JP4392665B2 - クラスタシステムの性能予測装置、性能予測方法及び性能予測プログラム - Google Patents
クラスタシステムの性能予測装置、性能予測方法及び性能予測プログラム Download PDFInfo
- Publication number
- JP4392665B2 JP4392665B2 JP2005154751A JP2005154751A JP4392665B2 JP 4392665 B2 JP4392665 B2 JP 4392665B2 JP 2005154751 A JP2005154751 A JP 2005154751A JP 2005154751 A JP2005154751 A JP 2005154751A JP 4392665 B2 JP4392665 B2 JP 4392665B2
- Authority
- JP
- Japan
- Prior art keywords
- access
- nodes
- performance prediction
- cluster system
- window size
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Debugging And Monitoring (AREA)
Description
以下、本発明の第1の実施の形態について図面を参照して説明する。
d=(d1,d2,... ,dn) ・・・ (式1)
p=(p1,p2,... ,pn) ・・・ (式2)
と書く。
で与えられる。式3でΠは、積を計算する記号である。また、d1, d2,… dnは
d1+d2+・・・dn=w ・・・ (式4)
を満たす自然数である。ここで、自然数は0を含む。
a(n, w)は、1ウィンドウ中にアクセスが到着するノードの数の期待値になっている。なお、a(n, w) の値や m(w, d, p) の値は、予め計算して表として持っていてもよい。
a(n,w)=αnθ+βwφ+γ ・・・ (式6)
a(n,w)=αlogn+βlogw+γ ・・・ (式7)
などがある。ここで、α、β、γ、θ、φは実数である。なお、これらの式においても到着ノード数は、ウィンドウサイズの増加に伴い広義の意味で単調増加するように算出される。
b(n,w)=a(n,w)−1 ・・・ (式8)
がある。b(n, w) は、「read」アクセスだけが到着したノード数に等しい。式8は、部分ブロック集合が「write」アクセスにより更新された後に、「write」アクセスが到着しなかったノードに初めて「read」アクセスが到着したときにブロックコピーが起こることを想定した算出方法である。
b(Si)=b(n,W) ・・・ (式10)
とする。また 、Si∈Sとする。ここで、S は各部分ブロック集合Siの集合である。ここで、ワークロード特性テーブル32の全てのデータを取得するために、ウィンドウ情報を測定した期間をperiodと記述する。そして、ブロックコピー回数 B(S) を、
と算出する。ここで、ブロックコピー回数は単位時間当たりのブロックコピー回数である。
により、ブロックコピー回数からクラスタリング・オーバーヘッドとスケーラビリティを算出する(ステップA7)。
通信回線を介して接続される複数のノードの主記憶装置上のデータをノード間で互いに共有するクラスタシステム40の性能を予測する装置であって、主記憶装置内のメモリーブロックを単位としてノード間でなされる単位時間当たりのブロックコピーの回数を算出し、ブロックコピー回数の情報と、ブロックコピーが1回なされる際のCPU負荷の情報に基づき、クラスタシステムで発生するクラスタリング・オーバーヘッドを算出するものである。
以上説明した実施の形態例によれば、通信回線経由でデータを共有するクラスタシステム40で発生するクラスタリング・オーバーヘッドを予測することができる。
以下、本発明の第2の実施の形態について図面を参照して説明する。
q(v)=q(v1,v2, ... ,vw) ・・・ (式15)
とする。
q(v)=q(v1, ... ,vk)×q(vk+1, ... ,v2k)×q(vhk+1, ... ,vw) ・・・ (式16)
となる。ここで h は正又は0の整数である。
a(w) は、第1の実施の形態における a(n, w) に相当する。Card(v)はアクセスシーケンス vにおける、ノードIDの数を表す。ノードIDの数は、v の成分に同じノードが出現した場合には1であると計数し、2つのノードが出現した場合には2であると計数する。
以上説明した実施の形態によれば、第1の実施の形態よりもブロックコピー回数を正確に算出できる。
以下、本発明の第3の実施の形態について図面を参照して説明する。
上記の式は、
以上説明した実施の形態によれば、ワークロード特性情報221が「read」アクセスの数と「write」アクセスの数で与えられる場合でも、クラスタシステム40のクラスタリング・オーバーヘッド及びスケーラビリティを予測できる。
以下、本発明の第4の実施の形態について図面を参照して説明する。
w′=(g+wr)/wr ・・・ (式20)
をワークロード特性テーブル(GET)39の対象とする部分ブロック集合の行の全てのレコードに書き込む(ステップD5)。
オーバーヘッド予測手段160は、「read」アクセスの到着ノード数からブロックコピー回数を算出する(ステップD9)。
とする。B'(n,W) は、部分ブロック集合に対して発生する「get」アクセスによるブロックコピー回数を表している。
b′(Si)=b′(E,W) ・・・ (式23)
とする。また 、Si ∈ S とする。そして、「get」アクセスによって発生するブロックコピー回数 B'(S) を、
と算出する。ここで、ブロックコピー回数 B'(S)は単位時間当たりのブロックコピー回数である。
を用いて、「get」アクセスによるクラスタリング・オーバーヘッドと、スケーラビリティを算出する(ステップD12)。
以上説明した実施の形態によれば、「write」アクセス及び「read」アクセスに加えて「get」アクセスがあるクラスタシステム40の場合に対しても、クラスタリング・オーバーヘッド及びスケーラビリティを計算できる。
20、21、22、23:オーバーヘッド基礎情報
30、35:特性テーブル
31:コピーコストテーブル
32:ワークロード特性テーブル
32A:ワークロード特性テーブル例
33:負荷分散特性テーブル
33A:負荷分散特性テーブル例
36:遷移特性テーブル集合
36A:遷移特性テーブル
36B:遷移特性テーブル
37:遷移特性テーブル例
38:コピーコストテーブル(GET)
39:ワークロード特性テーブル(GET)
40:クラスタシステム
101:CPU
102:主記憶部
103:通信部
104:出力部
105:入力部
106:補助記憶部
110:入力手段
120、121:コピーコスト生成手段
130、131、132:ワークロード特性生成手段
140、141:負荷分散特性生成手段
150、151:到着ノード数算出手段
160:オーバーヘッド予測手段
170:出力手段
210、211:コピーコスト情報
220、221、222:ワークロード特性情報
230、231:負荷分散特性情報
300:性能予測プログラム
Claims (28)
- 通信回線を介して接続される複数のノードの主記憶装置上のデータを前記ノード間で互いに共有するクラスタシステムの性能予測装置であって、
前記主記憶装置内のメモリーブロックを単位として前記ノード間でなされる単位時間当たりのブロックコピーの回数を算出し、
前記ブロックコピー回数と、前記ブロックコピー当たりのCPU負荷の情報に基づき、前記クラスタシステムで発生するクラスタリング・オーバーヘッドを算出することを特徴とするクラスタシステムの性能予測装置。 - 算出した前記クラスタリング・オーバーヘッドと前記ノードの数に基づいて、前記クラスタシステムのスケーラビリティを算出することを特徴とする請求項1に記載のクラスタシステムの性能予測装置。
- 特定の種類のアクセスがメモリーブロック集合に対してなされてから次に同種のアクセスがなされる迄のアクセスの回数であるウィンドウサイズ毎にブロックコピー回数を算出し、前記ウィンドウサイズ毎の前記ブロックコピー回数である部分ブロックコピー回数に基づき、前記ノード間でなされる単位時間当たりのブロックコピーの回数を算出することを特徴とする請求項1又は請求項2に記載のクラスタシステムの性能予測装置。
- 前記特定の種類のアクセスが書込みのアクセスであり、前記特定の種類のアクセスを除くアクセスが読出しのアクセスであることを特徴とする請求項3に記載のクラスタシステムの性能予測装置。
- 前記ウィンドウサイズの回数のアクセスが到着するノードの数の期待値である到着ノード数から、前記部分ブロックコピー回数を算出することを特徴とする請求項3又は請求項4に記載のクラスタシステムの性能予測装置。
- 前記複数のノードへのアクセスが、前記アクセス回数の全てのノードでの合計が前記ウィンドウサイズに等しい条件下で、それぞれ自然数回なされる事象の出現する確率を算出し、算出した前記事象の出現する確率に基づき、前記到着ノード数を算出することを特徴とする請求項5に記載のクラスタシステムの性能予測装置。
- 前記事象の出現する確率を、多項分布又は多次元正規分布を用いて算出することを特徴とする請求項6に記載のクラスタシステムの性能予測装置。
- 前記ウィンドウサイズの増加に伴い前記到着ノード数が広義に単調増加する多項式又は指数関数式又は級数式を用いて、前記到着ノード数を算出することを特徴とする請求項5に記載のクラスタシステムの性能予測装置。
- 前記ウィンドウサイズの回数のアクセスにより実現される前記ノードへのアクセスシーケンスの出現する確率と、前記アクセスシーケンスによりアクセスを受けるノードの数とに基づき、前記到着ノード数を算出することを特徴とする請求項5に記載のクラスタシステムの性能予測装置。
- 前回から自然数回前迄のノードへのアクセスシーケンスの出現する確率を、前回から前記自然数回に1を加えた回数以上前迄のアクセスシーケンスの出現確率から算出し、前記算出した結果に基づき、前記ウィンドウサイズの回数のアクセスにより実現される前記ノードへのアクセスシーケンスの出現する確率を算出することを特徴とする請求項9に記載のクラスタシステムの性能予測装置。
- 特定の種類のアクセスがメモリーブロック集合に対してなされてから次に同種のアクセスがなされる迄のアクセスの回数であるウィンドウサイズを、前記アクセスに含まれる読出しのアクセスの数と書込みのアクセスの数との和を前記書込みのアクセスの数で除算して算出することを特徴とする請求項1又は請求項2に記載のクラスタシステムの性能予測装置。
- ウィンドウサイズが前記ウィンドウサイズ以上の整数である場合及びウィンドウサイズが前記ウィンドウサイズ以下の整数である場合について、前記複数のノードへのアクセスが、前記アクセスの回数の合計がウィンドウサイズに等しい条件下で、それぞれ任意回数なされる事象の出現する確率を算出し、前記算出した結果に基づき、前記ウィンドウサイズの回数のアクセスが到着するノードの数の期待値である到着ノード数を算出することを特徴とする請求項11に記載のクラスタシステムの性能予測装置。
- 前記特定の種類のアクセスが書込みのアクセスであり、前記特定の種類のアクセスを除くアクセスが読出しのアクセス及び取得のアクセスであり、前記取得のアクセスは、過去に前記取得のアクセスのみによるアクセスのなされたノードではブロックの読出しを行い、かつ又過去に前記書込みのアクセス又は前記読出しのアクセスがなされたノードではブロックの読出しを行わないことを特徴とする請求項3に記載のクラスタシステムの性能予測装置。
- 前記ブロックコピーが、前記読出しのアクセスによるブロックコピーと前記取得のアクセスによるブロックコピーであり、前記CPU負荷が前記読出しのアクセスのブロックコピーによるCPU負荷と前記取得のアクセスのブロックコピーによるCPU負荷であることを特徴とする請求項13に記載のクラスタシステムの性能予測装置。
- 通信回線を介して接続される複数のノードの主記憶装置上のデータを前記ノード間で互いに共有するクラスタシステムの性能予測方法であって、
前記主記憶装置内のメモリーブロックを単位として前記ノード間でなされる単位時間当たりのブロックコピーの回数を算出し、
前記ブロックコピー回数と、前記ブロックコピー当たりのCPU負荷の情報に基づき、前記クラスタシステムで発生するクラスタリング・オーバーヘッドを算出すると共に、
算出した前記クラスタリング・オーバーヘッドと前記ノードの数に基づいて、前記クラスタシステムのスケーラビリティを算出することを特徴とする性能予測方法。 - 特定の種類のアクセスがメモリーブロック集合に対してなされてから次に同種のアクセスがなされる迄のアクセスの回数であるウィンドウサイズ毎にブロックコピー回数を算出し、前記ウィンドウサイズ毎の前記ブロックコピー回数である部分ブロックコピー回数に基づき、前記ノード間でなされる単位時間当たりのブロックコピーの回数を算出することを特徴とする請求項15に記載の性能予測方法。
- 前記特定の種類のアクセスが書込みのアクセスであり、前記特定の種類のアクセスを除くアクセスが読出しのアクセスであることを特徴とする請求項16に記載の性能予測方法。
- 前記ウィンドウサイズの回数のアクセスが到着するノードの数の期待値である到着ノード数から、前記部分ブロックコピー回数を算出することを特徴とする請求項16又は請求項17に記載の性能予測方法。
- 前記複数のノードへのアクセスが、前記アクセス回数の全てのノードでの合計がウィンドウサイズに等しい条件下で、それぞれ自然数回なされる事象の出現する確率を算出し、算出した前記事象の出現する確率に基づき、前記到着ノード数を算出することを特徴とする請求項18に記載の性能予測方法。
- コンピュータ処理装置上で実行され、通信回線を介して接続される複数のノードの主記憶装置上のデータを前記ノード間で互いに共有するクラスタシステムの性能を予測するための性能予測プログラムであって、
前記主記憶装置内のメモリーブロックを単位として前記ノード間でなされる単位時間当たりのブロックコピーの回数を算出し、
前記ブロックコピー回数と、前記ブロックコピー当たりのCPU負荷の情報に基づき、前記クラスタシステムで発生するクラスタリング・オーバーヘッドを算出すると共に、
算出した前記クラスタリング・オーバーヘッドと前記ノードの数に基づいて、前記クラスタシステムのスケーラビリティを算出する機能を持たせることを特徴とする性能予測プログラム。 - 特定の種類のアクセスがメモリーブロック集合に対してなされてから次に同種のアクセスがなされる迄のアクセスの回数であるウィンドウサイズ毎にブロックコピー回数を算出し、前記ウィンドウサイズ毎の前記ブロックコピー回数である部分ブロックコピー回数に基づき、前記ノード間でなされる単位時間当たりのブロックコピーの回数を算出する機能を有することを特徴とする請求項20に記載の性能予測プログラム。
- 前記特定の種類のアクセスが書込みのアクセスであり、前記特定の種類のアクセスを除くアクセスが読出しのアクセスである機能を有することを特徴とする請求項21に記載の性能予測プログラム。
- 前記ウィンドウサイズの回数のアクセスが到着するノードの数の期待値である到着ノード数から、前記部分ブロックコピー回数を算出する機能を有することを特徴とする請求項21又は請求項22に記載の性能予測プログラム。
- 前記複数のノードへのアクセスが、前記アクセス回数の全てのノードでの合計がウィンドウサイズに等しい条件下で、それぞれ自然数回なされる事象の出現する確率を算出し、算出した前記事象の出現する確率に基づき、前記到着ノード数を算出する機能を有することを特徴とする請求項23に記載の性能予測プログラム。
- 前記事象の出現する確率を、多項分布又は多次元正規分布を用いて算出する機能を有することを特徴とする請求項24に記載の性能予測プログラム。
- 前記ウィンドウサイズの回数のアクセスにより実現される前記ノードへのアクセスシーケンスの出現する確率と、前記アクセスシーケンスによりアクセスを受けるノードの数とに基づき、前記到着ノード数を算出する機能を有することを特徴とする請求項23に記載の性能予測プログラム。
- 特定の種類のアクセスがメモリーブロック集合に対してなされてから次に同種のアクセスがなされる迄のアクセスの回数であるウィンドウサイズを、前記アクセスに含まれる読出しのアクセスの数と書込みのアクセスの数との和を前記書込みのアクセスの数で除算して算出する機能を有することを特徴とする請求項20に記載の性能予測プログラム。
- 前記特定の種類のアクセスが書込みのアクセスであり、前記特定の種類のアクセスを除くアクセスが読出しのアクセス及び取得のアクセスであり、前記取得のアクセスは、過去に前記取得のアクセスのみによるアクセスのなされたノードではブロックの読出しを行い、かつ又過去に前記書込みのアクセス又は前記読出しのアクセスがなされたノードではブロックの読出しを行わない機能を有することを特徴とする請求項21に記載の性能予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005154751A JP4392665B2 (ja) | 2005-05-26 | 2005-05-26 | クラスタシステムの性能予測装置、性能予測方法及び性能予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005154751A JP4392665B2 (ja) | 2005-05-26 | 2005-05-26 | クラスタシステムの性能予測装置、性能予測方法及び性能予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006331135A JP2006331135A (ja) | 2006-12-07 |
JP4392665B2 true JP4392665B2 (ja) | 2010-01-06 |
Family
ID=37552751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005154751A Expired - Fee Related JP4392665B2 (ja) | 2005-05-26 | 2005-05-26 | クラスタシステムの性能予測装置、性能予測方法及び性能予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4392665B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8583698B2 (en) | 2007-10-03 | 2013-11-12 | Nec Corporation | Hierarchical load estimation system, method and program |
JP5257843B2 (ja) * | 2008-12-12 | 2013-08-07 | 日本電気株式会社 | 分散キャッシュシステム、方法、プログラム、及び計算ノード |
CN112948229A (zh) * | 2021-03-16 | 2021-06-11 | 广州虎牙科技有限公司 | 调度集群的性能确定方法、装置、计算机设备及存储介质 |
CN113592528A (zh) * | 2021-06-22 | 2021-11-02 | 国网河北省电力有限公司营销服务中心 | 基线负荷估计方法、装置及终端设备 |
CN115686381B (zh) * | 2022-12-29 | 2023-03-14 | 苏州浪潮智能科技有限公司 | 存储集群运行状态的预测方法及装置 |
CN117667606B (zh) * | 2024-02-02 | 2024-05-24 | 山东省计算中心(国家超级计算济南中心) | 基于用户行为的高性能计算集群能耗预测方法及系统 |
-
2005
- 2005-05-26 JP JP2005154751A patent/JP4392665B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2006331135A (ja) | 2006-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsieh et al. | Utilization-prediction-aware virtual machine consolidation approach for energy-efficient cloud data centers | |
Ykman-Couvreur et al. | Fast multidimension multichoice knapsack heuristic for mp-soc runtime management | |
US9715408B2 (en) | Data-aware workload scheduling and execution in heterogeneous environments | |
US11734060B2 (en) | Graph data based task scheduling method, apparatus and storage medium thereof | |
Zhang et al. | An effective data locality aware task scheduling method for MapReduce framework in heterogeneous environments | |
Dorier et al. | Omnisc'io: a grammar-based approach to spatial and temporal i/o patterns prediction | |
Bryk et al. | Storage-aware algorithms for scheduling of workflow ensembles in clouds | |
US20100058350A1 (en) | Framework for distribution of computer workloads based on real-time energy costs | |
Salehi et al. | Stochastic-based robust dynamic resource allocation for independent tasks in a heterogeneous computing system | |
JP4392665B2 (ja) | クラスタシステムの性能予測装置、性能予測方法及び性能予測プログラム | |
CN114218012A (zh) | 用于在集群系统中备份和恢复数据的方法和系统 | |
JP2019164705A (ja) | 情報処理装置 | |
Tiwari et al. | Predicting optimal power allocation for cpu and dram domains | |
Liu et al. | Service reliability in an HC: Considering from the perspective of scheduling with load-dependent machine reliability | |
Tudoran et al. | Mapiterativereduce: a framework for reduction-intensive data processing on azure clouds | |
Moore et al. | Lustre lockahead: Early experience and performance using optimized locking | |
Nagarajan et al. | A prediction-based dynamic replication strategy for data-intensive applications | |
Diouri et al. | Energy efficiency in high-performance computing with and without knowledge of applications and services | |
Bader et al. | Lotaru: Locally predicting workflow task runtimes for resource management on heterogeneous infrastructures | |
Proficz et al. | Performance and power-aware modeling of MPI applications for cluster computing | |
US11651271B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using likelihood ratios | |
Singh et al. | A New Priority Heuristic Suitable in Mobile Distributed Real Time Database System | |
JPWO2013114911A1 (ja) | リスク評価システム、リスク評価方法、及びプログラム | |
JP2017107486A (ja) | 処理リソース制御プログラム、処理リソース制御装置、および処理リソース制御方法 | |
Avci et al. | Using cache or credit for parallel ranking and selection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061013 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090316 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090918 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20091001 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4392665 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121023 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131023 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |