JP2020154934A - 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置 - Google Patents

消費電力予測プログラム、消費電力予測方法、および消費電力予測装置 Download PDF

Info

Publication number
JP2020154934A
JP2020154934A JP2019054266A JP2019054266A JP2020154934A JP 2020154934 A JP2020154934 A JP 2020154934A JP 2019054266 A JP2019054266 A JP 2019054266A JP 2019054266 A JP2019054266 A JP 2019054266A JP 2020154934 A JP2020154934 A JP 2020154934A
Authority
JP
Japan
Prior art keywords
topic
information
power consumption
topic distribution
job
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
JP2019054266A
Other languages
English (en)
Other versions
JP7259451B2 (ja
Inventor
成人 鈴木
Shigeto Suzuki
成人 鈴木
美智子 白神
Michiko Shirakami
美智子 白神
崇 白石
Takashi Shiraishi
崇 白石
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 JP2019054266A priority Critical patent/JP7259451B2/ja
Priority to US16/805,961 priority patent/US20200301738A1/en
Publication of JP2020154934A publication Critical patent/JP2020154934A/ja
Application granted granted Critical
Publication of JP7259451B2 publication Critical patent/JP7259451B2/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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】ジョブの消費電力の予測を高速化する。【解決手段】消費電力予測プログラムは、過去に実行されたジョブに関する第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を第１情報毎に生成し、予測対象のジョブに関する第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を生成し、第１トピック分布における単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成し、第２トピック分布における単語出現確率を所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成し、複数の第１規格化トピック分布のうち、第２規格化トピック分布に最も類似する第１規格化トピック分布を抽出し、抽出された第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力に基づいて、予測対象のジョブの消費電力を予測する処理をコンピュータに実行させる。【選択図】図１０

Description

本発明は、消費電力予測プログラム、消費電力予測方法、および消費電力予測装置に関する。
近年、High Performance Computer（ＨＰＣ）の性能が向上したことにより、ＨＰＣを利用した際の消費電力が増加し、電気料金が高額になっている。契約電力料金は、例えば、前年のうちに最も電力を使用した所定期間（例えば、３０分間）の平均消費電力の最大値に基づいて決定される。その場合、今年度の複数の所定期間のうち一度でも前年の平均消費電力の最大値を超過すれば、次年度の電力料金が増加する。
関連する技術として、入力時点で単位計算量当りの電力料金の低い順に、複数の計算機演算処理と同数のコンピュータを選択し、複数の計算機演算処理に選択したコンピュータに割り当てる技術が提案されている（例えば、特許文献１を参照）。
また、関連する技術として、複数のジョブを実行するように構成されるシステムと、設備の電力消費を管理して、電力消費が電力帯の範囲内にあるようにするコードを格納するメモリを含む設備が提案されている（例えば、特許文献２を参照）。
また、関連する技術として、予定情報と履歴情報とに基づいて所定の時間区分におけるジョブからストレージデバイスへのアクセスを推定し、推定結果に基づいてストレージデバイスへの電源供給を制御する技術が提案されている（例えば、特許文献３を参照）。
また、関連する技術として、ジョブに使用するファイルの文字列の類似度に応じて、１つのジョブの実績消費電力を取得し、取得した実績消費電力に基づいてジョブの消費電力を推定する技術が提案されている（例えば、特許文献４を参照）。
また、関連する技術として、消費電力の予測式に、タスクごとの性能情報の実測値を適用して、タスクごとの消費電力を算出する技術が提案されている（例えば、特許文献５を参照）。
特開２００５−２５０８２３号公報 特表２０１８−５０１５８０号公報 特開２０１７−５８７１０号公報 特開２０１８−８４９０７号公報 特開２０１５−１７９３８３号公報
契約電力料金が、前年のうちに最も電力を使用した所定期間の消費電力に基づいて決定される場合、電力料金を増加させないためにジョブスケジューリングを行うことが考えられる。例えば、過去に実行されたジョブのうち、予測対象のジョブに類似したジョブの消費電力に基づいて、予測対象のジョブの消費電力を予測し、所定期間の平均消費電力が前年の最大値を超えないようにジョブスケジューリングを行うことが考えられる。
しかし、ジョブに関する様々な情報に基づいて、過去に実行されたジョブと予測対象のジョブとの類似度を算出した場合、類似度の算出に時間がかかるため、ジョブの消費電力の予測に時間がかかるという課題がある。
１つの側面として、本発明は、ジョブの消費電力の予測を高速化することを目的とする。
１つの態様では、消費電力予測プログラムは、過去に実行されたジョブに関する第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を前記第１情報毎に生成し、予測対象のジョブに関する第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を生成し、前記第１トピック分布における前記単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成し、前記第２トピック分布における前記単語出現確率を前記所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成し、複数の前記第１規格化トピック分布のうち、前記第２規格化トピック分布に最も類似する前記第１規格化トピック分布を抽出し、抽出された前記第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力に基づいて、前記予測対象のジョブの消費電力を予測する処理をコンピュータに実行させる。
１つの側面によれば、ジョブの消費電力の予測を高速化することができる。
関連技術における消費電力予測方法の概要を示す図である。 本実施形態における消費電力予測方法の概要を示す図である。 関連技術と本実施形態の消費電力予測の処理時間の一例を示す図である。 実施形態のシステムの全体構成の一例を示す図である。 トピックの一例を示す図である。 過去のジョブのトピック分布の規格化の一例を示す図である。 予測対象ジョブのトピック分布の規格化の一例を示す図である。 トピック生成を実行するかの判定方法の概要を示す図である。 作成するトピック数と割り当てられるトピック数の最大値との関係を示す図である。 実施形態の予測処理の一例を示すフローチャートを示す図である。 実施形態のトピック生成処理の一例を示すフローチャートである。 予測装置のハードウェア構成の一例を示す図である。
図１は、関連技術における消費電力予測方法の概要を示す図である。関連技術において消費電力の予測を行う装置（以下、関連技術の予測装置と称する）は、予め生成されたトピックモデルに、過去のジョブに関する情報を入力し、過去のジョブのトピック分布を生成する。トピック分布は、入力された情報内におけるトピック内の単語の出現確率を示す。同様に、関連技術の予測装置は、消費電力を予測する対象のジョブ（予測対象ジョブ）に関する情報をトピックモデルに入力し、予測対象ジョブのトピック分布を生成する。
関連技術の予測装置は、過去のジョブのトピック分布のうち、予測対象ジョブのトピック分布に最も類似するトピック分布を検索する。この際、関連技術の予測装置は、トピック分布内のトピック毎に、ｃｏｓ類似度（コサイン類似度）を計算し、ｃｏｓ類似度の合計をトピック分布の類似度とする。そして、予測対象ジョブのトピック分布に最も類似するトピック分布の生成元である過去のジョブの消費電力データを、予測対象ジョブの消費電力の予測データとして用いる。
例えば、トピックｋとトピックｋ’との間の類似度Ｓｋｋ’は、ベクトル空間法を用いると、式（１）のように計算される。すなわち、類似度Ｓｋｋ’は、トピック毎の語彙ｖの出現ベクトルｎｋ（ｎｋ１,...,ｎｋv,...,）の余弦で表される。
Figure 2020154934
しかし、図１に示す例を用いて、予測対象ジョブの消費電力を予測した場合、ｃｏｓ類似度計算の計算量が多いため、予測対象ジョブの消費電力を予測する処理に時間がかかる。
図２は、本実施形態における消費電力予測方法の概要を示す図である。本実施形態において消費電力の予測を行う装置（以下、本実施形態の予測装置と称する）は、予め生成されたトピックモデルに、過去のジョブに関する情報を入力し、過去のジョブに関するトピック分布を生成する。同様に、本実施形態の予測装置は、消費電力を予測する対象のジョブ（予測対象ジョブ）に関する情報をトピックモデルに入力し、予測対象ジョブのトピック分布を生成する。
そして、本実施形態の予測装置は、過去のジョブのトピック分布と予測対象ジョブのトピック分布をそれぞれ、複数の数値（０または１）を用いた分布に規格化する。本実施形態の予測装置は、例えば、トピック分布における単語出現確率が０である場合、単語出現確率を変換せず、トピック分布における単語出現確率が０以外である場合、単語出現確率を１に変換する。すなわち、複数の数値は、例えば２つの数値であるが、３つ以上の数値であってもよい。本実施形態の予測装置は、過去のジョブの規格化トピック分布のうち、予測対象ジョブのトピック分布に最も類似するトピック分布を検索する。この際、本実施形態の予測装置は、ｃｏｓ類似度計算を行わず、各トピックの単語出現確率が一致しているか否かの判定をトピック毎に行い、一致するトピックの数が最も多い過去のジョブの規格化トピック分布を抽出する。そして、本実施形態の予測装置は、抽出された規格化トピック分布の生成元である過去のジョブの消費電力データを、予測対象ジョブの消費電力の予測データとして用いる。
図２に示す方法では、ｃｏｓ類似度計算を行わないため、図１に示す方法と比べて、計算量が少なく、予測対象ジョブの消費電力の予測を高速化することができる。
図３は、関連技術と本実施形態の消費電力予測の処理時間の一例を示す図である。図３では、図１に示す関連技術の消費電力予測方法と、図２に示す本実施形態の消費電力予測方法で消費電力予測を行った場合の処理時間の例を示している。図３に示すように、トピック分布生成、類似ジョブ検索の処理時間は同じであるが、関連技術では、ｃｏｓ類似度計算に多くの時間がかかっている。その結果、本実施形態の予測装置は、関連技術の予測装置よりも、短時間で消費電力の予測を完了している。
図４は、実施形態のシステムの全体構成の一例を示す図である。実施形態のシステムは、情報処理装置３でジョブを実行した際の消費電力を予測する予測装置１と、情報処理装置３を管理する管理装置２と、ジョブを実行する情報処理装置３とを含む。予測装置１は、コンピュータの一例である。予測装置１、管理装置２は、例えば、サーバまたはパーソナルコンピュータ等である。情報処理装置３は、例えば、ＨＰＣまたは汎用コンピュータである。予測装置１は、管理装置２とLocal Area Network（ＬＡＮ）、Wide Area Network（ＷＡＮ）等の通信ネットワークを介して接続する。管理装置２は、情報処理装置３とＬＡＮ、ＷＡＮ等の通信ネットワークを介して接続する。
予測装置１は、取得部１１とトピック生成部１２とトピック分布生成部１３と規格化部１４と抽出部１５と予測部１６と調整部１７と送信部１８と記憶部１９とを含む。
取得部１１は、過去に情報処理装置３で実行されたジョブに関する情報（第１情報）と、そのジョブを実行した際の消費電力を示す情報を、管理装置２から取得し、記憶部１９に記憶させる。過去に情報処理装置３で実行されたジョブは、例えば、過去１か月間に実行されたジョブである。消費電力を示す情報は、例えば、実行したジョブ毎の消費電力の時系列データである。以下、過去に情報処理装置３で実行されたジョブを過去のジョブと称することがある。過去のジョブは、複数存在し、第１情報は、過去のジョブ毎に存在する。
また、取得部１１は、消費電力を予測する対象のジョブに関する情報（第２情報）を取得し、記憶部１９に記憶させる。以下、消費電力を予測する対象のジョブを予測対象ジョブと称する。予測対象ジョブは、例えば、実行予定のジョブである。
第１情報および第２情報は、例えば、ジョブ名、ジョブが属するグループ名、最大実行時間、優先順位、ジョブ投入時刻等を含む。
トピック生成部１２は、取得部１１が取得した第１情報に含まれる単語から、１または複数のトピックを生成し、そのトピックを用いて、トピック分布の生成に用いられるトピックモデルを生成し、トピックおよびトピックモデルを記憶部１９に記憶する。
トピック生成部１２は、例えば、複数の第１情報のそれぞれに存在する単語を形態素解析等により抽出し、各第１情報に出現する単語をカウントする。そして、トピック生成部１２は、同じ第１情報内に出現する確率が高い単語をグルーピングし、トピックとする。以下の式（２）は、文書ｄ（第１情報）における単語ｗｄ，ｎについてのトピックｚｄ，ｎのサンプリング式である。すなわち、式（２）の右辺は、トピック内の単語が一つの文書内に出現する確率に比例する値であり、本実施形態では単語出現確率と称する。
Figure 2020154934
式（２）において、ｐは確率を示し、ｎは、単語のインデックスであり、ｋは、トピックのインデックスであり、ｖは、語彙のインデックスであり、αは、トピック分布のハイパーパラメータであり、βは、単語分布のハイパーパラメータである。また、Ｖは、全語彙数（文書集合に含まれる単語の種類）であり、＼は、集合からの差を示す。また、Ｎｄ，ｋは、文書ｄにトピックｋが割り当てられた回数であり、Ｎｋは、文書集合にトピックｋが割り当てられた回数であり、Ｎｋ，ｖは、語彙ｖにトピックｋが割り当てられた回数である。トピック生成部１２は、各文書および各単語に関して式（２）を計算し、式（２）の右辺に示す値が高くなるようにトピックを生成する。生成するトピック数は、予め所定の数に設定されており、後述する調整部１７の処理により定期的に調整される。そして、トピック生成部１２は、生成したトピックを用いて、トピック分布の生成に用いられるトピックモデルを生成する。
トピック分布生成部１３は、生成されたトピックモデルを用いて、第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を第１情報毎に生成する。また、トピック分布生成部１３は、生成されたモデルを用いて、第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を生成する。単語出現確率は、あるトピック内の単語のうち、第１情報内に含まれる単語の割合である。トピック分布生成部１３は、生成されたトピック内の少なくとも一つの単語が第１情報に存在する場合、そのトピックの数を第１情報に割り当てる。
規格化部１４は、第１トピック分布における単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成する。規格化部１４は、例えば、単語出現確率が０である場合、変換を行わず、単語出現確率が０以外である場合、単語出現確率を１に変換する。すなわち、規格化部１４は、単語出現確率を０および１という二つの数値に変換する。同様に、規格化部１４は、第２トピック分布における単語出現確率を所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成する。第１規格化トピック分布の生成に用いるルールと第２規格化トピック分布の生成に用いるルールは、同じであるとする。
抽出部１５は、複数の第１規格化トピック分布のうち、第２規格化トピック分布に最も類似する第１規格化トピック分布を抽出する。なお、第２規格化トピック分布に類似する第１規格化トピック分布には、第２規格化トピック分布と同一の第１規格化トピック分布が含まれるとする。複数の第１規格化トピック分布の各トピックの単語出現確率と、第２規格化トピック分布の各トピックの単語出現確率とが一致するかを判定する。そして、抽出部１５は、一致するトピックの数が最も多い第１規格化トピック分布を抽出する。
予測部１６は、抽出部１５が抽出した第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力の時系列データを記憶部１９から取得し、そのデータに基づいて、予測対象ジョブの消費電力を予測する。予測部１６は、記憶部１９から取得した上記消費電力の時系列データを、そのまま予測対象ジョブの消費電力の予測データに適用してもよい。
トピック生成部１２は、定期的に、第１情報に含まれる単語から、１または複数のトピック（第１トピック）および第１トピックを用いたトピックモデルを生成する。また、トピック生成部１２は、第１情報に含まれる単語のうち、生成した第１トピックに含まれない単語から、１または複数のトピック（第２トピック）および第２トピックを用いたトピックモデルを生成する。
トピック分布生成部１３は、第１情報に第１トピックを用いたトピックモデルを用いてトピック分布を生成し、さらに、第１情報に第２トピックを用いたトピックモデルを用いて、トピック分布を生成する。トピック分布生成部１３は、生成された１または複数の第１トピックのうちのいずれかのトピック内の少なくとも一つの単語が第１情報に存在する場合、そのいずれかのトピックを第１情報に割り当てる。同様に、トピック分布生成部１３は、生成された１または複数の第２トピックのうちのいずれかのトピック内の少なくとも一つの単語が第１情報に存在する場合、そのいずれかのトピックを第１情報に割り当てる。
調整部１７は、第１トピックのうち、第１情報に割り当てられたトピック数の最大値が、第２トピックのうち、第１情報に割り当てられたトピック数の最大値未満である場合、トピックの生成に用いるトピック数を調整する。上述のように、第２トピックは、第１情報に含まれる単語のうち、生成した第１トピックに含まれない単語から生成されたトピックである。よって、第１トピックのうち第１情報に割り当てられたトピック数の最大値が、第２トピックのうち第１情報に割り当てられたトピック数の最大値未満である場合、トピックが適切でないと考えられ、トピックを生成する際のトピック数を調整することが好ましい。
トピック数の調整が行われた後、トピック生成部１２は、取得部１１が取得した第１情報に含まれる単語から、調整された数のトピックを生成し、そのトピックを用いたトピックモデルを生成し、記憶部１９に記憶する。トピック分布生成部１３は、記憶部１９に記憶された最新のトピックモデルを用いて、トピック分布を生成する。
調整部１７は、トピック数を調整する際、第１情報に割り当てられるトピック数が所定数（例えば、３）となるように、トピックの生成に用いるトピック数を調整する。第１情報に割り当てられるトピック数が多くなるほど、抽出部１５が第１規格化トピック分布と第２規格化トピック分布を比較した際に、類似するトピック分布を抽出しづらくなるためである。
送信部１８は、予測部１６が予測した消費電力の予測データを、管理装置２に送信する。記憶部１９は、取得部１１が取得した、過去に実行されたジョブに関する情報（第１情報）、そのジョブを実行した際の消費電力を示す情報を記憶する。また、記憶部１９は、トピック生成部１２が生成した、トピックおよびトピックモデルを記憶する。
管理装置２は、スケジュール設定部２１と制御部２２と取得部２３と送信部２４と記憶部２５とを含む。
スケジュール設定部２１は、予測装置１から送信された消費電力の予測データに基づいて、所定期間（例えば、３０分）の消費電力平均値が閾値を超えないように、情報処理装置３が実行するジョブのスケジュール設定を行う。閾値は、例えば、前年の所定期間の消費電力平均値の最大値である。例えば、契約電力料金が、所定期間の消費電力平均値の前年の最大値に基づいて決定される場合、スケジュール設定部２１が、所定期間の消費電力平均値が前年の最大値を超えないようにすることで、契約電力料金の増加を防ぐことができる。
制御部２２は、スケジュール設定部２１が設定したスケジュールに基づいて、送信部２４を介して情報処理装置３にジョブの実行指示を送信する。取得部２３は、情報処理装置３から、実行したジョブに関する情報、ジョブ実行時間およびジョブを実行した際の消費電力を示す情報を取得する。
送信部２４は、取得部２３により取得された、情報処理装置３が実行したジョブおよびジョブを実行した際の消費電力を示す情報を予測装置１に送信する。記憶部２５は、予測装置１から送信された消費電力の予測データ、取得部２３により取得された、情報処理装置３が実行したジョブおよびジョブを実行した際の消費電力を示す情報等を記憶する。
情報処理装置３は、管理装置２から受信したジョブの実行指示に従って、ジョブを実行する。また、情報処理装置３は、実行したジョブに関する情報、ジョブ実行時間およびジョブを実行した際の消費電力を示す情報を管理装置２に送信する。
図５は、トピックの一例を示す図である。図５に示すように、トピック１〜トピック１０のトピックがトピック生成部１２により生成され、記憶部１９に記憶されているとする。各トピックには、複数の単語が含まれている。なお、トピック数は１０でなくてもよい。また、各トピック内の単語数は、異なっていてもよい。
図６は、過去のジョブのトピック分布の規格化の一例を示す図である。図６に示す例では、生成されたトピック数が１０である。図６に示す例では、過去のジョブのトピック分布におけるトピック１の単語出現確率が０．４であり、トピック５の単語出現確率が０．７であり、トピック９の単語出現確率が０．９である。また、トピック１、トピック５、トピック９以外の単語出現確率は、０である。この場合、第１情報に対して割り当てられたトピック数が３（トピック１、トピック５、トピック９）となる。
上述のように、規格化部１４は、過去のジョブのトピック分布における単語出現確率を、所定のルールに基づいて複数の数値に変換する。規格化部１４は、例えば、単語出現確率が０である場合、変換を行わず、単語出現確率が０以外である場合、単語出現確率を１に変換する。規格化部１４は、上記所定のルールに基づいて、トピック１、トピック５、トピック９以外の単語出現確率を変換せず、トピック１、トピック５、トピック９の単語出現確率を全て１に変換する。
図７は、予測対象ジョブのトピック分布の規格化の一例を示す図である。図７に示す例では、図６と同様に、生成されたトピック数が１０である。図７に示す例では、予測対象ジョブのトピック分布におけるトピック１の単語出現確率が０．６であり、トピック５の単語出現確率が０．３であり、トピック９の単語出現確率が０．４である。また、トピック１、トピック５、トピック９以外の単語出現確率は、０である。この場合、第１情報に対して割り当てられたトピック数が３（トピック１、トピック５、トピック９）となる。
規格化部１４は、過去のジョブのトピック分布と同様に、予測対象ジョブのトピック分布における単語出現確率を、所定のルールに基づいて複数の数値に変換する。規格化部１４は、上記所定のルールに基づいて、トピック１、トピック５、トピック９以外の単語出現確率を変換せず、トピック１、トピック５、トピック９の単語出現確率を全て１に変換する。
上述のように、抽出部１５は、複数の第１規格化トピック分布の各トピックの単語出現確率と、第２規格化トピック分布の各トピックの単語出現確率とが一致するかを判定する。図６、図７の例を用いた場合、規格化後のトピック分布は同一であり、図６における第１規格化トピック分布が抽出される。規格化後のトピック分布における単語出現確率は、０または１であるため、単語出現確率の比較処理は、図１に示す例のようにｃｏｓ類似度を算出する場合と比べて短時間で完了する。
図８は、トピック生成を実行するかの判定方法の概要を示す図である。トピック生成部１２は、定期的に、過去のジョブに関する情報（第１情報）に含まれる単語から、トピック（第１トピック）および第１トピックを用いたトピックモデル（第１トピックモデル）を生成する。また、トピック生成部１２は、第１情報に含まれる単語のうち、生成した第１トピックに含まれない残りの単語から、トピック（第２トピック）および第２トピックを用いたトピックモデル（第２トピックモデル）を生成する。トピック分布生成部１３は、第１情報に第１トピックモデルを用いてトピック分布（トピック分布Ａ）を生成し、第１情報に第２トピックモデルを用いて、トピック分布（トピック分布Ｂ）を生成する。
調整部１７は、トピック分布Ａ、Ｂを参照し、第１トピックのうち、第１情報に割り当てられるトピック数の最大値と、第２トピックのうち、第１情報に割り当てられるトピック数の最大値を比較する。第１情報に割り当てられるトピック数は、例えば、トピック分布のうち、単語出現確率が０以外のトピックの数である。調整部１７は、第１トピックのうち、第１情報に割り当てられるトピック数の最大値が、第２トピックのうち、第１情報に割り当てられるトピック数の最大値未満である場合、トピックの生成に用いるトピック数を調整する。そして、トピック生成部１２は、第１情報に含まれる単語から、調整された数のトピックを生成し、そのトピックを用いたトピックモデルを生成し、記憶部１９に記憶する。
第１トピックのうち第１情報に割り当てられるトピック数の最大値が、第２トピックのうち第１情報に割り当てられるトピック数の最大値未満である場合、トピックが適切でないと考えられる。よって、予測装置１は、そのような場合に、トピック数を調整し、トピックおよびトピックモデルを再生成することにより、消費電力予測の精度を向上することができる。
図９は、作成するトピック数と割り当てられるトピック数の最大値との関係を示す図である。図９に示すように、生成するトピック数が多いほど、トピック分布を生成した際に、第１情報に割り当てられるトピック数の最大値が増加する。そのため、調整部１７は、トピック数を調整する際、生成するトピック数が少ない状態から開始して、徐々に作成するトピック数を増加させて、第１情報に割り当てられるトピック数が所定数（例えば、３）となるように、作成するトピック数を調整する。
第１情報に割り当てられるトピック数が多くなるほど、抽出部１５が第１規格化トピック分布と第２規格化トピック分布を比較した際に、類似するトピック分布を抽出しづらくなる。よって、予測装置１は、第１情報に割り当てられるトピック数が所定値となるように、生成するトピック数を調整することで、類似するトピック分布を抽出し易くすることができる。
図１０は、実施形態の予測処理の一例を示すフローチャートである。なお、図１０に示す処理の前に、トピック生成部１２によるトピックおよびトピックモデルの生成が少なくとも１回行われるとする。
取得部１１は、消費電力を予測する対象のジョブに関する情報（第２情報）を取得する（ステップＳ１０１）。第２情報は、例えば、ユーザの指示に応じて管理装置２から送信される。予測装置１は、第２情報が送信されたことをトリガーとして図１０に示す処理を開始してもよい。取得部１１は、過去に実行されたジョブに関する情報（第１情報）と、そのジョブを実行した際の消費電力を示す情報を、管理装置２から取得する（ステップＳ１０２）。
トピック分布生成部１３は、予め生成されたトピックモデルを用いて、第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を第１情報毎に生成する（ステップＳ１０３）。トピック分布生成部１３は、予め生成されたトピックモデルを用いて、第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を第１情報毎に生成する（ステップＳ１０４）。
規格化部１４は、第１トピック分布における単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成する（ステップＳ１０５）。規格化部１４は、第２トピック分布における単語出現確率を所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成する（ステップＳ１０６）。
抽出部１５は、複数の第１規格化トピック分布のうち、第２規格化トピック分布に最も類似する第１規格化トピック分布を抽出する（ステップＳ１０７）。予測部１６は、抽出部１５が抽出した第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力の時系列データに基づいて、予測対象のジョブの消費電力を予測する（ステップＳ１０８）。送信部１８は、予測部１６が予測した消費電力の予測データを、管理装置２に送信する。
以上のように、予測装置１は、所定のルールで規格化したトピック分布を比較し、予測対象ジョブに類似する過去のジョブを抽出し、抽出した過去のジョブの消費電力に基づいて、予測対象ジョブの消費電力を予測する。比較対象のトピック分布が規格化されているため、予測装置１は、ジョブの消費電力の予測を高速化することができる。
また、管理装置２が、予測装置１から送信された消費電力の予測データに基づいて、所定期間の消費電力平均値が閾値を超えないように、情報処理装置３が実行するジョブのスケジュール設定を行うため、電力料金の増加を防ぐことができる。
図１１は、実施形態のトピック生成処理の一例を示すフローチャートである。図１１に示す処理は、定期的に実行されるとする。トピック生成部１２は、過去のジョブに関する第１情報に含まれる単語から、１または複数のトピック（第１トピック）および第１トピックを用いたトピックモデルを生成する（ステップＳ２０１）。ステップＳ２０１で生成するトピックは、例えば、５０であるとする。トピック生成部１２は、第１情報に含まれる単語のうち、生成した第１トピックに含まれない単語から、１または複数のトピック（第２トピック）および第２トピックを用いたトピックモデルを生成する（ステップＳ２０２）。
トピック分布生成部１３は、第１情報に第１トピックを用いたトピックモデルを用いてトピック分布を生成し、第１情報にトピックを割り当てる（ステップＳ２０３）。トピック分布生成部１３は、例えば、生成された１または複数の第１トピックのうちのいずれかのトピック内の少なくとも一つの単語が第１情報に存在する場合、そのいずれかのトピックを第１情報に割り当てる。
トピック生成部１２は、第１情報に第２トピックを用いたトピックモデルを用いて、トピック分布を生成し、第１情報にトピックを割り当てる（ステップＳ２０４）。トピック分布生成部１３は、例えば、生成された１または複数の第２トピックのうちのいずれかのトピック内の少なくとも一つの単語が第１情報に存在する場合、そのいずれかのトピックを第１情報に割り当てる。
調整部１７は第１トピックのうち、第１情報に割り当てられたトピック数の最大値が、第２トピックのうち、第１情報に割り当てられたトピック数の最大値未満であるか判定する（ステップＳ２０５）。ステップＳ２０５でＹＥＳの場合、トピック生成部１２は、過去のジョブに関する第１情報に含まれる単語から、トピックおよびトピックモデルを生成する（ステップＳ２０６）。ステップＳ２０６におけるトピック数の初期値は、例えば、１０であるとする。
トピック分布生成部１３は、第１情報にステップＳ２０６で生成したトピックおよびトピックモデルを用いて、トピック分布を生成し、第１情報にトピックを割り当てる（ステップＳ２０７）。調整部１７は、第１情報に割り当てられたトピック数の最大値が所定数（例えば、３）であるか判定する（ステップＳ２０８）。ステップＳ２０８でＮＯの場合、調整部１７は、ステップＳ２０６で生成する際のトピック数の設定値に１を加算して（ステップＳ２０９）、ステップＳ２０６の処理に戻る。
予測装置１は、ステップＳ２０８でＹＥＳとなるまで、ステップＳ２０６〜Ｓ２０９の処理を繰り返す。ステップＳ２０８でＹＥＳの場合、トピック生成部１２は、生成したトピックおよびトピックモデルを記憶部１９に記憶させる（ステップＳ２１０）。生成された最新のトピックおよびトピックモデルが、図１０におけるステップＳ１０３およびＳ１０４の処理で用いられる。
予測装置１は、図１１に示すトピックの生成処理を定期的に行うことにより、過去のジョブとして新たなジョブが追加されても、適切なトピックおよびトピックモデルを再生成するので、消費電力予測の精度を向上することができる。
次に、予測装置１のハードウェア構成の一例を説明する。図１２は、予測装置１のハードウェア構成の一例を示す図である。図１２の例に示すように、予測装置１において、バス１００に、プロセッサ１１１とメモリ１１２と補助記憶装置１１３と通信インタフェース１１４と媒体接続部１１５と入力装置１１６と出力装置１１７とが接続される。
プロセッサ１１１は、メモリ１１２に展開されたプログラムを実行する。実行されるプログラムには、実施形態における処理を行う消費電力予測プログラムが適用されてもよい。
メモリ１１２は、例えば、Random Access Memory(ＲＡＭ)である。補助記憶装置１１３は、種々の情報を記憶する記憶装置であり、例えばハードディスクドライブや半導体メモリ等が適用されてもよい。補助記憶装置１１３に実施形態の処理を行う消費電力予測プログラムが記憶されていてもよい。
通信インタフェース１１４は、Local Area Network（ＬＡＮ）、Wide Area Network（ＷＡＮ）等の通信ネットワークに接続され、通信に伴うデータ変換等を行う。
媒体接続部１１５は、可搬型記録媒体１１８が接続可能なインタフェースである。可搬型記録媒体１１８には、光学式ディスク（例えば、Compact Disc(ＣＤ)またはDigital Versatile Disc(ＤＶＤ)等)、半導体メモリ等が適用されてもよい。可搬型記録媒体１１８に実施形態の処理を行う消費電力予測プログラムが記録されていてもよい。
入力装置１１６は、例えば、キーボード、ポインティングデバイス等であり、ユーザからの指示及び情報等の入力を受け付ける。出力装置１１７は、例えば、表示装置、プリンタ、スピーカ等であり、ユーザへの問い合わせ又は指示、及び処理結果等を出力する。
図４に示す記憶部１９は、メモリ１１２、補助記憶装置１１３または可搬型記録媒体１１８等により実現されてもよい。図４に示す取得部１１、トピック生成部１２、トピック分布生成部１３、規格化部１４、抽出部１５、予測部１６、調整部１７、送信部１８は、メモリ１１２に展開された消費電力予測プログラムをプロセッサ１１１が実行することにより実現されてもよい。
メモリ１１２、補助記憶装置１１３および可搬型記録媒体１１８は、コンピュータが読み取り可能であって非一時的な有形の記憶媒体であり、信号搬送波のような一時的な媒体ではない。
なお、予測装置１が図１２に示す全ての構成要素を含んでいなくてもよく、一部の構成要素が省略されていてもよい。また、一部の構成要素が予測装置１の外部装置に存在し、予測装置１が外部装置に接続して、外部装置内の構成要素を利用してもよい。また、図４に示す管理装置２および情報処理装置３のハードウェア構成は、図１２に示す構成と同様であるとする。
本実施形態は、以上に述べた実施の形態に限定されるものではなく、本実施形態の要旨を逸脱しない範囲内で様々な変更、追加、省略が適用可能である。
１ 予測装置
２ 管理装置
３ 情報処理装置
１１ 取得部
１２ トピック生成部
１３ トピック分布生成部
１４ 規格化部
１５ 抽出部
１６ 予測部
１７ 調整部
１８ 送信部
１９ 記憶部
２１ スケジュール設定部
２２ 制御部
２３ 取得部
２４ 送信部
２５ 記憶部
１００ バス
１１１ プロセッサ
１１２ メモリ
１１３ 補助記憶装置
１１４ 通信インタフェース
１１５ 媒体接続部
１１６ 入力装置
１１７ 出力装置
１１８ 可搬型記録媒体

Claims (5)

  1. 過去に実行されたジョブに関する第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を前記第１情報毎に生成し、
    予測対象のジョブに関する第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を生成し、
    前記第１トピック分布における前記単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成し、
    前記第２トピック分布における前記単語出現確率を前記所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成し、
    複数の前記第１規格化トピック分布のうち、前記第２規格化トピック分布に最も類似する前記第１規格化トピック分布を抽出し、
    抽出された前記第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力に基づいて、前記予測対象のジョブの消費電力を予測する
    処理をコンピュータに実行させるための消費電力予測プログラム。
  2. 前記第１情報に含まれる単語から、１または複数の第１トピックを生成し、前記単語のうち、前記第１トピックに含まれない単語から、１または複数の第２トピックを生成し、
    前記１または複数の第１トピックのうちのいずれかのトピック内の少なくとも一つの単語が第１情報に存在する場合、前記第１トピックのうちのいずれかのトピックを第１情報に割り当て、前記１または複数の第２トピックのうちのいずれかのトピック内の少なくとも一つの単語が第１情報に存在する場合、前記第２トピックのうちのいずれかのトピックを第１情報に割り当て、
    前記第１トピックのうち、前記第１情報に割り当てられたトピック数が、前記第２トピックのうち、前記第１情報に割り当てられたトピック数未満である場合、トピックの生成に用いるトピック数を調整し、調整された前記トピック数のトピックを生成し、生成したトピックを用いて、前記第１トピック分布および前記第２トピック分布の生成に用いるトピックモデルを生成する
    処理を前記コンピュータに実行させることを特徴とする請求項１記載の消費電力予測プログラム。
  3. 前記第１情報に割り当てられるトピック数が所定数となるように、前記トピックの生成に用いるトピック数を調整する
    処理を前記コンピュータに実行させることを特徴とする請求項２記載の消費電力予測プログラム。
  4. コンピュータが、
    過去に実行されたジョブに関する第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を前記第１情報毎に生成し、
    予測対象のジョブに関する第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を生成し、
    前記第１トピック分布における前記単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成し、
    前記第２トピック分布における前記単語出現確率を前記所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成し、
    複数の前記第１規格化トピック分布のうち、前記第２規格化トピック分布に最も類似する前記第１規格化トピック分布を抽出し、
    抽出された前記第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力に基づいて、前記予測対象のジョブの消費電力を予測する
    処理を実行することを特徴とする消費電力予測方法。
  5. 過去に実行されたジョブに関する第１情報におけるトピック毎の単語出現確率を示す第１トピック分布を前記第１情報毎に生成し、予測対象のジョブに関する第２情報におけるトピック毎の単語出現確率を示す第２トピック分布を生成するトピック分布生成部と、
    前記第１トピック分布における前記単語出現確率を所定のルールに基づいて複数の数値に変換した第１規格化トピック分布を生成し、前記第２トピック分布における前記単語出現確率を前記所定のルールに基づいて複数の数値に変換した第２規格化トピック分布を生成する規格化部と、
    複数の前記第１規格化トピック分布のうち、前記第２規格化トピック分布に最も類似する前記第１規格化トピック分布を抽出する抽出部と、
    抽出された前記第１規格化トピック分布に対応する第１情報が示すジョブを実行した際の消費電力に基づいて、前記予測対象のジョブの消費電力を予測する予測部と
    を備えることを特徴とする消費電力予測装置。
JP2019054266A 2019-03-22 2019-03-22 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置 Active JP7259451B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019054266A JP7259451B2 (ja) 2019-03-22 2019-03-22 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置
US16/805,961 US20200301738A1 (en) 2019-03-22 2020-03-02 Power consumption prediction method, power consumption prediction apparatus, and non-transitory computer-readable storage medium for storing power consumption prediction program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019054266A JP7259451B2 (ja) 2019-03-22 2019-03-22 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置

Publications (2)

Publication Number Publication Date
JP2020154934A true JP2020154934A (ja) 2020-09-24
JP7259451B2 JP7259451B2 (ja) 2023-04-18

Family

ID=72514323

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019054266A Active JP7259451B2 (ja) 2019-03-22 2019-03-22 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置

Country Status (2)

Country Link
US (1) US20200301738A1 (ja)
JP (1) JP7259451B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350667B1 (ko) * 2021-04-08 2022-01-12 주식회사 신의테크 송전 전력 계통 기반의 전력 계통 관제 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3979021A1 (en) * 2020-09-30 2022-04-06 Ricoh Company, Ltd. Scheduling system, scheduling method, and carrier means

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017016405A (ja) * 2015-07-01 2017-01-19 富士通株式会社 業務分析プログラム、装置および方法
JP2017102600A (ja) * 2015-11-30 2017-06-08 日本電信電話株式会社 ベクトル量子化器生成方法、ベクトル量子化方法、装置、及びプログラム
JP2018084907A (ja) * 2016-11-22 2018-05-31 富士通株式会社 ジョブ消費電力推定プログラム、並列処理装置およびジョブ消費電力推定方法
JP2019003472A (ja) * 2017-06-16 2019-01-10 株式会社プリマジェスト 情報処理装置及び情報処理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017016405A (ja) * 2015-07-01 2017-01-19 富士通株式会社 業務分析プログラム、装置および方法
JP2017102600A (ja) * 2015-11-30 2017-06-08 日本電信電話株式会社 ベクトル量子化器生成方法、ベクトル量子化方法、装置、及びプログラム
JP2018084907A (ja) * 2016-11-22 2018-05-31 富士通株式会社 ジョブ消費電力推定プログラム、並列処理装置およびジョブ消費電力推定方法
JP2019003472A (ja) * 2017-06-16 2019-01-10 株式会社プリマジェスト 情報処理装置及び情報処理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350667B1 (ko) * 2021-04-08 2022-01-12 주식회사 신의테크 송전 전력 계통 기반의 전력 계통 관제 시스템

Also Published As

Publication number Publication date
JP7259451B2 (ja) 2023-04-18
US20200301738A1 (en) 2020-09-24

Similar Documents

Publication Publication Date Title
CN110287477B (zh) 实体情感分析方法及相关装置
US7774197B1 (en) Modular approach to building large language models
KR102323046B1 (ko) 음성 감정 검출 방법 및 장치, 컴퓨터 장치 및 저장 매체
CN107729322B (zh) 分词方法及装置、建立句子向量生成模型方法及装置
CN109753356A (zh) 一种容器资源调度方法、装置及计算机可读存储介质
US20030004902A1 (en) Outlier determination rule generation device and outlier detection device, and outlier determination rule generation method and outlier detection method thereof
CN108304890B (zh) 一种分类模型的生成方法及装置
CN111258767A (zh) 复杂系统仿真应用的云计算资源智能分配方法与装置
JP7259451B2 (ja) 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置
JP2008305402A (ja) 代表的なトレースを得るための命令を識別する方法、コンピュータ・プログラム及びシステム
KR102688236B1 (ko) 인공 지능을 이용한 음성 합성 장치, 음성 합성 장치의 동작 방법 및 컴퓨터로 판독 가능한 기록 매체
CN114627863A (zh) 一种基于人工智能的语音识别方法和装置
JP6873805B2 (ja) 対話支援システム、対話支援方法、及び対話支援プログラム
CN108802282A (zh) 有害气体浓度预测的方法、装置、设备及可读存储介质
CN112687266A (zh) 语音识别方法、装置、计算机设备和存储介质
CN113362804A (zh) 一种合成语音的方法、装置、终端及存储介质
CN116307236A (zh) 故障预测方法、装置、设备及存储介质
JP6676009B2 (ja) 話者判定装置、話者判定情報生成方法、プログラム
KR102516412B1 (ko) 기계학습 추론을 위한 gpu 클럭 조절 방법 및 장치
CN107451694A (zh) 一种用于移动系统中上下文感知与自适应的应用预测方法
KR20080014680A (ko) 제곱근 디스카운트를 이용한 통계적 언어에 의한 음성 인식방법 및 시스템
Vinyals et al. Chasing the metric: Smoothing learning algorithms for keyword detection
WO2020153159A1 (ja) 系列ラベリング装置、系列ラベリング方法、およびプログラム
US11887620B2 (en) Language model score calculation apparatus, language model generation apparatus, methods therefor, program, and recording medium
Tyagi et al. Fast intent classification for spoken language understanding systems

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211208

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221027

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221108

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221115

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: 20230307

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230320

R150 Certificate of patent or registration of utility model

Ref document number: 7259451

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150