JP2017527929A - コンピュータ・インフラストラクチャの管理におけるポリシーの自己調整のための半教師あり機械学習の活用 - Google Patents

Abstract

実施形態は、コンピュータ環境を管理し分析するための方法に関するものである。方法は、少なくとも１つのコンピュータ環境リソースの属性に関連する各データ要素のセットを、少なくとも１つのコンピュータ・インフラストラクチャのコンピュータ環境リソースからホスト・デバイスによって受信することを含む。方法は、データ要素のセットにシステム分析機能を適用して、データ要素のセットに関連付けられたデータセット仕様を特徴付けることを含む。方法は、ホスト・デバイスによって、データセット仕様に基づいてユーザ選択ポリシー閾値基準を受信することと、ユーザ選択ポリシー閾値基準を半教師あり学習アルゴリズムにパラメータとして提供することとを含む。方法は、ユーザ選択ポリシー閾値基準に関連付けられたデータ要素のセットのデータセット仕様の境界を、コンピュータ・インフラストラクチャの挙動の変化に基づいて調整することを含む。

Description

半教師あり機械学習を活用してコンピュータ・インフラストラクチャの管理におけるポリシーを自己調整するための装置および方法に関する。

企業は、様々な構成要素を有するコンピュータ・システムを利用している。たとえば、これらの従来のコンピュータ・システムは、スイッチまたはルータなどの通信デバイスによって相互接続された１つまたは複数のサーバおよび１つまたは複数のストレージ・ユニットを有するコンピュータ・インフラストラクチャを含むことができる。サーバは、動作中に１つまたは複数の仮想マシン（ＶＭ）を実行するように構成することができる。各ＶＭは、１つまたは複数のアプリケーションまたはワークロードを実行するまたは動作させるように構成することができる。

システム管理者は、従来の管理および監視ツールを利用して、コンピュータ・インフラストラクチャに関連する性能およびサービス・レベルを制御する。しかしながら、たとえばコンピュータ・インフラストラクチャ（すなわち、コモディティ・ハードウェア）上で、ワークロードおよび／またはインフラストラクチャの変化によって絶えず変化する仮想化およびクラウド・サービスを導入することによって、システム管理者がインフラストラクチャにおける性能およびサービス・レベルを制御することが困難になり得る。

従来の管理および監視アプリケーションは、コンピュータ・インフラストラクチャを監視するためのポリシーのセットを、典型的には比較的正確な測定単位で静的に定義する能力をシステム管理者に提供する。一構成では、システム管理者は、異なる状況下でのインフラストラクチャの挙動を効果的に誘導する特定の閾値およびポリシーを設定することができる。

たとえば、図１に、たとえばコンピュータ・デバイスに関連付けられたディスプレイ上に提供される、従来の管理および監視アプリケーション・インターフェース１００を示す。インターフェース１００は、システム管理者が、コンピュータ・インフラストラクチャ（図示せず）に対するアイドル・リソース・ポリシーを定義できるように構成される。たとえば、インターフェース１００は、システム管理者が特定のポリシーに関連付けられた特定の閾値、この場合はインフラストラクチャの容量／リソースを実際に浪費しているコンピュータ・インフラストラクチャ内のアイドル・リソースを識別できるようにする閾値識別子のセット１０２を提供する。また、従来のインターフェース１００は、ＶＭの適切なサイズ設定（たとえば、動作性の最適化）など、特定の最適化を考慮することができるコンピュータ・インフラストラクチャに対する閾値のセット１０４を含む。図示の例では、ＣＰＵ使用率上限閾値識別子１０６について、システム管理者は、閾値コントロール１０８を調整して２０％の使用率値を選択している。ＩＯ使用率上限閾値識別子１１０について、システム管理者は、閾値コントロール１１２を１００Ｋｂｐｓの選択値に調整している。ネットワーク帯域幅閾値識別子１１４について、システム管理者は、閾値コントロール１１６を調整して５Ｍｂｐｓの値を選択している１１６。使用時に、閾値１０２および値１０４が管理者によって特定されると、管理者は、コンピュータ・デバイスによりアイドルとして識別されたリソース（存在する場合）に関する情報を提供する特定のグリッド（図示せず）に入ることができる。

上に示したように、従来の管理アプリケーションでは、システム管理者により選択された使用率のパーセンテージまたはネットワーク帯域幅などの静的な値に基づいて、特定のインスタンスを管理および監視することが可能である。しかしながら、管理アプリケーションは、コンピュータ・システムのワークロード（たとえば、この文脈でのワークロードとは、サービスとして、さらにはサーバとして複数の構成要素に分解可能なアプリケーションである）、システムの挙動、ニーズ、および／または要件、ならびにワークロードが動作するインフラストラクチャへのそれらの影響についてシステム管理者が完全に理解していることを前提として実行される。そのように理解することは現実的ではないと考えられる。

たとえば、コンピュータ・システムにより利用されるデータ、ワークロード、およびワークロードの定義の変化の増大に伴って、システム管理者が、ワークロード、その要件、および所与のインフラストラクチャへの影響を明確に理解することは困難な場合がある。特定のレベルの情報がない場合、特定のシステム閾値に関連付けられた管理者に選択された静的な値を使用すると、コンピュータ・システムの管理および監視が不正確になる可能性がある。

加えて、管理アプリケーションの実行は、アプリケーションが確立されたサービス・レベルを監視し、場合により維持するためには、コンピュータ・システムの環境／インフラストラクチャ（すなわち、ポリシー確立後）、コンピュータ・システムのサイズ、ならびにワークロードが一体（ｉｎｔｅｇｒａｌ）のままであることを前提としている。しかしながら、仮想化およびクラウドへの移行の推進と共に、インフラストラクチャをスケーラブル、予測可能、安価、かつ機敏なものとするビジネス要求を満たすためには、これらの前提はもはや妥当ではない。

別の例では、仮想化および関連技術によって首尾よくサポートされる（すなわち、プロビジョニング、チャージ・バック方法などの容易さ）、機敏性へのビジネス・ニーズおよび技術への依存が増大するにつれて、コンピュータ・システムは、新たなワークロードが追加／供給された、ワークロード・パターンが変化した、および／または更新が適用された場合などに、絶えざる変化および変形を経験することがある。仮想化／クラウド環境が実質的に絶え間ない変容（ｔｒａｎｓｆｏｒｍａｔｉｏｎｓ）に遭遇する場合、これらの変容によって、静的なポリシーは理解されるとすぐに陳腐化する。たとえば、集中型のビュー（すなわち、計算、ストレージ、ネットワーク）を通じてワークロードの包括的な理解をシステム管理者に提供できるツールがあれば、この理解は分析が実行されるとすぐに（またはその最中にすら）陳腐化する。これは、ワークロードならびに下位のインフラストラクチャが変化および変形を絶えず経験しており、システム管理者が現実的にはそれを全ては捕捉できないためである。

従来の管理および監視アプリケーションとは対照的に、本発明の実施形態は、半教師あり機械学習を活用してコンピュータ・インフラストラクチャの管理におけるポリシーを自己調整するための装置および方法に関するものである。一構成では、ホスト・デバイスは、コンピュータ・インフラストラクチャの計算属性、ストレージ属性、アプリケーション属性またはネットワーク属性などの様々な属性についての動作性閾値の包括的な高レベルの概観を得るように構成される。ホスト・デバイスは、半教師あり機械学習技法を活用して、コンピュータ・インフラストラクチャが変容を経験する場合に、インフラストラクチャおよびワークロードの詳細の変化／変形に基づいて、確立された閾値および／またはポリシーを実質的に連続的に調整するようにさらに構成される。

一構成では、本発明の実施形態は、ホスト・デバイスにおいてコンピュータ環境を管理するための方法に関するものである。方法は、ホスト・デバイスによって、それぞれがコンピュータ・インフラストラクチャの少なくとも１つのコンピュータ環境リソースの属性に関連する少なくとも１つのコンピュータ環境リソースからデータ要素のセットを受信することを含む。方法は、ホスト・デバイスによって、データ要素のセットにシステム分析機能を適用して、データ要素のセットに関連付けられたデータセット仕様を特徴付けることを含む。方法は、ホスト・デバイスによって、データセット仕様に基づいてユーザ選択ポリシー閾値基準を受信することを含む。方法は、ユーザ選択ポリシー閾値基準に関連付けられたデータ要素のセットのデータセット仕様の境界をホスト・デバイスによってコンピュータ・インフラストラクチャの挙動の変化に基づいて調整することを含む。

一構成では、本発明の実施形態は、ホスト・デバイスにおいて、グラフィカル・ユーザ・インターフェース（ＧＵＩ）を介してコンピュータ・インフラストラクチャを管理するための方法に関するものである。方法は、ホスト・デバイスにより監視するためのコンピュータ・インフラストラクチャの少なくとも１つの属性を識別する少なくとも１つのポリシー基準をホスト・デバイスによってＧＵＩを介して提供することを含む。方法は、少なくとも１つのポリシー基準の選択の受信に応答して、コンピュータ・インフラストラクチャの少なくとも１つの属性に関連するデータセット仕様を選択させるように構成されるユーザ選択閾値基準をホスト・デバイスによってＧＵＩを介して提示することを含む。方法は、ユーザ選択閾値基準の受信に応答して、コンピュータ環境リソースに関連付けられた選択されたデータセット仕様に関する出力通知をホスト・デバイスによってＧＵＩを介して提供することを含む。

前述および他の目的、特徴および利点は、添付の図面に示されたように本発明の特定の実施形態の以下の説明から明らかとなり、図面において、同様の参照文字は、異なるビューにわたって同一の部分を指す。図面は必ずしも縮尺通りではなく、その代わりに本発明の様々な実施形態の原理を説明することに重点が置かれている。

従来技術の管理および監視アプリケーション・インターフェースの図である。 一構成によるコンピュータ環境１０の図である。 一構成による、コンピュータ・インフラストラクチャからのデータ要素を処理する図１のホスト・デバイスの概略図である。 一構成による、図２のホスト・デバイスにより提供される統計的分類アルゴリズムを活用したデータ要素のセットへのシステム分析機能の適用の図である。 一構成による、図２のホスト・デバイスにより提供されるグラフィカル・ユーザ・インターフェースの図である。 一構成による、ホスト・デバイスにより生成される出力通知の図である。 一構成による、図２のホスト・デバイスにより提供される統計的分類アルゴリズムを活用したデータ要素のセットへの多次元クラスタリング機能の適用の図である。

比較的大規模なインフラストラクチャ／クラウド／仮想化環境では、システム管理者が、コンピュータ・インフラストラクチャにおいて供給され使用されているリソースに対する識見および制御を有することが重要である。たとえば、１つまたは複数の仮想マシンがもはや使用されていないがインフラストラクチャ内でまだ動作している場合、仮想マシンは、他のアクティブな仮想マシンおよびワークロードにより利用可能な比較的高価なリソースのセットを保持している。数千の仮想マシンおよびワークロードを有する環境では、システム管理者は、従来の管理アプリケーションを用いてそのようなリソースを特定することが困難な場合があり、その理由は、アイドルと定義されるものの理解が明確でないためである。

本発明の実施形態は、コンピュータ・インフラストラクチャの計算属性、ストレージ属性、アプリケーション属性またはネットワーク属性などのコンピュータ・インフラストラクチャの様々な属性についての動作性閾値を特定するための方法および装置に関するものである。ホスト・デバイスは、半教師あり機械学習を活用して、ワークロード／インフラストラクチャが経時的に変化する場合に（すなわち、インフラストラクチャおよびワークロードの詳細の変化／変形に基づいて）、閾値の自己調整を許容しながら、確立された閾値および／またはポリシーを実質的に連続的に調整するようにさらに構成される。

図２に、ホスト・デバイス２５と電気通信するように配置される少なくとも１つのコンピュータ・インフラストラクチャ１１を含むコンピュータ環境１０の一構成を示す。さらに、コンピュータ・インフラストラクチャ１１は様々な方法で構成することができるが、一構成では、コンピュータ・インフラストラクチャ１１は、様々なコンピュータ環境リソース１２を含む。たとえば、コンピュータ環境リソース１２は、１つまたは複数のサーバ・デバイス１４、たとえばコンピュータ化されたデバイス、１つまたは複数の通信デバイス１６、たとえばスイッチまたはルータ、および１つまたは複数のストレージ・デバイス１８、たとえばディスク・ドライブまたはフラッシュ・ドライブを含むことができる。

各サーバ・デバイス１４は、コントローラまたは計算ハードウェア２０、たとえばメモリおよびプロセッサを含むことができる。たとえば、サーバ・デバイス１４−１はコントローラ２０−１を含み、サーバ・デバイス１４−Ｎはコントローラ２０−Ｎを含む。各コントローラ２０は、１つまたは複数の仮想マシン２２を実行するように構成することができ、各仮想マシン２２は１つまたは複数のアプリケーションまたはワークロード２３を実行するまたは動作させるようにさらに構成される。たとえば、コントローラ２０−１は第１の仮想マシン２２−１および第２の仮想マシン２２−２を実行することができ、これらはそれぞれ、ひいては１つまたは複数のワークロード２３を実行するように構成される。各計算ハードウェア要素２０、ストレージ・デバイス要素１８、ネットワーク通信デバイス要素１６、およびアプリケーショ２３の各々は、コンピュータ・インフラストラクチャ１１の属性に関連する。

一構成では、ホスト・デバイス２５は、メモリおよびプロセッサなどのコントローラ２６を有するコンピュータ化されたデバイスとして構成される。ホスト・デバイス２５は、コンピュータ・インフラストラクチャ１１およびディスプレイ５１と電気通信するように配置される。ホスト・デバイス２５は、コンピュータ環境リソース１２からデータ２８要素のセットを通信ポート（図示せず）を介して受信し、半教師あり機械学習技法を利用してコンピュータ・インフラストラクチャ１１の様々な属性に関連するデータセット仕様の理解を得るように構成される。たとえば、ホスト・デバイス２５は、半教師あり機械学習技法（たとえば、システム分析機能４０）を受信されたデータ要素２８に適用して、データ要素２８についてのデータセット仕様を得るように構成される分析プラットフォーム４７を含む。さらに、ホスト・デバイス２５は、半教師あり機械学習技法を利用して、データセット仕様の境界をレコメンドし、インフラストラクチャ１１の属性が経時的に変化した場合に、データセット仕様の確立された境界を自己調整するように構成される。

ホスト・デバイス２５のコントローラ２６は、コンピュータ・システム１０内のコンピュータ環境リソース１２を管理するためのアプリケーションを記憶することができる。管理アプリケーションは、コンピュータ・プログラム製品３３からコントローラ２６にインストールされる。いくつかの構成では、コンピュータ・プログラム製品３３は、シュリンク・ラップ・パッケージ（たとえば、ＣＤ−ＲＯＭ、ディスケット、テープなど）などの標準的な市販の形態で利用可能である。他の構成では、コンピュータ・プログラム製品３３は異なる形態、たとえばダウンロード可能なオンライン・メディアで利用可能である。ホスト・デバイス２５のコントローラ２６上で実行された場合、管理アプリケーションは、ホスト・デバイス２５に、半教師あり機械学習技法を適用して、コンピュータ・インフラストラクチャの様々な属性に対する動作性閾値を識別させ、半教師あり機械学習技法を活用して、確立された閾値および／またはポリシーを実質的に連続的に調整させる。

図２を引き続き参照し、図３をさらに参照して、以下では、半教師あり学習技法を利用してコンピュータ・インフラストラクチャに関連付けられたポリシーを定義し調整するホスト・デバイス２５の動作の一例を提供する。

最初に、ホスト・デバイス２５は、コンピュータ・インフラストラクチャ１１を分析する機械学習アルゴリズムに適用するポリシーを定義するためのポリシー基準４６を受信するように構成される。一構成では、システム管理者またはユーザは、コンピュータ・インフラストラクチャ１１の特定の属性を分析するようにホスト・デバイス２５を構成するために、ポリシー基準４６をホスト・デバイス２５に提供することができる。図３を参照すると、ホスト・デバイス２５は、システム管理者によるレビューおよび選択のために、グラフィカル・ユーザ・インターフェース５０を介してポリシー基準４６のリストを提供するように構成される。たとえば、第１のポリシー基準４６−１は、コンピュータ・インフラストラクチャ１１内の仮想マシン２２により実行されるアイドル・ワークロード２３の識別に関連することができ、第２のポリシー基準４６−２は、コンピュータ・インフラストラクチャ１１のストレージ・デバイス１８内の利用可能なストレージの識別に関連することができる。このような構成では、システム管理者は、マウスまたはタブレットなどのタッチ対応インターフェース・デバイスを用いて、ポリシー基準４６のうちの１つ、この場合は第１のポリシー基準４６−１を選択し、その選択をホスト・デバイス２５に送信することができる。

次に、図３を引き続き参照すると、ホスト・デバイス２５は、コンピュータ・インフラストラクチャ１１の少なくとも１つのコンピュータ環境リソース１２からデータ要素２８のセットを受信するように構成され、ここでデータ要素のセットの各データ要素２８は、コンピュータ環境リソースの属性に関連する。一構成では、動作中、ホスト・デバイス２５は、コンピュータ環境リソース１２の計算レベル（計算属性）、ネットワーク・レベル（ネットワーク属性）、ストレージ・レベル（ストレージ属性）および／またはアプリケーションまたはワークロード・レベル（アプリケーション属性）に関するデータ要素２８について、パブリックＡＰＩコールなどによって、コンピュータ・インフラストラクチャ１１からデータ要素２８を流すことができる。たとえば、ホスト・デバイス２５は、サーバ・デバイス１２のコントローラ構成および利用（すなわち、計算属性）、サーバ・デバイス１４のそれぞれにおけるＶＭ活動（すなわち、アプリケーション属性）、ならびにコンピュータ・インフラストラクチャ１１に関連する現在の状態および過去のデータに関するデータ要素２８を受信することができる。

データ要素のセットの各データ要素２８は、様々な方法で構成することができる。一構成では、各データ要素２８は、オブジェクト・データ３０および統計データ３２を含む。オブジェクト・データ３０は、発信元のコンピュータ環境リソース１２の関連する属性を識別することができる。たとえば、オブジェクト・データ３０は、データ要素２８を、対応するコンピュータ環境リソース１２の計算属性、ストレージ属性、ネットワーク属性またはアプリケーション属性に関連するものとして識別することができる。統計データ３２は、少なくとも１つのコンピュータ環境リソースに関連する挙動を指定することができる。

一構成では、ホスト・デバイス２５は、選択されたポリシー基準４６に関連するデータ要素２８についてコンピュータ・インフラストラクチャ１１をポーリングするように構成される。たとえば、上記の例を参照して、ホスト・デバイス２５が、コンピュータ・インフラストラクチャ１１により実行される仮想マシン２２内のアイドル・ワークロード２３の識別に関するポリシー基準４６−１に基づいてポリシーを定義するように構成されると仮定する。そのような場合、ホスト・デバイス２５は、コンピュータ環境リソース１２をポーリングして、仮想マシン２２により実行されるアイドル・ワークロード２３を識別するデータ要素２８を検索し、これらのアイドル・ワークロード２３に関連付けられたオブジェクトまたはデータを検索する。そのような構成では、アイドル・ワークロード・オブジェクトを様々な方法で構成することができるが、一構成では、各ワークロードの各オブジェクトは、そのワークロード２３についての平均ＣＰＵ使用率、平均ＩＯ使用率、および平均ネットワーク使用率に関する情報を含むことができる。

一構成では、ホスト・デバイス２５は、受信されたデータ要素２８を処理のためにプラットフォーム２７に向けるように構成される。分析プラットフォーム２７は、データ要素２８を様々な方法で処理するように構成することができる。たとえば、任意数のコンピュータ環境リソース１２は、データ要素２８をホスト・デバイス２５へ独自のフォーマットで提供することができる。そのような場合、ホスト・デバイス２５のプラットフォーム２７は、正規化またはロール・アップ機能３４を用いてデータ要素２８を正規化するように構成され、データ要素２８を正規化されていない様態にさらに処理し、かつ／または、エンド・ユーザに提示することができる。別の例では、ホスト・デバイス２５がデータ要素２８を経時的に受信する場合、データ要素２８は、ストレージ・デバイス１８またはネットワーク・デバイス１６のそれぞれに関する様々な情報を含むことができる。そのような場合、ホスト・デバイス２５の分析プラットフォーム２７は、トレンディング（ｔｒｅｎｄｉｎｇ）または平均化機能３６を用いてデータ要素２８を平均化するように構成される。別の例では、ホスト・デバイス２５がデータ要素２８を経時的に受信する場合、データ要素２８は様々なフォーマットで提示することができる。たとえば、コンピュータ・インフラストラクチャ１１の複数のネットワーク・デバイス１６から受信されるデータ要素２８について、デバイス１６の速度を秒またはミリ秒で提示することができる。そのような場合、ホスト・デバイス２５のプラットフォーム２７は、変換またはフォーマット機能３８を用いてデータ要素をフォーマットするように構成される。

次に、ホスト・デバイス２５は、半教師あり機械学習技法を受信されたデータ要素２８に適用して、データ要素２８のデータセット仕様を取得するように構成される。

従来の機械学習技法は、ホスト・デバイスが、トレーニング例のセットを含むラベル付き訓練データセットからデータセット仕様または機能を推論する教師あり学習を含む。従来の教師あり学習では、各訓練例は、教師信号と呼ばれる、入力オブジェクト（たとえば、典型的にはベクトル）と所望の出力値とを含む一対の値として構成される。使用時に、ホスト・デバイスは、典型的には教師あり学習アルゴリズムを実行して訓練データセットを分析し、推論関数を生成し、これは新たな例をマッピングするために使用することができる。最適なシナリオは、アルゴリズムが未見のインスタンスのクラス・ラベルを正しく決定することを可能にするであろう。これには、学習アルゴリズムが、訓練データからのデータを比較的合理的な方法で未見の状況に対して一般化することが必要である。しかしながら、ラベル付き訓練データセットを取得するには、熟練した人間のエージェントが必要な場合が多い。その結果、ラベル付け処理に関連付けられたコストによって、完全にラベル付けされた訓練セットが実現不可能となり得る。

ラベル付きデータセットを絶えず監視し、分析し、提供する人間のエージェントの労力を最小化または回避するために、ホスト・デバイス２５は、半教師あり学習技法を利用してコンピュータ・インフラストラクチャ１１の様々な属性を監視および管理するように構成される。半教師あり学習は、比較的少量のラベル付きデータを比較的大量のラベルなしデータと共に利用してトレーニングする教師あり学習技術の一種に関連する。その結果、半教師あり学習は、学習の精度を向上させることができる。半教師あり学習は、ラベル付きトレーニングデータを含まない教師なし学習と、完全にラベル付けされた訓練データを含む教師あり学習との中間に位置する。

一構成では、半教師あり学習技法を適用する場合に、ホスト・デバイス２５の分析プラットフォーム４７は、システム分析機能４０をデータ要素２８のセットに適用して、データ要素２８のセットに関連付けられたデータセット仕様を特徴付ける。システム分析機能４０は、様々な方法で構成することができる。たとえば、ホスト・デバイス２５のシステム分析機能４０は、クラスタリング機能４５として構成することができる。

クラスタリングは、クラスタと呼ばれる同じグループのデータ要素２８が、他のグループまたはクラスタのオブジェクトよりも互いに類似するような、異なる特性に基づいたデータ分類のタスクである。クラスタリングは、機械学習、パターン認識、画像解析、情報検索、およびバイオインフォマティクスを含む、多くの分野で使用される統計的データ分析のための従来の技法である。オブジェクトのクラスタへのグループ化は、何がクラスタを構成するか、およびどのようにそれらを効率的に発見するかの定義において著しく異なる様々なアルゴリズムによって実現することができる。たとえば、既知のクラスタリング・アルゴリズムには、階層的クラスタリング、重心に基づくクラスタリング（すなわち、Ｋ平均クラスタリング）、分布に基づくクラスタリング、および密度に基づくクラスタリングが含まれる。

動作中、分析プラットフォーム４７は、データ要素のセットの各データ要素２８にクラスタリング機能４５を適用して、クラスタ３５のセットを定義する。一構成では、ホスト・デバイス２５は、クラスタリング機能４５を利用して、コンピュータ・インフラストラクチャ１１の属性に関連する浪費の存在を検出する。

たとえば、上記のシナリオに関して、クラスタリング処理の一部として、ホスト・デバイス２５の分析プラットフォーム４７は、特定のデータ要素２８をグループまたはクラスタに関連付けるために、アイドル・ワークロード・データ要素２８（すなわち、アイドル・ワークロード・オブジェクト３０および統計データ３２）にクラスタリング機能４５を適用するように構成される。たとえば、特に図４を参照すると、ホスト・デバイス２５は、クラスタリング機能４５を適用して、時間４１にわたる平均ＣＰＵ使用率４０に基づいてアイドル・ワークロード・データ要素２８（たとえば、オブジェクト）のグループを識別する。グラフ３１に示されるように、アイドル・ワークロード・データ要素２８へのクラスタリング機能４５の適用に基づいて、ホスト・デバイス２５は、アイドルである３つの異なるワークロードのセット、すなわち、第１のクラスタ・グループ３４、第２のクラスタ・グループ３６、および第３のクラスタ・グループ３８を識別しており、各クラスタは所与の数の識別されたアイドル・ワークロードを含む。

ホスト・デバイス２５はクラスタリング機能４５を単一の属性に対して（すなわち、平均ＣＰＵ使用率に基づいて）適用するが、この説明は一例にすぎないことに留意されたい。一構成では、ホスト・デバイス２５は、クラスタリング機能を他の属性（たとえば、平均ＩＯ使用率、平均ネットワーク使用率など）に適用することができる。

ホスト・デバイス２５の分析プラットフォーム４７がクラスタ３５のセットを識別すると、分析プラットフォーム４７は、クラスタ３５のセットの各クラスタにデータセット仕様または特性を割り当てるように構成される。たとえば、第１のクラスタ３４が第１の平均ＣＰＵ使用率レベルにおいて１０／１０００アイドル・ワークロードを含み、第２のクラスタ３６が第２の平均ＣＰＵ使用率レベルにおいて５０／１０００アイドル・ワークロードを含み、第３のクラスタ３８が第３の平均ＣＰＵ使用率レベルにおいて１００／１０００アイドル・ワークロードを含む場合を想定する。そのような場合、ホスト・デバイス２５は、各クラスタ３４、３６、３８を特定のアイドル・ワークロード・データセット仕様レベルに関連付けることができる。たとえば、ＣＰＵ使用率が比較的低い第１のクラスタ３４について、ホスト・デバイス２５は、控え目または軽度のアイドル・ワークロード仕様レベル５４をクラスタ３４に割り当てることができる。ＣＰＵ使用率が中程度の第２のクラスタ３６について、ホスト・デバイス２５は、中程度のアイドル・ワークロード仕様レベル５６をクラスタ３６に割り当てることができる。ＣＰＵ使用率が比較的高い第３のクラスタ３８について、ホスト・デバイス２５は、極度のアイドル・ワークロード仕様レベル５８をクラスタ３８に割り当てることができる。一構成では、軽度／中程度／極度のワークロード仕様レベルは、所与のクラスタ内の識別されたデータ要素２８を特定し、場合によってはこれに基づいて行動するために、ユーザ（たとえば、システム管理者）がどのようにその情報を利用することを計画しているかに関する挙動または特性に関連する。

次に、ホスト・デバイス２５は、割り当てられたデータセット仕様に基づいて、ユーザ選択ポリシー閾値基準４８を受信するように構成される。一構成では、ホスト・デバイス２５は、特定の仕様レベルを選択して分析する機会をエンド・ユーザまたはシステム管理者に提供するように構成される。

たとえば、図３および図５を参照すると、ホスト・デバイス２５の分析プラットフォーム４７は、コンピュータ環境リソース１２の特定の属性の識別に関する特定のポリシーの効果を識別する洞察レポート４２をグラフィカル・ユーザ・インターフェース５０に提供する。上に「示したように、ホスト・デバイス２５は、アイドル・ワークロード仕様レベル（たとえば、軽度５４、中程度５６、および極度５８）を各クラスタ３４、３６、および３８に割り当てている。図示のように、ホスト・デバイス２５は、洞察レポート４２をシステム管理者にＧＵＩ５０の一部としてディスプレイ５１によって表示することができる。洞察レポート４２は、コンピュータ環境リソース１２のアイドル・ワークロード・データセット仕様５４、５６、５８（たとえば、軽度、中程度、または極度）、ならびに各アイドル・ワークロード仕様５４、５６、５８に関連付けられたアイドル・ワークロード閾値レベルまたは基準６０、６２、６４（たとえば、１０／１０００、５０／１０００、および１００／１０００）を識別する。

ＧＵＩ５０により提供される洞察レポート４２によって、システム管理者は、データセット仕様、この場合はアイドル・ワークロード・データセット仕様（たとえば、軽度、中程度、または極度）をカーソル６６を介して選択することができる。たとえば、システム管理者が、ゼロに近い平均ＣＰＵ使用率を有するコンピュータ・インフラストラクチャ１１内の全てのアイドル・ワークロードに関する情報を取得したい場合を想定する。そのような場合、システム管理者は、マウスまたはタブレットなどのタッチ対応インターフェース・デバイスを用いて、中程度のアイドル・ワークロード閾値レベル６２をカーソル６６を使って選択することができる。選択に応答して、ＧＵＩ５０はこの選択をホスト・デバイス２５へ、ユーザ選択ポリシー閾値基準４８として提供する。一構成では、ユーザ選択閾値基準４８は、各クラスタについて識別されたデータ要素２８の総数のパーセンテージとしてＧＵＩ５０によって提供される。たとえば、システム管理者が中程度のアイドル・ワークロード仕様５６を選択すると、ＧＵＩ５０は、コンピュータ・インフラストラクチャ１１にわたるアイドル・ワークロードの５％の識別を要求するユーザ選択ポリシー閾値基準４８を生成する。

図２を参照すると、ホスト・デバイス２５がユーザ選択閾値基準４８を受信すると、ホスト・デバイス２５は、半教師あり機能としてのクラスタリング機能４５などのシステム分析機能４０にユーザ選択閾値基準４８を適用する。たとえば、ユーザ選択閾値基準４８は、システム分析機能４０が動作する方法を調整するために、ユーザが選択したデータセット仕様に基づいてシステム分析機能４０に情報を提供する。たとえば、ユーザ選択ポリシー閾値基準４８が、コンピュータ・インフラストラクチャ１１にわたるアイドル・ワークロードの５％の識別を要求する場合を想定する。ホスト・デバイス２５が基準４８をクラスタリング機能４５に適用すると、半教師あり機能７５が生成される。半教師あり機能７５は、基準４８に関連付けられたクラスタを分析して、コンピュータ・インフラストラクチャ１１の挙動の変化に基づいて（すなわち、コンピュータ・インフラストラクチャ１１のコンピュータ環境リソース１２の特性が経時的に変化するにつれて）、ユーザ選択ポリシー閾値基準４８に関連付けられたデータ要素のセットのデータセット仕様の境界を調整するようにホスト・デバイス２５を構成する。

たとえば、システム管理者が、ユーザ選択閾値基準４８として中程度のアイドル・ワークロード閾値レベル６２を選択したと仮定する。この選択に基づいて、ホスト・デバイス２５は、基準４８をクラスタリング機能４５に提供して、関連付けられた半教師あり機能７５を生成する。半教師あり機能７５を実行することによって、ホスト・デバイス２５は、図４で特定された中程度のクラスタ３６に関するデータ要素２８についてコンピュータ・インフラストラクチャ１１を分析するように構成される。たとえば、コンピュータ・インフラストラクチャ１１内の中程度のアイドル・ワークロード数の増加または減少に基づいて、ホスト・デバイス２５は、クラスタ要素３６の境界を拡大または縮小することができる。

たとえば、図３をさらに参照すると、動作中に、時間の経過と共に、ホスト・デバイス２５は、コンピュータ・インフラストラクチャ１１から更新されたデータ要素２００を実質的に連続的に受信するように構成される。コンピュータ環境リソース１２の特定の属性の挙動の変化に関連する、これらの更新されたデータ要素２００。たとえば、この例では、更新されたデータ要素２００は、コンピュータ・インフラストラクチャ１１内の中程度のアイドル・ワークロード数の増加または減少に関連する。

それに応答して、ホスト・デバイス２５は、クラスタ３６の境界をユーザに合わせて（たとえば、ユーザ選択ポリシー閾値基準４８に基づいて）調整するために、更新されたデータ要素２００をリアルタイムで分析するように構成される。たとえば、ホスト・デバイス２５が更新されたデータ要素２００（たとえば、オブジェクトおよび統計データ）を受信すると、中程度のクラスタ３６の母集団は、新たなオブジェクトの追加または既存のオブジェクトの削除のいずれか、ならびにクラスタリング技法に基づいて連続的に分析および調整されているワークロード特性の変化によって、変化し得る。どちらの場合でも、中程度のクラスタ３６の平均アイドル・ワークロード（ＣＰＵ使用率）は変化し得る。クラスタ３６の変化に基づいて、ホスト・デバイス２５は、限定はされないが、新たな仮想マシンおよびワークロードの追加などの変化、ならびに既存のワークロードの挙動の変化など含むシステム１０の属性の変化を考慮するために、平均ＣＰＵ使用率値範囲などのクラスタ３６の境界を自動的に調整（すなわち拡張または縮小）するように構成される。したがって、ホスト・デバイス２５は、クラスタ３６を定義する確立された閾値４８を維持しながら、ワークロードおよび／またはインフラストラクチャが変化／変形を経験した場合に、中程度のクラスタ３６の境界および定義を自己調整するように構成される。

一構成では、ホスト・デバイス２５は、ＧＵＩを介して出力通知４４をシステム管理者に提供するように構成される。出力通知４４は、コンピュータ環境リソース１２に関連付けられた選択されたデータセット仕様に関する高レベルの情報を提供する。たとえば、上述のように、選択されたポリシー基準４６は、コンピュータ・インフラストラクチャ１１内の仮想マシン２２により実行されるアイドル・ワークロード２３の識別に関連し、選択されたデータセット仕様は、中程度のアイドル・ワークロード仕様レベル５５に関連する。したがって、出力通知４４は、仮想マシン８２のリストおよび各仮想マシン８４の状態を提供することができる。また、出力通知４４は、システム管理者に、情報を相関させ探索し、システム管理に関する判断、たとえばこの場合、特定の仮想マシンを削除するか否かを判断する能力を提供することができる。

さらに、一構成では、ホスト・デバイス２５は、出力通知４４を提供して、選択された仕様レベルについての境界調整が実装されていることをシステム管理者に通知し、ならびにその変化を報告することができる。

前述の構成に基づいて、ホスト・デバイス２５は、通常は測定単位（たとえば、ＣＰＵ％、ＩＯＰｓなど）で指定される明示的な閾値によって定義される事前設定されるポリシーに依存することなく、アイドル・ワークロードなどの所与のデータセットに関する情報を取得することができる。代わりに、ホスト・デバイス２５は、半教師あり分析を用いて、インフラストラクチャ内のリソースのセット（たとえば、アイドル・ワークロードまたはアイドル仮想マシン）を識別するように構成される。半教師あり分析の一部として、たとえばクラスタリングの処理などによって、ホスト・デバイス２５は、リソースの仕様を取得する。また、ホスト・デバイス２５は、ワークロードおよびインフラストラクチャ・データセットの絶えず変化する特性についての洞察をシステム管理者に提供するために、機械学習技法（たとえば、クラスタリングなど）を活用して仕様の高レベル境界を連続的に調整するように構成される。したがって、ホスト・デバイス２５は、ワークロードおよび／またはインフラストラクチャが変化／変形を経験した場合に、仕様の境界を自己調整する能力を有する。その結果、ホスト・デバイス２５の構成は、システム管理者がインフラストラクチャおよびワークロードの絶えず変化する特性に反応しこれを管理する全体的な能力を向上させる。

上述のように、ホスト・デバイス２５の分析プラットフォーム４７は、半教師あり機械学習技法として、クラスタリング機能４５などのシステム分析機能４０を利用するように構成される。システム分析機能４０は、様々な方法で構成することができる。たとえば、図３を参照すると、システム分析機能４０は、線形回帰機能４９として構成することができる。ホスト・デバイス２５の分析プラットフォーム４７は、線形回帰機能４９をデータ要素２８のセットに適用してデータセット仕様を定義するように構成される。

たとえば、コンピュータ・インフラストラクチャ１１のストレージ・デバイス１８がいつ容量を使い果たすかをシステム管理者が知りたい場合を想定する。これをポリシー基準４６−２としてホスト・デバイス２５に提供することにより、ホスト・デバイス２５は、ひいてはコンピュータ・インフラストラクチャ１１から受信されたデータ要素２８に適用する線形回帰機能４９を選択することができる。線形回帰リグレッション機能４９の適用で、ホスト・デバイス２５は、インフラストラクチャ内のストレージ・スペースの利用不可に関連付けられた時間枠をシステム管理者に提供することができる。さらに、データ要素２８への線形回帰機能４９の適用に続いて、ホスト・デバイス２５は、回帰分析に関連付けられた、関連するデータセット仕様の閾値レベル（たとえば、軽度、中程度、極度）を設定する能力をシステム管理者に提供するように構成される。加えて、ホスト・デバイス２５は、入力データ要素２００を監視して、コンピュータ・インフラストラクチャの変化を識別し、検出された変化に基づいて線形回帰を調整するように構成される。

上に示したように、クラスタリング機能４５は、一次元クラスタリング機能として構成される。したがって、ホスト・デバイス２５によって実行される場合、ホスト・デバイス２５は、クラスタリング機能４５を単一の属性、たとえば平均ＣＰＵ使用率に基づくものなどに適用するように構成される。そのような表示は一例にすぎない。一構成では、インフラストラクチャの各属性を個別にクラスタリングするのではなく、クラスタリング機能４５は、ホスト・デバイス２５がインフラストラクチャ１１の複数の属性にわたるクラスタを定義することを可能にする多次元クラスタリング機能として構成される。

たとえば、図７に、コンピュータ・インフラストラクチャ１１に関連付けられたデータ要素を示すグラフ１５０を示す。図示のように、データ要素は、デカルト座標系のｚ軸１５１に対する第１の平面１５８に配置されたＣＰＵ使用率１５２と、ｚ軸１５１に対する第２の平面１６０に配置されたディスク使用率１５４に関するデータ要素のセットと、ｚ軸１５１に対する第３の平面１６２に配置されたネットワーク使用率１５６に関するデータ要素のセットとに関するものである。多次元クラスタリング機能１７０として構成されたクラスタリング機能４５によって、ホスト・デバイス２５は、属性（たとえば、ＣＰＵ使用率、ＩＯ（ディスク）使用率、およびネットワーク使用率）の組み合わせにわたってクラスタリングを３次元で行うように構成される。たとえば、ＣＰＵ使用率、ＩＯ使用率、およびネットワーク使用率データ要素に多次元クラスタリング機能１７０を適用することによって、ホスト・デバイス２５は、コンピュータ・インフラストラクチャ１１に関連付けられた第１および第２の多次元クラスタ１７２、１７４を識別している。

多次元クラスタリング機能１７０の適用の結果として、一構成では、ホスト・デバイス２５は、ＧＵＩを介してシステム管理者に出力通知４４の一部として多次元クラスタリングに関する通知を提供するように構成される。上に示したように、出力通知４４は、コンピュータ環境リソース１２に関連付けられた選択されたデータセット仕様に関する高レベル情報を提供する。たとえば、多次元クラスタリング機能１７０の適用に基づいて、出力通知４４は、全ての平面１５８、１６０、１６２（すなわち、ＣＰＵ、ＩＯおよびネットワーク使用率）にわたるアイドル・リソース（ＶＭ）のリストを、仮想マシンごとの平均ＣＰＵ使用率８６、マシンごとの平均ＩＯ使用率８８、および仮想マシンごとの平均ネットワーク使用率９０と共に提供する。アイドルＶＭを特定する処理の間に、ＣＰＵ使用率のみを考慮するだけでは不十分であり、その理由は、いくつかのワークロードがＣＰＵレベルではアイドルに見え得るが、ネットワーク・レベルではアクティブであり得るためである。結果として、多次元分類の方法（たとえば、クラスタリング）は、本発明の一部としてこの課題に取り組む。

本発明の様々な実施形態が具体的に示され説明されてきたが、添付の特許請求の範囲により定義される本発明の趣旨および範囲から逸脱することなく、形態および詳細の様々な変更を行うことができることは、当業者には理解されよう。

Claims (30)

1. ホスト・デバイスにおいて、コンピュータ・インフラストラクチャを管理するための方法であって、
   前記コンピュータ・インフラストラクチャの少なくとも１つのコンピュータ環境リソースの属性に関連するそれぞれのデータ要素のセットを前記ホスト・デバイスによって前記少なくとも１つのコンピュータ環境リソースから受信することと、
   前記ホスト・デバイスによって、前記データ要素のセットにシステム分析機能を適用して、前記データ要素のセットに関連付けられたデータセット仕様を特徴付けることと、
   前記ホスト・デバイスによって、前記データセット仕様に基づいてユーザ選択ポリシー閾値基準を受信することと、
   前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の境界を前記ホスト・デバイスによって前記コンピュータ・インフラストラクチャの挙動の変化に基づいて調整することと
   を含む、方法。
2. 前記データ要素のセットの各データ要素が、前記少なくとも１つのコンピュータ環境リソースの前記属性を識別するように構成されるオブジェクト・データと、前記少なくとも１つのコンピュータ環境リソースに関連する挙動を指定するように構成される統計データとを含む、請求項１に記載の方法。
3. 前記属性が、計算属性、ストレージ属性、アプリケーション属性、およびネットワーク属性のうちの少なくとも１つを含む、請求項１に記載の方法。
4. 前記ホスト・デバイスによってポリシー基準を受信すること
   をさらに含み、
   前記コンピュータ・インフラストラクチャの前記少なくとも１つのコンピュータ環境リソースから前記データ要素のセットを受信することが、それぞれが前記ポリシー基準に関連付けられた前記少なくとも１つのコンピュータ環境リソースの前記属性に関連する前記データ要素のセットを、前記ホスト・デバイスによって前記コンピュータ・インフラストラクチャの前記少なくとも１つのコンピュータ環境リソースから受信することを含む、請求項１に記載の方法。
5. 前記データ要素のセットに前記システム分析機能を適用して、前記データ要素のセットに関連付けられた前記データセット仕様を特徴付けることが、
   前記ホスト・デバイスによって、前記データ要素のセットの各データ要素にクラスタリング機能を適用してクラスタのセットを定義することと、
   前記ホスト・デバイスによって、前記クラスタのセットの各クラスタにデータセット仕様を割り当てることと
   を含む、請求項１に記載の方法。
6. 前記データ要素のセットの各データ要素に前記クラスタリング機能を適用して前記クラスタのセットを定義することが、前記ホスト・デバイスによって、前記データ要素のセットの各データ要素に多次元クラスタリング機能を適用して前記クラスタのセットを定義することを含む、請求項５に記載の方法。
7. 前記データセット仕様に基づいて前記ユーザ選択ポリシー閾値基準を受信することが、前記ホスト・デバイスによって、前記システム分析機能に前記ユーザ選択ポリシー閾値を適用して半教師あり機能を生成することをさらに含む、請求項５に記載の方法。
8. 前記ホスト・デバイスによって、前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットに前記半教師あり機能を適用して、前記データ要素のセットの前記データセット仕様の前記境界を調整することを含む、請求項７に記載の方法。
9. 前記データセット仕様に基づいて前記ユーザ選択ポリシー閾値基準を受信することが、
   前記クラスタのセットの各クラスタについてのデータセット仕様であって、それぞれがポリシー閾値基準に関連付けられたデータセット仕様を、前記ホスト・デバイスによってグラフィカル・ユーザ・インターフェースを介して表示することと、
   前記ホスト・デバイスによって、前記ユーザ選択ポリシー閾値基準をユーザ選択データセット仕様に基づいて受信することと
   を含む、請求項５に記載の方法。
10. 前記クラスタのセットの各クラスタについての前記データセット仕様であって、それぞれがポリシー閾値基準に関連付けられたデータセット仕様を表示することが、多次元クラスタのセットの各クラスタについてのデータセット仕様であって、それぞれがポリシー閾値基準に関連付けられたデータセット仕様を、前記ホスト・デバイスによってグラフィカル・ユーザ・インターフェースを介して表示することを含む、請求項９に記載の方法。
11. 前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の前記境界を前記コンピュータ・インフラストラクチャの前記挙動の変化に基づいて調整することが、前記ホスト・デバイスによって、前記ユーザ選択ポリシー閾値基準に関連付けられた前記クラスタ要素の前記境界を前記コンピュータ・インフラストラクチャの前記挙動の変化に基づいて調整することを含む、請求項９に記載の方法。
12. 前記データ要素のセットに前記システム分析機能を適用して、前記データ要素のセットに関連付けられた前記データセット仕様を特徴付けることが、
    前記ホスト・デバイスによって、前記データ要素のセットに線形回帰機能を適用して、前記データ要素のセットに関連付けられた前記データセット仕様を定義することを含む、請求項１に記載の方法。
13. 前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の前記境界を前記コンピュータ・インフラストラクチャの前記挙動の変化に基づいて調整することが、
    前記コンピュータ・インフラストラクチャの少なくとも１つのコンピュータ環境リソースの前記属性の挙動の変化に関連する更新されたそれぞれのデータ要素のセットを、前記ホスト・デバイスによって前記少なくとも１つのコンピュータ環境リソースから受信することと、
    前記更新されたデータ要素の受信に応答して、前記ホスト・デバイスによって、前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の前記境界を調整することと
    を含む、請求項１に記載の方法。
14. 前記少なくとも１つのコンピュータ環境リソースの前記データセット仕様を有する情報を提供するように構成される出力通知を前記ホスト・デバイスによってグラフィカル・ユーザ・インターフェースの一部として提供することをさらに含む、請求項１に記載の方法。
15. メモリおよびプロセッサを備えるコントローラであって、
    少なくとも１つのコンピュータ環境リソースの属性に関連するそれぞれのデータ要素のセットを、前記コンピュータ・インフラストラクチャの前記少なくとも１つのコンピュータ環境リソースから受信することと、
    前記データ要素のセットにシステム分析機能を適用して、前記データ要素のセットに関連付けられたデータセット仕様を特徴付けることと、
    前記データセット仕様に基づいてユーザ選択ポリシー閾値基準を受信することと、
    前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の境界を、前記コンピュータ・インフラストラクチャの挙動の変化に基づいて調整することと
    を行うように構成されるコントローラ
    を備える、ホスト・デバイス。
16. 前記データ要素のセットの各データ要素が、前記少なくとも１つのコンピュータ環境リソースの前記属性を識別するように構成されるオブジェクト・データと、前記少なくとも１つのコンピュータ環境リソースに関連する挙動を指定するように構成される統計データとを備える、請求項１５に記載のホスト・デバイス。
17. 前記属性が、計算属性、ストレージ属性、アプリケーション属性、およびネットワーク属性のうちの少なくとも１つを含む、請求項１５に記載のホスト・デバイス。
18. 前記コントローラが
    ポリシー基準を受信する
    ようにさらに構成され、
    前記コンピュータ・インフラストラクチャの前記少なくとも１つのコンピュータ環境リソースから前記データ要素のセットを受信する場合に、前記コントローラが、それぞれが前記ポリシー基準に関連付けられた前記少なくとも１つのコンピュータ環境リソースの前記属性に関連する前記データ要素のセットを、前記コンピュータ・インフラストラクチャの前記少なくとも１つのコンピュータ環境リソースから受信するように構成される、請求項１５に記載のホスト・デバイス。
19. 前記データ要素のセットに前記システム分析機能を適用して、前記データ要素のセットに関連付けられた前記データセット仕様を特徴付ける場合に、前記コントローラが、
    前記データ要素のセットの各データ要素にクラスタリング機能を適用してクラスタのセットを定義し、
    前記クラスタのセットの各クラスタにデータセット仕様を割り当てる
    ように構成される、請求項１５に記載のホスト・デバイス。
20. 前記データ要素のセットの各データ要素に前記クラスタリング機能を適用して前記クラスタのセットを定義する場合に、前記コントローラが、前記データ要素のセットの各データ要素に多次元クラスタリング機能を適用して前記クラスタのセットを定義するように構成される、請求項１９に記載のホスト・デバイス。
21. 前記データセット仕様に基づいて前記ユーザ選択ポリシー閾値基準を受信する場合に、前記コントローラが、
    前記クラスタのセットの各クラスタについてのデータセット仕様であって、それぞれがポリシー閾値基準に関連付けられたデータセット仕様を、グラフィカル・ユーザ・インターフェースを介して表示することと、
    前記ユーザ選択ポリシー閾値基準をユーザ選択データセット仕様に基づいて受信することと
    を行うように構成される、請求項１９に記載のホスト・デバイス。
22. 前記クラスタのセットの各クラスタについての前記データセット仕様であって、それぞれがポリシー閾値基準に関連付けられたデータセット仕様を表示することを行う場合に、前記コントローラが、多次元クラスタのセットの各クラスタについてのデータセット仕様であって、それぞれがポリシー閾値基準に関連付けられたデータセット仕様を、前記グラフィカル・ユーザ・インターフェースを介して表示することを行うように構成される、請求項２１に記載のホスト・デバイス。
23. 前記データセット仕様に基づいて前記ユーザ選択ポリシー閾値基準を受信する場合に、前記コントローラが、前記システム分析機能に前記ユーザ選択ポリシー閾値を適用して半教師あり機能を生成するようにさらに構成される、請求項１９に記載のホスト・デバイス。
24. 前記コントローラが、前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットに前記半教師あり機能を適用して、前記データ要素のセットの前記データセット仕様の前記境界を調整するように構成される、請求項１９に記載のホスト・デバイス。
25. 前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の前記境界を前記コンピュータ・インフラストラクチャの前記挙動の変化に基づいて調整する場合に、前記コントローラが、前記ユーザ選択ポリシー閾値基準に関連付けられた前記クラスタ要素の前記境界を前記コンピュータ・インフラストラクチャの前記挙動の変化に基づいて調整するように構成される、請求項２１に記載のホスト・デバイス。
26. 前記データ要素のセットに前記システム分析機能を適用して、前記データ要素のセットに関連付けられた前記データセット仕様を特徴付ける場合に、前記コントローラが、
    前記データ要素のセットに線形回帰機能を適用して、前記データ要素のセットに関連付けられた前記データセット仕様を定義する
    ように構成される、請求項１５に記載のホスト・デバイス。
27. 前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の前記境界を、前記コンピュータ・インフラストラクチャの前記挙動の変化に基づいて調整する場合に、前記コントローラが、
    前記コンピュータ・インフラストラクチャの少なくとも１つのコンピュータ環境リソースの前記属性の挙動の変化に関連する更新されたそれぞれのデータ要素のセットを前記少なくとも１つのコンピュータ環境リソースから受信することと、
    前記更新されたデータ要素の受信に応答して、前記ユーザ選択ポリシー閾値基準に関連付けられた前記データ要素のセットの前記データセット仕様の前記境界を調整することと
    を行うように構成される、請求項１５に記載のホスト・デバイス。
28. 前記コントローラが、前記少なくとも１つのコンピュータ環境リソースの前記データセット仕様を有する情報を提供するように構成される出力通知をグラフィカル・ユーザ・インターフェースの一部として提供することを行うようにさらに構成される、請求項１５に記載のホスト・デバイス。
29. ホスト・デバイスにおいて、グラフィカル・ユーザ・インターフェース（ＧＵＩ）を介してコンピュータ・インフラストラクチャを管理するための方法であって、
    前記ホスト・デバイスにより監視するための前記コンピュータ・インフラストラクチャの少なくとも１つの属性を識別する少なくとも１つのポリシー基準を、前記ホスト・デバイスによって前記ＧＵＩを介して提供することと、
    前記少なくとも１つのポリシー基準の選択の受信に応答して、前記コンピュータ・インフラストラクチャの前記少なくとも１つの属性に関連するデータセット仕様を選択させるように構成されるユーザ選択閾値基準を前記ホスト・デバイスによって前記ＧＵＩを介して提示することと、
    ユーザ選択閾値基準の受信に応答して、コンピュータ環境リソースに関連する選択されたデータセット仕様に関する出力通知を前記ホスト・デバイスによって前記ＧＵＩを介して提供することと
    を含む、方法。
30. メモリおよびプロセッサを備えるコントローラを備えるホスト・デバイスであって、前記コントローラが、
    前記ホスト・デバイスにより監視するためのコンピュータ・インフラストラクチャの少なくとも１つの属性を識別する少なくとも１つのポリシー基準をＧＵＩを介して提供することと、
    前記少なくとも１つのポリシー基準の選択の受信に応答して、前記コンピュータ・インフラストラクチャの前記少なくとも１つの属性に関連するデータセット仕様を選択させるように構成されるユーザ選択閾値基準を前記ＧＵＩを介して提示することと、
    ユーザ選択閾値基準の受信に応答して、コンピュータ環境リソースに関連する選択されたデータセット仕様に関する出力通知を前記ＧＵＩを介して提供することと
    を行うように構成されるコントローラ
    を備える、ホスト・デバイス。

Images