JP2012094084A - 予測装置および予測方法 - Google Patents

Abstract

【課題】証券業務システムのサーバまたはサーバ群単位で負荷を予測する。
【解決手段】予測装置１００は、口座を分類するための複数種類の口座属性が規定されており、複数種類の口座属性のうちの一部の口座属性とサーバを特定するＩＤとの関係が示された関連性テーブル１２８を記憶する関連性保持部１２６と、予測対象のサーバの指定を受け付ける指定受付部１１０と、関連性テーブル１２８を基に、指定されたサーバに関係する口座属性を抽出する属性抽出部１１２と、抽出された口座属性に含まれた口座数の履歴に基づいて口座数の予測値を演算する口座数予測部１１４と、演算された口座数の予測値を指定されたサーバの使用の度合いの予測値に変換する使用度変換部１１６と、を備える。関連性保持部１２６は、複数種類の口座属性のうち、口座数とサーバの使用の度合いとの相関が強い方の口座属性を関連性テーブル１２８に含める。
【選択図】図５

Description

本発明は、予測技術に関し、特に証券業務システムに含まれるサーバの使用の度合いを予測するための予測装置および予測方法に関する。

ユーザがインターネットを介して株式売買や外貨取引を行えるオンラインサービスが普及している。その手軽さや手数料の低さから、オンラインサービスのユーザ数は年々増大している。

ユーザ数の増大に伴い、オンラインサービスを提供する証券業務システムへの負荷も大きくなってきている。特にオンラインサービスでは取引の即時性が重要視されることから、システムダウンをできる限り回避しなければならない。そこでユーザ数の増大を見越して証券業務システムの改修、増強等を行うことが重要となる。

証券業務システムの改修や増強を計画する場合、まずシステムへの負荷を予測し、システムのキャパシティが予測された負荷を十分上回るように、いつどのような改修／増強を行うかを決める。特許文献１および特許文献２には、証券業務システムへの負荷を予測する技術が開示されている。

特開２００７−２６５２４４号公報 特開２００７−２６５２４５号公報

オンラインサービスの多様化、高機能化に伴い、それを支える証券業務システムの構成、例えばサーバ構成もより複雑となってきている。すなわち証券業務システムでは、多種多様なサーバが有機的に結合され、その上でやはり多種多様なサービスが展開されるようになってきている。このような証券業務システムの複雑化により適応した予測技術の登場が望まれている。

本発明はこうした課題に鑑みてなされたものであり、その目的は、証券業務システムのサーバまたはサーバ群単位で負荷を予測する技術の提供にある。

本発明のある態様は予測装置に関する。この予測装置は、ユーザの口座を管理の単位とした証券業務システムに含まれるサーバの使用の度合いを予測するための予測装置であって、証券業務システムに管理された複数の口座を分類するための複数種類の口座属性が規定されており、複数種類の口座属性のうちの一部の口座属性とサーバを特定するＩＤとの関係が示された関連性テーブルを記憶する関連性保持部と、口座属性別の口座数の履歴を保持する口座数履歴保持部と、予測対象のサーバの指定を受け付ける指定受付部と、関連性テーブルを基に、指定受付部において指定を受け付けたサーバに関係する口座属性を抽出する属性抽出部と、属性抽出部によって抽出された口座属性に含まれた口座数の履歴を口座数履歴保持部から抽出し、抽出された口座数の履歴に基づいて口座数の予測値を演算する口座数予測部と、口座数予測部によって演算された口座数の予測値を指定受付部において指定を受け付けたサーバの使用の度合いの予測値に変換する使用度変換部と、を備える。関連性保持部は、複数種類の口座属性のうち、口座数とサーバの使用の度合いとの相関が強い方の口座属性を関連性テーブルに含める。

この態様によると、口座属性別の口座数の履歴に基づいて予測対象のサーバの使用の度合いを予測できる。

なお、以上の構成要素の任意の組み合わせや、本発明の構成要素や表現を装置、方法、システム、コンピュータプログラム、コンピュータプログラムを格納した記録媒体などの間で相互に置換したものもまた、本発明の態様として有効である。

本発明によれば、証券業務システムのサーバまたはサーバ群単位で負荷を予測することができる。

本実施の形態に係る予測装置の予測対象となるサーバを含む証券業務システムの構成を示す模式図である。 図２（ａ）、（ｂ）は、口座数の推移の一例を示すグラフである。 図３（ａ）〜（ｄ）は、１日当たりのトランザクション数の度数分布を示す図である。 図４（ａ）〜（ｄ）は、サーバのＣＰＵ使用率とトランザクション数との関係を示すグラフである。 本実施の形態に係る予測装置およびそれに接続された部材の機能および構成を示すブロック図である。 図５の関連性テーブルの一例を示すデータ構造図である。 図５の口座数履歴保持部の一例を示すデータ構造図である。 図５の第１パラメータ保持部に保持されるデータの内容の一例を示す説明図である。 図５の第２パラメータ保持部に保持されるデータの内容の一例を示す説明図である。 図１０（ａ）、（ｂ）は、表示装置に表示される予測結果画面の代表画面図である。 図５の予測装置における一連の処理を示すフローチャートである。

以下、本発明を好適な実施の形態をもとに図面を参照しながら説明する。各図面に示される同一または同等の構成要素、部材、処理には、同一の符号を付するものとし、適宜重複した説明は省略する。

本実施の形態に係る予測装置は、ユーザがネットワークを介して証券の売買、外貨取引、証拠金取引等を行えるオンラインサービスを提供する証券業務システムに含まれるサーバの将来の使用の度合いを、月単位、年単位等の比較的長期的な視点で予測する。その際、ＣＰＵ（central processing unit）使用率や消費電力や通信パケット量などのサーバの使用の度合いの履歴から直接予測するのではなく、予測装置はまず口座数を予測し、予測された口座数をＣＰＵ使用率に変換する。これは主に以下の２つの理由による。
（１）ＣＰＵ使用率は一日のなかでも大きく変動しうるのに対し、口座数は一日のなかでも変動が小さい。すなわち、口座数は振れ幅が小さい。したがって、口座数の予測はより精度が高い。
（２）口座数は、リーマンショックなどのイベントが反映されやすいパラメータである。また、新規顧客獲得キャンペーンによる顧客獲得の目標値等のビジネス上の目標をより導入しやすい。したがって、口座数の予測にはビジネス的な視点をより導入しやすい。

さらに本実施の形態に係る予測装置では、証券業務システムに管理された複数の口座を分類するための複数種類の口座属性が規定されている。口座属性は例えば、ＭＲＦ（Money Reserve Fund）の有無（ＭＲＦ残有り口座／ＭＲＦ残無し口座）、過去一定期間内の取引等の有無（稼働中口座／休眠口座）、ユーザの配偶者の有無（独身者口座／既婚者口座）、ユーザの性別（男性口座／女性口座）、ユーザの年齢層（２０代口座／３０代口座等）、を含む。また、証券業務システムに登録、管理されている任意の口座というのも、口座属性の一種である。

本発明者は所定のサーバのＣＰＵ使用率と口座数との相関について、サーバの種類および口座属性によって相関が高い場合と低い場合とがあることを見出した。予測装置はこの知見に基づき、予測対象のサーバについて相関が高い口座属性に属する口座の口座数を使用してそのサーバのＣＰＵ使用率を予測する。

（証券業務システム２００）
図１は、本実施の形態に係る予測装置の予測対象となるサーバを含む証券業務システム２００の構成を示す模式図である。証券業務システム２００は、証券会社に設置され、顧客などのユーザからの証券の売買注文を受け付けたり、証券注文に役立つ様々な情報を提供するシステムである。証券業務システム２００は、顧客の口座を管理の単位とする。

証券業務システム２００は、プレゼンテーションレイヤ２１０とビジネスロジックレイヤ２２０とデータベースレイヤ２３０とを含む。プレゼンテーションレイヤ２１０は、主にクライアント端末２０２、２０４、２０６から入力されるデータを受け付けてビジネスロジックレイヤ２２０に渡したり、またはビジネスロジックレイヤ２２０から提供されるデータをウェブページに加工してクライアント端末２０２、２０４、２０６に提供する役割を有する。ビジネスロジックレイヤ２２０は、証券の売買注文や情報の提供などの実際の処理を担当する役割を有する。

プレゼンテーションレイヤ２１０は、複数のウェブサーバ２１２、２１４、２１６、２１８を含む。本実施の形態では、証券業務システム２００に対するアクセスチャネル毎に、ウェブページの処理を実行するサーバのグループが準備されている。図１では、ウェブ経由の一般顧客、コールセンタ、支店からそれぞれのクライアント端末２０２、２０４、２０６を使用して証券業務システム２００にアクセスする場合を想定している。したがって、プレゼンテーションレイヤ２１０は、一般顧客からのアクセスに対する処理を担当する一般用ウェブサーバ２１２と、コールセンタからのアクセスに対する処理を担当するコールセンタ用ウェブサーバ２１４と、支店からのアクセスに対する処理を担当する支店用ウェブサーバ２１６と、を備える。さらに、通常は休止している予備の予備ウェブサーバ２１８を準備しておいてもよい。各ウェブサーバ２１２、２１４、２１６、２１８は、複数のサーバで構成されてもよい。各ウェブサーバ２１２、２１４、２１６、２１８は、上記の機能の他、クライアント端末２０２、２０４、２０６からの要求に応じてプログラムを実行しその結果を送信する動的ページの生成機能やトランザクション管理機能などを実装している。

ビジネスロジックレイヤ２２０には、アクセスチャネル毎ではなく、所定のアプリケーションを専用に実行するサーバのグループが準備されている。ビジネスロジックレイヤ２２０は、現在および過去の株価や出来高、会社情報などの証券売買の際に必要となる情報をクライアント端末２０２、２０４、２０６に提供するアプリケーションを実行する情報提供アプリケーションサーバ２２２、株や投資信託などの売買注文を受け付けるアプリケーションを実行する注文処理アプリケーションサーバ２２４、ユーザのログインやログアウト、顧客情報などを管理するアプリケーションを実行する事務処理アプリケーションサーバ２２６を備える。これ以外にも、例えば、外部の新聞社のサイトなどと連携して経済ニュースを提供する外部連携アプリケーションサーバや、顧客毎に取引残高の報告書などを提供する報告書アプリケーションサーバなどを備えていてもよい。各アプリケーションサーバ２２２、２２４、２２６は、複数のサーバで構成されてもよい。各アプリケーションサーバ２２２、２２４、２２６は、上記の業務処理の機能の他、一般のアプリケーションサーバが有している機能、例えば、データベースレイヤ２３０のデータベースへの接続機能、複数の処理を連結するトランザクション管理機能なども実装している。

データベースレイヤ２３０には、ビジネスロジックレイヤ２２０から参照されたり更新されたりするデータベース（database、ＤＢ）が準備されている。データベースレイヤ２３０は、ビジネスロジックレイヤ２２０の各サーバの主たるデータベースとなるメインＤＢ２３２と、主に参照目的で設けられた情報系ＤＢ２３４と、を備える。

各アプリケーションサーバ２２２、２２４、２２６では、複数のクライアント端末に対するサービス２４２、２４４、２４６、２４８、２５０、２５２が同時に実行される。例えば、情報提供アプリケーションサーバ２２２では、一般顧客に対して株価情報を提供するサービスＡ２４２と、コールセンタに対して株価情報を提供するサービスＢ２４４が同時に実行されてもよい。注文処理アプリケーションサーバ２２４では、コールセンタからの株式売買注文を処理するサービスＣ２４６と、店舗からの投資信託売買注文を処理するサービスＤ２４８が同時に実行されてもよい。

一般顧客、コールセンタや支店の担当員は、それぞれのクライアント端末２０２、２０４、２０６からウェブブラウザなどのソフトウェアを使用し、インターネット等のネットワーク２０８を介して証券業務システム２００にアクセスする。コールセンタや支店に備えられるクライアント端末２０４、２０６は、証券業務システム２００と専用線２０９によって接続されていてもよい。

クライアント端末２０２、２０４、２０６から証券業務システム２００にアクセスすると、プレゼンテーションレイヤ２１０のアクセスチャネルに応じたウェブサーバ２１２、２１４、２１６によって作成されたウェブページが、クライアント端末２０２、２０４、２０６に送信される。クライアント端末２０２、２０４、２０６は、送信されたウェブページをディスプレイに表示する。ユーザがウェブページ上でログイン、情報の閲覧、売買注文などの操作を実行すると、その情報がウェブサーバ２１２、２１４、２１６を介してビジネスロジックレイヤ２２０のアプリケーションサーバ２２２、２２４、２２６に渡される。各アプリケーションサーバ２２２、２２４、２２６による処理の結果は、ウェブサーバ２１２、２１４、２１６によってウェブページに加工され、そのデータがクライアント端末２０２、２０４、２０６に送信される。こうしてユーザは、ウェブページに表示される種々の情報を参照したり、またはウェブページを通じて証券の売買注文をすることができる。

上述したような証券業務システムでは、アクセス数の増大によりシステム内のサーバに負荷がかかりすぎると、正常なサービスを提供できなくなる虞がある。このような事態は顧客に迷惑をかけるため、証券業務システム内のサーバの使用の度合いを長期的な視点で予測し、その予測に基づいて計画的にシステムの改修、増強等を行うことが望ましい。そこで本実施の形態に係る予測装置は、本発明者が見出した下記の規則性に基づき、サーバのＣＰＵ使用率を精度良く予測する。

（規則性）
以下、本発明者が上述したような証券業務システムから得られるデータを解析した結果見出した規則性を説明する。

図２（ａ）、（ｂ）は、口座数の推移の一例を示すグラフである。図２（ａ）では、証券業務システム２００に管理されるＭＲＦ残有り口座数の時間的推移がプロットされている。予測時点前の範囲３０２では、ＭＲＦ残有り口座数はおおむね線形的に変化しているが、経済環境の変化の前後で傾きを異にしている。すなわち、予測時点前の範囲３０２は、ＭＲＦ残有り口座数が時間に対して第１の傾きで線形的に変化する第１の期間３０４と、ＭＲＦ残有り口座数が時間に対して第１の傾きとは異なる第２の傾きで線形的に変化する第２の期間３０６と、を含む。

第１の期間３０４におけるＭＲＦ残有り口座数の時間的推移のパターンを口座数の第１変動パターンとし、第２の期間３０６におけるＭＲＦ残有り口座数の時間的推移のパターンを第２変動パターンとする。第１予測線３１０、第２予測線３１２は、予測時点以降のＭＲＦ残有り口座数の時間的推移を予測するに当たって第１変動パターン、第２変動パターンをそれぞれ適用した場合の、ＭＲＦ残有り口座数の予測値のプロットである。

図２（ｂ）では、証券業務システム２００に管理される全口座数の時間的推移がプロットされている。この場合もＭＲＦ残有り口座の場合と同様に、予測時点前の範囲３１４は、全口座数が時間に対して第３の傾きで線形的に変化する第３の期間３１６と、全口座数が時間に対して第３の傾きとは異なる第４の傾きで線形的に変化する第４の期間３１８と、を含むと認めることができる。

第３の期間３１６における全口座数の時間的推移のパターンを口座数の第３変動パターンとし、第４の期間３１８における全口座数の時間的推移のパターンを第４変動パターンとする。第３予測線３２０、第４予測線３２２は、予測時点以降の全口座数の時間的推移を予測するに当たって第３変動パターン、第４変動パターンをそれぞれ適用した場合の、全口座数の予測値のプロットである。

このように、口座数の時間的推移は一定の傾向を有しており、その傾向からのずれも小さい。したがって、証券業務システム２００の他のパラメータと比較した場合、口座数はより正確な予測が可能なパラメータのひとつであることが見出された。また、口座数の時間的推移には複数の変動パターンがある（規則性１）。

図３（ａ）〜（ｄ）は、１日当たりのトランザクション数の度数分布を示す図である。
図３（ａ）は、ＭＲＦ残有り口座１万口座を基準とした、１日当たりの注文に係るトランザクションの数（以下、注文件数と称す）の度数分布である。横軸はＭＲＦ残有り口座１万口座当たりの注文件数を示し、縦軸は発生の頻度を示す。発生の頻度は、階級に属するデータ点（この場合、日付）の数をデータ点の総数（データ取得期間の総日数）で割った値である。近似曲線３２４は、図３（ａ）に示される度数分布を正規分布で近似した場合の近似曲線である。３σ範囲３２６は、正規分布を仮定した場合の、平均値を中心とした幅３σ（σ＝標準偏差）の範囲を示す。
図３（ａ）に示される度数分布は正規分布で良く近似される。したがって、注文件数とＭＲＦ残有り口座数とには線形的な相関が存在し、その相関は強い。

図３（ｂ）は、任意の口座１万口座を基準とした、注文件数の度数分布である。図３（ｃ）は、ＭＲＦ残有り口座１万口座を基準とした、１日当たりの約定に係るトランザクションの数（以下、約定件数と称す）の度数分布である。図３（ｄ）は、任意の口座１万口座を基準とした、約定件数の度数分布である。
図３（ｂ）〜（ｄ）についても、図３（ａ）と同様のことが言える。

また、図３（ａ）〜（ｄ）の全てのケースについて、３σ範囲３２６を超える特異日は経済的なイベントが発生した日である。したがって、３σ範囲は、相関を求める際にこれらのイベントに基づく特異日を考慮するか否かを決めるしきい的な範囲として有用である。

このように、トランザクションの数と口座数とには相関、特に線形的な相関が存在し、その相関の強弱や比例定数等はトランザクションの種類および口座属性に依存することが見出された（規則性２）。

図４（ａ）〜（ｄ）は、サーバのＣＰＵ使用率とトランザクション数との関係を示すグラフである。図４（ａ）の横軸は約定件数、縦軸はメインＤＢ２３２のＣＰＵ使用率を示す。ここでＣＰＵ使用率としては、一日のなかでのピーク時（０９：００〜０９：３０）の最大値を採用した。図４（ａ）の各データ点（黒塗りの菱形）は実測値に対応し、近似直線３２８はそれらのデータ点を線形近似したときの近似直線である。図４（ａ）に示される通り、メインＤＢ２３２のＣＰＵ使用率と約定件数とには線形的な相関が存在し、その相関は強い。

図４（ｂ）は、注文件数とメインＤＢ２３２のＣＰＵ使用率との関係を示す。図４（ｃ）は、約定件数と注文処理アプリケーションサーバ２２４のＣＰＵ使用率との関係を示す。図４（ｄ）は、注文件数と注文処理アプリケーションサーバ２２４のＣＰＵ使用率との関係を示す。
図４（ｂ）〜（ｄ）についても、図４（ａ）と同様のことが言える。

このように、サーバのＣＰＵ使用率とトランザクションの数とには相関、特に線形的な相関が存在し、その相関の強弱や比例定数等はサーバの種類およびトランザクションの種類に依存することが見出された（規則性３）。

トランザクションの数と口座数とには線形的な相関が存在し、ＣＰＵ使用率とトランザクションの数とにも線形的な相関が存在する。また、それらの相関の強弱や相関のパラメータは口座属性、トランザクションの種類およびサーバの種類に依存する。このことから、図３（ａ）〜（ｄ）、図４（ａ）〜（ｄ）のように相関を解析しその結果を組み合わせることで、所定の種類のサーバのＣＰＵ使用率と各口座属性に属する口座の口座数との相関の強さを求めることができる。すなわち、本発明者は、所与のサーバに対して口座属性を適切に選択することによって、口座属性に属する口座の口座数とサーバのＣＰＵ使用率との相関をより強くすることができることを見出した。
サーバのＣＰＵ使用率の予測値を口座属性別の口座数の予測値から導くことを考えると、相関の強い（＝精度の高い）口座属性を使用することが望ましい。

所定の種類のサーバのＣＰＵ使用率とトランザクションの数との線形的な相関が最も強くなるトランザクションの種類を、所定の種類のサーバに対する強相関トランザクションと称する。その強相関トランザクションの数と口座属性別の口座数との線形的な相関が最も強くなる口座属性を強相関口座属性と称する。この所定の種類のサーバのＣＰＵ使用率を予測する際には、例えば強相関口座属性に属する口座の口座数（以下、強相関口座数と称す）を予測する。その予測結果を、強相関口座数と強相関トランザクションの数との線形的な相関を使用して強相関トランザクションの数に変換する。その変換結果を、強相関トランザクションの数と所定の種類のサーバのＣＰＵ使用率との線形的な相関を使用してＣＰＵ使用率の予測値に変換する。このように、口座数の履歴からＣＰＵ使用率の精度の高い予測値を得ることができる。

（予測装置１００）
図５は、本実施の形態に係る予測装置１００およびそれに接続された部材の機能および構成を示すブロック図である。ここに示す各ブロックは、ハードウエア的には、コンピュータのＣＰＵをはじめとする素子や機械装置で実現でき、ソフトウエア的にはコンピュータプログラム等によって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウエア、ソフトウエアの組合せによっていろいろなかたちで実現できることは、本明細書に触れた当業者には理解されるところである。

予測装置１００は証券業務システム２００の内部に設けられてもよく外部に設けられてもよい。予測装置１００は、指定受付部１１０と、属性抽出部１１２と、口座数予測部１１４と、使用度変換部１１６と、警告部１１８と、履歴更新部１２０と、相関演算部１２２と、パラメータ更新部１２４と、関連性保持部１２６と、マスタ履歴保持部１３０と、口座数履歴保持部１３２と、第１パラメータ保持部１３４と、第２パラメータ保持部１３６と、を備える。

関連性保持部１２６は、証券業務システム２００における複数種類の口座属性のうちの一部の口座属性と、証券業務システム２００に含まれるサーバを種類ごとに特定するサーバ種別ＩＤと、の関係が示された関連性テーブル１２８を記憶する。サーバ種別ＩＤは例えばサーバの種類の名称である。なお、証券業務システム２００のメインＤＢ２３２や情報系ＤＢ２３４はサーバの一種である。

上記の通り、ＣＰＵ使用率と口座属性別の口座数との相関には口座属性によって強弱があることが見出されいている。これにしたがい、関連性保持部１２６は、複数種類の口座属性のうち、口座数とサーバのＣＰＵ使用率との相関が強い方の口座属性、特に相関が最も強い強相関口座属性を関連性テーブル１２８に含める。
図６は、関連性テーブル１２８の一例を示すデータ構造図である。関連性テーブル１２８は、サーバ種別ＩＤと、強相関口座属性と、強相関トランザクションと、を対応付けて記憶する。

図７は、口座数履歴保持部１３２の一例を示すデータ構造図である。口座数履歴保持部１３２は、口座属性別の口座数の履歴を保持する。口座数履歴保持部１３２は、日付と、証券業務システム２００の全口座数と、ＭＲＦ残有り口座数と、稼働中口座数と、を対応付けて保持する。すなわち口座数履歴保持部１３２は、全口座数、ＭＲＦ残有り口座数、稼働中口座数のそれぞれの日付単位での履歴を保持する。

図８は、第１パラメータ保持部１３４に保持されるデータの内容の一例を示す説明図である。上記規則性２の通り、トランザクション数と口座数とには線形的な相関が存在する。第１パラメータ保持部１３４はそのような線形性を仮定した場合の傾きを保持する。例えば第１パラメータ保持部１３４は、所定の口座属性および所定のトランザクションの種類に対して定まる傾きを保持する。この傾きは、図３に示されるような度数分布を正規分布で近似したときの平均値と、３σ範囲の上限値である３σ値と、度数分布における最大値である過去最大値と、を含む。図８の例では、第１パラメータ保持部１３４は、ＭＲＦ残有り口座および注文トランザクションに対して定まる傾きとして、１万口座当たり「１５０」（平均値）、１万口座当たり「２５０」（３σ値）、１万口座当たり「３００」（過去最大値）、を保持する。

図９は、第２パラメータ保持部１３６に保持されるデータの内容の一例を示す説明図である。上記規則性３の通り、ＣＰＵ使用率とトランザクション数とには線形的な相関が存在する。第２パラメータ保持部１３６はそのような線形性を仮定した場合の傾きと切片を保持する。例えば第２パラメータ保持部１３６は、所定のサーバの種類および所定のトランザクションの種類に対して定まる傾きおよび切片を保持する。図９の例では、第２パラメータ保持部１３６は、メインＤＢおよび注文件数に対して定まる傾きとして「０．０００５」を、切片として「１３．０」を保持する。

図５に戻る。
マスタ履歴保持部１３０は、口座数やトランザクション数やＣＰＵ使用率などの証券業務システム２００のパラメータの履歴を保持する。

指定受付部１１０はマウスやキーボードなどの入力装置１０２と接続され、証券業務システム２００の管理者から入力装置１０２を介して予測対象のサーバの指定を受け付ける。特に指定受付部１１０は、予測対象のサーバのサーバ種別ＩＤを取得する。

属性抽出部１１２は、指定受付部１１０によってサーバ種別ＩＤが取得されると、関連性保持部１２６にアクセスする。属性抽出部１１２は、そのサーバ種別ＩＤによって特定されるサーバの種類に対応する強相関口座属性を関連性テーブル１２８から抽出する。

口座数予測部１１４は、属性抽出部１１２によって抽出された強相関口座属性に含まれた口座数（すなわち、強相関口座数）の履歴を口座数履歴保持部１３２から抽出し、抽出された強相関口座数の履歴に基づいて強相関口座数の予測値を演算する。口座数予測部１１４は、履歴抽出部１３８と、履歴解析部１４０と、変動パターン指定部１４２と、口座数演算部１４４と、を含む。
履歴抽出部１３８は、強相関口座数の履歴を口座数履歴保持部１３２から抽出する。

上記規則性１の通り、口座数の時間的推移には複数の変動パターンが存在しうる。そこで履歴解析部１４０は、履歴抽出部１３８によって抽出された強相関口座数の履歴を解析し、強相関口座数のそのような複数の変動パターンを導出する。

変動パターン指定部１４２は、履歴解析部１４０によって導出された複数の変動パターンの内容、例えば線形近似の場合は異なる複数の傾きの情報をディスプレイなどの表示装置１０４に表示させる。変動パターン指定部１４２は、表示装置１０４の表示を見た管理者から、入力装置１０２を介してのひとつの変動パターンの指定を受け付ける。

口座数演算部１４４は、変動パターン指定部１４２において指定を受け付けられた変動パターンに基づいて、強相関口座数の予測値を演算する。特に線形近似の場合、例えば図２（ａ）、（ｂ）の第１予測線３１０、第２予測線３１２、第３予測線３２０、第４予測線３２２に見られるように、口座数演算部１４４は予測時点の強相関口座数を始点として、そこから変動パターンによって指定される傾きの直線を引くことで強相関口座数の予測値を導出する。

使用度変換部１１６は、口座数予測部１１４によって演算された強相関口座数の予測値を、指定受付部１１０において指定を受け付けたサーバのＣＰＵ使用率の予測値に変換する。ここで指定受付部１１０において指定を受け付けたサーバは特に、指定受付部１１０によって取得されたサーバ種別ＩＤによって特定される種類のサーバである。使用度変換部１１６は、第１変換部１４６と、第２変換部１４８と、を含む。

第１変換部１４６は、指定受付部１１０によって取得されたサーバ種別ＩＤに対応する強相関トランザクションを関連性テーブル１２８から抽出する。第１変換部１４６は、抽出された強相関トランザクションおよび属性抽出部１１２によって抽出された強相関口座属性の組に対応して保持される傾きの平均値、３σ値および過去最大値を、第１パラメータ保持部１３４から抽出する。なお、この強相関トランザクションおよび強相関口座属性の組は関連性テーブル１２８に対応付けて保持されている組である。

第１変換部１４６は、口座数予測部１１４によって演算された強相関口座数の予測値に抽出された傾きを乗算することで強相関トランザクションの数の予測値を導出する。ここで第１変換部１４６は、抽出された３種類の傾きのうちのいずれかを選択して乗算に使用する。安全目の予測結果が望まれる場合は傾きの過去最大値が採用されてもよい。特異日を考慮に入れずに予測する場合は傾きの３σ値が採用されてもよい。目安としての予測を立てる場合は傾きの平均値が採用されてもよい。

具体的には、強相関口座属性が「ＭＲＦ残有り口座」であり強相関トランザクションが「注文トランザクション」であるとき、第１変換部１４６は傾きの過去最大値として１万口座当たり「３００」を図８に示される第１パラメータ保持部１３４から抽出する。口座数予測部１１４によって演算された「ＭＲＦ残有り口座」の口座数の予測値を「４００万」とすると、第１変換部１４６は、注文件数の予測値として
（３００／１００００）×４００００００＝１２００００
を導出する。

第２変換部１４８は、指定受付部１１０によって取得されたサーバ種別ＩＤによって特定される種類および第１変換部１４６によって抽出された強相関トランザクションの組に対応して保持される傾きおよび切片を第２パラメータ保持部１３６から抽出する。このサーバ種別ＩＤおよび強相関トランザクションの組は関連性テーブル１２８に対応付けて保持されている組である。

第２変換部１４８は、第１変換部１４６における乗算によって得られた強相関トランザクションの数の予測値に抽出された傾きを乗算し、抽出された切片を加算することで、指定受付部１１０において指定を受け付けたサーバのＣＰＵ使用率の予測値を導出する。
具体的には、指定受付部１１０において指定を受け付けたサーバの種類が「注文処理アプリケーションサーバ」であり第１変換部１４６によって抽出された強相関トランザクションが「注文トランザクション」であるとき、第２変換部１４８は傾き「０．０００４」、切片「５．０」を図９に示される第２パラメータ保持部１３６から抽出する。第１変換部１４６における乗算によって得られた強相関トランザクションの数の予測値を「１２００００」とすると、第２変換部１４８は、注文処理アプリケーションサーバ２２４のＣＰＵ使用率の予測値として
１２００００×０．０００４＋５．０＝５３（％）
を導出する。

警告部１１８は、使用度変換部１１６における変換によって得られるＣＰＵ使用率の予測値が、サーバの種類ごとに設定されるしきい値を超える場合、証券業務システム２００の管理者に警告情報を送信する。この警告情報は電子メールの形で送信されてもよいし、表示装置１０４に送信されてそこで表示されてもよい。

警告部１１８におけるしきい値の考え方は以下の通りである。

例えばデータベースレイヤ２３０に含まれるサーバについては、オンラインレスポンスを安定的に提供可能なＣＰＵ使用率の限界値はおおむね８０％である。また、証券業務システム２００への新規ログインの制限を発動するしきい値は、おおむね６０％に設定されるのが通常である。したがって、予測対象のサーバがデータベースレイヤ２３０に含まれるサーバである場合は、警告部１１８におけるしきい値を、証券業務システム２００への新規ログインの制限を発動しないためのキャパシティを確保する値、例えば６０％に設定するのが望ましい。

ビジネスロジックレイヤ２２０に含まれるサーバについては、オンラインレスポンスを安定的に提供可能なＣＰＵ使用率の限界値はおおむね８０％である。また、ネットワーク面障害時においてもオンラインレスポンスを安定的に提供可能な限界値はおおむね４０％である。したがって、予測対象のサーバがビジネスロジックレイヤ２２０に含まれるサーバである場合は、警告部１１８におけるしきい値を、ネットワーク面障害時においてもオンラインレスポンスを安定的に提供できるキャパシティを確保する値、例えば４０％に設定するのが望ましい。なお、ピーク時間帯におけるネットワーク面障害発生を考慮しない場合、すなわちリスクを受容する場合、このしきい値を上げること（例えば６０％とすること）も考えられる。

履歴更新部１２０はネットワーク２０８と接続され、証券業務システム２００の各コンポーネントまたは所定の管理サーバ（不図示）から、定期的に証券業務システム２００のパラメータを取得する。履歴更新部１２０は取得されたパラメータに基づきマスタ履歴保持部１３０、口座数履歴保持部１３２を更新する。すなわち履歴更新部１２０は、マスタ履歴保持部１３０、口座数履歴保持部１３２に新たな履歴のエントリを追加する。

相関演算部１２２は、上記規則性２、規則性３に基づきマスタ履歴保持部１３０に保持されるデータを解析する。特に相関演算部１２２は、トランザクションの数と口座数とに線形的な相関を仮定した場合の傾きを、トランザクションの種類および口座属性の組ごとに演算する。また相関演算部１２２は、相関係数等のその相関の強さも演算する。相関演算部１２２は、サーバのＣＰＵ使用率とトランザクションの数とに線形的な相関を仮定した場合の傾きと切片を、サーバの種類およびトランザクションの種類の組ごとに演算する。また相関演算部１２２はその相関の強さも演算する。

パラメータ更新部１２４は、相関演算部１２２における演算結果を基に関連性テーブル１２８、第１パラメータ保持部１３４、第２パラメータ保持部１３６を更新する。
このように予測装置１００では、関連性テーブル１２８、第１パラメータ保持部１３４、第２パラメータ保持部１３６が自動的に更新されるので、管理者の手を煩わすことなく予測のためのパラメータを最新の状態に保つことができる。その結果、より現状に即した使用の度合いの予測を可能とする予測装置１００が提供される。

図１０（ａ）、（ｂ）は、予測装置１００によって表示装置１０４に表示される予測結果画面の代表画面図である。
図１０（ａ）は、第１予測結果画面５０２の代表画面図である。第１予測結果画面５０２は、横軸を日付、縦軸をＣＰＵ使用率（％）とするグラフ５０６を含む。グラフ５０６の予測線５１０は、予測対象のサーバを注文処理アプリケーションサーバ、変動パターンを第１変動パターン（経済環境の変化前）、としたときの注文処理アプリケーションサーバのＣＰＵ使用率の予測値を示す。しきい値線５１２は、注文処理アプリケーションサーバに対応するＣＰＵ使用率のしきい値である４０％を示す。第１変動パターンを採用する場合、予測線５１０としきい値線５１２との交点に対応する時点５１１前後が、注文処理アプリケーションサーバを改修／増強すべきポイントであることが分かる。

図１０（ｂ）は、第２予測結果画面５０４の代表画面図である。第２予測結果画面５０４は、横軸を日付、縦軸をＣＰＵ使用率（％）とするグラフ５０８を含む。グラフ５０８の予測線５１４は、予測対象のサーバを注文処理アプリケーションサーバ、変動パターンを第２変動パターン（経済環境の変化後）、としたときの注文処理アプリケーションサーバのＣＰＵ使用率の予測値を示す。しきい値線５１６は、注文処理アプリケーションサーバに対応するＣＰＵ使用率のしきい値である４０％を示す。第２変動パターンを採用する場合、予測線５１４としきい値線５１６との交点に対応する時点５１５前後が、注文処理アプリケーションサーバを改修／増強すべきポイントであることが分かる。

上述の実施の形態において、保持部の例は、ハードディスクやメモリである。また、本明細書の記載に基づき、各部を、図示しないＣＰＵや、インストールされたアプリケーションプログラムのモジュールや、システムプログラムのモジュールや、ハードディスクから読み出したデータの内容を一時的に記憶するメモリなどにより実現できることは本明細書に触れた当業者には理解されるところである。

以上の構成による予測装置１００の動作を説明する。
図１１は、予測装置１００における一連の処理を示すフローチャートである。指定受付部１１０は、予測対象のサーバの指定を受け付ける（Ｓ４０２）。属性抽出部１１２は、指定を受け付けたサーバに対応付けられた強相関口座属性を関連性テーブル１２８から抽出する（Ｓ４０４）。口座数予測部１１４は、強相関口座数の履歴を口座数履歴保持部１３２から抽出する（Ｓ４０６）。口座数予測部１１４は、抽出された履歴に基づいて将来の強相関口座数を予測する（Ｓ４０８）。使用度変換部１１６は、強相関口座数の予測値を指定を受け付けたサーバのＣＰＵ使用率の予測値に変換する（Ｓ４１０）。このＣＰＵ使用率の予測値がしきい値よりも小さい場合（Ｓ４１２のＮ）、その予測値を管理者に提示して処理を終了する。ＣＰＵ使用率の予測値がしきい値よりも大きい場合（Ｓ４１２のＹ）、警告部１１８は管理者に警告する（Ｓ４１４）。

本実施の形態に係る予測装置１００は、本発明者が見出した上記の新規な規則性に基づいてサーバの使用の度合いを予測する。したがって、証券業務システムに含まれるサーバの使用の度合いを、従来と比較してより正確に予測することが可能となる。

本実施の形態に係る予測装置１００では、口座数を予測し、その予測結果をＣＰＵ使用率に変換することでＣＰＵ使用率の予測値を得ている。証券業務システム２００の他のパラメータと比較した場合、口座数はより正確な予測が可能なパラメータのひとつである。したがって、ＣＰＵ使用率をより正確に予測することができる。

さらに本実施の形態に係る予測装置１００では、口座を口座属性で分類し、口座属性別の口座数を導入している。そして予測対象のサーバと相関が強い方の口座属性の口座数を使用して予測を行う。したがって、口座数の予測値をＣＰＵ使用率に変換してＣＰＵ使用率の予測値を得るという前提のもとで、相関のより強い口座属性を使用するので、より正確な予測が可能となる。

また、本実施の形態に係る予測装置１００によると、ＣＰＵ使用率の予測値がしきい値を超える場合、管理者はその旨の警告を受けることができる。

また、本実施の形態に係る予測装置１００では、第１変換部１４６において比例定数が選択可能とされている。したがって、予測の目的や所望の精度に応じて適応的に予測のアルゴリズムを変えることができる。

また、本実施の形態に係る予測装置１００は、口座数予測部１１４において使用すべき変動パターンを指定可能に構成されている。したがって、例えば口座数の変動パターン（変動シナリオ）のそれぞれについてＣＰＵ使用率の予測値を出し、それらを比較することができる。管理者は予測の目的や要求される安全性等に基づいて採用する変動パターンを決定できる。

以上、実施の形態に係る予測装置１００の構成と動作について説明した。この実施の形態は例示であり、その各構成要素や各処理の組み合わせにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

実施の形態では、関連性テーブル１２８は、サーバ種別ＩＤに対して相関が最も強い強相関口座属性をひとつ対応付ける場合について説明したが、これに限られない。例えば、関連性テーブルは、サーバ種別ＩＤに対して相関が強い方の複数の口座属性を対応付けてもよい。この場合、属性抽出部はそれらの口座属性のなかから相関が最も強いものを抽出してもよいし、相関が強い方から所定数の口座属性を抽出してもよい。さらに口座数予測部および使用度変換部は、属性抽出部によって複数の口座属性が抽出される場合、それらの間の単純平均や相関の強い方から重みを重くする重み付け平均を使用してＣＰＵ使用率の予測値を導出してもよい。この場合、予測においてより多くの口座属性を考慮することができる。

実施の形態では、マスタ履歴保持部１３０と口座数履歴保持部１３２とを別々のものとして説明したが、これに限られず、それらはひとつの履歴保持部とされてもよい。

実施の形態では、口座数の履歴から変動パターンを導出する場合について説明したが、これに限られず、例えばビジネス側の目標（５年後にユーザ数倍）から導出してもよい。

１００ 予測装置、 １１０ 指定受付部、 １１２ 属性抽出部、 １１４ 口座数予測部、 １１６ 使用度変換部、 １１８ 警告部、 １２０ 履歴更新部、 １２２ 相関演算部、 １２４ パラメータ更新部、 １２６ 関連性保持部、 １２８ 関連性テーブル、 １３０ マスタ履歴保持部、 １３２ 口座数履歴保持部、 １３４ 第１パラメータ保持部、 １３６ 第２パラメータ保持部、 １３８ 履歴抽出部、 １４０ 履歴解析部、 １４２ 変動パターン指定部、 １４４ 口座数演算部、 １４６ 第１変換部、 １４８ 第２変換部、 ２００ 証券業務システム。

Claims (6)

1. ユーザの口座を管理の単位とした証券業務システムに含まれるサーバの使用の度合いを予測するための予測装置であって、
   前記証券業務システムに管理された複数の口座を分類するための複数種類の口座属性が規定されており、複数種類の口座属性のうちの一部の口座属性とサーバを特定するＩＤとの関係が示された関連性テーブルを記憶する関連性保持部と、
   口座属性別の口座数の履歴を保持する口座数履歴保持部と、
   予測対象のサーバの指定を受け付ける指定受付部と、
   前記関連性テーブルを基に、前記指定受付部において指定を受け付けたサーバに関係する口座属性を抽出する属性抽出部と、
   前記属性抽出部によって抽出された口座属性に含まれた口座数の履歴を前記口座数履歴保持部から抽出し、抽出された口座数の履歴に基づいて口座数の予測値を演算する口座数予測部と、
   前記口座数予測部によって演算された口座数の予測値を前記指定受付部において指定を受け付けたサーバの使用の度合いの予測値に変換する使用度変換部と、を備え、
   前記関連性保持部は、複数種類の口座属性のうち、口座数とサーバの使用の度合いとの相関が強い方の口座属性を前記関連性テーブルに含めることを特徴とする予測装置。
2. 前記使用度変換部における変換によって得られる使用の度合いの予測値が所定のしきい値を超える場合、前記証券業務システムの管理者に警告情報を送信する警告部をさらに備えることを特徴とする請求項１に記載の予測装置。
3. 前記使用度変換部は、
   前記口座数予測部によって演算された口座数の予測値に所定の比例定数を乗算することでトランザクション数の予測値を導出する第１変換部と、
   前記第１変換部における乗算によって得られたトランザクション数の予測値を前記指定受付部において指定を受け付けたサーバの使用の度合いの予測値に変換する第２変換部と、を含み、
   前記第１変換部は、複数種類規定された比例定数のうちのいずれかを選択して乗算に使用することを特徴とする請求項１または２に記載の予測装置。
4. 前記口座数予測部は、
   前記属性抽出部によって抽出された口座属性に含まれた口座数の履歴を前記口座数履歴保持部から抽出する履歴抽出部と、
   前記履歴抽出部によって抽出された口座数の履歴を解析し、口座数の複数の変動パターンを導出する履歴解析部と、
   前記履歴解析部によって導出された複数の変動パターンのうちのひとつの指定を受け付ける変動パターン指定部と、
   変動パターン指定部において指定を受け付けた変動パターンに基づいて、前記属性抽出部によって抽出された口座属性に含まれた口座数の予測値を演算する口座数演算部と、を含むことを特徴とする請求項１から３のいずれかに記載の予測装置。
5. ユーザの口座を管理の単位とした証券業務システムに含まれるサーバの使用の度合いを予測するための予測方法であって、
   前記証券業務システムに管理された複数の口座を分類するための複数種類の口座属性が規定されており、複数種類の口座属性のうちの一部の口座属性とサーバを特定するＩＤとの関係が示された関連性テーブルを記憶するステップと、
   予測対象のサーバの指定を受け付けるステップと、
   前記関連性テーブルを基に、指定を受け付けたサーバに関係する口座属性を抽出するステップと、
   抽出された口座属性に含まれた口座数の履歴を、口座属性別の口座数の履歴を保持する口座数履歴保持部から抽出し、抽出された口座数の履歴に基づいて口座数の予測値を演算するステップと、
   演算された口座数の予測値を指定を受け付けたサーバの使用の度合いの予測値に変換するステップと、
   複数種類の口座属性のうち、口座数とサーバの使用の度合いとの相関が強い方の口座属性を前記関連性テーブルに含めるステップと、を含むことを特徴とする予測方法。
6. ユーザの口座を管理の単位とした証券業務システムに含まれるサーバの使用の度合いを予測する機能をコンピュータに実現させるコンピュータプログラムであって、
   前記証券業務システムに管理された複数の口座を分類するための複数種類の口座属性が規定されており、複数種類の口座属性のうちの一部の口座属性とサーバを特定するＩＤとの関係が示された関連性テーブルを記憶する機能と、
   予測対象のサーバの指定を受け付ける機能と、
   前記関連性テーブルを基に、指定を受け付けたサーバに関係する口座属性を抽出する機能と、
   抽出された口座属性に含まれた口座数の履歴を、口座属性別の口座数の履歴を保持する口座数履歴保持部から抽出し、抽出された口座数の履歴に基づいて口座数の予測値を演算する機能と、
   演算された口座数の予測値を指定を受け付けたサーバの使用の度合いの予測値に変換する機能と、
   複数種類の口座属性のうち、口座数とサーバの使用の度合いとの相関が強い方の口座属性を前記関連性テーブルに含める機能と、を前記コンピュータに実現させることを特徴とするコンピュータプログラム。

Images