JP2023543809A - 広範なデータセンタアーキテクチャシステムおよび方法 - Google Patents

Abstract

データ重力インデックススコアを決定し、広範なデータセンタアーキテクチャを実装するためのシステムの実施形態が開示される。いくつかの実施形態では、本システムは、所与の位置に記憶されたデータの量、所与の位置で動いているデータの量、所与の位置に関連付けられた帯域幅インデックス、および所与の位置に関連付けられたレイテンシインデックスに基づいて、データ重力インデックススコアを計算することができる。データ重力インデックススコアに基づいて、いくつかの実施形態では、本システムは、ネットワーク性能を改善し、セキュリティ動作を改善し、ソフトウェア定義ネットワークオーバーレイを生成するためにトラフィックを局所化することができる。

Description

関連出願の相互参照
本出願は、２０２０年９月２５日に出願された米国仮特許出願第６３／０８３，７６３号（その全体が参照により本明細書に組み込まれる）からの優先権を主張する。

本開示は、一般に、プラットフォームおよびデータストアにわたってデータストアを管理するためのシステムおよび方法に関する。

一実施形態では、複数のストレージデバイス間のデータの異種ストレージを評価するためのシステムが開示される。本システムは、プロセッサと、メモリと、データ重力分析構成モジュールと、メモリに記憶された知識データベースと、メモリに記憶されたコンピュータコードであって、メモリから取得され、プロセッサによって実行されると、プロセッサに、複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、１つまたは複数のノードは、ネットワークと、マスデータストレージシステムと、データ質量、データアクティビティ、少なくとも２点間の帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、データ記憶パラメータと、１つまたは複数のゾーンインジケータと、１つまたは複数のインターネットプロトコルＩＰアドレスと、に関連付けられ、提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、プロセッサを使用して、ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、プロセッサを使用して、選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、ノードのサブセット内のノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、プロセッサを使用して、選択されたゾーンインジケータ、およびコンテキストに従って重み付けされたノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、ノードのサブセットのデータ重力インデックススコアを計算することと、計算されたデータ重力インデックススコアで知識データベースを更新することと、計算されたデータ重力インデックススコアをデータ重力分析構成モジュールに出力することと、を行わせる、コンピュータコードと、を含む。

データ重力分析構成モジュールは、計算されたデータ重力インデックススコアに基づいてネットワーク上の１つまたは複数のノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを１つまたは複数のノードに送信するようにネットワークモジュールに命令する、暗号化データパケットを自動的に生成することができる。

データ重力分析構成モジュールは、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つまたは複数のノードのための１つまたは複数のデータ記憶パラメータの自動推奨または警告フラグを自動的に生成することができる。自動推奨は、以下：１つもしくは複数のノードの古いデータを識別して優先順位を下げること、１つもしくは複数のノードのための追加のローカルネットワーク入退出を実施すること、１つもしくは複数のノードの帯域幅を調整すること、１つもしくは複数のノードのレイテンシを調整すること、１つもしくは複数のノード間のデータ分布を調整すること、または１つもしくは複数のノードのデータ容量を調整すること、のうちの少なくとも１つを含むことができる。

データ重力分析構成モジュールは、計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成することができる。

データ重力分析構成モジュールは、計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュすることができる。

データ重力分析構成モジュールは、計算されたデータ重力インデックススコアに基づいて、リモートシステムに命令を自動的に生成することができる。

データ重力インデックススコアは、式：（（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）に従って計算することができる。データ質量、データアクティビティ、帯域幅、およびレイテンシの各々のインデックススコアは、データ質量、データアクティビティ、帯域幅、およびレイテンシの対応する式に少なくとも部分的に基づいて、１つまたは複数のノードの各々について計算される。あるいは、データ重力インデックススコアは、式：（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）に従って計算することができる。

データ重力インデックススコアは、ノードのサブセットのデータ特性に関連付けられた１つまたは複数のパターンを識別するように構成された機械学習モジュールを使用して計算することができる。

コンピュータコードはさらに、プロセッサに、機械学習モデルを使用して、ノードのサブセットのデータ特性に関連付けられた１つまたは複数のパターンを識別させ、機械学習モデルを介してプロセッサを使用して、１つまたは複数のパターンに少なくとも部分的に基づいて、ノードのサブセットの予測データ重力インデックススコアを計算させることができる。予測データ重力スコアは、データ重力インデックススコアを計算するための式を使用せずに計算することができる。

コンピュータコードはさらに、プロセッサに、ノードのサブセットに関連付けられた第１の更新されたデータ特性を受信させ、プロセッサを使用して、第１の更新されたデータ特性に少なくとも部分的に基づいて、ノードのサブセットに関連付けられた第１の更新されたデータ重力インデックススコアを計算させ、ノードのサブセットに関連付けられた第２の更新されたデータ特性を受信させ、プロセッサを使用して、第２の更新されたデータ特性に少なくとも部分的に基づいて、ノードのサブセットに関連付けられた第２の更新されたデータ重力インデックススコアを計算させ、第１の更新されたデータ重力インデックススコアおよび第２の更新されたデータ重力インデックススコアに少なくとも部分的に基づいて、予測データ重力インデックススコアを計算させることができる。

コンピュータコードはさらに、プロセッサに、ノードのサブセットの１つまたは複数のデータ記憶パラメータを受信させ、１つまたは複数のデータ記憶パラメータに関連付けられた１つまたは複数のパターンを決定させ、１つまたは複数のパターンに少なくとも部分的に基づいて、ノードのサブセットの更新されたデータ特性を要求させ、ノードのサブセットの要求された更新されたデータ特性を受信させ、ノードのサブセットの受信された更新されたデータ特性の少なくとも一部に基づいて、更新されたデータ重力インデックスを計算させることができる。

別の実施形態では、複数のストレージデバイス間のデータの異種ストレージを評価するためのコンピュータ実装方法が開示される。本方法は、複数のフォレンジックソース提出
者から１つまたは複数のノードに関する情報を受信することであって、１つまたは複数のノードは、ネットワークと、マスデータストレージシステムと、データ質量、データアクティビティ、帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、データ記憶パラメータと、１つまたは複数のゾーンインジケータと、１つまたは複数のインターネットプロトコルＩＰアドレスと、に関連付けられ、提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、ノードのサブセット内のノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、選択されたゾーンインジケータ、およびコンテキストに従って重み付けされたノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、ノードのサブセットのデータ重力インデックススコアを計算することと、計算されたデータ重力インデックススコアで知識データベースを更新することと、計算されたデータ重力インデックススコアを出力することと、を含む。

コンピュータ実装方法は、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、暗号化データパケットを自動的に生成することをさらに含むことができる。

コンピュータ実装方法は、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を自動的に生成することをさらに含むことができる。

コンピュータ実装方法は、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動警告フラグを自動的に生成することをさらに含むことができる。

コンピュータ実装方法は、計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成することをさらに含むことができる。

コンピュータ実装方法は、計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュすることをさらに含むことができる。

コンピュータ実装方法は、以下の式：（（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）を使用して、データ重力インデックススコアを計算することをさらに含むことができる。

コンピュータ実装方法は、以下の式：（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）を使用して、データ重力インデックススコアを計算することをさらに含むことができる。

別の実施形態では、コンピュータ実行可能命令を記憶する非一時的コンピュータ記憶媒体が開示される。プロセッサによって実行されると、コンピュータ実行可能命令は、プロセッサに、複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、１つまたは複数のノードは、ネットワークと、マスデータストレージシステムと、データ質量、データアクティビティ、帯域幅、またはレイテンシのう
ちの少なくとも１つを含むデータ特性と、データ記憶パラメータと、１つまたは複数のゾーンインジケータと、１つまたは複数のインターネットプロトコルＩＰアドレスと、に関連付けられ、提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、ノードのサブセット内のノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、選択されたゾーンインジケータ、およびコンテキストに従って重み付けされたノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、ノードのサブセットのデータ重力インデックススコアを計算することと、計算されたデータ重力インデックススコアで知識データベースを更新することと、計算されたデータ重力インデックススコアを出力すること、を行わせる。

コンピュータ実行可能命令はさらに、プロセッサに、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、暗号化データパケットを自動的に生成させることができる。

コンピュータ実行可能命令はさらに、プロセッサに、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を自動的に生成させることができる。

コンピュータ実行可能命令はさらに、プロセッサに、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動警告フラグを自動的に生成させることができる。

コンピュータ実行可能命令はさらに、プロセッサに、計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成させることができる。

コンピュータ実行可能命令はさらに、プロセッサに、計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成させプッシュさせることができる。

コンピュータ実行可能命令はさらに、プロセッサに、以下の式：（（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）を使用して、データ重力インデックススコアを計算させることができる。

コンピュータ実行可能命令はさらに、プロセッサに、以下の式：（（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）を使用して、データ重力インデックススコアを計算させることができる。

本開示の前述の態様および付随する利点の多くは、添付の図面と併せて以下の詳細な説明を参照することによってよりよく理解が深まるにつれて、より容易に理解されるであろう。本明細書に組み込まれ、本明細書の一部を構成する添付の図面は、本開示の実施形態を示す。

図面を通して、参照番号は、参照される要素間の対応を示すために再使用される。図面
は、本明細書に記載の主題の実施形態を示すために提供され、その範囲を限定するものではない。以下、図面を参照して具体的な実施形態を説明する。

データ重力分析システムによって提供される分析を示す図である。 データ重力分析システムの一実施形態を示す全体システム図である。 データ重力インデックススコアを決定するプロセスの一実施形態を示すブロック図である。 広範なデータセンタアーキテクチャの一実施形態を示す全体システム図である。 広範なデータセンタアーキテクチャの別の実施形態を示す全体システム図である。 広範なデータセンタアーキテクチャの別の実施形態を示す全体システム図である。 広範なデータセンタアーキテクチャの別の実施形態を示す全体システム図である。 ユーザインターフェースコンポーネントの一実施形態を示す図である。 自動ゾーニングのプロセスの一実施形態を示すブロック図である。 コンピューティングシステムの一実施形態を示す一般的なシステム図である。

次に、添付の図面を参照して、本開示の実施形態を説明する。本明細書で提示される説明で使用される用語は、単にそれが本開示の実施形態の詳細な説明と併せて利用されているという理由で、限定的または制限的な方法で解釈されることを意図しない。さらに、本開示の実施形態は、いくつかの新規な特徴を含んでもよく、そのうちの１つだけがその望ましい属性に単独で責任を負うものでも、本明細書に記載の本開示の実施形態を実施するのに不可欠なものでもない。さらに、本開示の目的のために、様々な実施形態の特定の態様、利点、および新規な特徴が本明細書に記載されている。そのような利点のすべてが、任意の特定の実施形態に従って必ずしも達成され得るとは限らないことを理解されたい。したがって、例えば、当業者は、１つの実施形態が、本明細書で教示または示唆され得るような他の利点を必ずしも達成することなく、本明細書で教示されるような１つの利点または利点の群を達成するように実施され得ることを認識するであろう。

膨大な量のデータが作成および記憶されると、データは、洞察をもたらし、プロセスまたは経験を改善するために一緒に集約されることが多い。しかしながら、データは、集中化した位置に記憶されることが多い。より多くのデータが集中化した位置に蓄積するにつれて、追加のサービスおよびアプリケーションが集中的に記憶されたデータに引き付けられる可能性が高くなる。地理的位置に関係なくユーザデバイス（モバイル通信デバイス、ラップトップ、タブレットなど）が増え続けているにもかかわらず、より多くのアプリケーションおよびサービスが集中的に記憶または保持されたデータに引き付けられ、その結果、データをある位置から別の位置に移動することはほとんど不可能になる。これは、事業の位置、ユーザへの近接性、規制上の制約、コンプライアンス、およびデータプライバシーを考慮するときに好ましくない複雑さを引き起こす可能性があるバリアを生成する可能性がある。

事業が地理的な拡大を経るにつれて、（例えば、新しいオーディエンスに到達する、新しいチャネルを作成する、および新しいデジタルエコシステムに参加する）、企業が事業を行うときはいつでもデータをサポートおよび維持することができる技術ツールおよびプラットフォームを構築することが重要である。これらの事業は、データ重力に関連する課題のために、データをどこに配置し、ホストし、接続するかを考慮する必要がある。事業
プロセスが正常に実行するためには、データをまとめて、ユーザ、アプリケーション、およびネットワークをデータにもたらし、そのデータを維持するために正しい技術にアクセスできる必要がある。

データ重力は、データが蓄積するにつれて、追加のサービスまたはアプリケーションがデータに引き付けられる可能性が高くなるという効果を表す（「データ重力」と呼ばれる）。データが生成されると、データ、またはデータに関連付けられたユーザに関する洞察をもたらすために、データが集約され、一緒に記憶されることが多い。データが収集されるにつれて、より多くのアプリケーションおよびサービスがデータを使用し始め、データを移動することがほとんど不可能になる。このバリアは、地理的位置に関係なく、ますます多くのデバイスがデータを生成してアクセスするという事実によってさらに悪化する可能性がある。データ重力は、ワークフロー性能を阻害し、セキュリティ上の懸念を引き起こし、事業のコストを増加させる可能性がある。データ重力のこのような悪影響は、規制要件および他の非技術的制約によって複雑になる可能性がある。

いくつかの実施形態では、連続的なデータ作成ライフサイクルは、データ重力を引き起こすおよび／またはデータ重力に実質的に寄与することができる。例えば、ユーザおよびエンドポイント（例えば、携帯電話、モノのインターネット（「ＩｏＴ」）デバイス、センサなどのユーザコンピューティングデバイス）の数が増加すると、生成されるデータの量が増加する可能性がある。ユーザおよびエンドポイントの数の増加は、ユーザと機械（例えば、サービスプロバイダサーバ）との間の対話およびトランザクションの増加につながる可能性がある。異なる企業から収集されたデータは、プレゼンテーション、交換、および準拠ストレージ用に収集およびフォーマットすることができる。記憶または保持されたデータは、例えば、企業間の競争優位性を得るために分析および／または強化することができ、さらなるデータの集約および交換をもたらすことができる。いくつかの実施形態では、分析プラットフォームを提供して、これらの大規模で絶えず増加しているデータセットを消化して、分析ツールを提供されることができる。

図１Ａは、データ重力分析システム１００によって管理されるクラウドストレージシステムおよびサーバとして示される、データストアのサンプルのグローバル分布の一例を示す。データ重力分析システム１００は、システムのデータ重力を決定するために様々なストレージシステムに対して分析を実行する。図示の実施形態では、分析は地理的地域に基づいてセグメント化される。データ１０１の強度は、各地域内の様々な位置におけるデータ重力の相対的な指示を表すデータプロキシを介して示される。

データ重力分析システム
図１Ｂは、データ重力分析システム１００の例示的実施形態を示す。データ重力分析システム１００は、ユーザインターフェース（「ＵＩ」）１０２、データ取り込み、データクレンジング、データリンケージ、レポート生成、および他の関連機能を含むがこれらに限定されない機能を実行することができる一組のサブシステムまたはモジュール１０４、データベース１０６、および分析システム１０８を含むことができる。ＵＩ１０２は、レポート生成サービスなどのサービスから直接、またはデータベース１０６から直接データを受信することができる。いくつかの実施形態では、データは、自動化ツールもしくはフォレンジックデータ収集エージェントを介して、またはデータを収集してデータ重力分析システム１００に提出するように構成されたフォレンジックソース提出者から収集することができる。いくつかの実施形態では、データ重力分析システム１００は、位置に関連するソース変数の多様なセットからデータを集約し、データを使用してデータ重力のメトリックを提供するスコア（「データ重力インデックススコア」と呼ばれる）を計算することができる。分析システム１０８は、例えば、データベース１０６と電子的に通信し、データを送受信することができ、データ重力インデックススコアを計算することができる。

いくつかの実施形態では、データ重力インデックススコアは、他のスコアの複合体であってもよく、データ重力のタイプまたはデータ重力の中心を表してもよいことが認識される。データ重力分析システム１００は、異なるタイプのデータ重力を重み付けし、従来のインデックスで提供される方法と同様の累積スコアを提供することができる。一例として、データ質量の中心は、企業、政府、政府機関もしくは部門、データセンタ、ポイントオブプレゼンス、データセンタのグループ、科学もしくは研究施設の集合、またはデータ重力効果をもたらす統計的に有意な量もしくは極端な量でデータを記憶している大都市、国、地域、もしくは地域の集合などの他のエンティティであってもよい。データアクティビティの中心は、統計的に有意なまたは多数のトランザクションが生成または処理されているエンティティを含んでもよい。例えば、ニューヨークのトップの金融センタが、ある期間中のデータアクティビティの中心であることが判明する場合があり、またはストリーミングサービスは、大量のユーザ・スチーミング（ｓｔｅａｍｉｎｇ）・データがある場合にデータアクティビティの中心であることが判明する場合がある。データアクティビティは、１つのタイプのデータであってもよく、または、例えば、データアクティビティトランザクションがタイプによって分類またはセグメント化されることを可能にするデータアクティビティ交換（例えば、マルセイユまたはアムステルダムのような接続位置）などのデータタイプの傘であってもよいことが認識される。データ重力インデックスが他の重心とそれらのそれぞれのスコアとの複合体である実施形態では、スコアは、全体的に各スコアが特定の位置に及ぼす影響のランキング、区別、およびより深い理解を可能にすることができる。

いくつかの実施形態では、データベース１０６に記憶または保持されるデータは、１つまたは複数のサードパーティシステム１３０または外部データベース１２０からのものであり得る。

データ重力分析システム１００は、システム内のルールベースのパラメータによって設定され得る、および／またはシステムによって自動的に決定され得る様々なパラメータに基づいて、データ重力インデックススコアを計算することができる。例えば、データ重力インデックススコアは、大都市、地理的領域、企業、産業などについて別々に計算されてもよい。したがって、いくつかの実施形態では、データ重力分析システム１００は、大都市、地理的領域、企業、産業などの間のデータ重力インデックススコアを計算し、および／またはそれらの間の分析的比較を提供することができる。データ重力分析システム１００は、そのようなスコア、比較、および分析のインタラクティブなリアルタイムの視覚化を、予測メトリクス、推奨動作、および／またはシステムが特定の動作を実行するための自動化された命令と共に生成することができ、例えば、１つまたは複数のデータセットの再割り当てもしくは移行、計算もしくはアプリケーション機能／サービス、またはネットワーキングリソースの再割り当てを実行する。

いくつかの実施形態では、インデックススコアは、データの作成、集約、および／または処理を測定するための相対プロキシを提供することができる。データ重力インデックススコアは、企業特性（ｆｉｒｍｏｇｒａｐｈｉｃ）データ（例えば、産業セグメント、従業員データ、収益データ、位置データ、企業エンティティなど）、技術（ｔｅｃｈｎｏｇｒａｆｉｃ）データ（例えば、情報技術（「ＩＴ」）の支出、好ましいベンダ、ネットワークトラフィック分布、ネットワークポイントオブプレゼンス（「ＰｏＰ」）、データセンタ（「ＤＣ」）のＰｏＰ、クラウドのＰｏＰなど）、および産業ベンチマーク（例えば、データ作成／転送速度、アクセス方法によるレイテンシ、ユーザタイプ、位置、およびアプリケーションタイプ、増加速度、クラウド使用、ネットワーキングサービス、分散サービス、データ技術、エンドポイント、ユーザデバイス、アプリケーション使用事例など）を含むがこれらに限定されないいくつかの属性を考慮に入れることができる。このよう
に、データ重力分析システム１００は、例えば、支出データを収容する会計システム、サードパーティベンダシステム、サードパーティデータベンダシステム、ネットワークサーバ、データセンタサーバ、クラウドプロバイダサーバ、マーケティングシステムプラットフォーム、ＩｏＴプラットフォーム、リソース管理サーバ、顧客関係サーバなど、関連するデータおよびメトリクスを提供する１つまたは複数のシステムと直接通信するコンポーネントを含んでもよい。

いくつかの実施形態では、データ重力インデックススコアは、以下の変数：ＩＴ支出、コロケーション支出、クラウド支出、本部の拠点、事業ユニットの拠点、市場価値、データトラフィック、国内総生産（「ＧＤＰ」）、様々なレベル（例えば、都市、大都市、国、州、国、および地域など）、人口、従業員数、データセンタの拠点、帯域幅の可用性、平均レイテンシ、平均トラフィック、ピークトラフィック、産業の拠点などのうちの１つまたは複数を含み、それらに関連する関連データを取り込むことができる。

いくつかの実施形態では、データ重力インデックススコアは、以下の変数：総ＩＴ支出、ＩＴストレージ支出、ＩＴサーバ支出、ＩＴストレージ支出の増加、ＩＴサーバ支出の増加、ＩＴサーバコスト、ＩＴストレージコスト、帯域幅の可用性、平均レイテンシ、産業の拠点、ストレージ消費率、展開されているストレージの割合、展開されているストレージの種類などのうちの１つまたは複数を含み、それらに関連する関連データを取り込むことができる。

いくつかの実施形態では、データ重力インデックススコアは、以下の変数：従業員によって作成されるデータの量、顧客によって作成されるデータの量、システムによって作成されるデータの量、機械によって作成されるデータの量、センサによって作成されるデータの量、デバイスによって作成されるデータの量などのうちの１つまたは複数を含み、それらに関連する関連データを取り込むことができる。

いくつかの実施形態では、データ重力インデックススコアは、以下の変数：機械学習を実行するサーバに必要な処理の量、人工知能を実行するサーバに必要な処理の量、ビッグデータを実行するサーバに必要な処理の量、分析を実行するサーバに必要な処理の量、実行アプリケーションを実行するサーバに必要な処理の量、サービス（ウェブなど）を実行するサーバに必要な処理の量などのうちの１つまたは複数を含み、それらに関連する関連データを取り込むことができる。

いくつかの実施形態では、データ重力インデックススコアは、以下の変数：年平均成長率（「ＣＡＧＲ」）、都市もしくは大都市帯域幅速度、都市間もしくは大都市間帯域幅速度、都市間もしくは大都市間帯域幅成長、１秒あたりの実行命令数（「ＭＩＰＳ」）、ワット数、ネットワークトラフィック、ネットワークパターン、コンテンツ配信ネットワークトラフィック、コンテンツ配信ネットワークパターン、他のインデックスなどを介して計算される、大都市間のレイテンシ、大都市間の帯域幅、人と機械または人とデバイスとの対話の一人あたりの成長、グラフィック処理装置（「ＧＰＵ」）／中央処理装置（「ＣＰＵ」）のコスト、１秒あたりのＧＰＵ／ＣＰＵ浮動小数点演算（「ＦＬＯＰ」）容量、都市もしくは大都市帯域幅成長のうちの１つまたは複数を含み、それらに関連する関連データを取り込むことができる。

データ重力インデックススコア
図２は、データ重力インデックススコアを計算するための例示的なプロセスを示す。ブロック２０２において、所与の位置に記憶または保持されるデータの量が決定される。本明細書で説明されるように、所与の位置は、大都市（例えば、ロサンゼルス）または地理的地域（例えば、カリフォルニア州）であり得る。いくつかの実施形態では、地域を定義
するため、またはデータが大都市圏領域、ロケール、街路、ブロック、地域、州、郡、国などに含まれるかどうかを決定するために、緯度および経度データによって、またはそれに基づいて地域を定義することができる。ブロック２０４において、所与の位置で動いているデータの量が決定される。本明細書で説明されるように、データは、例えば、ある位置から別の位置に転送されているとき、またはユーザデバイスによってアクセスされているときに動くことができる。ブロック２０６において、所与の位置または他のネットワーク計算に利用可能な総集約帯域幅が決定される。例えば、ある期間にわたる平均ネットワークトラフィックデータまたはピークトラフィックデータが、計算として使用されてもよい。期間は、サブ秒（例えば、ミリ秒、マイクロ秒、ナノ秒など）以上（秒、分、時、日、週、月、四分位、年、数十年など）から所望される任意の期間とすることができる。複数のネットワーク計算が使用されてもよいことも認識される。ブロック２０８において、所与の位置と他のすべての位置との間の平均レイテンシが決定される。例えば、データおよび帯域幅データの量は、サードパーティシステムからのメトリックの自動収集または報告、データを記憶または処理するサーバまたはシステム上で実行される特定の分析、ならびにそのようなデータセットの更新されたソースを提供するサードパーティシステムからに基づいて決定され得る。データ重力分析システム１００は、１つまたは複数のアプリケーションプログラミングインターフェース（「ＡＰＩ」）を含んでもよく、ならびに／またはデータおよび他の関連情報を安全に収集するために１つまたは複数のサードパーティＡＰＩと通信してもよい。

ブロック２１０において、所与の位置に記憶されたデータの量、所与の位置で動いているデータの量、所与の位置に利用可能な総集約帯域幅、および所与の位置と他のすべての位置との間の平均レイテンシに基づいて、データ重力インデックススコアが決定される。いくつかの実施形態では、データ重力インデックススコアは、以下の式を使用して計算することができる。
データ重力＝（ＤＭ＊ＤＡ＊ＢＷ）／Ｌ^２
式中、ＤＭはデータ質量であり、ＤＡはデータアクティビティであり、ＢＷは帯域幅であり、Ｌはレイテンシである。データ質量は、所与の位置に記憶または保持されるデータの量を表すことができる。データアクティビティは、動いているデータ（例えば、対話または動き）を表すことができる。いくつかの実施形態では、データアクティビティは、データ質量の増幅器であり得る。帯域幅は、所与の位置で利用可能な総集約帯域幅であり得る。いくつかの実施形態では、帯域幅は、例えば、より高い帯域幅は、より多くのトラフィックおよび利用（例えば、より多くのサービスおよびアプリケーションを引き付けるための）に起因してより多くの可能性を表すことができ、より低い帯域幅は、より少ない可能性を表すことができるため、データ重力を計算する際の乗数である。レイテンシは、所与の位置と他のすべての位置との間の平均レイテンシであり得る。いくつかの実施形態では、より高いレイテンシはより低い可能性（例えば、より多くのサービスおよびアプリケーションを引き付けるための）を表すことができ、より低いレイテンシはより高い可能性を表すことができるので、レイテンシはデータ重力の阻害要因である。例えば、より高いデータ重力インデックススコアは、所与の領域における企業データ成長のより大きな引力を反映することができるが、より低いデータ重力インデックススコアは、より少ない引力を反映することができる。さらに、レイテンシは光速であってもよく、中実または中空の光ファイバケーブルを通る速度であってもよく、測定されたレイテンシであってもよく、またはネットワーク上のラウンドトリップ時間レイテンシであってもよい。

いくつかの実施形態では、データ質量（「ＤＭ」）、データアクティビティ（「ＤＡ」）、および帯域幅（ＢＷ）をレートとして測定することができる。例えば、データ質量（「ＤＭ」）、データアクティビティ（「ＤＡ」）、および帯域幅（「ＢＷ」）は、１秒あたりのキロバイト、１秒あたりのメガバイト、１秒あたりのギガバイト、１秒あたりのテラバイト、１秒あたりのペタバイト、１秒あたりのエクサイバイトなどで測定することが
できる。例えば、データ転送に関連する他の測定値が、データ重力インデックススコアを計算するために使用されてもよい。いくつかの実施形態では、レイテンシはミリ秒単位で測定される。しかしながら、レイテンシを定量化するために、ナノ秒、マイクロ秒、センチ秒、デシ秒などを含むがこれらに限定されない他の測定値が使用されてもよい。

データ重力インデックススコアは、他の式を使用して計算されてもよく、および／または制御因子に基づいて選択されてもよいことが認識される。例えば、データ重力インデックススコアは、以下の式を使用して計算することができる。
データ重力＝（（ＤＭ＊ＤＡ）^２＊ＢＷ）／Ｌ^２

追加の例として、データ重力インデックススコアは、以下の式のうちの１つを使用して計算されてもよい。
データ重力＝（ＤＭ＊ＤＡ＊ＡＴ）／Ｌ^２
データ重力＝（（ＤＭ＊ＤＡ）^２＊ＡＴ）／Ｌ^２
式中、ＡＴは平均トラフィック、ピークトラフィック、または平均帯域幅を表す。

データ重力インデックスを計算するための他の式（例えば、本明細書に記載の変数の組み合わせに基づく）は、以下を含むことができるが、これらに限定されない。
データ重力＝（ＤＭ＊（ＤＡ＾２））＊ＡＴ）／Ｌ＾２
データ重力＝ＤＭ／Ｌ＾２
データ重力＝ＤＡ／Ｌ＾２
データ重力＝ＡＴ／Ｌ＾２
データ重力＝ＤＡ＊ＡＴ／Ｌ＾２
データ重力＝ＤＭ＊ＡＴ／Ｌ＾２
データ重力＝ＤＡ＾２／Ｌ
データ重力＝ＤＭ＾２／Ｌ
データ重力＝ＡＴ＾２／Ｌ
いくつかの実施形態では、データ重力インデックススコアは、様々なセグメントに様々な式を適用してもよく、および／または１つまたは複数の式を組み合わせてもよいことも認識される。いくつかの実施形態では、計算される特定のデータ重力タイプに応じて、様々な式の変形が適用されてもよい。

いくつかの実施形態では、様々なタイプのレート制限、影響、および／または制御変数を本明細書で説明されるシステム、方法、および方程式に追加して、データ重力インデックススコア計算の様々な変形を可能にすることができる。以下でさらに説明するように、データ重力インデックススコア計算は、成長率と共に使用されて、予想または予測を実行することができる。

いくつかの実施形態では、データ重力分析システム１００は、所与の大都市（例えば、ロンドン）のデータ重力強度を表す大都市データ重力強度スコアを計算することができる。いくつかの実施形態では、地理的座標、ラベル、郵便番号、または他のデータソースが使用されて、地理的境界を決定し、および／または境界内にあるデータセットに焦点を合わせるためにデータセットをフィルタリングすることができる。

いくつかの実施形態では、データ重力分析システム１００は、２つの大都市間のデータ重力強度（例えば、ロサンゼルスとニューヨーク市との間）を表す、大都市間データ重力インデックススコアを計算することができる。

いくつかの実施形態では、データ重力分析システム１００は、大都市（例えば、シリコンバレー）の特定の産業（例えば、コンピュータおよび電子製品の製造）のデータ重力強
度を表す、産業の大都市データ重力インデックススコアを計算することができる。

いくつかの実施形態では、データ重力分析システム１００は、大都市（例えば、アトランタまたはリサーチトライアングル）内の特定の企業（例えば、ＷａｌｍａｒｔまたはＣｏｃａ Ｃｏｌａ）のデータ重力強度を表す、大都市企業データ重力インデックススコアを計算することができる。

データ重力分析システム１００は、データ重力インデックススコアの計算、探索、計画、および報告のための自動化ツールを提供することができる。データ重力インデックススコアの計算、探索、計画、および報告は、ＵＩに提供される１つまたは複数の特徴の電子選択または閲覧によって行うことができ、データ重力インデックススコアを計算するためのデータは、例えば、データ重力分析システム１００の１つまたは複数のデータベース１０６に記憶または保持することができる。本明細書で説明されるように、データ重力分析システム１００のサブシステムまたはモジュール１０４は、データがシステム１００に取り込まれるときに、データのインポート／ロードおよび変換／クレンジング／キュレーションを支援することができる。取り込まれると、データは、データ重力インデックススコアの計算を支援するために、他のサブシステムまたはモジュール１０４（例えば、分析を実行する）によって処理され得る。いくつかの実施形態では、データ重力インデックススコアは、報告書などを生成するために後処理または同時に利用可能にすることができる。

いくつかの実施形態では、データ重力インデックススコアは視覚化されて、さらなる洞察を提供することができる。例えば、データ重力インデックススコアは、マップ上のドットとして表すことができ、ドットのサイズは、様々な地域または大都市に関連付けられたデータ重力インデックススコア（例えば、ドットが大きいほど、データ重力強度が大きいことを示す）を表す。

現在のバックホールアーキテクチャは、例えば、データ重力に関連する以下の制限／困難に対処することができない：（１）複数の内部および／または外部プラットフォームにわたるデータの交換が制限される、（２）データコンプライアンスのためにローカルデータコピーを維持する、および（３）グローバルポイントオブプレゼンスにおける高性能な方法での同時マルチデータセット分析が制限される。したがって、いくつかの実施形態では、データ重力分析システム１００は、これらの制限／困難のうちの１つまたは複数を克服する技術を提供することができる。

広範なデータセンタアーキテクチャ
図３Ａは、広範なデータセンタアーキテクチャ３００の一実施形態を示す。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、企業、接続性、ならびにクラウドおよびコンテンツプロバイダの間の接続されたコミュニティアプローチを提供することによって、データ重力によって引き起こされる問題に対処することができる。例えば、広範なデータセンタアーキテクチャ３００は、データ交換の中心でコア（例えばデータレイク）、クラウド（例えば、データアーカイブ）、およびエッジ（例えば、データ取り込み）を統合することができる。別の例では、広範なデータセンタアーキテクチャ３００は、事業のポイントオブプレゼンスにおいてグローバルに、安全なハイブリッドＩＴおよびデータ中心のアーキテクチャを実装することができる。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、データ重力分析システム１００によってデータ重力インデックススコアを決定するために使用されるデータを収集することができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、トラフィックフローを反転させ、ユーザ、ネットワーク、およびクラウドを、例えば、プライ
ベートホストされた企業データにもたらすことができるツールおよび技術を提供することによって、データ重力に関連するバリアを取り除くことができる。言い換えれば、広範なデータセンタアーキテクチャ３００は、例えば、データをアーキテクチャの中心に置き、ユーザ間の相互接続を活用し、クラウドおよびユーザをデータにもたらすことができる。そうすることで、広範なデータセンタアーキテクチャ３００は、企業およびサービスプロバイダに、近接しているが互いに分離しているそれらのインフラストラクチャをホストするための安全で中立的なミーティング場所を提供することができる。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、マルチテナントデータセンタプラットフォームであり得る。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、より安全なデータ交換を可能にすることによって、企業のリスクを低減することができる。任意選択的に、広範なデータセンタアーキテクチャ３００は、例えば、帯域幅（例えば、帯域幅を維持または増加させる）およびインフラストラクチャ（例えば、二重化されたインフラストラクチャを維持する）に関連するコストを低減することができる。任意選択的に、広範なデータセンタアーキテクチャ３００は、例えば、無制限の（例えば、地理的に）データ分析性能を可能にすることによって、企業の収益を増加させることができる。さらに、そのような分析は、特定のクライアントからのまたは特定の許可の下での分析および／またはデータが他のクライアントと共有されないように、または許可された許可の外部で共有されないように、（例えば物理的または仮想的に）分割またはサイロ化することができる。

図３Ａに示される例示的実施形態では、広範なデータセンタアーキテクチャ３００は、様々なデータセンタに関する情報を受信し、次いでデータ重力インデックススコアを生成するデータ重力分析システム１００と電子通信する。広範なデータセンタアーキテクチャ３００はまた、ネットワークハブ３０２、制御ハブ３０４、データハブ３０６、およびワークフロー相互接続システム３０８を含むことができる。ネットワークハブ３０２は、ネットワーク性能を最適化または改善するために、トラフィックを入口／出口ポイントに統合または局所化することができる。いくつかの実施形態では、ネットワークハブ３０２は、ユーザ側とホスト側との間の情報の交換を容易にする。ユーザ側では、ネットワークハブ３０２は、モバイルバックホール、仮想プライベートネットワーク（「ＶＰＮ」）端末、モノのインターネット（「ＩＯＴ」）ゲートウェイ、およびインターネットドレインにアクセスすることができる。モバイルバックホールは、コアネットワークとモバイルネットワークの無線アクセスネットワークとを接続するトランスポートネットワークを含んでもよい。ＶＰＮは、ユーザが、あたかもデバイスがプライベートネットワークに直接接続されているかのようにデータを送受信することができるように、プライベートネットワークを拡張する非セキュアなインターネットを介してセキュアな接続を確立することを可能にする。ＩＯＴゲートウェイは、ＩｏＴデバイス、機器システム、センサ、およびクラウドを接続するシステムを含む。インターネットドレインは、ユーザがインターネットサービスプロバイダのプライベートネットワークを離れ、他のネットワークからルータにアクセスする点である。ホストまたはサービスプロバイダ側では、ネットワークハブ３０２は、マルチプロトコルラベルスイッチング（「ＭＰＬＳ」）リンク、キャリアイーサネット、データセンタ、およびクラウドインターコネクトを介して接続することができる。このようにして、ネットワークハブ２０３は、ネットワーク性能を向上または最適化し、コストを低減するために、トラフィックを入口／出口ポイントに統合し、局所化することができる。ＭＰＬＳは、データセンタとブランチオフィスとをリンクするプライベート接続であり、通常、特定のネットワーク性能、品質、および可用性を提供することを主張するサービスプロバイダによって管理される。キャリアイーサネットは、ネットワークプロバイダが顧客にイーサネットサービスを提供し、イーサネット技術を使用することを可能にするイーサネット技術のアプリケーションである。データセンタおよびクラウドインターコ
ネクトは、サードパーティサービスプロバイダによって運用され得る。

データハブ３０６は、データを最適化または改善するために、データ集約、ステージング、分析、ストリーミング、およびデータ管理を局所化することができる。いくつかの実施形態では、ネットワークハブ３０２で収集および処理されたデータは、さらなる動作のためにデータハブ３０６に配信される。例えば、非構造化データはデータレイクに記憶されてもよい。いくつかのデータは、処理速度を向上させるために並列に動作するノードを含む高性能コンピューティングクラスタに記憶されてもよい。他のデータは、異なるソースからのデータ（計算記憶後）を構造化データセットに収集し、集中化したデータウェアハウスに記憶する統合プロセスを介してストリーミングおよび分析されてもよい。

制御ハブ３０４は、例えば、セキュリティ姿勢およびＩＴ動作を改善するために、隣接するセキュリティおよびＩＴ制御をホストすることができる。いくつかの実施形態では、データハブ３０６からのデータはその後、データがＩＴ動作またはセキュリティ制御の対象となり得る制御ハブ３０６に配信される。ＩＴ動作は、例えば、構造化データの監視、ロギング、仮想化、および管理などの管理プロセスを含んでもよい。セキュリティ制御は、管理セキュリティ、運用セキュリティ（運用アプリケーション）、および物理セキュリティ（インフラストラクチャ）を含んでもよい。ここで、データセンタインフラストラクチャ管理（「ＤＣＩＭ」）ソフトウェアおよびポータルが使用されて、データのセキュリティを向上させるための制御を支援することができる。

ワークフロー相互接続システム３０８は、サービス変更マルチクラウドおよび事業間（「Ｂ２Ｂ」）アプリケーションエコシステムにソフトウェア定義ネットワーク（「ＳＤＮ」）オーバーレイを追加することができる。ワークフロー相互接続システム３０８は、安全で高性能な分散ワークフローを可能にするために、大都市（例えば、ニューヨーク、ロサンゼルス、およびソウル）および地域（例えば、北米、欧州、東南アジアなど）にわたってハブを接続することができる。任意選択的に、ワークフロー相互接続システム３０８は、タイプ、速度、目的地、時刻、またはエコシステム参加者に基づいて、ビジネスニーズに合わせた、またはビジネスニーズに応じた仮想相互接続を可能にすることができる。いくつかの実施形態では、ワークフロー相互接続システム３０８は、Ｄｉｇｉｔａｌ ＲｅａｌｔｙのＰｌａｔｆｏｒｍＤＩＧＩＴＡＬ（登録商標）上のＳＸファブリックであり得る。ワークフロー相互接続システム３０８は、例えば、ソフトウェア・アズ・ア・サービス（「ＳａａＳ」）、プラットフォーム・アズ・ア・サービス（「ＰａａＳ」）、インフラストラクチャ・アズ・ア・サービス（「ＩａａＳ」）、およびロケーション・アズ・ア・サービス（「ＬａａＳ」）を含む様々なデジタルサービスをサポートすることができる。ＳａａＳは、ソフトウェアがサブスクリプションベースでライセンスされ、プロバイダまたはプロバイダに代わって集中的にホストされる配信モデルを含む。ＰａａＳは、サービスプロバイダがクライアントにプラットフォームを提供し、そのようなソフトウェア開発プロセスが通常必要とするインフラストラクチャを構築および維持する必要なく、クライアントがビジネスアプリケーションを開発、実行、および管理することを可能にするクラウドコンピューティング提供の一種である。ＩａａＳは、インフラストラクチャのリソースがサービスプロバイダによって所有されるように、オンデマンドでクライアントに提供することができる基盤のネットワークインフラストラクチャのコンポーネントにアクセスするために使用されるＡＰＩを提供するオンラインサービスを含む。ＬａａＳは、キャリア、Ｗｉ－Ｆｉ、ＩＰアドレス、および地上回線を含む複数のソースを介して取得されたプライバシー保護された物理的位置データがＡＰＩを通じて企業顧客に利用可能な位置データ配信モデルである。ワークフロー相互接続システム３０８は、マルチクラウドおよびＢ２Ｂアプリケーションエコシステムをサービスチェーンし、ハブを大都市および地域にわたって接続して、安全で高性能な分散ワークフローを可能にするために使用されてもよい。

いくつかの実施形態では、ネットワークハブ３０２、制御ハブ３０４、データハブ３０６、およびワークフロー相互接続システム３０８は、全体として広範なデータセンタアーキテクチャ３００の下で機能するように集合的に機能する。ネットワークハブ３０２は、タイプ、速度、目的地、時刻、またはエコシステム参加者に基づいて、ビジネスニーズに合わせたプロビジョニングされた仮想対話を提供するために、ワークフロー相互接続システム３０８に直接接続されてもよい。データハブ３０６は、ネットワークハブ３０２に接続されてもよく、その結果、ネットワークハブ３０２は、さらなる動作のために、静止状態のデータをデータハブ３０６に入力し、データハブ３０６は、動きのあるデータをネットワークハブ３０２に出力して戻す。制御ハブ３０４は、ポリシー検査および実施のためにネットワークハブ３０２に接続されてもよい。

図３Ｂは、データ重力分析システム１００を含む広範なデータセンタアーキテクチャ３００の別の実施形態を示す。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、データ取り込み技術を推奨することができる。これらの推奨は、自動化され、例えば、データタイプ、データの古さ、データの量、データの位置などの１つまたは複数の要因に基づいてもよい。いくつかの実施形態では、機械学習が使用されて、そのようなデータをどのように取り込みおよび／または記憶することができるかに関する推奨を示す予測分析を提供することができる。機械学習は、ニューラルネットワーク、遺伝的アルゴリズム、クラスタリングなどの人工知能を含んでもよい。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、古いデータのデータ回転（例えば、アーカイブ、ダウングレード、または非優先順位付け）を容易にすることができる。データアクセスおよび交換履歴を監視および追跡することによって、広範なデータセンタアーキテクチャ３００は、例えば、もはや最新ではないまたは古くなった古いデータを識別することができる。古くなったデータが識別されると、広範なデータセンタアーキテクチャ３００は、例えば、古いデータの優先順位を下げ、例えば、法的遵守のために古いデータのハードコピーを維持すること、ユーザアクセスを容易にするために別の位置に古いデータを転送することなどに関連する消費リソースの量を制限または低減することができる。スクリプト、バックエンドプロセス、データ移行プロセスなどの自動化ツールが使用されて、古いデータを更新、フィルタリング、記憶、移行、および／または削除することができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、レガシーデータセンタを統合し、新しい地域ＩＴホスティングゾーンを導入し、インフラストラクチャ展開を標準化することによって、既存のＩＴポートフォリオを合理化することができる。そうすることで、広範なデータセンタは、有利には、例えば、分散型ＩＴを展開する速度を向上させ、データセンタのベンダの数を減らし、柔軟なインフラストラクチャを実装することができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、ローカルネットワーク入口／出口を実装し、ネットワークセグメント／トポロジを最適化／改善し、マルチクラウド接続をインスタンス化することによって、ネットワークを再配線することができる。そうすることで、広範なデータセンタ３００は、有利には、例えば、レイテンシを短縮してスループットを向上させ、従業員ごとの帯域幅を増加させ、高性能なマルチクラウド接続を提供し、グローバルなトラフィック管理を改善することができる。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、データ重力分析システム１００によって提供される分析に応答して変更を実施するために他のコンポーネ
ント（内部または外部）を自動的に生成および命令することができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、入口／出口制御ポイントを実装し、入口／出口ポイントでＩＴおよびセキュリティスタックをホストし、インフラストラクチャ管理を単純化することによって、ハイブリッドＩＰ制御を実装することができる。そうすることで、広範なデータセンタ３００は、有利には、例えば、ＩＴの脆弱性ポイントを低減し、セキュリティの姿勢を改善し、運用の複雑さを低減し、ＳａａＳベースのセキュリティおよび運用サービスを安全に直接接続することができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、データステージング／集約を実施し、パブリック／プライベートデータソースを統合し、ネットワーク入口／出口ポイントに隣接するデータおよび分析をホストすることによって、データ交換を最適化または改善することができる。そうすることで、広範なデータセンタ３００は、有利には、例えば、ユーザ、モノ、ネットワーク、およびクラウド間のデータ交換を最適化または改善し、データコンプライアンスおよび権限を維持し、ワークフロー全体でリアルタイムインテリジェンスを可能にし、データ重力の課題を解決することができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、例えば、サービスチェーンマルチクラウドおよびＢ２Ｂアプリケーションによってグローバルなワークフローを相互接続し、大都市間および地域間ハブを相互接続し、デジタルエコシステムをローカルおよびグローバルに直接接続することができる。そうすることで、広範なデータセンタ３００は、有利には、例えば、ＳＤＮベースの相互接続を可能にし、ワークフロー参加者およびサービスを動的に接続し、デジタルエコシステムをグローバルに安全に統合し、安全なＢ２Ｂワークフロー協調を可能にすることができる。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、異なる管轄区域（例えば、州および国）からの規制順守、セキュリティ、プライバシー、インポート／エクスポート規則を理解し遵守するためのツールを含むことができる。例えば、広範なデータセンタアーキテクチャ３００は、異なる管轄区域および／または有効期間に関するルールを記憶し、次いでそれらのルールをデータおよび分析にオーバーレイして、データを再割り当てまたは更新する方法に関する推奨または命令パッケージを生成する、１つまたは複数のルールベースのシステムを含んでもよい。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、経時的なデータ重力インデックスの変化に基づいて顧客に配信される自動推奨レポートを提供するサービスを含んでもよい。例えば、推奨は、データ重力インデックス番号に基づいて、Ｘ地域の容量の増加、Ｙ大都市の容量の増加、Ｘ地域からＹ地域へのデータのリルート、Ｙ大都市とＺ大都市との間の帯域幅の増加または冗長ルートの追加、Ｙ大都市からＺ大都市への新しいルートの作成、Ｚ大都市でのセキュリティ制御の変更、Ｘ地域とＢ地域との間に記憶されたデータのリバランスのうちの１つまたは複数を含んでもよい。

いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、履歴データに基づいてデータ重力インデックススコア予想を生成および提供することができる。予想は、例えば、予想される成長領域（例えば、データが急速に蓄積している地域、大都市、または国）に基づいてユーザ（例えば、企業）に推奨を提供するために使用されることができる。予想は、例えば、銀行および金融サービス、医薬品、鉱業および天然資源などのような異なる産業のデータ重力の予測される増加など、様々な産業予想を含んでもよい。

いくつかの実施形態では、成長率（例えば、経済成長率、企業成長率、または産業成長
率）、年間成長（「ＹｏＹ成長」）インデックス、ＣＡＧＲ、および本明細書に記載の他の要因が使用されて、ある期間（例えば、１週間、１ヶ月、１年、１０年など）にわたる地域、国、都市、または地理的領域のデータ重力インデックススコアの変化を予想または予測することができる。予測または予想に使用されるデータは、サードパーティシステム（例えば、データベースまたはサーバ）によって提供されることができる。本明細書で説明されるように、そのような予想または予測は、例えば、別の都市または地域への拡大、予想された需要を考慮した現在の能力の増強または維持、労働力の増減などにおいて事業上の決定を推進することができる。

いくつかの実施形態では、機械学習、パターン認識、および検査、または他の方法が使用されて、データ重力インデックススコアの変化を予想または予測することができる。機械学習は、データ重力インデックススコアの変化を予想または予測するために、本明細書に記載のデータ重力インデックス式の有無にかかわらず使用されてもよい。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００は、計画および投影（例えば、ｗｈａｔ ｉｆ分析など）を支援するために、データ重力インデックスを使用してシミュレーションを生成および実行することができる。これらのシミュレーションは、例えば、影響分析（例えば、障害Ｘが発生し、これらがその効果であった）、およびそのような変更の予期される効果と共に修復（例えば、影響分析に基づいて、ネットワーク、交換などのような１つまたは複数の特徴に対する推奨される変更を提供する）を含んでもよい。

図３Ｃおよび図３Ｄは、データ重力分析システム１００を含む広範なデータセンタアーキテクチャ３００の別の実施形態を示す。

いくつかの実施形態では、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、ユーザインターフェースダッシュボード、モバイルアプリケーション、サードパーティプラットフォーム、および他のアプリケーションなどの他のシステムまたはコンポーネントと電子的に通信することができる。電子通信は、直接接続、無線接続、またはＡＰＩ呼び出しを介してもよい。例えば、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、人工知能または機械学習システムまたはルールエンジンと電子的に通信する、またはそれらを含んでもよい。予測分析を提供するために、または決定を推奨するために、データに対して相関分析および／または機械学習を実行するために、様々なデータアイテムはクレンジング、セグメント化、および／または匿名化されてもよい。電子通信は、モノリシックサービス、マイクロサービス、またはサーバレス技術を介してもよい。

いくつかの実施形態では、データ重力分析システム１００は、機械学習を適用してフォレンジックデータソースまたは他のデータソースを調べ、データ重力式の有無にかかわらず計算のためのデータを供給することができる。また、データ重力分析システム１００は、機械学習を適用して、データ重力インデックスまたはサブタイプもしくはインデックス内のパターンを探し、新しい予測を作成することができる。さらに、データ重力分析システム１００は、データ重力情報から導出された予想および予測を調べることができる。

いくつかの実施形態では、データ重力分析システム１００は、データ重力インデックススコアの結果によって始められる、または開始される処理または他の割り当てまたは自動化をトリガまたは開始してもよい。また、データ重力分析システム１００は、データ重力分析システム１００またはデータ重力インデックススコアおよび他の変数を見る機械学習によってワークフローを自動的に開始または始めてもよい。いくつかの実施形態では、データ重力分析システム１００は、ワークフローを見て、そのワークフローからデータをプルし（例えば、プロビジョニングワークフローまたは展開など）、そのデータを使用してデータ重力インデックスの更新を作成することができる。いくつかの実施形態では、デー
タ重力分析システム１００は、データ重力分析システム１００またはＤｉｇｉｔａｌ ＲｅａｌｔｙのＰｌａｔｆｏｒｍＤＩＧＩＴＡＬ（登録商標）などのシステムでデータ重力インデックスを使用するモデリングまたは評価のいくつかにおいて本明細書で説明される最適化オプションを調べることができる。

例示的なユーザインターフェース
図４は、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００のＵＩ１０２で利用可能であり得るユーザインターフェース特徴の一実施形態を示す。ＵＩ１０２は、例えば、大都市、産業、または地理的属性などの１つまたは複数のゾーンをユーザが選択することを可能にする制御を提供することができる。ＵＩ１０２は、例えば、ユーザ人口統計、アプリケーション、またはインフラストラクチャなどの特定の参加者をユーザが選択することを可能にする制御を提供することができる。ＵＩ１０２は、ユーザが、例えば、不動産レビューまたは商取引分析のストリームなどの特定の事業目的を選択することを可能にする制御を提供することができる。ＵＩ１０２はまた、ユーザが、例えば、データ重力分析、自動推奨のセット、予測のセットなどの出力を選択および／または制御することを可能にする制御を含んでもよい。

例示的なセグメント化／フィルタリング
いくつかの実施形態では、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、各大都市の特定の変数を有する異なる地域のグローバル２０００企業の拠点などから、テラバイト、ペタバイト、またはさらにはエキサバイトのデータおよび属性を取り込み分析するために様々なプラットフォームで使用されてもよい。例えば、ある分析の目的は、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００がデータを特定の産業にセグメント化し、分析をロンドンの銀行および会計会社に関連するデータにのみ適用することができるように、金融産業に関する潜在的な事業拡大であり得る。他の例では、目的は、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００が、特定の産業への異なるセグメント化またはフィルタリングを適用し、分析をロンドンの病院、長期ケアセンタ、製薬会社、および医療提供者に関連するデータにのみ適用することができるように、ヘルスケア産業に関する潜在的な事業拡大を分析することであり得る。別の例として、分析は、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００が、パナマ、コスタリカ、ニカラグア、ホンジュラス、エルサルバドル、グアテマラ、およびベリーズのデジタルメディア企業に関連するデータにのみ分析を適用するようにデータをセグメント化することができるように、中央アメリカのすべてのグローバル２０００企業デジタルメディア企業の拠点のデータに焦点を当てることができる。さらなる例として、分析は、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００がデータをセグメント化して、すべての国にわたる特定の企業に関連するデータにのみ分析を適用することができるように、すべての地域の特定の企業のデータに基づくことができる。

複合分析
いくつかの実施形態では、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００が使用されて、より大きな領域および領域のグループを分析することができる。例えば、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、特定のゾーンのデータ重力インデックスを生成し、それを他のゾーンのデータ重力インデックスと比較することができる。例えば、ロンドンのデータ重力インデックスは、アムステルダムのデータ重力インデックスおよびパリのデータ重力インデックスと共に分析されてもよい。データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、ロンドン、アムステルダム、およびパリのインデックスを含む複合データ重力インデックスを生成することができる。

データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、グローバルな観点からデータ重力を分析して、潜在的な懸念領域にフラグを立て、予測成長領域に基づいて推奨を提供することができる。例えば、人工知能および機械学習が使用されて、成長領域を予測するためのモデルを構築することができ、例えば、データ作成速度、ストレージ容量、処理容量、産業の成長、クラウド使用量の変化、人口の成長、およびオンプレミス、サービスチェーン、マルチクラウド、およびＢ２Ｂアプリケーション用の企業ストレージ（ハードディスクドライブ、ソリッドステートドライブ、およびテープストレージ）の年間展開速度などのデータを使用して訓練されてもよい。任意選択的に、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００はまた、予期されるデータ作成、集約、および処理を測定するためのプロキシとして、様々な地域における企業データの成長の強度および引力を予想してもよい。

例示的なユースケース－リソース割り当ての計画および実行
ユースケースの一例として、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００が使用されて、ロンドンでの事業を拡大する計画を考慮して、コングロマリットのデータストレージ計画を調整することができる。使用されるデータは、ＧＤＰ、人口、従業員数、テクノグラフィックス、インフラストラクチャに関連するネットワークデータ、ＩＴ支出データ、研究、開発コスト、産業予想、企業成長予想、および予期される従業員位置を含んでもよく、ｔｈｅ Ｂｒｉｔｉｓｈ Ｐｅｔｒｏｌｅｕｍ Ｃｏｍｐａｎｙ ｐｌｃ、ＨＳＢＣ、Ｐｒｕｄｅｎｔｉａｌ ｐｌｃ、Ｌｅｇａｌ＆Ｇｅｎｅｒａｌ Ｇｒｏｕｐ、Ａｖｉｖａなどの、ロンドンのすべてのグローバル２０００企業の拠点からのデータを含むことができる。また、隣接する産業の競合企業または類似の企業を考慮してもよいし、上記の各データポイントを考慮するために産業平均または最良の手法を調べてもよい。

データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、例えば、この例では金融セクターである特定の産業などに、データをセグメント化またはフィルタリングするための電子ツールを含むことができる。他のタイプの属性、例えば、地理的サブ領域もまた、データをセグメント化またはフィルタリングするために使用されてもよい。

データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、上記の式のうちの１つまたは複数を使用してデータを分析してデータ重力インデックスを決定することができる。様々な式の変形が使用されて、様々なタイプのデータ重力インデックスを計算することができる。例えば、帯域幅が考慮されていない場合、以下の式が使用されてもよい。
データ重力＝（データ質量＊データアクティビティ）／レイテンシ＾２

データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、例えば、予期されるデータ重力インデックス、ならびに事業のニーズ、ワークフロープロファイル、およびワークロード属性、ならびに従業員の予期される相互接続を考慮した推奨データストレージフットプリントなど、事業拡大をサポートするためのリソースの割り当てのためのカスタマイズされた推奨を自動的に生成することができる。例えば、予想される将来のデータ負荷が何になるかを決定し、地域（例えば、潜在的な事業拡大のための地域）のネットワーク容量およびストレージパラメータを理解するために、拡張の予測を提供することもできる。これらの予測が使用されて、どの程度の成長をサポートできるか、どこで成長が最良に行われるか、および／または必要に応じて容量を増加させるためにどのような変更を行う必要があるかについての推奨を提供することができる。

推奨に基づいて、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００は、推奨された割り当てに基づいて決定されたゾーンに参加することを許可された特定の企業、データセンタ、およびアプリケーションサーバを選択することができる。いくつかの実施形態では、広範なデータセンタアーキテクチャ３００または他のシステムを使用して、パラメータが自動的に選択および実装されてもよい。

一実施形態では、データ重力分析システム１００および／または広範なデータセンタアーキテクチャ３００（「システム」）は、例えば、図５の実施形態に示されるように、１つまたは複数のプロセッサを介してリソース割り当て分析を実行することができる。

ブロック５１０において、システムは、外部ソースからデータを取り込むことから始まる。システムは、ユーザがデータのセットを選択し、データに１つまたは複数のフィルタを適用し、データ選択を１つまたは複数のセグメントに制限し、データクレンジングを実行し、および／または異なるデータセットからのデータをリンクするパラメータを設定することを可能にするユーザインターフェースを含むことができる。いくつかの実施形態では、システムは、サードパーティシステムからデータを直接受信し、サードパーティシステムからデータを要求するコールを行い、またはバッチデータ更新を受信することができる。システムは、様々なソースからのデータを集約することができ、および／または異なるデータセット間の論理的関係を作成するためにデータの自動リンクを提供することができる。一例として、システムは、ニューメキシコ州内のヘルスケアデータを評価するために使用されてもよい。

ブロック５２０において、システムは、以下の式および選択されたデータセットを使用してデータ重力インデックスを計算する。
（（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
ここで、帯域幅は、特定の時間量でネットワーク内のある地点から別の地点へ転送され得るデータの量として測定され、レイテンシは、データパケットが送信および確認されるのにかかる時間である。帯域幅はビットレートとして表すことができ、ビット／秒（ｂｐｓ）で測定することができる。データ重力インデックスは、選択された領域（例えば、都市、郡など）内の様々なサブ領域上で計算され、次いでサブ地域上のデータ重力スコアを使用してデータ重力インデックスを決定することができる。例えば、システムは、ニューメキシコの各郡のデータ重力スコアに基づいて、ニューメキシコ州のデータ重力インデックスが１５８，３０６であると決定することができる。

ブロック５３０において、システムは、様々な領域における容量を決定するためにデータ重力インデックスを分析する。例えば、データ重力インデックスは、全体として、ニューメキシコ州には容量があるが、ベルナリージョ郡のデータ重力スコアが高いため、ベルナリージョ郡の容量は、追加のストレージおよびインフラストラクチャなしでの大幅な成長には不十分であることを示すことができる。

ブロック５４０において、システムは、例えば、現在のワークフローパターン、データ生成パターン、データ送信パターン、データ削除パターンなどのデータを分析する。この分析は、特定のユーザ、エンティティ、アプリケーション、ストレージ／作業センタなどからのデータを時間データと共に分析することによって行うことができるため、広範なデータセンタアーキテクチャ３００は、そのようなワークフローの現在および予期されるワークフローならびに予期される時間を決定することができる。

ブロック５５０において、システムは、リソース割り当て計画のセットに対する推奨を自動的に生成する。例えば、システムは、通常ベルナリージョ郡で記憶されるであろうデータを、バレンシア郡、トーランス郡、サンタフェ郡、およびチボラ郡の隣接する郡に集
めることを推奨することができる。システムは、サンドーバル郡が隣接する郡であるが、そのデータ重力スコアが、その郡へのデータの集中が推奨されないように中程度に高いことを示すことができる。

任意選択的に、システムは、提供された消費データを分析して、特定のネットワークおよびインフラストラクチャ購入を推奨することができる。例えば、システムは、クラウドプロバイダまたはマルチテナントプロバイダから追加の容量をリースするために、ベルナリージョ郡およびサンドーバル郡を推奨することができる。

任意選択的に、システムは推奨データルーティング方式を提供することができる。例えば、システムはまた、トーランス郡のデータ重力スコアが中程度であるため、トーランス郡へのデータの集中は６ヶ月間のみ行われるべきであり、トーランス郡に集められていたデータは６ヶ月が経過した後にバレンシア郡に集められるべきであることを示すことができる。

例えば、オフサイトアーカイブを介して特定のデータセンタからデータを削除するための推奨、特定のネットワークまたはデータセンタを使用するためのワークフローのリルーティング、ストレージ容量の増加のための推奨、およびネットワーキング技術の増加のための推奨、データ量の増加に伴う作業を容易にするための異なる位置への処理の移動、特定の位置の近くのＩｏＴまたはモバイルデバイスからのデータ出力を増加させるスポーツイベントなどのイベント（現在または将来）に基づく変更に対処するための容量の移動など、様々な分析が使用され得ることが認識される。

ブロック５６０において、システムは、推奨が実施された後にデータを収集し、そのデータをその分析に使用する。このフィードバックループは、機械学習モデルを再訓練するために、または予測結果および実際の結果の分散レベルを決定するために使用されてもよい。このフィードバックループはまた、更新された推奨を生成するために使用されてもよい。例えば、システムは、トーランス郡の容量に関する予測が正しくなく、過剰な容量が予期されたものよりも速い速度で枯渇していると決定することができ、その結果、システムは、（６ヶ月ではなく）３ヶ月後にトーランス郡へのデータの集中を自動的に停止する更新された推奨を生成する。

リソース割り当ての例が提供されているが、多数のユースケースが利用され得ることが認識される。例えば、データ重力インデックスが使用されて、データアーカイブ計画を決定し、ハードウェアの支出を推奨し、クラウドコンピューティングレンタル推奨を推奨し、成長領域のオプションを決定し、容量超過による潜在的なシステム障害の警告を提供し、新しい住宅コミュニティを計画し、新しい商業コミュニティを計画し、マルチテナントデータセンタのストレージを推奨し、データ処理容量のニーズを計画し、ネットワーク容量およびルートのニーズを計画することができる。さらに、分析は、より包括的な分析のために、複数の大都市領域、州、国、または地域にわたってなど、他のレベルで行われてもよい。

例示的な処理システム
いくつかの実施形態では、本明細書で参照されるシステム、デバイス、サーバ、またはコンポーネントのいずれも、ある種のコンピューティングシステム６００の一実施形態のブロック図を示す図６に示されるように、コンピューティングシステムの形態をとることができる。例示的なコンピューティングシステム６００は、プロセッサ６１０を含み、これは、コンピュータ実行可能命令を読み取り、ハードウェア回路の一部に回路によって具体的に定義された動作を実行させることができるハードウェア回路を備える１つまたは複数の従来のマイクロプロセッサを含むことができる。コンピューティングシステム６００
はまた、情報の一時的な記憶のためのランダムアクセスメモリ（「ＲＡＭ」）および情報の永続的な記憶のための読み出し専用メモリ（「ＲＯＭ」）などのメモリ６３０を含んでもよく、これは、実行のためにプロセッサに通信される前にコンピュータ実行可能命令の一部またはすべてを記憶することができる。コンピューティングシステムはまた、例えば、コンピュータシステムがオフにされたときを含む、比較的長期間にわたってコンピュータ実行可能命令を記憶することができる、ハードドライブ、ディスケット、ＣＤ－ＲＯＭドライブ、ＤＶＤ－ＲＯＭドライブ、または光学媒体ストレージデバイスなどの１つまたは複数のマスストレージデバイス６４０を含むことができる。通常、コンピューティングシステムのモジュールは、標準ベースのバスシステムを使用して接続される。異なる実施形態では、標準ベースのバスシステムは、例えば、周辺機器相互接続（「ＰＣＩ」）、マイクロチャネル、小型コンピュータシステムインターフェース（「ＳＣＳＩ」）、産業標準アーキテクチャ（「ＩＳＡ」）、および拡張ＩＳＡ（「ＥＩＳＡ」）アーキテクチャとすることができる。さらに、コンピューティングシステムのコンポーネントおよびモジュールにおいて提供される機能は、より少ないコンポーネントおよびモジュールに組み合わされてもよく、または追加のコンポーネントおよびモジュールにさらに分離されてもよい。コンピューティングシステム６００の図示された構造はまた、本開示に記載された他のコンピューティングコンポーネントおよびシステムを実装するために使用されてもよい。本明細書で説明されるコンポーネントは、様々なタイプのコンポーネントとして実装されてもよいことが認識される。例えば、サーバは、コンピューティングデバイス上で実行されるモジュールとして実装されてもよく、メインフレームは、非メインフレームサーバ上に実装されてもよく、サーバまたは他のコンピューティングデバイスは、２つ以上のコンピューティングデバイスを使用して実装されてもよく、および／または様々なコンポーネントは、単一のコンピューティングデバイスを使用して実装されてもよい。

また、様々な実施形態が使用されてもよく、図６のブロックのいくつかを組み合わせ、サブブロックに分離し、異なる順序および／または並列に実行するように再配置することができることが認識される。

一実施形態では、コンピューティングシステム６００は、サーバ、ワークステーション、メインフレーム、ミニコンピュータである。他の実施形態では、システムは、ＩＢＭ、Ｍａｃｉｎｔｏｓｈ、またはＬｉｎｕｘ（登録商標）／Ｕｎｉｘ互換のパーソナルコンピュータ、ラップトップコンピュータ、タブレット、ハンドヘルドデバイス、携帯電話、スマートフォン、スマートウォッチ、携帯情報端末、車のシステム、タブレット、または他のユーザデバイスであってもよい。サーバは、データベースサーバ（例えば、Ｏｒａｃｌｅ、ＤＢ２、Ｉｎｆｏｒｍｉｘ、Ｍｉｃｒｏｓｏｆｔ ＳＱＬ Ｓｅｒｖｅｒ、ＭｙＳＱＬ、またはＩｎｇｒｅｓ）、アプリケーションサーバ、データローダサーバ、またはウェブサーバなどの様々なサーバを含むことができる。さらに、サーバは、データの視覚化、分散ファイルシステム、分散処理、ウェブポータル、企業ワークフロー、フォーム管理などのための様々なソフトウェアを実行することができる。

コンピューティングシステム６００は、一般に、例えば、Ｗｉｎｄｏｗｓ ７、Ｗｉｎｄｏｗｓ ８、Ｗｉｎｄｏｗｓ １０、Ｕｎｉｘ、Ｌｉｎｕｘ（およびその変形、例えば、Ｄｅｂｉａｎ、Ｌｉｎｕｘ Ｍｉｎｔ、Ｆｅｄｏｒａ、およびＲｅｄ Ｈａｔ）、ＳｕｎＯＳ、Ｓｏｌａｒｉｓ、Ｍａｅｍｏ、ＭｅｅＧｏ、ＢｌａｃｋＢｅｒｒｙタブレットＯＳ、Ａｎｄｒｏｉｄ、ｗｅｂＯＳ、Ｓｕｇａｒ、Ｓｙｍｂｉａｎ ＯＳ、ＭＡＣ ＯＳ（登録商標） Ｘ、またはｉＯＳ、または他のオペレーティングシステムなどのオペレーティングシステムソフトウェアによって制御および調整されてもよい。他の実施形態では、コンピューティングシステム６００は、独自仕様のオペレーティングシステムによって制御されてもよい。従来のオペレーティングシステムは、実行のためにコンピュータプロセスを制御およびスケジュールし、メモリ管理を実行し、ファイルシステム、ネットワーキ
ング、Ｉ／Ｏサービスを提供し、とりわけグラフィカルユーザインターフェース（「ＧＵＩ」）などのユーザインターフェースを提供する。

例示的なコンピューティングシステム６００は、キーボード、マウス、タッチパッド、スピーカ、マイクロフォン、またはプリンタなどの、１つまたは複数の一般的に入手可能な入力／出力（「Ｉ／Ｏ」）デバイスおよびインターフェース６２０を含む。一実施形態では、Ｉ／Ｏデバイスおよびインターフェース６２０は、ユーザへのデータの視覚的提示を可能にするタッチスクリーン、ディスプレイ、またはモニタなどの１つまたは複数のディスプレイデバイスを含む。より詳細には、ディスプレイデバイスは、例えば、ＧＵＩ、アプリケーションソフトウェアデータ、およびマルチメディアプレゼンテーションのプレゼンテーションを提供する。プロセッサ６１０は、コンピュータ実行可能命令によって定義された機能のいくつかを実行することができるディスプレイデバイスと通信することができる。例えば、コンピュータ実行可能命令のいくつかは、本出願に含まれるスクリーンショットの１つのような画像をディスプレイデバイスに表示する動作を定義することができる。コンピューティングシステムはまた、例えば、スピーカ、ビデオカード、グラフィックアクセラレータ、およびマイクロフォンなどの、１つまたは複数のマルチメディアデバイス６５０を含むことができる。当業者は、本開示に照らして、本出願に示される動作を実行するために必要なプロセッサ６１０、ディスプレイデバイス、メモリ６３０、およびマスストレージデバイス６４０などのすべてのハードウェアコンポーネントを含むシステムが本開示の範囲内であることを理解するであろう。

図６の実施形態では、Ｉ／Ｏデバイスおよびインターフェースは、様々な外部デバイスおよびシステムに通信インターフェースを提供する。コンピューティングシステムは、例えば、有線、無線、または有線と無線の組み合わせの通信リンクを介して、ＬＡＮ、ＷＡＮ、インターネット、またはクラウドコンピューティングネットワークのうちの１つまたは複数を含むネットワーク６７０に電子的に結合されてもよい。ネットワークは、有線または無線通信リンクを介して、様々なシステムまたは他のシステム６８０、および様々なデータソース６９０と通信する。

情報は、１つまたは複数のデータソースからネットワーク６７０を介してコンピューティングシステム６００に提供されてもよい。ネットワーク６７０は、例えば、サードパーティ調査プロバイダシステムまたはデータベースなどの他のデータソース６９０または他のコンピューティングデバイス６８０と通信することができる。データソース６９０は、１つまたは複数の内部または外部データソースを含むことができる。いくつかの実施形態では、データベースまたはデータソースのうちの１つまたは複数は、Ｓｙｂａｓｅ、Ｏｒａｃｌｅ、Ｐｏｓｔｇｒｅｓ、ＣｏｄｅＢａｓｅ、ＭｙＳＱＬ、およびＭｉｃｒｏｓｏｆｔ（登録商標）ＳＱＬサーバなどのリレーショナルデータベース、ならびに例えば、ＮｏＳＱＬデータベース（例えば、Ｃｏｕｃｈｂａｓｅ、Ｃａｓｓａｎｄｒａ、またはＭｏｎｇｏＤＢ）、フラットファイルデータベース、エンティティ関係データベース、オブジェクト指向データベース、クラウドベースデータベース（例えば、Ａｍａｚｏｎ ＲＤＳ、Ａｚｕｒｅ ＳＱＬ、Ｍｉｃｒｏｓｏｆｔ Ｃｏｓｍｏｓ ＤＢ、ＭｙＳＱＬ用Ａｚｕｒｅデータベース、ＭａｒｉａＤＢ用Ａｚｕｒｅデータベース、Ｒｅｄｉｓ用Ａｚｕｒｅ Ｃａｃｈｅ、Ａｐａｃｈｅ Ｃａｓｓａｎｄｒａ用Ａｚｕｒｅ管理インスタンス、Ｇｏｏｇｌｅ Ｃｌｏｕｄ上のＯｒａｃｌｅ向けＧｏｏｇｌｅ Ｂａｒｅ Ｍｅｔａｌ Ｓｏｌｕｔｉｏｎ、Ｇｏｏｇｌｅ Ｃｌｏｕｄ ＳＱＬ、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｓｐａｎｎｅｒ、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｂｉｇ Ｔａｂｌｅ、Ｇｏｏｇｌｅ Ｆｉｒｅｓｔｏｒｅ、Ｇｏｏｇｌｅ Ｆｉｒｅｂａｓｅ Ｒｅａｌｔｉｍｅ Ｄａｔａｂａｓｅ、Ｇｏｏｇｌｅ Ｍｅｍｏｒｙｓｔｏｒｅ、Ｇｏｏｇｌｅ ＭｏｇｏＤｂ Ａｔｌａｓ、Ａｍａｚｏｎ Ａｕｒｏｒａ、Ａｍａｚｏｎ ＤｙｎａｍｏＤＢ、Ａｍａｚｏｎ Ｒｅｄｓｈｉｆｔ、Ａｍａｚｏｎ ＥｌａｓｔｉＣａｃｈｅ、Ｒｅｄｉｓ用Ａｍａｚｏｎ Ｍｅｍｏｒ
ｙＤＢ、Ａｍａｚｏｎ ＤｏｃｕｍｅｎｔＤＢ、Ａｍａｚｏｎ Ｋｅｙｓｐａｃｅｓ、Ａｍａｚｏｎ Ｎｅｐｔｕｎｅ、Ａｍａｚｏｎ Ｔｉｍｅｓｔｒｅａｍ、またはＡｍａｚｏｎ ＱＬＤＢ）、またはレコードベースデータベースなどの他のタイプのデータベースを使用して実装されてもよい。

図６の実施形態では、コンピューティングシステム６００はまた、本明細書で説明されるプロセスのうちの１つまたは複数を実行するために、プロセッサ６１０によって実行され得るデータ重力分析モジュール６６０を含む。このシステムは、例として、ソフトウェアコンポーネント、オブジェクト指向ソフトウェアコンポーネント、クラスコンポーネント、タスクコンポーネント、プロセス、機能、属性、手順、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、または変数などのコンポーネントを含むことができる。

いくつかの実施形態では、本明細書に示すすべての機能は、単一のデバイス上で実行される。あるいは、互いに通信する２つ以上のデバイスで機能をまとめて実行する分散環境が実装されてもよい。さらに、コンピューティングシステムが使用されてデータ重力分析６６０の一実施形態を説明したが、ユーザまたは顧客システムもコンピューティングシステムとして実装されてもよいことが認識される。例えば、プロセッサ６１０は、本明細書に記載の機能を実行することができる中央処理装置（「ＣＰＵ」）を含むことができる。さらに、プロセッサ６１０は、データ重力インデックスを計算（または予測もしくは予想）するために必要な計算または処理の一部を実行することができるグラフィックス処理装置（「ＧＰＵ」）、専用プロセッサ（例えば、専用プログラマブルマイクロプロセッサ、フィールドプログラマブルゲートアレイ（「ＦＰＧＡ」））、またはカスタムチップ（例えば、特定用途向け集積回路（「ＡＳＩＣ」））を含むことができる。

一般に、本明細書で使用される場合、用語「モジュール」は、ハードウェアもしくはファームウェアで具現化されたロジック、または場合によっては入口点および出口点を有する、例えばＪａｖａ、Ｌｕａ、ＣまたはＣ＋＋などのプログラミング言語で書かれたソフトウェア命令の集合を指す。ソフトウェアモジュールは、コンパイルされて実行可能プログラムにリンクされてもよく、動的リンクライブラリにインストールされてもよく、または、例えばＢＡＳＩＣ、Ｐｅｒｌ、Ｒｕｂｙ、もしくはＰｙｔｈｏｎなどの解釈されたプログラミング言語で記述されてもよい。ソフトウェアモジュールは、他のモジュールから、もしくはそれ自体から呼び出すことができ、または検出されたイベントまたは割り込みに応答して呼び出されてもよいことが理解されよう。ソフトウェア命令は、ＥＰＲＯＭなどのファームウェアに埋め込まれてもよい。ハードウェアモジュールは、ゲートおよびフリップフロップなどの接続された論理ユニットから構成されてもよく、またはプログラマブルゲートアレイもしくはプロセッサなどのプログラマブルユニットから構成されてもよいことがさらに理解されよう。本明細書に記載のモジュールは、好ましくはソフトウェアモジュールとして実装されるが、ハードウェアまたはファームウェアで表されてもよい。一般に、本明細書に記載のモジュールは、物理的な構成またはストレージにもかかわらず、他のモジュールと組み合わされ得る、またはサブモジュールに分割され得る論理モジュールを指す。

用語「リモート」は、ローカルバスを介してアクセスできない、ローカルに記憶されていないシステム、データ、オブジェクト、デバイス、コンポーネント、またはモジュールを含むことができることが認識される。したがって、リモートデータは、同じ部屋に物理的に格納され、ネットワークを介してコンピューティングシステムに接続されたシステムを含むことができる。他の状況では、リモートデバイスはまた、例えば、異なる位置、国などの別個の地理的領域に配置されてもよい。

例示的な番号付けされた実施形態のリスト
以下は、例示的な番号付けされた実施形態のリストである。例示的実施形態の以下のリストに列挙される特徴は、本明細書に開示される追加の特徴と組み合わせることができる。さらに、例示的実施形態の以下のリストに具体的に列挙されておらず、以下に列挙される特定の実施形態と同じ特徴を含まない、特徴の追加の本発明の組み合わせが本明細書に開示される。簡潔にするために、例示的実施形態の以下のリストは、本開示のすべての発明的態様を特定するものではない。例示的実施形態の以下のリストは、本明細書に記載の主題の重要な特徴または本質的な特徴を特定することを意図するものではない。
１．複数のストレージデバイス間のデータの異種ストレージを評価するためのシステムであって、
プロセッサと、
メモリと、
データ重力分析構成モジュールと、
メモリに記憶された知識データベースと、
メモリに記憶されたコンピュータコードであって、メモリから取得され、プロセッサによって実行されると、プロセッサに、以下：
複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、１つまたは複数のノードは、
ネットワークと、
マスデータストレージシステムと、
データ質量、データアクティビティ、少なくとも２点間の帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、
データ記憶パラメータと、
１つまたは複数のゾーンインジケータと、
１つまたは複数のインターネットプロトコルＩＰアドレスと、
に関連付けられ、
提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、
プロセッサを使用して、ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、
プロセッサを使用して、選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、ノードのサブセット内のノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、
プロセッサを使用して、選択されたゾーンインジケータ、およびコンテキストに従って重み付けされたノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、ノードのサブセットのデータ重力インデックススコアを計算することと、
計算されたデータ重力インデックススコアで知識データベースを更新することと、
計算されたデータ重力インデックススコアをデータ重力分析構成モジュールに出力することと、
を行わせる、コンピュータコードと、
を備える、システム。
２．データ重力分析構成モジュールが、計算されたデータ重力インデックススコアに基づいてネットワーク上の１つまたは複数のノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、暗号化データパケットを自動的に生成するように構成される、実施形態１に記載のシステム。
３．データ重力分析構成モジュールが、計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つまたは複数のノードのための１つまたは複数のデータ記憶
パラメータの自動推奨または警告フラグを自動的に生成するように構成される、実施形態１または２に記載のシステム。
４．自動推奨が、以下：
１つもしくは複数のノードの古いデータを識別して優先順位を下げること、
１つもしくは複数のノードのための追加のローカルネットワーク入退出を実施すること、
１つもしくは複数のノードの帯域幅を調整すること、
１つもしくは複数のノードのレイテンシを調整すること、
１つもしくは複数のノード間のデータ分布を調整すること、または
１つもしくは複数のノードのデータ容量を調整すること、
のうちの少なくとも１つを含む、実施形態３に記載のシステム。
５．データ重力分析構成モジュールが、計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成するように構成される、実施形態１から４のいずれか一項に記載のシステム。
６．データ重力分析構成モジュールが、計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュするように構成される、実施形態１から５のいずれか一項に記載のシステム。
７．データ重力分析構成モジュールが、計算されたデータ重力インデックススコアに基づいて、リモートシステムに命令を自動的に生成するように構成される、実施形態１から６のいずれか一項に記載のシステム。
８．データ重力インデックススコアが、式：
（（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）に従って計算される、実施形態１から７のいずれか一項に記載のシステム。
９．データ質量、データアクティビティ、帯域幅、およびレイテンシの各々のインデックススコアが、データ質量、データアクティビティ、帯域幅、およびレイテンシの対応する式に少なくとも部分的に基づいて、１つまたは複数のノードの各々について計算される、実施形態８に記載のシステム。
１０．データ重力インデックススコアが、式：
（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
に従って計算される、実施形態１から９のいずれか一項に記載のシステム。
１１．データ重力インデックススコアが、ノードのサブセットのデータ特性に関連付けられた１つまたは複数のパターンを識別するように構成された機械学習モジュールを使用して計算される、実施形態１から１０のいずれか一項に記載のシステム。
１２．コンピュータコードがさらに、プロセッサに、
機械学習モデルを使用して、ノードのサブセットのデータ特性に関連付けられた１つまたは複数のパターンを識別させ、
機械学習モデルを介してプロセッサを使用して、１つまたは複数のパターンに少なくとも部分的に基づいて、ノードのサブセットの予測データ重力インデックススコアを計算させる、
実施形態１から１１のいずれか一項に記載のシステム。
１３．予測データ重力スコアが、データ重力インデックススコアを計算するための式を使用せずに計算される、実施形態１２に記載のシステム。
１４．コンピュータコードがさらに、プロセッサに、
ノードのサブセットに関連付けられた第１の更新されたデータ特性を受信させ、
プロセッサを使用して、第１の更新されたデータ特性に少なくとも部分的に基づいて、ノードのサブセットに関連付けられた第１の更新されたデータ重力インデックススコアを計算させ、
ノードのサブセットに関連付けられた第２の更新されたデータ特性を受信させ、
プロセッサを使用して、第２の更新されたデータ特性に少なくとも部分的に基づいて、
ノードのサブセットに関連付けられた第２の更新されたデータ重力インデックススコアを計算させ、
第１の更新されたデータ重力インデックススコアおよび第２の更新されたデータ重力インデックススコアに少なくとも部分的に基づいて、予測データ重力インデックススコアを計算させる、
実施形態１から１３のいずれか一項に記載のシステム。
１５．コンピュータコードがさらに、プロセッサに、
ノードのサブセットの１つまたは複数のデータ記憶パラメータを受信させ、
１つまたは複数のデータ記憶パラメータに関連付けられた１つまたは複数のパターンを決定させ、
１つまたは複数のパターンに少なくとも部分的に基づいて、ノードのサブセットの更新されたデータ特性を要求させ、
ノードのサブセットの要求された更新されたデータ特性を受信させ、
ノードのサブセットの受信された更新されたデータ特性の少なくとも一部に基づいて、更新されたデータ重力インデックスを計算させる、
実施形態１４に記載のシステム。
１６．複数のストレージデバイス間のデータの異種ストレージを評価するためのコンピュータ実装方法であって、以下の工程：
複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、１つまたは複数のノードは、
ネットワークと、
マスデータストレージシステムと、
データ質量、データアクティビティ、帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、
データ記憶パラメータと、
１つまたは複数のゾーンインジケータと、
１つまたは複数のインターネットプロトコルＩＰアドレスと、
に関連付けられ、
提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、
ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、
選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、ノードのサブセット内のノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、
選択されたゾーンインジケータ、およびコンテキストに従って重み付けされたノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、ノードのサブセットのデータ重力インデックススコアを計算することと、
計算されたデータ重力インデックススコアで知識データベースを更新することと、
計算されたデータ重力インデックススコアを出力することと、
のための特定の実行可能命令で構成された１つまたは複数のコンピューティングデバイスによって実装された場合、それらの工程を含む、コンピュータ実装方法。
１７．特定の実行可能命令が、
計算されたデータ重力インデックススコアに基づいてネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、暗号化データパケットを自動的に生成することをさらに含む、
実施形態１６に記載のコンピュータ実装方法。
１８．特定の実行可能命令が、
計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノード
のための１つまたは複数のデータ記憶パラメータに対する自動推奨を自動的に生成することをさらに含む、
実施形態１６または１７に記載のコンピュータ実装方法。
１９．特定の実行可能命令が、
計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動警告フラグを自動的に生成することをさらに含む、
実施形態１６から１８のいずれか一項に記載のコンピュータ実装方法。
２０．特定の実行可能命令が、
計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成することをさらに含む、
実施形態１６から１９のいずれか一項に記載のコンピュータ実装方法。
２１．特定の実行可能命令が、
計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュすることをさらに含む、
実施形態１６から２０のいずれか一項に記載のコンピュータ実装方法。
２２．特定の実行可能命令が、以下の式：
（（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）
を使用してデータ重力インデックススコアを計算することをさらに含む、実施形態１６から２１のいずれか一項に記載のコンピュータ実装方法。
２３．特定の実行可能命令が、以下の式：
（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
を使用して、データ重力インデックススコアを計算することをさらに含む、実施形態１６から２２のいずれか一項に記載のコンピュータ実装方法。
２４．プロセッサによって実行されると、プロセッサに、少なくとも以下：
複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、１つまたは複数のノードは、
ネットワークと、
マスデータストレージシステムと、
データ質量、データアクティビティ、帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、
データ記憶パラメータと、
１つまたは複数のゾーンインジケータと、
１つまたは複数のインターネットプロトコルＩＰアドレスと、
に関連付けられ、
提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、
ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、
選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、ノードのサブセット内のノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、
選択されたゾーンインジケータ、およびコンテキストに従って重み付けされたノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、ノードのサブセットのデータ重力インデックススコアを計算することと、
計算されたデータ重力インデックススコアで知識データベースを更新することと、
計算されたデータ重力インデックススコアを出力することと、
を行わせる、コンピュータ実行可能命令を記憶する非一時的コンピュータ記憶媒体。
２５．計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つの
ノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、暗号化データパケットを自動的に生成するコンピュータ実行可能命令をさらに記憶する、
実施形態２４に記載の非一時的コンピュータ記憶媒体。
２６．計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を自動的に生成するコンピュータ実行可能命令をさらに記憶する、
実施形態２４または２５に記載の非一時的コンピュータ記憶媒体。
２７．計算されたデータ重力インデックススコアに基づいて、ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動警告フラグを自動的に生成するコンピュータ実行可能命令をさらに記憶する、
実施形態２４から２６のいずれか一項に記載の非一時的コンピュータ記憶媒体。
２８．計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成するコンピュータ実行可能命令をさらに記憶する、
実施形態２４から２７のいずれか一項に記載の非一時的コンピュータ記憶媒体。
２９．計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュするコンピュータ実行可能命令をさらに記憶する、
実施形態２４から２８のいずれか一項に記載の非一時的コンピュータ記憶媒体。
３０．以下の式：
（（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）
を使用してデータ重力インデックススコアを計算するコンピュータ実行可能命令をさらに記憶する、実施形態２４から２９のいずれか一項に記載の非一時的コンピュータ記憶媒体。
３１．以下の式：
（（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
を使用してデータ重力インデックススコアを計算するコンピュータ実行可能命令をさらに記憶する、実施形態２４から３０のいずれか一項に記載の非一時的コンピュータ記憶媒体。

追加の実施形態
前述のセクションで説明したプロセス、方法、およびアルゴリズムのそれぞれは、コンピュータハードウェアを含む１つまたは複数のコンピュータシステムまたはコンピュータプロセッサによって実行されるコードモジュールで具体化され、完全にまたは部分的に自動化されてもよい。コードモジュールは、ハードドライブ、ソリッドステートメモリ、光ディスクなどの任意の種類の非一時的コンピュータ可読媒体またはコンピュータストレージデバイスに記憶されてもよい。システムおよびモジュールはまた、無線ベースおよび有線／ケーブルベースの媒体を含む様々なコンピュータ可読伝送媒体上で生成されたデータ信号として（例えば、搬送波または他のアナログもしくはデジタル伝搬信号の一部として）伝送されてもよく、様々な形態（例えば、単一のもしくは多重化されたアナログ信号の一部として、または複数の個別のデジタルパケットもしくはフレームとして）をとることができる。プロセスおよびアルゴリズムは、部分的または全体的に特定用途向け回路で実装されてもよい。開示されたプロセスおよびプロセスステップの結果は、例えば、揮発性または不揮発性ストレージなどの任意の種類の非一時的コンピュータストレージに永続的にまたは他の方法で記憶されてもよい。

上述した様々な特徴およびプロセスは、互いに独立して使用されてもよく、または様々な方法で組み合わされてもよい。すべての可能な組み合わせおよび部分的な組み合わせは
、本開示の範囲内に入ることが意図されている。さらに、いくつかの実装形態では、特定の方法またはプロセスブロックが省略されてもよい。本明細書に記載の方法およびプロセスはまた、いかなる特定のシーケンスにも限定されず、それに関連するブロックまたは状態は、適切な他のシーケンスで実行されてもよい。例えば、記載されたブロックもしくは状態は、具体的に開示された順序以外の順序で実行されてもよく、または複数のブロックもしくは状態は、単一のブロックもしくは状態に組み合わされてもよい。例示的なブロックまたは状態は、直列、並列、または他の何らかの方法で実行されてもよい。ブロックまたは状態は、開示された例示的な実施形態に追加または削除されてもよい。本明細書に記載の例示的なシステムおよびコンポーネントは、記載されたものとは異なるように構成されてもよい。例えば、開示された例示的実施形態と比較して、要素が追加、除去、または再配置されてもよい。

とりわけ、「ｃａｎ」、「ｃｏｕｌｄ」、「ｍｉｇｈｔ」、または「ｍａｙ」などの条件付き言語は、特に明記しない限り、または使用される文脈内で他の意味で理解されない限り、一般に、特定の実施形態が特定の特徴、要素、および／またはステップを含むが、他の実施形態は含まないことを伝えることを意図している。したがって、そのような条件付き言語は、一般に、特徴、要素、および／もしくはステップが、１つもしくは複数の実施形態に何らかの形で必要とされること、または１つもしくは複数の実施形態が、ユーザ入力またはプロンプトの有無にかかわらず、これらの特徴、要素、および／もしくはステップが任意の特定の実施形態に含まれる、もしくは実行されるべきかを決定するための論理を必然的に含むことを意味することを意図するものではない。

本明細書で使用される場合、用語「決定する（ｄｅｔｅｒｍｉｎｅ）」または「決定すること（ｄｅｔｅｒｍｉｎｉｎｇ）」は、多種多様な動作を包含する。例えば、「決定すること」は、ユーザの介入なしにハードウェア要素を介して計算、コンピューティング、処理、導出、生成、取得、ルックアップ（例えば、テーブル、データベース、または別のデータ構造を検索する）、確認することなどを含むことができる。また、「決定すること」は、ユーザの介入なしにハードウェア要素を介して受信（例えば、情報の受信）、アクセス（例えば、メモリ内のデータにアクセス）することなどを含むことができる。また、「決定すること」は、ユーザの介入なしにハードウェア要素を介して解決、選択、選ぶ、確立することなどを含むことができる。

本明細書で使用される場合、用語「提供する（ｐｒｏｖｉｄｅ）」または「提供すること（ｐｒｏｖｉｄｉｎｇ）」は、多種多様な動作を包含する。例えば、「提供すること」は、後続の検索のためにストレージデバイスの位置に値を記憶すること、少なくとも１つの有線または無線通信媒体を介して値を受信者に直接送信すること、値への参照を送信または記憶することなどを含むことができる。「提供すること」はまた、ハードウェア要素を介した符号化、復号化、暗号化、解読、確認、検証することなどを含むことができる。

本明細書で使用される場合、用語「メッセージ」は、情報を通信する（例えば、送信または受信する）ための多種多様なフォーマットを包含する。メッセージは、ＸＭＬ文書、固定フィールドメッセージ、コンマ区切りメッセージなどの情報の機械可読集約を含むことができる。メッセージは、いくつかの実装形態では、情報の１つまたは複数の表現を送信するために利用される信号を含むことができる。単数形で記載されているが、メッセージは、複数の部分で構成、伝送、記憶、受信などされ得ることが理解されよう。

本明細書で使用される場合、「受信する（ｒｅｃｅｉｖｅ）」または「受信すること（ｒｅｃｅｉｖｉｎｇ）」は、情報を取得するための特定のアルゴリズムを含むことができる。例えば、受信することは、情報の要求メッセージを送信することを含むことができる。要求メッセージは、上述のようにネットワークを介して送信されてもよい。要求メッセ
ージは、当技術分野で既知の１つまたは複数の明確に定義された機械可読規格に従って送信されてもよい。要求メッセージはステートフルであってもよく、その場合、要求元デバイスおよび要求が送信されたデバイスは、要求間の状態を維持する。要求メッセージはステートレス要求であってもよく、その場合、要求の状態情報は、要求元デバイスと要求をサービングするデバイスとの間で交換されるメッセージ内に含まれる。そのような状態情報の一例は、要求元またはサービングデバイスのいずれかによって生成され、交換されるメッセージに含まれ得る固有のトークンを含む。例えば、応答メッセージは、どの要求メッセージがサービングデバイスに応答メッセージを送信させたかを示す状態情報を含むことができる。

本明細書で使用される場合、「生成する（ｇｅｎｅｒａｔｅ）」または「生成すること（ｇｅｎｅｒａｔｉｎｇ）」は、他の入力情報に基づいて、または他の入力情報を使用して情報を作成するための特定のアルゴリズムを含むことができる。生成することは、メモリから、または生成を実行するハードウェアに提供された入力パラメータとしてなど、入力情報を取り出すことを含むことができる。取得されると、生成することは、入力情報を組み合わせることを含むことができる。組み合わせは、生成の結果を示す出力を提供することができる特定の回路を介して実行されてもよい。組み合わせは、例えば、入力情報、デバイスの動作特性（例えば、利用可能なハードウェアリソース、電力レベル、電源、メモリレベル、ネットワーク接続性、帯域幅など）に基づいて実行経路を動的に選択するなどして動的に実行されてもよい。生成することはまた、生成された情報をメモリ位置に記憶することを含むことができる。メモリ位置は、生成を開始する要求メッセージの一部として識別されてもよい。いくつかの実装形態では、生成することは、生成された情報がアクセスされ得る場所を識別する位置情報を返すことができる。位置情報は、メモリ位置、ネットワーク位置、ファイルシステム位置などを含むことができる。

本明細書で使用される場合、「起動する（ａｃｔｉｖａｔｅ）」または「起動すること（ａｃｔｉｖａｔｉｎｇ）」は、デバイスに対して機械的、電子的、または電気機械的な状態変化を引き起こすまたはトリガすることを指すことができる。デバイスの起動は、デバイスまたはそれに関連する特徴を第１の状態から第２の状態に変化させることができる。いくつかの実装形態では、起動は、例えば、立体視用眼鏡のレンズの視状態を変更するなど、第１の状態から第２の状態に特性を変更することを含むことができる。起動することは、所望の状態変化を示す制御メッセージを生成することと、デバイスに状態を変化させるために制御メッセージをデバイスに提供することと、を含むことができる。

本明細書に記載され、かつ／または添付の図面に示されるフロー図における任意のプロセス記述、要素、またはブロックは、プロセスにおける特定の論理機能またはステップを実施するための１つまたは複数の実行可能命令を含むコードのモジュール、セグメント、または部分を潜在的に表すものとして理解されるべきである。当業者によって理解されるように、含まれる機能に応じて、実質的に同時にまたは逆の順序を含む、要素または機能が、図示または説明された順序とは異なる順序で削除、実行され得る代替の実装形態が、本明細書に記載の実施形態の範囲内に含まれる。

上述の方法およびプロセスのすべては、１つまたは複数の汎用コンピュータによって実行されるソフトウェアコードモジュールにおいて具現化され、部分的または完全に自動化されてもよい。例えば、本明細書に記載の方法は、コンピューティングシステムおよび／または任意の他の好適なコンピューティングデバイスによって実行されてもよい。本方法は、有形のコンピュータ可読媒体から読み取られたソフトウェア命令または他の実行可能コードの実行に応答して、コンピューティングデバイス上で実行されてもよい。有形のコンピュータ可読媒体は、コンピュータシステムによって読み取り可能なデータを記憶することができるデータストレージデバイスである。コンピュータ可読媒体の例は、読み出し
専用メモリ、ランダムアクセスメモリ、他の揮発性または不揮発性メモリデバイス、ＣＤ－ＲＯＭ、磁気テープ、フラッシュドライブ、スピンディスク（ハードドライブ）、および光学データストレージデバイスを含む。

上記の実施形態に対して多くの変形および修正を行うことができ、その要素は他の許容可能な例の中にあると理解されるべきであることを強調すべきである。そのような修正および変形はすべて、本開示の範囲内に含まれることが意図されている。上記の説明は、特定の実施形態を詳述している。しかしながら、前述の内容がいかに詳細に記載されていても、システムおよび方法は多くの方法で実施することができることが理解されよう。また上述したように、システムおよび方法の特定の特徴または態様を説明するときの特定の用語の使用は、その用語が関連付けられているシステムおよび方法の特徴または態様の任意の特定の特性を含むことに限定されるように用語が本明細書で再定義されていることを意味すると解釈されるべきではないことに留意されたい。

Claims (31)

1. 複数のストレージデバイス間のデータの異種ストレージを評価するためのシステムであって、
   プロセッサと、
   メモリと、
   データ重力分析構成モジュールと、
   前記メモリに記憶された知識データベースと、
   前記メモリに記憶されたコンピュータコードであって、前記メモリから取得されて前記プロセッサによって実行されると、前記プロセッサに、以下：
   複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、前記１つまたは複数のノードは、
   ネットワークと、
   マスデータストレージシステムと、
   データ質量、データアクティビティ、少なくとも２点間の帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、
   データ記憶パラメータと、
   １つまたは複数のゾーンインジケータと、
   １つまたは複数のインターネットプロトコルＩＰアドレスと、
   に関連付けられ、
   前記提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、
   前記プロセッサを使用して、ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、
   前記プロセッサを使用して、前記選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、前記ノードのサブセット内の前記ノードの各々は、選択されたゾーンインジケータに関連付けられている、選択することと、
   前記プロセッサを使用して、前記選択されたゾーンインジケータ、およびコンテキストに従って重み付けされた前記ノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、前記ノードのサブセットのデータ重力インデックススコアを計算することと、
   前記計算されたデータ重力インデックススコアで前記知識データベースを更新することと、
   前記計算されたデータ重力インデックススコアを前記データ重力分析構成モジュールに出力することと、
   を行わせる、コンピュータコードと、
   を備える、システム。
2. 前記データ重力分析構成モジュールが、前記計算されたデータ重力インデックススコアに基づいて前記ネットワーク上の前記１つまたは複数のノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを前記１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、前記暗号化データパケットを自動的に生成するように構成される、請求項１に記載のシステム。
3. 前記データ重力分析構成モジュールが、前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の前記１つまたは複数のノードのための１つまたは複数のデータ記憶パラメータの自動推奨または警告フラグを自動的に生成するように構成される、請求項１または２に記載のシステム。
4. 前記自動推奨が、以下：
   前記１つもしくは複数のノードの古いデータを識別して優先順位を下げること、
   前記１つもしくは複数のノードのための追加のローカルネットワーク入退出を実施すること、
   前記１つもしくは複数のノードの帯域幅を調整すること、
   前記１つもしくは複数のノードのレイテンシを調整すること、
   前記１つもしくは複数のノード間のデータ分布を調整すること、または
   前記１つもしくは複数のノードのデータ容量を調整すること、
   のうちの少なくとも１つを含む、請求項３に記載のシステム。
5. 前記データ重力分析構成モジュールが、前記計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成するように構成される、請求項１から４のいずれか一項に記載のシステム。
6. 前記データ重力分析構成モジュールが、前記計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュするように構成される、請求項１から５のいずれか一項に記載のシステム。
7. 前記データ重力分析構成モジュールが、前記計算されたデータ重力インデックススコアに基づいて、リモートシステムに命令を自動的に生成するように構成される、請求項１から６のいずれか一項に記載のシステム。
8. 前記データ重力インデックススコアが、式：
   （（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）
   に従って計算される、請求項１から７のいずれか一項に記載のシステム。
9. 前記データ質量、前記データアクティビティ、前記帯域幅、および前記レイテンシの各々のインデックススコアが、前記データ質量、前記データアクティビティ、前記帯域幅、および前記レイテンシの対応する式に少なくとも部分的に基づいて、前記１つまたは複数のノードの各々について計算される、請求項８に記載のシステム。
10. 前記データ重力インデックススコアが、式：
    （データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
    に従って計算される、請求項１から９のいずれか一項に記載のシステム。
11. 前記データ重力インデックススコアが、前記ノードのサブセットの前記データ特性に関連付けられた１つまたは複数のパターンを識別するように構成された機械学習モジュールを使用して計算される、請求項１から１０のいずれか一項に記載のシステム。
12. 前記コンピュータコードがさらに、前記プロセッサに、
    機械学習モデルを使用して、前記ノードのサブセットの前記データ特性に関連付けられた１つまたは複数のパターンを識別させ、
    前記機械学習モデルを介して前記プロセッサを使用して、前記１つまたは複数のパターンに少なくとも部分的に基づいて、前記ノードのサブセットの予測データ重力インデックススコアを計算させる、
    請求項１から１１のいずれか一項に記載のシステム。
13. 前記予測データ重力スコアが、前記データ重力インデックススコアを計算するための式を使用せずに計算される、請求項１２に記載のシステム。
14. 前記コンピュータコードがさらに、前記プロセッサに、
    前記ノードのサブセットに関連付けられた第１の更新されたデータ特性を受信させ、
    前記プロセッサを使用して、前記第１の更新されたデータ特性に少なくとも部分的に基づいて、前記ノードのサブセットに関連付けられた第１の更新されたデータ重力インデックススコアを計算させ、
    前記ノードのサブセットに関連付けられた第２の更新されたデータ特性を受信させ、
    前記プロセッサを使用して、前記第２の更新されたデータ特性に少なくとも部分的に基づいて、前記ノードのサブセットに関連付けられた第２の更新されたデータ重力インデックススコアを計算させ、
    前記第１の更新されたデータ重力インデックススコアおよび前記第２の更新されたデータ重力インデックススコアに少なくとも部分的に基づいて、予測データ重力インデックススコアを計算させる、
    請求項１から１３のいずれか一項に記載のシステム。
15. 前記コンピュータコードがさらに、前記プロセッサに、
    前記ノードのサブセットの１つまたは複数のデータ記憶パラメータを受信させ、
    前記１つまたは複数のデータ記憶パラメータに関連付けられた１つまたは複数のパターンを決定させ、
    前記１つまたは複数のパターンに少なくとも部分的に基づいて、前記ノードのサブセットの更新されたデータ特性を要求させ、
    前記ノードのサブセットの前記要求された更新されたデータ特性を受信させ、
    前記ノードのサブセットの前記受信された更新されたデータ特性の少なくとも一部に基づいて、更新されたデータ重力インデックスを計算させる、
    請求項１４に記載のシステム。
16. 複数のストレージデバイス間のデータの異種ストレージを評価するためのコンピュータ実装方法であって、以下の工程：
    複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、前記１つまたは複数のノードは、
    ネットワークと、
    マスデータストレージシステムと、
    データ質量、データアクティビティ、帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、
    データ記憶パラメータと、
    １つまたは複数のゾーンインジケータと、
    １つまたは複数のインターネットプロトコルＩＰアドレスと、
    に関連付けられ、
    前記提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信すること、
    ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別すること、
    前記選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、前記ノードのサブセット内の前記ノードの各々は、選択されたゾーンインジケータに関連付けられる、選択すること、
    前記選択されたゾーンインジケータ、およびコンテキストに従って重み付けされた前記ノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、前記ノードのサブセットのデータ重力インデックススコアを計算すること、
    前記計算されたデータ重力インデックススコアで前記知識データベースを更新すること、および
    前記計算されたデータ重力インデックススコアを出力すること、
    のための特定の実行可能命令で構成された１つまたは複数のコンピューティングデバイスによって実装された場合、それらの工程を含む、コンピュータ実装方法。
17. 前記特定の実行可能命令が、
    前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを前記１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、前記暗号化データパケットを自動的に生成することをさらに含む、
    請求項１６に記載のコンピュータ実装方法。
18. 前記特定の実行可能命令が、
    前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を自動的に生成することをさらに含む、
    請求項１６または１７に記載のコンピュータ実装方法。
19. 前記特定の実行可能命令が、
    前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動警告フラグを自動的に生成することをさらに含む、
    請求項１６から１８のいずれか一項に記載のコンピュータ実装方法。
20. 前記特定の実行可能命令が、
    前記計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成することをさらに含む、
    請求項１６から１９のいずれか一項に記載のコンピュータ実装方法。
21. 前記特定の実行可能命令が、
    前記計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュすることをさらに含む、
    請求項１６から２０のいずれか一項に記載のコンピュータ実装方法。
22. 前記特定の実行可能命令が、以下の式：
    （（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）
    を使用して前記データ重力インデックススコアを計算することをさらに含む、請求項１６から２１のいずれか一項に記載のコンピュータ実装方法。
23. 前記特定の実行可能命令が、以下の式：
    （データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
    を使用して前記データ重力インデックススコアを計算することをさらに含む、請求項１６から２２のいずれか一項に記載のコンピュータ実装方法。
24. プロセッサによって実行されると、前記プロセッサに、少なくとも以下：
    複数のフォレンジックソース提出者から１つまたは複数のノードに関する情報を受信することであって、前記１つまたは複数のノードは、
    ネットワークと、
    マスデータストレージシステムと、
    データ質量、データアクティビティ、帯域幅、またはレイテンシのうちの少なくとも１つを含むデータ特性と、
    データ記憶パラメータと、
    １つまたは複数のゾーンインジケータと、
    １つまたは複数のインターネットプロトコルＩＰアドレスと、
    に関連付けられ、
    前記提出者は、集約されたデータストレージの証拠を提供する際に登録された貢献者である、受信することと、
    ユーザインターフェースを介して受信された選択されたゾーンインジケータを識別することと、
    前記選択されたゾーンインジケータに基づいてノードのサブセットを選択することであって、前記ノードのサブセット内の前記ノードの各々は、選択されたゾーンインジケータに関連付けられる、選択することと、
    前記選択されたゾーンインジケータ、およびコンテキストに従って重み付けされた前記ノードのサブセットの各々のデータ特性のうちの１つまたは複数に少なくとも部分的に基づいて、前記ノードのサブセットのデータ重力インデックススコアを計算することと、
    前記計算されたデータ重力インデックススコアで前記知識データベースを更新することと、
    前記計算されたデータ重力インデックススコアを出力することと、
    を行わせる、コンピュータ実行可能命令を記憶する非一時的コンピュータ記憶媒体。
25. 前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を含み、かつ暗号化データパケットを前記１つまたは複数のノードに送信するようにネットワークモジュールに命令するように構成される、前記暗号化データパケットを自動的に生成するコンピュータ実行可能命令をさらに記憶する、
    請求項２４に記載の非一時的コンピュータ記憶媒体。
26. 前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動推奨を自動的に生成するコンピュータ実行可能命令をさらに記憶する、
    請求項２４または２５に記載の非一時的コンピュータ記憶媒体。
27. 前記計算されたデータ重力インデックススコアに基づいて、前記ネットワーク上の１つのノードのための１つまたは複数のデータ記憶パラメータに対する自動警告フラグを自動的に生成するコンピュータ実行可能命令をさらに記憶する、
    請求項２４から２６のいずれか一項に記載の非一時的コンピュータ記憶媒体。
28. 前記計算されたデータ重力インデックススコアに基づいて、フラグが立てられたアイテムをユーザインターフェース上でレンダリングするための命令を自動的に生成するコンピュータ実行可能命令をさらに記憶する、
    請求項２４から２７のいずれか一項に記載の非一時的コンピュータ記憶媒体。
29. 前記計算されたデータ重力インデックススコアに基づいて、１つまたは複数のリモートシステムに警告を自動的に生成してプッシュするコンピュータ実行可能命令をさらに記憶する、
    請求項２４から２８のいずれか一項に記載の非一時的コンピュータ記憶媒体。
30. 以下の式：
    （（（データ質量＊データアクティビティ）＾２）＊帯域幅）／（レイテンシ＾２）
    を使用して前記データ重力インデックススコアを計算するコンピュータ実行可能命令をさらに記憶する、請求項２４から２９のいずれか一項に記載の非一時的コンピュータ記憶媒体。
31. 以下の式：
    （（データ質量＊データアクティビティ＊帯域幅）／（レイテンシ＾２）
    を使用して前記データ重力インデックススコアを計算するコンピュータ実行可能命令をさらに記憶する、請求項２４から３０のいずれか一項に記載の非一時的コンピュータ記憶媒体。

Images