DE102007016060B4 - Computerarbeitslastneuverteilung - Google Patents
Computerarbeitslastneuverteilung Download PDFInfo
- Publication number
- DE102007016060B4 DE102007016060B4 DE102007016060.9A DE102007016060A DE102007016060B4 DE 102007016060 B4 DE102007016060 B4 DE 102007016060B4 DE 102007016060 A DE102007016060 A DE 102007016060A DE 102007016060 B4 DE102007016060 B4 DE 102007016060B4
- Authority
- DE
- Germany
- Prior art keywords
- usage
- workload
- resource
- workloads
- computer
- 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
Links
- 238000000034 method Methods 0.000 claims description 38
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000003442 weekly effect Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 238000007726 management method Methods 0.000 description 12
- 238000013508 migration Methods 0.000 description 12
- 230000005012 migration Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000233805 Phoenix Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003370 grooming effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06F11/3409—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
-
- 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
- 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
-
- 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
Abstract
Description
- Hierin wird verwandte Technik erläutert, um ein Verständnis der Erfindung zu unterstützen. Verwandte Technik mit der Bezeichnung „Stand der Technik” ist anerkannter Stand der Technik; verwandte Technik ohne die Bezeichnung „Stand der Technik” ist nicht anerkannter Stand der Technik.
- Eine der klassischen Herausforderungen für Manager der Informationstechnologie (IT) besteht darin sicherzustellen, dass sie Kapazität für ihre Spitzenrechenlasten besitzen. Als ein Ergebnis könnten sie typischerweise eine geringe Nutzung ihrer Computer (z. B. 25% der Kapazität) mit Ausnahme des seltenen Auftretens einer 100%-Spitze haben. Ein Internetdienstanbieter (ISP; ISP = internet service provider) z. B., wie z. B. AOL, könnte eine Spitzennutzung seiner Web-Server einmal am Tag während der späten Abendstunden haben, da die meisten seiner Klienten nach dem Abendessen im Web surfen. Der ISP hat seine Server immer an, was Leistung verbraucht, obwohl eine Nutzung während eines Großteils des Tages weniger als 25% der Kapazität betragen kann; als ein Ergebnis werden zumindest 75% der Leistung verschwendet. Zusätzlich werden Server üblicherweise nicht abgeschaltet oder in einen Ruhemodus gegeben (wie bei Laptops der Fall ist), wenn sie nicht in Gebrauch sind, so dass Server sofort auf Bedarf aktiviert werden können.
- Um hiermit klar zu kommen, haben IT-Manager Folgendes getan; 1) sie haben ausreichend viele Computer gekauft, um mit Spitzenbedarfen klar zu kommen; der Nachteil hiervon ist, dass die volle Leistung durch Computer verwendet wird, obwohl sie nur teilweise genutzt werden; 2) sie verwenden „Instant Capacity” (Sofortkapazität) (ICAP, erhältlich bei der Hewlett-Packard Company) und vergleichbare Lösungen, die es ihnen dann erlauben, Prozessoren bei Bedarf hinzuzufügen; der Nachteil hiervon ist der, dass, während der Datencentereigentümer für die nicht verwendete Hardware nicht bezahlt, er dennoch für die verbrauchte Leistung bezahlt; und 3) sie kaufen Computer, um mit den durchschnittlichen Lasten klar zu kommen; der Nachteil hiervon ist, dass das Unternehmen der IT-Manager dann keine Spitzenbedarfe unterstützen kann und so Einnahmen verliert.
- Zu wirtschaftlichen und Energiesparzwecken wäre es von Vorteil, die Übereinstimmung zwischen Arbeitslast und Ressourcen zu verbessern. Dies kann bedeuten, dass mit verfügbaren Ressourcen mehr erledigt wird, dass Ressourcenanforderungen genauer mit einem Energieverbrauch übereinstimmen, oder dass nicht benötigte Ressourcen zur Deaktivierung freigegeben werden, so dass der Energieverbrauch reduziert werden kann. Ein Weg, um dies zu tun, besteht darin, optimale Modi von Leistung gegenüber Verhalten basierend auf Rückkopplung von Nutzungsüberwachern auszuwählen. Wenn z. B. die Nutzung eines Prozessors 50% beträgt, wenn er in einem Hochleistungsmodus ist, kann seine Taktgeschwindigkeit gesenkt werden, um ein höheres Nutzungsverhältnis und eine überproportionale Reduzierung des Verbrauchs an elektrischer Energie zu erzielen. Gleichzeitig kann Leistung basierend auf der Nutzung unter Komponenten neu zugewiesen werden. Derartige Verfahren sind jedoch nicht optimal.
- Aus der
US 2005 0251 802 A1 ist ein System bekannt, bei dem eine dynamische Migration virtueller Computerprogramme bei Vorliegen bestimmter Bedingungen erfolgt. Die Bedingungen werden überwacht und umfassen unter anderem eine vorhergesagte Ausfallwahrscheinlichkeit eines Servers, einen geringen Energieverbrauch eines Servers und eine geringe Ressourcenausnutzung eines Servers. - In Miksatko, J.: Dynamic Load Balancing of Fine-Grain Services Using Prediction Based an Service Input. Master Thesis Kansas State University, Manhattan, Kansas, 2004, im Internet: <URL: http://www.dfki.de/-miksatko/docs/miksatko-thesis-ksu.pdf>, ist ein dynamischer Lastenausgleich von Diensten unter Verwendung einer Vorhersage, die auf einer Diensteingabe basiert, beschrieben. Aufgaben sollen auf leicht belastete Ressourcen verteilt werden, um Lasten gleichmäßig zu verteilen. Eine solche Lastverteilung soll basierend auf der Vorhersage einer Aufgabenausführungszeit erfolgen, um Probleme einer ungleichen Verteilung zu vermeiden. Zu diesem Zweck werden Prädiktoren in einer Trainingsperiode offline erzeugt, wenn das System leicht belastet ist.
- Bei DINDA, P. A.: Online prediction of the running time of tasks, in: Proceedings 10th IEEE International Symposium on High Performance Distributed Computing, 2001. S. 383–394, ist eine Vorhersage von Laufzeiten von Aufgaben in einem Computersystem beschrieben. Es werden über einen längeren Zeitraum, beispielsweise während einer Woche, Host-Belastungen mit einer Abtastrate von beispielsweise einem Hertz abgetastet. Die statistischen Eigenschaften werden ausgewertet, wobei einfache lineare Zeitserienmodelle als für eine Host-Lastvorhersage am geeignetsten angesehen werden.
- Es ist die Aufgabe der vorliegenden Erfindung, ein computerimplementiertes Verfahren, ein System oder ein computerlesbares Medium mit verbesserten Charakteristika zu schaffen.
- Diese Aufgabe wird durch ein computerimplementiertes Verfahren gemäß Anspruch 1, ein System gemäß Anspruch 7 oder ein computerlesbares Medium gemäß Anspruch 12 gelöst.
- Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung werden nachfolgend Bezug nehmend auf die beigefügten Zeichnungen näher erläutert. Es zeigen:
-
1 ein Hybrid-Blockdiagramm eines Computersystems und eines Flussdiagramms eines Verfahrens, das in dem Zusammenhang des Systems gemäß einem Ausführungsbeispiel der vorliegenden Erfindung praktiziert wird; -
2 ein Blockdiagramm eines anderen Computersystems gemäß einem Ausführungsbeispiel der Erfindung; und -
3 ein Flussdiagramm eines weiteren Verfahrens gemäß einem Ausführungsbeispiel der Erfindung. - Im Verlauf der vorliegenden Erfindung wurde erkannt, dass die vorstehenden Verfahren, die auf gegenwärtigen Messungen einer Nutzung basierten, während sie von Vorteil waren, darin eingeschränkt waren, was sie erzielen konnten. Sie sind eingeschränkt, da sie Parameter steuern, die relativ schnell ansprechend auf Veränderungen an Leistungsbedarfen verandert werden können. Man hat außerdem erkannt, dass, wenn eine zukünftige Verwendung vorhergesagt werden könnte, Anwendungen in einer Art und Weise Servern zugewiesen werden könnten, die die Anzahl von Servern minimieren würde, ohne die Leistung zu beeinträchtigen. Dies würde einen Energieverbrauch und Wartungskosten reduzieren. Ferner bestünde weniger Bedarf nach Übereinkauf zur Vermeidung von Leistungsengpässen.
- Eine Serverumgebung AP1 gemäß der vorliegenden Erfindung ist in
1 zu Zeiten T1 und T2 gezeigt. Die Serverumgebung AP1 umfasst drei Server11A ,11B und11C und eine Verwaltungsarbeitsstation13 . Die Server11A ,11B und11C besitzen Modi mit reduzierter Leistung. Bei dem dargestellten Ausführungsbeispiel sind die Server11A ,11B und11C und die Verwaltungsarbeitsstation13 nicht-partitionierte alleinstehende Computer. Bei alternativen Ausführungsbeispielen jedoch können die Server Blades bzw. Blätter in einem Rack bzw. Regal oder Hart-Partitionen von Host-Servern sein; die Funktion der Verwaltungsarbeitsstation13 könnte außerdem durch einen der Server, Partitionen oder Blades angenommen werden. Allgemeiner trifft die Erfindung auf Serverumgebungen und Computernetzwerke mit einer beliebigen Anzahl von Computern mit beliebiger Konfiguration und mit beliebiger Kombination installierter Software. - Der Server
11A umfasst eine Leistungsversorgung15A und auf ihm läuft Software, die ein Host-Betriebssystem17A umfasst, und einen Nutzungsüberwacher19A . Zusätzlich können mehrere virtuelle Partitionen und Maschinen vorliegen. Zu der Zeit T1 läuft auf dem Server11A eine migrierfähige Arbeitslast WL1, die ein Anwendungsprogramm oder eine virtuelle Maschine sein kann, auf der ein Anwendungsprogramm läuft. Der Server11B umfasst eine Leistungsversorgung15B und auf ihm läuft ein Host-Betriebssystem17B , und ein Nutzungsüberwacherprogramm19B . Zu der Zeit T1 laufen auf dem Server11B migrierfähige Arbeitslasten WL2 und WL3. Der Server11C umfasst eine Leistungsversorgung15C und auf ihm läuft ein Host-Betriebssystem17C und ein Nutzungsüberwacherprogramm19C . Zu der Zeit T1 läuft auf dem Server11C außerdem eine Arbeitslast WL4. - Die Verwaltungsarbeitsstation
14 lässt ein Arbeitslastverwalterprogramm21 auf einem computerlesbaren Medium laufen. Der Arbeitslastverwalter21 sagt eine zukünftige Anwendungsverwendung basierend auf einer statistischen Echtzeitauswertung historischer Nutzungsdaten, die in einer Arbeitslastchronologiedatenbank23 gespeichert sind, voraus. Diese Analyse wird verwendet, um dynamisch Arbeitslasten an Server anzupassen, um Verwaltungstaktiken25 zu implementieren, z. B. Minimieren der Anzahl erforderlicher Ressourcen, so dass nicht verwendete Ressourcen deaktiviert werden können. - Die Server
11A ,11B und11C und die Verwaltungsarbeitsstation13 kooperieren, um ein Verfahren ME1 gemäß der Erfindung zu implementieren. Ein Verfahrenssegment M1 beinhaltet ein Sammeln lokaler Nutzungsdaten. Dieses Sammeln wird gleichzeitig bei Verfahrenssegmenten M1A, M1B und M1C für die Server11A ,11B bzw.11C durch die jeweiligen Nutzungsüberwachungsprogramme19A ,19B und19C durchgeführt, die jeweils ein Maß eines Leistungsverbrauchs innerhalb bestimmter Rechenressourcen bereitstellen. Dieser Leistungsverbrauch kann eine direkte Messung einer Hardwareleistungsbenutzung sein oder könnte aus dem Aktivitätspegel von Elementen innerhalb der Rechenressource hergeleitet werden. Diese Überwachung kann über Tage, Wochen, Monate und sogar Jahre fortgesetzt werden, um Nutzungsmuster über gleiche Zeiträume zu erfassen. - Die Überwachungsprogramme
19A ,19B und19C sind funktionsmäßig ähnlich, alle führen Verfahrensteilsegmente SS1, SS2 und SS3 durch, wie unten in Bezug auf den Server11C beschrieben ist. Bei dem Verfahrensteilsegment SS1 überwacht das Nutzungsüberwacherprogramm19C eine Ressourcennutzung durch den Server11C allgemein und die Arbeitslast WL4 insbesondere und erzeugt Ressourcennutzungsdaten. Diese Daten werden bei dem Verfahrensteilsegment SS2 zeitgestempelt; die zeitgestempelten Nutzungsdaten werden lokal bei dem Verfahrensteilsegment SS3 gespeichert. - Bei einem Verfahrenssegment M2 sammelt der Arbeitslastverwalter
21 die gespeicherten zeitgestempelten Daten, die an dem Verfahrenssegment M1 erzeugt wurden. Der Arbeitslastverwalter21 führt eine Überwachung und Aufzeichnung eines Leistungsverbrauchs bei einem Sammelpegel über eine Systemsoftware durch. Diese Datensammlung kann über Rechensysteme in einem Datencenter oder über Blade-Server in einem Rack-Befestigungssystem hinweg sein. - Bei einem Verfahrenssegment M3 aktualisiert der Arbeitslastverwalter
21 eine Arbeitslastchronologie23 unter Verwendung der jüngst gesammelten Nutzungsdaten (oder erzeugt diese, falls sie noch nicht erzeugt wurde). Über die Zeit erweitert sich die Chronologie23 , um eine stündliche, tägliche, wöchentliche, monatliche und jährliche Nutzung und Konfigurationsdaten zu umfassen. Die Konfigurationsdaten umfassen: 1) Serverkonfigurationsdaten, die eine Bestimmung der Menge von für Arbeitslasten verfügbaren Ressourcen unterstützen können; und 2) Arbeitslastkonfigurationsdaten, die eine Bestimmung der Menge an Ressourcen, die eine Arbeitslast wahrscheinlich verbraucht, unterstützen können. Ein Chronologieeintrag könnte z. B. anzeigen, dass eine bestimmte Anwendung, die auf einer bestimmten virtuellen Maschine mit ihren jeweiligen Spezifizierungen läuft, die auf bestimmter Hardware mit ihren jeweiligen Spezifizierungen läuft, 30% der Prozessorkapazität, 20% der Speicherkapazität, 10% der Eingangs-/Ausgangsvorrichtungskapazität und 5% einer Plattenspeicherkapazität zu einem bestimmten Datum und einer bestimmten Zeit verbraucht. - Bei einem Verfahrenssegment M4 analysiert der Arbeitslastverwalter
21 die Chronologie23 in Bezug auf eine Ressourcennutzung durch Arbeitslasten WL1–WL4. Die Analyse der Chronologie23 könnte z. B. tägliche, wöchentliche, monatliche und/oder jährliche Muster bei der Nutzung, die einer Arbeitslast zugeordnet ist, anzeigen. Einige typische Beispiele: 1) ein Web-Portal hat eine Spitzenverwendung am Abend, da Benutzer gerne nach dem Abendessen auf das Portal zugreifen; 2) eine Buchhaltungsanwendung könnte am Ende von Monaten und Quartalen aktiv sein; und 3) eine Online-Verkaufsanwendung könnte durch auftauchende Ausverkäufe während bestimmter Zeiten des Jahrs beeinflusst werden. Die Analyse des Verfahrenssegments M4 kann zeitbasierte Muster entdecken, die an einem Verfahrenssegment M5 extrapoliert werden können, um eine zukünftige Benutzung vorherzusagen. Die Vorhersage kann in der Form sein, dass die Zukunft die Vergangenheit reproduziert, z. B. da ein Portal an jedem Wochentag um acht Uhr abends über die letzten beiden Monate hinweg besetzt war, wird es auch in Zukunft jeden Tag um acht Uhr abends besetzt sein. Vorhersagen können jedoch auch eine Trendbildung beinhalten, z. B. kann die Vorhersage die folgende Wirkung sein: „die Anwendung wird um acht Uhr abends weiterhin besetzt sein und die Menge von Besetzt-Spitzen wird über die nächsten sechs Monate um 10% wachsen”. Ferner kann die Chronologie äußeren Ereignissen (z. B. wirtschaftliche Indikatoren, Wetter) zugeordnet sein, so dass die Vorhersagen ereignisbasiert und nicht nur zeitbasiert sein können. Es wird angemerkt, dass diese Daten zum Bestimmen einer Bedarfsanstiegsrate verwendet werden können und so Informationstechnologie-Kaufentscheidungen unterstützen können. - Bei einem Verfahrenssegment M6 werden die Arbeitslasten WL1–WL4 zumindest teilweise als eine Funktion der Vorhersagen neu verteilt. Die Funktion wird aus Verwaltungstaktiken
25 hergeleitet. Basierend auf der Analyse und Verwaltungstaktiken z. B. lasst eine Arbeitslastverwaltungssoftware Anwendungen zu der effektivsten Rechensystemstandfläche migrieren, die einen optimalen Leistungsverbrauch bei zumindest drei Variationen bereitstellt: 1) explizite Leistungspegelsteuerungen über einen Komplex; 2) Einpacken von Anwendungen in die kleinste Hochnutzungsstandfläche; und 3) eine Kombination aus 1 und 2. Außerdem kann die Taktik festlegen, wie Variationen verfügbarer Leistung angegangen werden sollen, z. B. während eines Beinahe-Ausfalls. - Sobald die Neuverteilung implementiert ist, können alle „freigemachten” Ressourcen (z. B. Prozessor, Eingangs/Ausgangsvorrichtung, Speicher, Speicherung, Partition oder gesamter Server), von denen alle Arbeitslasten entfernt wurden, bei einem Verfahrenssegment M7 herunterfahren oder in einen Niedrigleistungszustand platziert werden. Ein System könnte z. B. in einen Niedrigleistungszustand eintreten, wie z. B. einen C1-Prozessorzustand, einen D1-Vorrichtungszustand, einen G1-Globalzustand usw., wie durch die ACPI-Spezifizierung definiert ist. Ein Montecito Itanium-Prozessor (erhältlich bei der Intel Corporation) z. B. kann in einen „Halt-Lite”-Zustand gesetzt werden. In diesem HALT_LITE-Zustand wird eine Verarbeitung gestoppt, Zustandsdaten werden jedoch bewahrt, so dass ein vollständiger Betrieb mit minimaler Latenz wieder aufgenommen werden kann. Außerdem können Speichermodule ausgeschaltet oder in Modi mit niedriger Leistung gegeben werden. Zusätzlich können Speichermedien in Modi mit niedriger Leistung eintreten oder Festplattenspindeln können abgeschaltet werden. Außerdem können Teile eines Netzwerkgefüges heruntergefahren werden.
- „Advanced Configuration and Power Interface Specification” (ACPI) (moderne Konfigurations- und Leistungsschnittstellenspezifizierungen), veröffentlich durch Hewlett-Packard Corporation, Intel Corporation, Microsoft Corporation, Phoenix Technologies Ltd. und Toshiba Corporation, Überarbeitung 3.0, 2. September 2004, insbesondere Seiten 13–23. Die ACPI-Spezifizierung definiert Globalleistungszustände G0–G3, Vorrichtungszustände D0–D3 und Prozessorzustände C0–C3. Zusätzlich gibt es „Ruhe”-Zustände bei dem Zustand G1 und Verhaltenspegelzuständen P0 und P1–Pn innerhalb des Vorrichtungszustands D0 und des Prozessorzustands C0. Nicht alle Systeme, Vorrichtungen und Prozessoren besitzen alle Zustände. Systeme, Vorrichtungen und Prozessoren, die nominell nicht den ACPI-Standard erfüllen, besitzen oft analoge Zustande.
- Abhängig davon, wie viel Risiko gemäß Verwaltungstaktikten
24 akzeptabel ist, kann der Arbeitsstationsverwalter21 Durchschnitts-, Sigma-, 2-Sigma- oder 3-Sigma-Statistikdaten verwenden. Die Analyse kann mit feiner Granularität implementiert sein (wie z. B. Abschalten eines Servers zu einer Zeit oder in großen Blöcken von Servern abhängig davon, was vom Standpunkt einer Serververwaltung aus mehr Sinn macht). Außerdem werden Computer kurz vor dem Zeitpunkt angeschaltet, zu dem vermutlich der Bedarf nach ihren Diensten ansteigt. Was „kurz vor” ausmacht, hängt von der Genauigkeit einer Vorhersage und einem Vertrauenspegel einer Vorhersage ab. Eine Ressource sollte früher bereit sein, wenn der Vertrauenspegel und/oder die Genauigkeit einer Vorhersage gering sind. - In
1 zeigt der Pfeil von dem „Nutzungsvorhersage”-Verfahrenssegment M5 zu dem „Datensammlung”-Verfahrenssegmet M1 an, dass das Verfahren ME1 so wiederholt wird, dass eine Überwachung, Chronologieaktualisierungen, Analysen und Arbeitslastneuverteilungen fortlaufend sind. Eine fortgesetzte Leistungsmessung und -überwachung liefert eine Rückkopplungsschleife für den Arbeitslastverwalter21 , um wie benötigt die Arbeitslast/Leistungsanalyse einer Feinabstimmung zu unterziehen und die geeignete durch die Taktik vorgegebene Aktion in der Form einer Anwendungsmigration fortzuführen. Dies erlaubt es, dass deaktivierte Ressourcen „gerade rechtzeitig” bzw. „just in time” online gebracht werden und stellt Einsparungen analog zu denjenigen bereit, die durch eine „Just-in-Time”-Herstellung erzielt werden. - Die folgende Beschreibung rein hypothetischer Ergebnisse wird zu Erklärungszwecken vorgelegt. Ein Beispiel einer Verwaltungstaktik wäre, so wenig Server wie moglich zu verwenden, unter der Voraussetzung, dass keine Servernutzung über mehr als 10% der Zeit 90% übersteigt, und wenn dieser Teil des Kriteriums erfüllt ist, Arbeitslasten zu verteilen, um eine Ressourcennutzung gleichmaßig unter den Servern, die verwendet werden, aufzuteilen. Eine derartige Taktik könnte zu der Arbeitslastverteilung führen, die für die Serverumgebung AP1 zu der Zeit T2 in
1 gezeigt und beschrieben ist. - Die Chronologieanalyse, die an dem Verfahrenssegment M4 durchgeführt wird, könnte bestimmt haben, dass die Arbeitslast WL1 60% der Prozessorfähigkeiten eines Servers während des Tags erfordert, jedoch bei Nacht etwa 20%. Andererseits könnte die Analyse zeigen, dass die Arbeitslast WL2 während des Tags etwa 20% verwendet und bei Nacht 60%. Entsprechend wäre, obwohl die Summe der Spitzennutzungen für die Arbeitslasten WL1 und WL2 100% überschreitet, die Spitze ihrer kombinierten Lasten 80%. Ein Extrapolieren dieser Prozentsätze in die Zukunft ergibt eine erwartete kombinierte Spitzenressourcennutzung von 80%. Gemäß dieser Vorhersage wurden diese bei T2 auf einem Server kombiniert. Dies ist ein Spezialfall, dass Arbeitslasten periodische Spitzen mit gleicher Periodizität und Komplementärphasen, die Ressourcen gemeinschaftlich verwenden, besitzen.
- Ähnlich könnte die Analyse vorhersagen, dass eine Arbeitslast WL2 mit hoher Priorität intermittierend verwendet wird. In diesem Fall könnte der Arbeitslast WL2 eine hohe Priorität zugewiesen sein, z. B. weil sie eine Echtzeit-Videoübertragung beinhaltet. Da ihre Anforderungen intermittierend sind, kann dies durch die Arbeitslast WL4 ergänzt werden, unter der Annahme, dass die Analyse anzeigt, dass sie stark genutzt ist, ihr jedoch eine geringere Priorität zugewiesen ist, z. B. weil ihre Ergebnisse anders als echtzeitmäßig sein können.
- Gemäß der hypothetischen Analyse wird die Arbeitslast WL3 von dem Server
11B zu dem Server11A neu zugeteilt (migriert), wie durch den Migrationspfeil41 angezeigt ist, während die Arbeitslast WL2 von dem Server11B zu dem Server11C neu zugeteilt wird, wie durch den Migrationspfeil43 angezeigt ist. Da der Server11B nach der Neuverteilung keine Arbeitslasten besitzt, kann er heruntergefahren oder in einem Ruhe- oder in einen anderen Modus mit niedriger Leistung gegeben werden, wobei so Energie gespart wird und Betriebskosten reduziert werden. Die Vorhersagen können auch verwendet werden, um Arbeitslasten mit anderen Typen von Komplementärbeziehungen zu kombinieren, z. B. kann eine Arbeitslast mit ansteigendem Bedarf mit einer Arbeitslast, für die ein Bedarf vermutlich abnimmt, gepaart werden. - Da die Vorhersagen wirksamere Arbeitslastverteilungen ermöglichen, können sie verwendet werden, um die Nützlichkeit eines gegenwärtigen Pegels von Hardware zu erweitern. Anders ausgedrückt kann eine Ausdehnung existierender Hardware verzögert werden. In dem Fall, in dem Raum, Kühlkapazität und Leistungsinfrastruktur unter Belastung stehen, kann diese Verzögerung bedeuten, dass die Lebensdauer einer existierenden Anlage verlängert und Investitionen in neue Anlagen vereitelt werden können.
- Allgemein können Verwaltungstaktiken, einschließlich der Verwaltungstaktiken
25 , verwendet werden, um ein (möglicherweise sehr komplexes) Kriterium zum Bewerten potentieller Neuverteilungen zu definieren. Die Verwaltungstaktiken25 berücksichtigen eine Leistungseinsparung aus den Gründen, die oben dargelegt sind; jedoch umfassen andere Verwaltungstaktiken sehr unterschiedliche Faktoren und nicht alle spezifizieren Leistungseinsparung als einen Faktor. Taktiken können z. B. entworfen sein, um einzeln oder in Kombination Faktoren, wie z. B. Hardwarekosten, größte Nutzung und geringste Kosten eines Eigentums (einschließlich Energieverbrauch und Wertminderung), zu optimieren. Weitere Beispiele sind unten betrachtet. - Einige interessante Verwaltungstaktikfaktoren treffen auf Serverumgebungen zu, die geographisch über zwei oder mehr Kontinente verteilt sind. Die Taktiken könnten Restriktionen basierend auf Exportgesetzen und Software-Lizenzen umfassen; es könnte z. B. nicht möglich sein, bestimmte Verschlüsselungsprogramme an einen Überseeort migrieren zu lassen. Die Taktiken könnten es erforderlich machen, dass Spiegelinstanzen einer Arbeitslast nicht an dem gleichen Ort angeordnet sind, an dem beide in dem Fall eines lokalen Leistungsausfalls ausfallen könnten. Die Verwaltungstaktiken könnten Server bevorzugen, deren vollstandige Eigentümer ein Kunde ist, gegenüber denjenigen, bei denen der Verkäufer Nutzungsrechte behält, z. B. Prozessoren zurückhält.
- Verwaltungstaktiken können auch die relative Leichtigkeit oder Schwierigkeit eines Migrierens von Arbeitslasten berücksichtigen. Mehr Spielraum könnte zurückgehalten werden, wenn eine Migration zeitaufwändig und/oder teuer ist. Andererseits könnte weniger Spielraum zurückgehalten werden, wo eine Migration schnell und billig ist.
- Aus der Leistungsperspektive: 1) Eine Systemsoftware liefert ein Mai eines Leistungsverbrauchs innerhalb einer bestimmten Rechenressource; dieser Leistungsverbrauch könnte eine direkte Messung einer Hardwareleistungsbenutzung sein oder er könnte aus dem Aktivitätspegel von Elementen innerhalb der Rechenressource hergeleitet werden. 2) Eine Arbeitslastverwaltungssoftware führt eine Überwachung und Aufzeichnung eines Leistungsverbrauchs bei einem angesammelten Pegel über Systemsoftware durch; diese Datenansammlung kann über Rechensysteme in einem Datencenter oder über Blade-Server in einem Gestellbefestigungssystem hinweg sein. 3) Die Analyse nimmt einen gegenwärtigen Leistungsverbrauch und historische Daten und bestimmt für eine bestimmte Taktik die beste Platzierung einer Arbeitslast auf bestimmten Rechensystemen, um einen Leistungsverbrauch in dem Zusammenhang von Arbeitslastprioritäten zu optimieren. 4) Basierend auf der Analyse und Verwaltungstaktiken lässt die Arbeitslastverwaltungssoftware Anwendungen zu der wirksamsten Rechensystemstandfläche migrieren, die einen optimalen Leistungsverbrauch bereitstellt. 5) Fortwährende Leistungsmessung und -überwachung liefert eine Rückkopplungsschleife für Arbeitslastverwaltungssoftware, um wie benötigt die Arbeitslast/Leistungsanalyse fein abzustimmen und mit der geeigneten durch die Taktik vorgegebnen Aktion in der Form einer Anwendungsmigration fortzufahren.
- Aus der Nutzungs-/Standflächenperspektive: 1) Systemsoftware stellt ein Maß einer Nutzung innerhalb einer bestimmten Rechenressource bereit. 2) Arbeitslastverwaltungssoftware führt eine Überwachung und Aufzeichnung von Daten über eine Nutzung über Systemsoftware durch. Die Ansammlung dieser Daten kann für ein Paar von Beispielen über Rechensysteme in einem Datencenter oder über Blade-Server in einem Gestellbefestigungssystem hinweg sein. 3) Die Analyse kann gegenwärtige Nutzungs- und historische Daten nehmen und für eine bestimmte Taktik die beste Platzierung einer Arbeitslast auf bestimmten Rechensystemen bestimmen, um Nutzung/Standfläche in dem Zusammenhang von Arbeitslastprioritäten zu optimieren. 4) Basierend auf der Analyse und Verwaltungstaktiken lässt die Arbeitslastverwaltungssoftware Anwendungen zu dem wirksamsten Rechnen migrieren, das eine optimale Nutzung/Standfläche innerhalb des Servers und/oder uber das Datencenter hinweg bereitstellt. 5) Fortwährende Nutzungsmessung und -überwachung liefert eine Rückkopplungsschleife an die Arbeitslastverwaltungssoftware, um die Arbeitslast/Nutungs-/Standflächenanalyse wie benötigt fein abzustimmen und weiterhin eine geeignete durch die Taktik vorgegebene Aktion in der Form einer Anwendungsmigration zu unternehmen.
- Die Erfindung sorgt für eine dynamische Arbeitslastverwaltung über Migration von Anwendungen in die optimale Leistungsstandfläche basierend auf einer Leistungsverbrauchsdatenanalyse. Der starke Kundenbedarf nach dynamischen (sowohl Groß- als auch Klein-) Leistungsverwaltung wurde anekdotenhaft gezeigt. Explizit ausgedruckt könnten die Vorteile folgende sein: 1) geringere Kosten für Benutzer, da eine Konsolidierung maximiert wird und so die Menge an Hardware minimiert wird. 2) Die Leistung, die Anwendungen zugeteilt ist, wird minimiert, ohne ein Anwendungsverhalten zu beeinträchtigen; dies senkt Gesamtbetriebskosten.
- Eine Iteration bzw. Wiederholung des Verfahrens ME1 kann periodisch durch den Arbeitslastverwalter
21 eingeleitet werden oder kann asynchron ansprechend auf einen „Alarm” von einem Arbeitslastüberwacher, z. B. Überwacher19A , ausgelöst werden, wenn dieser erfasst, dass lokal verfügbare Ressourcen gerade belastet werden oder eine bestimmte Nutzungsschwelle erfüllt ist. - Ein zweites Computersystem AP2 gemäß einem Ausführungsbeispiel der Erfindung ist in
2 gezeigt. Das System AP2 weist Hardwareressourcen201 und einen Speicher203 auf. Der Speicher203 speichert Arbeitslasten205 , einen Ressourcennutzungsüberwacher207 und einen Arbeitslastverwalter209 . Der Arbeitslastverwalter209 implementiert ein Verfahren ME2 gemäß einem Ausführungsbeispiel der Erfindung. - Das Verfahren ME2 ist in Flussdiagrammform in
3 gezeigt. Es umfasst Verfahrenssegmente M21–M24. In dem Verfahrenssegment M21 wird eine Computerressourcennutzung überwacht. In dem Verfahrenssegment M22 wird eine Chronologie aktualisiert. In dem Verfahrenssegment M23 wird die Chronologie analysiert, um eine Nutzung vorauszusagen. In dem Verfahrenssegment M24 werden Arbeitslasten als eine Funktion von Nutzungsvorhersagen neu verteilt. - Bei den dargestellten Ausführungsbeispielen „besitzt” der Arbeitslastverwalter die Datensammel- und Kapazitätsprojektionsfunktionalität sowie die Arbeitslastmigration. Bei alternativen Ausführungsbeispielen können diese Funktionen durch separate Module gehandhabt werden. Ein Arbeitslastverwalter kann z. B. eine Datensammlung verwalten, ein Kapazitätsberater kann Kapazitätsprojektionen und Empfehlungen basierend auf denselben durchführen, eine Migrationseinrichtung kann die tatsächlichen Neuverteilungen verwalten. Wenn der Arbeitslastverwalter bestimmt, dass Ressourcen auf einem System ausgegangen sind, kann er eine Warnung an eine bestimmte „Orchestrierungsmaschine” senden, dass eine Bewegung eingeleitet werden soll. Die Orchestrierungsmaschine erhält diese Warnung und fragt dann den Kapazitätsberater nach einer Empfehlung dafür, welche Arbeitslast zu bewegen ist, und wohin. Sie befielt dann dem Migrationsprodukt, die Arbeitslast zu bewegen. All dies kann in Echtzeit geschehen oder kann periodisch auftreten, z. B. täglich, wöchentlich oder monatlich.
- Der Kapazitätsberater kann den „Plan” nachts laufen lassen oder zu einer anderen Zeit außerhalb einer Spitzenzeit, da er nicht auf die Minute genau Daten aufbrauchen muss. So kann ein Plan da sein, bevor eine Warnung empfangen wird, so dass die Neuverteilung schneller implementiert werden kann. Der Orchestrierer kann auch konfiguriert sein, um eine Neuverteilung pro-aktiv einzuleiten, ohne dass der Arbeitslastverwalter beteiligt ist. In diesem Fall kann der Orchestrierer den Plan von dem Kapazitätsberater jeden Morgen erhalten und entscheiden, ob und wann etwas bewegt werden muss. Der Orchestrierer plant dann diese Bewegung zeitlich basierend auf Stillstandszeit-Fenstern usw. für jede der Arbeitslasten.
- Allgemein ist Hardware, ein Computer oder eine Systemressource ein beliebiges Teil eines Systems, das in der Lage ist, eine Aufgabe durchzuführen. Beispiele von Ressourcen, die typischerweise in Computersystemen zu finden sind, umfassen Prozessoren, Eingangs/Ausgangs-(I/O-)Vorrichtungen, Datenspeichervorrichtungen, Kommunikationsports, Anzeigen, Peripherievorrichtungen (z. B. Drucker, Scanner usw.) usw. Natürlich könnte ein „System” auf einer beliebigen Granularitätsebene betrachtet werden. Eine Mehrzahl von Computern z. B., die kommunikativ miteinander über ein Kommunikationsnetz gekoppelt sind (z. B. ein lokales Netz (LAN), das Internet, oder ein anderes Großraumnetz (WAN) usw.), könnte kollektiv als ein System betrachtet werden, in dem jeder Computer als eine Systemressource betrachtet werden könnte.
- Als weiteres Beispiel könnte ein großes Datencenter als ein System betrachtet werden und eine Mehrzahl von Computern (und anderen leistungsverbrauchenden Ressourcen) in dem Datencenter könnte jeweils als eine Systemressource betrachtet werden. Als weiteres Beispiel könnte eine gedruckte Schaltungsplatine innerhalb eines Personalcomputers (PC) als ein System betrachtet werden, in dem jede Vorrichtung (z. B. Chip usw.), die auf der gedruckten Schaltungsplatine implementiert ist, als eine Systemressource betrachtet werden könnte. Der Ausdruck „System” umfasst verschiedene Typen von Rechensystemen, wie z. B. Datencenter, Server, Personalcomputer (ECs), Digitalkameras, Personaldigitalassistenten (PDAs), Laptops, Arbeitsplatzrechner, Mobiltelefone usw. Ferner ist der Ausdruck „System”, es sei denn, er ist anderweitig qualifiziert, nicht auf herkömmliche Computersysteme eingeschränkt, sondern könnte einen beliebigen Typ eines Systems mit leistungsverbrauchenden Ressourcen umfassen, wie z. B. Automobile, Flugzeuge, Werke usw.
- Bei dem dargestellten Ausführungsbeispiel werden ein Zeitstempeln und eine Speicherung auf jedem Server durchgeführt. Bei anderen Ausführungsbeispielen können diese Verfahrensteilsegmente weggelassen oder durchgeführt werden, nachdem eine Verwaltungsarbeitsstation die Daten von den Servern sammelt. Diese und andere Variationen an oder Modifizierungen des dargestellten Ausführungsbeispiels werden durch die vorliegende Erfindung bereitgestellt, deren Schutzbereich durch die folgenden Ansprüche definiert ist.
Claims (16)
- Computerimplementiertes Verfahren, das folgende Schritte aufweist: Überwachen (M1) einer Nutzung von Computerressourcen durch Softwarearbeitslasten, um Nutzungsdaten zu ergeben; Aktualisieren (M3) einer Nutzungschronologie unter Verwendung der Nutzungsdaten, die ein Maß eines Leistungsverbrauchs der Softwarearbeitslasten innerhalb der Computerressourcen zu verschiedenen Zeiten bereitstellen; Analysieren (M4) der Chronologie, um Ressourcennutzungsvorhersagen zu ergeben, wobei das Analysieren tägliche, wöchentliche, monatliche oder jährliche Muster bei der Nutzung, die einer Arbeitslast zugeordnet sind, ergibt, und wobei die Ressourcennutzungsvorhersagen auf den täglichen, wöchentlichen, monatlichen oder jährlichen Mustern basieren; und Neuverteilen (M6) der Arbeitslasten unter den Ressourcen zumindest teilweise als eine Funktion der Vorhersagen, wobei das Neuverteilen (M6) ein Migrieren zumindest einer ersten Arbeitslast zu einer Ressource, die auch einer zweiten Arbeitslast dient, beinhaltet, wobei die Arbeitslasten periodische Spitzen mit der gleichen Periodizität und unterschiedlichen Phasen aufweisen, so dass die erste und zweite Arbeitslast während einer erste Phase zu der gleichen Ressource migriert werden, obwohl ein Kombination von Spitzenleistungsverbrauchen der ersten und der zweiten Arbeitslast, die in unterschiedlichen Phasen auftreten, 100% der Leistungsfähigkeit dieser Ressource übersteigen.
- Verfahren gemäß Anspruch 1, bei dem die Chronologie Daten umfasst, die zumindest täglich für zumindest ein Jahr gesammelt werden, und das Analysieren (M4) ein Suchen nach jährlichen Variationen bei der Nutzung beinhaltet.
- Verfahren gemäß einem der Ansprüche 1 oder 2, das ferner ein Herunterfahren einer Rechenressource, von der eine Arbeitslast durch die Neuverteilung entfernt wurde, oder Bewirken eines Eintritts derselben in einen Niedrigleistungszustand aufweist.
- Verfahren gemäß Anspruch 3, bei dem das Überwachen (M1), das Aktualisieren (M3), das Analysieren (M4) und das Neuverteilen (M6) wiederholt werden, so dass ferner das Neuverteilen ein Bewirken, dass die Computerressource in einen Hochleistungszustand eintritt, und ein Migrieren einer Arbeitslast zu der Computerressource beinhaltet.
- Verfahren gemäß einem der Ansprüche 1 bis 4, das ferner ein Ausgeben einer Warnung als eine Funktion der Nutzungsdaten aufweist, wobei das Neuverteilen (M6) ansprechend auf die Warnung durchgeführt wird.
- Verfahren gemäß einem der Ansprüche 1 bis 5, bei dem ein Orchestriererprogramm in einem computerlesbaren Medium das Überwachen (M1), das Analysieren (M4) und das Neuverteilen (M6) koordiniert.
- System, das folgende Merkmale aufweist: Hardwareressourcen; und ein computerlesbares Medium, das folgende Merkmale umfasst: Arbeitslasten (WL1, WL2, WL3, WL4), die zur Nutzung jeweiliger Kombinationen der Hardwareressourcen verteilt sind; ein Überwachungsprogramm zum Überwachen einer Nutzung der Computerressourcen durch die Arbeitslasten, um Nutzungsdaten zu ergeben; und einen Arbeitslastverwalter zum Aktualisieren einer Nutzungschronologie unter Verwendung der Nutzungsdaten, die ein Maß eines Leistungsverbrauchs der Softwarearbeitslasten innerhalb der Computerressourcen zu verschiedenen Zeiten bereitstellen, zum Analysieren der Chronologie, um Ressourcennutzungsvorhersagen zu ergeben, und zum Neuverteilen der Arbeitslasten unter den Ressourcen zumindest teilweise als eine Funktion der Vorhersagen, wobei das Analysieren tägliche, wöchentliche, monatliche oder jährliche Muster bei der Nutzung, die einer Arbeitslast zugeordnet sind, ergibt, und wobei die Ressourcennutzungsvorhersagen auf den täglichen, wöchentlichen, monatlichen oder jährlichen Mustern basieren, wobei das Neuverteilen ein Migrieren zumindest einer ersten Arbeitslast zu einer Ressource, die auch einer zweiten Arbeitslast dient, beinhaltet, wobei die Arbeitslasten periodische Spitzen mit der gleichen Periodizität und unterschiedlichen Phasen aufweisen, so dass die erste und zweite Arbeitslast während einer erste Phase zu der gleichen Ressource migriert werden, obwohl ein Kombination von Spitzenleistungsverbrauchen der ersten und der zweiten Arbeitslast, die in unterschiedlichen Phasen auftreten, 100% der Leistungsfähigkeit dieser Ressource übersteigen.
- System gemäß Anspruch 7, bei dem die Chronologie Daten umfasst, die zumindest täglich für zumindest ein Jahr gesammelt werden, und das Analysieren ein Suchen nach jährlichen Variationen bei einer Nutzung beinhaltet.
- System gemäß einem der Ansprüche 7 oder 8, bei dem der Arbeitslastverwalter eine Einrichtung zum Herunterfahren einer Rechenressource, von der eine Arbeitslast durch die Neuverteilung entfernt wurde, oder Bewirken eines Eintritts derselben in einen Niedrigleistungszustand umfasst.
- System gemäß Anspruch 9, bei dem der Arbeitslastverwalter eine Einrichtung zum Bewirken, dass die Rechenressource in einen Hochleistungszustand eintritt, und Migrieren einer Arbeitslast zu der Rechenressource umfasst.
- System gemäß einem der Ansprüche 7 bis 10, bei dem der Arbeitslastverwalter für ein Ausgeben einer Warnung, wenn die Nutzungsdaten anzeigen, dass ein Kriterium erfüllt wurde, sorgt, wobei der Arbeitslastverwalter ansprechend auf die Warnung für eine Neuverteilung der Arbeitslasten sorgt.
- Computerlesbares Medium, das folgende Merkmale aufweist: eine Ressourcennutzungschronologie; und ein Arbeitslastverwalterprogramm zum: Überwachen (M1) einer Nutzung von Computerressourcen durch Softwarearbeitslasten, um Nutzungsdaten zu ergeben; Aktualisieren (M3) der Chronologie unter Verwendung der Nutzungsdaten, die ein Maß eines Leistungsverbrauchs der Softwarearbeitslasten innerhalb der Computerressourcen zu verschiedenen Zeiten bereitstellen; Analysieren (M4), unter Verwendung eines Programms in dem computerlesbaren Medium, der Chronologie, um Ressourcennutzungsvorhersagen zu ergeben, wobei das Analysieren tägliche, wöchentliche, monatliche oder jährliche Muster bei der Nutzung, die einer Arbeitslast zugeordnet sind, ergibt, und wobei die Ressourcennutzungsvorhersagen auf den täglichen, wöchentlichen, monatlichen oder jährlichen Mustern basieren; und Neuverteilen der Arbeitslasten unter den Ressourcen zumindest teilweise als eine Funktion der Vorhersagen, wobei das Neuverteilen (M6) ein Migrieren zumindest einer ersten Arbeitslast zu einer Ressource, die auch einer zweiten Arbeitslast dient, beinhaltet, wobei die Arbeitslasten periodische Spitzen mit der gleichen Periodizität und unterschiedlichen Phasen aufweisen, so dass die erste und zweite Arbeitslast während einer erste Phase zu der gleichen Ressource migriert werden, obwohl ein Kombination von Spitzenleistungsverbrauchen der ersten und der zweiten Arbeitslast, die in unterschiedlichen Phasen auftreten, 100% der Leistungsfähigkeit dieser Ressource übersteigen.
- Computerlesbares Medium gemäß Anspruch 12, bei dem die Chronologie Daten umfasst, die zumindest täglich für zumindest ein Jahr gesammelt werden, und das Analysieren ein Suchen nach jährlichen Variationen bei der Nutzung beinhaltet.
- Computerlesbares Medium gemäß einem der Ansprüche 12 oder 13, das ferner ein Herunterfahren einer Rechenressource, von der eine Arbeitslast durch die Neuverteilung entfernt wurde, oder Bewirken eines Eintritts derselben in einen Niederleistungszustand aufweist.
- Computerlesbares Medium gemäß Anspruch 14, bei dem das Überwachen (M1), das Aktualisieren (M3), das Analysieren (M4) und das Neuverteilen (M6) wiederholt werden, so dass ein weiteres Neuverteilen ein Bewirken, dass die Computerressource in einen Hochleistungszustand eintritt, beinhaltet.
- Computerlesbares Medium gemäß einem der Ansprüche 12 bis 15, bei dem der Arbeitslastverwalter die Neuverteilung ansprechend auf eine empfangene Warnung durchführt.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/409,853 | 2006-04-24 | ||
US11/409,853 US8104041B2 (en) | 2006-04-24 | 2006-04-24 | Computer workload redistribution based on prediction from analysis of local resource utilization chronology data |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102007016060A1 DE102007016060A1 (de) | 2007-10-25 |
DE102007016060B4 true DE102007016060B4 (de) | 2014-08-28 |
Family
ID=38536990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102007016060.9A Active DE102007016060B4 (de) | 2006-04-24 | 2007-04-03 | Computerarbeitslastneuverteilung |
Country Status (2)
Country | Link |
---|---|
US (1) | US8104041B2 (de) |
DE (1) | DE102007016060B4 (de) |
Families Citing this family (122)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7653833B1 (en) * | 2006-10-31 | 2010-01-26 | Hewlett-Packard Development Company, L.P. | Terminating a non-clustered workload in response to a failure of a system with a clustered workload |
US9003211B2 (en) * | 2007-03-20 | 2015-04-07 | Power Assure, Inc. | Method and apparatus for holistic power management to dynamically and automatically turn servers, network equipment and facility components on and off inside and across multiple data centers based on a variety of parameters without violating existing service levels |
US7818594B2 (en) * | 2007-03-21 | 2010-10-19 | Intel Corporation | Power efficient resource allocation in data centers |
US7996204B2 (en) * | 2007-04-23 | 2011-08-09 | Microsoft Corporation | Simulation using resource models |
US7877250B2 (en) * | 2007-04-23 | 2011-01-25 | John M Oslake | Creation of resource models |
US7974827B2 (en) * | 2007-04-23 | 2011-07-05 | Microsoft Corporation | Resource model training |
US8386391B1 (en) * | 2007-05-01 | 2013-02-26 | Hewlett-Packard Development Company, L.P. | Resource-type weighting of use rights |
US8782322B2 (en) * | 2007-06-21 | 2014-07-15 | International Business Machines Corporation | Ranking of target server partitions for virtual server mobility operations |
US8060760B2 (en) * | 2007-07-13 | 2011-11-15 | Dell Products L.P. | System and method for dynamic information handling system prioritization |
US8670971B2 (en) * | 2007-07-31 | 2014-03-11 | Hewlett-Packard Development Company, L.P. | Datacenter workload evaluation |
US20090189893A1 (en) | 2008-01-27 | 2009-07-30 | Petrov Julian | Methods and systems for computing a hash from a three dimensional data set loaded into a resource |
GB2456894A (en) * | 2008-01-30 | 2009-08-05 | Ibm | Harmonic analysis of computer workload |
US8893131B2 (en) * | 2008-04-11 | 2014-11-18 | Yahoo! Inc. | System and/or method for bulk loading of records into an ordered distributed database |
US7890454B2 (en) * | 2008-05-08 | 2011-02-15 | International Business Machines Corporation | Method and system for data disaggregation |
US9009498B1 (en) | 2008-08-14 | 2015-04-14 | Hewlett-Packard Development Company, L.P. | Estimating power consumption for a target host |
US8276009B2 (en) * | 2008-09-05 | 2012-09-25 | Broadcom Corporation | Operating system (OS) virtualisation and processor utilization thresholds for minimizing power consumption in mobile phones |
US9213612B2 (en) | 2008-09-29 | 2015-12-15 | Cisco Technology, Inc. | Method and system for a storage area network |
US9588803B2 (en) | 2009-05-11 | 2017-03-07 | Microsoft Technology Licensing, Llc | Executing native-code applications in a browser |
US8356193B2 (en) * | 2009-05-19 | 2013-01-15 | International Business Machines Corporation | Scaling energy use in a virtualized environment |
US8839254B2 (en) * | 2009-06-26 | 2014-09-16 | Microsoft Corporation | Precomputation for data center load balancing |
US20110010222A1 (en) * | 2009-07-08 | 2011-01-13 | International Business Machines Corporation | Point-in-time based energy saving recommendations |
US8458324B2 (en) * | 2009-08-25 | 2013-06-04 | International Business Machines Corporation | Dynamically balancing resources in a server farm |
US8751844B2 (en) * | 2009-09-24 | 2014-06-10 | Citrix Systems, Inc. | Systems and methods for attributing an amount of power consumption to a workload |
US8387060B2 (en) * | 2009-10-01 | 2013-02-26 | Dell Products L.P. | Virtual machine resource allocation group policy based on workload profile, application utilization and resource utilization |
US8346935B2 (en) * | 2010-01-15 | 2013-01-01 | Joyent, Inc. | Managing hardware resources by sending messages amongst servers in a data center |
US8627123B2 (en) * | 2010-03-25 | 2014-01-07 | Microsoft Corporation | Managing power provisioning in distributed computing |
US9207993B2 (en) | 2010-05-13 | 2015-12-08 | Microsoft Technology Licensing, Llc | Dynamic application placement based on cost and availability of energy in datacenters |
US9323921B2 (en) | 2010-07-13 | 2016-04-26 | Microsoft Technology Licensing, Llc | Ultra-low cost sandboxing for application appliances |
US8505020B2 (en) * | 2010-08-29 | 2013-08-06 | Hewlett-Packard Development Company, L.P. | Computer workload migration using processor pooling |
US9348394B2 (en) * | 2010-09-14 | 2016-05-24 | Microsoft Technology Licensing, Llc | Managing computational workloads of computing apparatuses powered by renewable resources |
US8856775B2 (en) * | 2010-09-22 | 2014-10-07 | International Business Machines Corporation | Unstacking software components for migration to virtualized environments |
US8645529B2 (en) * | 2010-10-06 | 2014-02-04 | Infosys Limited | Automated service level management of applications in cloud computing environment |
US8849469B2 (en) | 2010-10-28 | 2014-09-30 | Microsoft Corporation | Data center system that accommodates episodic computation |
US9063738B2 (en) | 2010-11-22 | 2015-06-23 | Microsoft Technology Licensing, Llc | Dynamically placing computing jobs |
US9442771B2 (en) * | 2010-11-24 | 2016-09-13 | Red Hat, Inc. | Generating configurable subscription parameters |
US8924539B2 (en) * | 2010-11-24 | 2014-12-30 | Red Hat, Inc. | Combinatorial optimization of multiple resources across a set of cloud-based networks |
US9563479B2 (en) * | 2010-11-30 | 2017-02-07 | Red Hat, Inc. | Brokering optimized resource supply costs in host cloud-based network using predictive workloads |
US20120144219A1 (en) * | 2010-12-06 | 2012-06-07 | International Business Machines Corporation | Method of Making Power Saving Recommendations in a Server Pool |
US8903705B2 (en) | 2010-12-17 | 2014-12-02 | Microsoft Corporation | Application compatibility shims for minimal client computers |
US9201677B2 (en) * | 2011-05-23 | 2015-12-01 | Intelligent Intellectual Property Holdings 2 Llc | Managing data input/output operations |
US9891939B2 (en) | 2011-03-03 | 2018-02-13 | Microsoft Technology Licensing, Llc | Application compatibility with library operating systems |
US8555276B2 (en) | 2011-03-11 | 2013-10-08 | Joyent, Inc. | Systems and methods for transparently optimizing workloads |
US8612785B2 (en) | 2011-05-13 | 2013-12-17 | International Business Machines Corporation | Optimizing energy consumption utilized for workload processing in a networked computing environment |
US9495183B2 (en) | 2011-05-16 | 2016-11-15 | Microsoft Technology Licensing, Llc | Instruction set emulation for guest operating systems |
AU2012260091B2 (en) * | 2011-05-23 | 2016-12-22 | Nec Corporation | System and system control method |
US10108517B1 (en) * | 2011-06-27 | 2018-10-23 | EMC IP Holding Company LLC | Techniques for data storage systems using virtualized environments |
US9450838B2 (en) | 2011-06-27 | 2016-09-20 | Microsoft Technology Licensing, Llc | Resource management for cloud computing platforms |
US9595054B2 (en) | 2011-06-27 | 2017-03-14 | Microsoft Technology Licensing, Llc | Resource management for cloud computing platforms |
EP2732368A4 (de) * | 2011-07-11 | 2015-01-14 | Hewlett Packard Development Co | Positionierung einer virtuellen maschine |
US9516368B2 (en) | 2011-08-25 | 2016-12-06 | At&T Intellectual Property I, L.P. | System for consolidating heterogeneous data centers through virtualization of services |
US9229786B2 (en) * | 2011-10-25 | 2016-01-05 | International Business Machines Corporation | Provisioning aggregate computational workloads and air conditioning unit configurations to optimize utility of air conditioning units and processing resources within a data center |
US9389933B2 (en) | 2011-12-12 | 2016-07-12 | Microsoft Technology Licensing, Llc | Facilitating system service request interactions for hardware-protected applications |
US9413538B2 (en) | 2011-12-12 | 2016-08-09 | Microsoft Technology Licensing, Llc | Cryptographic certification of secure hosted execution environments |
US8782224B2 (en) | 2011-12-29 | 2014-07-15 | Joyent, Inc. | Systems and methods for time-based dynamic allocation of resource management |
US8547379B2 (en) | 2011-12-29 | 2013-10-01 | Joyent, Inc. | Systems, methods, and media for generating multidimensional heat maps |
US8468251B1 (en) | 2011-12-29 | 2013-06-18 | Joyent, Inc. | Dynamic throttling of access to computing resources in multi-tenant systems |
CN104185821B (zh) * | 2012-03-16 | 2018-02-23 | 英特尔公司 | 多个计算层次结构级别中的工作负荷迁移判断 |
US9401869B1 (en) * | 2012-06-04 | 2016-07-26 | Google Inc. | System and methods for sharing memory subsystem resources among datacenter applications |
US9037880B2 (en) * | 2012-06-15 | 2015-05-19 | Infosys Limited | Method and system for automated application layer power management solution for serverside applications |
US9166865B2 (en) * | 2012-11-07 | 2015-10-20 | International Business Machines Corporation | Mobility operation resource allocation |
US9182807B2 (en) | 2012-12-31 | 2015-11-10 | Hewlett-Packard Development Company, L.P. | Systems and methods for predictive power management in a computing center |
CN103076870B (zh) * | 2013-01-08 | 2015-10-28 | 北京邮电大学 | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 |
US8677359B1 (en) | 2013-03-14 | 2014-03-18 | Joyent, Inc. | Compute-centric object stores and methods of use |
US8943284B2 (en) | 2013-03-14 | 2015-01-27 | Joyent, Inc. | Systems and methods for integrating compute resources in a storage area network |
US8881279B2 (en) | 2013-03-14 | 2014-11-04 | Joyent, Inc. | Systems and methods for zone-based intrusion detection |
US9104456B2 (en) | 2013-03-14 | 2015-08-11 | Joyent, Inc. | Zone management of compute-centric object stores |
US8826279B1 (en) | 2013-03-14 | 2014-09-02 | Joyent, Inc. | Instruction set architecture for compute-based object stores |
US8775485B1 (en) | 2013-03-15 | 2014-07-08 | Joyent, Inc. | Object store management operations within compute-centric object stores |
US9092238B2 (en) | 2013-03-15 | 2015-07-28 | Joyent, Inc. | Versioning schemes for compute-centric object stores |
US8793688B1 (en) | 2013-03-15 | 2014-07-29 | Joyent, Inc. | Systems and methods for double hulled virtualization operations |
US9262220B2 (en) | 2013-11-15 | 2016-02-16 | International Business Machines Corporation | Scheduling workloads and making provision decisions of computer resources in a computing environment |
US9870568B2 (en) * | 2013-11-19 | 2018-01-16 | Xerox Corporation | Methods and systems to price customized virtual machines |
CN104778079B (zh) * | 2014-01-10 | 2018-07-20 | 国际商业机器公司 | 用于调度、执行的装置和方法以及分布式系统 |
US20150244645A1 (en) * | 2014-02-26 | 2015-08-27 | Ca, Inc. | Intelligent infrastructure capacity management |
EP3126996A4 (de) * | 2014-04-03 | 2017-12-27 | Strato Scale Ltd. | Positionierung einer virtuellen maschine auf der basis von informationen aus mehreren datenzentralen |
US10484470B2 (en) | 2014-05-09 | 2019-11-19 | International Business Machines Corporation | Peak cyclical workload-based storage management in a multi-tier storage environment |
US11652884B2 (en) | 2014-06-04 | 2023-05-16 | Pure Storage, Inc. | Customized hash algorithms |
US9213485B1 (en) | 2014-06-04 | 2015-12-15 | Pure Storage, Inc. | Storage system architecture |
US10574754B1 (en) | 2014-06-04 | 2020-02-25 | Pure Storage, Inc. | Multi-chassis array with multi-level load balancing |
US9836234B2 (en) | 2014-06-04 | 2017-12-05 | Pure Storage, Inc. | Storage cluster |
US11399063B2 (en) * | 2014-06-04 | 2022-07-26 | Pure Storage, Inc. | Network authentication for a storage system |
US10234835B2 (en) | 2014-07-11 | 2019-03-19 | Microsoft Technology Licensing, Llc | Management of computing devices using modulated electricity |
US9933804B2 (en) | 2014-07-11 | 2018-04-03 | Microsoft Technology Licensing, Llc | Server installation as a grid condition sensor |
US9342346B2 (en) | 2014-07-27 | 2016-05-17 | Strato Scale Ltd. | Live migration of virtual machines that use externalized memory pages |
US9524328B2 (en) | 2014-12-28 | 2016-12-20 | Strato Scale Ltd. | Recovery synchronization in a distributed storage system |
US10417593B1 (en) * | 2014-12-31 | 2019-09-17 | VCE IP Holding Company LLC | System and method for comparing computing resource offerings |
US9853873B2 (en) | 2015-01-10 | 2017-12-26 | Cisco Technology, Inc. | Diagnosis and throughput measurement of fibre channel ports in a storage area network environment |
US9900250B2 (en) | 2015-03-26 | 2018-02-20 | Cisco Technology, Inc. | Scalable handling of BGP route information in VXLAN with EVPN control plane |
US10222986B2 (en) | 2015-05-15 | 2019-03-05 | Cisco Technology, Inc. | Tenant-level sharding of disks with tenant-specific storage modules to enable policies per tenant in a distributed storage system |
US11588783B2 (en) | 2015-06-10 | 2023-02-21 | Cisco Technology, Inc. | Techniques for implementing IPV6-based distributed storage space |
US10778765B2 (en) | 2015-07-15 | 2020-09-15 | Cisco Technology, Inc. | Bid/ask protocol in scale-out NVMe storage |
CN106708621B (zh) | 2015-11-16 | 2020-10-27 | 阿里巴巴集团控股有限公司 | 一种获得应用集群容量的方法和装置 |
US9892075B2 (en) | 2015-12-10 | 2018-02-13 | Cisco Technology, Inc. | Policy driven storage in a microserver computing environment |
US11715025B2 (en) | 2015-12-30 | 2023-08-01 | Nutanix, Inc. | Method for forecasting distributed resource utilization in a virtualization environment |
CN106933868B (zh) | 2015-12-30 | 2020-04-24 | 阿里巴巴集团控股有限公司 | 一种调整数据分片分布的方法及数据服务器 |
EP3338410A4 (de) * | 2016-01-18 | 2018-08-01 | Huawei Technologies Co., Ltd. | System und verfahren für bereitstellung einer cloud-arbeitslast |
US10140172B2 (en) | 2016-05-18 | 2018-11-27 | Cisco Technology, Inc. | Network-aware storage repairs |
US10168953B1 (en) | 2016-05-20 | 2019-01-01 | Nutanix, Inc. | Dynamic scheduling of distributed storage management tasks using predicted system characteristics |
US20170351639A1 (en) | 2016-06-06 | 2017-12-07 | Cisco Technology, Inc. | Remote memory access using memory mapped addressing among multiple compute nodes |
US10902324B2 (en) | 2016-06-13 | 2021-01-26 | Nutanix, Inc. | Dynamic data snapshot management using predictive modeling |
US11093836B2 (en) | 2016-06-15 | 2021-08-17 | International Business Machines Corporation | Detecting and predicting bottlenecks in complex systems |
US10361925B1 (en) | 2016-06-23 | 2019-07-23 | Nutanix, Inc. | Storage infrastructure scenario planning |
US10664169B2 (en) | 2016-06-24 | 2020-05-26 | Cisco Technology, Inc. | Performance of object storage system by reconfiguring storage devices based on latency that includes identifying a number of fragments that has a particular storage device as its primary storage device and another number of fragments that has said particular storage device as its replica storage device |
US11563695B2 (en) | 2016-08-29 | 2023-01-24 | Cisco Technology, Inc. | Queue protection using a shared global memory reserve |
US10157083B2 (en) | 2016-09-14 | 2018-12-18 | Microsoft Technology Licensing, Llc | Outage detection and compute resource protection in a computer service environment |
US11489731B2 (en) * | 2016-09-30 | 2022-11-01 | Salesforce.Com, Inc. | Techniques and architectures for efficient allocation of under-utilized resources |
US10484301B1 (en) * | 2016-09-30 | 2019-11-19 | Nutanix, Inc. | Dynamic resource distribution using periodicity-aware predictive modeling |
US10691491B2 (en) | 2016-10-19 | 2020-06-23 | Nutanix, Inc. | Adapting a pre-trained distributed resource predictive model to a target distributed computing environment |
US10545914B2 (en) | 2017-01-17 | 2020-01-28 | Cisco Technology, Inc. | Distributed object storage |
US10243823B1 (en) | 2017-02-24 | 2019-03-26 | Cisco Technology, Inc. | Techniques for using frame deep loopback capabilities for extended link diagnostics in fibre channel storage area networks |
US10713203B2 (en) | 2017-02-28 | 2020-07-14 | Cisco Technology, Inc. | Dynamic partition of PCIe disk arrays based on software configuration / policy distribution |
US10254991B2 (en) | 2017-03-06 | 2019-04-09 | Cisco Technology, Inc. | Storage area network based extended I/O metrics computation for deep insight into application performance |
US10539993B2 (en) * | 2017-03-14 | 2020-01-21 | Microsoft Technology Licensing, Llc | Integrated energy storage systems in computing facilities |
US10303534B2 (en) | 2017-07-20 | 2019-05-28 | Cisco Technology, Inc. | System and method for self-healing of application centric infrastructure fabric memory |
US10404596B2 (en) | 2017-10-03 | 2019-09-03 | Cisco Technology, Inc. | Dynamic route profile storage in a hardware trie routing table |
US10942666B2 (en) | 2017-10-13 | 2021-03-09 | Cisco Technology, Inc. | Using network device replication in distributed storage clusters |
US10901806B2 (en) * | 2018-05-01 | 2021-01-26 | International Business Machines Corporation | Internet of things resource optimization |
WO2020234917A1 (ja) * | 2019-05-17 | 2020-11-26 | 日本電信電話株式会社 | 仮想化基盤制御装置、仮想化基盤制御方法および仮想化基盤制御プログラム |
JP7176639B2 (ja) * | 2019-07-31 | 2022-11-22 | 日本電信電話株式会社 | 階層型ストレージ管理システム、階層型ストレージ制御装置、階層型ストレージ管理方法、及びプログラム |
US11537809B2 (en) | 2019-11-21 | 2022-12-27 | Kyndryl, Inc. | Dynamic container grouping |
US11561842B2 (en) * | 2020-01-31 | 2023-01-24 | Hewlett Packard Enterprise Development Lp | Determining and implementing a feasible resource optimization plan for public cloud consumption |
US11886926B1 (en) * | 2020-12-10 | 2024-01-30 | Amazon Technologies, Inc. | Migrating workloads between computing platforms according to resource utilization |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251802A1 (en) * | 2004-05-08 | 2005-11-10 | Bozek James J | Dynamic migration of virtual machine computer programs upon satisfaction of conditions |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6260068B1 (en) * | 1998-06-10 | 2001-07-10 | Compaq Computer Corporation | Method and apparatus for migrating resources in a multi-processor computer system |
US6691067B1 (en) * | 1999-04-07 | 2004-02-10 | Bmc Software, Inc. | Enterprise management system and method which includes statistical recreation of system resource usage for more accurate monitoring, prediction, and performance workload characterization |
US6516348B1 (en) * | 1999-05-21 | 2003-02-04 | Macfarlane Druce Ian Craig Rattray | Collecting and predicting capacity information for composite network resource formed by combining ports of an access server and/or links of wide arear network |
US6738736B1 (en) * | 1999-10-06 | 2004-05-18 | Accenture Llp | Method and estimator for providing capacacity modeling and planning |
US20020152305A1 (en) * | 2000-03-03 | 2002-10-17 | Jackson Gregory J. | Systems and methods for resource utilization analysis in information management environments |
US7698111B2 (en) * | 2005-03-09 | 2010-04-13 | Hewlett-Packard Development Company, L.P. | Method and apparatus for computational analysis |
US7032119B2 (en) * | 2000-09-27 | 2006-04-18 | Amphus, Inc. | Dynamic power and workload management for multi-server system |
US7177851B2 (en) | 2000-11-10 | 2007-02-13 | Affinnova, Inc. | Method and apparatus for dynamic, real-time market segmentation |
US6877035B2 (en) * | 2001-01-29 | 2005-04-05 | International Business Machines Corporation | System for optimal resource allocation and planning for hosting computing services |
US8234229B2 (en) * | 2001-07-27 | 2012-07-31 | International Business Machines Corporation | Method and apparatus for prediction of computer system performance based on types and numbers of active devices |
US7167915B2 (en) * | 2002-10-18 | 2007-01-23 | International Business Machines Corporation | Monitoring storage resources used by computer applications distributed across a network |
US7698115B2 (en) | 2003-06-30 | 2010-04-13 | Microsoft Corporation | System and method for dynamically allocating resources in a client/server environment |
US20050060590A1 (en) * | 2003-09-16 | 2005-03-17 | International Business Machines Corporation | Power-aware workload balancing usig virtual machines |
US7454502B2 (en) * | 2003-12-04 | 2008-11-18 | International Business Machines Corporation | System for transferring standby resource entitlement |
US7266540B2 (en) | 2004-03-04 | 2007-09-04 | International Business Machines Corporation | Mechanism for dynamic workload rebalancing in a multi-nodal computer system |
US7574708B2 (en) | 2004-03-04 | 2009-08-11 | International Business Machines Corporation | Mechanism for enabling the distribution of operating system resources in a multi-node computer system |
US7665090B1 (en) * | 2004-03-08 | 2010-02-16 | Swsoft Holdings, Ltd. | System, method, and computer program product for group scheduling of computer resources |
US7552208B2 (en) * | 2005-01-18 | 2009-06-23 | Microsoft Corporation | Methods for managing capacity |
US7644148B2 (en) * | 2005-05-16 | 2010-01-05 | Hewlett-Packard Development Company, L.P. | Historical data based workload allocation |
US7539881B2 (en) * | 2006-04-15 | 2009-05-26 | Hewlett-Packard Development Company, L.P. | System and method for dynamically adjusting power caps for electronic components based on power consumption |
-
2006
- 2006-04-24 US US11/409,853 patent/US8104041B2/en active Active
-
2007
- 2007-04-03 DE DE102007016060.9A patent/DE102007016060B4/de active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050251802A1 (en) * | 2004-05-08 | 2005-11-10 | Bozek James J | Dynamic migration of virtual machine computer programs upon satisfaction of conditions |
Non-Patent Citations (4)
Title |
---|
DINDA, P.A.: Online prediction of the running time of tasks. In: Proceedings of 10th IEEE International Symposium on High Performance Distributed Computing, 2001. S. 383 - 394 * |
DINDA, P.A.: Online prediction of the running time of tasks. In: Proceedings of 10th IEEE International Symposium on High Performance Distributed Computing, 2001. S. 383 – 394 |
MIKSATKO, J.: Dynamic Load Balancing of Fine-Grain Services Using Prediction Based on Service Input. Master Thesis. Kansas State University. Manhattan, Kansas, 2004 [recherchiert am 27.01.2011]. Im Internet: * |
MIKSATKO, J.: Dynamic Load Balancing of Fine-Grain Services Using Prediction Based on Service Input. Master Thesis. Kansas State University. Manhattan, Kansas, 2004 [recherchiert am 27.01.2011]. Im Internet: <URL:http://www.dfki.de/~miksatko/docs/miksatko-thesis-ksu.pdf> |
Also Published As
Publication number | Publication date |
---|---|
DE102007016060A1 (de) | 2007-10-25 |
US20070250838A1 (en) | 2007-10-25 |
US8104041B2 (en) | 2012-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102007016060B4 (de) | Computerarbeitslastneuverteilung | |
Jiang et al. | Asap: A self-adaptive prediction system for instant cloud resource demand provisioning | |
DE112004001320B3 (de) | Verfahren, System und Vorrichtung zur Verbesserung der Leistung von Mehrkernprozessoren | |
DE602004001904T2 (de) | Verfahren und System zur Zuweisung von Ressourcen eines Computers | |
DE112011101633B4 (de) | Virtualisierung und dynamische Ressourcenzuweisung berücksichtigendes Neuordnen von Speicherebenen | |
DE112011105886T5 (de) | Management einer Anlage | |
DE112012006377B4 (de) | Energieverbrauch und Leistung von Computersystemen steuern | |
DE102012217202A1 (de) | Verfahren und System zum Optimieren des Platzierens virtueller Maschinen in Cloud-Computing-Umgebungen | |
DE112017005131T5 (de) | Leistungsverwaltung in disaggregierten datenverarbeitungsystemen | |
DE102010029209B4 (de) | Verfahren zur dynamischen Verteilung von einem oder mehreren Diensten in einem Netz aus einer Vielzahl von Rechnern | |
DE112012004999T5 (de) | Beschleunigungselement zur Cloud-Bereitstellung | |
DE102010054337A1 (de) | Mechanismen, um ineffizientes Core-Hopping zu vermeiden und Hardware-unterstützte Auswahl eines Niedrigleitungszustands bereitzustellen | |
DE112017008096T5 (de) | Stromsteuerung einer verarbeitungseinheit | |
DE202013012502U1 (de) | Clusterwartungssystem und Betrieb | |
Baughman et al. | Deconstructing the 2017 changes to AWS spot market pricing | |
DE112020004661T5 (de) | Ermitteln einer optimalen Anzahl von Threads pro Kern in einem Mehrkern-Prozessorkomplex | |
DE112020004116T5 (de) | Dynamisches abändern der parallelität einer aufgabe in einer pipeline | |
DE112018001886T5 (de) | Steuereinrichtung, Steuerverfahren und Steuerprogramm | |
DE102020112531A1 (de) | Operationelle metrische Berechnung für Arbeitsbelastungstyp | |
DE112021003276T5 (de) | Ressourcenverwaltung einer softwareanwendung mit mehreren softwarekomponenten | |
DE112017006367T5 (de) | Aufgabenmanagement mit dynamischer Laufzeit | |
DE112017001376T5 (de) | Erkennen und Vorhersagen von Engpässen in komplexen Systemen | |
DE112021003294T5 (de) | Systemverwaltung auf grundlage von leistung und leistungsfähigkeit | |
CN108268546A (zh) | 一种优化数据库的方法及装置 | |
DE102011014817A1 (de) | Inventarmanagement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R081 | Change of applicant/patentee |
Owner name: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP, HOU, US Free format text: FORMER OWNER: HEWLETT-PACKARD DEVELOPMENT COMPANY, L.P., HOUSTON, TEX., US |
|
R082 | Change of representative |
Representative=s name: SCHOPPE, ZIMMERMANN, STOECKELER, ZINKLER, SCHE, DE |
|
R081 | Change of applicant/patentee |
Owner name: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP, SPR, US Free format text: FORMER OWNER: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP, HOUSTON, TEX., US |
|
R082 | Change of representative |
Representative=s name: HL KEMPNER PATENTANWALT, RECHTSANWALT, SOLICIT, DE Representative=s name: PROCK, THOMAS, DR., GB Representative=s name: HL KEMPNER PATENTANWAELTE, SOLICITORS (ENGLAND, DE |
|
R082 | Change of representative |
Representative=s name: HL KEMPNER PATENTANWALT, RECHTSANWALT, SOLICIT, DE Representative=s name: HL KEMPNER PATENTANWAELTE, SOLICITORS (ENGLAND, DE |