JP2023037524A - 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 - Google Patents

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 Download PDF

Info

Publication number
JP2023037524A
JP2023037524A JP2021144337A JP2021144337A JP2023037524A JP 2023037524 A JP2023037524 A JP 2023037524A JP 2021144337 A JP2021144337 A JP 2021144337A JP 2021144337 A JP2021144337 A JP 2021144337A JP 2023037524 A JP2023037524 A JP 2023037524A
Authority
JP
Japan
Prior art keywords
performance
data store
application
distributed data
information
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.)
Pending
Application number
JP2021144337A
Other languages
English (en)
Inventor
明男 島田
Akio Shimada
光雄 早坂
Mitsuo Hayasaka
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.)
Hitachi Ltd
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2021144337A priority Critical patent/JP2023037524A/ja
Priority to US17/692,363 priority patent/US11768616B2/en
Publication of JP2023037524A publication Critical patent/JP2023037524A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G06F3/0631—Configuration or reconfiguration of storage systems by allocating resources to storage systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0629—Configuration or reconfiguration of storage systems
    • G06F3/0634—Configuration or reconfiguration of storage systems by changing the state or mode of one or more devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0655—Vertical data movement, i.e. input-output transfer; data movement between one or more hosts and one or more storage devices
    • G06F3/0659—Command handling arrangements, e.g. command buffers, queues, command scheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

Figure 2023037524000001
【課題】分散データストアに対してＨＷリソースを容易且つ適切に割り当てられるようにする。
【解決手段】分散データストアに割り当てるノードのハードウェアのリソース量を制御する管理ノード１００において、アプリケーション性能と分散データストア性能との対応関係を示すアプリケーション性能モデル１０４と、ハードウェアのリソース量と分散データストアのデータストア性能との対応関係を示すデータストア性能モデル１０５と、を記憶するディスク装置と、ＣＰＵと、を有し、ＣＰＵは、アプリケーションによる目標性能情報を受け付け、アプリケーション性能モデルに基づいて、目標性能情報により特定される性能の実現に必要な分散データストア性能である必要性能を決定し、データストア性能モデルに基づいて、必要性能の実現に必要なハードウェアのリソース量を決定し、決定したリソース量を分散データストアに割り当てる設定をするように構成する。
【選択図】図１

Description

本発明は、ソフトウェアの実行に対するハードウェア（Ｈａｒｄｗａｒｅ）のリソース（ＨＷリソース）の割当制御技術に関する。
ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）やデータ分析のデータを格納するためのストレージとして、データレイクが広く用いられている。データレイクはマルチプロトコルデータストアであり、主に、Ｆｉｌｅストレージ／Ｏｂｊｅｃｔストレージ／ＮｏＳＱＬ等の分散データストアが用いられる。データレイクでは、複数の分散データストアが混在するため、データレイクを構成する各ノードにおいて、分散データストア間のＨＷリソースの競合が発生し、分散データストアの性能が不安定となる問題がある。このため、このような問題を解決するためのＱｏＳ（Ｑｕａｌｉｔｙ ｏｆ Ｓｅｒｖｉｃｅ）制御が求められる。
また、ＨＷリソースを割り当てる技術としては、アプリケーションを実行するＶＭに割り当てる計算リソースを制御する技術が知られている（例えば、特許文献１参照）。
米国特許出願公開第２０１４／０３８０３０７号明細書
アプリケーションには、例えば、分散データストアに対してアクセスを行って各種処理を行うものがあり、アプリケーションを実行するＶＭに対するＨＷリソースを適切に割り当てたとしても、アプリケーションがアクセスする分散データストアの状況によっては、所望される性能を発揮できない場合がある。
しかしながら、使用している分散データストアに対してＨＷリソースを割り当てる機能がなかったり、ＨＷリソースの割り当てを変更できる機能がなかったりする場合がある。また、分散データストアに対してＨＷリソースの割り当てを変更できる機能があったとしても、どのようにＨＷリソースを割り当てればよいかを決定することは非常に困難である。
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、分散データストアに対してＨＷリソースを容易且つ適切に割り当て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、一観点に係るリソース割当制御装置は、複数のノードで実行され、前記複数のノードでデータを分散して管理する分散データストアに割り当てる前記ノードのハードウェアのリソース量を制御するリソース割当制御装置であって、前記分散データストアにアクセスして所定の処理を実行するアプリケーションの性能と、前記アプリケーションの性能の実現に必要な分散データストア性能と、の対応関係を示すアプリケーション性能情報と、前記ハードウェアのリソース量と、前記リソース量のハードウェアにより前記分散データストアで実現可能なデータストア性能と、の対応関係を示すデータストア性能リソース量情報と、を記憶する記憶部と、前記記憶部に接続されたプロセッサと、を有し、前記プロセッサは、前記アプリケーションによる目標となる性能を特定可能な目標性能情報を受け付け、前記アプリケーション性能情報に基づいて、前記目標性能情報により特定される性能の実現に必要な分散データストア性能である必要性能を決定し、前記データストア性能リソース量情報に基づいて、前記必要性能の実現に必要なハードウェアのリソース量を決定し、決定した前記リソース量のハードウェアを前記分散データストアに割り当てるように設定する。
本発明によれば、分散データストアに対してＨＷリソースを容易且つ適切に割り当てることができる。
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、一実施形態に係る計算機システムのハードウェア構成図である。 図３は、一実施形態に係る計算機システムの論理構成図である。 図４は、一実施形態に係るアプリケーション管理テーブルの構成図である。 図５は、一実施形態に係るデータストア管理テーブルの構成図である。 図６は、一実施形態に係るデータストア性能モデル作成処理のフローチャートである。 図７は、一実施形態に係るデータストア性能モデルの概要を示す図である。 図８は、一実施形態に係るデータストア性能モデル管理テーブルの構成図である。 図９は、一実施形態に係るアプリケーション性能モデル作成処理のフローチャートである。 図１０は、一実施形態に係るアプリケーション性能モデルの概要を示す図である。 図１１は、一実施形態に係るアプリケーション性能モデル管理テーブルの構成図である。 図１２は、一実施形態に係るＩＯオペレーションを解析する処理部の実装例を説明する図である。 図１３は、一実施形態に係るアプリケーション実行処理のフローチャートである。 図１４は、一実施形態に係るＫＰＩ登録画面の一例を示す図である。 図１５は、一実施形態に係るアプリ実行情報の構成図である。 図１６は、一実施形態に係るアプリケーション設定情報の構成図である。 図１７は、一実施形態に係るリソース割当量算出方法の具体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。
なお、以下の説明では、「プログラム」を動作の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（例えばＣＰＵ）によって実行されることで、定められた処理を、適宜に記憶資源（例えばメモリ）及び／又は通信インターフェースデバイス（例えばＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ））を用いながら行うため、処理の主体がプログラムとされてもよい。プログラムを動作の主体として説明された処理は、プロセッサ或いはそのプロセッサを有する計算機が行う処理としてもよい。
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。
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１は、リソース割当制御装置の一例としての管理ノード１００と、ストレージノード１１０，１２０と、コンピュートノード１４０，１５０と、クライアントノード１７０とを備える。
管理ノード１００と、クライアントノード１７０とは、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）１８０等のネットワークを介して接続されている。また、管理ノード１００と、ストレージノード１１０，１２０と、コンピュートノード１４０，１５０とは、例えば、ＬＡＮ１８１等のネットワークを介して接続されている。
コンピュートノード１４０，１５０は、協調して（複数のコンピュートノードにより）、アプリケーション実行基盤１６０を構成し、アプリケーション実行基盤１６０によりアプリケーション１６１（アプリケーションＡ），１６２（アプリケーションＢ）等を実行することにより処理を実行し、処理に伴ってストレージノード１１０，１２０上に構成されるデータストア（分散データストア）に対するＩＯリクエスト（リードリクエスト、ライトリクエスト等）を発行する。コンピュートノードは、図では２台だが、１台でもよく、３台以上であってもよい。
ストレージノード１１０，１２０は、協調してデータストア実行基盤１３０を構成し、データストア実行基盤１３０により１以上の分散データストア（データストア１３１（データストアＡ），データストア１３２（データストアＢ））を実行する。図では、ストレージノードは２台だが、３台以上であってもよい。また、データストア実行基盤１３０に構成される分散データストアは、１、または２以上であってもよい。
ストレージノード１１０，１２０が構成するデータストア１３１，１３２は、コンピュートノード１４０，１５０のアプリケーションからのＩＯリクエストを受領し、ＩＯリクエストに対応するＩＯ処理を実行する。また、ストレージノード１１０，１２０は、それぞれリソース割当制御プログラム１１１，１２１を格納する。リソース割当制御プログラム１１１，１２１は、管理ノード１００からのＨＷリソースの割当量（ＨＷリソース割当量）の設定に基づいて、各データストアのプログラム（ソフトウェア）に割り当てるＨＷリソースの量を制御する。
クライアントノード１７０は、管理者からコンピュートノード上で実行されるアプリケーション１６１，１６２に対する目標性能を特定可能な情報（目標性能情報：例えば、ＫＰＩ（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒ））を受け付け、目標性能情報を管理ノード１００に送信する。
管理ノード１００は、ＱｏＳ制御プログラム１０１を記憶する。ＱｏＳ制御プログラム１０１は、アプリケーション性能モデル１０４と、データストア性能モデル１０５とを格納する。
アプリケーション性能モデル１０４は、アプリケーションの性能と、必要となるデータストアの性能（必要性能）との関係を示すアプリケーション性能情報の一例である。図では、アプリケーション性能モデルは１つだけ示しているが、コンピュートノード上で実行されるアプリケーションの数だけ存在していてもよいし、１つのアプリケーションに対して複数存在してもよい。
データストア性能モデル１０５は、リソース割当量とデータストアの性能との関係を示すデータストア性能リソース量情報の一例である。図では、データストア性能モデルは１つだけ示しているが、ストレージノード上に構成された分散データストアの数だけ存在していてもよいし、1つのデータストアに対して複数存在してもよい。
ＱｏＳ制御プログラム１０１は、実行されることにより、性能モデル作成部１０２と、リソース割当量算出部１０３とを構成する。性能モデル作成部１０２は、アプリケーション性能モデル１０４と、データストア性能モデル１０５とを作成する。リソース割当量算出部１０３は、アプリケーション性能モデル１０４と、データストア性能モデル１０５と、クライアントノード１７０から受領した目標性能情報と、に基づいて、ストレージノード１１０，１２０上で構成されるデータストア１３１，１３２に対するＨＷリソース割当量を算出する。また、リソース割当量算出部１０３は、ストレージノード１１０のリソース割当制御プログラム１１１と、ストレージノード１２０のリソース割当制御プログラム１２１とに算出したＨＷリソース割当量を送信する。
図２は、一実施形態に係る計算機システムのハードウェア構成図である。
なお、本実施形態では、後述するアプリケーション性能モデル作成処理及びデータストア性能モデル作成処理においては、実際にユーザが使用するアプリケーションを実行するコンピュートノード１４０，１５０及びこのコンピュートノード１４０，１５０に対して実際に提供されるデータストアを構成するストレージノード１１０，１２０を用いるが、本発明はこれに限られず、コンピュートノード１４０，１５０とは別の同様なコンピュートノードを用いてもよく、また、ストレージノード１１０，１２０とは別の同様な複数のストレージノードを用いるようにしてもよい。
管理ノード１００は、プロセッサの一例としてのＣＰＵ２３２と、主記憶装置としてのメモリ２３３と、二次記憶装置としてのディスク装置２３４と、１以上のＮＩＣ２３５とを備える。ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とは、バス２３１を介して接続されている。
ＣＰＵ２３２は、ディスク装置２３４上に格納されているプログラムをメモリ２３３上に読み込んで実行することにより、各種処理を実行する。ＣＰＵ２３２は、バス２３１、ＮＩＣ２３５を介して、ＬＡＮ（１８０，１８１）に接続されている他の装置（ストレージノード１１０，１２０、コンピュートノード１４０，１５０、クライアントノード１７０等）との間でデータを送受信する。
ストレージノード１１０，１２０は、ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とを備える。ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とは、バス２３１を介して接続されている。
コンピュートノード１４０，１５０は、ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とを備える。ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とは、バス２３１を介して接続されている。
クライアントノード１７０は、ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とを備える。ＣＰＵ２３２と、メモリ２３３と、ディスク装置２３４と、ＮＩＣ２３５とは、バス２３１を介して接続されている。
図３は、一実施形態に係る計算機システムの論理構成図である。
クライアントノード１７０は、クライアントプログラム３３１を格納する。クライアントプログラム３３１は、クライアントノード１７０のＣＰＵ２３２により実行されると、クライアントノード１７０のユーザから目標性情報（例えば、ＫＰＩ）の入力を受け付けて、目標性能情報を管理ノード１００に送信する。
管理ノード１００は、ＱｏＳ制御プログラム１０１を格納する。ＱｏＳ制御プログラム１０１は、管理ノード１００のＣＰＵ２３２により実行されると、ＫＰＩ受付部３０１と、リソース割当量算出部１０３と、性能モデル作成部１０２と、性能モデル管理部３０６とを構成する。
ＫＰＩ受付部３０１は、クライアントノード１７０から送信された性能目標情報を受信する。
性能モデル作成部１０２は、データストアベンチマーク実行部３０４と、アプリケーション実行部３０５とを有する。データストアベンチマーク実行部３０４は、ストレージノード１１０，１２０におけるデータストア（例えば、データストアを構成するプログラム）の性能を測定し、データストア性能モデル１０４を作成する。アプリケーション実行部３０５は、コンピュートノード１４０，１５０におけるアプリケーションの性能を測定し、アプリケーション性能モデル１０５を作成する。
性能モデル管理部３０６は、アプリケーション性能モデル管理テーブル３０７と、データストア性能モデル管理テーブル３０８とを管理する。性能モデル管理部３０６は、性能モデル作成部１０２により作成されたデータストア性能モデル及びアプリケーション性能モデルを、アプリケーション性能モデル管理テーブル３０７及びデータストア性能モデル管理テーブル３０８により管理する。
ＱｏＳ制御プログラム１０１は、アプリケーション管理テーブル３２１と、データストア管理テーブル３１１とを格納する。
ストレージノード１１０は、実行基盤プログラム３１３と、リソース割当制御プログラム１１１とを格納する。
リソース割当制御プログラム１１１は、ＣＰＵ２３２に実行されると、ストレージノード１１０で実行される各データストアのプログラムに割り当てるＨＷリソースの量（ＨＷリソース割当量）の制御を行う。
ストレージノード１２０は、実行基盤プログラム３１２と、リソース割当制御プログラム１２１とを格納する。
リソース割当制御プログラム１２１は、ＣＰＵ２３２に実行されると、ストレージノード１２０で実行される各データストアのプログラムに割り当てるＨＷリソースの量（ＨＷリソース割当量）の制御を行う。
ストレージノード１１０のＣＰＵ２３２によって実行される実行基盤プログラム３１３と、ストレージノード１２０のＣＰＵ２３２によって実行される実行基盤プログラム３１２とは、協調して動作し、データストア実行基盤１３０を構成する。データストア実行基盤１３０においては、データストア管理テーブル３１１が管理され、データストア（１３１，１３２等）のプログラムが実行されることより、データストアが構成される。
コンピュートノード１４０は、実行基盤プログラム３２３を格納する。コンピュートノード１５０は、実行基盤プログラム３２２を格納する。
コンピュートノード１４０のＣＰＵ２３２によって実行される実行基盤プログラム３２３と、コンピュートノード１５０のＣＰＵ２３２によって実行される実行基盤プログラム３２２とは、協調して動作し、アプリケーション実行基盤１６０を構成する。アプリケーション実行基盤１６０におけるアプリケーションの実行形態は、例えば、コンテナ、ＶＭ（仮想マシン）、プロセス等のいずれでもよい。アプリケーション実行基盤１６０においては、アプリケーション管理テーブル３２１が管理され、アプリケーション１６１，１６２、ＩＯ解析プログラム３２０が実行される。
ＩＯ解析プログラム３２０は、アプリケーションが発行するＩＯを解析する。例えば、ＩＯ解析プログラム３２０は、ＩＯの操作（オペレーション）種別がランダムリード、ランダムライト、シーケンシャルリード、シーケンシャルライト等のいずれであるかを解析する。なお、アプリケーションが発行するＩＯを解析する方法としては、アプリケーションの実行ログを取得する方法や、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）レベルでアプリケーションの動作を解析する方法や、アプリケーションで使用するライブラリをフック（オーバライド）する方法等を利用してもよい。
図４は、一実施形態に係るアプリケーション管理テーブルの構成図である。
アプリケーション管理テーブル３２１は、アプリケーション実行基盤１６０で実行可能なアプリケーションを管理するテーブルであり、アプリケーション毎のエントリを格納する。アプリケーション管理テーブル３２１のエントリは、ＩＤ１００１と、名前（Ｎａｍｅ）１００２と、説明（Ｄｅｓｃｒｉｐｔｉｏｎ）１００３とのフィールドを含む。
ＩＤ１００１には、エントリに対応するアプリケーションの識別子（ＩＤ）が格納される。名前１００２には、エントリに対応するアプリケーションの名前が格納される。説明１００３には、エントリに対応するプログラムの処理内容の説明が格納される。
図５は、一実施形態に係るデータストア管理テーブルの構成図である。
データストア管理テーブル３１１は、データストア実行基盤１３０で作成されたデータストアを管理するテーブルであり、データストア毎のエントリを格納する。データストア管理テーブル３１１のエントリは、ＩＤ１１０１と、データストア（Ｄａｔａ ｓｔｏｒｅ）１１０２と、データ（Ｄａｔａ）１１０３と、サイズ（Ｓｉｚｅ）１１０４と、説明（Ｄｅｓｃｒｉｐｔｉｏｎ）１１０５とのフィールドを含む。
ＩＤ１１０１には、エントリに対応するデータストアの識別子（ＩＤ）が格納される。データストア１１０２には、エントリに対応するデータストアの種類が格納される。データ１１０３には、エントリに対応するデータストアに格納されるデータの名前が格納される。サイズ１１０４には、エントリに対応するデータのサイズが格納される。説明１１０５には、エントリに対応するデータストアに格納されるデータの説明が格納される。
次に、データストア性能モデルを作成するデータストア性能モデル作成処理４００について説明する。
図６は、一実施形態に係るデータストア性能モデル作成処理のフローチャートである。
本実施形態のデータストア性能モデル作成処理では、データストア性能モデルを、分散データストアのオペレーションの種別毎に作成する。ここで、オペレーションとは、データストアに対するＩＯ操作のことをいい、例えば、データストアがＦｉｌｅデータストアであれば、シーケンシャルＲｅａｄ（リード）／Ｗｒｉｔｅ（ライト）、ランダムＲｅａｄ／Ｗｒｉｔｅ、メタデータ操作（例えば、ファイル作成／削除、ディレクトリ作成／削除等）であり、データストアがＮｏＳＱＬデータストアであれば、ＤＢ（Ｄａｔａ Ｂａｓｅ）へのデータ挿入、削除、検索等のことをいう。また、本実施形態では、各オペレーションの種別毎のデータストア性能モデルを、ＨＷリソースごとに作成する。ここで、ＨＷリソースとは、ＣＰＵ、メモリ、ＮＩＣ帯域、ディスク装置のＩＯ帯域等である。このデータストア性能モデル作成処理によると、各ＨＷリソースの割当量と、その割当量での分散データストア（厳密には、データストアプログラム）の性能との関係を示すデータストア性能モデルがオペレーションの種別ごとに作成される。
まず、データストアベンチマーク実行部３０４（ＱｏＳ制御プログラム１０１を実行するＣＰＵ２３２）は、分散データストアの全てのオペレーションの種別についてのデータストア性能モデルを作成したか否かを確認する（ステップ４１０）。この結果、全てのオペレーションの種別について性能モデルを作成している場合（ステップ４１０：Ｙｅｓ）には、データストアベンチマーク実行部３０４は、データストア性能モデル作成処理４００を終了する。
一方、全てのオペレーションの種別についてのデータストア性能モデルを作成していない場合（ステップ４１０：Ｎｏ）には、データストアベンチマーク実行部３０４は、未作成のオペレーションの種別を対象としてデータストア性能モデルの作成を行う。ここで、対象とするオペレーション種別を対象オペレーション種別という。
まず、データストアベンチマーク実行部３０４は、対象オペレーション種別について、データストア性能モデルを作成する対象とするＨＷリソースの全てのデータストア性能モデルを作成したか否かを確認する（ステップ４２０）。
この結果、対象オペレーション種別について、対象とする全てのＨＷリソースのデータストア性能モデルを作成している場合（ステップ４２０：Ｙｅｓ）には、データストアベンチマーク実行部３０４は、処理をステップ４１０に進める。
一方、対象とする全てのＨＷリソースのデータストア性能モデルを作成していない場合（ステップ４２０：Ｎｏ）には、データストアベンチマーク実行部３０４は、未作成のＨＷリソース（対象ＨＷリソースという）のデータストア性能モデルの作成を行う。ここで、対象ＨＷリソースのデータストア性能モデルを作成する場合には、対象ＨＷリソース以外のＨＷリソースについては、対象ＨＷリソースの性能のネックとならない割当量とし、対象ＨＷリソースのＨＷリソース割当量を徐々に変更することによりデータストア性能モデルを作成する。
まず、データストアベンチマーク実行部３０４は、分散データストアに割り当てるＨＷリソース量を変更する（ステップ４３０）。分散データストアにおけるＨＷリソース割当量の変更は、各ストレージノードのリソース割当制御プログラムと連携することにより行う。具体的には、データストアベンチマーク実行部３０４は、各ストレージノードのリソース割当制御プログラムに、分散データストアのデータストアプログラムに対するＨＷリソース割当量を送信する。これにより、リソース割当制御プログラムは、ＨＷリソース割当量を受信し、データストアプログラムに対して受信したＨＷリソース割当量のＨＷリソースを割り当てる。ストレージノードにおけるＨＷリソースの割当は、既存のプログラムやソフトウェアにより実現できる。例えば、Ｌｉｎｕｘ（登録商標）オペレーティングシステムであれば、Ｃｇｒｏｕｐｓと呼ぶリソース割当ての機能を用いることができる。このＣｇｒｏｕｐｓを用いると、所望の量のＨＷリソースをＬｉｎｕｘオペレーティングシステムで動作するプログラムに割り当てることができる。
次に、データストアベンチマーク実行部３０４は、分散データストアの対象オペレーション種別についての性能測定を実行する（ステップ４４０）。
次に、データストアベンチマーク実行部３０４は、データストア性能モデルを作成可能か否か、具体的には、データストア性能モデルを作成するために必要な回数の性能測定を行ったか否かを判断する（ステップ４５０）。
この結果、データストア性能モデルの作成に必要な回数の測定を行っていない場合（ステップ４５０：Ｎｏ）には、データストアベンチマーク実行部３０４は、処理をステップ４３０に進め、ＨＷリソース割当量の変更と、性能測定の実行を繰り返す。なお、データストア性能モデルを作成するために性能測定を行う回数と、性能測定ごとに変更するＨＷリソース割当量とは、予め決められている。
一方、データストア性能モデルの作成に必要な回数の測定を行っている場合（ステップ４５０：Ｙｅｓ）には、データストアベンチマーク実行部３０４は、複数の測定結果に基づいてデータストア性能モデルを作成し、作成したデータストア性能モデルをデータストア性能モデル管理テーブル３０８（図８参照）に登録し（ステップ４６０）、処理をステップ４２０に進める。
ここで、データストア性能モデルの作成及びデータストア性能モデルの登録について説明する。
図７は、一実施形態に係るデータストア性能モデルの概要を示す図である。
データストア性能モデルの作成は、例えば、図７に示すように、ＨＷリソース量の変化に対するデータストアの性能のグラフ５００を作成し、グラフの近似曲線の式、ｙ＝ｆ（ｘ）をデータストア性能モデルとしてもよい。ここで、ｙは１ノード当たりの分散データストアの性能を示し、ｘは１ノード当たりのＨＷリソース量を示す。ｙは、データストアベンチマーク実行部３０４による性能測定の結果（分散データストアの全体の性能）を、分散データストアのノード数で除算することにより算出することができる。換言すると、ｙに分散データストアのノード数を乗算すると、分散データストア全体の性能となる。データストア性能モデルの作成におけるグラフの作成及び近似曲線式の導出は、既存の表計算ソフトウェアやプログラム等を用いることにより実現できる。
図８は、一実施形態に係るデータストア性能モデル管理テーブルの構成図である。
データストア性能モデルの登録は、例えば、データストア性能モデル管理テーブル３０８に対して行う。データストア性能モデル管理テーブル３０８の行５１１は、データストア性能モデル管理テーブル３０８が登録しているデータストア性能モデルに対応する分散データストアを示す情報（分散データストア名）を格納する。列５１２は、データストア性能モデルに対応するオペレーションの種別を格納する。行５１３は、データストア性能モデルが対象としているＨＷリソースの種別を格納する。列５１２の各オペレーションの種別と、行５１３のＨＷリソースの種別とに対応するセルには、そのオペレーション種別における、そのＨＷリソースの種別についてのデータストア性能モデルが、データストアベンチマーク実行部３０４により格納される。
なお、本実施形態では、性能測定結果に基づいて作成された式（データストア性能モデルの一例）を格納するようにしていたが、例えば、ＨＷリソース量と、対応する測定されたデータストア性能との組を複数記録するようにしてもよい。
次に、アプリケーション性能モデルを作成するアプリケーション性能モデル作成処理６００について説明する。
図９は、一実施形態に係るアプリケーション性能モデル作成処理のフローチャートである。
本実施形態のアプリケーション性能モデル作成処理では、アプリケーション性能モデルを、アプリケーションでのオペレーションの種別毎に作成する。ここで、オペレーションとは、データストアに対するＩＯ操作のことをいい、例えば、データストアがＦｉｌｅデータストアであれば、シーケンシャルＲｅａｄ（リード）／Ｗｒｉｔｅ（ライト）、ランダムＲｅａｄ／Ｗｒｉｔｅ、メタデータ操作（例えば、ファイル作成／削除、ディレクトリ作成／削除等）であり、データストアがＮｏＳＱＬデータストアであれば、ＤＢ（Ｄａｔａ Ｂａｓｅ）へのデータ挿入、削除、検索等のことをいう。なお、アプリケーションにおいて複数のアルゴリズムを選択的に実行する場合には、１つのアプリケーションについて、アルゴリズム毎のアプリケーション性能モデルを作成してもよく、また、アプリケーションに複数の処理フェーズがある場合には、処理フェーズ毎のアプリケーション性能モデルを作成してもよい。また、アプリケーションが処理可能なデータの種別が複数である場合には、データの種別毎にアプリケーション性能モデルを作成してもよい。
まず、アプリケーション実行部３０５（ＱｏＳ制御プログラム１０１を実行するＣＰＵ２３２）は、性能モデルを作成する対象のアプリケーションを実行する指示をアプリケーション実行基盤１６０に行うことにより、アプリケーションを実行させる（ステップ６１０）。
アプリケーション実行部３０５は、実行させたアプリケーションにおけるオペレーションの種別を取得する（ステップ６２０）。
次いで、アプリケーション実行部３０５は、取得されたオペレーションの種別に対するアプリケーション性能モデルの作成（ステップ６３０～６６０）を行う。なお、以下の処理は、取得された各オペレーションの種別を対象に行ってもよい。
まず、アプリケーション実行部３０５は、分散データストアの性能（データストア性能）を変更し、データストア性能モデルを用いて、変更したデータストアの性能に対応するＨＷリソース量を特定する（ステップ６３０）。次いで、アプリケーション実行部３０５は、データストアに対して特定したＨＷリソース量のリソースを割り当てるようにする。ＨＷリソースおけるＨＷリソース割当量の変更は、アプリケーション実行部３０５が各ストレージノードのリソース割当制御プログラム１１１，１２１等と連携することにより行う。具体的には、アプリケーション実行部３０５は、各ストレージノードのリソース割当制御プログラムに、分散データストアのデータストアプログラムに対するＨＷリソース割当量を送信する。これにより、リソース割当制御プログラムは、ＨＷリソース割当量を受信し、データストアプログラムに対して、受信したＨＷリソース割当量のＨＷリソースを割り当てる。ストレージノードにおけるＨＷリソースの割当は、既存のプログラムやソフトウェアにより実現できる。例えば、Ｌｉｎｕｘオペレーティングシステムであれば、Ｃｇｒｏｕｐｓと呼ぶリソース割当ての機能を用いることができる。このＣｇｒｏｕｐｓを用いると、所望の量のＨＷリソースをＬｉｎｕｘオペレーティングシステムで動作するプログラムに割り当てることができる。
次に、アプリケーション実行部３０５は、アプリケーション実行基盤１６０にアプリケーションを実行させ、アプリケーションの性能を取得する（ステップ６４０）。ここで、アプリケーションの性能（アプリケーション性能）は、処理対象のデータのサイズと、処理時間とに基づいて取得してもよく、例えば、アプリケーションにおける単位時間当たりのデータ処理量としてもよい。また、アプリケーションの性能としては、これに限られず、例えば、アプリケーションによる単位時間当たりの要求に対する処理数や、単位時間当たりの処理ファイル数であってよい。この処理により、アプリケーション性能モデルを作成するための、アプリケーション性能と、そのアプリケーション性能が得られるデータストア性能との対応関係を示す１つのデータが得られる。
次に、アプリケーション実行部３０５は、アプリケーション性能モデルを作成可能か否か、具体的には、アプリケーション性能モデルを作成するために必要な回数の性能測定を行ったか否かを判断する（ステップ６５０）。
この結果、アプリケーション性能モデルの作成に必要な回数の測定を行っていない場合（ステップ６５０：Ｎｏ）には、アプリケーション実行部３０５は、処理をステップ６３０に進め、データストア性能の変更と、アプリケーションの性能測定の実行を繰り返す。なお、アプリケーション性能モデルを作成するために性能測定を行う回数と、性能測定ごとに変更するデータストア性能の変化量とは、予め決められている。
一方、アプリケーション性能モデルの作成に必要な回数の測定を行っている場合（ステップ６５０：Ｙｅｓ）には、アプリケーション実行部３０５は、複数の測定結果に基づいてアプリケーション性能モデルを作成し、作成したアプリケーション性能モデルをアプリケーション性能モデル管理テーブル３０７（図１１参照）に登録し（ステップ６６０）、処理を終了する。
ここで、アプリケーション性能モデルの作成及びアプリケーション性能モデルの登録について説明する。
図１０は、一実施形態に係るアプリケーション性能モデルの概要を示す図である。
アプリケーション性能モデルの作成は、例えば、図１０に示すように、データストア性能の変化に対するアプリケーションの性能のグラフ７００を作成し、グラフの近似曲線の式、ｙ＝ｆ（ｘ）をアプリケーション性能モデルとしてもよい。ここで、ｙはアプリケーションの性能を示し、ｘはデータストアの性能を示す。ｙは、アプリケーション実行部３０５による性能測定の結果とすることができる。アプリケーション性能モデルの作成におけるグラフの作成及び近似曲線式の導出は、既存の表計算ソフトウェアやプログラム等を用いることにより実現できる。
図１１は、一実施形態に係るアプリケーション性能モデル管理テーブルの構成図である。
アプリケーション性能モデルの登録は、例えば、アプリケーション性能モデル管理テーブル３０７に対して行う。アプリケーション性能モデル管理テーブル３０７の行７１１は、アプリケーション性能モデル管理テーブル３０７が登録しているアプリケーション性能モデルに対応するアプリケーションを示す情報（アプリケーション名）を格納する。列７１２は、アプリケーション性能モデルに対応するオペレーションの種別を格納する。列７１３は、対応する行の列７１２のオペレーションの種別における、アプリケーション性能モデルを格納する。アプリケーション性能モデルは、アプリケーション実行部３０５により格納される。
なお、本実施形態では、性能測定結果に基づいて作成された式（アプリケーション性能モデルの一例）を格納するようにしていたが、例えば、データストア性能と、対応する測定されたアプリケーション性能との組を複数記録するようにしてもよい。
次に、アプリケーション性能モデル作成処理６００のステップ６２０で、アプリケーションにおけるオペレーションの種別を取得できるようにする構成について説明する。
図１２は、一実施形態に係るＩＯオペレーションを解析する処理部の実装例を説明する図である。
例えば、アプリケーション実行基盤１６０で実行されるアプリケーション７２０（例えば、アプリケーション１６１，１６２等）において、使用されるＩＯ種別をアプリケーション実行部３０５に通知するＩＯ解析プログラムを、アプリケーション使用されるＩＯ実行ライブラリのラッパーとして実装するようにしてもよい。このような構成とすることにより、アプリケーション７２０において、ＩＯ実行ライブラリが使用されると、ＩＯ解析プログラムにより、使用されたＩ／Ｏ種別がアプリケーション実行部３０５に通知される。
次に、アプリケーション実行基盤１６０でアプリケーションを実行する際のアプリケーション実行処理について説明する。
図１３は、一実施形態に係るアプリケーション実行処理のフローチャートである。
アプリケーション実行処理においては、クライアントノード１７０のクライアントプログラム３３１が、ＫＰＩ登録画面９００（図１４参照）を表示して、ユーザからのＫＰＩの入力を受け付ける（ステップ８１０）。
ここで、ＫＰＩ登録画面９００について説明する。
図１４は、一実施形態に係るＫＰＩ登録画面の一例を示す図である。
ＫＰＩ登録画面９００は、例えば、管理ノード１００により、アプリケーション管理テーブル３２１及びデータストア管理テーブル３１１の情報に基づいて作成されて、クライアントノード１７０に表示される。ＫＰＩ登録画面９００は、ＫＰＩを入力するためのＫＰＩ入力欄９０１と、送信ボタン９０５とを有する。
ＫＰＩ入力欄９０１は、使用アプリケーション選択欄９０２と、分析対象データ選択欄９０３と、ＫＰＩ（処理時間）入力欄９０４とを有する。
使用アプリケーション選択欄９０２には、アプリケーション管理テーブル３２１に登録されているアプリケーションの中の少なくとも一つのアプリケーションが選択可能に表示される。ユーザは、使用アプリケーション選択欄９０２において、使用するアプリケーションを選択することとなる。分析対象データ選択欄９０３には、データストア管理テーブル３１１に登録されているデータの中の少なくとも一つのデータが選択可能に表示される。ユーザは、分析対象データ選択欄９０３において、アプリケーションで処理対象とするデータを選択することとなる。ＫＰＩ（処理時間）入力欄９０４は、選択したアプリケーションにより選択したデータに対する処理を行う際の目標とする処理時間（目標処理時間）の入力を受け付ける。
送信ボタン９０５は、入力欄９０１に入力された情報を管理ノード１００に送信する指示を受け付けるボタンである。送信ボタン９０５が押下されると、クライアントノード１７０は、入力欄９０１に入力された情報に基づくアプリ実行情報１２００（図１５参照）を管理ノード１００に送信する。
図１３の説明に戻り、クライアントプログラム３３１は、ＫＰＩ登録画面９００に対する送信指示を受け付けると、ＫＰＩ登録画面９００に入力された情報に基づいて、アプリ実行情報１２００（図１５参照）を送信する（ステップ８１１）。
ここで、アプリ実行情報１２００について説明する。
図１５は、一実施形態に係るアプリ実行情報の構成図である。
アプリ実行情報１２００は、アプリケーションＩＤ１２０１と、データストアＩＤ１２０２と、ＫＰＩ１２０３とのフィールドを含む。アプリケーションＩＤ１２０１には、ＫＰＩ登録画面９００で使用するアプリケーションとして選択されたアプリケーションのＩＤが格納される。データストアＩＤ１２０２には、ＫＰＩ登録画面９００でアプリケーションの処理対象とするデータとして選択されたデータを格納するデータストアのＩＤが格納される。ＫＰＩ１２０３には、ＫＰＩ登録画面９００で入力された目標処理時間が格納される。
図１３の説明に戻り、管理ノード１００のリソース割当量算出部１０３は、アプリ実行情報１２００を受信し、アプリ実行情報１２００に基づいて、アプリケーションの目標性能を算出し（ステップ８２０）、アプリケーション性能モデル管理テーブル３０７から、適切なアプリケーション性能モデルを選択し、アプリケーション性能モデルを用いて、目標性能を実現するのに必要なデータストアの性能（データストア目標性能：必要性能）を算出する（ステップ８２１）。なお、アプリケーションにおいて複数の種別のオペレーションが実行される場合には、各種別のオペレーションに対応する複数のアプリケーション性能モデルを使用して、各性能モデルから得られた複数のデータストア性能に基づいて、データストア目標性能を決定するようにしてもよい。例えば、種別毎のデータストア目標性能のまま、すなわち、複数のデータストア目標性能のままであってよく、各性能モデルから得られたデータストア性能の中の最大の性能をデータストア目標性能としてもよく、複数の種別のオペレーションが同時に実行される場合には、対応するデータストア性能を合計した性能をデータストア目標性能としてもよい。また、アプリケーションにおけるデータに対するアルゴリズムが特定できる場合には、そのアルゴリズムに対応する性能モデルを使用するようにしてもよい。また、アプリケーションにおける各処理フェーズ毎に、その処理フェーズに対応する性能モデルを使用して、処理フェーズ毎のデータストア目標性能を算出するようにしてもよい。
次いで、リソース割当量算出部１０３は、データストア性能モデル管理テーブル３０８のデータストア性能モデルを使用して、算出されたデータストア目標性能を実現するために分散データストアに実際に割り当てるＨＷリソース量（リソース割当量）を算出（決定）する（ステップ８２２）。ここで、算出されるＨＷリソース量は、各ストレージノードにおいて、分散データストアのデータストアプログラムに割り当てるＨＷリソース量である。
具体的には、例えば、リソース割当量算出部１０３は、データストア性能モデル管理テーブル３０８に記録されている性能モデル（式）と、各オペレーションの種別のデータストア目標性能とから、このデータストア目標性能を達成するためにオペレーションの種別毎に必要なＨＷリソース量を算出する。より具体的には、リソース割当量算出部１０３は、各オペレーションの種別のデータストア目標性能を、分散データストアを構成するストレージノードの数で除算し、その結果を、性能モデルの式（ｙ＝ｆ（ｘ））のｙに代入し、必要なＨＷリソース量ｘを算出する。次に、リソース割当量算出部１０３は、オペレーションの種別ごとにそれぞれのＨＷリソース毎の必要なＨＷリソース量を確認する。次いで、リソース割当量算出部１０３は、必要なＨＷリソース量のうちの最大値をリソース割当量と決定する。ここで、必要なＨＷリソース量の最大値をリソース割当量としているのは、分散データストアにおいて、いずれのオペレーションが実行されても目標性能を達成できることを担保するためである。なお、複数の種別のオペレーションが同時に実行され、複数の種別のオペレーションでの目標性能を達成する必要がある場合には、それらの種別のオペレーションに必要なＨＷリソース量の合計値を、リソース割当量とすればよい。必要なＨＷリソース量の最大値をリソース割当量とするか、複数の必要なＨＷリソース量の合計値をリソース割当量とするかは、予め設定されているＱｏＳのポリシーに従って決定すればよい。
また、アプリケーションの処理フェーズ毎のデータストア目標性能が算出されている場合には、それぞれの処理フェーズ毎の必要なリソース割当量を算出してもよく、その場合いは、それぞれの処理フェーズのリソース割当量をそれぞれの処理フェーズにおいて設定するリソース割当量と決定してもよく、それらのリソース割当量の最大のリソース割当量をアプリケーションに対する実際に割り当てるリソース割当量と決定してもよい。
次いで、リソース割当量算出部１０３は、算出したリソース割当量となるように、データストアを実行させる指示をデータストア実行基盤１３０に送信する（ステップ８２３）。なお、アプリケーションの処理フェーズ毎にリソース割当量を変更させる場合には、それぞれの処理フェーズにおいて、その処理フェーズに対応するリソース割当量とするための指示を送信する。
データストア実行基盤１３０を実行するストレージノード１１０，１２０等では、リソース割当制御プログラム１１１，１２１等は、管理ノード１００からの指示に従ってデータストアを構成するデータストアプログラムに、ＨＷリソースを割り当てる設定を行う（ステップ８３０）。なお、処理フェーズ毎にリソース割当量を変更させる場合には、リソース割当制御プログラムは、アプリケーションの処理フェーズに応じて、リソース割当量を変更させる。
次いで、データストア実行基盤１３０は、ＨＷリソースが割り当てられたデータストアを実行する（ステップ８３１）。
次いで、ＱｏＳ制御プログラム１０１は、アプリケーションの実行指示をアプリケーション実行基盤１６０に送信する（ステップ８２４）。
アプリケーション実行基盤１６０の実行基盤プログラム３２２，３２３は、実行指示に基づいて、アプリケーションにデータストアを利用するために必要な設定を行う（ステップ８４０）。これにより、アプリケーションは、適切なＨＷリソースが割り当てられたデータストアを利用することができるようになる。
ここで、アプリケーションの設定について説明する。
図１６は、一実施形態に係るアプリケーション設定情報の構成図である。
図１６のアプリケーション設定情報１４００は、データストアが、ファイルサーバとして構成されている場合の設定情報の例である。
アプリケーション設定情報１４００は、設定（Ｃｏｎｆｉｇ）１４０１と、内容（Ｃｏｎｔｅｎｔ）１４０２とのフィールドを含む。設定１４０１には、設定する項目が格納される。設定する項目としては、例えば、ファイルサーバＩＰ、ポート、マウントされるディレクトリ等がある。内容１４０２には、設定する項目に対する設定内容が格納される。
図１３の説明に戻り、アプリケーション実行基盤１６０は、アプリケーションを実行し（ステップ８４１）、処理を終了する。
以上の処理によると、ユーザは、アプリケーションの目標処理時間を入力することにより、その目標を達成できるように、アプリケーションが使用するデータストアに適切なＨＷリソースが割り当てられて、アプリケーションが実行される。
次に、リソース割当量算出方法（図１３のステップ８２０～８２２に対応）の具体例について説明する。
図１７は、一実施形態に係るリソース割当量算出方法の具体例を説明する図である。
ここで、クライアントノード１７０で、ＫＰＩ登録画面９００により、データサイズが１ＴＢのデータが選択され、ＫＰＩ（処理時間）として、３０分が入力されたものとして説明する。
管理ノード１００のリソース割当量算出部１０３は、３０分と、データサイズ１ＴＢとに基づいて、アプリケーション目標性能を、６００ＭＢ／ｓと算出する（ステップ８２０）。
次いで、リソース割当量算出部１０３は、グラフ７００に示すようなアプリケーション性能モデルを用いて、アプリケーション目標性能（６００ＭＢ／s）に対応するデータストア目標性能（７００ＭＢ／ｓ）を算出する（ステップ８２１）。
次いで、リソース割当量算出部１０３は、グラフ５００に示すようなデータストア性能モデルを用いて、データストア目標性能（７００ＭＢ／s）に対応するＨＷリソース量（ネットワーク帯域７５０ＭＢ／ｓ）を算出する（ステップ８２２）。なお、リソース割当量算出部１０３は、他のＨＷリソース量についても、それぞれのＨＷに対応するデータストア性能モデルを使用して算出する。また、以降において、算出されたＨＷリソースがデータストアに割り当てられることとなる。
このように、本実施形態に係る計算機システム１では、クライアントノード１７０において、アプリケーションに対する目標の処理時間及び処理するデータサイズといったアプリケーションの目標性能を特定可能な情報を入力することにより、容易且つ適切に、データストアに対してＨＷリソースを割り当てることができる。
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、アプリケーション性能モデル及びデータストア性能モデルとして、数式を用いていたが、本発明はこれに限られず、例えば、機械学習により学習された推論モデルを用いてもよい。
また、上記実施形態では、アプリケーションの目標性能を特定可能な情報として、目標の処理時間とデータを指定するようにしていたが、本発明はこれに限られず、アプリケーションの目標性能を特定可能な他の情報を指定するようにしてもよく、また、例えば、アプリケーションのデータ処理速度等のアプリケーションの目標性能を直接指定するようにしてもよい。
また、上記実施形態において、アプリケーション性能モデル１０４と、データストア性能モデル１０５とを別々のモデルとしていたが、これらを組み合わせて、アプリケーションの目標性能を入力として、データストアのＨＷリソースを出力する１つのモデルとして構成してもよい。
また、上記実施形態において、ＣＰＵが行っていた処理の一部又は全部を、ハードウェア回路で行うようにしてもよい。また、上記実施形態におけるプログラムは、プログラムソースからインストールされてよい。プログラムソースは、プログラム配布サーバ又は記録メディア（例えば可搬型の不揮発性記録メディア）であってもよい。
１…計算機システム、１００…管理ノード、１０４…アプリケーション性能モデル、１０５…データストア性能モデル、１１０，１２０…ストレージノード、１３０…データストア実行基盤、１３１，１３２…データストア、１４０，１５０…コンピュートノード、１６１，１６２…アプリケーション、１７０…クライアントノード

Claims (10)

  1. 複数のノードで実行され、前記複数のノードでデータを分散して管理する分散データストアに割り当てる前記ノードのハードウェアのリソース量を制御するリソース割当制御装置であって、
    前記分散データストアにアクセスして所定の処理を実行するアプリケーションの性能と、前記アプリケーションの性能の実現に必要な分散データストア性能と、の対応関係を示すアプリケーション性能情報と、前記ハードウェアのリソース量と、前記リソース量のハードウェアにより前記分散データストアで実現可能なデータストア性能と、の対応関係を示すデータストア性能リソース量情報と、を記憶する記憶部と、
    前記記憶部に接続されたプロセッサと、を有し、
    前記プロセッサは、
    前記アプリケーションによる目標となる性能を特定可能な目標性能情報を受け付け、
    前記アプリケーション性能情報に基づいて、前記目標性能情報により特定される性能の実現に必要な分散データストア性能である必要性能を決定し、
    前記データストア性能リソース量情報に基づいて、前記必要性能の実現に必要なハードウェアのリソース量を決定し、
    決定した前記リソース量のハードウェアを前記分散データストアに割り当てるように設定する
    リソース割当制御装置。
  2. 前記プロセッサは、
    前記分散データストアに対して割り当てる前記ハードウェアのリソース量を複数のリソース量に変更することにより、前記複数のリソース量のそれぞれを割り当てた際に実現されるデータストア性能を取得し、
    割り当てた前記ハードウェアのリソース量と、実現される前記データストア性能とに基づいて前記データストア性能リソース量情報を作成し、
    作成した前記性能リソース量情報を前記記憶部に格納する
    請求項１に記載のリソース割当制御装置。
  3. 前記プロセッサは、
    前記分散データストア性能を変更することにより、前記データストア性能により実現されるアプリケーション性能を取得し、
    前記データストア性能と、実現される前記アプリケーション性能とに基づいて前記アプリケーション性能情報を作成し、
    作成した前記アプリケーション性能情報を前記記憶部に格納する
    請求項１に記載のリソース割当制御装置。
  4. 前記アプリケーション性能情報は、前記アプリケーションによる目標となる性能から、前記性能を実現可能な前記分散データストア性能を導出可能なアプリケーション性能モデルである
    請求項１に記載のリソース割当制御装置。
  5. 前記データストア性能リソース量情報は、前記分散データストアで実現可能な分散データストア性能から、前記性能を実現可能な前記ハードウェアのリソース量を導出可能なデータストア性能モデルである
    請求項１に記載のリソース割当制御装置。
  6. 前記アプリケーション性能情報は、前記アプリケーションでのＩＯ操作の種別毎についての対応関係を含む
    請求項１に記載のリソース割当制御装置。
  7. 前記アプリケーション性能情報は、前記アプリケーションでの処理フェーズ毎についての対応関係を含む
    請求項１に記載のリソース割当制御装置。
  8. 前記プロセッサは、
    前記アプリケーションの前記処理フェーズ毎に、前記アプリケーションによる目標となる性能を特定可能な目標性能情報を受け付け、前記アプリケーション性能情報に基づいて、前記処理フェーズ毎に、前記目標性能情報により特定される性能の実現に必要な分散データストア性能である必要性能を決定し、前記データストア性能リソース量情報に基づいて、前記必要性能の実現に必要なハードウェアのリソース量を決定し、決定した前記リソース量のハードウェアを前記分散データストアに割り当てるように設定する
    請求項７に記載のリソース割当制御装置。
  9. データを分散して管理する分散データストアを実行する複数のノードと、前記分散データストアに割り当てる前記ノードのハードウェアのリソース量を制御するリソース割当制御装置とを備える計算機システムであって、
    前記リソース割当制御装置は、
    前記分散データストアにアクセスして所定の処理を実行するアプリケーションの性能と、前記アプリケーションの性能の実現に必要な分散データストア性能と、の対応関係を示すアプリケーション性能情報と、前記ハードウェアのリソース量と、前記リソース量のハードウェアにより前記分散データストアで実現可能なデータストア性能と、の対応関係を示すデータストア性能リソース量情報と、を記憶し、
    前記アプリケーションによる目標となる性能を特定可能な目標性能情報を受け付け、
    前記アプリケーション性能情報に基づいて、前記目標性能情報により特定される性能の実現に必要な分散データストア性能である必要性能を決定し、
    前記データストア性能リソース量情報に基づいて、前記必要性能の実現に必要なハードウェアのリソース量を決定し、
    決定した前記リソース量のハードウェアを前記分散データストアに割り当てるように設定する
    計算機システム。
  10. 複数のノードで実行され、前記複数のノードでデータを分散して管理する分散データストアに割り当てる前記ノードのハードウェアのリソース量を制御するリソース割当制御装置によるリソース割当制御方法であって、
    前記分散データストアにアクセスして所定の処理を実行するアプリケーションの性能と、前記アプリケーションの性能の実現に必要な分散データストア性能と、の対応関係を示すアプリケーション性能情報と、前記ハードウェアのリソース量と、前記リソース量のハードウェアにより前記分散データストアで実現可能なデータストア性能と、の対応関係を示すデータストア性能リソース量情報と、を記憶し、
    前記アプリケーションによる目標となる性能を特定可能な目標性能情報を受け付け、
    前記アプリケーション性能情報に基づいて、前記目標性能情報により特定される性能の実現に必要な分散データストア性能である必要性能を決定し、
    前記データストア性能リソース量情報に基づいて、前記必要性能の実現に必要なハードウェアのリソース量を決定し、
    決定した前記リソース量のハードウェアを前記分散データストアに割り当てるように設定する
    リソース割当制御方法。
JP2021144337A 2021-09-03 2021-09-03 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 Pending JP2023037524A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2021144337A JP2023037524A (ja) 2021-09-03 2021-09-03 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
US17/692,363 US11768616B2 (en) 2021-09-03 2022-03-11 Resource allocation control device, computing system, and resource allocation control method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021144337A JP2023037524A (ja) 2021-09-03 2021-09-03 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

Publications (1)

Publication Number Publication Date
JP2023037524A true JP2023037524A (ja) 2023-03-15

Family

ID=85386350

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021144337A Pending JP2023037524A (ja) 2021-09-03 2021-09-03 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

Country Status (2)

Country Link
US (1) US11768616B2 (ja)
JP (1) JP2023037524A (ja)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10282350B1 (en) * 2013-06-21 2019-05-07 Amazon Technologies, Inc. Data store optimizer
US9411622B2 (en) 2013-06-25 2016-08-09 Vmware, Inc. Performance-driven resource management in a distributed computer system
JP7191906B2 (ja) * 2020-09-09 2022-12-19 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

Also Published As

Publication number Publication date
US20230069861A1 (en) 2023-03-09
US11768616B2 (en) 2023-09-26

Similar Documents

Publication Publication Date Title
WO2018177042A1 (zh) 一种实现资源调度的方法及装置
US11119813B1 (en) Mapreduce implementation using an on-demand network code execution system
US9608933B2 (en) Method and system for managing cloud computing environment
US8595364B2 (en) System and method for automatic storage load balancing in virtual server environments
US10353730B2 (en) Running a virtual machine on a destination host node in a computer cluster
JP4380240B2 (ja) ヒントに基づく記憶領域の割当と性能保証方法、記憶装置及び管理プログラム
US9448853B2 (en) Method of allocating physical computing resource of computer system
US20120331463A1 (en) Method for providing an on-demand software execution service
Ramanathan et al. Towards optimal resource provisioning for Hadoop-MapReduce jobs using scale-out strategy and its performance analysis in private cloud environment
US20160314017A1 (en) Method and system for scheduling input/output resources of a virtual machine
US11204702B2 (en) Storage domain growth management
US20170168866A1 (en) Method and apparatus for managing it infrastructure in cloud environments
JP2005228278A (ja) 記憶領域の管理方法、管理装置及び管理プログラム
JP7465940B2 (ja) 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
US20090254559A1 (en) File system and method for controlling file system
US11354164B1 (en) Robotic process automation system with quality of service based automation
WO2024148864A1 (zh) 虚拟机内存的调整方法和装置、非易失性可读存储介质及电子装置
WO2023179387A1 (zh) 云应用调度方法、装置、电子设备及存储介质
JP2023037524A (ja) 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
Guo et al. The improved job scheduling algorithm of Hadoop platform
US9983888B2 (en) Predictive writing of bootable images to storage nodes in a cloud computing environment
US9864601B2 (en) Resource management in distributed computer systems using dispersion rules
US20180234299A1 (en) Inter-connecting logical control planes for state data exchange
US11740918B2 (en) Method for accessing application logs within virtual machines based on operator-defined criteria
US20230297486A1 (en) Arrangement plan search device, computer system, and arrangement plan search method