JP2021197039A - バースト可能インスタンス推奨装置、方法、及びプログラム。 - Google Patents

Abstract

【課題】インスタンスを移行させる候補となるバースト可能インスタンスを適切に推奨することができるようにする。【解決手段】プロセッサを備え、所定の利用中インスタンスを移行させる候補となる、パブリッククラウド１０２が提供するバースト可能インスタンスに関する情報を提供するバースト可能インスタンス推奨サーバ１０３において、プロセッサを、利用中インスタンスの性能時系列データに基づいて、利用中インスタンスを移行可能なパブリッククラウド１０２が提供する第１候補バースト可能インスタンスを特定し、第１候補バースト可能インスタンスについて、性能時系列データよりも高い負荷の発生を推定した高負荷性能時系列データを算出し、高負荷性能時系列データの場合のペナルティを算出し、第１候補バースト可能インスタンスについてのコストと、ペナルティとを認識可能に表示させるように構成する。【選択図】図１

Description

本発明は、バースト可能インスタンスを推奨する技術に関する。

計算機で実行されるワークの中には、例えば、プロセッサ等のリソースのリソース利用率がほとんどの時間にわたって低く、時折増加するという特徴を有するワークが知られている。リソース需要の一時的な増加は、「バースト」として知られている。

このようなバーストに対して、例えば、オンプレミスのリソースではなくクラウド内のリソースを利用することによって、バースト中のリソースのスケールアップの問題に対処する技術が知られている（例えば、特許文献１参照）。特許文献１は、リソースおよびスケーリングポリシーに基づいて、バースト中にパブリッククラウドに移行される仮想マシンを選択するためのシステム、方法、およびコンピュータプログラムを提供している。

また、パブリッククラウドのベンダは、仮想マシン（ＶＭ）のインスタンスとして、バースト可能なインスタンス（バースト可能インスタンス）を提供することが行われている。バースト可能インスタンスは、より低いコストでＣＰＵ使用率の一部のみを保証しており、バーストが発生した場合の基準や価格の設定は、ＣＰＵクレジットを用いて管理されている場合がある。

米国特許第９６０６８２６号明細書

従来においては、バースト可能インスタンスを適切に利用できるようにする推奨が行われていない。バースト可能インスタンスのＣＰＵクレジットに従った価格モデルは複雑であり、更に、バースト可能インスタンスを提供するパブリッククラウドのベンダによってそれぞれ異なっており、複雑さをさらに増加させている。

また、将来的に有効なバースト可能インスタンスを推奨することが要請されている。

本発明は、上記事情に鑑みなされたものであり、その目的は、インスタンスを移行させる候補となるバースト可能インスタンスを適切に推奨することのできる技術を提供することにある。

上記目的を達成するため、一観点に係るバースト可能インスタンス推奨装置は、プロセッサを備え、所定の利用中インスタンスを移行させる候補となる、パブリッククラウドが提供するバースト可能インスタンスに関する情報を提供するバースト可能インスタンス推奨装置であって、前記プロセッサは、前記利用中インスタンスの性能時系列データに基づいて、前記利用中インスタンスを移行可能な前記パブリッククラウドが提供する第１候補バースト可能インスタンスを特定し、特定した第１前記候補バースト可能インスタンスについて、前記性能時系列データよりも高い負荷の発生を推定した高負荷性能時系列データを算出し、前記高負荷性能時系列データの場合のペナルティを算出し、前記第１候補バースト可能インスタンスについてのコストと、前記ペナルティとを認識可能に表示させる。

本発明によれば、インスタンスを移行させる候補となるバースト可能インスタンスを適切に推奨することができる。

図１は、一実施形態に係る計算機システムの全体構成図である。 図２は、一実施形態に係るバースト可能インスタンス推奨サーバの構成図である。 図３は、一実施形態に係るインスタンス設定データテーブルの構成図である。 図４は、一実施形態に係るＣＰＵ使用率時系列データテーブルの構成図である。 図５は、一実施形態に係るインスタンス構成及び価格データテーブルの構成図である。 図６は、一実施形態に係るバースト可能インスタンス推奨処理のフローチャートである。 図７は、一実施形態に係るＣＰＵ使用率の履歴時系列データ及び予測時系列データを説明する図である。 図８は、一実施形態に係るバースト可能インスタンス特定処理のフローチャートである。 図９は、一実施形態に係るバースト可能インスタンス推奨画面の一例を示す図である。 図１０は、一実施形態に係るＣＰＵクレジットの管理を説明する図である。 図１１Ａは、一実施形態に係るバースト可能インスタンスについてのＣＰＵ使用率の変化とＣＰＵクレジット残高の変化の一例を説明する図である。 図１１Ｂは、一実施形態に係るパフォーマンスペナルティの算出方法の一例を説明する図である。

実施形態について、図面を参照して説明する。なお、以下に説明する実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態の中で説明されている諸要素及びその組み合わせの全てが発明の解決手段に必須であるとは限らない。

以下の説明では、「ＡＡＡテーブル」の表現にて情報を説明することがあるが、情報は、どのようなデータ構造で表現されていてもよい。すなわち、情報がデータ構造に依存しないことを示すために、「ＡＡＡテーブル」を「ＡＡＡ情報」と呼ぶことができる。

また、以下の説明では、「プログラム」を動作主体として処理を説明する場合があるが、プログラムは、プロセッサによって実行されることで、定められた処理を、適宜に記憶部及びインターフェース部のうちの少なくとも１つを用いながら行うため、処理の主語が、プロセッサ（或いは、プロセッサを有する計算機又は計算機システム）とされてもよい。プログラムは、プログラムソースから計算機にインストールされてもよい。プログラムソースは、例えば、プログラム配布サーバ又は計算機が読み取り可能な記憶メディア（例えば可搬型の記憶メディア）であってもよい。また、以下の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。また、プログラムが実行されることによって実現される処理のうちの少なくとも一部が、ハードウェア回路（例えばＡＳＩＣ（Application Specific Integrated Circuit）又はＦＰＧＡ（Field-Programmable Gate Array））によって実現されてもよい。

一実施形態においては、ＶＭを構成するオンプレミスのインスタンス（オンプレミスインスタンス）を移行（マイグレート）するのに適したパブリッククラウドにおける、１以上の安価なバースト可能インスタンスの候補を選択する。バースト可能インスタンスの候補の選択は、オンプレミスインスタンスのＣＰＵ使用率の時系列データの予測に基づいている。また、本実施形態においては、マイグレーション先となるバースト可能インスタンスにおいて発生するコストおよびペナルティを可視化する。

図１は、一実施形態に係る計算機システムの全体構成図である。

計算機システム１００は、１以上のオンプレミスデータセンタ１０１と、バースト可能インスタンス推奨装置の一例としてのバースト可能インスタンス推奨サーバ１０３と、パブリッククラウド１０２とを備える。

オンプレミスデータセンタ１０１と、バースト可能インスタンス推奨サーバ１０３とは、ネットワーク１０４を介して接続されている。ネットワーク１０４は、例えば、有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）や無線ＬＡＮなどである。また、バースト可能インスタンス推奨サーバ１０３は、インターネット１０５を介してパブリッククラウド１０２と接続されている。

オンプレミスデータセンタ１０１は、ＶＭを構成するインスタンス（オンプレミスインスタンス）を提供する。また、パブリッククラウド１０２は、ＶＭを構成するインスタンスを提供可能である。パブリッククラウド１０２が提供可能なインスタンスとしては、ＣＰＵの使用率として固定のパフォーマンスを提供可能なインスタンス（固定パフォーマンスインスタンス）と、ＣＰＵの使用率の基準（ベースライン）が設定され、所定の条件を満たせば（例えば、後述するＣＰＵクレジットの残高があれば）、ベースラインをバーストして使用可能なバースト可能インスタンスとがある。また、このようなバースト可能インスタンスには、所定の条件を満たさない場合（ＣＰＵクレジットの残高がない場合）には、ペナルティとして、ベースライン以上のパフォーマンスが制限される標準モードと、所定の条件を満たさない場合（ＣＰＵクレジットの残高がない場合）にもパフォーマンスが制限されず、ペナルティとして追加コストが発生する無制限モードとがある。

次に、バースト可能インスタンス推奨サーバ１０３について詳細に説明する。

図２は、一実施形態に係るバースト可能インスタンス推奨サーバの構成図である。

バースト可能インスタンス推奨サーバ１０３は、例えば、典型的なコンピュータで構成され、ネットワークインターフェース（ネットワークＩ／Ｆ）２０１と、プロセッサ２０２と、入出力デバイスインターフェース（入出力デバイスＩ／Ｆ）２０３と、メモリ２０４と、ローカルディスク２０５と、を備える。

ネットワークＩ／Ｆ２０１は、例えば、有線ＬＡＮカードや無線ＬＡＮカードなどのインターフェースであり、ネットワーク１０４や、インターネット１０５を介して他の装置（例えば、オンプレミスデータセンタ１０１やパブリッククラウド１０２の装置）と通信する。

プロセッサ２０２は、メモリ２０４及び／又ローカルディスク２０５に格納されているプログラムに従って各種処理を実行する。

入出力デバイスＩ／Ｆ２０３は、例えば、タッチパネル、ディスプレイ、キーボード、マウス等の入力装置や出力装置と接続するためのインターフェースである。

メモリ２０４は、例えば、ＲＡＭ（ＲＡＮＤＯＭ ＡＣＣＥＳＳ ＭＥＭＯＲＹ）を含み、プロセッサ２０２で実行されるプログラムや、必要な情報を記憶する。

ローカルディスク２０５は、例えば、ＨＤＤ（ハードディスクドライブ）やＳＳＤ（ソリッドステートドライブ）などであり、プロセッサ２０２で実行されるプログラムや、プロセッサ２０２に利用されるデータを記憶する。本実施形態では、ローカルディスク２０５は、プログラムとしてオンプレミスデータ収集プログラム２０５５と、バースト可能インスタンス推奨プログラム２０５４とを記憶し、データとしてインスタンス設定データテーブル２０５１と、ＣＰＵ使用率時系列データテーブル２０５２と、インスタンス構成及び価格データテーブル２０５３とを記憶する。

バースト可能インスタンス推奨プログラム２０５４は、プロセッサ２０２に実行されることにより、オンプレミスデータセンタ１０１で使用しているオンプレミスインスタンス（利用中インスタンスの一例）を移動させるのに適したパブリッククラウド１０２のバースト可能インスタンスを推奨する処理を行う。

オンプレミスデータ収集プログラム２０５５は、プロセッサ２０２に実行されることにより、オンプレミスデータセンタ１０１からオンプレミスインスタンスの構成データを収集してインスタンス設定データテーブル２０５１に格納し、ＣＰＵ使用率の時系列データ（性能時系列データ）を収集してＣＰＵ使用率時系列データテーブル２０５２に登録する。インスタンス設定データテーブル２０５１と、ＣＰＵ使用率時系列データテーブル２０５２とに格納される情報は、例えば、パブリッククラウド１０２のクラウドコンピューティングプラットフォームによって提供されるＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｆａｃｅ）を使用して収集することができる。なお、情報の収集方法はこれに限定されない。

次に、インスタンス設定データテーブル２０５１について説明する。

図３は、一実施形態に係るインスタンス設定データテーブルの構成図である。

インスタンス設定データテーブル２０５１は、オンプレミスデータセンタ１０１におけるマイグレーションが考慮される対象（検討対象）となるオンプレミスインスタンス毎の行（レコード）を格納する。インスタンス設定データテーブル２０５１には、マイグレーションが考慮されるオンプレミスインスタンスの数と同じ数のレコードがある。各レコードは、インスタンスＩＤ３０１と、仮想ＣＰＵ数（ｖＣＰＵ数）３０２と、ＲＡＭサイズ３０３と、ネットワークスループット３０４との列（カラム）を含む。

インスタンスＩＤ３０１は、レコードに対応するオンプレミスインスタンスを識別するＩＤであり、他の関連するテーブル（例えば、ＣＰＵ使用率時系列データテーブル２０５２等）に接続するためのキーとして使用される。他の列は、レコードに対応するオンプレミスインスタンスの設定パラメータである。ｖＣＰＵ数３０２は、レコードに対応するオンプレミスインスタンスに割り当てられているｖＣＰＵの数を示す。ＲＡＭサイズ３０３は、レコードに対応するオンプレミスインスタンスに割り当てられているＲＡＭのサイズを示す。ＲＡＭのサイズは、例えば、［ＧｉＢ］の単位となっている。ネットワークスループット３０４は、レコードに対応するオンプレミスインスタンスに割り当てられているネットワークスループットを示す。ネットワークスループットは、例えば、［Ｍｂｐｓ］の単位となっている。なお、レコードにおけるオンプレミスインスタンスの設定パラメータは、上記に限られず、必要性に応じて、例えば、一次記憶装置のサイズ、ストレージＩ／Ｏ等の他の設定パラメータを含めてもよい。

例えば、レコード２０５１Ａは、インスタンスＩＤがｖｍ１のオンプレミスインスタンスには、２個のｖＣＰＵと、４ＧｉＢのＲＡＭと、１００Ｍｂｐｓのネットワークスループットがあることを示している。

次に、ＣＰＵ使用率時系列データテーブル２０５２について説明する。

図４は、一実施形態に係るＣＰＵ使用率時系列データテーブルの構成図である。

ＣＰＵ使用率時系列データテーブル２０５２は、各オンプレミスインスタンスのＣＰＵ利用率の時系列データを格納しており、各オンプレミスインスタンスにおける各時点毎のレコードを格納する。ＣＰＵ使用率時系列データテーブル２０５２には、１つのオンプレミスインスタンスのレコード数に、移行の検討対象と見なされるオンプレミスインスタンスの総数を乗算した数のレコードが存在する。

ＣＰＵ使用率時系列データテーブル２０５２のレコードは、インスタンスＩＤ４０１と、日時４０２と、ＣＰＵ使用率４０３との列を含む。

インスタンスＩＤ４０１は、レコードに対応するオンプレミスインスタンスを識別するＩＤであり、他の関連するテーブル（例えば、インスタンス設定データテーブル２０５１等）に接続するためのキーとして使用される。日時４０２は、レコードに対応する情報の日時を示す。ＣＰＵ使用率４０３は、レコードに対応するオンプレミスインスタンスでのＣＰＵ使用率（例えば、％）を示す。ここで、ＣＰＵ使用率は、オンプレミスインスタンス内の使用可能なすべてのｖＣＰＵの平均ＣＰＵ使用率である。例えば、オンプレミスインスタンスに２つのｖＣＰＵがあり、ＣＰＵ使用率が２０％である場合には、１つのＣＰＵの使用率としては、２×２０＝４０％であることを意味する。

例えば、レコード２０５２Ａ１は、インスタンスＩＤがｖｍ１のオンプレミスインスタンスにおける２０２０−０３−０１ ００：００：００の日時におけるＣＰＵ使用率が２０％であることを示している。

ここで、単一のオンプレミスインスタンスに対応するレコードの数は、（ｉ）粒度及び（ｉｉ）データ保持ポリシーに依存する。本実施形態では、例えば、１分間の粒度とし、９０日間のデータ保持をポリシーとしているが、データの性質及び可用性に基づいて他の設定としてもよい。

次に、インスタンス構成及び価格データテーブル２０５３について説明する。

図５は、一実施形態に係るインスタンス構成及び価格データテーブルの構成図である。

インスタンス構成及び価格データテーブル２０５３は、パブリッククラウド１０２で提供されるインスタンス（パブリッククラウドインスタンス）についての構成及び価格データを格納しており、各パブリッククラウドインスタンス毎のレコードを格納する。

インスタンス構成及び価格データテーブル２０５３のレコードは、パブリッククラウドインスタンスタイプ５０１と、ｖＣＰＵ数５０２と、ＲＡＭサイズ５０３と、ネットワークスループット５０４と、コスト５０５と、ベースライン５０６との列を含む。

パブリッククラウドインスタンスタイプ５０１は、レコードに対応するパブリッククラウドインスタンスの名前である。ｖＣＰＵ数５０２は、レコードに対応するパブリッククラウドインスタンスに割り当てられているｖＣＰＵの数を示す。ＲＡＭサイズ５０３は、レコードに対応するパブリッククラウドインスタンスに割り当てられているＲＡＭのサイズを示す。ＲＡＭのサイズは、例えば、［ＧｉＢ］の単位となっている。ネットワークスループット５０４は、レコードに対応するパブリッククラウドインスタンスに割り当てられているネットワークスループットを示す。ネットワークスループットは、例えば、［Ｇｂｐｓ］の単位となっている。列５０２〜５０４は、レコードに対応するパブリッククラウドインスタンスの設定パラメータである。なお、レコードにおけるパブリッククラウドインスタンスの設定パラメータは、上記に限られず、必要性に応じて、例えば、一次記憶装置のサイズ、ストレージＩ／Ｏ等の他の設定パラメータを含めてもよい。

コスト５０５は、レコードに対応するパブリッククラウドインスタンスの時間当たりのコストである。コストは、例えば、［＄／ｈｒ］の単位となっている。ベースライン５０６は、パブリッククラウドインスタンスがバースト可能インスタンスである場合におけるｖＣＰＵ当たりのＣＰＵ使用率の基準（ベースライン）を示す。なお、レコードに対応するパブリッククラウドインスタンスがバースト可能インスタンスでない場合、すなわち、固定パフォーマンスインスタンスの場合には、ベースライン５０６は、「ＮＡ」に設定される。

例えば、レコード２０５３Ａは、名前がｔ３ａ．ｍｅｄｉｕｍであるパブリッククラウドインスタンスには、２個のｖＣＰＵ、４ＧｉＢのＲＡＭと、１Ｇｂｐｓのネットワークスループットがあることを示している。また、このパブリッククラウドインスタンスには、０．０４９０００［＄／ｈｒ］の費用がかかり、２０％のベースライン、すなわち、全体として、２×２０＝４０％のベースラインとなっていることを示している。

同様に、レコード２０５３Ｄは、名前がａ１．ｌａｒｇｅであるパブリッククラウドインスタンスには、２個のｖＣＰＵ、４ＧｉＢのＲＡＭと、１０Ｇｂｐｓのネットワークスループットがあることを示している。また、このパブリッククラウドインスタンスには、０．０６４２０００［＄／ｈｒ］の費用がかかり、このパブリッククラウドインスタンスは、固定パフォーマンスインスタンスであることを示している。

次に、バースト可能インスタンス推奨サーバ１０３による処理動作について説明する。

まず、バースト可能インスタンス推奨処理について説明する。

図６は、一実施形態に係るバースト可能インスタンス推奨処理のフローチャートである。

バースト可能インスタンス推奨処理は、マイグレーションの検討対象となるオンプレミスインスタンスのそれぞれを対象として、バースト可能インスタンス推奨プログラム２０５４を実行するプロセッサ２０２により実行される。この処理の説明において、処理対象となるオンプレミスインスタンスを対象オンプレミスインスタンスということとする。

バースト可能インスタンス推奨プログラム２０５４（明確には、バースト可能インスタンス推奨プログラム２０５４を実行するプロセッサ２０２）は、ＣＰＵ使用率時系列データテーブル２０５２の対象オンプレミスインスタンスの時系列データ（履歴時系列データ）に対して所定の前処理を実行する（ステップ６０２）。前処理としては時系列データに応じて種々の前処理を行うことができる。本実施形態では、例えば、ＶＭのサイズの違いによるＣＰＵの利用率を統一化するための前処理を行う。ＶＭを構成するインスタンスにおいて備えられているｖＣＰＵの数が異なるので、ＣＰＵ使用率時系列データテーブル２０５２のＣＰＵ使用率４０３の値をそのまま利用することができない。そこで、ｖＣＰＵの数と、ＣＰＵ使用率４０３の値とで、統一したＣＰＵ使用率とするスケーリングを行う。スケーリングの方法としては、例えば、線形スケーリング等の種々の方法を使うことができる。具体的には、４個のｖＣＰＵを持つインスタンスのＣＰＵ使用率が２０％である場合には、２個のｖＣＰＵのＣＰＵ使用率は４０％となる。なお、前処理としては上記に限られず、例えば、ＣＰＵ使用率時系列データテーブル２０５２の時系列データとして不足している時間のデータを補完する処理を行ってもよい。

次に、バースト可能インスタンス推奨プログラム２０５４は、履歴時系列データに基づいて、対象オンプレミスインスタンスについての、将来のＣＰＵ使用率の時系列データ（予測性能時系列データ）を予測する（ステップ６０３）。履歴時系列データから将来の時系列データを予測する方法としては、任意の時系列予測アルゴリズムまたは予測モデルを使用することができる。本実施形態では、例えば、微調整ＳＡＲＩＭＡモデル（予測モデル）を作成して時系列データを予測している。本実施形態では、バースト可能インスタンス推奨プログラム２０５４は、履歴時系列データから予測した予測時系列データ（予測シリーズ７０１：図７参照）と、予測シリーズ７０１に対してＣＰＵ使用率の増加や減少の変動幅（予測間隔７０４）を考慮した、ＣＰＵ使用率が増加する側の予測時系列データ（上側シリーズ７０２：高負荷性能時系列データ）と、ＣＰＵ使用率が減少する側の予測時系列データ（下側シリーズ７０３）とを生成する。なお、予測シリーズ７０１、上側シリーズ７０２、下側シリーズ７０３、予測間隔７０４については、図７を参照して後述する。

次いで、バースト可能インスタンス推奨プログラム２０５４は、予測シリーズ７０１を予測する予測モデルの予測精度を特定し、予測精度が所定のしきい値（予測正確性閾値）より大きいか否かを判定する（ステップ６０４）。

ここで、予測シリーズ７０１を予測する予測モデルの予測精度を測定するためのメトリックとしては、種々のメトリックを使用することができるが、例えば、平均絶対誤差を使用してもよい。例えば、履歴時系列データのうちの所定割合（例えば、６６％）のデータを予測モデルの学習に使用し、残りのデータによって予測モデルを評価するようにしてもよい。

この結果、予測精度が所定の閾値よりも大きくない場合（ステップ６０４：Ｎｏ）には、予測シリーズ７０１等を用いてバースト可能インスタンスのコストやペナルティを算出する精度が低い可能性があることを示しているので、バースト可能インスタンス推奨プログラム２０５４は、対象オンプレミスインスタンスのマイグレーション候補として固定パフォーマンスインスタンスを推奨する固定パフォーマンスインスタンス推奨処理を実行し（ステップ６０９）、処理を終了する。ここで、固定パフォーマンスインスタンス推奨処理においては、バースト可能インスタンス推奨プログラム２０５４は、対象オンプレミスインスタンスの構成を包含する固定パフォーマンスインスタンスを特定し、特定した固定パフォーマンスインスタンスをマイグレーション候補として推奨する。

一方、予測精度が所定の閾値よりも大きい場合（ステップ６０４：Ｙｅｓ）には、予測シリーズ７０１等を用いてバースト可能インスタンスのコストやペナルティを算出する精度が高く、推奨することが有効であることを示しているので、バースト可能インスタンス推奨プログラム２０５４は、パブリッククラウド１０２からパブリッククラウトインスタンスの設定及び価格データを収集し、インスタンス構成及び価格データテーブル２０５３に登録する（ステップ６０５）。ここで、パブリッククラウド１０２からパブリッククラウトインスタンスの設定及び価格データを収集する方法としてはパブリッククラウド１０２を提供している各パブリッククラウドベンダによって提供されるＡＰＩを使用するようにしてもよい。なお、パブリッククラウトインスタンスの設定及び価格データをこの時点で収集することにより、パブリッククラウトインスタンスの最新のデータを用いて、バースト可能インスタンスを推奨することができる。

次いで、バースト可能インスタンス推奨プログラム２０５４は、インスタンス構成及び価格データテーブル２０５３に対して、対象オンプレミスインスタンスの構成を包含する構成を有するパブリッククラウドインスタンスを選択するフィルタリングを行う（ステップ６０６）。なお、この処理によって選択されたパブリッククラウドインスタンスのレコードのリストを候補リストということとする。

ここで、例えば、対象オンプレミスインスタンスが、インスタンス設定データテーブル２０５１のレコード２０５１Ａに対応するインスタンスＩＤがｖｍ１のインスタンスである場合には、対象オンプレミスインスタンスは、２個のｖＣＰＵを有し、ＲＡＭのサイズが４ＧｉＢｄあり、ネットワークスループットが１００Ｍｂｐｓである構成を包含する構成のパブリッククラウドインスタンスのみとなるようにフィルタリングする。このフィルタリングにより、対象オンプレミスインスタンスをマイグレートすることができる候補となるパブリッククラウドインスタンスとして、レコード２０５３Ａ、２０５３Ｂ、２０５３Ｃ、２０５３Ｄ、及び２０５３Ｆに対応するパブリッククラウドインスタンスの候補リストが得られる。これらパブリッククラウドインスタンスの中、レコード２０５３Ａ、２０５３Ｂ、及び２０５３Ｃに対応するパブリッククラウドインスタンスは、バースト可能インスタンスであり、レコード２０５３Ｄ、２０５３Ｆに対応するパブリッククラウドインスタンスは、固定パフォーマンスインスタンスである。なお、この処理により、バースト可能インスタンスのみにフィルタリングしてもよい。

次いで、バースト可能インスタンス推奨プログラム２０５４は、候補リストの中から移行に適した１以上のバースト可能インスタンスについてのコストやペナルティを計算するバースト可能インスタンス特定処理（図８参照）を実行し（ステップ６０７）、バースト可能インスタンス特定処理により特定されたバースト可能インスタンスのコストやペナルティを可視化する、すなわち、バースト可能インスタンスのコストやペナルティを含む画面（例えば、図９のバースト可能インスタンス推奨画面４０７）を表示させる（ステップ６０８）。

ここで、ＣＰＵ使用率の履歴時系列データ及び予測時系列データについて説明する。

図７は、一実施形態に係るＣＰＵ使用率の履歴時系列データ及び予測時系列データを説明する図である。図７は、例えば、インスタンスＩＤがｖｍ１のオンプレミスインスタンスについてのＣＰＵ使用率の時系列データの履歴及び予測を示している。

グラフ７００における履歴時系列データ（履歴データ）は、ＣＰＵ使用率時系列データテーブル２０５２におけるオンプレミスインスタンスに対応するレコードから得られる。一方、予測時系列データ（予測データ）については、履歴データに基づいて生成された予測モデルから得られる。図７においては、履歴データの保存日数Ｔ_ｐａｓｔは、９０日とし、予測データの予測期間Ｔ_{ｆｕｔｕｒｅ}を３０日としている。なお、保存期間と予測期間はこれに限定されない。

ここで、予測シリーズ７０１は、予測モデルから出力される予測データである。予測間隔７０４は、例えば、所定の確率（例えば、９５％）で実際のデータが含まれる間隔を示している。上位シリーズ７０２は、予測間隔７０４の上側、すなわち、高負荷側の時系列データであり、下位シリーズ７０３は、予測間隔７０４の下側、すなわち、低負荷側の時系列データである。本実施形態では、バースト可能インスタンス推奨プログラム２０５４は、履歴時系列データに基づいて、予測シリーズ７０１を求め、更に、予測間隔７０４を算出して、上位シリーズ７０２と、下位シリーズ７０３とを算出している。

次に、バースト可能インスタンス特定処理（ステップ６０７）について詳細に説明する。

図８は、一実施形態に係るバースト可能インスタンス特定処理のフローチャートである。

バースト可能インスタンス推奨プログラム２０５４は、候補リストから（ａ）標準モードと、（ｂ）無制限モードとのそれぞれについてのパブリッククラウドインスタンスのベースラインのみのリスト（候補ベースラインリスト）を作成し、候補ベースラインリストから、（ａ）標準モード及び（ｂ）無制限モードのそれぞれの最小のベースライン（対象ベースラインという）を取得する（ステップ８０１）。

次いで、バースト可能インスタンス推奨プログラム２０５４は、（ａ）標準モードと、（ｂ）無制限モードとのそれぞれに対して、対象ベースラインが予測シリーズ７０１に有効であるか、すなわち、予測シリーズ７０１についてペナルティが発生しない範囲で収まるか否かを判定する（ステップ８０２）。

この結果、ベースラインが予測シリーズ７０１に有効でない場合（ステップ８０２：Ｎｏ）には、モードに対応する候補ベースラインリストが空か否かを判定する（ステップ８０３）。この結果、モードに対応する候補ベースラインリストが空である場合（ステップ８０３：Ｙｅｓ）には、バースト可能インスタンス推奨プログラム２０５４は、このモードでの推奨対象となるバースト可能インスタンスがないことを意味しているので、固定パフォーマンスインスタンスを推奨する固定パフォーマンスインスタンス推奨処理を実行する（ステップ８０４）。この固定パフォーマンスインスタンス推奨処理は、ステップ６０９と同様な処理である。

一方、モードに対応する候補ベースラインリストが空でない場合（ステップ８０３：Ｎｏ）には、バースト可能インスタンス推奨プログラム２０５４は、候補ベースラインリストから次に小さいベースラインを対象ベースラインとして取得し（ステップ８０５）、ステップ８０２に処理を進めて、同様な処理を行う。

一方、ベースラインが予測シリーズ７０１に有効である場合（ステップ８０２：Ｙｅｓ）には、バースト可能インスタンス推奨プログラム２０５４は、有効であると判定されたベースラインに対応するそれぞれのモードのバースト可能インスタンス（第１候補バースト可能インスタンス）について、予測コストを計算する。ここで、予測コストは、有効であると判定された対象ベースラインに対応するパブリッククラウドインスタンスのレコードのコスト５０５から取得されるコストに基づいて計算することができる。

次いで、バースト可能インスタンス推奨プログラム２０５４は、ステップ８０２で有効であると判定された対象ベースラインと、上位シリーズ７０２とを用いて、ステップ８０２で有効であると判定された対象ベースラインに対応するそれぞれのモードのバースト可能インスタンスについてのペナルティを計算する（ステップ８０７）。例えば、ステップ８０２で標準モードのバースト可能インスタンスの対象ベースラインが有効であると判定された場合には、標準モードのバースト可能インスタンスにおけるパフォーマンスペナルティを計算し、ステップ８０２で無制限モードのバースト可能インスタンスの対象ベースラインが有効であると判定された場合には、無制限モードのバースト可能インスタンスにおけるコストペナルティを計算する。この処理によると、バースト可能インスタンスのＣＰＵ使用率が上位シリーズ７０２のように高負荷である場合におけるペナルティを適切に予測することができる。

次いで、バースト可能インスタンス推奨プログラム２０５４は、（ａ）標準モードと、（ｂ）無制限モードのそれぞれに対して、対象ベースラインが上位シリーズ７０２に有効であるか、すなわち、上位シリーズ７０２についてペナルティが発生しない範囲内で収まるか否かを判定する（ステップ８０８）。

この結果、ベースラインが上位シリーズ７０２に有効でない場合（ステップ８０８：Ｎｏ）には、バースト可能インスタンス推奨プログラム２０５４は、モードに対応する候補ベースラインリストが空か否かを判定する（ステップ８０９）。この結果、モードに対応する候補ベースラインリストが空である場合（ステップ８０９：Ｙｅｓ）には、他に推奨するバースト可能インスタンスがないことを意味しているので、バースト可能インスタンス推奨プログラム２０５４は、処理を終了する。

一方、モードに対応する候補ベースラインリストが空でない場合（ステップ８０９：Ｎｏ）には、バースト可能インスタンス推奨プログラム２０５４は、候補ベースラインリストから次に小さいベースラインを対象ベースラインとして取得し（ステップ８１０）、ステップ８０８に処理を進めて、同様な処理を行う。

一方、ベースラインが上位シリーズ７０２に有効である場合（ステップ８０８：Ｙｅｓ）には、バースト可能インスタンス推奨プログラム２０５４は、有効であると判定されたベースラインに対応するそれぞれのモードのバースト可能インスタンス（第２候補バースト可能インスタンス）について、予測コストを計算し、処理を終了する。ここで、予測コストは、有効であると判定された対象ベースラインに対応するパブリッククラウドインスタンスのインスタンス構成及び価格データテーブル２０５３のレコードのコスト５０５から取得されるコストに基づいて計算することができる。

上記したバースト可能インスタンス特定処理によると、例えば、標準モードの中で予測シリーズ７０１に有効であってベースラインが最小なバースト可能インスタンスと、標準モードの中で上位シリーズ７０２に有効であってベースラインが最小なバースト可能インスタンスと、無制限モードの中で予測シリーズ７０１に有効であってベースラインが最小なバースト可能インスタンスと、無制限モードの中で上位シリーズ７０２に有効であってベースラインが最小なバースト可能インスタンスとの４つのバースト可能インスタンスが特定される。

次に、バースト可能インスタンス推奨画面４０７について詳細に説明する。

図９は、一実施形態に係るバースト可能インスタンス推奨画面の一例を示す図である。

バースト可能インスタンス推奨画面は、或る１つのマイグレーション対象のオンプレミスインスタンスに対してマイグレーション先として推奨される候補のバースト可能インスタンスの情報を表示する画面である。バースト可能インスタンス推奨画面には、推奨される候補のバースト可能インスタンスを示すボックスが表示される。各ボックス内には対応するバースト可能インスタンスの名称が表示されている。各ボックスは、縦の長さが、それぞれが示すバースト可能インスタンスの通常のコストを示している。

図９に示すバースト可能インスタンス推奨画面４０７では、４つのバースト可能インスタンスを示すボックス９０１，９０２，９０３，９０４が表示されている。画面左側の２つのボックス９０１，９０２は、標準モードのバースト可能インスタンスを示すボックスであり、画面右側の２つのボックス９０３，９０４は、無制限モードのバースト可能インスタンスを示すボックスである。

ボックス９０１は、図８のステップ８０２で有効であると判定された通常モードのバースト可能インスタンス、すなわち、予測シリーズ７０１にベースラインが有効であると判定された通常モードのバースト可能インスタンスに対応するボックスである。ボックス９０１は、図８のステップ８０７で算出された上位シリーズ７０２におけるパフォーマンスペナルティを認識可能な色濃度で表示される。本実施形態では、色濃度は、パフォーマンスペナルティがゼロの場合には、白となり、パフォーマンスペナルティが１００％に近づくほど黒に近づくようになっている。このボックス９０１によると、通常モードにおけるベースラインが低いバースト可能インスタンスにおける通常のコストを把握できるとともに、必要なＣＰＵ使用率が高い場合において、ＣＰＵ使用率をベースライン以上に上げられないことによるパフォーマンスペナルティの状況を把握できる。

ボックス９０２は、ステップ８０８で有効であると判定された通常モードのバースト可能インスタンス、すなわち、上位シリーズ７０２にベースラインが有効であると判定された通常モードのバースト可能インスタンスに対応するボックスである。ボックス９０１とボックス９０２とによると、ベースラインが低いバースト可能インスタンスと、パフォーマンスペナルティを受けないバースト可能インスタンスとのコストを容易に比較することができる。

ボックス９０３は、ステップ８０２で有効であると判定された無制限モードのバースト可能インスタンス、すなわち、予測シリーズ７０１にベースラインが有効であると判定された無制限モードのバースト可能インスタンスに対応するボックスである。ボックス９０３は、図８のステップ８０７で算出された上位シリーズ７０２におけるコストペナルティがひげ９０５によって表示される。このボックス９０３によると、無制限モードにおけるベースラインが低いバースト可能インスタンスにおける通常のコストを把握できるとともに、必要なＣＰＵ使用率が高い場合において、ＣＰＵ使用率をベースライン以上に上げることにより発生するコストペナルティを把握できる。

ボックス９０４は、ステップ８０８で有効であると判定された無制限モードのバースト可能インスタンス、すなわち、上位シリーズ７０２にベースラインが有効であると判定された無制限モードのバースト可能インスタンスに対応するボックスである。ボックス９０３とボックス９０４とによると、ベースラインが低いバースト可能インスタンスと、コストペナルティを受けないバースト可能インスタンスとのコストを容易に比較することができ、また、ベースラインが低いバースト可能インスタンスにコストペナルティが発生した場合のコストと、コストペナルティを受けないバースト可能インスタンスとのコストを容易に比較することができる。

また、ボックス９０１，９０２，９０３，９０４によって、標準モードと無制限モードとのコストや、ペナルティを容易に把握して比較することができる。

また、バースト可能インスタンス推奨画面４０７には、マイグレーション対象のオンプレミスインスタンスをマイグレーション可能な固定パフォーマンスインスタンスに移行した場合のコストを示す線９０６が表示される。線９０６によると、マイグレーション先を固定パフォーマンスインスタンスとした場合と、バースト可能インスタンスとした場合とのコストを容易に比較して、いずれのインスタンスが適切であるかを容易に判断することができる。

図１０は、一実施形態に係るＣＰＵクレジットの管理を説明する図である。

ＣＰＵクレジットバケット１０００は、バースト可能インスタンスに割り当てられているＣＰＵクレジットを管理する。ユーザは、ＣＰＵクレジットバケット１０００のＣＰＵクレジットの残高（ＣＰＵクレジット残高）１００４がある場合に、コストの追加なしで、バースト可能インスタンスにおいてバースト可能、すなわち、ベースラインを超えた使用率でＣＰＵを使用することができる。ＣＰＵクレジットバケット１０００には、蓄積可能なＣＰＵクレジットの最大クレジット１００２が設定されている。したがって、ＣＰＵクレジットバケット１０００には、最大クレジット１００２を超えたＣＰＵクレジットを蓄積することができなくなっている。最大クレジット１００２は、例えば、バースト可能インスタンスを提供するパブリッククラウドベンダによって設定されている。

ＣＰＵクレジットは、ベースラインに比例する収益率に従ってＣＰＵクレジットバケット１０００に蓄積することができる一方、ＣＰＵ使用率に比例した支出率に従って消費される。

次に、ＣＰＵ使用率の変化と、ＣＰＵクレジット残高の変化について説明する。

図１１Ａは、一実施形態に係るバースト可能インスタンスについてのＣＰＵ使用率の変化とＣＰＵクレジット残高の変化の一例を説明する図である。図１１Ａにおいて、上側のグラフは、時間経過に対する要求されるＣＰＵ使用率の変化を示し、下側のグラフは、上側のグラフに示すＣＰＵ使用率の変化があった場合のベースラインの異なるバースト可能インスタンスについてのＣＰＵクレジット残高の変化を示している。

下側のグラフにおいては、ベースラインが１０％であるバースト可能インスタンスに対するＣＰＵクレジット残高の変化を線１１Ａ０３で示し、ベースラインが１５％であるバースト可能インスタンスに対するＣＰＵクレジット残高の変化を線１１Ａ０６で示している。ここで、それぞれのバースト可能インスタンスに対する時間０におけるＣＰＵクレジット残高は６であるものとする。

まず、ベースラインが１０％であるバースト可能インスタンスのＣＰＵクレジット残高の変化について説明する。

０〜１時間においてＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少する。１〜２時間においてＣＰＵ使用率が５％であり、ベースラインよりも下であるので、ＣＰＵクレジット残高は増加する。２〜３時間においては、ＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少していき、ＣＰＵクレジット残高が０となる。３〜４時間においてＣＰＵ使用率が５％であり、ベースラインよりも下であるので、ＣＰＵクレジット残高は増加する。４〜５時間においては、ＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少していき、ＣＰＵクレジット残高が０となる。５〜６時間においては、ＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は０のままとなる。ここで、ベースラインが１０％であるバースト可能インスタンスのＣＰＵクレジット残高については、時間１１Ａ０４において、ＣＰＵクレジット残高が０となっている。この場合においては、通常モードのバースト可能インスタンスであれば、ＣＰＵ使用率がベースライン以上とならないように制限される、すなわち、パフォーマンスペナルティが発生する。一方、無制限モードのバースト可能インスタンスであれば、コストペナルティが発生する。

次に、ベースラインが１５％であるバースト可能インスタンスのＣＰＵクレジット残高の変化について説明する。

０〜１時間においてＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少する。なお、ＣＰＵクレジットの収益率は、ベースラインが大きいほど大きいので、ＣＰＵクレジットの減少量は、ベースラインが１０％のインスタンスよりも少なくなる。１〜２時間においてＣＰＵ使用率が５％であり、ベースラインよりも下であるので、ＣＰＵクレジット残高は増加する。前述のようにＣＰＵクレジットの収益率は、ベースラインが大きいほど大きいので、ＣＰＵクレジットの増加量は、ベースラインが１０％のインスタンスよりも多い。２〜３時間においては、ＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少していくもののＣＰＵクレジット残高が０となはならない。３〜４時間においてＣＰＵ使用率が５％であり、ベースラインよりも下であるので、ＣＰＵクレジット残高は増加する。４〜５時間においては、ＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少していく。５〜６時間においては、ＣＰＵ使用率が２０％であり、ベースラインを超えているので、ＣＰＵクレジット残高は減少していくが、ＣＰＵクレジット残高は０とならない。

次に、図１１Ａに示す状況における、図８のステップ８０７におけるパフォーマンスペナルティの算出方法の一例について説明する。

図１１Ｂは、一実施形態に係るパフォーマンスペナルティの算出方法の一例を説明する図である。

パフォーマンスペナルティは、式１１Ｂ０１に示すように、例えば、所定の時点からの期間において、ＣＰＵ使用率がベースラインに制限されてしまっている時間の合計（キャップ時間合計）を、所定の時点からの経過時間の合計（経過時間合計）で除算することにより算出してもよく、単位を％としてもよい。

図１１Ａに示す状況においては、それぞれのバースト可能インスタンスに対して、ステップ８０７で、バースト可能インスタンス推奨プログラム２０５４は、ベースラインが１０％であるバースト可能インスタンスに対しては、レコード１１Ｂ０２に示すように、パフォーマンスペナルティを３３．３３％と算出し、ベースラインが１５％であるバースト可能インスタンスについては、レコード１１Ｂ０３に示すように、パフォーマンスペナルティを０％と算出する。なお、このように算出されたパフォーマンスペナルティについては、バースト可能インスタンス推奨画面４０７により認識可能に表示される。

例えば、パフォーマンスペナルティが望ましくない場合には、マイグレーション先のバースト可能インスタンスとしては、ベースラインが１５％を超えるバースト可能インスタンスを選択すればよいことが把握できる。

なお、本発明は、上述の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で、適宜変形して実施することが可能である。

例えば、上記実施形態では、履歴時系列データから予測シリーズ７０１を推定するとともに、上位シリーズ７０２を特定するようにしていたが、本発明はこれに限られず、以下のようにしてもよい。すなわち、履歴時系列データそのものを予測シリーズ７０１に代えて使用し、上位シリーズ７０２に代えて、履歴時系列データに対して所定のエラー範囲（例えば、５％）だけ上位の時系列データを使用するようにしてもよい。この場合においては、ステップ６０３に代えて、履歴時系列データから上位の時系列データを生成するようにし、ステップ６０４の処理を省略するようにすればよい。これにより、必要な処理の負荷を低減することができる。

１００…計算機システム、１０１…オンプレミスデータセンタ、１０２…パブリッククラウド、１０３…バースト可能インスタンス推奨サーバ、２０１…ネットワーク Ｉ／Ｆ、２０２…プロセッサ、２０３…入出力デバイス Ｉ／Ｆ、２０４…メモリ、２０５…ローカルディスク

Claims (11)

1. プロセッサを備え、所定の利用中インスタンスを移行させる候補となる、パブリッククラウドが提供するバースト可能インスタンスに関する情報を提供するバースト可能インスタンス推奨装置であって、
   前記プロセッサは、
   前記利用中インスタンスの性能時系列データに基づいて、前記利用中インスタンスを移行可能な前記パブリッククラウドが提供する第１候補バースト可能インスタンスを特定し、特定した前記第１候補バースト可能インスタンスについて、前記性能時系列データよりも高い負荷の発生を推定した高負荷性能時系列データを算出し、前記高負荷性能時系列データの場合のペナルティを算出し、
   前記第１候補バースト可能インスタンスについてのコストと、前記ペナルティとを認識可能に表示させる
   バースト可能インスタンス推奨装置。
2. 前記プロセッサは、
   前記性能時系列データに基づいて将来の性能時系列データを推定した予測性能時系列データを算出し、前記予測性能時系列データを満足するバースト可能インスタンスを前記第１候補バースト可能インスタンスとする
   請求項１に記載のバースト可能インスタンス推奨装置。
3. 前記プロセッサは、
   前記予測性能時系列データに基づいて、前記高負荷性能時系列データを算出する
   請求項２に記載のバースト可能インスタンス推奨装置。
4. 前記プロセッサは、
   前記高負荷性能時系列データを満足する第２候補バースト可能インスタンスを特定し、
   前記第２候補バースト可能インスタンスのコストを認識可能に表示させる
   請求項１に記載のバースト可能インスタンス推奨装置。
5. 前記ペナルティは、
   前記候補バースト可能インスタンスが、所定の条件を満たせば、基準性能を超えて性能を提供可能であって、前記所定の条件が満たされなくなった場合であってもコストペナルティによって前記基準性能を超えて性能を提供可能なモードである場合における前記基準性能を超えて性能が提供されたことによるコストペナルティ、又は、所定の条件を満たせば、基準性能を超えて性能を提供可能であって、前記所定の条件が満たされなくなった場合には前記基準性能を超えて性能を提供不可なモードである場合における前記基準性能を超えた性能が提供されないことによるパフォーマンスペナルティである
   請求項１に記載のバースト可能インスタンス推奨装置。
6. 前記プロセッサは、
   前記利用中インスタンスの前記予測性能時系列データを推定する予測モデルの有効性を判定し、有効性が所定の基準以上の予測モデルにより推定される予測性能時系列データが得られる利用中インスタンスを、前記第１候補バースト可能インスタンスを特定する対象とする
   請求項２に記載のバースト可能インスタンス推奨装置。
7. 所定の利用中インスタンスを移行させる候補となる、パブリッククラウドが提供するバースト可能インスタンスに関する情報を提供するバースト可能インスタンス推奨装置によるバースト可能インスタンス推奨方法であって、
   前記バースト可能インスタンス推奨装置は、
   前記利用中インスタンスの性能時系列データに基づいて、前記利用中インスタンスを移行可能な前記パブリッククラウドが提供する第１候補バースト可能インスタンスを特定し、特定した前記第１候補バースト可能インスタンスについて、前記性能時系列データよりも高い負荷の発生を推定した高負荷性能時系列データを算出し、前記高負荷性能時系列データの場合のペナルティを算出し、
   前記第１候補バースト可能インスタンスについての基本コストと、前記ペナルティとを認識可能に表示させる
   バースト可能インスタンス推奨方法。
8. 前記バースト可能インスタンス推奨装置は、
   前記性能時系列データに基づいて将来の性能時系列データを推定した予測性能時系列データを算出し、前記予測性能時系列データを満足するバースト可能インスタンスを前記第１候補バースト可能インスタンスとする
   請求項７に記載のバースト可能インスタンス推奨方法。
9. 前記バースト可能インスタンス推奨装置は、
   前記予測性能時系列データに基づいて、前記高負荷性能時系列データを算出する
   請求項８に記載のバースト可能インスタンス推奨方法。
10. 前記バースト可能インスタンス推奨装置は、
    前記高負荷性能時系列データを満足する第２候補バースト可能インスタンスを特定し、
    前記第２候補バースト可能インスタンスのコストを認識可能に表示させる
    請求項７に記載のバースト可能インスタンス推奨方法。
11. 所定の利用中インスタンスを移行させる候補となる、パブリッククラウドが提供するバースト可能インスタンスに関する情報を提供するコンピュータに実行させるためのバースト可能インスタンス推奨プログラムであって、
    前記バースト可能インスタンス推奨プログラムは、
    前記コンピュータに、
    前記利用中インスタンスの性能時系列データに基づいて、前記利用中インスタンスを移行可能な前記パブリッククラウドが提供する第１候補バースト可能インスタンスを特定させ、特定された前記候補バースト可能インスタンスについて、前記性能時系列データよりも高い負荷の発生を推定した高負荷性能時系列データを算出させ、前記高負荷性能時系列データの場合のペナルティを算出させ、
    前記第１候補バースト可能インスタンスについての基本コストと、前記ペナルティとを認識可能に表示させる
    バースト可能インスタンス推奨プログラム。
    
    
    
    
    

Images