JP2020181292A - 演算処理装置およびスケーリング条件計算方法 - Google Patents

Abstract

【課題】リソースの無駄な起動を抑制するとともに、高負荷状態を回避する。【解決手段】スケーリング条件計算部１６が、統計値として、リソース負荷Ｑの最大値を示す最大負荷Ｑｍａｘおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算し、これら最大負荷Ｑｍａｘおよび平均負荷Ｑａｖｇと最適負荷範囲Ｅの上限を示す最適範囲上限値Ｅｍａｘとの差分Ａ，Ｂに基づいて、スケーリング条件として、リソースの追加要否を判定するためのスケールアウトしきい値Ｓｏｕｔを計算する。【選択図】 図１

Description

本発明は、負荷状況に応じてリソースの追加や削減を自動的に行うオートスケーリング技術に関する。

クラウドシステムにおいて、負荷状況に応じて仮想マシンやコンテナなどのリソースを自動的に追加・削減する、いわゆるオートスケーリングが行われている（例えば、特許文献１など参照）。仮想マシン上でコンテナを稼働させるシステムにおいて、オートスケーリングを行う際、リソースの追加・削減を判断するオートスケーリング条件のしきい値を一定にしていると、無駄なリソースを起動する可能性がある。反対に、新しいリソースの起動が遅れ、高負荷状態が長く続く可能性が高くなる。従来、その解決方法として、負荷の変動幅からしきい値を調整する技術が提案されている（例えば、特許文献２など参照）。

特開２０１５−１９４９５８号公報 特開２０１７−０４１１８５号公報

しかしながら、このような従来技術では、負荷の変動幅だけを考慮してしきい値を調整しているため、低負荷状態において負荷が大きく変動すると無駄なリソースが起動される可能性が高くなるという問題点がある。また、変動幅を検出する範囲が限定的であるため、高負荷状態から大きく低負荷状態に変わった後、低負荷状態のままであっても、スケーリング条件に合致してしまい、無駄なリソースが起動される可能性が高くなるという問題点もある。

本発明はこのような課題を解決するためのものであり、リソースの無駄な起動を抑制できるとともに、高負荷状態を回避できるスケーリング技術を提供することを目的としている。

このような目的を達成するために、本発明にかかる演算処理装置は、クラウドシステムにおける負荷状況を示すリソース負荷を取得するよう構成された情報取得部と、予め設定された前記クラウドシステムにおける最適な負荷状況を示す最適負荷範囲と、前記リソース負荷の平均値を示す平均負荷とに基づいて、前記クラウドシステムにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算するよう構成されたスケーリング条件計算部とを備えている。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の平均負荷と前記リソース負荷の最大値を示す最大負荷とを計算し、これら平均負荷および最大負荷と前記最適負荷範囲の上限を示す最適範囲上限値との差分に基づいて、スケーリング条件として、前記リソースの追加要否を判定するためのスケールアウトしきい値を計算するようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の平均負荷と前記リソース負荷の最小値を示す最小負荷とを計算し、これら平均負荷および最小負荷と前記最適負荷範囲の下限を示す最適範囲下限値との差分に基づいて、スケーリング条件として、前記リソースの削減要否を判定するためのスケールインしきい値を計算するようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の最大値を示す最大負荷が前記最適負荷範囲内であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記リソースの追加要否を判定するためのスケールアウトしきい値の更新を行わないようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の最大値を示す最大負荷が前記最適負荷範囲外であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記最大負荷と前記最適負荷範囲の上限を示す最適範囲上限値との差分に基づいて、前記リソースの追加要否を判定するためのスケールアウトしきい値の基準値を計算し、前記平均負荷と前記最適範囲上限値との差分に基づいて前記基準値を補正することにより、前記スケールアウトしきい値を計算するようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の最小値を示す最小負荷が前記最適負荷範囲内であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記リソースの削減要否を判定するためのスケールインしきい値の更新を行わないようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の最小値を示す最小負荷が前記最適負荷範囲外であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記最小負荷と前記最適負荷範囲の下限を示す最適範囲下限値との差分に基づいて、前記リソースの削減要否を判定するためのスケールインしきい値の基準値を計算し、前記平均負荷と前記最適範囲下限値との差分に基づいて前記基準値を補正することにより、前記スケールインしきい値を計算するようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の変化率が予め設定されている変化率設定値を超えて、かつ、前記リソース負荷が予め設定されている負荷判定値を超えた場合、前記リソースの追加要否を判定するためのスケールアウトしきい値を、予め設定されている臨時しきい値まで低下させるようにしたものである。

また、本発明にかかる上記演算処理装置の一構成例は、前記スケーリング条件計算部が、前記リソース負荷の変化をグラフ表示する際、前記リソースの追加要否を判定するためのスケールアウトしきい値、前記リソースの削減要否を判定するためのスケールインしきい値、前記最適負荷範囲の上限を示す最適範囲上限値、前記最適負荷範囲の下限を示す最適範囲下限値の、少なくともいずれか１つまたは複数を、前記リソース負荷の変化と合わせてグラフ表示するようにしたものである。

また、本発明にかかるスケーリング条件計算方法は、計算機システムが、クラウドシステムにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算する際に用いられるスケーリング条件計算方法であって、前記計算機システムが、前記クラウドシステムにおける負荷状況を示すリソース負荷を取得する情報取得ステップと、前記計算機システムが、予め設定された前記クラウドシステムにおける最適な負荷状況を示す最適負荷範囲と、前記リソース負荷の平均値を示す平均負荷とに基づいて、前記クラウドシステムにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算するスケーリング条件計算ステップとを備えている。

本発明によれば、クラウドシステムにおけるリソース負荷が、高負荷状態で変動している場合に限らず、低負荷状態や中負荷状態で変動している場合や、限られた期間においてのみ変動幅が大きい場合にも、無駄なリソースの起動を抑制できるとともに、高負荷状態を回避することが可能となる。

図１は、第１の実施の形態にかかる演算処理装置の構成を示すブロック図である。 図２は、主な処理データを示す説明図である。 図３は、第１の実施の形態にかかるスケーリング条件計算処理を示すフローチャートである。 図４は、第１の実施の形態にかかるスケーリング条件の計算過程を示す説明図である。 図５は、第２の実施の形態にかかるスケーリング条件計算処理を示すフローチャートである。 図６は、第２の実施の形態にかかるスケーリング条件の計算過程（高負荷状態および低負荷状態の場合）を示す説明図である。 図７は、第２の実施の形態にかかるスケーリング条件の計算過程（変動幅が大きい場合）を示す説明図である。 図８は、第３の実施の形態にかかるスケーリング条件切替処理を示すフローチャートである。 図９は、リソース負荷の変化を示すトレンドグラフである。

次に、本発明の実施の形態について図面を参照して説明する。
［第１の実施の形態］
まず、図１を参照して、本発明の第１の実施の形態にかかる演算処理装置１０について説明する。図１は、第１の実施の形態にかかる演算処理装置の構成を示すブロック図である。

この演算処理装置１０は、スケーリングシステムＳＳにおいて、オートスケーリングでのリソースの追加・削減を判断する際に用いるオートスケーリング条件を、クラウドシステムＣＳの負荷状況に応じて計算し、スケーリングシステムＳＳへ提供する装置である。

スケーリングシステムＳＳは、演算処理装置１０で計算されたオートスケーリング条件に基づいて、クラウドシステムＣＳ上に存在する仮想マシンやコンテナなどのリソースを、自動的に追加・削減する、いわゆるオートスケーリングを行うシステムである。スケーリングシステムＳＳについては、例えば、引用文献１−２などに記載された公知の計算機システムからなる。

本実施の形態では、演算処理装置１０がスケーリングシステムＳＳとは別個の装置として通信網ＮＷに接続されている場合を例として説明するが、これに限定されるものではなく、演算処理装置１０をスケーリングシステムＳＳの１つの計算機として実装してもよい。また、演算処理装置１０は、スケーリングシステムＳＳごとに別個に設けてもよいが、１つの演算処理装置１０で複数の異なるスケーリングシステムＳＳのオートスケーリング条件を計算するように構成してもよい。

また、図１には、仮想マシンが複数のコンテナから構成され、これら複数の仮想マシンによりクラスターが構成されるパターンが例として記載されているが、クラウドシステムＣＳの構成については、これに限定されるものではない。例えば、仮想マシンを想定せず、複数のコンテナによりクラスターが構成されるパターンなど、他のパターンについても、以下と同様に本発明を適用でき、同様の作用効果を得ることができる。

［演算処理装置］
次に、図１を参照して、本実施の形態にかかる演算処理装置１０の構成について詳細に説明する。
図１に示すように、演算処理装置１０は、全体としてサーバー装置などの情報処理装置からなり、主な構成として、通信Ｉ／Ｆ回路１１、操作入力装置１２、表示装置１３、記憶装置１４、情報取得部１５、スケーリング条件計算部１６、およびスケーリング条件設定部１７を備えている。これら構成は、内部バスＢを介してデータやり取り可能に接続されている。これら構成のうち、情報取得部１５、スケーリング条件計算部１６、およびスケーリング条件設定部１７は、ＣＰＵなどのマイクロプロセッサＭＰと記憶装置１４のプログラム（図示せず）とが協働することにより処理部として構成されている。

通信Ｉ／Ｆ回路１１は、通信網ＮＷを介してスケーリングシステムＳＳとデータ通信を行うことにより、クラウドシステムＣＳの負荷状況やスケーリングシステムＳＳの動作状況、さらには演算処理装置１０で計算したスケーリング条件を、スケーリングシステムＳＳとの間でやり取りする機能を有している。なお、負荷状況については、通信Ｉ／Ｆ回路１１が、通信網ＮＷを介してクラウドシステムＣＳから直接取得してもよい。

操作入力装置１２は、キーボード、マウス、タッチパネルなどの操作入力装置からなり、オペレータの操作を検出してマイクロプロセッサＭＰへ出力する機能を有している。
表示装置１３は、ＬＣＤなどの画面表示装置からなり、マイクロプロセッサＭＰから出力された、メニュー画面、設定画面、計算結果画面などの各種画面を画面表示する機能を有している。

記憶装置１４は、ハードディスクや半導体メモリなどの記憶装置からなり、マイクロプロセッサＭＰで実行するスケーリング条件計算処理に用いる各種の処理データやプログラムを記憶する機能を有している。プログラムは、演算処理装置１０に接続された外部装置や記録媒体（ともに図示せず）から、予め読み込まれて記憶装置１４に保存される。

図２は、主な処理データを示す説明図である。記憶装置１４では、図２に示すような、処理データを記憶している。これら処理データのうち、負荷上限値Ｌｍａｘおよび負荷下限値Ｌｍｉｎは、リソース負荷Ｑの上限値および下限値を示している。また、最適範囲上限値Ｅｍａｘおよび最適範囲下限値Ｅｍｉｎは、リソース負荷Ｑの最適負荷範囲Ｅの上限値および下限値を示している。これら負荷上限値Ｌｍａｘ、負荷下限値Ｌｍｉｎ、最適範囲上限値Ｅｍａｘ、および最適範囲下限値Ｅｍｉｎは、クラウドシステムＣＳのリソース規模や運用形態に応じて予め設定される。

また、処理データのうち、スケールアウトしきい値Ｓｏｕｔは、クラウドシステムＣＳにおけるリソース追加（スケールアウト）の要否を判定するためのしきい値であり、スケールインしきい値Ｓｉｎは、クラウドシステムＣＳにおけるリソース削減（スケールイン）の要否を判定するためのしきい値である。これらスケールアウトしきい値Ｓｏｕｔおよびスケールインしきい値Ｓｉｎは、スケーリングシステムＳＳのオートスケーリングで用いるスケーリング条件である。これらスケールアウトしきい値Ｓｏｕｔおよびスケールインしきい値Ｓｉｎは、クラウドシステムＣＳのリソース規模や運用形態に応じて予め初期値が設定され、スケーリングシステムＳＳのオートスケーリング開始に応じて、演算処理装置１０で計算した新たな値が、通信網ＮＷを介してスケーリングシステムＳＳへ提供される。

情報取得部１５は、通信Ｉ／Ｆ回路１１を介してクラウドシステムＣＳで稼働しているリソース全体の負荷状況を示すリソース負荷Ｑや、スケーリングアウトやスケーリングの開始・終了を示すスケーリング情報、スケーリングシステムＳＳまたはクラウドシステムＣＳから取得し、記憶装置１４に時系列データとして保存する機能を有している。

スケーリング条件計算部１６は、予め設定されたクラウドシステムＣＳにおける最適な負荷状況を示す最適負荷範囲Ｅと、リソース負荷Ｑから計算したリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとに基づいて、クラウドシステムＣＳにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算する機能を有している。

具体的には、スケーリング条件計算部１６は、リソース負荷Ｑの最大値を示す最大負荷Ｑｍａｘおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇを計算し、これら最大負荷Ｑｍａｘおよび平均負荷Ｑａｖｇと最適負荷範囲Ｅの上限を示す最適範囲上限値Ｅｍａｘとの差分Ａ，Ｂに基づいて、スケーリング条件として、リソースの追加要否を判定するためのスケールアウトしきい値Ｓｏｕｔを計算する機能を有している。

また、スケーリング条件計算部１６は、リソース負荷Ｑの最小値を示す最小負荷Ｑｍｉｎおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇを計算し、これら最小負荷Ｑｍｉｎおよび平均負荷Ｑａｖｇと最適負荷範囲Ｅの下限を示す最適範囲下限値Ｅｍｉｎとの差分Ａ，Ｂに基づいて、スケーリング条件として、リソースの削減要否を判定するためのスケールインしきい値Ｓｉｎを計算する機能を有している。

スケーリング条件設定部１７は、スケーリング条件計算部１６で計算されたスケールアウトしきい値Ｓｏｕｔおよびスケールインしきい値Ｓｉｎを、新たなスケーリング条件として、通信Ｉ／Ｆ回路１１から通信網ＮＷを介してスケーリングシステムＳＳに設定する機能を有している。

［第１の実施の形態の動作］
次に、図３を参照して、本実施の形態にかかる演算処理装置１０のスケーリング条件計算動作について説明する。図３は、第１の実施の形態にかかるスケーリング条件計算処理を示すフローチャートである。

演算処理装置１０のマイクロプロセッサＭＰは、予め設定された一定間隔、あるいは、操作入力装置１２やオペレータ端末（図示せず）からの指示、さらには、スケーリングシステムＳＳや要求など、スケーリング条件の更新タイミングの到来に応じて、図３のスケーリング条件計算処理を実行する。なお、スケーリング条件計算処理の実行開始に際し、記憶装置１４には、図２に示したような処理データが予め設定されているとともに、情報取得部１５で取得した最新のリソース負荷Ｑが保存されているものとする。

まず、スケーリング条件計算部１６は、記憶装置１４から計算対象となる対象期間におけるリソース負荷Ｑの時系列データを取得し（ステップＳ１００）、これらリソース負荷Ｑの時系列データから計算した平均負荷Ｑａｖｇさらには最大負荷Ｑｍａｘと、記憶装置１４に設定されている最適範囲上限値Ｅｍａｘおよび負荷上限値Ｌｍａｘとに基づいて、クラウドシステムＣＳにおけるリソースの追加要否判定に用いるスケーリング条件、すなわちスケールアウトしきい値Ｓｏｕｔに関するしきい値調整幅ΔＳｏｕｔを計算する（ステップＳ１０１）。

続いて、スケーリング条件計算部１６は、得られたしきい値調整幅ΔＳｏｕｔに基づいて、記憶装置１４に保存されているスケールアウトしきい値Ｓｏｕｔを増減し、得られた新たなスケールアウトしきい値Ｓｏｕｔを記憶装置１４に保存（更新）する（ステップＳ１０２）。なお、しきい値調整幅ΔＳｏｕｔを含むスケールアウトしきい値Ｓｏｕｔの計算に関する詳細については、後述する。

また、スケーリング条件計算部１６は、リソース負荷Ｑの時系列データから計算した平均負荷Ｑａｖｇさらには最小負荷Ｑｍｉｎと、記憶装置１４に設定されている最適範囲下限値Ｅｍｉｎおよび負荷下限値Ｌｍｉｎとに基づいて、クラウドシステムＣＳにおけるリソースの削減要否判定に用いるスケーリング条件、すなわちスケールインしきい値Ｓｉｎに関するしきい値調整幅ΔＳｉｎを計算する（ステップＳ１０３）。

続いて、スケーリング条件計算部１６は、得られたしきい値調整幅ΔＳｉｎに基づいて、記憶装置１４に保存されているスケールインしきい値Ｓｉｎを増減し、得られた新たなスケールインしきい値Ｓｉｎを記憶装置１４に保存（更新）する（ステップＳ１０４）。なお、しきい値調整幅ΔＳｉｎを含むスケールインしきい値Ｓｉｎの計算に関する詳細については、後述する。

この後、スケーリング条件設定部１７は、スケーリング条件計算部１６で計算されたスケールアウトしきい値Ｓｏｕｔおよびスケールインしきい値Ｓｉｎ、すなわち新たなスケーリング条件を記憶装置１４から取得し、通信Ｉ／Ｆ回路１１から通信網ＮＷを介してスケーリングシステムＳＳに設定し（ステップＳ１０５）、一連のスケーリング条件計算処理を終了する。

［スケーリング条件の計算過程］
次に、図４を参照して、本実施の形態にかかるスケーリング条件の計算過程について詳細に説明する。図４は、第１の実施の形態にかかるスケーリング条件の計算過程を示す説明図である。図４には、リソース負荷Ｑの時間的変化がグラフ表示されており、横軸が時間を示し、縦軸がリソース負荷Ｑ［％］を示している。

まず、スケールアウトしきい値Ｓｏｕｔの計算過程について説明する。
スケーリング条件計算部１６は、記憶装置１４に保存されているリソース負荷Ｑの時系列データから、計算対象となる対象期間に含まれるリソース負荷Ｑの時系列データを取得し、統計値として、これらリソース負荷Ｑの最大値を示す最大負荷Ｑｍａｘおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算する。対象期間については、例えば最新のリソース負荷Ｑから一定時間長だけ遡及した遡及期間、例えば、直前のスケールアウト処理の開始から終了までの期間を用いた場合を例として説明する。

続いて、スケーリング条件計算部１６は、これら最大負荷Ｑｍａｘおよび平均負荷Ｑａｖｇと最適範囲上限値Ｅｍａｘとの差分を示す、差分Ａ＝Ｅｍａｘ−Ｑｍａｘと差分Ｂ＝Ｅｍａｘ−Ｑａｖｇを計算するとともに、負荷上限値Ｌｍａｘと最適範囲上限値Ｅｍａｘとの差分を示す、差分Ｃ＝Ｅｍａｘ−Ｌｍａｘを計算する。

次に、スケーリング条件計算部１６は、これら差分Ａ，Ｂ，Ｃに基づいて、差分Ａ，Ｂに関する重みＷａ＝｜Ａ／Ｃ｜と重みＷｂ＝｜Ｂ／Ｃ｜を計算する。なお、Ｙ＝｜Ｘ｜はＹがＸの絶対値であることを示している。
続いて、スケーリング条件計算部１６は、次の式（１）に示すように、これら差分Ａ，Ｂを重みＷａ，Ｗｂで補正して得られた値を平均化することにより、スケールアウトしきい値Ｓｏｕｔ（ｔ）に関するしきい値調整幅ΔＳｏｕｔを計算する。

この後、スケーリング条件計算部１６は、記憶装置１４に保存されている前回（ｔ−１）計算したスケールアウトしきい値Ｓｏｕｔ（ｔ−１）を、式（１）で得られたしきい値調整幅ΔＳｏｕｔで増減することにより、新たなスケールアウトしきい値Ｓｏｕｔ（ｔ）＝Ｓｏｕｔ（ｔ−１）＋ΔＳｏｕｔを計算する。

例えば、最大負荷がＱｍａｘ＝８６［％］で平均負荷がＱａｖｇ＝８３［％］の場合、図２の処理データの設定例に基づけば、差分Ａ＝８０−８６＝−６、差分Ｂ＝８０−８３＝−３、差分Ｃ＝８０−９０＝−１０となり、重みＷａ＝｜−６／−１０｜＝０．６、重みＷｂ＝｜−３／−１０｜＝０．３となる。したがって、しきい値調整幅はΔＳｏｕｔ＝（−６×０．６＋−３×０．３）／２≒−２．２５となり、新たなスケールアウトしきい値は、Ｓｏｕｔ（ｔ）＝７５−２．２５＝７２．７５［％］となる。

次に、スケールインしきい値Ｓｉｎの計算過程について説明する。
スケーリング条件計算部１６は、記憶装置１４に保存されているリソース負荷Ｑの時系列データから、計算対象となる対象期間に含まれるリソース負荷Ｑの時系列データを取得し、統計値として、これらリソース負荷Ｑの最小値を示す最小負荷Ｑｍｉｎおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算する。対象期間については、例えば最新のリソース負荷Ｑから一定時間長だけの遡及した遡及期間、例えば、直前のスケールイン処理の開始から終了までの期間を用いればよい。

続いて、スケーリング条件計算部１６は、これら最小負荷Ｑｍｉｎおよび平均負荷Ｑａｖｇと最適範囲下限値Ｅｍｉｎとの差分を示す、差分Ａ＝Ｅｍｉｎ−Ｑｍｉｎと差分Ｂ＝Ｅｍｉｎ−Ｑａｖｇを計算するとともに、負荷下限値Ｌｍｉｎと最適範囲下限値Ｅｍｉｎとの差分を示す、差分Ｃ＝Ｅｍｉｎ−Ｌｍｉｎを計算する。

次に、スケーリング条件計算部１６は、差分Ａ，Ｂ，Ｃに基づいて、差分Ａ，Ｂに関する重みＷａ＝｜Ａ／Ｃ｜と重みＷｂ＝｜Ｂ／Ｃ｜を計算し、次の式（２）に示すように、これら差分Ａ，Ｂを重みＷａ，Ｗｂで補正して得られた値を平均化することにより、スケールインしきい値Ｓｉｎに関するしきい値調整幅ΔＳｉｎを計算する。

この後、スケーリング条件計算部１６は、記憶装置１４に保存されている前回（ｔ−１）計算したスケールインしきい値Ｓｉｎ（ｔ−１）を、式（２）で得られたしきい値調整幅ΔＳｉｎで増減することにより、新たなスケールインしきい値Ｓｉｎ（ｔ）＝Ｓｉｎ（ｔ−１）＋ΔＳｉｎを計算する。

なお、スケールアウトしきい値Ｓｏｕｔについては、リソース負荷Ｑの最大負荷Ｑｍａｘと最適範囲上限値Ｅｍａｘとの比較結果に基づき、計算要否を判定してもよい。例えば、図４に示すように、リソース負荷Ｑ（実線）の最大負荷Ｑｍａｘが最適範囲上限値Ｅｍａｘより大きい場合には、スケールアウトしきい値Ｓｏｕｔを新たに計算するようにしてもよい。
また、スケールインしきい値Ｓｉｎについては、リソース負荷Ｑの最小負荷Ｑｍｉｎと最適範囲下限値Ｅｍｉｎとの比較結果に基づき、計算要否を判定してもよい。例えば、図４に示すように、リソース負荷Ｑ（破線）の最小負荷Ｑｍｉｎが最適範囲下限値Ｅｍｉｎより小さい場合には、スケールインしきい値Ｓｉｎを新たに計算するようにしてもよい。

［第１の実施の形態の効果］
一般に、オートスケーリングのスケーリング条件となるしきい値の設定は、スケールアウトしきい値が低く設定されると無駄なリソースが起動される可能性が高くなる。また、スケールアウトしきい値が高く設定されると予期しない高負荷状態となり、処理の遅延を招くことになる。同様に、スケールインしきい値が適切でないと、高負荷や無駄な起動の原因となる。

前述した従来技術（特許文献２）では、リソースの最大負荷と最小負荷の変動幅によって、スケーリング条件を調整している。したがって、高負荷状態で変動している場合だけでなく、低程度から中程度の負荷状態で変動している場合にも、スケーリング条件が調整されるため、無駄な仮想マシンやコンテナが起動する可能性がある。
また、通常、リソースが高負荷状態である時間は短く、多くの時間は低程度から中程度の負荷状態である。また、低程度から中程度の負荷状態である場合も、変動幅は大きいが、処理時間のほとんどで最適な負荷状態になっていることから、実際には大きな条件調整は必要ない。

本発明は、このようなオートスケーリングにおける負荷変動とスケーリング条件の調整との関係に着目し、リソース負荷の平均負荷を考慮することによって、負荷状態をある指定された最適な範囲に収まるように、オートスケーリングのしきい値を自動調整するという方法に想到した。これにより、クラウドシステムＣＳにおけるリソース負荷Ｑが、低負荷状態や中負荷状態で変動している場合には、大きな調整は行わない、あるいは、調整をしないような処理を行うことで、無駄な仮想マシンやコンテナの起動の可能性を低減し、かつ、高負荷状態を回避しやすくなる。

本実施の形態は、情報取得部１５が、クラウドシステムＣＳにおける負荷状況を示すリソース負荷Ｑを取得し、スケーリング条件計算部１６が、予め設定されたクラウドシステムＣＳにおける最適な負荷状況を示す最適負荷範囲Ｅと、リソース負荷Ｑから計算した統計値とに基づいて、クラウドシステムＣＳにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算するようにしたものである。

具体的には、スケーリング条件計算部１６が、統計値として、リソース負荷Ｑの最大値を示す最大負荷Ｑｍａｘおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算し、これら最大負荷Ｑｍａｘおよび平均負荷Ｑａｖｇと最適負荷範囲Ｅの上限を示す最適範囲上限値Ｅｍａｘとの差分Ａ，Ｂに基づいて、スケーリング条件として、リソースの追加要否を判定するためのスケールアウトしきい値Ｓｏｕｔを計算するようにしたものである。

また、スケーリング条件計算部１６が、統計値として、リソース負荷Ｑの最小値を示す最小負荷Ｑｍｉｎおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算し、これら最小負荷Ｑｍｉｎおよび平均負荷Ｑａｖｇと最適負荷範囲Ｅの下限を示す最適範囲下限値Ｅｍｉｎとの差分Ａ，Ｂに基づいて、スケーリング条件として、リソースの削減要否を判定するためのスケールインしきい値Ｓｉｎを計算するようにしたものである。

これにより、クラウドシステムＣＳにおけるリソース負荷Ｑが、高負荷状態で変動している場合に限らず、低負荷状態や中負荷状態で変動している場合や、限られた期間においてのみ変動幅が大きい場合にも、無駄なリソースの起動を抑制できるとともに、高負荷状態を回避することが可能となる。

［第２の実施の形態］
次に、本発明の第２の実施の形態にかかる演算処理装置１０について説明する。
最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎと平均負荷Ｑａｖｇがともに、最適負荷範囲Ｅに入っている場合や、平均負荷Ｑａｖｇが最適負荷範囲Ｅに入っている場合、差分Ａ，Ｂを前述と同様の重みＷａ，Ｗｂで補正してしきい値調整幅ΔＳｏｕｔ，ΔＳｉｎを計算すると、不必要な調整を行う可能性がある。

本実施の形態では、最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎと平均負荷Ｑａｖｇがともに、最適負荷範囲Ｅに入っている場合は、スケーリング条件を調整しないようにしたものである。また、最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎが最適負荷範囲Ｅに入っておらず、平均負荷Ｑａｖｇが最適負荷範囲Ｅに入っている場合は、最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎからベースとなる調整幅を計算し、平均負荷Ｑａｖｇが最適負荷範囲Ｅに入っている度合いから計算した重みで補正するようにしたものである。

すなわち、本実施の形態において、スケーリング条件計算部１６は、最大負荷Ｑｍａｘが最適負荷範囲Ｅ内であって、かつ、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である場合、リソースの追加要否を判定するためのスケールアウトしきい値Ｓｏｕｔの更新を行わない機能と、最大負荷Ｑｍａｘが最適負荷範囲Ｅ外であって、かつ、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である場合、最大負荷Ｑｍａｘと最適範囲上限値Ｅｍａｘとの差分Ａに基づいて、スケールアウトしきい値Ｓｏｕｔの基準値を計算し、平均負荷Ｑａｖｇと最適範囲上限値Ｅｍａｘとの差分Ｂに基づいて基準値を補正することにより、スケールアウトしきい値Ｓｏｕｔのしきい値調整幅ΔＳｏｕｔを計算する機能とを有している。

また、スケーリング条件計算部１６は、最小負荷Ｑｍｉｎが最適負荷範囲Ｅ内であって、かつ、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である場合、スケールインしきい値Ｓｉｎの更新を行わない機能と、最小負荷Ｑｍｉｎが最適負荷範囲Ｅ外であって、かつ、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である場合、最小負荷Ｑｍｉｎと最適範囲下限値Ｅｍｉｎとの差分Ａに基づいてスケールインしきい値Ｓｉｎの基準値を計算し、平均負荷Ｑａｖｇと最適範囲下限値Ｅｍｉｎとの差分Ｂに基づいて基準値を補正することにより、スケールインしきい値Ｓｉｎのしきい値調整幅ΔＳｉｎを計算する機能とを備えている。

［第２の実施の形態の動作］
次に、図５を参照して、本実施の形態にかかる演算処理装置１０のスケーリング条件計算動作について説明する。図５は、第２の実施の形態にかかるスケーリング条件計算処理を示すフローチャートである。

演算処理装置１０のマイクロプロセッサＭＰは、予め設定された一定間隔、あるいは、操作入力装置１２やオペレータ端末（図示せず）からの指示、さらには、スケーリングシステムＳＳや要求など、スケーリング条件の更新タイミングの到来に応じて、図３のスケーリング条件計算処理を実行する。なお、スケーリング条件計算処理の実行開始に際し、記憶装置１４には、図２に示したような処理データが予め設定されているとともに、情報取得部１５で取得した最新のリソース負荷Ｑが保存されているものとする。

まず、スケーリング条件計算部１６は、記憶装置１４から計算対象となる対象期間におけるリソース負荷Ｑの時系列データを取得し（ステップＳ２００）、これらリソース負荷Ｑの時系列データから計算した平均負荷Ｑａｖｇと記憶装置１４に設定されている最適範囲上限値Ｅｍａｘとを比較する（ステップＳ２０１）。

平均負荷Ｑａｖｇが最適範囲上限値Ｅｍａｘより大きく、平均負荷Ｑａｖｇが最適負荷範囲Ｅ外である場合（ステップＳ２０１：ＹＥＳ）、スケーリング条件計算部１６は、図４と同様に、平均負荷Ｑａｖｇさらには最大負荷Ｑｍａｘと、最適範囲上限値Ｅｍａｘおよび負荷上限値Ｌｍａｘとに基づいて、スケールアウトしきい値Ｓｏｕｔに関するしきい値調整幅ΔＳｏｕｔを計算し（ステップＳ２０２）、このしきい値調整幅ΔＳｏｕｔに基づいて、記憶装置１４に保存されているスケールアウトしきい値Ｓｏｕｔを増減し、得られた新たなスケールアウトしきい値Ｓｏｕｔを記憶装置１４に保存（更新）し（ステップＳ２０３）、後述するステップＳ２１１へ移行する。

一方、平均負荷Ｑａｖｇが最適範囲上限値Ｅｍａｘ以下で、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である場合（ステップＳ２０１：ＮＯ）、スケーリング条件計算部１６は、リソース負荷Ｑの時系列データから計算した最大負荷Ｑｍａｘと記憶装置１４に設定されている最適範囲上限値Ｅｍａｘとを比較する（ステップＳ２０４）。

最大負荷Ｑｍａｘが最適範囲上限値Ｅｍａｘより大きく、最大負荷Ｑｍａｘが最適負荷範囲Ｅ外である場合（ステップＳ２０４：ＹＥＳ）、スケーリング条件計算部１６は、最大負荷Ｑｍａｘと最適範囲上限値Ｅｍａｘとの差分Ａに基づいて、スケールアウトしきい値Ｓｏｕｔの基準値を計算し、平均負荷Ｑａｖｇと最適範囲上限値Ｅｍａｘとの差分Ｂに基づいて基準値を補正することにより、しきい値調整幅ΔＳ’ｏｕｔを計算し（ステップＳ２０５）、このしきい値調整幅ΔＳ’ｏｕｔに基づいて、記憶装置１４に保存されているスケールアウトしきい値Ｓｏｕｔを増減し、得られた新たなスケールアウトしきい値Ｓｏｕｔを記憶装置１４に保存（更新）し（ステップＳ２０６）、後述するステップＳ２１１へ移行する。

一方、最大負荷Ｑｍａｘが最適範囲上限値Ｅｍａｘ以下で、最大負荷Ｑｍａｘが最適負荷範囲Ｅ内である場合（ステップＳ２０４：ＮＯ）、スケーリング条件計算部１６は、スケールアウトしきい値Ｓｏｕｔの計算（更新）を行わず、後述するステップＳ２１１へ移行する。

この後、スケーリング条件計算部１６は、これらリソース負荷Ｑの時系列データから計算した平均負荷Ｑａｖｇと記憶装置１４に設定されている最適範囲下限値Ｅｍｉｎとを比較する（ステップＳ２１１）。

平均負荷Ｑａｖｇが最適範囲下限値Ｅｍｉｎより小さく、平均負荷Ｑａｖｇが最適負荷範囲Ｅ外である場合（ステップＳ２１１：ＹＥＳ）、スケーリング条件計算部１６は、図４と同様に、平均負荷Ｑａｖｇさらには最小負荷Ｑｍｉｎと、最適範囲下限値Ｅｍｉｎおよび負荷下限値Ｌｍｉｎとに基づいて、スケールインしきい値Ｓｉｎに関するしきい値調整幅ΔＳｉｎを計算し（ステップＳ２１２）、このしきい値調整幅ΔＳｉｎに基づいて、記憶装置１４に保存されているスケールインしきい値Ｓｉｎを増減し、得られた新たなスケールインしきい値Ｓｉｎを記憶装置１４に保存（更新）し（ステップＳ２１３）、後述するステップＳ２１７へ移行する。

一方、平均負荷Ｑａｖｇが最適範囲下限値Ｅｍｉｎ以上で、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である場合（ステップＳ２１１：ＮＯ）、スケーリング条件計算部１６は、リソース負荷Ｑの時系列データから計算した最小負荷Ｑｍｉｎと記憶装置１４に設定されている最適範囲下限値Ｅｍｉｎとを比較する（ステップＳ２１４）。

最小負荷Ｑｍｉｎが最適範囲下限値Ｅｍｉｎより小さく、最小負荷Ｑｍｉｎが最適負荷範囲Ｅ外である場合（ステップＳ２１４：ＹＥＳ）、スケーリング条件計算部１６は、最小負荷Ｑｍｉｎと最適範囲下限値Ｅｍｉｎとの差分Ａに基づいて、スケールインしきい値Ｓｉｎの基準値を計算し、平均負荷Ｑａｖｇと最適範囲下限値Ｅｍｉｎとの差分Ｂに基づいて基準値を補正することにより、しきい値調整幅ΔＳ’ｏｕｔを計算し（ステップＳ２１５）、このしきい値調整幅ΔＳ’ｏｕｔに基づいて、記憶装置１４に保存されているスケールインしきい値Ｓｉｎを増減し、得られた新たなスケールインしきい値Ｓｉｎを記憶装置１４に保存（更新）し（ステップＳ２１６）、後述するステップＳ２１７へ移行する。

一方、最小負荷Ｑｍｉｎが最適範囲下限値Ｅｍｉｎ以上で、最小負荷Ｑｍｉｎが最適負荷範囲Ｅ内である場合（ステップＳ２１４：ＮＯ）、スケーリング条件計算部１６は、スケールインしきい値Ｓｉｎの計算（更新）を行わず、後述するステップＳ２１７へ移行する。
この後、スケーリング条件設定部１７は、スケーリング条件計算部１６で計算されたスケールアウトしきい値Ｓｏｕｔおよびスケールインしきい値Ｓｉｎ、すなわち新たなスケーリング条件を記憶装置１４から取得し、通信Ｉ／Ｆ回路１１から通信網ＮＷを介してスケーリングシステムＳＳに設定し（ステップＳ２１７）、一連のスケーリング条件計算処理を終了する。

［スケーリング条件の計算過程］
次に、図６を参照して、本実施の形態にかかるスケーリング条件の計算過程について詳細に説明する。図６は、第２の実施の形態にかかるスケーリング条件の計算過程（高負荷状態および低負荷状態の場合）を示す説明図である。図６には、最大負荷Ｑｍａｘが最適負荷範囲Ｅ外であって、かつ、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内である、高負荷状態および低負荷状態の場合における、リソース負荷Ｑの時間的変化がグラフ表示されており、横軸が時間を示し、縦軸がリソース負荷Ｑ［％］を示している。

まず、スケールアウトしきい値Ｓｏｕｔの計算過程について説明する。
スケーリング条件計算部１６は、記憶装置１４に保存されているリソース負荷Ｑの時系列データから、計算対象となる対象期間に含まれるリソース負荷Ｑの時系列データを取得し、統計値として、これらリソース負荷Ｑの最大値を示す最大負荷Ｑｍａｘおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算する。対象期間については、例えば最新のリソース負荷Ｑから一定時間長だけ遡及した遡及期間、例えば、直前のスケールアウト処理の開始から終了までの期間を用いた場合を例として説明する。

続いて、スケーリング条件計算部１６は、これら最大負荷Ｑｍａｘおよび平均負荷Ｑａｖｇと最適範囲上限値Ｅｍａｘとの差分を示す、差分Ａ＝Ｅｍａｘ−Ｑｍａｘと差分Ｂ＝Ｅｍａｘ−Ｑａｖｇを計算するとともに、負荷上限値Ｌｍａｘと最適範囲上限値Ｅｍａｘとの差分を示す、差分Ｃ＝Ｅｍａｘ−Ｌｍａｘを計算する。

次に、スケーリング条件計算部１６は、これら差分Ａ，Ｃに基づいて、差分Ａに関する重みＷａ＝｜Ａ／Ｃ｜を計算する。なお、Ｙ＝｜Ｘ｜はＹがＸの絶対値であることを示している。
続いて、スケーリング条件計算部１６は、次の式（３）に示すように、これら差分Ａを重みＷａで補正して得られた基準値を差分Ｂで補正することにより、スケールアウトしきい値Ｓｏｕｔ（ｔ）に関するしきい値調整幅ΔＳ’ｏｕｔを計算する。

この後、スケーリング条件計算部１６は、記憶装置１４に保存されている前回（ｔ−１）計算したスケールアウトしきい値Ｓｏｕｔ（ｔ−１）を、式（３）で得られたしきい値調整幅ΔＳ’ｏｕｔで増減することにより、新たなスケールアウトしきい値Ｓｏｕｔ（ｔ）＝Ｓｏｕｔ（ｔ−１）＋ΔＳ’ｏｕｔを計算する。

例えば、最大負荷がＱｍａｘ＝８９［％］で平均負荷がＱａｖｇ＝７４［％］の場合、図２の処理データの設定例に基づけば、差分Ａ＝８０−８９＝−９、差分Ｂ＝８０−７４＝６、差分Ｃ＝８０−９０＝−１０となり、重みＷａ＝｜−９／−１０｜＝０．９となる。したがって、しきい値調整幅はΔＳ’ｏｕｔ＝−９×０．９／６＝−１．３５となり、新たなスケールアウトしきい値は、Ｓｏｕｔ（ｔ）＝７５−１．３５＝７３．６５［％］となる。図４の計算過程で計算した場合、ΔＳｏｕｔ＝−２．２５となるため、しきい値調整幅ΔＳ’ｏｕｔが大幅に抑制されていることがわかる。

次に、スケールインしきい値Ｓｉｎの計算過程について説明する。
スケーリング条件計算部１６は、記憶装置１４に保存されているリソース負荷Ｑの時系列データから、計算対象となる対象期間に含まれるリソース負荷Ｑの時系列データを取得し、統計値として、これらリソース負荷Ｑの最小値を示す最小負荷Ｑｍｉｎおよびリソース負荷Ｑの平均値を示す平均負荷Ｑａｖｇとを計算する。対象期間については、例えば最新のリソース負荷Ｑから一定時間長だけの遡及した遡及期間、例えば、直前のスケールイン処理の開始から終了までの期間を用いた場合を例として説明する。

続いて、スケーリング条件計算部１６は、これら最小負荷Ｑｍｉｎおよび平均負荷Ｑａｖｇと最適範囲下限値Ｅｍｉｎとの差分を示す、差分Ａ＝Ｅｍｉｎ−Ｑｍｉｎと差分Ｂ＝Ｅｍｉｎ−Ｑａｖｇを計算するとともに、負荷下限値Ｌｍｉｎと最適範囲下限値Ｅｍｉｎとの差分を示す、差分Ｃ＝Ｅｍｉｎ−Ｌｍｉｎを計算する。

次に、スケーリング条件計算部１６は、差分Ａ，Ｃに基づいて、差分Ａに関する重みＷａ＝｜Ａ／Ｃ｜を計算し、次の式（４）に示すように、これら差分Ａ，Ｂを重みＷａで補正して得られた基準値を差分Ｂで補正することにより、スケールインしきい値Ｓｉｎ（ｔ）に関するしきい値調整幅ΔＳ’ｉｎを計算する。

この後、スケーリング条件計算部１６は、記憶装置１４に保存されている前回（ｔ−１）計算したスケールインしきい値Ｓｉｎ（ｔ−１）を、式（４）で得られたしきい値調整幅ΔＳ’ｉｎで増減することにより、新たなスケールインしきい値Ｓｉｎ（ｔ）＝Ｓｉｎ（ｔ−１）＋ΔＳ’ｉｎを計算する。

例えば、最小負荷がＱｍｉｎ＝１１［％］で平均負荷がＱａｖｇ＝２９［％］の場合、図２の処理データの設定例に基づけば、差分Ａ＝２５−１１＝１４、差分Ｂ＝２５−２９＝−４、差分Ｃ＝２５−１０＝１５となり、重みＷａ＝｜１４／１５｜≒０．９３となる。したがって、しきい値調整幅はΔＳ’ｉｎ≒１４×０．９３／｜−４｜≒３．２７となり、新たなスケールインしきい値は、Ｓｉｎ（ｔ）≒３０＋３．２７≒３３．２７［％］となる。図４の計算過程で計算した場合、ΔＳｉｎ＝６となるため、しきい値調整幅ΔＳ’ｉｎが大幅に抑制されていることがわかる。

次に、図７を参照して、本実施の形態にかかるスケーリング条件の計算過程について詳細に説明する。図７は、第２の実施の形態にかかるスケーリング条件の計算過程（変動幅が大きい場合）を示す説明図である。図７には、最大負荷Ｑｍａｘが最適負荷範囲Ｅ外であって、かつ、平均負荷Ｑａｖｇが最適負荷範囲Ｅ内であり、変動幅が大きい場合における、リソース負荷Ｑの時間的変化がグラフ表示されており、横軸が時間を示し、縦軸がリソース負荷Ｑ［％］を示している。

図７の場合、リソース負荷Ｑが最適範囲下限値Ｅｍｉｎ付近から最適範囲上限値Ｅｍａｘを超える値まで一旦上昇した後、最適範囲下限値Ｅｍｉｎ手前まで下降しており、リソース負荷Ｑの変動幅が極めて大きい。

前述の図６で説明したスケールアウトしきい値Ｓｏｕｔの計算過程を適用した場合、例えば、最大負荷がＱｍａｘ＝８９［％］で平均負荷がＱａｖｇ＝３８［％］の場合、図２の処理データの設定例に基づけば、差分Ａ＝８０−８９＝−９、差分Ｂ＝８０−３８＝４２、差分Ｃ＝８０−９０＝−１０となり、重みＷａ＝｜−９／−１０｜＝０．９となる。したがって、しきい値調整幅はΔＳ’ｏｕｔ＝−９×０．９／４２≒−０．１９となり、新たなスケールアウトしきい値は、Ｓｏｕｔ（ｔ）＝７５−０．１９＝７４．８１［％］となる。図４の計算過程で計算した場合、ΔＳｏｕｔ＝８４．１５となるため、しきい値調整幅ΔＳ’ｏｕｔが大幅に抑制されていることがわかる。

［第２の実施の形態の効果］
このように、本実施の形態では、最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎと平均負荷Ｑａｖｇがともに、最適負荷範囲Ｅに入っている場合は、スケーリング条件を調整しないようにしたものである。また、最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎが最適負荷範囲Ｅに入っておらず、平均負荷Ｑａｖｇが最適負荷範囲Ｅに入っている場合は、最大負荷Ｑｍａｘや最小負荷Ｑｍｉｎからベースとなる調整幅を計算し、平均負荷Ｑａｖｇが最適負荷範囲Ｅに入っている度合いから計算した重みで補正するようにしたものである。
これにより、最大負荷Ｑｍａｘが同じ場合であっても調整幅が異なるしきい値調整を行うことができ、より効果的な調整を行うことが可能となる。

［第３の実施の形態］
次に、本発明の第３の実施の形態にかかる演算処理装置１０について説明する。
クラウドシステムＣＳにおいて、ある仮想マシンの負荷状況の変化が、あるタイミングでは７０％を超えてもそのまま緩やかに８０％程度での負荷状態になるが、別のタイミングでは７０％を超えると急激に９０％になる場合も考えられる。
本実施の形態では、リソース負荷Ｑの変化率ΔＱを考慮し、変化率ΔＱが大きい場合は、リソース負荷Ｑがスケールアウトしきい値Ｓｏｕｔを超える前でも、スケールアウトが行われるようにしたものである。

すなわち、本実施の形態において、スケーリング条件計算部１６は、リソース負荷Ｑの変化率ΔＱが予め設定されている変化率設定値ΔＱｓを超えて、かつ、リソース負荷Ｑが予め設定されている負荷判定値Ｑｈを超えた場合、スケールアウトしきい値Ｓｏｕｔを、予め設定されている臨時しきい値Ｓｔｍｐまで低下させる機能を有している。

［第３の実施の形態の動作］
次に、図８を参照して、本実施の形態にかかる演算処理装置１０のスケーリング条件切替動作について説明する。図８は、第３の実施の形態にかかるスケーリング条件切替処理を示すフローチャートである。

演算処理装置１０のマイクロプロセッサＭＰは、予め設定された一定間隔、あるいは、操作入力装置１２やオペレータ端末（図示せず）からの指示、さらには、スケーリングシステムＳＳや要求など、スケーリング条件の更新タイミングの到来に応じて、図３のスケーリング条件計算処理を実行する。なお、スケーリング条件計算処理の実行開始に際し、記憶装置１４には、図２に示したような処理データが予め設定されているとともに、情報取得部１５で取得した最新のリソース負荷Ｑが保存されているものとする。

まず、スケーリング条件計算部１６は、記憶装置１４から最新のリソース負荷Ｑを含む時系列データを取得し（ステップＳ３００）、これらリソース負荷Ｑの時系列データから、単位時間当たりの変化幅を変化率ΔＱとして計算する（ステップＳ３０１）。

次に、スケーリング条件計算部１６は、得られた変化率ΔＱと予め記憶装置１４に設定されている変化率設定値ΔＱｓとを比較し（ステップＳ３０２）、変化率ΔＱが変化率設定値ΔＱｓより大きい場合（ステップＳ３０２：ＹＥＳ）、リソース負荷Ｑと予め記憶装置１４に設定されている負荷判定値Ｑｈとを比較する（ステップＳ３０３）。
リソース負荷Ｑが負荷判定値Ｑｈより大きい場合（ステップＳ３０３：ＹＥＳ）、スケーリング条件計算部１６は、スケールアウトしきい値Ｓｏｕｔを臨時しきい値Ｓｔｍｐに切り替える（ステップＳ３０４）。

続いて、スケーリング条件設定部１７は、スケーリング条件計算部１６で切り替えられた臨時しきい値Ｓｔｍｐを、通信Ｉ／Ｆ回路１１から通信網ＮＷを介してスケーリングシステムＳＳに設定する（ステップＳ３０５）。これにより、スケーリングシステムＳＳにおいて、直ちにスケールアウトされることになる。臨時しきい値Ｓｔｍｐは、スケールアウトしきい値Ｓｏｕｔより低い値であり、変化率設定値ΔＱｓおよび負荷判定値Ｑｈとともに、クラウドシステムＣＳのリソース負荷Ｑの変動に応じて経験的に決定すればよい。

この後、スケーリング条件計算部１６は、情報取得部１５で取得したスケーリング情報に基づいてスケールアウトの有無を確認し（ステップＳ３０６）、スケールアウトが行われたことが確認されるまで待機する（ステップＳ３０６：ＮＯ）。
スケールアウトが行われたことが確認された場合（ステップＳ３０６：ＹＥＳ）、ケールアウトしきい値Ｓｏｕｔを臨時しきい値Ｓｔｍｐに切り替える直前の元の値に戻し（ステップＳ３０７）、一連のスケーリング条件計算処理を終了する。

一方、変化率ΔＱが変化率設定値ΔＱｓ以下である場合（ステップＳ３０２：ＮＯ）、また、リソース負荷Ｑが負荷判定値Ｑｈ以下である場合（ステップＳ３０３：ＮＯ）、スケーリング条件計算部１６は、スケールアウトしきい値Ｓｏｕｔの切替を行わず、一連のスケーリング条件計算処理を終了する。

［第３の実施の形態の効果］
このように、本実施の形態では、しきい値負荷状態の変化率ΔＱを考慮し、変化率ΔＱが大きい場合は、ケールアウトしきい値Ｓｏｕｔを臨時しきい値Ｓｔｍｐに切り替えることにより、リソース負荷Ｑがスケールアウトしきい値Ｓｏｕｔを超える前でも、スケールアウトが行われるようにしたものである。

したがって、リソース負荷Ｑが急増して高負荷状態になりそうな状況である場合には、リソース負荷Ｑがスケールアウトしきい値Ｓｏｕｔを超える前でも、スケールアウトを強制的に行わせることができ、高負荷状態を回避することが可能となる。また、しきい値を臨時に変更した場合はスケーリング後に元の値に戻すと、無駄なリソースの起動を抑えることが可能となる。

［第４の実施の形態］
次に、図９を参照して、本発明の第４の実施の形態にかかる演算処理装置１０について説明する。図９は、リソース負荷の変化を示すトレンドグラフである。
演算処理装置１０では、スケーリングシステムＳＳやクラウドシステムＣＳの動作状況をオペレータが確認するため、リソース負荷Ｑのトレンドグラフを表示装置１３で画面表示する場合がある。
本実施の形態では、図９に示すように、リソース負荷Ｑの変化を示すトレンドグラフに、オートスケーリングの開始終了、その時のしきい値などを重ねて表示するようにしたものである。

すなわち、本実施の形態において、スケーリング条件計算部１６は、リソース負荷Ｑの変化をグラフ表示する際、リソースの追加要否を判定するためのスケールアウトしきい値Ｓｏｕｔ、リソースの追加要否を判定するためのスケールインしきい値Ｓｉｎ、最適負荷範囲の上限を示す最適範囲上限値Ｅｍａｘ、最適負荷範囲Ｅの下限を示す最適範囲下限値Ｅｍｉｎ、スケーリングのタイミングの、少なくともいずれか１つまたは複数を、リソース負荷の変化と合わせてグラフ表示する機能を有している。

これにより、オペレータがスケーリング条件と負荷状態の関連を認識しやすくなり、スケーリング条件を手動で設定する場合の有用な情報となりうる。また、閾値の調整のオンオフや範囲の指定はユーザが指定すること、常時調整モードにすることの両方を可能にすればより利便性もよくなる。常時調整モードの場合は、しきい値調整後から１回目のスケールインやスケールアウト処理が終了したタイミングで、スケールインやスケールアウトした結果をもとに調整を行う。

本発明により、例えば、コンテナ数の変更やプログラムの変更など、システム構成が変化する時にオートスケーリング条件を手動で設定するような場合に有用である。オペレータはトレンドグラフを見て、しきい値の値を手動で入力して設定してもよく、またグラフ上でしきい値をドラッグすることにより、任意の値に変更してもよい。

［実施の形態の拡張］
以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をすることができる。また、各実施形態については、矛盾しない範囲で任意に組み合わせて実施することができる。

１０…演算処理装置、１１…通信Ｉ／Ｆ回路、１２…操作入力装置、１３…表示装置、１４…記憶装置、１５…情報取得部、１６…スケーリング条件計算部、１７…スケーリング条件設定部、ＭＰ…マイクロプロセッサ、Ｂ…内部バス、ＳＳ…スケーリングシステム、ＣＳ…クラウドシステム、ＮＷ…通信網。

Claims (10)

1. クラウドシステムにおける負荷状況を示すリソース負荷を取得するよう構成された情報取得部と、
   予め設定された前記クラウドシステムにおける最適な負荷状況を示す最適負荷範囲と、前記リソース負荷の平均値を示す平均負荷とに基づいて、前記クラウドシステムにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算するよう構成されたスケーリング条件計算部と
   を備えることを特徴とする演算処理装置。
2. 請求項１に記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の平均負荷と前記リソース負荷の最大値を示す最大負荷とを計算し、これら平均負荷および最大負荷と前記最適負荷範囲の上限を示す最適範囲上限値との差分に基づいて、スケーリング条件として、前記リソースの追加要否を判定するためのスケールアウトしきい値を計算することを特徴とする演算処理装置。
3. 請求項１または請求項２に記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の平均負荷と前記リソース負荷の最小値を示す最小負荷とを計算し、これら平均負荷および最小負荷と前記最適負荷範囲の下限を示す最適範囲下限値との差分に基づいて、スケーリング条件として、前記リソースの削減要否を判定するためのスケールインしきい値を計算することを特徴とする演算処理装置。
4. 請求項１〜請求項３のいずれかに記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の最大値を示す最大負荷が前記最適負荷範囲内であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記リソースの追加要否を判定するためのスケールアウトしきい値の更新を行わないことを特徴とする演算処理装置。
5. 請求項１〜請求項４のいずれかに記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の最大値を示す最大負荷が前記最適負荷範囲外であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記最大負荷と前記最適負荷範囲の上限を示す最適範囲上限値との差分に基づいて、前記リソースの追加要否を判定するためのスケールアウトしきい値の基準値を計算し、前記平均負荷と前記最適範囲上限値との差分に基づいて前記基準値を補正することにより、前記スケールアウトしきい値を計算することを特徴とする演算処理装置。
6. 請求項１〜請求項５のいずれかに記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の最小値を示す最小負荷が前記最適負荷範囲内であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記リソースの削減要否を判定するためのスケールインしきい値の更新を行わないことを特徴とする演算処理装置。
7. 請求項１〜請求項６のいずれかに記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の最小値を示す最小負荷が前記最適負荷範囲外であって、かつ、前記リソース負荷の平均負荷が前記最適負荷範囲内である場合、前記最小負荷と前記最適負荷範囲の下限を示す最適範囲下限値との差分に基づいて、前記リソースの削減要否を判定するためのスケールインしきい値の基準値を計算し、前記平均負荷と前記最適範囲下限値との差分に基づいて前記基準値を補正することにより、前記スケールインしきい値を計算することを特徴とする演算処理装置。
8. 請求項１〜請求項７のいずれかに記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の変化率が予め設定されている変化率設定値を超えて、かつ、前記リソース負荷が予め設定されている負荷判定値を超えた場合、前記リソースの追加要否を判定するためのスケールアウトしきい値を、予め設定されている臨時しきい値まで低下させることを特徴とする演算処理装置。
9. 請求項１〜請求項８のいずれかに記載の演算処理装置において、
   前記スケーリング条件計算部は、前記リソース負荷の変化をグラフ表示する際、前記リソースの追加要否を判定するためのスケールアウトしきい値、前記リソースの削減要否を判定するためのスケールインしきい値、前記最適負荷範囲の上限を示す最適範囲上限値、前記最適負荷範囲の下限を示す最適範囲下限値、スケーリングのタイミングの、少なくともいずれか１つまたは複数を、前記リソース負荷の変化と合わせてグラフ表示することを特徴とする演算処理装置。
10. 計算機システムが、クラウドシステムにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算する際に用いられるスケーリング条件計算方法であって、
    前記計算機システムが、前記クラウドシステムにおける負荷状況を示すリソース負荷を取得する情報取得ステップと、
    前記計算機システムが、予め設定された前記クラウドシステムにおける最適な負荷状況を示す最適負荷範囲と、前記リソース負荷の平均値を示す平均負荷とに基づいて、前記クラウドシステムにおけるリソースの追加および削減を自動的に行うスケーリング条件を計算するスケーリング条件計算ステップと
    を備えることを特徴とするスケーリング条件計算方法。

Images