动机，例如由SAN技术启动。因此，在一个实施例中，价格走向可以是在计算基本库存和平均现有库存中以及在确定风险级、可用存储器和/或存储器系统的需求之间的折衷时考虑的附加因素。
上述示例性模型假定恒定，尽管可变，定期(例如每月)的需求。根据行业和应用，该假定可以或可以不应用。因此，在一个实施例中，需求(表示为需求的变化率)的趋势(例如上或降)可以是在计算基本库存和平均现有库存时以及在确定风险级、可用存储器和/或存储器系统的需求之间的折衷时考虑的附加因素。同时，注意从应用观看点，由于冗余要求，使用的存储器量可以低于所要求的存储器。因此，在一个实施例中，冗余要求可以是在计算基本库存和平均现有库存时以及在确定风险级、可用存储器和/或存储器系统的需求之间的折衷时考虑的附加因素。
结论
各种实施例可以进一步包括接收、发送或在载体介质上存储根据上述描述实现的指令和/或数据。一般来说，载体介质可以包括存储介质或存储器介质，诸如磁或光学介质，例如盘或CD-ROM、易失或非易失性介质，诸如RAM(例如SDRAM、DDR、SDRAM、SRAM等等)、ROM等等。以及经通信介质，诸如网络和/或无线链路传送的传输介质或信号，诸如电、电磁或数字信号。
在图中所示和在此所述的各种方法表示方法的示例性实施例。可以用软件、硬件或其组合来实现所述方法。方法的顺序可以改变，以及可以增加、重新排序、组合、忽略、修改各种元素等等。
也可以实现对受益于本公开内容的本领域的技术人员来说显而易见的各种改进和改变。期望本发明包含所有这些改进和改变，因此，上述描述视为示例性而不是限制含义。

Claims (23)

1.一种用于数据存储器分析的系统，包括：
用于收集用于存储器系统的存储器需求数据的部件；
用于由所述存储器需求数据，确定用于存储器系统的一个或多个条件的部件；以及
确定在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求的部件，其中，由所述存储器需求数据表示的一个或多个条件包括需求，其中，所述需求表示在给定时间周期内由一个或多个应用消耗的存储器的量。
2.如权利要求1所述的系统，进一步包括在由所述存储器需求数据表示的一个或多个条件下，给定用于所述存储器系统的存储器要求，确定用于存储器系统的存储器可用性风险级的部件。
3.如权利要求1所述的系统，进一步包括给定存储器可用性风险级和用于所述存储器系统的存储器要求，确定存储器需求容量的部件。
4.如权利要求1所述的系统，进一步包括根据用户输入而修改存储器系统因素的子集，以确定对一个或多个其它存储器系统因素的影响的部件。
5.如权利要求4所述的系统，其中，所述存储器系统因素包括存储器需求容量、存储器可用性风险级和存储器要求。
6.如权利要求1所述的系统，其中，由所述存储器需求数据表示的一个或多个条件还包括：
需求变化，其中，所述需求变化表示在给定时间周期内所述一个或多个应用的存储器消耗的变化量。
7.如权利要求1所述的系统，进一步包括给定定期检查时间，在由所述存储器需求数据表示的所述一个或多个条件下，确定满足给定存储器可用性风险级的用于所述存储器系统的存储器要求的部件。
8.如权利要求1所述的系统，进一步包括给定获得新存储器的交付时间，在由所述存储器需求数据表示的所述一个或多个条件下，确定满足给定存储器可用性风险级的用于存储器系统的存储器要求的部件。
9.如权利要求1所述的系统，其中，所述存储器要求表示目标存储器现有库存。
10.如权利要求9所述的系统，进一步包括由用于给定定期检查时间的目标存储器现有库存来确定目标存储器平均现有库存的部件。
11.如权利要求1所述的系统，其中，所述存储器系统是用于多个应用的集中存储器系统，其中，确定的在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于所述集中存储器系统的存储器要求低于用于使用非集中存储器的多个应用的每一个的组合存储器要求。
12.如权利要求1所述的系统，其中，对多个应用收集所述存储器需求数据，以及其中，确定在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求的部件包括：
确定在由用于多个应用的存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于根据非集中存储器系统的多个应用的非集中存储器要求的部件；
确定在由用于多个应用的存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于根据集中存储器系统的多个应用的集中存储器要求的部件；以及
比较所述非集中存储器要求和所述集中存储器要求，以确定所述集中存储器系统还是所述非集中存储器系统将用于所述多个应用的部件。
13.如权利要求1所述的系统，其中，所述存储器系统是存储器区域网系统。
14.如权利要求1所述的系统，其中，所述存储器系统是用于单个应用的非集中存储器系统。
15.一种用于数据存储器分析的方法，包括：
收集用于存储器系统的存储器需求数据；以及
确定在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求，其中，由所述存储器需求数据表示的一个或多个条件包括需求，其中，所述需求表示在给定时间周期内由一个或多个应用消耗的存储器的量；
其中，使用计算机系统来执行所述收集和所述确定。
16.如权利要求15所述的方法，进一步包括：在收集用于存储器系统的存储器需求数据之后，在由所述存储器需求数据表示的一个或多个条件下，给定用于所述存储器系统的存储器要求，确定用于存储器系统的存储器可用性风险级。
17.如权利要求15所述的方法，进一步包括：在收集用于存储器系统的存储器需求数据之后，给定存储器可用性风险级和用于所述存储器系统的存储器要求，确定存储器需求容量。
18.如权利要求15所述的方法，进一步包括：在确定用于存储器系统的存储器要求之后，响应用户输入，修改存储器系统因素的子集，以便确定对一个或多个其它存储器系统因素的影响，其中，所述存储器系统因素包括存储器需求容量、存储器可用性风险级和存储器要求。
19.如权利要求15所述的方法，其中，由所述存储器需求数据表示的一个或多个条件还包括：
需求变化，其中，所述需求变化表示在给定时间周期内所述一个或多个应用的存储器消耗的变化量。
20.如权利要求15所述的方法，其中，确定用于存储器系统的存储器要求包括：给定定期检查时间和获得新存储器的交付时间，在由所述存储器需求数据表示的一个或多个条件下，确定满足给定存储器可用性风险级的用于所述存储器系统的存储器要求。
21.如权利要求15所述的方法，其中，所述存储器要求表示目标存储器现有库存。
22.如权利要求15所述的方法，其中，对多个应用收集所述存储器需求数据，以及其中，确定在由所述存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于存储器系统的存储器要求包括：
确定在由用于多个应用的存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于根据非集中存储器系统的多个应用的非集中存储器要求；
确定在由用于多个应用的存储器需求数据表示的一个或多个条件下，满足给定存储器可用性风险级的用于根据集中存储器系统的多个应用的集中存储器要求；以及
比较所述非集中存储器要求和所述集中存储器要求，以确定所述集中存储器系统还是所述非集中存储器系统将用于所述多个应用。
23.如权利要求15所述的方法，其中，所述存储器系统是存储器区域网系统。
CN2004800300867A 2003-09-11 2004-09-09 用于数据存储器分析的系统和方法 Active CN1867884B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US10/659,891 2003-09-11
US10/659,891 US6912482B2 (en) 2003-09-11 2003-09-11 Data storage analysis mechanism
PCT/US2004/029359 WO2005026942A2 (en) 2003-09-11 2004-09-09 Data storage analysis mechanism

Publications (2)

Publication Number Publication Date
CN1867884A CN1867884A (zh) 2006-11-22
CN1867884B true CN1867884B (zh) 2010-06-16

Family

ID=34273547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2004800300867A Active CN1867884B (zh) 2003-09-11 2004-09-09 用于数据存储器分析的系统和方法

Country Status (5)

Country Link
US (2) US6912482B2 (zh)
EP (1) EP1665027A2 (zh)
JP (1) JP5078351B2 (zh)
CN (1) CN1867884B (zh)
WO (1) WO2005026942A2 (zh)

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004206261A (ja) * 2002-12-24 2004-07-22 Fujitsu Ltd 出動作業計画立案システム，出動作業計画立案プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体
WO2005050386A2 (en) 2003-11-13 2005-06-02 Commvault Systems, Inc. System and method for performing a snapshot and for restoring data
US7143222B2 (en) * 2004-09-21 2006-11-28 International Business Machines Corporation Adaptive message delivery system
CA2590361C (en) * 2004-11-05 2012-01-03 Data Robotics Incorporated Dynamically expandable and contractible fault-tolerant storage system permitting variously sized storage devices and method
US7644192B2 (en) * 2005-08-25 2010-01-05 Hitachi Global Storage Technologies Netherlands B.V Analyzing the behavior of a storage system
GB0518405D0 (en) * 2005-09-09 2005-10-19 Ibm Operational risk control apparatus and method for data processing
US7651593B2 (en) 2005-12-19 2010-01-26 Commvault Systems, Inc. Systems and methods for performing data replication
US7606844B2 (en) 2005-12-19 2009-10-20 Commvault Systems, Inc. System and method for performing replication copy storage operations
WO2007075587A2 (en) 2005-12-19 2007-07-05 Commvault Systems, Inc. Systems and methods for performing data replication
US8655850B2 (en) 2005-12-19 2014-02-18 Commvault Systems, Inc. Systems and methods for resynchronizing information
US7617262B2 (en) * 2005-12-19 2009-11-10 Commvault Systems, Inc. Systems and methods for monitoring application data in a data replication system
KR100790991B1 (ko) 2006-03-22 2008-01-03 삼성전자주식회사 데이터베이스 관리 시스템을 이용하여 파일시스템의메타데이터를 관리하는 방법
US20080010513A1 (en) * 2006-06-27 2008-01-10 International Business Machines Corporation Controlling computer storage systems
US8726242B2 (en) 2006-07-27 2014-05-13 Commvault Systems, Inc. Systems and methods for continuous data replication
JP2008097502A (ja) * 2006-10-16 2008-04-24 Hitachi Ltd 容量監視方法及び計算機システム
US8290808B2 (en) * 2007-03-09 2012-10-16 Commvault Systems, Inc. System and method for automating customer-validated statement of work for a data storage environment
JP5137476B2 (ja) * 2007-06-21 2013-02-06 株式会社日立製作所 連携して動作する複数のアプリケーションが使用するデータのバックアップ環境の設定を行う計算機及び方法
US20090037299A1 (en) * 2007-07-31 2009-02-05 Caterpillar Inc. Systems and methods for inventory level improvement
US20090083123A1 (en) * 2007-09-26 2009-03-26 Haydn James Powell Systems and methods for inventory level improvement by data simulation
EP2120193A1 (en) * 2008-05-14 2009-11-18 Amadeus S.A.S. Improvements in or relating to inventory control and optimization
EP2172897A1 (en) * 2008-09-25 2010-04-07 Amadeus Improvements in or relating to the management of e-tickets
US8204859B2 (en) 2008-12-10 2012-06-19 Commvault Systems, Inc. Systems and methods for managing replicated database data
US9495382B2 (en) 2008-12-10 2016-11-15 Commvault Systems, Inc. Systems and methods for performing discrete data replication
US8051113B1 (en) 2009-09-17 2011-11-01 Netapp, Inc. Method and system for managing clustered and non-clustered storage systems
US8872823B2 (en) * 2009-10-09 2014-10-28 Microsoft Corporation Automatic real-time shader modification for texture fetch instrumentation
US9582919B2 (en) * 2009-10-09 2017-02-28 Microsoft Technology Licensing, Llc Automatic run-time identification of textures
US8504517B2 (en) 2010-03-29 2013-08-06 Commvault Systems, Inc. Systems and methods for selective data replication
US8725698B2 (en) 2010-03-30 2014-05-13 Commvault Systems, Inc. Stub file prioritization in a data replication system
US8352422B2 (en) 2010-03-30 2013-01-08 Commvault Systems, Inc. Data restore systems and methods in a replication environment
US8504515B2 (en) 2010-03-30 2013-08-06 Commvault Systems, Inc. Stubbing systems and methods in a data replication environment
WO2011150391A1 (en) 2010-05-28 2011-12-01 Commvault Systems, Inc. Systems and methods for performing data replication
US9298715B2 (en) 2012-03-07 2016-03-29 Commvault Systems, Inc. Data storage system utilizing proxy device for storage operations
US9471578B2 (en) 2012-03-07 2016-10-18 Commvault Systems, Inc. Data storage system utilizing proxy device for storage operations
US9342537B2 (en) 2012-04-23 2016-05-17 Commvault Systems, Inc. Integrated snapshot interface for a data storage system
US8904144B1 (en) * 2012-05-24 2014-12-02 Netapp, Inc. Methods and systems for determining at risk index for storage capacity
CN103794006B (zh) * 2012-10-31 2016-12-21 国际商业机器公司 用于处理多个传感器的时序数据的方法和装置
US9886346B2 (en) 2013-01-11 2018-02-06 Commvault Systems, Inc. Single snapshot for multiple agents
US9984083B1 (en) 2013-02-25 2018-05-29 EMC IP Holding Company LLC Pluggable storage system for parallel query engines across non-native file systems
US9753980B1 (en) 2013-02-25 2017-09-05 EMC IP Holding Company LLC M X N dispatching in large scale distributed system
US20140379411A1 (en) * 2013-06-19 2014-12-25 Hartford Fire Insurance Company System and method for information technology resource planning
CN103399715A (zh) * 2013-08-06 2013-11-20 安徽安庆瀚科莱德信息科技有限公司 存储设备配置管理系统及其使用方法
US9753812B2 (en) 2014-01-24 2017-09-05 Commvault Systems, Inc. Generating mapping information for single snapshot for multiple applications
US9639426B2 (en) 2014-01-24 2017-05-02 Commvault Systems, Inc. Single snapshot for multiple applications
US9495251B2 (en) 2014-01-24 2016-11-15 Commvault Systems, Inc. Snapshot readiness checking and reporting
US9632874B2 (en) 2014-01-24 2017-04-25 Commvault Systems, Inc. Database application backup in single snapshot for multiple applications
US9774672B2 (en) 2014-09-03 2017-09-26 Commvault Systems, Inc. Consolidated processing of storage-array commands by a snapshot-control media agent
US10042716B2 (en) 2014-09-03 2018-08-07 Commvault Systems, Inc. Consolidated processing of storage-array commands using a forwarder media agent in conjunction with a snapshot-control media agent
US9448731B2 (en) 2014-11-14 2016-09-20 Commvault Systems, Inc. Unified snapshot storage management
US9648105B2 (en) 2014-11-14 2017-05-09 Commvault Systems, Inc. Unified snapshot storage management, using an enhanced storage manager and enhanced media agents
US10503753B2 (en) 2016-03-10 2019-12-10 Commvault Systems, Inc. Snapshot replication operations based on incremental block change tracking
US10732885B2 (en) 2018-02-14 2020-08-04 Commvault Systems, Inc. Block-level live browsing and private writable snapshots using an ISCSI server
US11042318B2 (en) 2019-07-29 2021-06-22 Commvault Systems, Inc. Block-level data replication
US20220317898A1 (en) * 2021-04-03 2022-10-06 EMC IP Holding Company LLC Managing Application Storage Resource Allocations Based on Application Specific Storage Policies
US11809285B2 (en) 2022-02-09 2023-11-07 Commvault Systems, Inc. Protecting a management database of a data storage management system to meet a recovery point objective (RPO)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1276040A2 (en) * 2001-07-10 2003-01-15 Hitachi, Ltd. Operation method of storage and storage and remote storage used therein
US6606585B1 (en) * 1998-10-13 2003-08-12 Hewlett-Packard Development Company, L.P. Acceptability testing for capacity planning of data storage system

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6058460A (en) * 1996-06-28 2000-05-02 Sun Microsystems, Inc. Memory allocation in a multithreaded environment
US6209066B1 (en) * 1998-06-30 2001-03-27 Sun Microsystems, Inc. Method and apparatus for memory allocation in a multi-threaded virtual machine
US6269410B1 (en) * 1999-02-12 2001-07-31 Hewlett-Packard Co Method and apparatus for using system traces to characterize workloads in a data storage system
US6636905B1 (en) * 1999-03-26 2003-10-21 Unisys Corporation Method for analyzing input/output performance of a data processing system
JP2001076082A (ja) * 1999-06-28 2001-03-23 Nkk Corp 物流フロー最適化システム及び物流フロー最適化方法
US6587937B1 (en) * 2000-03-31 2003-07-01 Rockwell Collins, Inc. Multiple virtual machine system with efficient cache memory design
US6950871B1 (en) * 2000-06-29 2005-09-27 Hitachi, Ltd. Computer system having a storage area network and method of handling data in the computer system
GB2369902B (en) * 2000-12-07 2004-11-03 Ibm Log storage management in a data processing system using key-pointing
US7058788B2 (en) * 2001-02-23 2006-06-06 Falconstor Software, Inc. Dynamic allocation of computer memory
US6751718B1 (en) * 2001-03-26 2004-06-15 Networks Associates Technology, Inc. Method, system and computer program product for using an instantaneous memory deficit metric to detect and reduce excess paging operations in a computer system
JP4083997B2 (ja) * 2001-04-16 2008-04-30 株式会社日立製作所 レンタルストレージのサービス方法、および、レンタルストレージシステム
US20020169738A1 (en) * 2001-05-10 2002-11-14 Giel Peter Van Method and system for auditing an enterprise configuration
US7058708B2 (en) * 2001-06-12 2006-06-06 Hewlett-Packard Development Company, L.P. Method of and apparatus for managing predicted future user accounts assigned to a computer
GB2377051B (en) * 2001-06-30 2005-06-15 Hewlett Packard Co Monitoring applicance for data storage arrays and a method of monitoring usage
JP2003050724A (ja) * 2001-08-07 2003-02-21 Hitachi Ltd ストレージの運用方法およびこれに用いるストレージ
US7065740B2 (en) * 2001-08-24 2006-06-20 Microsoft Corporation System and method to automate the management of computer services and programmable devices
US7120832B2 (en) * 2001-09-27 2006-10-10 Hewlett-Packard Development Company, L.P. Storage device performance monitor
JP2003108420A (ja) * 2001-09-27 2003-04-11 Hitachi Ltd データストレージシステム及びこの制御方法
US6839822B2 (en) * 2001-10-29 2005-01-04 Sun Microsystems, Inc. Memory-block coalescing based on run-time demand monitoring
US20030135385A1 (en) * 2001-11-07 2003-07-17 Yotta Yotta, Inc. Systems and methods for deploying profitable storage services
JP4089867B2 (ja) * 2001-11-26 2008-05-28 三菱電機株式会社 製品在庫監視システム
US7171668B2 (en) * 2001-12-17 2007-01-30 International Business Machines Corporation Automatic data interpretation and implementation using performance capacity management framework over many servers
US6681309B2 (en) * 2002-01-25 2004-01-20 Hewlett-Packard Development Company, L.P. Method and apparatus for measuring and optimizing spatial segmentation of electronic storage workloads
WO2003073203A2 (en) * 2002-02-21 2003-09-04 Precise Software Solutions, Inc. System and method for analyzing input/output activity on local attached storage
US20040025162A1 (en) * 2002-07-31 2004-02-05 Fisk David C. Data storage management system and method
US20040054782A1 (en) * 2002-09-16 2004-03-18 Fabian Donze Software application domain and storage domain stitching process and method
US7590937B2 (en) * 2002-10-03 2009-09-15 Hewlett-Packard Development Company, L.P. Graphical user interface for procurement risk management system
US20040153481A1 (en) * 2003-01-21 2004-08-05 Srikrishna Talluri Method and system for effective utilization of data storage capacity
US20040225659A1 (en) * 2003-05-09 2004-11-11 O'brien John Storage foundry
US20040243699A1 (en) * 2003-05-29 2004-12-02 Mike Koclanes Policy based management of storage resources

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6606585B1 (en) * 1998-10-13 2003-08-12 Hewlett-Packard Development Company, L.P. Acceptability testing for capacity planning of data storage system
EP1276040A2 (en) * 2001-07-10 2003-01-15 Hitachi, Ltd. Operation method of storage and storage and remote storage used therein

Also Published As

Publication number Publication date
JP2007505401A (ja) 2007-03-08
US6912482B2 (en) 2005-06-28
WO2005026942A2 (en) 2005-03-24
WO2005026942A3 (en) 2005-10-20
US20050060125A1 (en) 2005-03-17
US20050182911A1 (en) 2005-08-18
EP1665027A2 (en) 2006-06-07
CN1867884A (zh) 2006-11-22
JP5078351B2 (ja) 2012-11-21
US7539835B2 (en) 2009-05-26

Similar Documents

Publication Publication Date Title
CN1867884B (zh) 用于数据存储器分析的系统和方法
US11907258B2 (en) Distributed database configuration
EP2633403B1 (en) System and method of active risk management to reduce job de-scheduling probability in computer clusters
US8380960B2 (en) Data allocation and replication across distributed storage system
US8433675B2 (en) Optimization and staging
US9417926B2 (en) Optimized multi-component co-allocation scheduling with advanced reservations for data transfers and distributed jobs
CN100422939C (zh) 取得优化价值的配置分布式计算系统的元素的方法和系统
US8392927B2 (en) System and method for determining a partition of a consumer's resource access demands between a plurality of different classes of service
US9176789B2 (en) Capacity control
US9697571B2 (en) Real-time file system charge-back accounting per management object during a report cycle
US20030177160A1 (en) Predictive system for self-managed e-business infrastructures
CN102915331A (zh) 用于云选择的协调引擎
US20110078695A1 (en) Chargeback reduction planning for information technology management
Thanakornworakij et al. An economic model for maximizing profit of a cloud service provider
US7616583B1 (en) Method and program product for consolidating computer hardware resources
Taghinezhad-Niar et al. Energy-efficient workflow scheduling with budget-deadline constraints for cloud
Singh et al. Modeling and reducing power consumption in large IT systems
Fuchs et al. Comparing datasets of volume servers to illuminate their energy use in data centers
KR20210056667A (ko) 분산 에너지 자원들의 집합 포트폴리오를 구성하는 장치 및 방법
Seneviratne et al. ATaxonomy OF PERFORMANCE PREDICTION SYSTEMS FOR PARALLEL AND DISTRIBUTED COMPUTING SYSTEMS
Molloy ITIL Capacity Management Deep Dive.
Zeng et al. High TPO/TCO for data storage: policy, algorithm and early practice
Swacha Cost-effective extension of data storage system

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
C56 Change in the name or address of the patentee

Owner name: REVIVIO INC.

Free format text: FORMER NAME: VERITAS SOFTWARE CORP.

CP03 Change of name, title or address

Address after: American California

Patentee after: Revivio Inc.

Address before: American California

Patentee before: Veritas Operating Corp.