JP2013117808A - Analysis device and analysis method - Google Patents
Analysis device and analysis method Download PDFInfo
- Publication number
- JP2013117808A JP2013117808A JP2011264295A JP2011264295A JP2013117808A JP 2013117808 A JP2013117808 A JP 2013117808A JP 2011264295 A JP2011264295 A JP 2011264295A JP 2011264295 A JP2011264295 A JP 2011264295A JP 2013117808 A JP2013117808 A JP 2013117808A
- Authority
- JP
- Japan
- Prior art keywords
- server
- servers
- predicted
- correlation
- unit
- 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.)
- Granted
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Abstract
Description
本発明は、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。 The present invention relates to an analysis apparatus and an analysis method for analyzing a financial product business system.
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。 Online services that allow users to buy and sell stocks and trade foreign currencies via the Internet are widespread. Due to its simplicity and low fees, the number of online service users is increasing year by year. As the number of users increases, the load on securities business systems that provide online services is also increasing. In online services, immediacy of transactions is particularly important, and system down due to overload must be avoided as much as possible.
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。
Therefore, the present applicant has proposed a technique for predicting the load on the securities business system in Patent Document 1 and
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実現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サーバ構成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。 With the diversification and higher functionality of online services, the server configuration of the securities business system that supports them has become more complex. In other words, in the securities business system, a wide variety of servers are organically coupled, and a variety of services are also realized on that. This applies not only to securities business systems but also to general financial product business systems. There is a demand for the emergence of an analysis technique adapted to the complicated server configuration of such a financial product business system.
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サーバ構成の複雑化に適応できる分析技術の提供にある。 The present invention has been made in view of these problems, and an object thereof is to provide an analysis technique that can be adapted to the complexity of the server configuration of the financial product business system.
本発明のある態様は分析装置に関する。この分析装置は、処理能力の異なる複数のサーバを有する金融商品業務システムを分析するための分析装置であって、複数のサーバによって処理されるリクエストの件数の予測値である総予測件数と、複数のサーバを処理能力で複数のクラスに分類したときの各クラスに属するサーバの数と、を取得するパラメータ取得部と、パラメータ取得部によって取得された総予測件数および複数のサーバの総数に基づいて、各サーバによって処理されるリクエストの件数の予測値であるサーバ単位予測件数を演算するサーバ単位予測件数演算部と、処理能力のクラスごとに、サーバによって処理されたリクエストの件数とサーバの処理余力の度合いとの相関関係を保持する相関保持部と、処理能力のクラスごとに、相関保持部によって保持される相関関係をサーバ単位予測件数演算部によって演算されたサーバ単位予測件数に適用することによって、サーバの処理余力の度合いの予測値を演算する負荷予測部と、を備える。 One embodiment of the present invention relates to an analyzer. This analysis apparatus is an analysis apparatus for analyzing a financial product business system having a plurality of servers having different processing capabilities, and includes a total predicted number that is a predicted value of the number of requests processed by the plurality of servers, and a plurality of Number of servers belonging to each class when the server is classified into multiple classes by processing capacity, based on the parameter acquisition unit for acquiring the total predicted number acquired by the parameter acquisition unit and the total number of multiple servers , The server unit predicted number calculation unit that calculates the server unit predicted number that is the predicted value of the number of requests processed by each server, and the number of requests processed by the server and the processing capacity of the server for each class of processing capacity Correlation holding unit that holds the correlation with the degree of the correlation and correlation held by the correlation holding unit for each class of processing capacity By applying the engagement server unit predicted number computed by the server unit prediction count calculation unit, and a load prediction unit for calculating a predicted value of the degree of server processing capacity.
この態様によると、総予測件数と各クラスに属するサーバの数とを分析装置に入力することにより、クラスごとにサーバの処理余力の度合いの予測値を得ることができる。 According to this aspect, the predicted value of the degree of processing capacity of the server can be obtained for each class by inputting the total predicted number and the number of servers belonging to each class to the analyzer.
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。 It should be noted that any combination of the above-described constituent elements, or those obtained by replacing the constituent elements and expressions of the present invention with each other between apparatuses, methods, systems, computer programs, recording media storing computer programs, and the like are also included in the present invention. It is effective as an embodiment of
本発明によれば、金融商品業務システムのサーバ構成の複雑化に適応できる分析技術を提供できる。 ADVANTAGE OF THE INVENTION According to this invention, the analysis technique which can adapt to the complexity of the server structure of a financial product business system can be provided.
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。 Hereinafter, the same or equivalent components, members, and processes shown in the drawings are denoted by the same reference numerals, and repeated description is appropriately omitted.
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、処理能力の異なる複数のサーバを有する。サーバの処理能力は、サーバがリクエストを処理するスピードに応じた値によって示されてもよく、例えば通常稼動時にリクエスト1件を処理するのに必要な時間によって示されてもよい。あるいはまた、サーバの処理能力は、サーバのハードウエア構成やサーバの公称の性能値から導かれてもよい。 The securities business system which is the analysis target of the analysis apparatus according to the embodiment has a plurality of servers having different processing capabilities. The processing capacity of the server may be indicated by a value corresponding to the speed at which the server processes a request, for example, by the time required to process one request during normal operation. Alternatively, the server processing capacity may be derived from the server hardware configuration and the nominal performance value of the server.
証券業務システムにおいてサーバの処理能力が異なる理由としては、例えばスケールアウト構成の場合は、サーバの購入時期の違いが挙げられる。前回の購入から今回の購入までの間に新型のサーバの提供が開始された場合などは、新旧サーバが混在することとなる。あるいはまた、証券業務システム200の管理者がコストやパフォーマンスを考慮してサーバ購入先のベンダを変更した場合も、少なくとも移行期においては異なるベンダによる異なる処理能力のサーバが混在することとなる。
The reason why the processing capabilities of the servers differ in the securities business system is, for example, the difference in server purchase time in the case of a scale-out configuration. When provision of a new server is started between the previous purchase and the current purchase, new and old servers are mixed. Alternatively, even when the administrator of the
本実施の形態では、証券業務システムに含まれる複数のサーバを処理能力で複数のクラスに分類する。同一ベンダの同一機種のサーバをひとつのクラスに分類してもよい。同一ベンダの新旧機種のサーバをそれぞれ別のクラスに分類してもよい。異なるベンダのサーバをそれぞれ別のクラスに分類してもよい。 In this embodiment, a plurality of servers included in the securities business system are classified into a plurality of classes based on processing power. Servers of the same model from the same vendor may be classified into one class. Servers of new and old models from the same vendor may be classified into different classes. Servers from different vendors may be classified into different classes.
大規模災害には、サーバや電源等周辺設備の物理的な破損などにより、各クラスに属するサーバの稼動台数は変動しうる。また、サーバに使用されているハードディスクドライブなどのコンポーネントには寿命があるので、平時においても突発的に稼働台数が変動することがある。また、そのような寿命や、ベンダからの保守期限切れを見越してサーバを入れ替える場合やシステムキャパシティ増強のためにサーバを追加する場合にも、稼働台数は変動しうる。すなわち、各クラスに属するサーバの稼働台数は固定的なものではなく、時間の経過と共に変動する傾向にある。
なお、サーバの稼働台数は、リクエストを処理可能な稼動状態にあるサーバの数である。
In a large-scale disaster, the number of operating servers belonging to each class may fluctuate due to physical damage to peripheral equipment such as servers and power supplies. In addition, since the components such as hard disk drives used in the server have a lifetime, the number of operating units may change suddenly even during normal times. In addition, the number of operating units can also vary when servers are replaced in anticipation of such a lifespan, maintenance expiration from a vendor, or when servers are added to increase system capacity. In other words, the number of operating servers belonging to each class is not fixed and tends to vary with time.
Note that the number of operating servers is the number of servers in an operating state in which requests can be processed.
図1は、サーバ構成の移り変わりの一例を示す説明図である。大規模災害によって全体的に稼動台数が減少した後、大規模災害前とは異なる構成で復旧し、その後構成変更されたことが示されている。 FIG. 1 is an explanatory diagram illustrating an example of a change in server configuration. It is shown that after the number of operating units decreased as a whole due to a large-scale disaster, it was recovered with a configuration different from that before the large-scale disaster, and the configuration was changed thereafter.
証券業務システムを安定的に稼動させるためには、各クラスに属するサーバの稼働台数の起こりうる変動を把握すると共に、そのような変動により証券業務システムのキャパシティがどのように変化するかを迅速に把握できると便利である。そして、稼働台数の変動により証券業務システムのキャパシティが足りなくなると予測される場合は、サーバを増強したり、サービスを閉塞させたりといった対策を取ることを検討してもよい。 In order to operate the securities business system stably, grasp the possible fluctuations in the number of operating servers belonging to each class, and quickly determine how the capacity of the securities business system will change due to such fluctuations. It is convenient to be able to grasp. Then, if it is predicted that the capacity of the securities business system will be insufficient due to fluctuations in the number of operating units, it may be considered to take measures such as increasing the number of servers or blocking services.
本実施の形態に係る分析装置は、各クラスに属するサーバの稼働台数と、証券業務システムに含まれる複数のサーバによって単位時間当たり、例えば1日の間に処理されるリクエストの件数の予測値である総予測件数と、の入力を受ける。分析装置は、クラスごとに、1つのサーバによって1日の間に処理されるリクエストの件数(以下、処理件数と称す)とサーバの処理余力の度合いすなわちサーバのCPU使用率との相関関係を保持しておく。分析装置は、入力された総予測件数から処理件数の予測値を演算し、演算された処理件数を相関関係に当てはめることによってサーバのCPU使用率を演算する。分析装置は、演算されたクラス別のCPU使用率および平均のCPU使用率を管理者に提示する。これにより、管理者は、入力した稼働台数・総予測件数のもとでの証券業務システム全体のキャパシティを、迅速かつ的確に把握することができる。 The analysis apparatus according to the present embodiment includes the number of servers that belong to each class and the predicted value of the number of requests processed per unit time by a plurality of servers included in the securities business system, for example, for one day. Receives a certain number of forecasts. For each class, the analyzer maintains a correlation between the number of requests processed by one server during one day (hereinafter referred to as the number of processing cases) and the degree of server processing capacity, that is, the CPU usage rate of the server. Keep it. The analysis device calculates the predicted value of the number of processing cases from the input total number of prediction cases, and calculates the CPU usage rate of the server by applying the calculated processing number to the correlation. The analysis device presents the calculated CPU usage rate by class and the average CPU usage rate to the administrator. As a result, the administrator can quickly and accurately grasp the capacity of the entire securities business system based on the number of operating units and the total number of forecasts entered.
(証券業務システム200)
図2は、本実施の形態に係る分析装置の分析対象とな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、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。
(Securities business system 200)
FIG. 2 is a schematic diagram showing a configuration of a
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。
The
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2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。
The
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。
In the
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。
In the
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。
In each
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。
General customer, call center, and branch office staff use the software such as a web browser from the
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。
When the
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分析装置は、証券業務システム200のサーバ構成、特にビジネスロジックレイヤ220のサーバ構成に応じてキャパシティがどのように変わるかの予測を可能とする。
In the securities business system as described above, if the load on the server in the system is excessive due to an increase in the number of accesses, there is a possibility that normal services cannot be provided. Since such a situation inconveniences the customer, it is desirable to predict the degree of use of the server in the securities business system, and systematically modify or enhance the system based on the prediction. Therefore, the analysis apparatus according to the present embodiment makes it possible to predict how the capacity will change according to the server configuration of the
図3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。
FIG. 3 is a block diagram showing functions and configurations of the
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。
The
分析装置100は、パラメータ取得部110と、サーバ単位予測件数取得部112と、負荷予測部114と、相関関係取得部116と、提示部118と、相関保持部120と、履歴保持部122と、シナリオ保持部130と、を含む。
The
パラメータ取得部110は、総予測件数と各クラスに属するサーバの稼動台数とを取得する。特にパラメータ取得部110は、ビジネスロジックレイヤ220によって1日の間に処理されるリクエストの件数の予測値を、総予測件数として取得する。またパラメータ取得部110は、ビジネスロジックレイヤ220に含まれるサーバについて、各クラスに属するサーバの稼働台数を取得する。これらの情報の取得の際、パラメータ取得部110は、管理者にパラメータの入力を要求するパラメータ入力要求画面300をディスプレイ104に表示させる。
The
図4は、パラメータ入力要求画面300の代表画面図である。パラメータ入力要求画面300は、総予測件数に関するシナリオの選択をプルダウン形式で受け付けるトラフィックシナリオ選択領域302と、サーバ構成に関するシナリオの選択をプルダウン形式で受け付けるサーバ構成シナリオ選択領域304と、証券業務システム200における負荷分散アルゴリズムの選択をプルダウン形式で受け付ける負荷分散手法選択領域306と、トラフィックシナリオ選択領域302に示されるシナリオに対応する総予測件数を表示する総予測件数表示領域308と、サーバ構成シナリオ選択領域304に表示されるシナリオに対応するサーバ構成を表示するサーバ構成表示領域310と、を有する。
FIG. 4 is a representative screen diagram of the parameter
図5は、シナリオ保持部130の一例を示すデータ構造図である。シナリオ保持部130はシナリオと値とを対応付けて保持する。シナリオ保持部130に登録されるシナリオは、総予測件数(トラフィック)に関するシナリオとサーバ構成に関するシナリオとを含む。値は、総予測件数に関するシナリオについては総予測件数の値であり、サーバ構成に関するシナリオについては各クラスに属するサーバの稼働台数である。管理者は予めシナリオ保持部130にシナリオに関する情報を登録しておく。
FIG. 5 is a data structure diagram illustrating an example of the
管理者がトラフィックシナリオ選択領域302のプルダウンボタンを押し下げると、パラメータ取得部110はシナリオ保持部130に保持される総予測件数に関するシナリオの一覧を表示させる。管理者は表示された一覧の中から所望のシナリオを選択する。パラメータ取得部110は、選択されたシナリオに対応する総予測件数の値をシナリオ保持部130から抽出し、総予測件数表示領域308に表示させる。サーバ構成シナリオ選択領域304、サーバ構成表示領域310についても同様である。
When the administrator depresses the pull-down button in the traffic
なお、トラフィックシナリオ選択領域302、サーバ構成シナリオ選択領域304のそれぞれにおいて「任意入力」を選択することも可能であり、この場合、総予測件数表示領域308は管理者による総予測件数の入力を受け付け、サーバ構成表示領域310は管理者によるサーバ構成の入力を受け付ける。
It is also possible to select “arbitrary input” in each of the traffic
管理者が負荷分散手法選択領域306のプルダウンボタンを押し下げると、パラメータ取得部110は選択可能な負荷分散アルゴリズムの一覧を表示させる。そのような一覧は、例えば順番にサーバが選択されるラウンドロビン方式と、処理件数が最小のサーバを選択する最小接続方式と、1番早く応答しているサーバを選択する最速方式と、を含む。一覧は、他の公知の負荷分散方式を含んでもよい。管理者は表示された一覧の中から所望のアルゴリズムを選択する。
When the administrator depresses the pull-down button in the load distribution
図3に戻り、パラメータ取得部110は、管理者によってパラメータ入力要求画面300のOKボタン312が押し下げられた場合にトラフィックシナリオ選択領域302で選択されているシナリオに対応する総予測件数をシナリオ保持部130を参照して取得する総予測件数取得部124と、サーバ構成シナリオ選択領域304で選択されているシナリオに対応するサーバ構成をシナリオ保持部130を参照して取得するサーバ構成取得部126と、負荷分散手法選択領域306で選択されている負荷分散アルゴリズムを取得する負荷分散アルゴリズム取得部128と、を含む。トラフィックシナリオ選択領域302またはサーバ構成シナリオ選択領域304が「任意入力」となっている場合は、対応する取得部124、126は対応する表示領域308、310に入力された値を取得する。
Returning to FIG. 3, the
サーバ単位予測件数取得部112は、パラメータ取得部110によって取得された総予測件数およびビジネスロジックレイヤ220のサーバの総数に基づいて、ビジネスロジックレイヤ220の各サーバの処理件数の予測値であるサーバ単位予測件数を演算する。この演算の際、サーバ単位予測件数取得部112は、負荷分散アルゴリズム取得部128によって取得された負荷分散アルゴリズムを使用する。サーバ単位予測件数取得部112は分配比率決定部132と予測件数導出部134とを含む。
The server unit predicted
分配比率決定部132は、負荷分散アルゴリズム取得部128によって取得された負荷分散アルゴリズムに基づいて、総予測件数をビジネスロジックレイヤ220の各サーバに割り当てる比率を決定する。特に分配比率決定部132は、負荷分散アルゴリズムに対応する比率を決定する。例えば、取得された負荷分散アルゴリズムがラウンドロビンである場合、比率はサーバによらずに一定となる。すなわち、全てのサーバに同じ件数が割り当てられる。また、取得された負荷分散アルゴリズムが、サーバの処理能力が高いほど高確率で選択されるものである場合、比率は、より高い処理能力のクラスに属するサーバほど高くなる。
The distribution
予測件数導出部134は、分配比率決定部132によって決定された比率に基づいて、クラスごとにサーバ単位予測件数を演算する。例えば負荷分散アルゴリズムがラウンドロビンであり比率が一定の場合、予測件数導出部134は総予測件数をビジネスロジックレイヤ220のサーバの総数で除した値を全てのクラスについてのサーバ単位予測件数とする。すなわち、総予測件数が23100(件)であり、サーバの総数が231(台)である場合、予測件数導出部134はサーバ単位予測件数として100(件/台)を導出する。この値はクラスによらない値である。
The predicted
負荷予測部114は、処理能力のクラスごとに、相関保持部120によって保持される相関関係を、サーバ単位予測件数取得部112によって取得されたサーバ単位予測件数に適用することによって、サーバのCPU使用率の予測値を演算する。負荷予測部114は、相関関係抽出部136と、相関関係適用部138と、平均演算部140と、を含む。
For each class of processing capacity, the
相関関係抽出部136は、未だCPU使用率演算の対象となっていないクラスのなかから演算対象とするクラス(以下、演算対象クラスと称す)を選択する。相関関係抽出部136は、選択された演算対象クラスに対応する相関関係を相関保持部120から抽出する。特に相関関係は、クラスごとに、処理件数と、CPU使用率の基準値(例えば分間ごとに平均されたCPU使用率(以下、分間CPU使用率と称す)の1日のなかでの最大値(以下、分間最大CPU使用率と称す))と、を関係付ける関係式である。
The
相関関係適用部138は、相関関係抽出部136によって抽出された関係式に、演算対象クラスのサーバ単位予測件数を代入する。相関関係適用部138は、そのように代入して得られる値を、演算対象クラスのサーバのCPU使用率の予測値として取得する。このように取得されるCPU使用率の予測値は、分間最大CPU使用率に対応する。分間最大CPU使用率は1日のなかでの最大値なので、管理者がこの予測値を参照してキャパシティを判断する場合、より安全サイドに立った判断が可能となる。
また、一般に証券業務システム200では時間ごとのトラフィックのボラティリティが高い。加えて、僅かな間でもCPU使用率が過大となると、サーバの性能や運用に悪影響が出かねない。すなわち、証券業務システム200のキャパシティ予測の観点からは、比較的長い期間に亘って平均されたCPU使用率、例えば1日の平均CPU使用率に対応する予測値よりも、比較的短い期間におけるCPU使用率に対応する予測値を採用してボラティリティの高さに対応するほうが好ましい。そこで、本実施の形態では分間最大CPU使用率に対応する予測値を採用することにより、1日のうちでもCPU使用率が最大となるタイミングに合わせてキャパシティを確保することが可能となる。
The
In general, the
図6は、相関保持部120の一例を示すデータ構造図である。相関保持部120は、処理能力のクラスごとに処理件数と分間最大CPU使用率との相関関係を保持する。特に相関保持部120は、処理能力のクラスごとに、サーバの分間最大CPU使用率を、そのサーバの処理件数の一次式で近似した場合の切片と傾きとを保持する。
FIG. 6 is a data structure diagram illustrating an example of the
例えば、演算対象クラスを「クラスA」とし、「クラスA」のサーバ単位予測件数を2500件とすると、相関関係適用部138は、
−8+0.02×2500
を演算し、値42(%)を得る。相関関係適用部138は、この値42(%)を、「クラスA」のサーバのCPU使用率の予測値として取得する。
For example, when the calculation target class is “class A” and the number of server unit predictions of “class A” is 2500, the
-8 + 0.02 × 2500
To obtain the value 42 (%). The
図3に戻り、平均演算部140は、相関関係適用部138によって演算されたサーバのCPU使用率の予測値を処理能力のクラスに亘って平均することにより、平均CPU使用率を演算する。例えば、「クラスA」、「クラスB」、「クラスC」の予測値がそれぞれ42(%)、23(%)、16(%)であり、「クラスA」、「クラスB」、「クラスC」に属するサーバの数がそれぞれ20(台)、10(台)、5(台)である場合、平均演算部140は平均CPU使用率として
(42×20+23×10+16×5)/(20+10+5)≒33(%)
を得る。
Returning to FIG. 3, the
Get.
相関関係取得部116は、処理能力のクラスごとに、処理件数と分間最大CPU使用率との相関関係を取得し、相関保持部120に登録する。管理者は、別途決定した相関関係を入力装置102を介して相関関係取得部116に入力してもよい。あるいはまた、管理者は、証券業務システム200の稼動履歴から相関関係を導出することを支援する相関関係取得部116の以下の機能を使用して相関関係を導出してもよい。相関関係取得部116は、演算対象期間取得部142と、クラス指定受付部144と、履歴抽出部146と、相関関係演算部148と、相関関係登録部150と、を含む。相関関係取得部116は相関演算入力画面314をディスプレイ104に表示させる。
The
図7は、相関演算入力画面314の代表画面図である。相関演算入力画面314は、ビジネスロジックレイヤ220に含まれるサーバの選択をプルダウン形式で受け付けるサーバ選択領域316と、演算対象期間が入力される演算対象期間入力領域318と、OKボタン320と、サーバ選択領域316で選択されたサーバが属するクラスが表示されるクラス表示領域322と、を有する。
FIG. 7 is a representative screen diagram of the correlation
演算対象期間取得部142は、管理者によって相関演算入力画面314のOKボタン320が押し下げられた場合に演算対象期間入力領域318に入力されている演算対象期間を取得する。クラス指定受付部144は、OKボタン320が押し下げられた場合にサーバ選択領域316で選択されているサーバが属するクラスを演算対象のクラスとして取得する。
The calculation target
図8は、履歴保持部122の一例を示すデータ構造図である。履歴保持部122は、過去の処理件数と分間最大CPU使用率とが対応付られた履歴データを保持する。履歴保持部122は、履歴データが取得された取得時刻と、ビジネスロジックレイヤ220に含まれるサーバを特定するサーバIDと、サーバIDによって特定されるサーバが属するクラスを特定するクラスIDと、サーバIDによって特定されるサーバの処理件数と、サーバIDによって特定されるサーバの分間最大CPU使用率と、を対応付けて保持する。
FIG. 8 is a data structure diagram illustrating an example of the
図3に戻り、履歴抽出部146は、演算対象のクラスに属するサーバについての演算対象期間内の履歴データを履歴保持部122から抽出する。
相関関係演算部148は、所定の統計的アルゴリズムに基づき、履歴抽出部146によって抽出された履歴データから相関関係を導出する。例えば相関関係演算部148は、履歴データに含まれる所定のサーバの分間最大CPU使用率をそのサーバの処理件数の一次式で近似し、最小二乗法により切片と傾きとを決定する。相関関係演算部148は、相関関係の演算結果を示す相関演算結果画面324をディスプレイ104に表示させる。
Returning to FIG. 3, the
The
図9は、相関演算結果画面324の代表画面図である。相関演算結果画面324は、横軸を処理件数、縦軸を分間最大CPU使用率として履歴データの分布を示す。相関演算結果画面324は、最小二乗法を適用することにより得られた切片と傾きとを有する一次式に対応する実線326、328を示す。
FIG. 9 is a representative screen diagram of the correlation
なお、図9では、「乙社製2011年版サーバ1」と「丙社製2010年版サーバ1」とが同等の性能を有していることが示される。図8にも示されるように、本実施の形態では、それらのサーバは同じ「クラスC」に属するよう設定される。このように、本実施の形態では、ひとつのクラスに同一ベンダの同一機種のサーバだけでなく、異なるベンダの異なる機種のサーバが属してもよい。 In FIG. 9, it is shown that “Otsusha 2011 server 1” and “2010 2010 server 1” have equivalent performance. As shown in FIG. 8, in the present embodiment, these servers are set to belong to the same “class C”. In this way, in this embodiment, not only servers of the same model of the same vendor but also servers of different models of different vendors may belong to one class.
図3に戻り、相関関係演算部148は、決定された切片と傾きとを処理能力のクラスごとに平均し、平均切片と平均傾きとを導出する。一般に、リクエストをラウンドロビンで処理していても、GC(Garbage Collection)処理の発生などにより、サーバごとにCPU使用率がブレることが多い。そこで、切片や傾きをクラスごとに平均することにより、そのようなブレによる影響を抑えることができる。
相関関係登録部150は、処理能力のクラスごとに、相関関係演算部148によって決定された平均切片と平均傾きとを相関保持部120に登録する。
Returning to FIG. 3, the
The
提示部118は、負荷予測部114による予測結果を管理者に提示する。提示部118は、シナリオ別結果生成部152と、レスポンスタイム結果生成部154と、を含む。
シナリオ別結果生成部152は、サーバ構成に関するシナリオごと、および、総予測件数に関するシナリオごと、の予測結果を負荷予測部114から取得し、シナリオ別の予測結果を表示するシナリオ別結果表示画面330をディスプレイ104に表示させる。
The
The scenario-specific
図10は、シナリオ別結果表示画面330の代表画面図である。シナリオ別結果表示画面330は、サーバ構成に関するシナリオおよび総予測件数に関するシナリオに対応して得られる各クラスのCPU使用率の予測値を表形式で示す。またシナリオ別結果表示画面330は、証券業務システム200に備わっている片面稼動(面切り離し)機能やフェイルオーバ機能や全台稼動機能などのいくつかの機能について、得られた予測値の範囲で利用可能か否かをも示す。管理者はシナリオ別結果表示画面330を参照することによって、想定される各種サーバ構成や総予測件数のもとでの証券業務システム200のキャパシティを迅速かつ的確に把握することができる。
FIG. 10 is a representative screen diagram of the scenario-by-scenario
図11は、面切り離し機能を説明するための模式図である。面切り離し機能は、プレゼンテーションレイヤ210およびビジネスロジックレイヤ220のサーバをA面とB面とに分離しておき、ネットワーク障害時やアプリケーションの緊急リリース時にそれらのうちの一方のみでリクエストを処理する機能である。また、ビジネスロジックレイヤ220特有の機構が障害となった場合、例えば片面のイニシャルコンテキストサーバ260が全て動作不能となった場合や片面の専用サーバ262が正副共に動作不能となった場合にも面切り離し機能が使用される。
FIG. 11 is a schematic diagram for explaining the surface separation function. The plane separation function is a function that separates the servers of the
図2に戻り、レスポンスタイム結果生成部154は、負荷予測部114によって演算されたCPU使用率の予測値に対応するレスポンスタイムを示すレスポンスタイム表示画面332をディスプレイ104に表示させる。レスポンスタイムは、証券業務システム200に実装されている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。
Returning to FIG. 2, the response time
図12は、レスポンスタイム表示画面332の代表画面図である。レスポンスタイム表示画面332は、横軸を「クラスA」に属するサーバのCPU使用率、縦軸を一般ユーザトップページ表示アプリケーションのレスポンスタイムおよび規定タイム超過件数、としてデータの分布を示す。これらのデータ点は履歴保持部122や証券業務システム200から取得されてもよい。規定タイム超過件数は、一般ユーザトップページ表示アプリケーションがリクエストを受けてから規定タイム内に応答できず、エラーとなったリクエストの件数である。レスポンスタイム表示画面332は、負荷予測部114によって演算された、「クラスA」に属するサーバのCPU使用率の予測値(73%)を破線334で示し、その予測値に対応するレスポンスタイム(3200ms)および規定タイム超過件数(400件)を数値で表示する。管理者は、レスポンスタイム表示画面332を参照することによって、得られたCPU使用率の予測値の意味するところを迅速かつ的確に把握することができる。
FIG. 12 is a representative screen diagram of the response
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。 In the above-described embodiment, examples of the holding unit are a hard disk and a memory. Based on the description in this specification, each unit is realized by a CPU (not shown), an installed application program module, a system program module, a memory that temporarily stores the contents of data read from the hard disk, and the like. It is understood by those skilled in the art who have touched this specification that they can do this.
以上の構成による分析装置100の動作を説明する。
図13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。パラメータ取得部110は、総予測件数およびサーバ構成を管理者から取得する(S402)。サーバ単位予測件数取得部112は、サーバ単位予測件数を演算する(S404)。負荷予測部114は、CPU使用率の予測値が演算されていないクラスがあるか否かを判定する(S406)。演算されていないクラスが存在する場合(S406のY)、負荷予測部114はそのようなクラスのなかから演算対象クラスを選択する(S408)。負荷予測部114は、演算対象クラスに対応する相関関係を相関保持部120から抽出する(S410)。負荷予測部114は、抽出された相関関係を、演算対象クラスのサーバ単位予測件数に適用することにより、演算対象クラスのサーバのCPU使用率の予測値を得る(S412)。そして処理はステップS406に戻る。全てのクラスについてCPU使用率の予測値が演算された場合(S406のN)、提示部118は予測結果を管理者に提示する(S414)。
The operation of the
FIG. 13 is a flowchart showing a series of processes in the
本実施の形態に係る分析装置100によると、証券業務システム200のサーバ構成と総予測件数とが入力として与えられた場合に、処理能力のクラスごとに予測されるCPU使用率を迅速かつ正確に把握することができる。その結果、様々な処理能力のサーバが混在する証券業務システム200について、サーバ構成の変化による証券業務システム200のキャパシティの変化を迅速かつ正確に把握することができる。分析装置100を使用することにより、管理者は、例えば大規模災害時に想定される縮小されたサーバ構成で、混雑日にキャパシティがどのようになるかを把握することができる。そしてもしキャパシティが足りなくなるのであれば、予め予備のサーバを追加したり、混雑日にサービスを閉塞させる等の対策を施すことができる。
According to the
また、証券業務システム200にサーバを追加する際、一般にはコスト低減のために多くのベンダのなかからコストパフォーマンスのよいベンダを選んで、そこからサーバを購入することが多い。したがって、証券業務システム200のサーバはマルチベンダ構成となることが多いが、分析装置100はそのようなマルチベンダ構成の証券業務システム200を分析するのにより適している。
In addition, when a server is added to the
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。
The configuration and operation of the
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はその性質上スケールアウト構成となることが多い。例えば、証券会社立ち上げ時には少数のサーバを利用し、利用者数の増加と共にサーバを増やしていく場合がそうである。したがって、分析装置100を使用して証券業務システム200のキャパシティを分析することのメリットは比較的大きい。
In the embodiment, the case where the
実施の形態では、提示部118はシナリオ別結果表示画面330やレスポンスタイム表示画面332をディスプレイ104に表示させる場合について説明したが、これに限られない。図14は、提示部118によってディスプレイ104に表示されてもよい予測結果画面350の代表画面図である。予測結果画面350は処理能力のクラスごとにCPU使用率の予測結果を表示する。また予測結果画面350はCPU使用率の予測値の平均を表示する。
In the embodiment, the case where the
実施の形態では、相関関係取得部116は、管理者が証券業務システム200の稼動履歴から相関関係を導出することを支援する場合について説明したが、これに限られず、相関関係取得部が自動的に稼動履歴を分析してそのような相関関係を導出してもよい。
In the embodiment, the case where the
実施の形態では、相関関係取得部116がサーバごとに処理件数と分間最大CPU使用率とを関係付ける切片および傾きを導出し、そのように導出された切片および傾きをクラスごとに平均する場合について説明したが、これに限られない。例えば、分析装置100は、クラスごとに平均された分間CPU使用率の履歴を保持する別の履歴保持部(図3では不図示)を備えてもよい。
図15は、別の履歴保持部160の一例を示すデータ構造図である。別の履歴保持部160は、時刻と、クラスごとに、分間CPU使用率をクラスに属するサーバに亘って平均して得られる平均値と、を対応付けて保持する。例えば、時刻「2011/11/28 9:00」に対応する「クラスA」の値「30%」は、時刻「2011/11/28 9:00」における分間CPU使用率を、「クラスA」に属するサーバ全てに亘って平均した値である。
相関関係取得部は、別の履歴保持部160を参照して、過去の日の各クラスの分間最大CPU使用率を取得してもよい。相関関係取得部は、クラスごとに平均された処理件数と、クラスごとの分間最大CPU使用率と、を関係付ける切片および傾きを導出し、それを相関保持部120に登録してもよい。
一般に、リクエストをラウンドロビンで処理していても、GC処理の発生などにより、サーバごとにCPU使用率がブレることが多い。そこで、分間CPU使用率をクラスごとに平均することにより、そのようなブレによる影響を抑えることができる。
In the embodiment, the
FIG. 15 is a data structure diagram illustrating an example of another
The correlation acquisition unit may refer to another
In general, even when a request is processed in round robin, the CPU usage rate often varies from server to server due to the occurrence of GC processing or the like. Therefore, by averaging the CPU usage rate for each class for each class, the influence of such blurring can be suppressed.
100 分析装置、 110 パラメータ取得部、 112 サーバ単位予測件数取得部、 114 負荷予測部、 116 相関関係取得部、 118 提示部、 120 相関保持部、 122 履歴保持部、 200 証券業務システム。
DESCRIPTION OF
Claims (7)
複数のサーバによって処理されるリクエストの件数の予測値である総予測件数と、複数のサーバを処理能力で複数のクラスに分類したときの各クラスに属するサーバの数と、を取得するパラメータ取得部と、
前記パラメータ取得部によって取得された総予測件数および複数のサーバの総数に基づいて、各サーバによって処理されるリクエストの件数の予測値であるサーバ単位予測件数を演算するサーバ単位予測件数演算部と、
処理能力のクラスごとに、サーバによって処理されたリクエストの件数とサーバの処理余力の度合いとの相関関係を保持する相関保持部と、
処理能力のクラスごとに、前記相関保持部によって保持される相関関係を前記サーバ単位予測件数演算部によって演算されたサーバ単位予測件数に適用することによって、サーバの処理余力の度合いの予測値を演算する負荷予測部と、を備えることを特徴とする分析装置。 An analysis apparatus for analyzing a financial product business system having a plurality of servers having different processing capabilities,
Parameter acquisition unit that acquires the total predicted number that is the predicted value of the number of requests processed by multiple servers, and the number of servers that belong to each class when multiple servers are classified into multiple classes by processing capacity When,
Based on the total predicted number acquired by the parameter acquisition unit and the total number of multiple servers, a server unit predicted number calculation unit that calculates a server unit predicted number that is a predicted value of the number of requests processed by each server;
A correlation holding unit that holds a correlation between the number of requests processed by the server and the degree of processing capacity of the server for each class of processing capacity,
For each class of processing capability, the predicted value of the degree of processing capacity of the server is calculated by applying the correlation held by the correlation holding unit to the predicted number of server units calculated by the predicted number of server unit calculation unit And a load predicting unit.
前記相関保持部によって保持される相関関係は、前記履歴保持部を参照して導出されることを特徴とする請求項1または2に記載の分析装置。 A history holding unit that holds the number of requests processed by the server and the degree of processing capacity of the server in association with each other;
The analyzer according to claim 1 or 2, wherein the correlation held by the correlation holding unit is derived with reference to the history holding unit.
複数のサーバによって処理されるリクエストの件数の予測値である総予測件数と、複数のサーバを処理能力で複数のクラスに分類したときの各クラスに属するサーバの数と、を取得するステップと、
取得された総予測件数および複数のサーバの総数に基づいて、各サーバによって処理されるリクエストの件数の予測値であるサーバ単位予測件数を演算するステップと、
処理能力のクラスごとに、サーバによって処理されたリクエストの件数とサーバの処理余力の度合いとの相関関係を相関保持部に保持するステップと、
処理能力のクラスごとに、前記相関保持部によって保持される相関関係を演算されたサーバ単位予測件数に適用することによって、サーバの処理余力の度合いの予測値を演算するステップと、を含むことを特徴とする分析方法。 An analysis method for analyzing a financial product business system having a plurality of servers having different processing capabilities,
Obtaining a total predicted number that is a predicted value of the number of requests processed by a plurality of servers, and the number of servers belonging to each class when the plurality of servers are classified into a plurality of classes by processing capacity;
Calculating a server unit predicted number, which is a predicted value of the number of requests processed by each server, based on the acquired total predicted number and the total number of servers;
Holding a correlation between the number of requests processed by the server and the degree of processing capacity of the server in the correlation holding unit for each class of processing capacity;
Calculating a predicted value of the degree of processing capacity of the server by applying the correlation held by the correlation holding unit to the calculated number of predicted server units for each class of processing capacity. Characteristic analysis method.
複数のサーバによって処理されるリクエストの件数の予測値である総予測件数と、複数のサーバを処理能力で複数のクラスに分類したときの各クラスに属するサーバの数と、を取得する機能と、
取得された総予測件数および複数のサーバの総数に基づいて、各サーバによって処理されるリクエストの件数の予測値であるサーバ単位予測件数を演算する機能と、
処理能力のクラスごとに、サーバによって処理されたリクエストの件数とサーバの処理余力の度合いとの相関関係を相関保持部に保持する機能と、
処理能力のクラスごとに、前記相関保持部によって保持される相関関係を演算されたサーバ単位予測件数に適用することによって、サーバの処理余力の度合いの予測値を演算する機能と、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。 A computer program for causing a computer to perform a function of analyzing a financial product business system having a plurality of servers having different processing capabilities,
A function for obtaining a total predicted number that is a predicted value of the number of requests processed by a plurality of servers, and the number of servers belonging to each class when the plurality of servers are classified into a plurality of classes by processing capacity;
A function for calculating the predicted number of server units, which is a predicted value of the number of requests processed by each server, based on the obtained total predicted number and the total number of servers,
For each processing capacity class, a function that holds the correlation between the number of requests processed by the server and the degree of processing capacity of the server in the correlation holding unit,
A function for calculating a predicted value of the degree of processing capacity of the server by applying the correlation held by the correlation holding unit to the calculated number of predicted server units for each class of processing capacity; A computer program characterized by being realized.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011264295A JP5646442B2 (en) | 2011-12-02 | 2011-12-02 | Analysis apparatus and analysis method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011264295A JP5646442B2 (en) | 2011-12-02 | 2011-12-02 | Analysis apparatus and analysis method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013117808A true JP2013117808A (en) | 2013-06-13 |
JP5646442B2 JP5646442B2 (en) | 2014-12-24 |
Family
ID=48712349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011264295A Expired - Fee Related JP5646442B2 (en) | 2011-12-02 | 2011-12-02 | Analysis apparatus and analysis method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5646442B2 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942135A (en) * | 2014-04-10 | 2014-07-23 | 国家电网公司 | Performance monitoring method based on SAP platform |
KR20220153904A (en) * | 2021-05-12 | 2022-11-21 | (주)네오프레임 | Apparatus and method for recoverying investment information considering scale-out |
KR20220153912A (en) * | 2021-05-12 | 2022-11-21 | (주)네오프레임 | Investment information management system based on adaptive scale in-out |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005196601A (en) * | 2004-01-09 | 2005-07-21 | Hitachi Ltd | Policy simulator for autonomous management system |
JP2006092053A (en) * | 2004-09-22 | 2006-04-06 | Nec Corp | System use ratio management device, and system use ratio management method to be used for the same device and its program |
WO2007034826A1 (en) * | 2005-09-20 | 2007-03-29 | Nec Corporation | Resource quantity calculation system, method, and program |
JP2007128382A (en) * | 2005-11-07 | 2007-05-24 | Nec Corp | Performance prediction method of cluster system and device |
-
2011
- 2011-12-02 JP JP2011264295A patent/JP5646442B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005196601A (en) * | 2004-01-09 | 2005-07-21 | Hitachi Ltd | Policy simulator for autonomous management system |
JP2006092053A (en) * | 2004-09-22 | 2006-04-06 | Nec Corp | System use ratio management device, and system use ratio management method to be used for the same device and its program |
WO2007034826A1 (en) * | 2005-09-20 | 2007-03-29 | Nec Corporation | Resource quantity calculation system, method, and program |
JP2007128382A (en) * | 2005-11-07 | 2007-05-24 | Nec Corp | Performance prediction method of cluster system and device |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942135A (en) * | 2014-04-10 | 2014-07-23 | 国家电网公司 | Performance monitoring method based on SAP platform |
CN103942135B (en) * | 2014-04-10 | 2016-06-08 | 国家电网公司 | A kind of method for monitoring performance based on SAP platform |
KR20220153904A (en) * | 2021-05-12 | 2022-11-21 | (주)네오프레임 | Apparatus and method for recoverying investment information considering scale-out |
KR20220153912A (en) * | 2021-05-12 | 2022-11-21 | (주)네오프레임 | Investment information management system based on adaptive scale in-out |
KR102663678B1 (en) * | 2021-05-12 | 2024-05-07 | (주)네오프레임 | Apparatus and method for recoverying investment information considering scale-out |
KR102663679B1 (en) * | 2021-05-12 | 2024-05-07 | (주)네오프레임 | Investment information management system based on adaptive scale in-out |
Also Published As
Publication number | Publication date |
---|---|
JP5646442B2 (en) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11676087B2 (en) | Systems and methods for vulnerability assessment and remedy identification | |
US9015536B1 (en) | Integration based anomaly detection service | |
US7269652B2 (en) | Algorithm for minimizing rebate value due to SLA breach in a utility computing environment | |
US20200310847A1 (en) | Workload execution in a distributed computing infrastructure | |
US20090112809A1 (en) | Systems and methods for monitoring health of computing systems | |
US8396750B1 (en) | Method and system for using recommendations to prompt seller improvement | |
US20140278807A1 (en) | Cloud service optimization for cost, performance and configuration | |
US9043317B2 (en) | System and method for event-driven prioritization | |
US20180349924A1 (en) | Peer-group based business information system | |
Nie et al. | Evaluation index system of cloud service and the purchase decision-making process based on AHP | |
CN112016796B (en) | Comprehensive risk score request processing method and device and electronic equipment | |
US20070192266A1 (en) | Apparatus for identification of performance scenario and methods thereof | |
CN113313279A (en) | Document auditing method and device | |
CN111429054A (en) | Product inventory prompting method, device, equipment and storage medium | |
JP5646442B2 (en) | Analysis apparatus and analysis method | |
US20190066115A1 (en) | Calculation of benchmark dispute overage and rejection data with redress options | |
KR100929844B1 (en) | Audit information system based on erp system, and method of managing the same | |
US20220164405A1 (en) | Intelligent machine learning content selection platform | |
JP5758783B2 (en) | Analysis device, analysis method, and computer program | |
US20150058068A1 (en) | Methods and systems for managing suppliers and flow of goods on an ecommerce platform | |
CN112016791B (en) | Resource allocation method and device and electronic equipment | |
CN112017063B (en) | Resource allocation method and device based on comprehensive risk score and electronic equipment | |
JP2007265244A (en) | Performance monitoring device for web system | |
CN113902543A (en) | Resource quota adjusting method and device and electronic equipment | |
JP5520777B2 (en) | Prediction device and prediction method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140228 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141008 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5646442 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |