JP2018124878A - 性能要件推定プログラム、性能要件推定装置、および性能要件推定方法 - Google Patents

性能要件推定プログラム、性能要件推定装置、および性能要件推定方法 Download PDF

Info

Publication number
JP2018124878A
JP2018124878A JP2017017798A JP2017017798A JP2018124878A JP 2018124878 A JP2018124878 A JP 2018124878A JP 2017017798 A JP2017017798 A JP 2017017798A JP 2017017798 A JP2017017798 A JP 2017017798A JP 2018124878 A JP2018124878 A JP 2018124878A
Authority
JP
Japan
Prior art keywords
type
processing
performance
information
performance requirement
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
Application number
JP2017017798A
Other languages
English (en)
Other versions
JP6763316B2 (ja
Inventor
淳一 樋口
Junichi Higuchi
淳一 樋口
松原　正純
Masazumi Matsubara
正純 松原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2017017798A priority Critical patent/JP6763316B2/ja
Priority to US15/881,828 priority patent/US10067804B2/en
Publication of JP2018124878A publication Critical patent/JP2018124878A/ja
Application granted granted Critical
Publication of JP6763316B2 publication Critical patent/JP6763316B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3442—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for planning or managing the needed capacity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
    • G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45583—Memory management, e.g. access or allocation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45591—Monitoring or debugging support

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

【課題】新たなシステムが各処理種別に対応する性能要件を満たすか否かの精度の良い判定結果を得ること。【解決手段】図１の（１）で示すように、性能要件推定装置１０１は、使用情報と、要求情報とに基づいて、更改対象システム１０２に含まれるＷｅｂ／ＡＰサーバ１０３やＤＢサーバ１０４のリソースの単位時間当たりの使用量を、各業務種別に配分する。次に、性能要件推定装置１０１は、図１の（２）で示すように、配分インフラ性能情報１４０と、システム性能情報１３０とに基づいて、システム性能モデルを各業務種別に対応して生成する。そして、性能要件推定装置１０１は、図１の（３）で示すように、システム性能モデル情報１５０とシステム性能要件情報１６０とリソース情報とに基づいて、各業務種別に属する処理に関する性能値の要件を新たなシステム１０２’が満たすか否かを判定する。【選択図】図１

Description

本発明は、性能要件推定プログラム、性能要件推定装置、および性能要件推定方法に関する。
従来、複数のサーバにより構築されるシステムを、他のサーバを用いて再構築したり、クラウド上で再構築したりするといった更改が行われることがある。関連する先行技術として、例えば、移動対象ＶＭ（Ｖｉｒｔｕａｌ Ｍａｃｈｉｎｅ）の性能情報を移動対象ＶＭに関するワークロード量とワークロード特性値との組み合わせに変換し、変換した組み合わせをＶＭの移動先の候補となる移動先サーバ装置の性能モデルに適用するものがある。また、第１の処理システム、および、第２の処理システムにおける、所定のベンチマーク処理実行時のメトリックの値をもとに、第１の処理システムにおけるメトリックに対する第２の処理システムにおけるメトリックの性能比を算出するものがある。
また、解析対象システムで処理されると推定される業務処理量データを複数の業務項目に基づく第１負荷量と、該当のシステムの稼動状況データに基づく第２負荷量が所定条件を満たせば、第１負荷量の算出の基礎となったデータが適切であると判定する技術がある。また、第１地点のクライアントとサーバ間のパケットロス数と、第２地点のクライアントがサーバと通信する時のネット品質情報とに基づいたパケットロスに対する遅延時間から、第２地点のクライアントが行う操作に対するサーバの応答時間を推測するものがある。
国際公開第２０１３／１３２７３５号 特開２０１４−８５８０９号公報 特開２００６−１５５１３７公報 特開２０１６−８２４９７号公報
しかしながら、従来技術によれば、複数の処理種別の各処理種別に属する処理を実行するシステムを更改する際に、更改先の候補となる新たなシステムが各処理種別に対応する性能要件を満たすか否かを特定することが困難である。具体的には、入手できる情報は、更改前のシステム全体としての情報であるため、更改前のシステムにおいて各処理種別で利用されたリソース量がどの程度か特定できないためである。従って、更改前のシステムにおいて各処理種別で利用されたリソース量が、更改前のシステム全体のリソース量を等分に分配した量であると仮定しても、精度の良い判定結果を得ることはできない。
１つの側面では、本発明は、新たなシステムが各処理種別に対応する性能要件を満たすか否かの精度の良い判定結果を得ることができる性能要件推定プログラム、性能要件推定装置、および性能要件推定方法を提供することを目的とする。
１つの実施態様では、性能要件推定プログラム、性能要件推定装置、および性能要件推定方法は、複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が各処理種別に利用された際の機器のリソースの単位時間当たりの使用量を示す使用情報と、各処理種別に対応してシステムに対する各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、機器のリソースの単位時間当たりの使用量を各処理種別に配分し、各処理種別に配分した機器のリソースの単位時間当たりの使用量と、システムにおける各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより各処理種別に属する処理に関する性能値を出力するモデルを各処理種別に対応して生成し、各処理種別に対応して生成したモデルと、各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、各処理種別に属する処理に関する性能値の要件を新たなシステムが満たすか否かを判定し、判定した判定結果を出力する。
一つの側面では、本発明は、新たなシステムが各処理種別に対応する性能要件を満たすか否かの精度の良い判定結果を得ることが可能となる。
図１は、本実施の形態にかかる性能要件推定装置１０１の動作例を示す説明図である。 図２は、性能要件推定システム２００の構成例を示す説明図である。 図３は、性能要件推定装置１０１のハードウェア構成例を示す説明図である。 図４は、性能要件推定装置１０１の機能構成例を示す説明図である。 図５は、システム利用情報１１０の記憶内容の一例を示す説明図である。 図６は、インフラ性能情報１２０の記憶内容の一例を示す説明図である。 図７は、更改前インフラ情報４１１の記憶内容の一例を示す説明図である。 図８は、配分対象リソース種別情報４１２の記憶内容の一例を示す説明図である。 図９は、システム性能情報１３０の記憶内容の一例を示す説明図である。 図１０は、配分インフラ性能情報１４０の記憶内容の一例を示す説明図である。 図１１は、システム性能モデル情報１５０の記憶内容の一例を示す説明図である。 図１２は、システム性能要件情報１６０の記憶内容の一例を示す説明図である。 図１３は、インフラ性能要件情報４１３の記憶内容の一例を示す説明図である。 図１４は、更改後インフラ情報１７０の記憶内容の一例を示す説明図である。 図１５は、更改後インフラ構成情報４１４の記憶内容の一例を示す説明図である。 図１６は、性能要件推定処理手順の一例を示すフローチャートである。 図１７は、インフラ性能値配分処理手順の一例を示すフローチャートである。 図１８は、配分利用量の他の算出方法の一例を示す説明図である。 図１９は、システム性能モデル情報生成処理手順の一例を示すフローチャートである。 図２０は、インフラ性能要件情報生成処理手順の一例を示すフローチャートである。 図２１は、更改後インフラ選定処理手順の一例を示すフローチャートである。
以下に図面を参照して、開示の性能要件推定プログラム、性能要件推定装置、および性能要件推定方法の実施の形態を詳細に説明する。
図１は、本実施の形態にかかる性能要件推定装置１０１の動作例を示す説明図である。性能要件推定装置１０１は、更改対象となるシステムの性能要件を推定するコンピュータである。性能要件推定装置１０１は、例えば、サーバである。
更改対象となる更改対象システムは、１つ以上の機器を含む。機器は、例えば、サーバや、ネットワーク機器である。例えば、更改対象システムは、複数のサーバで構築されるＷｅｂ３階層システムである。本実施の形態では、機器をサーバとする。そして、更改対象システムを、他のサーバを用いて再構築したり、クラウド上で再構築したりするといった更改が行われることがある。ここで、システムを構築するための基礎となるハードウェアである機器を、インフラストラクチャと呼ぶことがある。以下、インフラストラクチャを、「インフラ」と呼称する。近年、物理環境や仮想環境上の既存のシステムのクラウドへの移行が進んでいる。
システム全体の性能要件を満たすか否かの判定方法については、移行先となるクラウド上で実際に性能検証することが考えられる。また、システム全体の性能要件とは、処理種別ごとに存在することがある。本実施の形態では、システムは、業務処理を処理する業務システムとし、システム全体の性能要件は、業務種別ごとに存在するとする。業務種別は、業務システムが機能として有する業務処理の種類である。例えば、購買システムである場合、業務種別は、発注業務、見積依頼業務、検収業務等がある。そして、業務システムとなるシステム全体の性能要件としては、例えば、業務種別ごとのオンライン応答時間、バッチ処理時間が満たすべき条件である。
しかしながら、移行先となるクラウド上で実際に性能検証するとなると、顧客が保有する多くのシステムを、移行先候補の複数のクラウドの各クラウドに対して移行可能か判定することになり、クラウドの数分工数がかかる。
そこで、クラウドのインフラ性能情報が判明していれば移行可否を判定できるようにするため、システム全体の性能要件を満たすことができるインフラ性能要件を把握することが望まれる。ここで、インフラ性能要件は、サーバのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）性能値や、メモリ量、ネットワークのロス率、ネットワークの遅延、ネットワークの帯域である。インフラ性能要件は、システムの設計時に定義されるが、要件定義されない業務種別があったり、システム変更が発生したりして、設計当初の要件とはずれている可能性がある。
従って、複数の業務種別の各業務種別に属する処理を実行するシステムを更改する際に、更改先となる新たなシステムが各業務種別に対応する性能要件を満たすか否かを特定することが困難である。具体的には、入手できる情報は、更改前のシステム全体としての情報であるため、更改前のシステムにおいて各業務種別で利用されたリソース量がどの程度か特定できないためである。また、更改前のシステムが複数のサーバによる多階層で構築される場合、全ての業務種別において多階層の全てのサーバが利用されるとは限らない。従って、更改前のシステムにおいて各業務種別で利用されたリソース量を、システム全体のリソース量を等分に分配した量であると仮定しても、精度の良い判定結果を得ることはできない。
そこで、本実施の形態では、更改前のシステムのリソース使用量を各業務種別の要求数に応じて配分した量と各業務種別の性能値とから生成したモデルに、新たなシステムのリソース量を代入して各業務種別の性能要件を満たすか判定することについて説明する。
図１を用いて、性能要件推定装置１０１の動作例について説明する。図１に示す性能要件推定装置１０１は、更改対象システム１０２の性能要件を推定し、更改対象システム１０２の更改先の候補となる新たなシステム１０２’が各業務種別に対応する性能要件を満たすか否かを判定する。更改対象システム１０２は、Ｗｅｂ／ＡＰ（ＡＰｐｌｉｃａｔｉｏｎ）サーバ１０３と、ＤＢ（ＤａｔａＢａｓｅ）サーバ１０４とを有するＷｅｂ３階層システムである。ここで、Ｗｅｂ／ＡＰサーバ１０３は、物理マシンでもよいし、仮想マシンでもよい。
そして、図１に示す更改対象システム１０２は、複数の業務種別として、発注業務と見積依頼業務に属する処理を実行するものとする。また、新たなシステム１０２’は、更改対象システム１０２と同一の処理種別に属する処理を実行可能である。新たなシステム１０２’には、Ｗｅｂ／ＡＰサーバ１０３’と、ＤＢサーバ１０４’とが含まれる。ここで、新たなシステム１０２’に含まれるＷｅｂ／ＡＰサーバ１０３’と、ＤＢサーバ１０４’とは、物理マシンでもよいし、仮想マシンでもよい。
また、説明の簡略化のため、図１で示すＷｅｂ／ＡＰサーバ１０３と、ＤＢサーバ１０４とが、共に、発注業務と見積依頼業務とに利用されるとする。また、説明の簡略化のため、図１の説明では、リソースとして、Ｗｅｂ／ＡＰサーバ１０３と、ＤＢサーバ１０４とのＣＰＵだけに限定して説明する。
図１の（１）で示すように、性能要件推定装置１０１は、使用情報と、要求情報とに基づいて、更改対象システム１０２に含まれるＷｅｂ／ＡＰサーバ１０３やＤＢサーバ１０４のリソースの単位時間当たりの使用量を、各業務種別に配分する。ここで、使用情報は、更改対象システム１０２に含まれるサーバが各業務種別に利用された際のＷｅｂ／ＡＰサーバ１０３やＤＢサーバ１０４のリソースの単位時間当たりの使用量を示す。また、要求情報は、各業務種別に対応して更改対象システム１０２に対する各業務種別に属する処理の単位時間当たりの要求数を示す。また、単位時間は、どのような時間長でもよく、例えば、１分、５分、３０分、１時間等である。
以下、要求情報を、システム利用情報１１０とする。使用情報を、インフラ性能情報１２０とする。また、図１では、システム利用情報１１０に含まれる、各業務種別に対応して更改対象システム１０２に対する各業務種別に属する処理の単位時間当たりの要求数を、グラフ１１１−ｏｒ、１１１−ｅｓとして摸擬的に示す。以下の説明では、同種の要素を区別する場合には、「グラフ１１１−ｏｒ」、「グラフ１１１−ｅｓ」のように参照符号を使用し、同種の要素を区別しない場合には、「グラフ１１１」のように参照符号のうちの共通番号だけを使用することがある。グラフ１１１−ｏｒは、発注業務に対応するグラフである。また、グラフ１１１−ｅｓは、見積依頼業務に対応するグラフである。グラフ１１１の横軸は、時刻であり、グラフ１１１の縦軸は、要求数である。
同様に、図１では、インフラ性能情報１２０に含まれる、Ｗｅｂ／ＡＰサーバ１０３やＤＢサーバ１０４のリソースの単位時間当たりの使用量となるＣＰＵ使用率を、グラフ１２１−ｗａと、グラフ１２１−ｄｂとして摸擬的に示す。グラフ１２１−ｗａは、Ｗｅｂ／ＡＰサーバ１０３の単位時間当たりのＣＰＵ使用率を示すグラフである。また、グラフ１２１−ｄｂは、ＤＢサーバ１０４の単位時間当たりのＣＰＵ使用率を示すグラフである。
例えば、性能要件推定装置１０１は、各業務種別の要求数の比に応じて、Ｗｅｂ／ＡＰサーバ１０３やＤＢサーバ１０４のリソースの単位時間当たりの使用量を、各業務種別に配分する。例えば、ある時刻における単位時間の発注業務の要求数が１００であり、見積依頼業務の要求数が２００であり、Ｗｅｂ／ＡＰサーバ１０３のＣＰＵ使用率が３０［％］であるとする。この場合、性能要件推定装置１０１は、Ｗｅｂ／ＡＰサーバ１０３のＣＰＵ使用率を、発注業務に１０［％］配分し、見積依頼業務に２０［％］配分する。
性能要件推定装置１０１は、図１の（１）の処理の結果、各処理種別に配分した各サーバのリソースの単位時間当たりの使用量を示す配分インフラ性能情報１４０を生成する。図１に示す配分インフラ性能情報１４０は、各処理種別に配分した各サーバのリソースの単位時間当たりの使用量を、グラフ１４１−ｏｒｗａ、１４１−ｏｒｄｂ、１４１−ｅｓｗａ、１４１−ｅｓｄｂとして模式的に示す。グラフ１４１−ｏｒｗａは、発注業務に配分したＷｅｂ／ＡＰサーバ１０３の単位時間当たりのＣＰＵ使用率を示すグラフである。また、グラフ１４１−ｏｒｄｂは、発注業務に配分したＤＢサーバ１０４の単位時間当たりのＣＰＵ使用率を示すグラフである。また、グラフ１４１−ｅｓｗａは、見積依頼業務に配分したＷｅｂ／ＡＰサーバ１０３の単位時間当たりのＣＰＵ使用率を示すグラフである。また、グラフ１４１−ｅｓｄｂは、見積依頼業務に配分したＤＢサーバ１０４の単位時間当たりのＣＰＵ使用率を示すグラフである。
次に、性能要件推定装置１０１は、図１の（２）で示すように、配分インフラ性能情報１４０と、システム性能情報１３０とに基づいて、システム性能モデルを各業務種別に対応して生成する。システム性能情報１３０は、更改対象システム１０２における各業務種別に属する処理に関する単位時間当たりの性能値を示す情報である。ここで、性能値は、各業務種別に属する処理に関するものであり、例えば、要求に対する応答時間である。または、性能値は、単位時間に処理可能な要求数でもよい。図１の例では、性能値は、応答時間であるとする。図１に示すシステム性能情報１３０は、各業務種別における単位時間当たりの応答時間を、グラフ１３１−ｏｒ、１３１−ｅｓとして模式的に示す。グラフ１３１−ｏｒは、発注業務における単位時間当たりの応答時間を示すグラフである。また、グラフ１３１−ｅｓは、見積依頼業務における単位時間当たりの応答時間を示すグラフである。
また、システム性能モデルは、リソース量が入力されることにより各業務種別に属する処理に関する性能値を出力するモデルである。具体的には、性能要件推定装置１０１は、システム性能モデルを、各サーバのリソース量を説明変数とし、性能値を目的変数とする回帰分析を用いて生成する。また、性能要件推定装置１０１は、システム性能モデルを生成する際に、配分インフラ性能情報１４０に含まれる、配分した配分ＣＰＵ使用率を配分ＣＰＵ性能値に変換してから、システム性能モデルを生成する。例えば、性能要件推定装置１０１は、配分ＣＰＵ使用率に、該当のサーバにおけるＣＰＵ使用率が１００［％］時のＣＰＵ性能値を乗じることにより、配分ＣＰＵ性能値を得ることができる。
図１の例では、性能要件推定装置１０１は、配分インフラ性能情報１４０と、システム性能情報１３０とに基づいて、下記（１）式で示されるシステム性能モデルを各業務種別に対応して生成する。
Figure 2018124878
ただし、ｉは、業務種別を識別する番号である。ｊは、ｊ番目のサーバのリソースを識別する番号である。ｘjは、ｊ番目のサーバのリソース量を示す。ｙiは、該当の業務種別における性能値であり、図１の例では応答時間である。また、ａij、ｂiは、回帰分析によって特定される係数、定数である。例えば、図１の例では、（１）式は、ｉ＝１が発注業務のシステム性能モデルを示し、ｉ＝２が見積依頼業務のシステム性能モデルを示す。そして、例えば、ｊ＝１がＷｅｂ／ＡＰサーバ１０３のＣＰＵ性能値を識別する番号となり、ｊ＝２がＤＢサーバ１０４のＣＰＵ性能値を識別する番号となる。
性能要件推定装置１０１は、図１の（２）の処理の結果、システム性能モデルを含むシステム性能モデル情報１５０を生成する。そして、性能要件推定装置１０１は、図１の（３）で示すように、システム性能モデル情報１５０とシステム性能要件情報１６０とリソース情報とに基づいて、各業務種別に属する処理に関する性能値の要件を新たなシステム１０２’が満たすか否かを判定する。ここで、システム性能要件情報１６０は、各業務種別に属する処理に関する性能値の要件を示す情報である。例えば、図１の例では、システム性能要件情報１６０は、業務種別ｉの性能値として、応答時間がある所定値Ｃi以下であれば、業務種別ｉの性能要件を満たすことを示す。
リソース情報は、新たなシステムに含まれるサーバのリソース量を示す。以下、リソース情報を、更改後インフラ情報１７０とする。図１の例では、更改後インフラ情報１７０は、Ｗｅｂ／ＡＰサーバ１０３’のＣＰＵ性能値が２５であり、ＤＢサーバ１０４’のＣＰＵ性能値が５０であることを示す。
図１では、性能要件推定装置１０１は、発注業務について、（１）式について、ｉ＝１として、ｘ1に２５を代入し、ｘ2に５０を代入し、新たなシステム１０２’における発注業務の応答時間を得る。そして、性能要件推定装置１０１は、得られた応答時間がＣ1以下であれば、新たなシステム１０２’が発注業務について性能要件を満たすと判定する。同様に、性能要件推定装置１０１は、見積依頼業務についても、（１）式について、ｉ＝２として、ｘ1に２５を代入し、ｘ2に５０を代入し、新たなシステム１０２’における発注業務の応答時間を得る。以下、性能要件推定装置１０１は、発注業務と同様の手順により、新たなシステム１０２’が見積依頼業務について性能要件を満たすか否か判定する。
そして、性能要件推定装置１０１は、判定した判定結果を出力する。具体的な出力例としては、性能要件推定装置１０１は、新たなシステム１０２’が発注業務、見積依頼業務ともに性能要件を満たす旨を出力する。また、例えば、いずれかの業務に対応する性能要件を満たさない場合には、性能要件推定装置１０１は、新たなシステム１０２’がいずれかの業務の性能要件を満たさない旨を出力してもよいし、性能要件を満たさなかった業務名を出力してもよい。そして、いずれかの業務の性能要件を満たさないという出力結果を閲覧した利用者は、新たなシステム１０２’のリソース量を増やすことを検討してもよいし、性能要件を満たさない業務に関するプログラムの高速化を検討してもよい。
以上のように、性能要件推定装置１０１は、各業務種別のリソース使用量を適切に特定するため、精度の良い判定結果を出力することができる。また、性能要件推定装置１０１は、更改対象システム１０２を移行しなくても、新たなシステム１０２’が各処理種別に対応する性能要件を満たすか否かの判定結果を得ることができる。なお、更改対象システム１０２に含まれるサーバは、１つでもよい。また、更改対象システム１０２は、業務システムであるとしたが、これに限らない。例えば、更改対象システム１０２は、個人用や家庭用のシステムでもよい。次に、性能要件推定装置１０１を含むシステムについて、図２を用いて説明する。
図２は、性能要件推定システム２００の構成例を示す説明図である。性能要件推定システム２００は、性能要件推定装置１０１と、運用管理サーバ２０１と、利用者端末２０２と、更改対象システム１０２とを含む。性能要件推定装置１０１と、運用管理サーバ２０１と、利用者端末２０２と、更改対象システム１０２とは、インターネット、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）等のネットワーク２１０で接続される。
運用管理サーバ２０１は、更改対象システム１０２を監視するコンピュータである。利用者端末２０２は、利用者Ｕによって操作されるコンピュータである。利用者Ｕは、例えば、更改対象システム１０２の移行を担当する担当者である。次に、性能要件推定装置１０１のハードウェア構成例について、図３を用いて説明する。
図３は、性能要件推定装置１０１のハードウェア構成例を示す説明図である。図３において、性能要件推定装置１０１は、ＣＰＵ３０１と、ＲＯＭ（Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）３０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）３０３と、を含む。また、性能要件推定装置１０１は、ディスクドライブ３０４およびディスク３０５と、通信インターフェース３０６と、を含む。また、ＣＰＵ３０１〜ディスクドライブ３０４、通信インターフェース３０６はバス３０７によってそれぞれ接続される。
ＣＰＵ３０１は、性能要件推定装置１０１の全体の制御を司る演算処理装置である。ＲＯＭ３０２は、ブートプログラムなどのプログラムを記憶する不揮発性メモリである。ＲＡＭ３０３は、ＣＰＵ３０１のワークエリアとして使用される揮発性メモリである。
ディスクドライブ３０４は、ＣＰＵ３０１の制御に従ってディスク３０５に対するデータのリードおよびライトを制御する制御装置である。ディスクドライブ３０４には、例えば、磁気ディスクドライブ、光ディスクドライブ、ソリッドステートドライブなどを採用することができる。ディスク３０５は、ディスクドライブ３０４の制御で書き込まれたデータを記憶する不揮発性メモリである。例えばディスクドライブ３０４が磁気ディスクドライブである場合、ディスク３０５には、磁気ディスクを採用することができる。また、ディスクドライブ３０４が光ディスクドライブである場合、ディスク３０５には、光ディスクを採用することができる。また、ディスクドライブ３０４がソリッドステートドライブである場合、ディスク３０５には、半導体素子によって形成された半導体メモリ、いわゆる半導体ディスクを採用することができる。
通信インターフェース３０６は、ネットワーク２１０と内部のインターフェースを司り、他の装置からのデータの入出力を制御する制御装置である。具体的に、通信インターフェース３０６は、通信回線を通じてネットワーク２１０を介して他の装置に接続される。通信インターフェース３０６には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
また、性能要件推定装置１０１の管理者が、性能要件推定装置１０１を直接操作する場合、性能要件推定装置１０１は、ディスプレイ、キーボード、マウスといったハードウェアを有してもよい。
また、運用管理サーバ２０１は、性能要件推定装置１０１と同様のハードウェアを有する。また、利用者端末２０２は、性能要件推定装置１０１と同様のハードウェアに加え、ディスプレイ、キーボード、マウスを有する。
（性能要件推定装置１０１の機能構成例）
図４は、性能要件推定装置１０１の機能構成例を示す説明図である。性能要件推定装置１０１は、制御部４００を有する。制御部４００は、インフラ性能値配分部４０１と、システム性能モデル生成部４０２と、インフラ性能要件生成部４０３と、更改後インフラ選定部４０４と、を含む。制御部４００は、記憶装置に記憶されたプログラムをＣＰＵ３０１が実行することにより、各部の機能を実現する。記憶装置とは、具体的には、例えば、図３に示したＲＯＭ３０２、ＲＡＭ３０３、ディスク３０５などである。また、各部の処理結果は、ＲＡＭ３０３や、ＣＰＵ３０１のレジスタ、ＣＰＵ３０１のキャッシュメモリ等に格納される。
また、性能要件推定装置１０１は、記憶部４１０にアクセス可能である。記憶部４１０は、ＲＡＭ３０３、ディスク３０５といった記憶装置である。記憶部４１０は、システム利用情報１１０と、インフラ性能情報１２０と、システム性能情報１３０と、配分インフラ性能情報１４０と、システム性能モデル情報１５０と、システム性能要件情報１６０と、更改後インフラ情報１７０とを有する。さらに、記憶部４１０は、更改前インフラ情報４１１と、配分対象リソース種別情報４１２と、インフラ性能要件情報４１３と、更改後インフラ構成情報４１４とを有する。
ここで、システム利用情報１１０と、インフラ性能情報１２０と、更改前インフラ情報４１１と、システム性能情報１３０とは、運用管理サーバ２０１によって生成された情報である。システム利用情報１１０と、インフラ性能情報１２０と、更改前インフラ情報４１１と、システム性能情報１３０との記憶内容の一例は、それぞれ、図５〜図７、図９で示す。
システム性能要件情報１６０と、更改後インフラ情報１７０とは、利用者端末２０２が、利用者Ｕの入力により生成された情報である。システム性能要件情報１６０と、更改後インフラ情報１７０との記憶内容の一例は、それぞれ、図１２、図１３で示す。配分対象リソース種別情報４１２は、利用者Ｕの入力、または性能要件推定システム２００の管理者の入力によって生成された情報である。配分対象リソース種別情報４１２は、更改対象システム１０２に含まれる各サーバが利用される処理種別を特定する情報である。配分対象リソース種別情報４１２の記憶内容の一例は、図８で示す。
また、配分インフラ性能情報１４０は、インフラ性能値配分部４０１の実行の結果生成される情報である。同様に、システム性能モデル情報１５０は、システム性能モデル生成部４０２の実行の結果生成される情報である。同様に、インフラ性能要件情報４１３は、インフラ性能要件生成部４０３の実行の結果生成される情報である。同様に、更改後インフラ構成情報４１４は、更改後インフラ選定部４０４の実行の結果生成される情報である。配分インフラ性能情報１４０と、システム性能モデル情報１５０と、インフラ性能要件情報４１３と、更改後インフラ構成情報４１４との記憶内容の一例は、それぞれ、図１０、図１１、図１３、図１５で示す。
インフラ性能値配分部４０１は、インフラ性能情報１２０と、システム利用情報１１０とに基づいて、更改対象システム１０２に含まれるサーバのリソースの単位時間当たりの使用量を、各業務種別に配分する。インフラ性能値配分部４０１は、配分した情報を、配分インフラ性能情報１４０として生成する。また、インフラ性能値配分部４０１は、さらに、更改前インフラ情報４１１を用いて、更改対象システム１０２に含まれるサーバのリソースの単位時間当たりの使用量を、各業務種別に配分してもよい。
また、インフラ性能値配分部４０１は、インフラ性能情報１２０と、システム利用情報１１０と、各業務種別に対応する各業務種別に属する処理にかかる時間を示す処理時間情報に基づいて、リソースの単位時間当たりの使用量を、各業務種別に配分してもよい。各業務種別に属する処理にかかる時間は、１つの処理にかかる平均時間が好ましい。具体的な配分方法については、図１８で説明する。
また、更改対象システム１０２の全てのサーバが、必ずしも全ての業務種別に利用されなくてもよい。この場合、インフラ性能値配分部４０１は、インフラ性能情報１２０と、システム利用情報１１０と、配分対象リソース種別情報４１２とに基づいて、リソースの単位時間当たりの使用量を、各業務種別に配分する。
システム性能モデル生成部４０２は、配分インフラ性能情報１４０と、システム性能情報１３０とに基づいて、システム性能モデルを生成する。システム性能モデルの具体的な生成例については、図１９で説明する。システム性能モデル生成部４０２は、生成したシステム性能モデルを含むシステム性能モデル情報１５０を生成する。
インフラ性能要件生成部４０３は、システム性能モデル情報１５０と、システム性能要件情報１６０とに基づいて、各業務種別に属する処理に関する性能値の要件を示す情報を生成する。具体的には、インフラ性能要件生成部４０３は、システム性能要件情報１６０の不等式に、システム性能モデルを代入することにより、各業務種別に属する処理に関する性能値の要件を示す情報となる不等式を生成する。インフラ性能要件生成部４０３は、生成した不等式を含むインフラ性能要件情報４１３を生成する。
更改後インフラ選定部４０４は、インフラ性能要件情報４１３と、更改後インフラ情報１７０に基づいて、各業務種別に属する処理に関する性能値の要件を新たなシステム１０２’が満たすか否かを判定する。そして、更改後インフラ選定部４０４は、判定した判定結果を出力する。
また、更改後インフラ情報１７０は、新たなシステム１０２’に含まれる候補でありリソース量がそれぞれ異なるサーバの種別を示す種別情報でもよい。例えば、更改後インフラ情報１７０は、ＣＰＵ性能値がそれぞれ異なる、あるサーバ種別と、別のサーバ種別の情報とを有してもよい。そして、更改後インフラ情報１７０が種別情報であるとする。この場合、更改後インフラ選定部４０４は、更改後インフラ情報１７０と、インフラ性能要件情報４１３とに基づいて、各業務種別に属する処理に関する性能値の要件を満たすサーバの種別ごとのサーバの数を決定してもよい。例えば、前述の例を用いると、更改後インフラ選定部４０４は、あるサーバ種別のサーバの数と、別のサーバ種別のサーバの数とを決定する。そして、更改後インフラ選定部４０４は、決定したサーバの種別ごとのサーバの数を、サーバの種別に対応付けて出力する。
例えば、システム性能モデルが、（１）式である場合、インフラ性能要件情報４１３に含まれる不等式は、−１乗の多項式となるから、更改後インフラ選定部４０４は、非線形計画法により、あるサーバの数と、別のサーバの数とを決定することができる。また、システム性能モデルが、１次元の多項式である場合、インフラ性能要件情報４１３に含まれる不等式は、１次元の多項式となるから、更改後インフラ選定部４０４は、線形計画法により、あるサーバの数と、別のサーバの数とを決定することができる。
また、種別情報は、サーバの種別の評価値をサーバの種別に対応付けて記憶してもよい。ここで、サーバの種別の評価値は、例えば、該当の種別となるサーバ１台あたりの金額でもよいし、消費電力でもよい。また、該当の種別となるサーバが、物理マシンであれば、平均故障期間でもよい。そして、線形計画法や非線形計画法等により、各業務種別に属する処理に関する性能値の要件を満たすサーバの種別ごとのサーバの数の組み合わせが複数得られたとする。この場合、更改後インフラ情報１７０は、複数の組み合わせの各組み合わせに含まれるサーバの種別ごとのサーバの数と、各組み合わせに含まれるサーバの評価値とに基づいて、新たなシステム１０２’に含まれるサーバの種別ごとのサーバの数を決定してもよい。
例えば、複数の組み合わせとして、あるサーバ種別のサーバの数が２と、別のサーバ種別のサーバの数が１という第１の組み合わせと、あるサーバ種別のサーバの数が１と、別のサーバ種別のサーバの数が２という第２の組み合わせとが得られたとする。そして、あるサーバ種別のサーバの金額が、１時間当たり１０円であり、別のサーバ種別のサーバの金額が１９円であるとする。この場合、第１の組み合わせにかかる金額が、１０＊２＋１９＝３９円となり、第２の組み合わせにかかる金額が、１０＋１９＊２＝４８円となる。従って、更改後インフラ選定部４０４は、より安い第１の組み合わせで特定されるサーバを、新たなシステム１０２’に含まれるサーバとして決定する。
また、サーバの評価値が消費電力の場合でも、更改後インフラ選定部４０４は、サーバの評価値が金額の場合と同様の処理を行えばよい。また、サーバの評価値が平均故障期間である場合、平均故障期間は長い方がよいため、更改後インフラ選定部４０４は、平均故障期間の和が最も長い組み合わせで特定されるサーバを、新たなシステム１０２’に含まれるサーバとして決定すればよい。
次に、記憶部４１０内に記憶される情報の記憶内容の一例について、図５〜図１５を用いて説明する。
図５は、システム利用情報１１０の記憶内容の一例を示す説明図である。図５に示すシステム利用情報１１０は、全業務種別のリクエスト数と、業務種別ごとのリクエスト数とを有する表５０１と、業務種別ごとの利用構成要素を有する表５０２とを有する。図５に示す表５０１は、レコード５１１−１〜５を有する。また、図５に示す表５０２は、レコード５１２−１〜３を有する。
表５０１は、時刻と、全業務種別と、発注と、見積依頼と、検収というフィールドを含む。時刻フィールドには、時刻を示す文字列が格納される。全業務種別フィールドには、業務種別の全てのリクエスト数の合計が格納される。発注フィールドには、発注業務のリクエスト数が格納される。見積依頼フィールドには、見積依頼業務のリクエスト数が格納される。検収フィールドには、検収業務のリクエスト数が格納される。
表５０２は、業務種別と、利用構成要素（サーバ種別）というフィールドを含む。業務種別フィールドには、業務種別を示す文字列が格納される。利用構成要素（サーバ種別）フィールドには、該当の業務種別に利用されるサーバ種別が格納される。
例えば、図５に示す表５０２は、発注業務と検収業務とについては、Ｗｅｂ／ＡＰサーバとＤＢサーバとが利用され、見積依頼業務については、Ｗｅｂ／ＡＰサーバが利用され、ＤＢサーバは利用されないことを示す。
図６は、インフラ性能情報１２０の記憶内容の一例を示す説明図である。図６に示すインフラ性能情報１２０は、リソース種別ごとの表を有しており、具体的には、各サーバの平均ＣＰＵ使用率を有する表６０１と、各サーバの平均メモリ使用量を有する表６０２と、各サーバの平均ディスク使用量を有する表６０３とを有する。図６に示す表６０１は、レコード６１１−１〜５を有する。
表６０１は、時刻と、各サーバの平均ＣＰＵ使用率というフィールドを含む。また、表６０２は、時刻と、各サーバの平均メモリ使用量というフィールドを含む。また、表６０３は、時刻と、各サーバの平均ディスク使用量というフィールドを含む。図６に示す各サーバとは、Ｗｅｂ／ＡＰサーバと、ＤＢサーバとなる。
例えば、レコード６１１−１は、時刻９：００：００におけるＷｅｂ／ＡＰサーバの平均ＣＰＵ使用率が２０［％］であり、ＤＢサーバの平均ＣＰＵ使用率が３０［％］であることを示す。
図７は、更改前インフラ情報４１１の記憶内容の一例を示す説明図である。図７に示す更改前インフラ情報４１１は、レコード７０１−１、２を有する。
更改前インフラ情報４１１は、サーバ種別と、ＣＰＵ性能値の共通指標というフィールドを含む。サーバ種別フィールドには、サーバ種別を示す文字列が格納される。ＣＰＵ性能値の共通指標フィールドには、該当のサーバのＣＰＵ性能値の共通指標を示す値が格納される。ここで、ＣＰＵ性能値の共通指標は、例えば、ＳＰＥＣ（Ｓｔａｎｄａｒｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｅｖａｌｕａｔｉｏｎ Ｃｏｒｐｏｒａｔｉｏｎ） ＣＰＵ等がある。
図８は、配分対象リソース種別情報４１２の記憶内容の一例を示す説明図である。図８に示す配分対象リソース種別情報４１２は、レコード８０１−１、２を有する。
配分対象リソース種別情報４１２は、リソース種別というフィールドを含む。リソース種別フィールドには、配分対象となるリソース種別が格納される。
図９は、システム性能情報１３０の記憶内容の一例を示す説明図である。図９に示すシステム性能情報１３０は、レコード９０１−１〜５を有する。
システム性能情報１３０は、時刻と、業務種別ごとの平均応答時間というフィールドを含む。図９に示すシステム性能情報１３０は、業務種別として、発注業務、見積依頼業務、検収業務の平均応答時間を示す。
図１０は、配分インフラ性能情報１４０の記憶内容の一例を示す説明図である。図１０に示す配分インフラ性能情報１４０は、サーバごと、業務種別ごとのＣＰＵ性能値を有する。具体的には、図１０に示す配分インフラ性能情報１４０は、業務種別ごとのＷｅｂ／ＡＰサーバのＣＰＵ性能値（共通指標）を有する表１００１と、業務種別ごとのＤＢサーバのＣＰＵ性能値（共通指標）を有する表１００２とを有する。図１０に示す表１００１は、レコード１０１１−１〜５を有する。また、表１００２は、レコード１０１２−１〜５を有する。配分インフラ性能情報１４０の生成例については、図１７で示す。
例えば、レコード１０１１−１は、Ｗｅｂ／ＡＰサーバについて、時刻９：００：００におけるＣＰＵ性能値を、発注業務に１．３３に配分し、見積依頼業務に２．６７に配分し、検収業務に２．００に配分した例を示す。
図１１は、システム性能モデル情報１５０の記憶内容の一例を示す説明図である。図１１に示すシステム性能モデル情報１５０は、レコード１１０１−１〜３を有する。システム性能モデル情報１５０の生成例については、図１９で示す。
システム性能モデル情報１５０は、業務種別番号ｉと、業務種別と、システム性能モデルというフィールドを含む。業務種別番号ｉフィールドには、業務種別を識別する番号が格納される。業務種別フィールドには、業務種別を示す文字列が格納される。システム性能モデルフィールドには、該当の業務種別におけるシステム性能情報と配分インフラ性能情報との関係を示すモデルが格納される。
例えば、レコード１１０１−１〜３で示すシステム性能モデルのｙは、該当の業務種別のオンライン応答時間［ｍｓｅｃ］を示す。また、ｘ1は、Ｗｅｂ／ＡＰサーバのＣＰＵ性能値（共通指標）を示す。また、ｘ2は、ＤＢサーバのＣＰＵ性能値（共通指標）を示す。また、各サーバ種別が複数台ある場合には、ｘiは、該当のサーバ種別となる全台数の合計値である。
図１２は、システム性能要件情報１６０の記憶内容の一例を示す説明図である。図１２に示すシステム性能要件情報１６０は、レコード１２０１−１〜３を有する。
システム性能要件情報１６０は、業務種別番号ｉと、業務種別と、システム性能要件というフィールドを含む。業務種別番号ｉフィールドには、業務種別を識別する番号が格納される。業務種別フィールドには、業務種別を示す文字列が格納される。システム性能要件フィールドには、オンライン応答時間ｙi［ｍｓｅｃ］が満たすべき要件を示す不等式が格納される。
図１３は、インフラ性能要件情報４１３の記憶内容の一例を示す説明図である。図１３に示すインフラ性能要件情報４１３は、レコード１３０１−１〜３を有する。
インフラ性能要件情報４１３は、業務種別番号ｉと、業務種別と、インフラ性能要件というフィールドを含む。業務種別番号ｉフィールドには、業務種別を識別する番号が格納される。業務種別フィールドには、業務種別を示す文字列が格納される。インフラ性能要件フィールドには、インフラ性能要件を示す不等式が格納される。
図１４は、更改後インフラ情報１７０の記憶内容の一例を示す説明図である。図１４に示す更改後インフラ情報１７０は、レコード１４０１−１〜３を有する。
更改後インフラ情報１７０は、サーバタイプと、メモリと、ＣＰＵ性能値（共通指標）と、価格というフィールドを含む。サーバタイプフィールドには、サーバのタイプを示す文字列が格納される。メモリフィールドには、該当のサーバが有するメモリ量が格納される。ＣＰＵ性能値（共通指標）フィールドには、該当のサーバのＣＰＵ性能値（共通指標）が格納される。価格フィールドには、該当のサーバにおける単位時間当たりの価格が格納される。
図１５は、更改後インフラ構成情報４１４の記憶内容の一例を示す説明図である。図１５に示す更改後インフラ構成情報４１４は、レコード１５０１−１、２を有する。更改後インフラ構成情報４１４の生成例については、図２１で説明する。
更改後インフラ構成情報４１４は、サーバ種別と、サーバタイプと、台数というフィールドを含む。サーバ種別フィールドには、サーバ種別を示す文字列が格納される。サーバタイプフィールドには、更改後インフラ構成における該当のサーバ種別のサーバタイプが格納される。台数フィールドには、更改後インフラ構成における該当のサーバ種別のサーバタイプの台数が格納される。
具体的には、図１５の例では、更改後インフラ構成では、Ｗｅｂ／ＡＰサーバは、サーバタイプがｓｍａｌｌとなるサーバが１台あればよく、ＤＢサーバは、サーバタイプがｍｅｄｉｕｍとなるサーバが１台あればよいことを示す。
次に、性能要件推定装置１０１が実行する性能要件推定処理のフローチャートについて、図１６、図１７、図１９〜図２１で説明する。
図１６は、性能要件推定処理手順の一例を示すフローチャートである。性能要件推定装置１０１は、インフラ性能値配分処理を実行する（ステップＳ１６０１）。インフラ性能値配分処理は、図１７で説明する。次に、性能要件推定装置１０１は、システム性能モデル情報生成処理を実行する（ステップＳ１６０２）。システム性能モデル情報生成処理は、図１９で説明する。そして、性能要件推定装置１０１は、インフラ性能要件情報生成処理を実行する（ステップＳ１６０３）。インフラ性能要件情報生成処理は、図２０で説明する。次に、性能要件推定装置１０１は、更改後インフラ選定処理を実行する（ステップＳ１６０４）。更改後インフラ選定処理は、図２１で説明する。ステップＳ１６０４の処理終了後、性能要件推定装置１０１は、性能要件推定処理を終了する。
図１７は、インフラ性能値配分処理手順の一例を示すフローチャートである。性能要件推定装置１０１は、システム利用情報１１０を読み込む（ステップＳ１７０１）。また、性能要件推定装置１０１は、インフラ性能情報１２０を読み込む（ステップＳ１７０２）。次に、性能要件推定装置１０１は、読み込んだインフラ性能情報１２０のリソース種別のうち、先頭のリソースを選択する（ステップＳ１７０３）。例えば、図６で示すインフラ性能情報１２０を用いると、性能要件推定装置１０１は、先頭のリソースとして、ＣＰＵ使用率を選択する。また、性能要件推定装置１０１は、読み込んだインフラ性能情報１２０のサーバのうち、先頭のサーバを選択する（ステップＳ１７０４）。例えば、図６で示すインフラ性能情報１２０を用いると、性能要件推定装置１０１は、先頭のサーバとして、Ｗｅｂ／ＡＰサーバを選択する。
次に、性能要件推定装置１０１は、選択したリソースが配分対象リソース種別情報４１２に登録されているか否かを判断する（ステップＳ１７０５）。例えば、図８で示す配分対象リソース種別情報４１２を用いると、性能要件推定装置１０１は、選択したリソースがＣＰＵ使用率やメモリ使用量であれば、ステップＳ１７０５：Ｙｅｓと判断する。また、選択したリソースがディスク使用量であれば、性能要件推定装置１０１は、ステップＳ１７０５：Ｎｏと判断する。
選択したリソースが配分対象リソース種別情報４１２に登録されている場合（ステップＳ１７０５：Ｙｅｓ）、性能要件推定装置１０１は、システム利用情報１１０の業務種別ごとの利用構成要素から、選択したサーバが利用する業務種別を抽出する（ステップＳ１７０６）。例えば、図５に示すシステム利用情報１１０を用いると、選択したサーバがＷｅｂ／ＡＰサーバであれば、性能要件推定装置１０１は、業務種別として、発注業務、見積依頼業務、検収業務を抽出する。また、選択したサーバがＤＢサーバであれば、性能要件推定装置１０１は、業務種別として、発注業務、検収業務を抽出する。
そして、性能要件推定装置１０１は、抽出した業務種別の各業務種別と各時刻とについて、選択したリソースを選択したサーバが利用した配分利用量を算出する（ステップＳ１７０７）。具体的には、性能要件推定装置１０１は、抽出した発注業務のある時刻における配分利用量を、下記（２）式で算出する。
配分利用量＝（ある時刻における発注業務のリクエスト数／ある時刻における全業務種別のリクエスト数）×ある時刻における選択したサーバにおける選択したリソースの利用量 …（２）
ここで、図５に示すシステム利用情報１１０と、図６に示すインフラ性能情報１２０を用いてステップＳ１７０７の処理の具体例を説明する。例えば、選択したリソースがＣＰＵ使用率であり、選択したサーバがＷｅｂ／ＡＰサーバであるとする。この場合、性能要件推定装置１０１は、抽出した発注業務の時刻９：００：００における配分利用量を、（２）式を適用して以下のように算出する。
配分利用量＝（１００／４５０）×２０≒４．４４
ここで、配分利用量の算出方法は、上述した方法に限らない。例えば、性能要件推定装置１０１は、配分利用量の他の算出方法として、各業務種別のリクエストの平均処理時間を考慮した配分利用量を算出してもよい。配分利用量の他の算出方法の一例について、図１８で説明する。
選択したリソースが配分対象リソース種別情報４１２に登録されていない場合（ステップＳ１７０５：Ｎｏ）、またはステップＳ１７０７の処理終了後、性能要件推定装置１０１は、インフラ性能情報１２０の末尾のサーバを選択したか否かを判断する（ステップＳ１７０８）。インフラ性能情報１２０の末尾のサーバを選択していない場合（ステップＳ１７０８：Ｎｏ）、性能要件推定装置１０１は、読み込んだインフラ性能情報１２０の次のサーバを選択し（ステップＳ１７０９）、ステップＳ１７０５の処理に移行する。
一方、インフラ性能情報１２０の末尾のサーバを選択した場合（ステップＳ１７０８：Ｙｅｓ）、性能要件推定装置１０１は、インフラ性能情報の末尾のリソースを選択したか否かを判断する（ステップＳ１７１０）。インフラ性能情報の末尾のリソースを選択していない場合（ステップＳ１７１０：Ｎｏ）、性能要件推定装置１０１は、読み込んだインフラ性能情報の次のリソースを選択し（ステップＳ１７１１）、ステップＳ１７０４の処理に移行する。
一方、インフラ性能情報の末尾のリソースを選択した場合（ステップＳ１７１０：Ｙｅｓ）、性能要件推定装置１０１は、算出した配分利用量を、更改前インフラ情報４１１を用いて、共通指標に変換する（ステップＳ１７１２）。具体的には、性能要件推定装置１０１は、下記（３）式を用いて配分利用量を共通指標に変換する。
配分利用量（共通指標）＝配分利用量×更改前インフラ情報４１１のＣＰＵ性能値の共通指標／１００ …（３）
例えば、ステップＳ１７０７の処理の説明で算出した、発注業務の時刻９：００：００における配分利用量４．４４を、（３）式を用いて共通指標に変換すると、以下のようになる。
配分利用量（共通指標）＝４．４４×３０／１００≒１．３３
算出された値である１．３３は、図１０に示すレコード１０１１−１の発注フィールドの値に一致する。
そして、性能要件推定装置１０１は、変換した共通指標を各要素とする、配分インフラ性能情報１４０を出力する（ステップＳ１７１３）。ステップＳ１７１３の処理終了後、性能要件推定装置１０１は、インフラ性能値配分処理を終了する。
図１８は、配分利用量の他の算出方法の一例を示す説明図である。図１８に示す表１８００は、配分利用量の他の算出方法で用いる、各処理種別に対応する平均処理時間を示す。図１８に示す表１８００は、レコード１８０１−１〜３を有する。表１８００が、図４で説明した処理時間情報に相当する。
例えば、レコード１８０１−１は、発注業務において、１リクエストにかかるＷｅｂ／ＡＰサーバの平均処理時間が３０［ｍｓｅｃ］であり、ＤＢサーバの平均処理時間が８［ｍｓｅｃ］であることを示す。１リクエストにかかる平均処理時間の生成例としては、例えば、運用管理サーバ２０１が、Ｗｅｂ／ＡＰサーバ１０３やＤＢサーバ１０４に対するリクエストを受け付けた時刻から、該当のリクエストに対応するレスポンスが発行された時刻を解析すればよい。
そして、性能要件推定装置１０１は、下記（４）式に基づいて、各業務種別のリクエストの平均処理時間を考慮した配分利用量を算出する。
配分利用量＝ある時刻における選択したサーバにおける選択したリソースの利用量×各業務種別の全リクエスト処理時間／全業務種別の全リクエスト処理時間の合計 …（４）
ここで、各業務種別の全リクエスト処理時間は、リクエスト数×平均処理時間により求めることができる。例えば、選択したリソースがＣＰＵ使用率であり、選択したサーバがＷｅｂ／ＡＰサーバであるとする。この場合、性能要件推定装置１０１は、抽出した発注業務の時刻９：００：００における配分利用量を、（４）式を適用して以下のように算出する。
配分利用量＝２０×（１００×３０）／（１００×３０＋２００×２０＋１５０×５０）≒４．１４［％］
図１９は、システム性能モデル情報生成処理手順の一例を示すフローチャートである。性能要件推定装置１０１は、システム性能情報１３０を読み込む（ステップＳ１９０１）。次に、性能要件推定装置１０１は、システム性能情報１３０の業務種別から、未選択の業務種別を選択する（ステップＳ１９０２）。そして、性能要件推定装置１０１は、配分インフラ性能情報１４０から、選択した業務種別の各要素を読み込む（ステップＳ１９０３）。
次に、性能要件推定装置１０１は、システム性能情報１３０の選択した業務種別における性能値を目的変数とし、読み出した業務種別の各サーバの性能値を説明変数としたデータセットを生成する（ステップＳ１９０４）。例えば、生成されるデータセットの目的変数は、図９に示すシステム性能情報１３０を用いると、レコード９０１−１〜５の発注フィールドの値となる。また、生成されるデータセットの説明変数は、図１０に示す配分インフラ性能情報１４０を用いると、レコード１０１１−１〜５の発注フィールドの値と、レコード１０１２−１〜５の発注フィールドの値となる。
そして、性能要件推定装置１０１は、生成したデータセットから、統計分析により、選択した業務種別におけるシステム性能情報１３０と配分インフラ性能情報１４０との関係を示すモデルを生成する（ステップＳ１９０５）。生成されるモデルが、例えば、図１１に示すシステム性能モデル情報１５０のシステム性能モデルとなる。ここで、モデルを生成する際には、予め適切な多項式モデルを用意しておくことになる。図１１に示すモデルでは、下記（５）式となる。
ｙ＝ａｘ1 -1＋ｂｘ2 -1＋ｃ …（５）
そして、性能要件推定装置１０１は、統計分析により、ａ、ｂ、ｃの値を決定する。また、図１１で示すシステム性能モデルは、図１１でも説明したように、ｘ1、ｘ2は、それぞれ、Ｗｅｂ／ＡＰサーバ、ＤＢサーバのＣＰＵ性能値（共通指標）である。例えば、リソースにメモリ量を含めるのであれば、予め用意する多項式モデルは、下記（６）式となる。
ｙ＝ａｘ1 -1＋ｂｘ2 -1＋ｃｘ3 -1＋ｄｘ4 -1＋ｅ …（６）
ここで、ｘ3は、Ｗｅｂ／ＡＰサーバのメモリ量である。また、ｘ4は、ＤＢサーバのメモリ量である。
また、図１１の例では、ＣＰＵ性能値が大きくなる程、オンライン応答時間ｙが短くなるため、単調減少となるように、ｘの乗数が−１となっている。他の多項式モデルの例として、ｙが、単位時間当たりの処理可能なリクエスト数である場合、ＣＰＵ性能値が大きくなる程、処理可能なリクエスト数は増えるため、予め用意する多項式モデルは、例えば、下記（７）式となる。
ｙ＝ａｘ1＋ｂｘ2＋ｃ …（７）
そして、性能要件推定装置１０１は、生成したモデルを、システム性能モデルとし、選択した業務種別と対応付けて、システム性能モデル情報１５０として出力する（ステップＳ１９０６）。次に、性能要件推定装置１０１は、システム性能情報１３０の業務種別を全て選択したか否かを判断する（ステップＳ１９０７）。システム性能情報１３０の業務種別のうち選択していない業務種別がある場合（ステップＳ１９０７：Ｎｏ）、性能要件推定装置１０１は、ステップＳ１９０２の処理に移行する。一方、システム性能情報１３０の業務種別を全て選択した場合（ステップＳ１９０７：Ｙｅｓ）、性能要件推定装置１０１は、システム性能モデル情報生成処理を終了する。
図２０は、インフラ性能要件情報生成処理手順の一例を示すフローチャートである。性能要件推定装置１０１は、システム性能要件情報１６０を読み込む（ステップＳ２００１）。次に、性能要件推定装置１０１は、システム性能要件情報１６０の業務種別から、未選択の業務種別を選択する（ステップＳ２００２）。そして、性能要件推定装置１０１は、システム性能要件情報１６０から、未選択のシステム性能モデルを読み込む（ステップＳ２００３）。次に、性能要件推定装置１０１は、選択した業務種別について、システム性能要件にシステム性能モデルを当てはめて、インフラ性能要件を生成する（ステップＳ２００４）。そして、性能要件推定装置１０１は、生成したインフラ性能要件と、選択した業務種別とを対応付けて、インフラ性能要件情報４１３として出力する（ステップＳ２００５）。次に、性能要件推定装置１０１は、システム性能要件情報１６０の業務種別を全て選択したか否かを判断する（ステップＳ２００６）。
システム性能要件情報１６０の業務種別のうち選択していない業務種別がある場合（ステップＳ２００６：Ｎｏ）、性能要件推定装置１０１は、ステップＳ２００２の処理に移行する。一方、システム性能要件情報１６０の業務種別を全て選択した場合（ステップＳ２００６：Ｙｅｓ）、性能要件推定装置１０１は、インフラ性能要件情報生成処理を終了する。
図２１は、更改後インフラ選定処理手順の一例を示すフローチャートである。性能要件推定装置１０１は、更改後インフラ情報１７０を読み込む（ステップＳ２１０１）。また、性能要件推定装置１０１は、インフラ性能要件情報４１３を読み込む（ステップＳ２１０２）。そして、性能要件推定装置１０１は、業務種別ごとのインフラ性能要件を全て満たすサーバタイプと台数との組み合わせを抽出する（ステップＳ２１０３）。
図１３に示すインフラ性能要件情報４１３と、図１４に示す更改後インフラ情報１７０とを用いて説明する。例えば、更改後のシステムに含まれるサーバ候補として、Ｗｅｂ／ＡＰサーバとしてｓｍａｌｌのサーバ１台と、ＤＢサーバとしてｍｅｄｉｕｍのサーバ１台と仮定する。この場合、性能要件推定装置１０１は、レコード１３０１−１のインフラ性能要件のｘ1に、レコード１４０１−１のＣＰＵ性能値（共通指標）である２５を代入する。同様に、性能要件推定装置１０１は、レコード１３０１−１のインフラ性能要件のｘ2に、レコード１４０１−２のＣＰＵ性能値（共通指標）である５０を代入する。そして、性能要件推定装置１０１は、レコード１３０１−１のインフラ性能要件の不等式の真偽を判定することにより、仮定した更改後のシステムが、発注業務のインフラ性能要件を満たすか否かを判定する。
次に、性能要件推定装置１０１は、抽出した組み合わせから、合計金額が最小となる組み合わせを、更改後インフラ構成情報４１４として決定する（ステップＳ２１０４）。そして、性能要件推定装置１０１は、更改後インフラ構成情報４１４を出力する（ステップＳ２１０５）。ステップＳ２１０５の処理終了後、性能要件推定装置１０１は、更改後インフラ選定処理を終了する。
以上説明したように、性能要件推定装置１０１は、配分インフラ性能情報１４０と各業務種別の性能値から生成したシステム性能モデルに、新たなシステム１０２’のリソース量を代入して各業務種別の性能要件を満たすか判定する。これにより、性能要件推定装置１０１は、各業務種別のリソース使用量を適切に特定するため、精度の良い判定結果を出力することができる。従って、利用者Ｕは、更改対象システム１０２を移行する前に、移行可能かどうかの検証結果を得ることができる。
また、性能要件推定装置１０１は、インフラ性能要件情報４１３が示す性能要件を満たすサーバの種別ごとのサーバの数を決定してもよい。これにより、利用者Ｕは、各業務種別に対応する性能要件を満たすサーバの種別ごとのサーバの数を知ることができる。これにより、利用者Ｕは、更改対象システム１０２を、より安定させて運用することができる。
また、性能要件推定装置１０１は、インフラ性能要件情報４１３が示す性能要件を満たすサーバの種別の数の組み合わせが複数あれば、サーバの種別の評価値に基づいて、サーバの種別の数を決定してもよい。これにより、利用者Ｕは、例えば、最も金額が安い、消費電力が少ないといった、評価値が最もよい組み合わせを知ることができる。
また、性能要件推定装置１０１は、各業務種別の平均処理時間を考慮して、更改対象システム１０２に含まれるリソースの単位時間当たりの使用量を各業務種別に配分してもよい。ここで、業務種別によっては、１つの処理に時間がかかる場合もあるし、時間がそれほどかからない場合もある。従って、各業務種別の平均処理時間を考慮することにより、性能要件推定装置１０１は、より正確にリソースの使用量を配分することができる。そして、より正確にリソースの使用量を配分することができることにより、性能要件推定装置１０１は、新たなシステム１０２が各業務種別に対応する性能要件を満たすか否かの判定精度をより向上させることができる。
また、性能要件推定装置１０１は、配分対象リソース種別情報４１２を考慮して、リソースの単位時間当たりの使用量を、各業務種別に配分する。これにより、更改対象システム１０２の全てのサーバが、必ずしも全ての業務種別に利用されていない場合、すなわち、一部のサーバが、ある一部の業務種別にしか利用されていない場合でも本実施の形態を適用することができる。
なお、本実施の形態で説明した性能要件推定方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本性能要件推定プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ−Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また本性能要件推定プログラムは、インターネット等のネットワークを介して配布してもよい。
上述した実施の形態に関し、さらに以下の付記を開示する。
（付記１）コンピュータに、
複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が前記各処理種別に利用された際の前記機器のリソースの単位時間当たりの使用量を示す使用情報と、前記各処理種別に対応して前記システムに対する前記各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
前記各処理種別に配分した前記機器のリソースの単位時間当たりの使用量と、前記システムにおける前記各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより前記各処理種別に属する処理に関する性能値を出力するモデルを前記各処理種別に対応して生成し、
前記各処理種別に対応して生成した前記モデルと、前記各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、前記システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を前記新たなシステムが満たすか否かを判定し、
判定した判定結果を出力する、
処理を実行させることを特徴とする性能要件推定プログラム。
（付記２）前記コンピュータに、
前記各処理種別に対応して生成した前記モデルと、前記システム性能要件情報と、前記新たなシステムに含まれる候補でありリソース量がそれぞれ異なる機器の種別を示す種別情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を満たす前記機器の種別ごとの機器の数を決定し、
決定した前記機器の種別ごとの機器の数を、前記機器の種別に対応付けて出力する、
処理を実行させることを特徴とする付記１に記載の性能要件推定プログラム。
（付記３）前記種別情報は、前記機器の種別の評価値を前記機器の種別に対応付けて記憶しており、
前記決定する処理は、
前記各処理種別に属する処理に関する性能値の要件を満たす前記機器の種別ごとの機器の数の組み合わせが複数ある場合、複数の組み合わせの各組み合わせに含まれる機器の種別ごとの機器の数と、前記各組み合わせに含まれる前記機器の種別の評価値とに基づいて、前記新たなシステムに含まれる前記機器の種別ごとの機器の数を決定する、
ことを特徴とする付記２に記載の性能要件推定プログラム。
（付記４）前記配分する処理は、
前記使用情報と、前記要求情報と、前記各処理種別に対応する前記各処理種別に属する処理にかかる時間を示す処理時間情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分する、
ことを特徴とする付記１〜３のいずれか一つに記載の性能要件推定プログラム。
（付記５）前記システムには、複数の機器が含まれており、
前記配分する処理は、
前記機器が前記複数の処理種別の各処理種別に利用された際の前記複数の機器の各機器のリソースの単位時間当たりの使用量を示す使用情報と、前記要求情報と、前記各機器が利用される処理種別を特定する情報とに基づいて、前記各機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
前記生成する処理は、
前記各処理種別に配分した前記各機器のリソースの単位時間当たりの使用量と、前記システム性能情報とに基づいて、前記モデルを前記各処理種別に対応して生成する、
ことを特徴とする付記１〜４のいずれか一つに記載の性能要件推定プログラム。
（付記６）複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が前記各処理種別に利用された際の前記機器のリソースの単位時間当たりの使用量を示す使用情報と、前記各処理種別に対応して前記システムに対する前記各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
前記各処理種別に配分した前記機器のリソースの単位時間当たりの使用量と、前記システムにおける前記各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより前記各処理種別に属する処理に関する性能値を出力するモデルを前記各処理種別に対応して生成し、
前記各処理種別に対応して生成した前記モデルと、前記各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、前記システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を前記新たなシステムが満たすか否かを判定し、
判定した判定結果を出力する、
制御部を有することを特徴とする性能要件推定装置。
（付記７）コンピュータが、
複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が前記各処理種別に利用された際の前記機器のリソースの単位時間当たりの使用量を示す使用情報と、前記各処理種別に対応して前記システムに対する前記各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
前記各処理種別に配分した前記機器のリソースの単位時間当たりの使用量と、前記システムにおける前記各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより前記各処理種別に属する処理に関する性能値を出力するモデルを前記各処理種別に対応して生成し、
前記各処理種別に対応して生成した前記モデルと、前記各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、前記システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を前記新たなシステムが満たすか否かを判定し、
判定した判定結果を出力する、
処理を実行することを特徴とする性能要件推定方法。
１０１ 性能要件推定装置
１０２ 更改対象システム
１０２’ 新たなシステム
１０３、１０３’ Ｗｅｂ／ＡＰサーバ
１０４、１０４’ ＤＢサーバ
１１０ システム利用情報
１２０ インフラ性能情報
１３０ システム性能情報
１４０ 配分インフラ性能情報
１５０ システム性能モデル情報
１６０ システム性能要件情報
１７０ 更改後インフラ情報
４００ 制御部
４０１ インフラ性能値配分部
４０２ システム性能モデル生成部
４０３ インフラ性能要件生成部
４０４ 更改後インフラ選定部
４１０ 記憶部
４１１ 更改前インフラ情報
４１２ 配分対象リソース種別情報
４１３ インフラ性能要件情報
４１４ 更改後インフラ構成情報

Claims (6)

  1. コンピュータに、
    複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が前記各処理種別に利用された際の前記機器のリソースの単位時間当たりの使用量を示す使用情報と、前記各処理種別に対応して前記システムに対する前記各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
    前記各処理種別に配分した前記機器のリソースの単位時間当たりの使用量と、前記システムにおける前記各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより前記各処理種別に属する処理に関する性能値を出力するモデルを前記各処理種別に対応して生成し、
    前記各処理種別に対応して生成した前記モデルと、前記各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、前記システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を前記新たなシステムが満たすか否かを判定し、
    判定した判定結果を出力する、
    処理を実行させることを特徴とする性能要件推定プログラム。
  2. 前記コンピュータに、
    前記各処理種別に対応して生成した前記モデルと、前記システム性能要件情報と、前記新たなシステムに含まれる候補でありリソース量がそれぞれ異なる機器の種別を示す種別情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を満たす前記機器の種別ごとの機器の数を決定し、
    決定した前記機器の種別ごとの機器の数を、前記機器の種別に対応付けて出力する、
    処理を実行させることを特徴とする請求項１に記載の性能要件推定プログラム。
  3. 前記種別情報は、前記機器の種別の評価値を前記機器の種別に対応付けて記憶しており、
    前記決定する処理は、
    前記各処理種別に属する処理に関する性能値の要件を満たす前記機器の種別ごとの機器の数の組み合わせが複数ある場合、複数の組み合わせの各組み合わせに含まれる機器の種別ごとの機器の数と、前記各組み合わせに含まれる前記機器の種別の評価値とに基づいて、前記新たなシステムに含まれる前記機器の種別ごとの機器の数を決定する、
    ことを特徴とする請求項２に記載の性能要件推定プログラム。
  4. 前記配分する処理は、
    前記使用情報と、前記要求情報と、前記各処理種別に対応する前記各処理種別に属する処理にかかる時間を示す処理時間情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分する、
    ことを特徴とする請求項１〜３のいずれか一つに記載の性能要件推定プログラム。
  5. 複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が前記各処理種別に利用された際の前記機器のリソースの単位時間当たりの使用量を示す使用情報と、前記各処理種別に対応して前記システムに対する前記各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
    前記各処理種別に配分した前記機器のリソースの単位時間当たりの使用量と、前記システムにおける前記各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより前記各処理種別に属する処理に関する性能値を出力するモデルを前記各処理種別に対応して生成し、
    前記各処理種別に対応して生成した前記モデルと、前記各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、前記システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を前記新たなシステムが満たすか否かを判定し、
    判定した判定結果を出力する、
    制御部を有することを特徴とする性能要件推定装置。
  6. コンピュータが、
    複数の処理種別の各処理種別に属する処理を実行するシステムに含まれる機器が前記各処理種別に利用された際の前記機器のリソースの単位時間当たりの使用量を示す使用情報と、前記各処理種別に対応して前記システムに対する前記各処理種別に属する処理の単位時間当たりの要求数を示す要求情報とに基づいて、前記機器のリソースの単位時間当たりの使用量を前記各処理種別に配分し、
    前記各処理種別に配分した前記機器のリソースの単位時間当たりの使用量と、前記システムにおける前記各処理種別に属する処理に関する単位時間当たりの性能値を示すシステム性能情報とに基づいて、リソース量が入力されることにより前記各処理種別に属する処理に関する性能値を出力するモデルを前記各処理種別に対応して生成し、
    前記各処理種別に対応して生成した前記モデルと、前記各処理種別に属する処理に関する性能値の要件を示すシステム性能要件情報と、前記システムと同一の処理種別に属する処理を実行可能な新たなシステムに含まれる機器のリソース量を示すリソース情報とに基づいて、前記各処理種別に属する処理に関する性能値の要件を前記新たなシステムが満たすか否かを判定し、
    判定した判定結果を出力する、
    処理を実行することを特徴とする性能要件推定方法。
JP2017017798A 2017-02-02 2017-02-02 性能要件推定プログラム、性能要件推定装置、および性能要件推定方法 Active JP6763316B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017017798A JP6763316B2 (ja) 2017-02-02 2017-02-02 性能要件推定プログラム、性能要件推定装置、および性能要件推定方法
US15/881,828 US10067804B2 (en) 2017-02-02 2018-01-29 Apparatus, method, and non-transitory computer-readable storage medium for storing program for performance requirement estimation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017017798A JP6763316B2 (ja) 2017-02-02 2017-02-02 性能要件推定プログラム、性能要件推定装置、および性能要件推定方法

Publications (2)

Publication Number Publication Date
JP2018124878A true JP2018124878A (ja) 2018-08-09
JP6763316B2 JP6763316B2 (ja) 2020-09-30

Family

ID=62979844

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017017798A Active JP6763316B2 (ja) 2017-02-02 2017-02-02 性能要件推定プログラム、性能要件推定装置、および性能要件推定方法

Country Status (2)

Country Link
US (1) US10067804B2 (ja)
JP (1) JP6763316B2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021117081A1 (ja) * 2019-12-09 2021-06-17 日本電信電話株式会社 クラウドサービスのユーザ要件違反防止装置、ユーザ要件違反防止方法及びプログラム
WO2024105891A1 (ja) * 2022-11-18 2024-05-23 日本電信電話株式会社 検査装置、検査方法、および検査プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008007669A1 (fr) * 2006-07-10 2008-01-17 Nec Corporation Dispositif et procédé de gestion de système informatique
WO2013128789A1 (ja) * 2012-03-02 2013-09-06 日本電気株式会社 キャパシティ管理支援装置、キャパシティ管理方法およびプログラム
JP2014085809A (ja) * 2012-10-23 2014-05-12 Nec Corp 運用管理装置、運用管理方法、及び、プログラム
JP2015011365A (ja) * 2013-06-26 2015-01-19 日本電信電話株式会社 プロビジョニング装置、システム、プロビジョニング方法、および、プロビジョニングプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4707376B2 (ja) * 2004-11-29 2011-06-22 富士通株式会社 情報処理方法及びプログラム
US9600311B2 (en) * 2012-03-08 2017-03-21 Nec Corporation Virtual-machine managing device and virtual-machine managing method
JP2016082497A (ja) 2014-10-21 2016-05-16 富士通株式会社 品質推測プログラム、品質推測方法及び品質推測装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008007669A1 (fr) * 2006-07-10 2008-01-17 Nec Corporation Dispositif et procédé de gestion de système informatique
US20090287768A1 (en) * 2006-07-10 2009-11-19 Nec Corporation Management apparatus and management method for computer system
WO2013128789A1 (ja) * 2012-03-02 2013-09-06 日本電気株式会社 キャパシティ管理支援装置、キャパシティ管理方法およびプログラム
US20140289735A1 (en) * 2012-03-02 2014-09-25 Nec Corporation Capacity management support apparatus, capacity management method and program
JP2014085809A (ja) * 2012-10-23 2014-05-12 Nec Corp 運用管理装置、運用管理方法、及び、プログラム
US20150269053A1 (en) * 2012-10-23 2015-09-24 Nec Corporation Operation management apparatus and operation management method
JP2015011365A (ja) * 2013-06-26 2015-01-19 日本電信電話株式会社 プロビジョニング装置、システム、プロビジョニング方法、および、プロビジョニングプログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021117081A1 (ja) * 2019-12-09 2021-06-17 日本電信電話株式会社 クラウドサービスのユーザ要件違反防止装置、ユーザ要件違反防止方法及びプログラム
JPWO2021117081A1 (ja) * 2019-12-09 2021-06-17
JP7315026B2 (ja) 2019-12-09 2023-07-26 日本電信電話株式会社 クラウドサービスのユーザ要件違反防止装置、ユーザ要件違反防止方法及びプログラム
WO2024105891A1 (ja) * 2022-11-18 2024-05-23 日本電信電話株式会社 検査装置、検査方法、および検査プログラム

Also Published As

Publication number Publication date
JP6763316B2 (ja) 2020-09-30
US10067804B2 (en) 2018-09-04
US20180217876A1 (en) 2018-08-02

Similar Documents

Publication Publication Date Title
Caron et al. Pattern matching based forecast of non-periodic repetitive behavior for cloud clients
JP2011086295A (ja) 応答時間に基づいてサービスリソース消費を推定すること
IES20100757A2 (en) A resource allocation system
JP2010507146A (ja) 分散システムの能力計画及びリソース最適化を行う方法と装置
US10411969B2 (en) Backend resource costs for online service offerings
JP6129802B2 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
Rizvandi et al. A study on using uncertain time series matching algorithms for MapReduce applications
Shen et al. Resource demand misalignment: An important factor to consider for reducing resource over-provisioning in cloud datacenters
Kroß et al. Model-based performance evaluation of batch and stream applications for big data
JP6763316B2 (ja) 性能要件推定プログラム、性能要件推定装置、および性能要件推定方法
JPWO2015146100A1 (ja) 負荷推定システム、情報処理装置、負荷推定方法、及び、コンピュータ・プログラム
Leena Sri et al. An empirical model of adaptive cloud resource provisioning with speculation
Rybina et al. Estimating energy consumption during live migration of virtual machines
Rosa et al. Cost and time prediction for efficient execution of bioinformatics workflows in federated cloud
Awad et al. On the predictive properties of performance models derived through input-output relationships
US20220050814A1 (en) Application performance data processing
KR20040054711A (ko) 컴퓨팅 시스템에 엔진 측정 메트릭을 할당하는 시스템 및방법
Vemulapati et al. Ai based performance benchmarking & analysis of big data and cloud powered applications: An in depth view
CN113298120A (zh) 基于融合模型的用户风险预测方法、系统和计算机设备
Djedović et al. Model business process improvement by statistical analysis of the users' conduct in the process
Nwanganga et al. Statistical Analysis and Modeling of Heterogeneous Workloads on Amazon's Public Cloud Infrastructure
Dipietro Performance modelling and optimisation of nosql database systems
Yadav et al. Workload prediction for cloud resource provisioning using time series data
US11714739B2 (en) Job performance breakdown
Kübler et al. Towards Cross-layer Monitoring of Cloud Workflows.

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191008

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200805

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: 20200811

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200824

R150 Certificate of patent or registration of utility model

Ref document number: 6763316

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150