JP2019082801A - リソースの割り当てを最適化するシステム及び方法 - Google Patents
リソースの割り当てを最適化するシステム及び方法 Download PDFInfo
- Publication number
- JP2019082801A JP2019082801A JP2017209178A JP2017209178A JP2019082801A JP 2019082801 A JP2019082801 A JP 2019082801A JP 2017209178 A JP2017209178 A JP 2017209178A JP 2017209178 A JP2017209178 A JP 2017209178A JP 2019082801 A JP2019082801 A JP 2019082801A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- service
- resource
- time
- period
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 85
- 238000013468 resource allocation Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims description 18
- 238000005259 measurement Methods 0.000 claims abstract description 69
- 230000004044 response Effects 0.000 claims description 140
- 238000012545 processing Methods 0.000 claims description 25
- 238000012423 maintenance Methods 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 44
- 230000006870 function Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 239000000523 sample Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- 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]
-
- 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
- G06F9/505—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 considering the load
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/149—Network analysis or design for prediction of maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5054—Automatic deployment of services triggered by the service manager, e.g. service implementation by automatic configuration of network components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/06—Generation of reports
- H04L43/067—Generation of reports using time frame reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
Description
(x)当該サービス102について指定予測期間における時系列実測ワークロードと時系列予測ワークロード、及び、
(y)当該サービス102について指定予測期間における実測サービスレベルと予測サービスレベルとのうちの少なくとも1つ、
のうちの少なくとも1つを基に、当該サービス102のワークロードの正確な予測が期待できるか否かの判別である予測判別を行う。そして、最適化部114は、当該予測判別の結果を基に、当該サービス102に対するリソース割り当てを制御する。リソース割り当ての制御は、追加又は削減されるリソース量の決定であってもよいし、現状維持のために待ちであってもよい。
(P1)指定予測期間における実測I/O負荷と予測I/O負荷との差分が、所定の許容範囲内(マージン内)であるか否かの判別、及び、
(P2)指定予測期間における実測応答時間及び予測応答時間の少なくとも1つが所定の応答時間閾値(ThR)以下であるか否かの判別、
のうちの少なくとも1つを含む。(P1)及び(P2)の判別結果のうちの少なくとも1つが偽の場合、予測判別の結果が偽である。
(K1)指定予測期間において実測応答時間が応答時間閾値(ThR)以下であるか否かの判別、
(K2)指定予測期間における実測メトリックと予測メトリックとの差分が、許容範囲内であるか否かの判別、及び、
(K3)指定予測期間における実測メトリック及び予測メトリックの少なくとも1つがメトリック閾値(ThM)以下であるか否かの判別、
の少なくとも1つを含む。
・サービスID611(サービス102のIDを示す)、
・記憶領域ID612(サービス102に関連付けられた記憶領域504(505)のIDを示す)、
・ストレージID613(サービス102に関連付けられた記憶領域504内のボリューム541に対応したLDEV506を有するストレージ装置203のIDを示す)、及び、
・LDEV_ID614(サービス102に関連付けられた記憶領域504内のボリューム541に対応したLDEV506のIDを示す)、
を含む。
・ストレージID621(LDEV506を有するストレージ装置203のIDを示す)、
・LDEV_ID622(LDEV506のIDを示す)、
・コンポーネント種別623(LDEV506に関連付けられているコンポーネントの種別を示す)、
・コンポーネントID624(LDEV506に関連付けられているコンポーネントのIDを示す)、及び、
・リソース量625(LDEV506に関連付けられているリソース群(コンポーネント群)の量を示す)、
を含む。サービス102に関連付けられた1以上のLDEV506のリソース量625の合計が、当該サービス102のリソース量に相当する。
・時刻631(時刻を示す)、
・サービスID632(サービス102のIDを示す)、
・実測I/O負荷633(実測I/O負荷を示す)、及び、
・実測応答時間634(実測応答時間を示す)、
を含む。なお、本実施形態において、時刻の単位は、例えば、年月日時分秒であるが、それよりも細かくても粗くてもよい。
・サービスID641(サービス102のIDを示す)、
・重要度642(サービス102の重要度を示す)、及び、
・応答時間閾値643(応答時間の閾値を示す)、
を含む。本実施形態では、重要度642が高いサービス102から優先的に関連付け、予測モデル生成、予測及び最適化が行われてよい。
・時刻651(時刻を示す)、
・ストレージID652(コンポーネントを有するストレージ装置203のIDを示す)、
・コンポーネントID653(コンポーネントのIDを示す)、
・メトリック種別654(メトリックの種別を示す)、及び、
・実測メトリック655(実測メトリックを示す)、
を含む。構成テーブル601、関連テーブル602及び実測メトリックテーブル605を参照することで、サービス102に割り当てられたリソースの実測メトリックを取得することができる。
・ストレージID661(コンポーネントを有するストレージ装置203のIDを示す)、
・コンポーネント種別662(コンポーネントの種別を示す)、
・コンポーネントID663(コンポーネントのIDを示す)、
・メトリック種別664(メトリックの種別を示す)、及び、
・メトリック閾値665(メトリック閾値を示す)、
を含む。
・モデルID711(予測モデル107のIDを示す)、
・開始時刻712(学習期間の開始時刻を示す)、
・終了時刻713(学習期間の終了時刻を示す)、
・サービスID714(予測モデル107に対応するサービス102のIDを示す)、及び、
・関数式f(t)715(入力を時刻(t)とした出力を得るための予測モデル107相当の情報)、
を含む。
・モデルID721(予測モデル108のIDを示す)、
・開始時刻722(学習期間の開始時刻を示す)、
・終了時刻723(学習期間の終了時刻を示す)、
・サービスID724(予測モデル108に対応するサービス102のIDを示す)、及び、
・関数式f(I/O負荷)725(入力をI/O負荷とした出力を得るための予測モデル108相当の情報)、
を含む。
・モデルID731(予測モデル109のIDを示す)、
・開始時刻732(学習期間の開始時刻を示す)、
・終了時刻733(学習期間の終了時刻を示す)、
・ストレージID734(コンポーネントを有するストレージ装置203のIDを示す)、
・コンポーネントID735(コンポーネントのIDを示す)、
・メトリック種別736(メトリックの種別を示す)、及び、
・関数式f(I/O負荷)737(入力をI/O負荷とした出力を得るための予測モデル108相当の情報)、
を含む。
・サービスID811(サービス102のIDを示す)、
・記憶領域ID812(サービス102に関連付けられた記憶領域504(505)のIDを示す)、
・ストレージID813(サービス102に関連付けられた記憶領域504内のボリューム541に対応したLDEV506を有するストレージ装置203のIDを示す)、
・コンポーネント種別814(サービス102に関連付けられたコンポーネントの種別を示す)、及び、
・コンポーネントID815(サービス102に関連付けられたコンポーネントのIDを示す)、
を含む。
・時刻851(時刻を示す)、
・サービスID852(サービス102のIDを示す)、
・予測I/O負荷853(予測I/O負荷を示す)、及び、
・予測応答時間854(予測応答時間を示す)、
を含む。
・時刻881(時刻を示す)、
・ストレージID882(コンポーネントを有するストレージ装置203のIDを示す)、
・コンポーネントID883(コンポーネントのIDを示す)、
・メトリック種別884(メトリックの種別を示す)、及び、
・予測メトリック885(予測メトリックを示す)、
を含む。
・サービスID891(サービス102のIDを示す)、
・開始時刻892(指定予測期間の開始時刻を示す)、
・終了時刻893(指定予測期間の終了時刻を示す)、
・許容範囲894(I/O負荷の実測値と予測値との差分の許容範囲を示す)、及び、
・予測判別結果895(予測判別の結果を示す)、
を含む。最適化部114は、許容範囲894を使って、実測I/O負荷に対して予測I/O負荷が許容の範囲内かどうかを判別する。許容範囲894は、予測I/Oに対して分散σの10%範囲内などのように指定可能である。予測判別結果テーブル809は、図1に示す集計80に相当する。
・オペレータ(例えば管理者又はユーザ)により選択されたサービス102、
・SLA(Service Level Agreement)違反のサービス102(実測応答時間又は予測応答時間が応答時間閾値を超えたサービス102)、
・実測メトリック又は予測メトリックがメトリック閾値を超えたサービス102、及び、
・予測判別の結果が偽であるサービス102、
のうちのいずれかのサービス102でよい。
Claims (15)
- 提供される複数のサービスの各々について、当該サービスについて第1期間における時系列ワークロード及び時系列サービスレベルを予測する予測部と、
前記複数のサービスの各々について、下記(x)及び(y)
(x)当該サービスについて前記第1期間における時系列実測ワークロードと時系列予測ワークロード、及び、
(y)当該サービスについて前記第1期間における実測サービスレベルと予測サービスレベルとのうちの少なくとも1つ、
のうちの少なくとも1つを基に、当該サービスのワークロードの正確な予測が期待できるか否かの判別である予測判別を行い、当該予測判別の結果を基に、当該サービスに対するリソース割り当てを制御する最適化部と
を有するリソース割り当て最適化システム。 - 前記最適化部は、前記予測判別の結果が偽であるサービスに対してリソース群を追加することを決定する、
請求項1に記載のリソース割り当て最適化システム。 - 前記追加されるリソース群は、一定量のリソース群である、
請求項2に記載のリソース割り当て最適化システム。 - 前記追加されるリソース群は、ワークロード差分及び超過差分のうちの少なくとも1つに応じて決定された量のリソース群であり、
前記ワークロード差分は、実測ワークロードと予測ワークロードとの差分であり、
前記超過差分は、サービスレベル閾値を超えた実測サービスレベル又は予測サービスレベルと当該サービスレベル閾値との差分である、
請求項2に記載のリソース割り当て最適化システム。 - 前記最適化部は、前記予測判別の結果が真であるサービスに関連付いているリソース群における各リソースのリソース量を、当該リソースの前記第1期間での実測メトリック及び予測メトリックの少なくとも1つを基に決定する、
請求項2乃至4のうちのいずれか1項に記載のリソース割り当て最適化システム。 - 前記最適化部は、前記予測判別の結果が真であるサービスについてのリソース群のリソース量が、前記決定されたリソース量よりも多い場合、当該リソース群のリソース量を削減することを決定し、
前記追加されたリソース群のリソース量は、前記削減されたリソース量を含む、
請求項5に記載のリソース割り当て最適化システム。 - 前記最適化部は、前記予測判別の結果が真であるサービスに関連付けられているリソース群における各リソースについて、当該リソースのリソース量が現状維持か否かの判別である維持判別を行い、
前記最適化部は、前記維持判別の結果が偽であるリソースについて、リソース量を決定し、
前記維持判別は、以下の(K1)〜(K3)の判別のうちの少なくとも1つを含み、
(K1)前記第1期間において時系列実測サービスレベルがサービスレベル閾値以下であるか否かの判別、
(K2)前記第1期間における実測メトリックと予測メトリックとの差分が、許容範囲内であるか否かの判別、及び、
(K3)前記第1期間における実測メトリック及び予測メトリックの少なくとも1つがメトリック閾値以下であるか否かの判別、
(K1)〜(K3)の判別結果の少なくとも1つが偽の場合、前記維持判別の結果が偽である、
請求項5又は6に記載のリソース割り当て最適化システム。 - 前記複数のサービスの各々について学習処理を行う生成部を更に有し、
前記生成部は、前記複数のサービスの各々について、当該サービスについての前記学習処理において、
当該サービスについて第2期間における時系列実測ワークロードと時系列実測サービスレベルとを基に、時刻が入力であり予測ワークロードが出力であるワークロード予測モデルと、予測ワークロードが入力であり予測サービスレベルが出力であるサービスレベル予測モデルとを生成し、
当該サービスに関連付いているリソース群の各リソースについて、前記第2期間における時系列実測ワークロードと時系列実測メトリックとを基に、当該リソースのメトリックの予測モデルであり予測ワークロードが入力であり予測メトリックが出力であるメトリック予測モデルを生成し、
前記第2期間は、前記第1期間よりも過去の期間であり、指定された学習期間のうち実測サービスレベルがサービスレベル閾値以下である期間であり、
前記生成部は、前記或る量のリソース群が追加されたサービスについて、前記ワークロード予測モデル及び前記サービスレベル予測モデルを更新する再学習処理を行い、
前記予測判別の結果が真であるサービスに関連付けられているリソース群のうち、前記維持判別の結果が偽であるが、前記第1期間における実測メトリックと予測メトリックとの差分が、許容範囲外のリソースについて、
前記最適化部が、当該リソースのリソース量の決定を行わず、
前記生成部が、当該サービスについての当該リソースのメトリック予測モデルを更新する再学習処理を行う、
請求項5乃至7のうちのいずれか1項に記載のリソース割り当て最適化システム。 - 前記予測判別は、下記の(P1)及び(P2)の判別のうちの少なくとも1つを含み、
(P1)実測ワークロードと予測ワークロードとの差分が、許容範囲内であるか否かの判別、及び、
(P2)実測サービスレベル及び予測サービスレベルの少なくとも1つがサービスレベル閾値以下であるか否かの判別、
(P1)及び(P2)の判別結果のうちの少なくとも1つが偽の場合、前記予測判別の結果が偽である、
請求項1乃至8のうちのいずれか1項に記載のリソース割り当て最適化システム。 - 前記複数のサービスの各々について、当該サービスについて第2期間における時系列実測ワークロードと時系列実測サービスレベルとを基に、時刻が入力であり予測ワークロードが出力であるワークロード予測モデルと、予測ワークロードが入力であり予測サービスレベルが出力であるサービスレベル予測モデルとを生成する学習処理を行う生成部、
を更に有し、
前記第2期間は、前記第1期間よりも過去の期間であり、指定された学習期間のうち実測サービスレベルがサービスレベル閾値以下である期間である、
請求項9に記載のリソース割り当て最適化システム。 - 前記最適化部は、前記予測判別の結果が真であるサービスに関連付いているリソース群における各リソースのリソース量を、当該リソースの前記第1期間での時系列実測メトリック及び時系列予測メトリックの少なくとも1つを基に決定する、
請求項1乃至10のうちのいずれか1項に記載のリソース割り当て最適化システム。 - 管理情報を表示する表示制御部、
を更に有し、
前記管理情報は、指定期間について、前記複数のサービスの全体に対する、前記予測判別の結果が偽のサービスの数又は割合、を含む、
請求項1乃至11のうちのいずれか1項に記載のリソース割り当て最適化システム。 - 前記複数のサービスの各々について、
ワークロードは、I/O(Input/Output)負荷であり、
サービスレベルは、応答時間である、
請求項1乃至12のうちのいずれか1項に記載のリソース割り当て最適化システム。 - 提供される複数のサービスの各々について、当該サービスについて所定期間における時系列ワークロード及び時系列サービスレベルを予測し、
前記複数のサービスの各々について、下記(x)及び(y)
(x)当該サービスについて前記所定期間における時系列実測ワークロードと時系列予測ワークロード、及び、
(y)当該サービスについて前記所定期間における実測サービスレベルと予測サービスレベルとのうちの少なくとも1つ、
のうちの少なくとも1つを基に、当該サービスのワークロードの正確な予測が期待できるか否かの判別である予測判別を行い、
前記複数のサービスの各々について、前記予測判別の結果を基に、当該サービスに対するリソース割り当てを制御する、
リソース割り当て最適化方法。 - 提供される複数のサービスの各々について、当該サービスについて所定期間における時系列ワークロード及び時系列サービスレベルを予測し、
前記複数のサービスの各々について、下記(x)及び(y)
(x)当該サービスについて前記所定期間における時系列実測ワークロードと時系列予測ワークロード、及び、
(y)当該サービスについて前記所定期間における実測サービスレベルと予測サービスレベルとのうちの少なくとも1つ、
のうちの少なくとも1つを基に、当該サービスのワークロードの正確な予測が期待できるか否かの判別である予測判別を行い、
前記複数のサービスの各々について、前記予測判別の結果を基に、当該サービスに対するリソース割り当てを制御する、
ことをコンピュータに実行させるコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017209178A JP6681377B2 (ja) | 2017-10-30 | 2017-10-30 | リソースの割り当てを最適化するシステム及び方法 |
US16/125,984 US10904159B2 (en) | 2017-10-30 | 2018-09-10 | Resource allocation optimizing system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017209178A JP6681377B2 (ja) | 2017-10-30 | 2017-10-30 | リソースの割り当てを最適化するシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019082801A true JP2019082801A (ja) | 2019-05-30 |
JP6681377B2 JP6681377B2 (ja) | 2020-04-15 |
Family
ID=66244917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017209178A Active JP6681377B2 (ja) | 2017-10-30 | 2017-10-30 | リソースの割り当てを最適化するシステム及び方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10904159B2 (ja) |
JP (1) | JP6681377B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021124397A1 (ja) * | 2019-12-16 | 2021-06-24 | ||
KR20210109407A (ko) * | 2020-02-27 | 2021-09-06 | 숭실대학교산학협력단 | 학습에 의한 머신 러닝 실행 관리 플랫폼 시스템 및 방법 |
WO2021260924A1 (ja) * | 2020-06-26 | 2021-12-30 | 楽天グループ株式会社 | 予測システム、予測方法、及びプログラム |
CN114520773A (zh) * | 2022-02-16 | 2022-05-20 | 平安科技(深圳)有限公司 | 一种服务请求的响应方法、装置、服务器及存储介质 |
JP2023027200A (ja) * | 2020-09-09 | 2023-03-01 | 株式会社日立製作所 | リソース割当制御装置、計算機システム、及びリソース割当制御方法 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10685306B2 (en) * | 2015-12-07 | 2020-06-16 | Sap Se | Advisor generating multi-representations of time series data |
US10423500B2 (en) * | 2016-06-01 | 2019-09-24 | Seagate Technology Llc | Technologies for limiting performance variation in a storage device |
US11201835B1 (en) | 2019-05-23 | 2021-12-14 | C/Hca, Inc. | Systems and methods for multi-tier resource and subsystem orchestration and adaptation |
US11283690B1 (en) * | 2019-09-13 | 2022-03-22 | C/Hca, Inc. | Systems and methods for multi-tier network adaptation and resource orchestration |
US10810054B1 (en) * | 2019-07-29 | 2020-10-20 | Hitachi, Ltd. | Capacity balancing for data storage system |
US11277317B2 (en) | 2019-08-05 | 2022-03-15 | International Business Machines Corporation | Machine learning to predict quality-of-service needs in an operational data management system |
US11310126B2 (en) * | 2019-08-05 | 2022-04-19 | International Business Machines Corporation | Automated operational data management dictated by quality of service criteria |
US11620577B2 (en) * | 2020-07-01 | 2023-04-04 | International Business Machines Corporation | Multi-modal data explainer pipeline |
CN112099950A (zh) * | 2020-09-15 | 2020-12-18 | 重庆电政信息科技有限公司 | 基于边缘图像处理系统的图像预处理优化方法 |
WO2022070292A1 (ja) * | 2020-09-30 | 2022-04-07 | 日本電信電話株式会社 | Vdiリソース配置決定装置、vdiリソース配置決定方法及びvdiリソース配置決定プログラム |
JP2023036469A (ja) * | 2021-09-02 | 2023-03-14 | 株式会社日立製作所 | 外れ値検出装置及び方法 |
CN117455205B (zh) * | 2023-12-25 | 2024-04-19 | 中国移动通信集团设计院有限公司 | 资源需求预测模型训练方法、系统及资源需求预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015152984A (ja) * | 2014-02-12 | 2015-08-24 | 日本電信電話株式会社 | 仮想マシン配置装置及び方法及びプログラム |
JPWO2015146100A1 (ja) * | 2014-03-28 | 2017-04-13 | 日本電気株式会社 | 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 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8839243B2 (en) * | 2012-04-23 | 2014-09-16 | International Business Machines Corporation | Remediating resource overload |
SG10201705920SA (en) | 2012-09-20 | 2017-08-30 | Amazon Tech Inc | Automated profiling of resource usage |
SE537197C2 (sv) * | 2012-10-05 | 2015-03-03 | Elastisys Ab | Metod, nod och datorprogram för möjliggörande av automatiskanpassning av resursenheter |
US10574748B2 (en) * | 2013-03-21 | 2020-02-25 | Infosys Limited | Systems and methods for allocating one or more resources in a composite cloud environment |
US10169720B2 (en) * | 2014-04-17 | 2019-01-01 | Sas Institute Inc. | Systems and methods for machine learning using classifying, clustering, and grouping time series data |
US9753782B2 (en) * | 2014-04-24 | 2017-09-05 | Empire Technology Development Llc | Resource consumption optimization |
US10102025B2 (en) * | 2016-05-31 | 2018-10-16 | Huawei Technologies Co., Ltd. | Virtual machine resource utilization in a data center |
US10721137B2 (en) * | 2016-06-30 | 2020-07-21 | Intel Corporation | Performance assurance using workload phase detection |
US10091904B2 (en) * | 2016-07-22 | 2018-10-02 | Intel Corporation | Storage sled for data center |
WO2018065051A1 (en) * | 2016-10-05 | 2018-04-12 | Telefonaktiebolaget Lm Ericsson (Publ) | Controlling resource allocation in a data center |
US10360077B2 (en) * | 2016-10-10 | 2019-07-23 | International Business Machines Corporation | Measuring utilization of resources in datacenters |
US10503548B2 (en) * | 2016-10-11 | 2019-12-10 | Microsoft Technology Licensing, Llc | Resource and latency estimation-based scheduling in a distributed computing environment |
US10691491B2 (en) * | 2016-10-19 | 2020-06-23 | Nutanix, Inc. | Adapting a pre-trained distributed resource predictive model to a target distributed computing environment |
US10680975B2 (en) * | 2016-12-19 | 2020-06-09 | Futurewei Technologies, Inc. | Method of dynamic resource allocation for public clouds |
US20200026560A1 (en) * | 2017-01-27 | 2020-01-23 | Nutanix, Inc. | Dynamic workload classification for workload-based resource allocation |
US10873541B2 (en) * | 2017-04-17 | 2020-12-22 | Microsoft Technology Licensing, Llc | Systems and methods for proactively and reactively allocating resources in cloud-based networks |
-
2017
- 2017-10-30 JP JP2017209178A patent/JP6681377B2/ja active Active
-
2018
- 2018-09-10 US US16/125,984 patent/US10904159B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015152984A (ja) * | 2014-02-12 | 2015-08-24 | 日本電信電話株式会社 | 仮想マシン配置装置及び方法及びプログラム |
JPWO2015146100A1 (ja) * | 2014-03-28 | 2017-04-13 | 日本電気株式会社 | 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 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2021124397A1 (ja) * | 2019-12-16 | 2021-06-24 | ||
WO2021124397A1 (ja) * | 2019-12-16 | 2021-06-24 | 富士通株式会社 | ジョブ予測プログラム、システム、及び方法 |
KR20210109407A (ko) * | 2020-02-27 | 2021-09-06 | 숭실대학교산학협력단 | 학습에 의한 머신 러닝 실행 관리 플랫폼 시스템 및 방법 |
KR102405933B1 (ko) | 2020-02-27 | 2022-06-08 | 숭실대학교 산학협력단 | 학습에 의한 머신 러닝 실행 관리 플랫폼 시스템 및 방법 |
WO2021260924A1 (ja) * | 2020-06-26 | 2021-12-30 | 楽天グループ株式会社 | 予測システム、予測方法、及びプログラム |
JP7058804B1 (ja) * | 2020-06-26 | 2022-04-22 | 楽天グループ株式会社 | 予測システム、予測方法、及びプログラム |
JP2023027200A (ja) * | 2020-09-09 | 2023-03-01 | 株式会社日立製作所 | リソース割当制御装置、計算機システム、及びリソース割当制御方法 |
JP7465940B2 (ja) | 2020-09-09 | 2024-04-11 | 株式会社日立製作所 | リソース割当制御装置、計算機システム、及びリソース割当制御方法 |
CN114520773A (zh) * | 2022-02-16 | 2022-05-20 | 平安科技(深圳)有限公司 | 一种服务请求的响应方法、装置、服务器及存储介质 |
CN114520773B (zh) * | 2022-02-16 | 2023-09-29 | 平安科技(深圳)有限公司 | 一种服务请求的响应方法、装置、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10904159B2 (en) | 2021-01-26 |
US20190132256A1 (en) | 2019-05-02 |
JP6681377B2 (ja) | 2020-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6681377B2 (ja) | リソースの割り当てを最適化するシステム及び方法 | |
US10896055B2 (en) | Capacity risk management for virtual machines | |
US11455183B2 (en) | Adjusting virtual machine migration plans based on alert conditions related to future migrations | |
US8112366B2 (en) | Expert system and visualization for multi-server capacity management | |
US10452416B2 (en) | Virtualization planning system | |
US8738333B1 (en) | Capacity and load analysis in a datacenter | |
US10142179B2 (en) | Selecting resources for automatic modeling using forecast thresholds | |
US10467128B2 (en) | Measuring and optimizing test resources and test coverage effectiveness through run time customer profiling and analytics | |
WO2021036936A1 (zh) | 在分布式系统中资源及任务的分配方法、装置及系统 | |
US9875169B2 (en) | Modeling real capacity consumption changes using process-level data | |
US20120221373A1 (en) | Estimating Business Service Responsiveness | |
CN113544647A (zh) | 云计算系统中使用虚拟机系列建模的容量管理 | |
JP6842447B2 (ja) | リソース割当ての最適化を支援するシステム及び方法 | |
US10664786B2 (en) | Using run time and historical customer profiling and analytics to determine customer test vs. production differences, and to enhance customer test effectiveness | |
Wu et al. | A benefit-aware on-demand provisioning approach for multi-tier applications in cloud computing | |
US8832263B2 (en) | Dynamic resource adaptation | |
US11562299B2 (en) | Workload tenure prediction for capacity planning | |
US11487462B2 (en) | Method and device of predicting inter-volume copy time based on inter-pool copy speed | |
US10078560B2 (en) | Using run time and historical customer profiling and analytics to determine customer disaster recovery vs. production differences, and to enhance customer disaster recovery readiness and effectiveness | |
Perennou et al. | Workload characterization for a non-hyperscale public cloud platform | |
JPWO2018207225A1 (ja) | 時系列データの分析制御方法および分析制御装置 | |
Jiang et al. | Resource allocation in contending virtualized environments through VM performance modeling and feedback | |
KR102672580B1 (ko) | 비정상 이벤트에 대한 가상 머신의 처리 용량 증가 | |
JP2023545316A (ja) | システム性能に対する複数のアプリケーションの影響の決定 | |
JP2015138432A (ja) | 性能予測装置、性能モデル生成方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200227 |
|
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: 20200303 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6681377 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |