JP4812867B2 - 時系列データ解析支援プログラム及び装置 - Google Patents

Description

本発明は、時系列データ解析支援プログラム及び装置に係り、例えば、時系列データがほぼ一定となる期間を判定し、その期間内の時系列データを抽出して平均値を計算する作業の自動化を実現し得る時系列データ解析支援プログラム及び装置に関する。

負荷試験とは、対象の計算機システムにhttpリクエストなどの大量の負荷を与え、運用時に想定される処理量（リクエスト発生頻度）に対する計算機システムの性能特性を確認する試験である。ここで、対象の計算機システムは、インターネット上、又はイントラネット上などの計算機システムである。性能特性の確認とは、処理量に対するＣＰＵ利用率が性能要件を満たしていることの確認と、性能要件を満たさなくなる限界の処理量の確認とを含んでいる。

また、負荷試験においては、解析者が時系列データを解析する作業を行う。この作業においては、解析者は、リクエスト発生頻度の時系列データやサーバ装置のＣＰＵ利用率の時系列データがほぼ一定の期間において、当該リクエスト発生頻度やＣＰＵ利用率の平均値を計算する。計算結果は、操作者の操作により、横軸にリクエスト発生頻度、縦軸にＣＰＵ利用率のグラフとしてクライアント装置に表示される。

解析者は、表示されたグラフに基づき、前述した性能特性の確認を行う。なお、このようなグラフは、負荷試験時に限らず、運用時に表示してもよい。運用時にグラフを表示する場合、限界の処理量は確認できないが、処理量に対するＣＰＵ利用率が性能要件を満たしていることは確認できる。

特開２００７−２４１５３４号公報

以上のような負荷試験では、一般的に、ＪＭｅｔｅｒ、ＷｅｂＬＯＡＤなどの負荷テストツールを使うと、仮想ユーザ数を調整でき、対象の計算機システムに与えるリクエスト発生頻度を変更できる。なお、これらの負荷テストツールはリクエストを発生し、計算機システムからの応答を受けてから次のリクエストを発生させる。よって、仮想ユーザ数を設定してから、実際にリクエスト発生頻度が安定するまでには時間がかかる。また、リクエスト発生頻度は、安定後でも時間によるバラツキが見られる。

一方、対象の計算機システムからの応答を待たずに、決まった頻度でリクエストを発生する方式の負荷テストツールが考えられる。但し、この方式ではリクエスト発生頻度は安定するものの、対象の計算機システムのＣＰＵ利用率が安定するまでには時間がかかる。また、ＣＰＵ利用率は、安定後でも時間によるバラツキが見られる。

いずれにしても、前述したグラフを表示する前に、予めリクエスト発生頻度やサーバ装置のＣＰＵ利用率の推移を人が目視で確認する作業と、リクエスト発生頻度、ＣＰＵ利用率がほぼ一定の期間を判断する作業が必要である。また、判断した一定の期間のリクエスト発生頻度、ＣＰＵ利用率のデータを切り出す作業と、それぞれ平均値を計算して集計する作業も必要である。これらの作業は煩雑で手間がかかるので、自動化されることが望ましい。なお、特許文献１は、ＣＰＵなどの利用率データを読み込み、各時刻における利用率の表にまとめる例が開示されているものの、例えば、時系列データがほぼ一定の期間を判断し、その期間の時系列データの平均値を計算するものではないので、前述した作業の自動化には寄与しない。

本発明は上記実情を考慮してなされたもので、時系列データがほぼ一定となる期間を判定し、その期間内の時系列データを抽出して平均値を計算する作業の自動化を実現し得る時系列データ解析支援プログラム及び装置を提供することを目的とする。

本発明の一つの局面は、記憶手段を備え、解析対象の計算機システムにおける処理量の時系列データとＣＰＵ利用率の時系列データとを受信可能なクライアント装置に用いられる時系列データ解析支援プログラムであって、前記クライアント装置を、入力された許容幅及び最短期間を前記記憶手段に書き込む手段、前記記憶手段内の許容幅及び前記最短期間に基づいて、前記処理量の時系列データが前記許容幅内に収まった期間で前記最短期間以上の期間を一定期間として判断する一定期間判断手段、前記判断された一定期間毎の、前記処理量の時系列データの平均値及び前記ＣＰＵ利用率の時系列データの平均値を算出する平均値算出手段、前記算出された各平均値に基づいて、処理量とＣＰＵ利用率とを関連付けたグラフの表示処理を実行するグラフ表示処理手段、として機能させるための時系列データ解析支援プログラムである。

なお、本発明の一つの局面は、プログラムとして表現したが、これに限らず、装置、方法、又はプログラムを記憶したコンピュータ読取り可能な記憶媒体、などとして表現することができる。

（作用）
本発明の一つの局面においては、一定期間判断手段により、記憶手段内の許容幅及び最短期間に基づいて、処理量の時系列データが許容幅内に収まった期間で最短期間以上の期間を一定期間として判断し、平均値算出手段により、判断された一定期間毎の、処理量の時系列データの平均値及びＣＰＵ利用率の時系列データの平均値を算出する構成としたので、時系列データがほぼ一定となる期間を判定し、その期間内の時系列データを抽出して平均値を計算する作業の自動化を実現させることができる。

以上説明したように本発明によれば、時系列データがほぼ一定となる期間を判定し、その期間内の時系列データを抽出して平均値を計算する作業の自動化を実現できる。

本発明の第１の実施形態に係るクライアント装置及びその周辺構成を例示するブロック図である。 同実施形態における時系列データ解析支援部の構成を例示するブロック図である。 同実施形態における動作を説明するためのフローチャートである。 同実施形態における処理量の時系列データとパラメータとを説明するためのグラフ図である。 同実施形態における処理量の一定期間を判断するアルゴリズムを説明するための模式図である。 同実施形態における判断部の動作を説明するためのフローチャートである。 同実施形態における処理量の時系列データを示すグラフ図である。 同実施形態における処理量の時系列データの近傍に判断結果の一定期間を示したグラフ図である。 同実施形態における処理量の一定期間毎に当該一定期間を識別する番号、開始時刻及び終了時刻を示す模式図である。 同実施形態におけるＣＰＵ利用率の時系列データを示すグラフ図である。 同実施形態における一定期間毎に当該一定期間を識別する番号、開始時刻、終了時刻、リクエスト発生頻度及びＣＰＵ利用率を示す模式図である。 同実施形態におけるリクエスト発生頻度とＣＰＵ利用率とを関連付けて示すグラフ図である。 同実施形態における処理量の時系列データの近傍に、当該時系列データの新しい順に判断した一定期間を示したグラフ図である。 同実施形態における同一の時系列データに対し、古い順に判断した一定期間と新しい順に判断した一定期間とを比較して示す模式図である。 本発明の第２の実施形態に係るクライアント装置に適用された時系列データ解析支援部の構成を例示するブロック図である。 同実施形態における動作を説明するためのフローチャートである。 同実施形態における判断部の動作を説明するためのフローチャートである。 本発明の第３の実施形態に係るクライアント装置に適用された時系列データ解析支援部の構成を例示するブロック図である。 同実施形態に係る動作を説明するためのフローチャートである。

以下、本発明の各実施形態について図面を用いて説明するが、その前に、各実施形態の概要を述べる。各実施形態の概要は、リクエスト発生頻度及びＣＰＵ利用率のいずれか一方又は両方がほぼ一定の期間を判断し、判断した一定期間毎に、リクエスト発生頻度及びＣＰＵ利用率を抽出して各々の平均値を計算し、リクエスト発生頻度とＣＰＵ利用率とを関連付けてグラフ表示するものである。ここで、第１の実施形態では、リクエスト発生頻度がほぼ一定の期間を判断し、第２の実施形態では、ＣＰＵ利用率が一定の期間を判断している。第３の実施形態では、リクエスト発生頻度及びＣＰＵ利用率の両方がほぼ一定の期間を判断している。以上が各実施形態の概要である。

このような各実施形態においては、装置毎に、ハードウェア構成、又はハードウェア資源とソフトウェアとの組合せ構成のいずれでも実施可能となっている。組合せ構成のソフトウェアとしては、予めネットワーク又は記憶媒体から対応する装置のコンピュータにインストールされ、対応する装置の機能を実現させるためのプログラムが用いられる。

続いて、第１の実施形態から順次、具体的に説明する。

（第１の実施形態）
図１は本発明の第１の実施形態に係る本発明の第１の実施形態に係るクライアント装置及びその周辺構成を例示するブロック図であり、図２はクライアント装置内の時系列データ解析支援部の構成を例示するブロック図である。図１に示すように、解析対象の計算機システムＣＳは、Ｗｅｂサーバ装置１、アプリケーションサーバ装置２、データベースサーバ装置３のようなサーバ群から構成される。このような計算機システムＣＳとクライアント装置１００とが互いにネットワーク２００を介して通信可能に接続されている。

計算機システムＣＳの各サーバ装置１，２，３，…は、ネットワーク２００を介して通信可能な任意のサーバ装置であり、クライアント装置１００から受けたhttpリクエストに対し、発生した処理の実行後に応答を返す機能と、処理量の時系列データ及びＣＰＵ利用率の時系列データをクライアント装置１００に送信する機能とをもっている。

ここで、処理量の時系列データとしては、負荷試験時には負荷試験ツール部１４０により仮想ユーザから発生したリクエスト発生頻度が計測される。また、計算機システムＣＳの運用時には、Ｗｅｂサーバ装置１やアプリケーションサーバ装置２等のログ機能により利用履歴が得られる。利用履歴としては、例えば、以下の二種類（１）〜（２）が使用可能であるが、いずれにしても一定時間間隔内に計算機システムＣＳに与えられた各処理の処理量が分かる。

（１）アクセスログのように、クライアントからの要求に応じて起動された処理の種別、発生時刻が記録された利用履歴。

（２）一定間隔で、その区間における処理毎の発生量が記録された利用履歴。

ＣＰＵ利用率の時系列データは、計算機システムＣＳ内の各サーバ装置１，２，３，…のＣＰＵ利用率であり、例えば１０秒間といった一定時間間隔で計測される。また、ＣＰＵ利用率の時系列データは、パフォーマンスモニタ（perfmon.exe）のようなプログラムツールにより計測及びログ出力が可能となっている。

一方、クライアント装置１００は、記憶部１１０、入力部１２０、通信Ｉ／Ｆ部１３０、負荷試験ツール部１４０、時系列データ解析支援部１５０及び表示部１６０を備えている。

ここで、記憶部１１０は、各部１２０〜１６０から読出／書込可能な記憶装置であり、例えば、入力部１１０から入力されたパラメータ、通信Ｉ／Ｆ部１３０が受信した時系列データ、各部１４０，１５０等による処理中及び処理結果のデータ等が記憶される。

入力部１１０は、操作者により操作されるキーボード及びマウス等の入力装置である。

通信Ｉ／Ｆ部１３０は、ネットワーク２００を介して計算機システムＣＳの各サーバ１，２，３…と通信するための通信インターフェースであり、例えば、負荷試験ツール部１４０により発生したhttpリクエストを計算機システムＣＳに送信する機能と、計算機システムＣＳから送信された時系列データを受信する機能とをもっている。時系列データとしては、例えば処理量の計測値と時刻データを含む時系列データや、ＣＰＵ利用率の計測値と時刻データを含む時系列データなどがある。

負荷試験ツール部１４０は、入力部１１０から設定された仮想ユーザ数に応じたhttpリクエストを通信Ｉ／Ｆ部１３０により計算機システムＣＳに送信して負荷試験を実行する機能と、計算機システムＣＳから通信Ｉ／Ｆ部１３０により受信した処理量の時系列データ及びＣＰＵ利用率の時系列データを時系列データ解析支援部１５０内の処理量入力部１５２、性能データ入力部１５４に入力する機能をもっている。なお、負荷試験ツール部１４０は、クライアント装置１００の用途に負荷試験がない場合（用途が運用時のみの場合）、省略可能である。

時系列データ解析支援部１５０は、図２に示すように、パラメータ入力部１５１、処理量入力部１５２、判断部１５３、性能データ入力部１５４、集計部１５５及び結果出力部１５６を備えている。

パラメータ入力部１５１は、操作者の操作により、入力部１１０から入力されたパラメータを判断部１５３に入力する機能をもっている。ここで、パラメータとしては、例えば、判断部１５３による一定期間の判断に用いられる許容幅Ｗ及び最短期間Ｔが挙げられる。但し、これらのパラメータＷ，Ｔに限らず、パラメータとしては、外れ許容回数Ｖを更に用いてもよい。外れ許容回数Ｖについては、第２の実施形態で述べる。

処理量入力部１５２は、対象の計算機システムＣＳへのリクエスト発生頻度など、計算機システムＣＳが実際に処理した量を表す処理量の時系列データを負荷試験ツール部１４０（負荷試験時）又は通信Ｉ／Ｆ部１３０（運用時）から受信し、この処理量の時系列データを判断部１５３と集計部１５５に入力する機能をもっている。

なお、負荷試験ツール部１４０に適用可能な多くの負荷テストツールでは、対象の計算機システムＣＳからの応答を受信してから次のリクエストを送信する。このため、計算機システムＣＳが過負荷で処理しきれずにエラーを返す場合を除き、リクエスト発生頻度は計算機システムＣＳの単位時間当たりの処理量に一致する。従って、本明細書中ではリクエスト発生頻度と計算機システムＣＳの処理量とを同一として説明する。

判断部１５３は、パラメータ入力部１５１から入力されたパラメータを記憶部１１０に書き込む機能と、記憶部１１０内のパラメータに基づいて、処理量入力部１５２から入力された処理量の時系列データがほぼ一定である期間を判断する機能と、判断された一定期間毎の、当該一定期間を識別する番号、開始時刻及び終了時刻を集計部１５５に送出する機能とをもっている。

ここで、判断する機能は、具体的には、記憶部１１０内の許容幅及び最短期間に基づいて、処理量の時系列データが許容幅に収まった期間で最短期間以上の期間を一定期間として判断する。

性能データ入力部１５４は、計算機システムＣＳのサーバ装置１，２，３，…のＣＰＵ利用率（性能データ）の時系列データを負荷試験ツール部１４０（負荷試験時）又は通信Ｉ／Ｆ部１３０（運用時）から受信し、当該ＣＰＵ利用率の時系列データを集計部１５５に入力する機能をもっている。

集計部１５５は、判断部１５３から一定期間毎の、番号、開始時刻及び終了時刻を受ける機能と、処理量入力部１５２から処理量の時系列データを受ける機能と、性能データ入力部１５４からＣＰＵ利用率の時系列データを受ける機能と、一定期間毎の番号、開始時刻及び終了時刻に基づいて、当該一定期間毎の、処理量の時系列データの平均値及びＣＰＵ利用率の時系列データの平均値を算出する機能と、算出した各平均値を結果出力部１５６に送出する機能とをもっている。

結果出力部１５６は、集計部１５５から一定期間毎の、処理量の平均値及びＣＰＵ利用率の平均値を受ける機能と、一定期間毎の各平均値に基づいて、処理量とＣＰＵ利用率とを関連付けたグラフの表示処理を実行する機能とをもっている。グラフの表示処理は、当該グラフの表示データを作成する処理と、作成した表示データを表示部１６０に送出する処理とを含んでいる。

表示部１６０は、各部１４０，１５０等から送出されたデータを表示する表示装置であり、例えば液晶ディスプレイ装置などが適宜使用可能となっている。

次に、以上のように構成されたクライアント装置の動作を図３のフローチャートを用いて説明する。

パラメータ入力部１５１は、操作者による入力部１２０の操作により、対象の計算機システムＣＳへのリクエスト発生頻度がほぼ一定である期間を決めるためのパラメータＰを判断部１５３に入力する（ＳＴＥＰ１００）。ここで、パラメータＰは、許容幅Ｗ及び最短期間Ｔである。

処理量入力部１５２は、対象の計算機システムへのリクエスト発生頻度などの処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｎ）を例えば負荷試験ツール部１４０から受信すると、処理量の時系列データＳ_ｉを判断部１５３及び集計部１５５に入力する（ＳＴＥＰ２００）。Ｓ_ｉは時刻（ｉ−１）ΔｔからｉΔｔまでのリクエスト発生頻度である。Δｔは観測間隔であり、時刻０から時刻ＮΔｔまでのデータが観測されているとして説明する。

判断部１５３は、パラメータ入力部１５１から受けたパラメータＰ（許容幅Ｗ及び最短期間Ｔ）を記憶部１１０に書き込み、記憶部１１０内のパラメータＰ（許容幅Ｗ及び最短期間Ｔ）に基づいて、処理量入力部１５２から受けた処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｎ）が許容幅Ｗに収まった期間で最短期間Ｔ以上の期間を一定期間Ｂ_ｊ（ｊ＝１，２，…，Ｍ）として判断する（ＳＴＥＰ３００）。Ｍは処理量が一定であると判断された期間の数である。

しかる後、判断部１５３は、判断した一定期間Ｂ_ｊ（ｊ＝１，２，…，Ｍ）毎の、当該一定期間を識別する番号ｊ、開始時刻Ｔs_ｊ（ｊ＝１，２，…，Ｍ）、終了時刻Ｔe_ｊ（ｊ＝１，２，…，Ｍ）を集計部１５５に送出する。

性能データ入力部１５４は、サーバ装置のＣＰＵ利用率などの時系列データＵ_ｉ（ｉ＝１，２，…，Ｎ）を負荷試験ツール部１４０（負荷試験時）又は通信Ｉ／Ｆ部１３０（運用時）から受けると、当該ＣＰＵ利用率の時系列データＵ_ｉを集計部１５５に入力する（ＳＴＥＰ４００）。

集計部１５５は、判断部１５３から受けた一定期間Ｂ_ｊ毎の、番号ｊ、開始時刻Ｔs_ｊ、終了時刻Ｔe_ｊに基づいて、その期間のリクエスト発生頻度の平均値Ｓ_ｊave（ｊ＝１，２，…，Ｍ）及びＣＰＵ利用率の平均値Ｕ_ｊave（ｊ＝１，２，…，Ｍ）を算出し（ＳＴＥＰ５００）、算出した各平均値Ｓ_ｊave，Ｕ_ｊaveを結果出力部１５６に送出する。

結果出力部１５６では、集計部１５５からリクエスト発生頻度の平均値Ｓ_ｊave（ｊ＝１，２，…，Ｍ）とＣＰＵ利用率の平均値Ｕ_ｊave（ｊ＝１，２，…，Ｍ）が受信されると、各平均値Ｓ_ｊave，Ｕ_ｊaveを互いに関連付けたグラフの表示処理を実行し（ＳＴＥＰ６００）、当該グラフが表示部１６０に表示される。

以上のように、時系列データ解析支援部１５０が動作するので、人がリクエスト発生頻度の時系列データを見て、ほぼ一定の期間を判断する必要が無くなり、また、その期間の開始時刻と終了時刻から、その間のＣＰＵ利用率を切り出し、平均値を計算するといった煩雑な計算をしなくて済む。

また、負荷試験の途中でも各平均値Ｓ_ｊave，Ｕ_ｊaveを関連付けたグラフを表示できるので、負荷試験が正常に行われていることの確認や、次に負荷をかける仮想ユーザ数をどう設定するかを決めることができる。

次に、判断部１５３が一定期間を判断する方法の一例を詳細に説明する。

パラメータＰは、処理量の許容幅Ｗと最短期間Ｔから構成される（Ｐ＝（Ｗ，Ｔ））。一定期間とは、処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｎ）が連続して許容幅Ｗ内に収まった期間であって最短期間Ｔ以上である期間を意味する。図４は処理量の時系列データを示すグラフ図であり、図中の四角い枠の高さが許容幅Ｗを表す。許容幅Ｗ内に収まる範囲が四角い枠で囲まれているが、その期間が最短期間Ｔ以上であれば、その期間を処理量が一定である期間と判断する。

この判断のアルゴリズムについて図５を用いて説明する。特に、四角い枠の位置決めの方法について説明する。図５は横軸が時刻、縦軸が処理量のグラフであり、処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｎ）がプロットされている。この判断のアルゴリズムでは、処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｎ）が順次読み込まれる。まず、時系列データＳ_ｉから第１データＳ_１が読み込まれると、時系列データＳ_ｉの最大値を表す変数maxと最小値を表す変数minに第１データＳ_１の値が代入される。四角い枠（許容幅Ｗ）が取り得る範囲はmax−Ｗからmin＋Ｗまでの範囲になる（図中の矢印範囲）。

次に、時系列データＳ_ｉの第２データＳ_２が読み込まれる。第２データＳ_２の値がmax−Ｗからmin＋Ｗの範囲内に入っている場合は一定期間が続くことになる。また、第２データＳ_２と最大値の変数maxが比較され、第２データＳ_２が大きい場合には最大値の変数maxに第２データＳ_２の値が代入される。第２データＳ_２と最小値の変数minが比較され、第２データＳ_２が小さい場合には最小値の変数minにＳ_２の値が代入される。図５ではＳ_２が最大値の変数maxより大きかったので最大値の変数maxに第２データＳ_２の値が代入されている。このことにより、四角い枠（許容幅Ｗ）が取り得る範囲（max−Ｗからmin＋Ｗまで）が狭くなったことがわかる。同様に第３データＳ_３が読み込まれると、第３データＳ_３が最大値の変数maxより大きかったので最大値の変数maxに第３データＳ_３の値が代入される。第４データＳ_４はmin≦Ｓ_４≦maxなので、変数min、maxの変化はない。

次に、第５データＳ_５が読み込まれると、Ｓ_５＞ max＋Ｗなので許容幅Ｗの四角い枠から外れることになる。第１〜第４データＳ_１〜Ｓ_４の期間が最短期間Ｔ以上であれば、処理量が一定である期間と判断される。

以上の判断方法について図６のフローチャートを用いて詳細に説明する。

判断部１５３は、最小値の変数min、最大値の変数max、時系列データの番号ｉをそれぞれ初期化する（ＳＴＥＰ３０１）。すなわち、min＝０、max＝０、ｉ＝１とする。

続いて、判断部１５３は、時系列データＳ_ｉについて、ＳＴＥＰ３０２〜ＳＴＥＰ３１６間のループ処理を行う（ＳＴＥＰ３０２）。

判断部１５３は、最小値の変数minが０か否かを判定し（ＳＴＥＰ３０３）、否の場合（ＳＴＥＰ３０３；Ｎｏ）には時系列データ内の第ｉデータＳ_ｉが許容幅Ｗのとり得る範囲（max−Ｗ≦Ｓ_ｉ≦min＋Ｗ）内にあるか否かを判定する（ＳＴＥＰ３０４）。

判断部１５３は、ＳＴＥＰ３０４の判定の結果、範囲内にある場合（ＳＴＥＰ３０４；Ｙｅｓ）には、第ｉデータＳ_ｉと最小値の変数minとを比較してＳ_ｉ＜minであるか否かを判定し（ＳＴＥＰ３０５）、Ｓ_ｉ＜minであれば（ＳＴＥＰ３０５；Ｙｅｓ）、最小値の変数minに第ｉデータを代入し（ＳＴＥＰ３０６）、否であれば最小値の変数minの値をそのまま維持する。

続いて、判断部１５３は、第ｉデータＳ_ｉと最大値の変数maxとを比較してＳ_ｉ＞maxであるか否かを判定し（ＳＴＥＰ３０７）、Ｓ_ｉ＞maxであれば（ＳＴＥＰ３０７；Ｙｅｓ）、最大値の変数maxに第ｉデータＳ_ｉを代入し（ＳＴＥＰ３０８）、否であれば最大値の変数maxをそのまま維持する。

しかる後、判断部１５３は、一定期間が続いている長さｎを＋１だけ更新する（ＳＴＥＰ３０９）。

一方、ＳＴＥＰ３０４の判定の結果、否の場合（ＳＴＥＰ３０４；Ｎｏ）には、判断部１５３は、一定期間が続いている長さｎが最短期間Ｔ以上であるか否かを判定し（ＳＴＥＰ３１０）、最短期間Ｔ以上であれば（ＳＴＥＰ３１０；Ｙｅｓ）、一定期間内の前回（ｉ−１）までの時系列データＳ_ｓ〜Ｓ_i-1をグループ化するが（ＳＴＥＰ３１１）、否であれば（ＳＴＥＰ３１０；Ｎｏ）、時系列データをグループ化しない。

しかる後、判断部１５３は、最小値の変数min、最大値の変数maxをそれぞれ０に初期化する（ＳＴＥＰ３１２）。

また一方、ＳＴＥＰ３０３の判定の結果、最小値の変数minが０であれば（ＳＴＥＰ３０３；Ｙｅｓ）、判断部１５３は、最小値の変数minと、最大値の変数maxに第ｉデータＳ_ｉの値を代入し（ＳＴＥＰ３１３）、一定期間の開始データＳ_ｓをＳ_ｉとし、一定期間が続いている長さｎを１とする（ＳＴＥＰ３１４）。

次に、ＳＴＥＰ３０９、ＳＴＥＰ３１２又はＳＴＥＰ３１４の実行後、判断部１５３は、時系列データＳ_ｉの番号ｉを＋１だけ更新し（ＳＴＥＰ３１５）、ＳＴＥＰ３０２からループ処理を繰り返し実行する（ＳＴＥＰ３１６）。

ＳＴＥＰ３０２〜ＳＴＥＰ３１６のループ処理の完了後、判断部１５３は、一定期間が続いている長さｎが最短期間Ｔ以上であるか否かを判定し（ＳＴＥＰ３１７）、最短期間Ｔ以上であれば（ＳＴＥＰ３１７；Ｙｅｓ）、一定期間内の前回（ｉ−１）までの時系列データＳ_ｓ〜Ｓ_i-1をグループ化して（ＳＴＥＰ３１８）、否であれば（ＳＴＥＰ３１７；Ｎｏ）、時系列データをグループ化せずに、ＳＴＥＰ３００の処理を終了する。

図７は処理量の時系列データＳ_ｉを表したグラフである。横軸が時刻、縦軸がリクエスト発生頻度を表す。この処理量の時系列データＳ_ｉに対し、図５及び図６の手順で判断された一定期間を付加して図８に示す。図８では、処理量の時系列データＳ_ｉのグラフ上に、処理量が一定と判断された期間がプロットされている。パラメータ値は、許容幅Ｗが３．０［回／秒］、最短期間Ｔが１００［秒］として計算した結果である。

図９は判断部１５３が判断した一定期間毎の、番号、開始時刻及び終了時刻を示している。判断部１５３は、判断した一定期間毎の、番号、開始時刻及び終了時刻の情報を集計部１５５に送出する。

次に、集計部１５５の処理について説明する。集計部１５５では、判断部１５３から処理量が一定であると判断された期間の開始時刻、終了時刻、処理量入力部１５２から処理量の時系列データ、性能データ入力部１５４からサーバ装置のＣＰＵ利用率などの性能データを受けると、処理量が一定であると判断された期間の開始時刻、終了時刻を基に、その期間のリクエスト発生頻度の平均値、ＣＰＵ利用率の平均値を計算する。

図１０は図７の処理量が計測された時のＣＰＵ利用率の時系列データを示している。このＣＰＵ利用率の時系列データは、性能データ入力部１５４から受けたデータであるとする。これらのデータを基に、処理量が一定であると判断された期間毎にリクエスト発生頻度の平均値、ＣＰＵ利用率の平均値を算出した集計結果を図１１に示す。このリクエスト発生頻度とＣＰＵ利用率の平均値の算出結果は結果出力部１５６に送出される。

結果出力部１５６では、横軸にリクエスト発生頻度、縦軸にＣＰＵ利用率のグラフの表示データを作成し、表示データを表示部１６０に送出する。表示部１６０に表示されるグラフを図１２に示す。リクエスト発生頻度の増加に対してＣＰＵ利用率も増加していることが分かる。

上述したように本実施形態によれば、判断部１５３により、記憶部１１０内の許容幅及び最短期間に基づいて、処理量の時系列データが許容幅Ｗ内に収まった期間で最短期間Ｔ以上の期間を一定期間Ｂ_ｊとして判断し、集計部１５５により、判断された一定期間Ｂ_ｊ毎の、処理量の時系列データＳ_ｉの平均値及びＣＰＵ利用率の時系列データＵ_ｉの平均値を算出する構成としたので、時系列データがほぼ一定となる期間を判定し、その期間内の時系列データを抽出して平均値を計算する作業の自動化を実現させることができる。

すなわち、従来とは異なり、人が目視でリクエスト発生頻度やサーバ装置のＣＰＵ利用率がほぼ一定に安定している期間を特定していたのを自動的に判断することができる。また、その期間の開始時刻と終了時刻から、その間のＣＰＵ利用率を切り出し、平均値を計算するといった煩雑な計算をしなくて済む。さらに、期間毎に、リクエスト発生頻度やサーバ装置のＣＰＵ利用率の平均値を計算し、結果をグラフ表示することも自動的に行なうことができる。

さらに、すぐに負荷試験の途中で、結果をグラフ表示し、試験が正しく行われていることを確認でき、次に負荷をかける仮想ユーザ数をどう設定するかを決めることができる。

なお、本実施形態は、処理量の時系列データの古い順に一定期間を判断していたが、これに限らず、時系列データの新しい順に一定期間を判断するように変形してもよい。

一般的に、処理量データは、仮想ユーザ数を変化させた瞬間に大きく変動し、その後、安定する傾向がある。従って、処理量の時系列データを新しい順に処理する方が、より変動の少ない処理量の期間を特定することができる。

図７の処理量の時系列データに対して、データの新しい順に処理量一定期間を特定する処理を行った結果を図１３に示す。

図８と図１３の違いが分かりにくいので、一部の時刻部分（２００８／５／２７ ２０：１４から２００８／５／２７ ２０：１９）について、処理量の時系列データと、データの古い順に処理量一定期間を特定した場合の期間、データの新しい順に処理量一定期間を特定した場合の期間を並べて表示した結果を図１４に示す。２種類の方法で特定された期間が異なり、データの新しい順に処理量一定期間を特定した場合の方が長い期間であることが分かる。また、データの古い順に処理量一定期間を特定した場合の期間の分散は０．４５６、データの新しい順に処理量一定期間を特定した場合の期間の分散は０．２９５であり、データの新しい順に処理量一定期間を特定した場合の方が一定値に近いことがわかる。

（第２の実施形態）
次に、本発明の第２の実施形態について説明する。

本実施形態は、第１の実施形態の変形例であり、一定の期間を判断する対象を処理量の時系列データとした第１の実施形態とは異なり、一定の期間を判断する対象をＣＰＵ利用率の時系列データとしている。

図１５は本発明の第２の実施形態に係るクライアント装置に適用された時系列データ解析支援部の構成を例示するブロック図である。時系列データ解析支援部１５０は、第１の実施形態と同様に、パラメータ入力部１５１、処理量入力部１５２、判断部１５３、性能データ入力部１５４、集計部１５５及び結果出力部１５６から構成される。但し、処理量入力部１５２、判断部１５３及び性能データ入力部１５４の機能が若干異なる。なお、集計部１５５、結果出力部１５６の機能は、第１の実施形態と同様なので説明を省略する。

パラメータ入力部１５１は、前述した許容幅Ｗ及び最短期間Ｔの入力機能に加え、入力部１２０から入力された外れ許容回数Ｖを判断部１５３に入力する機能をもっている。

処理量入力部１５２は、対象の計算機システムへのリクエスト発生頻度などの処理量の時系列データを負荷試験ツール部１４０（負荷試験時）又は通信Ｉ／Ｆ部１３０（運用時）から受けると、処理量の時系列データを集計部１５５に入力する機能をもっている。

判断部１５３は、記憶部１１０内の許容幅Ｗ及び最短期間Ｔに基づいて、性能データ入力部１５４から入力されたＣＰＵ利用率の時系列データがほぼ一定である期間を判断する機能と、判断された一定期間毎の、当該一定期間を示す番号、開始時刻及び終了時刻を集計部１５５に送出する機能をもっている。

補足すると、判断部１５３は、第１の実施形態で述べた機能において、処理量の時系列データに代えて、ＣＰＵ利用率の時系列データに関し、許容幅Ｗ内に収まった期間で最短期間Ｔ以上の期間を一定期間として判断する機能であって、入力された外れ許容回数Ｖを記憶部１１０に書き込む機能と、ＣＰＵ利用率の時系列データが許容幅Ｗから外れたときに、当該許容幅Ｗから外れたことが連続していなければ、外れ許容回数Ｖまでは許容幅Ｗから外れたことを無視する機能とを含んでいる。

性能データ入力部１５４は、ＣＰＵ利用率の時系列データを負荷試験ツール部１４０（負荷試験時）又は通信Ｉ／Ｆ部１３０（運用時）から受けると、当該ＣＰＵ利用率の時系列データを判断部１５３及び集計部１５５に入力する機能をもっている。

次に、以上のように構成されたクライアント装置に適用された時系列データ解析支援部の動作を図１６のフローチャート図を用いて説明する。

ＳＴＥＰ５００、ＳＴＥＰ６００は図３（第１の実施形態）と同じなので説明を省略する。

パラメータ入力部１５１は、操作者による入力部１２０の操作により、許容幅Ｗ、最短期間Ｔ及び外れ許容回数ＶをパラメータＰとして判断部１５３に入力する（ＳＴＥＰ１１０）。

性能データ入力部１５４は、サーバ装置のＣＰＵ利用率などの時系列データＵ_ｉ（ｉ＝１，２，…，Ｎ）を例えば負荷試験ツール部１４０から受けると、ＣＰＵ利用率の時系列データＵ_ｉを判断部１５３及び集計部１５５に入力する（ＳＴＥＰ２１０）。

判断部１５３は、パラメータ入力部１５１から受けた許容幅Ｗ、最短期間Ｔ及び外れ許容回数Ｖを記憶部１１０に書き込むと共に、性能データ入力部１５４からＣＰＵ利用率の時系列データＵ_ｉを受けると、記憶部１１０内の許容幅Ｗ、最短期間Ｔ及び外れ許容回数Ｖに基づいて、ＣＰＵ利用率の時系列データが一定である期間Ｂ_ｊ（ｊ＝１，２，…，Ｍ）を判断する（ＳＴＥＰ３３０）。

しかる後、判断部１５３は、判断した一定期間Ｂ_ｊ（ｊ＝１，２，…，Ｍ）毎の、当該一定期間を識別する番号ｊ、開始時刻Ｔs_ｊ（ｊ＝１，２，…，Ｍ）、終了時刻Ｔe_ｊ（ｊ＝１，２，…，Ｍ）を集計部１５５に送出する。

処理量入力部１５２は、対象の計算機システムへのリクエスト発生頻度などの処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｍ）を負荷試験ツール部１４０から受けると、処理量の時系列データＳ_ｉを集計部１５５に送出する（ＳＴＥＰ４１０）。

図７と図１０を見比べて分かる通り、ＣＰＵ利用率の時系列データＵ_ｉは、リクエスト発生頻度の時系列データＳ_ｉに比べて変動が大きいことが分かる。従って、ＣＰＵ利用率が一定の期間を特定する判断も難しくなる。

そこで、許容幅Ｗから外れて良い回数（外れ許容回数）ＶをパラメータＰに追加し、ＣＰＵ利用率が一定である期間を判断するときに、許容幅Ｗから外れるデータが現れた場合に、その許容幅Ｗから外れることが連続していなければ外れ許容回数Ｖ回までは許容して、ＣＰＵ利用率が一定である期間を判断するアルゴリズムを用いている。

図１７はこのアルゴリズムを具体化したフローチャートであり、それぞれ破線で示したＳＴＥＰ３３１の一部と、ＳＴＥＰ３４０−１〜ＳＴＥＰ３４０−４とが前述した図６のフローチャートと大きく異なる。また、対象が処理量の時系列データＳ_ｉではなく、ＣＰＵ利用率の時系列データＵ_ｉである点も図６と異なっている。以下、図１７に示す動作を詳細に述べる。

判断部１５３は、最小値の変数min、最大値の変数max、時系列データの番号ｉ、許容幅Ｗから外れた外れ回数ｋをそれぞれ初期化する（ＳＴＥＰ３３１）。すなわち、min＝０、max＝０、ｉ＝１、ｋ＝０とする。また、判断部１５３は、操作者による入力部１２０の操作により、外れ許容回数Ｖを記憶部１１０に書き込んでおく。

続いて、判断部１５３は、時系列データＵ_ｉについて、ＳＴＥＰ３３２〜ＳＴＥＰ３４６間のループ処理を行う（ＳＴＥＰ３３２）。

判断部１５３は、最小値の変数minが０か否かを判定し（ＳＴＥＰ３３３）、否の場合（ＳＴＥＰ３３３；Ｎｏ）には時系列データ内の第ｉデータＵ_ｉが許容幅Ｗのとり得る範囲（max−Ｗ≦Ｕ_ｉ≦min＋Ｗ）内にあるか否かを判定する（ＳＴＥＰ３３４）。

判断部１５３は、ＳＴＥＰ３３４の判定の結果、範囲内にある場合（ＳＴＥＰ３３４；Ｙｅｓ）には、第ｉデータＵ_ｉと最小値の変数minとを比較してＵ_ｉ＜minであるか否かを判定し（ＳＴＥＰ３３５）、Ｕ_ｉ＜minであれば（ＳＴＥＰ３３５；Ｙｅｓ）、最小値の変数minに第ｉデータを代入し（ＳＴＥＰ３３６）、否であれば最小値の変数minの値をそのまま維持する。

続いて、判断部１５３は、第ｉデータＵ_ｉと最大値の変数maxとを比較してＵ_ｉ＞maxであるか否かを判定し（ＳＴＥＰ３３７）、Ｕ_ｉ＞maxであれば（ＳＴＥＰ３３７；Ｙｅｓ）、最大値の変数maxに第ｉデータＵ_ｉを代入し（ＳＴＥＰ３３８）、否であれば最大値の変数maxをそのまま維持する。

しかる後、判断部１５３は、一定期間が続いている長さｎを＋１だけ更新する（ＳＴＥＰ３３９）。

一方、ＳＴＥＰ３３４の判定の結果、否の場合（ＳＴＥＰ３３４；Ｎｏ）には、判断部１５３は、一定期間が続いている長さｎが最短期間Ｔ以上であるか否かを判定し（ＳＴＥＰ３４０）、最短期間Ｔ以上であれば（ＳＴＥＰ３４０；Ｙｅｓ）、一定期間内の前回（ｉ−１）までの時系列データＵ_ｓ〜Ｕ_i-1をグループ化するが（ＳＴＥＰ３４１）、否であれば（ＳＴＥＰ３４０；Ｎｏ）、範囲から外れた時系列データＵ_ｉの番号ｉを記憶部１１０に保存し、外れ回数ｋを＋１だけ更新する（ＳＴＥＰ３４０−１）。

続いて、判断部１５３は、保存した番号ｉが連続しているか否かを判定し（ＳＴＥＰ３４０−１）、連続していれば、ＳＴＥＰ３４２に進む。

一方、連続していなければ（ＳＴＥＰ３４０−１；Ｎｏ）、判断部１５３は、外れ回数ｋが外れ許容回数Ｖ以下か否かを判定し（ＳＴＥＰ３４０−３）、外れ回数ｋが外れ許容回数Ｖ以下であれば、ＳＴＥＰ３４５に進む。すなわち、判断部１５３は、ＣＰＵ利用率の時系列データＵ_ｉが許容幅Ｗから外れたときに、当該許容幅Ｗから外れたことが連続していなければ、外れ許容回数Ｖまでは許容幅Ｗから外れたことを無視する。

また、判断部１５３は、外れ回数ｋが外れ許容回数Ｖを超えた場合には（ＳＴＥＰ３４０−３；Ｎｏ）、外れた番号ｉを記憶部１１０から消去し、外れ回数ｋを０に初期化してＳＴＥＰ３４２に進む。

しかる後、判断部１５３は、最小値の変数min、最大値の変数maxをそれぞれ０に初期化する（ＳＴＥＰ３４２）。

また一方、ＳＴＥＰ３３３の判定の結果、最小値の変数minが０であれば（ＳＴＥＰ３３３；Ｙｅｓ）、判断部１５３は、最小値の変数minと、最大値の変数maxに第ｉデータＵ_ｉの値を代入し（ＳＴＥＰ３４３）、一定期間の開始データＵ_ｓをＵ_ｉとし、一定期間が続いている長さｎを１とする（ＳＴＥＰ３４４）。

次に、ＳＴＥＰ３３９、ＳＴＥＰ３４２又はＳＴＥＰ３４４の実行後、判断部１５３は、時系列データＵ_ｉの番号ｉを＋１だけ更新し（ＳＴＥＰ３４５）、ＳＴＥＰ３３２からループ処理を繰り返し実行する（ＳＴＥＰ３４６）。

ＳＴＥＰ３３２〜ＳＴＥＰ３４６のループ処理の完了後、判断部１５３は、一定期間が続いている長さｎが最短期間Ｔ以上であるか否かを判定し（ＳＴＥＰ３４７）、最短期間Ｔ以上であれば（ＳＴＥＰ３４７；Ｙｅｓ）、一定期間内の前回（ｉ−１）までの時系列データＵ_ｓ〜Ｕ_i-1をグループ化して（ＳＴＥＰ３４８）、否であれば（ＳＴＥＰ３４７；Ｎｏ）、時系列データをグループ化せずに、ＳＴＥＰ３３０の処理を終了する。

以上により、変動が大きいＣＰＵ利用率の時系列データＵ_ｉであっても、判断部１５３は、一定の期間を判断することができる。

上述したように本実施形態によれば、判断部１５３により、記憶部１１０内の許容幅及び最短期間に基づいて、ＣＰＵ使用率の時系列データＵ_ｉが許容幅Ｗ内に収まった期間で最短期間Ｔ以上の期間を一定期間Ｂ_ｊとして判断し、集計部１５５により、判断された一定期間Ｂ_ｊ毎の、処理量の時系列データＳ_ｉの平均値及びＣＰＵ利用率の時系列データＵ_ｉの平均値を算出する構成としたので、時系列データがほぼ一定となる期間を判定し、その期間内の時系列データを抽出して平均値を計算する作業の自動化を実現させることができる。

例えば、負荷試験ツール部１４０が、対象の計算機システムＣＳからの応答を待たずに、決まった頻度でリクエストを発生する場合でも、対象の計算機システムＣＳのサーバ装置１，２，３，…のＣＰＵ利用率が安定している期間を自動的に判断することができる。また、処理量に比べて変動が大きいＣＰＵ利用率に対しても、外れ許容回数Ｖに基づいて、一定期間を自動的に判断することができる。

また、前述同様に、一定期間Ｂ_ｊ毎に、リクエスト発生頻度の平均値やサーバ装置のＣＰＵ利用率の平均値を計算し、結果をグラフ表示することも自動的に実行できる。

（第３の実施形態）
次に、本発明の第３の実施形態について説明する。

本実施形態は、第１及び第２の実施形態の変形例であり、一定の期間を判断する対象を処理量の時系列データと、ＣＰＵ利用率の時系列データとの両者とし、且つ両者が一定の期間と判断された期間を最終的に一定期間と判断している。

図１８は本発明の第３の実施形態に係るクライアント装置に適用された時系列データ解析支援部の構成を例示するブロック図である。時系列データ解析支援部１５０は、第１の実施形態と同様に、パラメータ入力部１５１、処理量入力部１５２、判断部１５３、性能データ入力部１５４、集計部１５５及び結果出力部１５６から構成される。但し、判断部１５３及び性能データ入力部１５４の機能が若干異なる。また、パラメータ入力部１５１の機能については第２の実施形態と同様であり、処理量入力部１５２、集計部１５５、結果出力部１５６の機能については第１の実施形態と同様なのでそれぞれ説明を省略する。

判断部１５３は、パラメータ入力部１５１から入力されたパラメータ（許容幅Ｗ、最短期間Ｔ及び外れ許容回数Ｖ）を記憶部１１０に書き込み、処理量入力部１５２からリクエスト発生頻度などの処理量の時系列データを受け、性能データ入力部１５４からＣＰＵ利用率の時系列データを受けると、記憶部１１０内のパラメータに基づいて、処理量と性能データがほぼ一定である一定期間を判断する機能と、判断された一定期間毎の、番号、開始時刻、終了時刻を集計部１５５に送出する機能とをもっている。

補足すると、判断部１５３の一定期間を判断する機能は、以下の機能(f153-1)〜(f153-4)を含んでいる。

(f153-1) 記憶部１１０内の許容幅Ｗ及び最短期間Ｔに基づいて、処理量の時系列データＳ_ｉが許容幅Ｗ内に収まった期間で最短期間Ｔ以上の期間を一定期間として判断する機能。

(f153-2) 入力された外れ許容回数Ｖを記憶部１１０に書き込む機能。

(f153-3) 記憶部１１０内の許容幅Ｗ、最短期間Ｔ及び外れ許容回数Ｖに基づいて、ＣＰＵ利用率の時系列データＵ_ｉが許容幅Ｗ内に収まった期間で最短期間Ｔ以上の期間を一定期間として判断する機能であって、この判断の際には、ＣＰＵ利用率の時系列データＵ_ｉが許容幅Ｗから外れたときに、当該許容幅Ｗから外れたことが連続していなければ、外れ許容回数Ｖまでは許容幅Ｗから外れたことを無視する機能。

(f153-4) 処理量の時系列データＳ_ｉについて一定期間と判断した期間と、ＣＰＵ利用率の時系列データＵ_ｉについて一定期間と判断した期間との両者が一致する期間を最終的に一定期間と判断する機能。

性能データ入力部１５４は、第２の実施形態と同様に、ＣＰＵ利用率などの時系列データを負荷試験ツール部１４０（負荷試験時）又は通信Ｉ／Ｆ部１３０（運用時）から受けると、ＣＰＵ利用率の時系列データを判断部１５３及び集計部１５５に送出する機能をもっている。

次に、以上のように構成されたクライアント装置に適用された時系列データ解析支援部の動作を図１９のフローチャート図を用いて説明する。但し、ＳＴＥＰ１１０、ＳＴＥＰ２１０、ＳＴＥＰ３３０は図１６（第２の実施形態）等と同じであり、ＳＴＥＰ２００、ＳＴＥＰ３００、ＳＴＥＰ５００、ＳＴＥＰ６００は図３（第１の実施形態）等と同じなので詳細な説明を省略する。

いま、前述同様に、判断部１５３に対し、ＳＴＥＰ１１０のパラメータＷ，Ｔ，Ｖの入力と、ＳＴＥＰ２００のリクエスト発生頻度の時系列データＳ_ｉの入力と、ＳＴＥＰ２１０のＣＰＵ利用率の時系列データＵ_ｉの入力とが実行されたとする。

判断部１５３は、前述同様に、図３及び図６に示したＳＴＥＰ３００のリクエスト発生頻度についての一定期間の判断と、図１６及び図１７に示したＳＴＥＰ３３０のＣＰＵ利用率についての一定期間の判断とを実行する。

しかる後、判断部１５３は、処理量の時系列データＳ_ｉについて一定期間と判断した期間と、ＣＰＵ利用率の時系列データＵ_ｉについて一定期間と判断した期間との両者が一致する期間を最終的に一定期間Ｂ_ｊ（ｊ＝１，２，…，Ｍ）と判断する（ＳＴＥＰ３６０）。

しかる後、判断部１５３は、判断した一定期間Ｂ_ｊ（ｊ＝１，２，…，Ｍ）毎の、当該一定期間を識別する番号ｊ、開始時刻Ｔs_ｊ（ｊ＝１，２，…，Ｍ）、終了時刻Ｔe_ｊ（ｊ＝１，２，…，Ｍ）を集計部１５５に送出する。

以下、前述同様に、ＳＴＥＰ５００の一定期間Ｂ_ｊに基づく平均値の計算と、ＳＴＥＰ６００のグラフの表示とが実行される。

上述したように本実施形態によれば、第１及び第２の実施形態の効果に加え、処理量の時系列データＳ_ｉ（ｉ＝１，２，…，Ｎ）と、ＣＰＵ利用率などの性能の時系列データＵ_ｉ（ｉ＝１，２，…，Ｎ）の両方が一定と判断された期間が選ばれるので、より一定値に安定した結果の集計を行うことができる。

補足すると、本実施形態では、リクエスト発生頻度などの処理量と、対象の計算機システムのＣＰＵ利用率との両方が安定している期間を自動的に判断できるので、より安定した期間を特定することができる。また、期間毎に、リクエスト発生頻度やサーバ装置のＣＰＵ利用率の平均値を計算し、結果をグラフ表示することも自動的に行なうことができる。

なお、上記各実施形態は、負荷試験時の時系列データを解析する場合を例に挙げて説明したが、これに限らず、運用時の時系列データを解析する場合であっても各実施形態を同様に実施して同様の効果を得ることができる。

また、上記各実施形態では、判断部１５３による一定期間の判断手法の一例を説明したが、これに限らず、例えば、クラスター分析手法を利用し、処理量またはＣＰＵ利用率が近い値の範囲を生成するように変形してもよい。

なお、上記実施形態に記載した手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、光磁気ディスク（ＭＯ）、半導体メモリなどの記憶媒体に格納して頒布することもできる。

また、この記憶媒体としては、プログラムを記憶でき、かつコンピュータが読み取り可能な記憶媒体であれば、その記憶形式は何れの形態であっても良い。

また、記憶媒体からコンピュータにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワークソフト等のＭＷ（ミドルウェア）等が上記実施形態を実現するための各処理の一部を実行しても良い。

さらに、本発明における記憶媒体は、コンピュータと独立した媒体に限らず、ＬＡＮやインターネット等により伝送されたプログラムをダウンロードして記憶または一時記憶した記憶媒体も含まれる。

また、記憶媒体は１つに限らず、複数の媒体から上記実施形態における処理が実行される場合も本発明における記憶媒体に含まれ、媒体構成は何れの構成であっても良い。

尚、本発明におけるコンピュータは、記憶媒体に記憶されたプログラムに基づき、上記実施形態における各処理を実行するものであって、パソコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であっても良い。

また、本発明におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本発明の機能を実現することが可能な機器、装置を総称している。

なお、本願発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態に亘る構成要素を適宜組合せてもよい。

１…Ｗｅｂサーバ装置、２…アプリケーションサーバ装置、３…データベースサーバ装置、１００…クライアント装置、１１０…記憶部、１２０…入力部、１３０…通信Ｉ／Ｆ部、１４０…負荷試験ツール部、１５０…時系列データ解析支援部、１５１…パラメータ入力部、１５２…処理量入力部、１５３…判断部、１５４…性能データ入力部、１５５…集計部、１５６…結果出力部、１６０…表示部、２００…ネットワーク、ＣＳ…計算機システム。

Claims (4)

1. 記憶手段を備え、解析対象の計算機システムにおける処理量の時系列データとＣＰＵ利用率の時系列データとを受信可能なクライアント装置に用いられる時系列データ解析支援プログラムであって、
   前記クライアント装置を、
   入力された許容幅及び最短期間を前記記憶手段に書き込む手段、
   前記記憶手段内の許容幅及び前記最短期間に基づいて、前記処理量の時系列データが前記許容幅内に収まった期間で前記最短期間以上の期間を一定期間として判断する一定期間判断手段、
   前記判断された一定期間毎の、前記処理量の時系列データの平均値及び前記ＣＰＵ利用率の時系列データの平均値を算出する平均値算出手段、
   前記算出された各平均値に基づいて、処理量とＣＰＵ利用率とを関連付けたグラフの表示処理を実行するグラフ表示処理手段、
   として機能させるための時系列データ解析支援プログラム。
2. 請求項１に記載の時系列データ解析支援プログラムにおいて、
   前記一定期間判断手段は、
   前記処理量の時系列データに代えて、前記ＣＰＵ利用率の時系列データに関し、前記許容幅内に収まった期間で前記最短期間以上の期間を一定期間として判断する手段であって、且つ、
   入力された外れ許容回数を前記記憶手段に書き込む手段と、
   前記ＣＰＵ利用率の時系列データが前記許容幅から外れたときに、当該許容幅から外れたことが連続していなければ、前記外れ許容回数までは前記許容幅から外れたことを無視する手段と、
   を含んでいることを特徴とする時系列データ解析支援プログラム。
3. 請求項１に記載の時系列データ解析支援プログラムにおいて、
   前記一定期間判断手段は、
   入力された外れ許容回数を前記記憶手段に書き込む手段と、
   前記記憶手段内の許容幅、前記最短期間及び前記外れ許容回数に基づいて、前記ＣＰＵ利用率の時系列データが前記許容幅内に収まった期間で前記最短期間以上の期間を一定期間として判断する手段であって、この判断の際には、前記ＣＰＵ利用率の時系列データが前記許容幅から外れたときに、当該許容幅から外れたことが連続していなければ、前記外れ許容回数までは前記許容幅から外れたことを無視する手段と、
   前記処理量の時系列データについて一定期間と判断した期間と、前記ＣＰＵ利用率の時系列データについて一定期間と判断した期間との両者が一致する期間を最終的に一定期間と判断する手段と、
   を含んでいることを特徴とする時系列データ解析支援プログラム。
4. 解析対象の計算機システムにおける処理量の時系列データとＣＰＵ利用率の時系列データとを受信可能なクライアント装置であって、
   入力された許容幅及び最短期間を記憶するための記憶手段と、
   前記記憶手段内の許容幅及び前記最短期間に基づいて、前記処理量の時系列データが前記許容幅内に収まった期間で前記最短期間以上の期間を一定期間として判断する一定期間判断手段と、
   前記判断された一定期間毎の、前記処理量の時系列データの平均値及び前記ＣＰＵ利用率の時系列データの平均値を算出する平均値算出手段と、
   前記算出された各平均値に基づいて、処理量とＣＰＵ利用率とを関連付けたグラフの表示処理を実行するグラフ表示処理手段と、
   を備えたことを特徴とするクライアント装置。

Images