JP2013114439A - 分析装置および分析方法 - Google Patents

Abstract

【課題】金融商品業務システムの複雑化に適応できる分析技術を提供する。
【解決手段】分析装置１００は、証券業務システムの複数の機能を実現する複数のアプリケーションの処理件数と、複数のアプリケーションによって使用されるメインＤＢサーバのＣＰＵ使用率と、を対応付けて履歴データとして取得する履歴取得部１１０と、履歴取得部１１０によって取得された履歴データに対して、複数のアプリケーションの処理件数のそれぞれを説明変数とし、メインＤＢサーバのＣＰＵ使用率を目的変数とした重回帰分析を施すことにより、偏回帰係数を導出する重回帰分析部１１４と、を備える。
【選択図】図２

Description

本発明は、分析技術に関し、特に金融商品業務システムを分析するための分析装置および分析方法に関する。

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。オンラインサービスでは取引の即時性が特に重要視されることから、過負荷によるシステムダウンをできる限り回避しなければならない。

そこで本出願人は特許文献１および特許文献２において、証券業務システムへの負荷を予測する技術を提案している。このように予測された負荷に基づき、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するための処理が行われることが望ましい。本出願人は特許文献３および特許文献４において、そのような処理の例を提案している。

特開２００７−２６５２４４号公報 特開２００７−２６５２４５号公報 特開２０１０−３９７６３号公報 特開２０１０−１５２８１８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、例えばサーバ構成やアプリケーション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アプリケーションが実装されるようになってきている。これは、証券業務システムだけでなく金融商品業務システム一般にも当てはまる。このような金融商品業務システムの複雑化により適応した分析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、金融商品業務システムの複雑化に適応できる分析技術の提供にある。

本発明のある態様は分析装置に関する。この分析装置は、金融商品業務システムの複数の機能を実現する複数のアプリケーションの使用の度合いと、複数のアプリケーションによって使用されるリソースの使用の度合いと、を対応付けて履歴データとして取得する履歴取得部と、履歴取得部によって取得された履歴データに対して、複数のアプリケーションの使用の度合いのそれぞれを説明変数とし、リソースの使用の度合いを目的変数とした重回帰分析を施すことにより、偏回帰係数を導出する重回帰分析部と、を備える。

この態様によると、導出された偏回帰係数に基づいて、対応するアプリケーションの使用の度合いがリソースの使用の度合いに与える影響を知ることができる。

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、金融商品業務システムの複雑化に適応できる分析技術を提供できる。

実施の形態に係る分析装置の分析対象である証券業務システムの構成を示す模式図である。 実施の形態に係る分析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２の履歴保持部の一例を示すデータ構造図である。 分析パラメータ指定画面の代表画面図である。 結果表示画面の代表画面図である。 図２の予測モデル生成部によって生成される、予測対象のアプリケーションについての予測モデルを模式的に示す説明図である。 図２の制限設定部によって設定される使用制限モードを説明するための説明図である。 ボリュームランキング画面の代表画面図である。 相関表示画面の代表画面図である。 図２の分析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、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。

実施の形態に係る分析装置の分析対象である証券業務システムは、証券会社の顧客などのユーザが、インターネットなどのネットワークを介して、証券の売買、外貨取引、証拠金取引、証券注文に役立つ様々な情報の取得等を行えるオンラインサービスを提供する。証券業務システムは複数のリソースすなわちサーバや通信機器を有し、それらのサーバや通信機器によって少なくとも、ユーザが自己の注文状況を照会できるようにする注文照会機能と、注文を処理する注文処理機能と、受発注を処理する受発注機能と、日計取引の明細を編集する日計取引明細編集機能と、約定計算を行う約定計算機能と、トップ画面等をユーザ端末のディスプレイに表示させる画面表示機能と、注文の確認処理を行う注文確認処理機能と、株式の時価を照会できるようにする時価照会機能と、を実現する。注文照会機能や受発注機能は、証券の取引をネットワークを介して仲介する機能である。注文照会機能、注文処理機能、受発注機能、画面表示機能、のそれぞれには、一般顧客用のものと支店用のものとが存在する。

証券業務システムには、上記複数の機能を実現する複数のアプリケーションが実装されている。分析装置は、実装されているアプリケーションの使用の度合いすなわちアプリケーションが単位時間（例えば１分）当たりに処理するリクエストの件数（以下、処理件数と称す）の履歴を取得する。
なお、ひとつの機能に対して同等のアプリケーションが複数並列に設けられている場合も考えられるが、本実施の形態ではそれらのアプリケーション群をひとつのアプリケーションとして扱う場合がある。

分析装置は、複数のアプリケーションによって使用されるサーバの、ＣＰＵ（central processing unit）使用率や消費電力やストレージ空き容量や通信パケット量などの使用の度合いの履歴を取得する。特に分析装置は、データベースサーバのＣＰＵ使用率の履歴を取得する。

分析装置は、データベースサーバのＣＰＵ使用率を目的変数、複数のアプリケーションの処理件数のそれぞれを説明変数とした重回帰分析を行い、各説明変数に対応する偏回帰係数を導出する。この偏回帰係数はアプリケーションの処理がデータベースサーバにどれほど負荷を与えるかを示す統計的な良い指標である。すなわち、アプリケーションごとに性能テストを行ってファクトを収集しなくてもそのような指標を得ることができる。現在、証券業務の多角化、高機能化に伴い証券業務システムには膨大な数のアプリケーションが実装されており、そのそれぞれについてそのような性能テストを行うことはコスト、時間の面で不可能に近い。そこで本実施の形態に係る分析装置を使用すると、そのような性能テストを行わなくても、データベースサーバに対するアプリケーションの影響の度合いを導くことができる。

（証券業務システム２００）
図１は、実施の形態に係る分析装置の分析対象である証券業務システム２００の構成を示す模式図である。
証券業務システム２００は、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、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有しており、そのそれぞれの機能を実現するアプリケーションを実装している。

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のデータベースサーバへの接続機能、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有しており、それらの機能を実現するアプリケーションを実装している。

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サーバ（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ＤＢサーバ２３２と、主に参照目的で設けられた情報系ＤＢサーバ２３４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リソースの使用の度合いを予測し、その予測に基づいて計画的にシステムの構成変更、例えば予備のサーバをオンラインにする等の処理を行うことが望ましい。特に、データベースレイヤ２３０のメインＤＢサーバ２３２は複数のアプリケーションによって参照されるので、このメインＤＢサーバ２３２が機能不全に陥ると証券業務システムの多くのサービスに影響が出かねない。そこで本実施の形態に係る分析装置１００はメインＤＢサーバ２３２のＣＰＵ使用率を予測し、管理者に提示する。これにより管理者は、メインＤＢサーバ２３２に負荷がかかりすぎないよう予め対策を取ることができる。

また、分析装置１００は、メインＤＢサーバ２３２のＣＰＵ使用率への寄与が比較的大きいアプリケーションを、個々のアプリケーションについて性能テストを行うことなしに洗い出すことを可能とする。これにより管理者は、寄与の大きなアプリケーションに対して調整や混雑時の制限などの対策を行うことにより、システムをより効率化することができる。

図２は、本実施の形態に係る分析装置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。

分析装置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。本実施の形態では、分析装置１００は証券業務システム２００の外部に設けられており、分析装置１００と証券業務システム２００とはネットワーク２０８を介して接続される。分析装置１００は証券業務システム２００から各サーバの稼働履歴やアプリケーションの使用頻度の情報をネットワーク２０８を介して取得する。分析装置１００はマウスやキーボードなどの入力装置１０２およびディスプレイ１０４と接続される。証券業務システム２００の管理者は、分析装置１００を使用して証券業務システム２００のパフォーマンスを分析したり、証券業務システム２００への負荷を予測したりする。

分析装置１００は、履歴取得部１１０と、履歴保持部１１２と、重回帰分析部１１４と、提示部１１６と、制限部１１８と、予測部１２０と、変数選択支援部１７０と、を備える。
履歴取得部１１０は、ネットワーク２０８を介して、証券業務システム２００の各アプリケーションの処理件数と、メインＤＢサーバ２３２のＣＰＵ使用率と、を対応付けて履歴データとして取得する。履歴取得部１１０は、処理件数取得部１２２と、ＣＰＵ使用率取得部１２４と、を含む。

処理件数取得部１２２は、ネットワーク２０８を介して証券業務システム２００のプレゼンテーションレイヤ２１０やビジネスロジックレイヤ２２０から、各アプリケーションの処理件数を取得する。処理件数取得部１２２は、プレゼンテーションレイヤ２１０やビジネスロジックレイヤ２２０おいて既に演算されたアプリケーションの処理件数を、所定の時間間隔例えば１分間隔で取得する。処理件数取得部１２２は、各アプリケーションの処理件数と、その処理件数が取得された取得時刻と、を対応付けて履歴保持部１１２に登録する。証券業務システム２００では、各アプリケーションの処理件数を随時更新しているので、処理件数が取得された取得時刻は、その処理件数が発生した時刻であると言える。

なお、処理件数取得部１２２は、プレゼンテーションレイヤ２１０やビジネスロジックレイヤ２２０から、各アプリケーションのリクエストの処理開始時刻および処理終了時刻に関するログデータを取得し、取得されたログデータから各アプリケーションが単位時間当たりに処理するリクエストの件数を演算してもよい。

ＣＰＵ使用率取得部１２４は、ネットワーク２０８を介してメインＤＢサーバ２３２から、メインＤＢサーバ２３２のＣＰＵ使用率を、処理件数取得部１２２における時間間隔と同等の時間間隔で取得する。サーバには通常現在のＣＰＵ使用率を外部に報告する機能が備わっているので、ＣＰＵ使用率取得部１２４はその機能を使用してメインＤＢサーバ２３２のＣＰＵ使用率を取得してもよい。ＣＰＵ使用率取得部１２４は、メインＤＢサーバ２３２のＣＰＵ使用率と、そのＣＰＵ使用率が取得された取得時刻と、を対応付けて履歴保持部１１２に登録する。

図３は、履歴保持部１１２の一例を示すデータ構造図である。履歴保持部１１２は履歴取得部１１０によって取得された履歴データを保持する。特に履歴保持部１１２は、各アプリケーションの処理件数と、メインＤＢサーバ２３２のＣＰＵ使用率と、取得時刻と、を対応付けて保持する。図３において、アプリケーションは対応する機能の名称で示される。図３では履歴を取得する時間間隔は単位時間すなわち１分とされる。図３では、ＣＰＵ使用率は百分率で示される。

図２に戻り、重回帰分析部１１４は、履歴保持部１１２によって保持される履歴データに対して、管理者によって指定された複数のアプリケーションの処理件数のそれぞれを説明変数とし、メインＤＢサーバ２３２のＣＰＵ使用率を目的変数とした重回帰分析を施すことにより、偏回帰係数を導出する。重回帰分析部１１４は、変数指定受付部１２６と、期間指定受付部１２８と、分析対象データ抽出部１３０と、偏回帰係数導出部１３２と、重相関導出部１３４と、を含む。

変数指定受付部１２６は、入力装置１０２を介して管理者から、重回帰分析で使用する説明変数および目的変数の指定を受け付ける。期間指定受付部１２８は、入力装置１０２を介して管理者から、重回帰分析の対象となる履歴データの範囲の指定を受け付ける。この範囲は期間で指定される。

図４は、分析パラメータ指定画面３００の代表画面図である。重回帰分析部１１４は、重回帰分析のためのパラメータの指定を受け付ける分析パラメータ指定画面３００をディスプレイ１０４に表示させる。分析パラメータ指定画面３００は、ＯＫボタン３０２と、管理者がプルダウン形式により変数を選択できるよう構成された目的変数選択領域３０４と、管理者がプルダウン形式により複数の変数を選択できるよう構成された説明変数選択領域３０６と、分析の対象とする履歴データの取得時刻が入るべき分析対象期間が入力される分析対象期間指定領域３０８と、を有する。目的変数選択領域３０４で変数が選択され、説明変数選択領域３０６で複数の変数が選択され、分析対象期間指定領域３０８に分析対象期間が入力され、ＯＫボタン３０２が押し下げられると、変数指定受付部１２６は目的変数選択領域３０４で選択された変数を指定された目的変数として、説明変数選択領域３０６で選択された複数の変数を指定された複数の説明変数として、受け付ける。期間指定受付部１２８は、分析対象期間指定領域３０８に入力された分析対象期間を指定された期間として受け付ける。

図２に戻り、分析対象データ抽出部１３０は、指定された期間における、指定された目的変数および指定された複数の説明変数の履歴データを分析対象データとして履歴保持部１１２から抽出する。
偏回帰係数導出部１３２は、最小二乗法により偏回帰係数を決定する。偏回帰係数導出部１３２は、分析対象データに含まれる複数の説明変数の値を重回帰式に代入して得られる目的変数の予測値と分析対象データに含まれる目的変数の実測値との差の二乗和が最小となるように、各説明変数に対応する偏回帰係数を決定する。具体的には、偏回帰係数導出部１３２は、説明変数の偏差平方和・積和行列の逆行列を演算する。偏回帰係数導出部１３２は、演算された逆行列と、説明変数と目的変数との偏差積和行列と、の積を演算することにより偏回帰係数を演算する。なお、偏回帰係数導出部１３２は偏回帰係数として標準偏回帰係数を演算してもよい。このように導出される偏回帰係数は、対応するアプリケーションによる１つのリクエストの処理が、どの程度メインＤＢサーバ２３２に負荷を与えるかを示す。
重相関導出部１３４は、全変動のうちの回帰による変動の割合から重相関係数を導出する。

提示部１１６は、重回帰分析部１１４における分析結果を管理者に提示する。特に提示部１１６は、各説明変数すなわち各アプリケーションに対応する偏回帰係数の大きさおよび重相関係数を示す結果表示画面３１０をディスプレイ１０４に表示させる。
図５は、結果表示画面３１０の代表画面図である。結果表示画面３１０は、アプリケーションごとに偏回帰係数の大きさを棒グラフで示している。また結果表示画面３１０は重相関係数を数値で示す。管理者は、結果表示画面３１０を参照することにより、各アプリケーションの、メインＤＢサーバ２３２のＣＰＵ使用率への寄与の度合いを知ることができる。

図２に戻り、予測部１２０は、予測モデル生成部１３６と、処理件数予測部１３８と、ＣＰＵ使用率予測部１４０と、を含む。予測モデル生成部１３６は、履歴保持部１１２によって保持されるアプリケーションの処理件数の履歴に基づいて、予測モデルを生成する。特に予測モデル生成部１３６は、履歴保持部１１２を参照し、過去数ヶ月間で、予測対象のアプリケーションが処理したリクエストの件数の一日分の総和が比較的多い日を特定する。予測モデル生成部１３６は、特定された日の９：００から１５：００までの処理件数を履歴保持部１１２から抽出する。予測モデル生成部１３６は、抽出された処理件数から、特定された日の９：００から１５：００までの時間帯に予測対象のアプリケーションが処理したリクエストの件数の総和を演算する。予測モデル生成部１３６は、演算された総和に占める各取得時刻の処理件数の割合を演算する。予測モデル生成部１３６は、取得時刻と、演算された割合と、を対応付けることで予測モデルを生成する。

図６は、予測モデル生成部１３６によって生成される、予測対象のアプリケーションについての予測モデルを模式的に示す説明図である。この予測モデルでは、一日のうちの９：００から１５：００までの時間帯を１分単位で分割し、分割された区間に処理件数の比率を対応付けている。この予測モデルでは、９：１３頃に処理件数が最大となることが予測される。

図２に戻り、処理件数予測部１３８は、予測モデル生成部１３６によって生成された予測モデルを使用して、予測対象のアプリケーションの将来の処理件数を予測する。特に処理件数予測部１３８は、予測対象のアプリケーションについて、予測対象の日の９：００から１５：００までの総処理件数の予測値を、ユーザから入力装置１０２を介して取得する。処理件数予測部１３８は、予測モデルにおいて時刻に対応付けられている比率と総処理件数の予測値との積を、その時刻における処理件数の予測値として演算する。例えば、予測対象の日の総処理件数の予測値を１００００、予測対象の日の９：２０に対応付けられた比率を０．００１とすると、予測対象の日の９：２０の処理件数の予測値は１００００×０．００１＝１０となる。

なお、上記では処理件数取得部１２２における処理件数取得の時間間隔と、処理件数を導出するときの単位時間と、がいずれも１分であり等しい場合について説明したが、これに限られず、それらが異なっていてもよい。その場合、予測モデルの構成や処理件数の予測の式は、処理件数取得部１２２における時間間隔と単位時間との比を考慮したものとなる。

ＣＰＵ使用率予測部１４０は、重回帰分析部１１４において説明変数として採用された複数のアプリケーションの処理件数の予測値を、外部または処理件数予測部１３８から取得する。ＣＰＵ使用率予測部１４０は、取得された予測値を重回帰分析部１１４によって導出された偏回帰係数に基づく重回帰式に代入することによって、メインＤＢサーバ２３２のＣＰＵ使用率を予測する。重回帰式は、例えば以下の通りである。
メインＤＢサーバ２３２のＣＰＵ使用率（％）
＝ ３（％）＋補正値（メインＤＢサーバ２３２のベースのＣＰＵ使用率） ＋
（支店注文処理アプリの処理件数 × ０．１２） ＋
（支店注文照会アプリの処理件数 × ０．１６） ＋
（一般顧客注文処理アプリの処理件数 × ０．０２） ＋
（一般顧客注文照会アプリの処理件数 × ０．０５） ＋
（一般顧客画面表示アプリの処理件数 × ０．２３） ＋
（約定計算アプリの処理件数 × ０．０１）
上記の重回帰式の「０．１２」、「０．１６」等の係数が、重回帰分析部１１４によって導出された偏回帰係数である。
ＣＰＵ使用率予測部１４０は、予測されたＣＰＵ使用率の値をディスプレイ１０４に表示させる。

制限部１１８は、アプリケーション特定部１４２と、監視部１４４と、判定部１４６と、制限設定部１４８と、を含む。アプリケーション特定部１４２は、重回帰分析部１１４によって導出された偏回帰係数を取得する。アプリケーション特定部１４２は、取得された偏回帰係数と所定の係数しきい値とを比較する。アプリケーション特定部１４２は、取得された偏回帰係数が係数しきい値より大きい場合、その偏回帰係数に対応するアプリケーションを特定する。

監視部１４４は、アプリケーション特定部１４２によって特定されたアプリケーション（以下、特定アプリケーションと称す）の処理件数を、ネットワーク２０８を介して証券業務システム２００から取得する。監視部１４４は、取得された処理件数と所定の件数しきい値とを比較することにより、処理件数を監視する。

判定部１４６は、監視部１４４における監視結果に基づいて、特定アプリケーションの使用を制限すべきか否かを判定する。判定部１４６は、監視部１４４から処理件数が件数しきい値より大きくなったという監視結果を取得すると、特定アプリケーションの使用を制限すべきであると判定する。

制限設定部１４８は、判定部１４６において制限すべきであると判定された場合、特定アプリケーションの使用が制限されるよう、ネットワーク２０８を介して証券業務システム２００の動作を変更する。例えば制限設定部１４８は、証券業務システム２００が提供するサービスへの新規のログインを制限してもよいし、特定アプリケーションが複数並列に設けられている場合は、その起動数を制限してもよいし、特定アプリケーションのキュー深度を再設計してもよい。

図７は、制限設定部１４８によって設定される使用制限モードを説明するための説明図である。図７には、アプリケーション特定部１４２によって一般顧客注文処理機能を実現するアプリケーション２６０が特定され、判定部１４６においてそのアプリケーションの使用を制限すべきであると判定された場合が示される。一般顧客注文処理機能を実現するアプリケーション２６０は複数並列に起動されている。制限設定部１４８は、使用制限モードにおいて、ネットワーク２０８を介してこの起動数を所定の数以下に制限するよう注文処理アプリケーションサーバ２２４を設定する。また、一般顧客注文処理機能を実現するアプリケーション２６０へのキュー深度２６２を、キューに入ったリクエストが所定の最大待機時間以下の待機時間で処理されるよう設定する。すなわち、リクエスト集中時には、応答時間を長くするよりも比較的高い確率で直ちにエラーを返すという思想である。
このような使用制限モードを設定することにより、メインＤＢサーバ２３２への負荷を抑えることができる。

図２に戻る。上記では変数指定受付部１２６が入力装置１０２を介して管理者から、重回帰分析で使用する説明変数および目的変数の指定を受け付ける場合について説明している。基本的に管理者は変数を任意に選択することができ、その場合は、提示部１１６によって提示される偏回帰係数や重相関を見ながら「良い」説明変数を試行錯誤により見出す手法が使用されてもよい。

しかしながら、一般的に証券業務システム２００には膨大な数のアプリケーションが実装されているので、管理者の経験と勘により試行錯誤を繰り返したとしても、適切な説明変数を見出すことができない可能性がある。そこで、分析装置１００は、管理者による変数の選択を支援する変数選択支援部１７０を備えている。

変数選択支援部１７０は、アプリケーションを証券業務システム２００への負荷の大きさでランク付けしたボリュームランキングを生成するランキング生成部１７２と、ランキング生成部１７２によって生成されたボリュームランキングで上位に位置するアプリケーションについて処理件数とメインＤＢサーバ２３２のＣＰＵ使用率との相関を演算して提示する相関提示部１７４と、を含む。

ランキング生成部１７２は、アプリケーションごとに、所定の演算対象期間内における総処理件数と平均レスポンスタイムとの積をボリュームとして演算する。ランキング生成部１７２は、演算されたボリュームの昇順または降順でアプリケーションをランク付けすることでボリュームランキングを生成する。レスポンスタイムは、アプリケーションがリクエストを受け付けてから応答を返すまでにかかる時間である。ランキング生成部１７２は、生成されたボリュームランキングを示すボリュームランキング画面３２０をディスプレイ１０４に表示させる。

なお、ランキング生成部１７２は積の演算の際に履歴保持部１１２を参照してもよい。また、ランキング生成部１７２は、プレゼンテーションレイヤ２１０やビジネスロジックレイヤ２２０から、各アプリケーションのリクエストの処理開始時刻および処理終了時刻に関するログデータを取得し、取得されたログデータから総処理件数や平均レスポンスタイムを演算してもよい。

図８は、ボリュームランキング画面３２０の代表画面図である。ボリュームランキング画面３２０は、アプリケーション名と、演算されたボリュームの値と、順位と、を対応付けて表示する。管理者は、表示されたボリュームランキング画面３２０を参照し、ボリュームが比較的上位となっているアプリケーションを選択する。管理者は、選択したアプリケーションを入力装置１０２を介して相関提示部１７４に通知する。

図２に戻り、相関提示部１７４は、通知されたアプリケーションの処理件数とメインＤＢサーバ２３２のＣＰＵ使用率との相関を履歴保持部１１２を参照して演算する。相関提示部１７４は演算結果を示す相関表示画面３２２をディスプレイ１０４に表示させる。

図９は、相関表示画面３２２の代表画面図である。相関表示画面３２２は横軸をメインＤＢサーバ２３２のＣＰＵ使用率、縦軸を支店注文照会の処理件数としたグラフを示す。相関表示画面３２２は相関係数の値を示す。管理者は、相関表示画面３２２に示される相関が比較的高いアプリケーションを説明変数に使用するアプリケーションとして決定してもよい。その結果、ボリュームランキングの上位に位置するアプリケーションのなかで、メインＤＢサーバ２３２のＣＰＵ使用率と処理件数との相関が高いアプリケーションが説明変数として選択されることとなる。これにより、管理者はより容易かつ正確に有効な説明変数を選択できる。
なお、変数選択支援部１７０において、管理者による選択の代わりに、所定のしきい値による自動的な選択を使用してもよい。

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。

以上の構成による分析装置１００の動作を説明する。
図１０は、分析装置１００における一連の処理を示すフローチャートである。履歴取得部１１０はネットワーク２０８を介して履歴データを取得し（Ｓ４０２）、履歴保持部１１２に登録する。重回帰分析部１１４は、管理者から、重回帰分析で使用すべき目的変数、説明変数およびデータ範囲の指定を受け付ける（Ｓ４０４）。重回帰分析部１１４は、履歴保持部１１２から分析対象データを抽出する（Ｓ４０６）。重回帰分析部１１４は、分析対象データに重回帰分析を施すことにより、偏回帰係数を導出する（Ｓ４０８）。提示部１１６は、導出された偏回帰係数を管理者に提示する（Ｓ４１０）。

本実施の形態に係る分析装置１００によると、導出された偏回帰係数をアプリケーション間で比較することにより、どのアプリケーションがメインＤＢサーバ２３２により大きな影響を与えうるかを見ることができる。この場合の影響とは、処理１件ごとの影響である。例えば、偏回帰係数が大きいアプリケーションは、過剰にメインＤＢサーバ２３２の処理時間を消費している可能性があると判断できる。したがって、そのようなアプリケーションを個別に調整することで、メインＤＢサーバ２３２のＣＰＵ使用率をより効率的に抑えることが可能となる。また、リクエスト集中時にそのようなアプリケーションの起動数を制限したりキュー深度を再設定することで、より確実にメインＤＢサーバ２３２の過負荷を避けることができる。

上述の通り、現在、証券業務システムはサーバ構成の面でもアプリケーション構成の面でも複雑化が進んでいる。本発明者は当業者としての経験から、このように複雑化した証券業務システムにおいてリソースの使用の度合いを予測するためには、アプリケーションの使用の度合いを変数とした多変量解析が適していることに想到した。そこで、本実施の形態に係る分析装置１００は、導出された偏回帰係数に基づく重回帰式を使用してメインＤＢサーバ２３２のＣＰＵ使用率を予測する。これにより、複雑化した証券業務システムにおいても、より正確にメインＤＢサーバ２３２の使用の度合いを予測できる。

また、本実施の形態では、処理件数予測部１３８は予測モデル生成部１３６によって生成された予測モデルに基づき処理件数を予測する。これにより、処理件数の予測値が外部から入手できない場合でも、過去の実績からその予測値を内的に生成することができる。

以上、実施の形態に係る分析装置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、分析装置１００は証券業務システム２００を分析する場合について説明したが、これに限られず、例えば分析装置は銀行の業務システムなどの他の金融商品業務システムを分析してもよい。なお、証券業務システム２００はその性質上、他の金融商品業務システムと比べて使用の度合いの振れ幅が大きい。したがって、分析装置１００を使用して証券業務システム２００のアプリケーションのチューニングを行ったり、使用の度合いを正確に予測したりすることのメリットは比較的大きい。

１００ 分析装置、 １１０ 履歴取得部、 １１４ 重回帰分析部、 １２０ 予測部、 １３６ 予測モデル生成部、 １４２ アプリケーション特定部、 １４４ 監視部、 １４６ 判定部、 ２００ 証券業務システム。

Claims (8)

1. 金融商品業務システムの複数の機能を実現する複数のアプリケーションの使用の度合いと、複数のアプリケーションによって使用されるリソースの使用の度合いと、を対応付けて履歴データとして取得する履歴取得部と、
   前記履歴取得部によって取得された履歴データに対して、複数のアプリケーションの使用の度合いのそれぞれを説明変数とし、リソースの使用の度合いを目的変数とした重回帰分析を施すことにより、偏回帰係数を導出する重回帰分析部と、を備えることを特徴とする分析装置。
2. 複数のアプリケーションの使用の度合いの予測値を、前記重回帰分析部によって導出された偏回帰係数に基づく重回帰式に代入することによって、リソースの使用の度合いを予測するリソース予測部をさらに備えることを特徴とする請求項１に記載の分析装置。
3. 前記履歴取得部によって取得されたアプリケーションの使用の度合いのデータに基づいて予測モデルを生成する予測モデル生成部と、
   前記予測モデル生成部によって生成された予測モデルを使用して、アプリケーションの使用の度合いを予測するアプリケーション予測部と、をさらに備え、
   前記リソース予測部は、前記アプリケーション予測部によって予測された使用の度合いを前記重回帰式に代入することによって、リソースの使用の度合いを予測することを特徴とする請求項２に記載の分析装置。
4. 金融商品業務システムは証券業務システムであることを特徴とする請求項１から３のいずれかに記載の分析装置。
5. 前記重回帰分析部によって導出された偏回帰係数がしきい値より大きいアプリケーションを特定するアプリケーション特定部と、
   前記アプリケーション特定部によって特定されたアプリケーションの使用の度合いを監視する監視部と、
   前記監視部における監視結果に基づいて、前記アプリケーション特定部によって特定されたアプリケーションの使用を制限すべきか否かを判定する判定部と、をさらに備えることを特徴とする請求項１から４のいずれかに記載の分析装置。
6. アプリケーションを金融商品業務システムへの負荷の大きさでランク付けしたランキングを生成するランキング生成部と、
   前記ランキング生成部によって生成されたランキングに基づいて抽出されたアプリケーションの使用の度合いとリソースの使用の度合いとの相関を演算してユーザに提示する相関提示部と、をさらに備えることを特徴とする請求項１から５のいずれかに記載の分析装置。
7. 金融商品業務システムの複数の機能を実現する複数のアプリケーションの使用の度合いと、複数のアプリケーションによって使用されるリソースの使用の度合いと、を対応付けて履歴データとして取得するステップと、
   取得された履歴データに対して、複数のアプリケーションの使用の度合いのそれぞれを説明変数とし、リソースの使用の度合いを目的変数とした重回帰分析を施すことにより、偏回帰係数を導出するステップと、を含むことを特徴とする分析方法。
8. 金融商品業務システムの複数の機能を実現する複数のアプリケーションの使用の度合いと、複数のアプリケーションによって使用されるリソースの使用の度合いと、を対応付けて履歴データとして取得する機能と、
   取得された履歴データに対して、複数のアプリケーションの使用の度合いのそれぞれを説明変数とし、リソースの使用の度合いを目的変数とした重回帰分析を施すことにより、偏回帰係数を導出する機能と、を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