JP5412926B2 - Virtual machine management system, virtual machine arrangement setting method and program thereof - Google Patents
Virtual machine management system, virtual machine arrangement setting method and program thereof Download PDFInfo
- Publication number
- JP5412926B2 JP5412926B2 JP2009090086A JP2009090086A JP5412926B2 JP 5412926 B2 JP5412926 B2 JP 5412926B2 JP 2009090086 A JP2009090086 A JP 2009090086A JP 2009090086 A JP2009090086 A JP 2009090086A JP 5412926 B2 JP5412926 B2 JP 5412926B2
- Authority
- JP
- Japan
- Prior art keywords
- virtual machine
- load
- correlation
- information
- virtual
- 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.)
- Active
Links
Images
Description
本発明は、複数の物理マシン上に構築されて稼働する仮想マシンを管理する仮想マシン管理システム，その仮想マシン配置設定方法及びそのプログラムに関する。 The present invention relates to a virtual machine management system that manages virtual machines that are constructed and run on a plurality of physical machines, a virtual machine arrangement setting method thereof, and a program thereof.
コンピュータシステムにおけるリソースを仮想化する技術においては、関連技術として物理マシン上に複数の仮想マシンを稼働させて、これを仮想マシンサーバとし、その仮想マシンサーバの物理リソースを効率的に利用し、運用コストを抑える技術が知られている。 In the technology to virtualize resources in computer systems, as a related technology, multiple virtual machines are operated on a physical machine, this is used as a virtual machine server, and physical resources of the virtual machine server are efficiently used and operated. Technologies that reduce costs are known.
このような仮想化技術は、システムを成す複数の物理サーバ各々の負荷のばらつきをできるだけ少数の物理サーバに集約するように、複数の仮想マシンを各物理サーバへ配置して、平常時に物理リソースの余剰を確保しておくことで、物理リソースを追加しなくても、クライアントからの要求に迅速且つ柔軟に対応できるシステム環境を実現している。 In such a virtualization technology, a plurality of virtual machines are allocated to each physical server so that the load variation of each of the plurality of physical servers constituting the system is aggregated to as few physical servers as possible. By securing the surplus, a system environment that can respond quickly and flexibly to requests from clients without adding physical resources is realized.
仮想マシンの配置を制御する技術としては、例えば、各仮想マシンの許容負荷を保証するように物理サーバに仮想マシンを配置する技術が知られている。この場合、各仮想マシンの負荷が変動しても仮想マシンの再配置は発生しないが、各仮想マシンの許容負荷分の物理リソースを常に確保しているため、いずれかの仮想マシンがボトルネックとなった場合に他の仮想マシンのために確保した物理リソース内に使用することのないリソースが発生してしまい、物理リソースの利用効率がよくないという不都合があった。 As a technique for controlling the placement of virtual machines, for example, a technique for placing virtual machines on a physical server so as to guarantee an allowable load of each virtual machine is known. In this case, virtual machine relocation does not occur even if the load on each virtual machine fluctuates, but physical resources for the allowable load of each virtual machine are always secured, so one of the virtual machines is a bottleneck. In such a case, a resource that is not used is generated in the physical resource reserved for another virtual machine, and the utilization efficiency of the physical resource is not good.
この技術の一例を図６に示す。この図６では、４ＣＰＵコアマシンサーバである仮想マシンサーバを２台備えたシステムが示されており、仮想マシンサーバ２０１，２０２の許容負荷量（ＣＰＵ使用率）を、限界量４００％（１００％×４）の９割に相当する３６０％に設定している。
An example of this technique is shown in FIG. FIG. 6 shows a system including two virtual machine servers that are 4 CPU core machine servers. The allowable load amount (CPU usage rate) of the
この図６に示すように、このような技術においては、１つの仮想マシンの限界量を１００％として、各仮想マシンサーバ２０１，２０２は、３６０％の許容負荷量に収まるように、３つの仮想マシンを配置し３００％のＣＰＵ使用率を確保することになるので、運用時のほとんどの期間で、空きのＣＰＵ使用率が１００％以上になっており、物理リソースの利用効率が悪い。
As shown in FIG. 6, in such a technique, assuming that the limit amount of one virtual machine is 100%, each
これに対し、個々の仮想マシンの負荷を定期的に測定して、同一物理サーバに実装された各仮想マシンの負荷の合計をその物理サーバの許容負荷内に収めると共に、できるだけ少数の物理サーバに負荷が集中するように仮想マシンの再配置を行って、物理リソースの利用効率を上げる技術が、広く知られている。 On the other hand, the load on each virtual machine is measured periodically to keep the total load of each virtual machine mounted on the same physical server within the allowable load of that physical server, and to as few physical servers as possible. A technique for increasing the utilization efficiency of physical resources by rearranging virtual machines so that the load is concentrated is widely known.
この技術の一例を図７に示す。この図７でも、図６の場合と同様に、４ＣＰＵコアマシンサーバである仮想マシンサーバ３０１，３０２を備えたシステムについて示しており、各仮想マシンサーバ３０１，３０２の許容負荷量（ＣＰＵ使用率）を、限界量４００％（１００％×４）の９割に相当する３６０％に設定している。
An example of this technique is shown in FIG. 7 also shows a system including
この図７に示す技術では、６つの仮想マシンそれぞれの負荷量（ＣＰＵ使用率）が、８０％，６０％，６０％，５０％，５０％，４０％の平常時であれば、６つの仮想マシンの負荷量の合計（総負荷）が３４０％なので、１台の仮想マシンサーバ３０１に６つの仮想マシン全てを配置することになる。
In the technique shown in FIG. 7, if the load amount (CPU usage rate) of each of the six virtual machines is a normal state of 80%, 60%, 60%, 50%, 50%, and 40%, the six virtual machines Since the total load amount of machines (total load) is 340%, all six virtual machines are arranged in one
そして、各仮想マシンの負荷が増大して、各仮想マシンサーバ３０１，３０２上の仮想マシンの負荷量の合計が許容量を超えると、図７の矢印に示すように、仮想マシンを別の仮想マシンサーバへ移動する。図示されていないが、この後、再び平常時の状態に戻ると、仮想マシンは元に移動して、１台の仮想マシンサーバ３０１に全ての仮想マシンを配置する状態になる。
Then, when the load of each virtual machine increases and the total load amount of the virtual machines on each
また、これに関連する技術が特許文献１に開示されている。この特許文献１の技術は、各仮想マシンの所定時間毎の実測データを用いて、各仮想マシンを複数のサーバのいずれかで稼働させた場合の各時間における各仮想マシンのパフォーマンス値の合計が最大となるように仮想マシンとサーバの組み合わせを算出する技術である。 A related technique is disclosed in Patent Document 1. The technique of this patent document 1 uses the actual measurement data of each virtual machine for every predetermined time, and the total of the performance values of each virtual machine at each time when each virtual machine is operated on any of a plurality of servers. This is a technology that calculates the combination of a virtual machine and a server so as to be maximized.
しかしながら、前述した関連技術では、業務プロセスの実行状況の変化による各仮想マシンの負荷変動に伴って仮想マシンの再配置を頻繁に実行するが、仮想マシンの再配置を実行する度に、その再配置に伴う負荷が仮想マシンサーバにかかってしまい業務処理能力の低下が発生し、特に仮想マシンサーバの許容負荷オーバー時の場合は、再配置時に更に負荷が上がってしまうという課題があった（図７参照）。 However, in the related technology described above, virtual machine relocation is frequently executed as the load of each virtual machine changes due to a change in the execution status of the business process, but each time the virtual machine is relocated, the relocation is performed. The load associated with the placement is applied to the virtual machine server, resulting in a decrease in business processing capability. In particular, when the allowable load of the virtual machine server is exceeded, there is a problem that the load further increases during relocation (Figure 7).
そこで、本発明は、上記関連技術の有する課題を改善し、複数の仮想マシンサーバに実装された複数の各仮想マシンを管理してサーバ上のリソースの利用効率の向上を図りながら、その仮想マシンの再配置処理を有効に抑制してシステムの業務処理能力を向上させる仮想マシン管理システム，仮想マシン配置設定方法及びそのプログラムを提供することを、その目的とする。 Therefore, the present invention improves the problems of the related technology, manages a plurality of virtual machines mounted on a plurality of virtual machine servers, and improves the use efficiency of resources on the server, while improving the virtual machine It is an object of the present invention to provide a virtual machine management system, a virtual machine arrangement setting method, and a program thereof that effectively suppress the reallocation processing of the system and improve the business processing capability of the system.
上記目的を達成するため、本発明の仮想マシン管理システムは、複数の仮想マシンが設定された複数の仮想マシンサーバから前記各仮想マシンの負荷の実測データを収集する負荷情報収集手段と、この収集された実測データを蓄積し前記仮想マシン毎の負荷履歴情報として記憶する負荷履歴記憶部とを備えた仮想マシン管理システムであり、前記負荷履歴記憶部に記憶された前記各仮想マシンの負荷履歴情報に基づいて前記各仮想マシンの負荷の相関関係を示す相関情報を抽出し分類する相関分析手段と、この分類された相関情報に基づいて同一分類内の各仮想マシンの相対的な最大負荷量を予測する最大負荷個別予測手段と、この予測された各仮想マシンの最大負荷量の仮想マシンサーバ毎の合計が当該仮想マシンサーバの許容負荷量以下に収まるように前記各仮想マシンと前記各仮想マシンサーバの組み合わせを設定する組合せ設定手段と、この設定された組み合わせに従って前記各仮想マシンを前記各仮想マシンサーバへ配置する配置実行手段と、を備えたことを特徴とする。 In order to achieve the above object, a virtual machine management system according to the present invention includes a load information collection unit that collects actual load data of each virtual machine from a plurality of virtual machine servers in which a plurality of virtual machines are set, and this collection. A load history storage unit for storing the measured data and storing it as load history information for each virtual machine, wherein the load history information of each virtual machine stored in the load history storage unit Correlation analysis means for extracting and classifying correlation information indicating the correlation of the load of each virtual machine based on the classification, and the relative maximum load amount of each virtual machine in the same classification based on the classified correlation information The maximum load individual prediction means to be predicted and the sum of the predicted maximum load amount of each virtual machine for each virtual machine server is less than the allowable load amount of the virtual machine server. Combination setting means for setting a combination of each virtual machine and each virtual machine server so as to fit, and placement execution means for placing each virtual machine on each virtual machine server according to the set combination. It is characterized by that.
また、本発明の仮想マシン配置設定方法は、複数の仮想マシンが設定された複数の仮想マシンサーバから前記各仮想マシンの負荷の実測データを収集し、この収集された実測データを前記仮想マシン毎の負荷履歴情報として負荷履歴記憶部へ記憶し、前記負荷履歴記憶部に記憶された前記各仮想マシンの負荷履歴情報に基づいて前記各仮想マシンの負荷の相関関係を示す相関情報を抽出して分類し、この分類された相関情報に基づいて前記各仮想マシンの同一分類内での相対的な最大負荷量を予測し、この予測された各仮想マシンの最大負荷量の合計が前記各仮想マシンサーバの許容負荷量に収まるように前記各仮想マシンと前記各仮想マシンサーバとの組み合わせを設定し、この設定された組み合わせに従って前記各仮想マシンを前記各仮想マシンサーバへ配置することを特徴とした。 Further, the virtual machine arrangement setting method of the present invention collects actual measurement data of the load of each virtual machine from a plurality of virtual machine servers in which a plurality of virtual machines are set, and the collected actual measurement data is collected for each virtual machine. Is stored in the load history storage unit as the load history information, and the correlation information indicating the correlation of the load of each virtual machine is extracted based on the load history information of each virtual machine stored in the load history storage unit. Classifying and predicting the relative maximum load amount in the same classification of each virtual machine based on the classified correlation information, and the sum of the predicted maximum load amount of each virtual machine is the respective virtual machine A combination of each virtual machine and each virtual machine server is set so as to be within the allowable load amount of the server, and each virtual machine is assigned to each virtual machine according to the set combination. It was characterized by placing the machine server.
また、本発明の仮想マシン配置設定用プログラムは、複数の仮想マシンが設定された複数の仮想マシンサーバから前記各仮想マシンの負荷の実測データを収集すると共にこの収集された実測データを前記仮想マシン毎の負荷履歴情報として負荷履歴記憶部に記憶する負荷情報収集機能と、前記負荷履歴記憶部に記憶された前記仮想マシン毎の負荷履歴情報に基づいて前記各仮想マシンの負荷の相関関係を示す相関情報を抽出し分類する相関分析機能と、この分類された相関情報に基づいて各仮想マシンの同一分類内での相対的な最大負荷量を予測する最大負荷個別予測機能と、この予測された各仮想マシンの最大負荷量の合計が前記各仮想マシンサーバの許容負荷量に収まるように前記各仮想マシンと前記各仮想マシンサーバとの組み合わせを設定する組合せ設定機能と、この設定された組み合わせに従って前記各仮想マシンを前記各仮想マシンサーバへ配置する配置処理実行機能と、をコンピュータに実行させることを特徴とする。 In addition, the virtual machine arrangement setting program of the present invention collects actual measurement data of the load of each virtual machine from a plurality of virtual machine servers in which a plurality of virtual machines are set, and uses the collected actual measurement data as the virtual machine. A load information collection function for storing each load history information in a load history storage unit, and a load history information for each virtual machine stored in the load history storage unit, showing a correlation between loads of the virtual machines. A correlation analysis function that extracts and classifies correlation information, a maximum load individual prediction function that predicts a relative maximum load amount in the same classification of each virtual machine based on the classified correlation information, and the predicted Combination of each virtual machine and each virtual machine server so that the total of the maximum load amount of each virtual machine falls within the allowable load amount of each virtual machine server Combination setting function for setting, characterized in that to execute the arrangement process execution function of arranging the respective virtual machines to the respective virtual machine server according to the set combination of the computer.
本発明は、以上のように、各仮想マシンの負荷の相関関係を求めてこの相関関係から各仮想マシンの相対的な最大負荷量を予測し、この予測された各仮想マシンの最大負荷量の仮想マシンサーバ毎の合計が当該仮想マシンサーバの許容負荷量以下に収まるように各仮想マシンを各仮想マシンサーバへ配置したので、これによると、各サーバの物理リソースを効率的に利用でき、システムの運用コストや消費電力を軽減することができると共に、仮想マシンの負荷を測定する度に仮想マシンの再配置処理を行う技術と比べて、その配置処理の実行を抑制でき、物理マシンにかかる負荷を軽減してシステムの業務処理能力を有効に向上させることができる。 As described above, the present invention obtains the correlation between the loads of each virtual machine, predicts the relative maximum load of each virtual machine from this correlation, and determines the predicted maximum load of each virtual machine. Since each virtual machine is arranged in each virtual machine server so that the total for each virtual machine server falls below the allowable load of the virtual machine server, the physical resources of each server can be used efficiently, and the system The operation cost and power consumption of the physical machine can be reduced, and compared to the technology that performs virtual machine relocation processing every time the load of the virtual machine is measured, execution of the placement processing can be suppressed, and the load on the physical machine It is possible to effectively improve the business processing capability of the system.
以下、本発明にかかる一実施形態を、図面に基づいて説明する。 Hereinafter, an embodiment according to the present invention will be described with reference to the drawings.
図１は、本実施形態の仮想マシン管理システム１の構成を示す機能ブロック図である。図１に示すように、本実施形態の仮想マシン管理システム１は、複数の仮想マシン２０−１〜２０−ｎ（ｎは２以上の自然数）が設定された複数の仮想マシンサーバ２〜Ｎ（Ｎは２以上の自然数）に対して情報を入出力する入出力部１１と、仮想マシンサーバ２〜Ｎの各々から各仮想マシン２０−１〜２０−ｎの負荷を示す実測データを予め設定された時間間隔で順次収集する負荷情報収集手段１２と、この収集された実測データを蓄積し仮想マシン２０−１〜２０−ｎ各々の負荷履歴情報として記憶する負荷履歴記憶部１３とを備えている。
FIG. 1 is a functional block diagram showing the configuration of the virtual machine management system 1 of the present embodiment. As illustrated in FIG. 1, the virtual machine management system 1 according to the present embodiment includes a plurality of
仮想マシンサーバ２〜Ｎは、情報処理装置であり、図示していないクライアント端末とネットワークを介して接続するサーバである。仮想マシン２０−１〜２０−ｎの各々は、クライアント端末からは独立したサーバとして見なされ、クライアント端末からの要求に応じて、仮想マシンサーバ２〜Ｎのリソースを利用した情報処理を実行する。
The
さらに、本実施形態の仮想マシン管理システム１は、負荷履歴記憶部１３に記憶された仮想マシン２０−１〜２０−ｎ各々の負荷履歴情報に基づいて、仮想マシン２０−１〜２０−ｎ各々の負荷の相関関係を示す相関情報を抽出する相関分析手段１４と、この相関情報に基づいて仮想マシン２０−１〜２０−ｎそれぞれの相対的な最大負荷量を予測する最大負荷個別予測手段１５と、この予測された各仮想マシン２０−１〜２０−ｎの最大負荷量の仮想マシンサーバ２〜Ｎ毎の合計が仮想マシンサーバ２〜Ｎそれぞれの許容負荷量以下に収まるように各仮想マシン２０−１〜２０−ｎと各仮想マシンサーバ２〜Ｎの組み合せを設定する組合せ設定手段１６と、この設定された組み合わせに従って各仮想マシン２０−１〜２０−ｎを各仮想マシンサーバ２〜Ｎへ配置する配置実行手段１７と、を備えている。
Furthermore, the virtual machine management system 1 according to the present embodiment is configured so that each of the virtual machines 20-1 to 20-n is based on the load history information of each of the virtual machines 20-1 to 20-n stored in the load history storage unit 13. Correlation analyzing means 14 for extracting correlation information indicating the correlation of the loads of the machines, and maximum load individual prediction means 15 for predicting the relative maximum load amount of each of the virtual machines 20-1 to 20-n based on the correlation information. Each of the virtual machines 20-1 to 20-n so that the total for each of the
負荷情報収集手段１２は、仮想マシンサーバ２〜Ｎから、各仮想マシン２０−１〜２０−ｎの負荷を示す実測データを定期的又はランダムな時間間隔で順次収集する機能を備えている。仮想マシンサーバ２〜Ｎから実測データを収集する方式としては、先行技術の方式を用いればよい。この実測データは、ＣＰＵ使用率などの物理リソースの使用率を示すデータである。
The load
負荷履歴記憶部１３は、各仮想マシン２０−１〜２０−ｎの負荷を示す実測データの履歴を示す負荷履歴情報を記憶する機能を備えている。図２は、この負荷履歴情報の一例を示す図である。図２に示す負荷履歴情報は、測定時刻毎に各仮想マシン２０−１〜２０−ｎの識別子とその実測データであるＣＰＵ使用率とを対応付けた情報であり、この実測データであるＣＰＵ使用率の単位はパーセントである。 The load history storage unit 13 has a function of storing load history information indicating a history of actually measured data indicating loads of the virtual machines 20-1 to 20-n. FIG. 2 is a diagram illustrating an example of the load history information. The load history information shown in FIG. 2 is information in which the identifiers of the virtual machines 20-1 to 20-n are associated with the CPU usage rate that is actual measurement data for each measurement time, and the CPU usage that is the actual measurement data. The unit of rate is percent.
相関分析手段１４は、各仮想マシン２０−１〜２０−ｎの負荷履歴情報に基づいて、仮想マシン２０−１〜２０−ｎにかかる負荷の相関関係を判定して相関の有無を分析し、各仮想マシン２０−１〜２０−ｎの相互間に対する相関情報を抽出する相関情報分析手段１４ａと、この各相関情報を、互いに相関する仮想マシン別に分類しこの分類結果を示す分類情報を出力する相関関係分類手段１４ｂとを備えている。この相関情報は、仮想マシン２０−１〜２０−ｎ各々の負荷の相関状態を表す関数を含む情報である。
The
相関情報分析手段１４ａは、負荷履歴記憶部１２から、各仮想マシン２０−１〜２０−ｎの負荷履歴情報を読み出して、各仮想マシン２０−１〜２０−ｎの負荷履歴情報それぞれを比較して相関関係の有無をチェックし、相関する仮想マシン間に対する相関情報を算出する機能を備えている。
The correlation information analysis unit 14a reads the load history information of each virtual machine 20-1 to 20-n from the load
相関関係分類手段１４ｂは、相関分析手段１４ａで算出された各相関情報を、互いに相関する仮想マシンに係る相関情報ごとにグループ化して分類し、相関情報に対応するグループ識別子を付与して最大負荷個別予測手段１５へ出力する機能を備えている。このように、各仮想マシン２０−１〜２０−ｎを選別することで、サーバシステムが実行している業務を割り出すことになる。
The
具体的に、相関情報分析手段１４ａは、２つの変数を含む関数モデルを予め保持し、仮想マシン２０−１〜２０−ｎのうちの２機に係る負荷履歴情報に基づいて、この２機の仮想マシンの実測データを２つの変数に代入して関数モデルが成り立つか否かを判断し、成り立つ場合は、その２機の仮想マシンは相関すると判定して関数モデルに含まれる係数の値を算出し、この係数の値を含む関数モデルをこの２機の仮想マシンに対応する相関情報として出力する。相関関係分類手段１４ｂは、各相関情報に基づいて、互いに相関する仮想マシンを同一グループとしたグループ分けを実行し、各相関情報に対応するグループ識別子を付与して出力する。
Specifically, the correlation information analysis unit 14a holds a function model including two variables in advance, and based on the load history information related to two of the virtual machines 20-1 to 20-n, Substitute the measured data of the virtual machine into two variables to determine whether or not the function model is valid. If so, determine that the two virtual machines are correlated and calculate the coefficient values included in the function model Then, a function model including the value of the coefficient is output as correlation information corresponding to the two virtual machines. The
例えば、相関情報分析手段１４ａは、変数ｙと変数ｘを含む「ｙ＝Ａｘ＋Ｂ」という一次関数を保持し、ランダムに選択した２機の仮想マシンに係る負荷履歴情報を読み込み、第１の仮想マシンの実測データの時系列情報をｙ、第２の仮想マシンの実測データの時系列情報をｘとして、係数Ａ及びＢを算出し、Ａ及びＢの数値が特定された「ｙ＝Ａｘ＋Ｂ」を第１の仮想マシンと第２の仮想マシン間に対する相関情報とする。そして、このような処理を全ての仮想マシンの負荷履歴情報に対して実行する。 For example, the correlation information analysis unit 14a holds a linear function “y = Ax + B” including a variable y and a variable x, reads load history information relating to two virtual machines selected at random, and reads the first virtual machine The coefficient A and B are calculated with the time series information of the actual measurement data of y as y and the time series information of the actual measurement data of the second virtual machine as x, and “y = Ax + B” in which the numerical values of A and B are specified is Correlation information between the first virtual machine and the second virtual machine is used. Such processing is executed for the load history information of all virtual machines.
さらに、相関情報分析手段１４ａは、前述のように係数の値が特定された関数モデルを用いて、対応する第１の仮想マシンの実測データから同じく対応する第２の仮想マシンの負荷量を算出して、この算出データとその第２の仮想マシンの実測データとの誤差を計算し、この誤差に基づいて当該関数モデルの重み情報を算出する機能と、１機の仮想マシンに対して複数の異なる関数モデルが算出された場合に、それぞれの重み情報の大小に基づいて一つの関数モデルを選択して相関情報とする機能を備えてもよい。 Further, the correlation information analyzing unit 14a calculates the load amount of the corresponding second virtual machine from the actually measured data of the corresponding first virtual machine using the function model in which the coefficient value is specified as described above. Then, an error between the calculated data and the measured data of the second virtual machine is calculated, a function for calculating the weight information of the function model based on the error, and a plurality of virtual machines with respect to one virtual machine. In the case where different function models are calculated, a function may be provided that selects one function model based on the size of each weight information and sets it as correlation information.
具体的には、第１の仮想マシンと第２の仮想マシンとの相関関係を示す関数モデルＸ及びその重み情報ｕと、第１の仮想マシンと第３の仮想マシンとの相関関係を示す関数モデルＹ及びその重み情報ｖと、第３の仮想マシンと第２の仮想マシンとの相関関係を示す関数モデルＺ及びその重み情報ｗと、をそれぞれ算出し、重み情報ｖと重み情報ｗとの合成と、重み情報ｕとを比較して、第１の仮想マシンと第２の仮想マシン間の相関状態に対応する関数モデルを、モデルＸと、モデルＹ及びモデルＺの合成モデルとのいずれか一方に選択する。 Specifically, a function model X indicating the correlation between the first virtual machine and the second virtual machine and its weight information u, and a function indicating the correlation between the first virtual machine and the third virtual machine. A model Y and its weight information v, a function model Z indicating the correlation between the third virtual machine and the second virtual machine, and its weight information w are calculated respectively, and the weight information v and the weight information w A function model corresponding to the correlation state between the first virtual machine and the second virtual machine by comparing the synthesis and the weight information u is selected from the model X and the synthesis model of the model Y and the model Z Choose one.
最大負荷個別予測手段１５は、グループ内の少なくとも１つの仮想マシンの最大負荷量を限界値に設定して、この設定値から同一グループ内の他の各仮想マシンの最大負荷量を対応する相関情報に基づいて算出する機能を備えている。グループ内の仮想マシンにおいては、１つの仮想マシンの負荷量を定めれば、相関情報から他の仮想マシン２０−１〜２０−ｎの負荷量が算出できるので、本実施形態の最大負荷個別予測手段１５は、グループに係る業務の負荷がピークに達した場合の各仮想マシン２０−１〜２０−ｎの負荷量である最大負荷量を予測する。具体的には、グループ内の仮想マシンのうち最初に限界値に達すると推定できる仮想マシンの最大負荷量をその限界値に設定して、同一グループ内の他の仮想マシンの最大負荷量を対応する相関情報に基づいて算出する。 The maximum load individual prediction means 15 sets the maximum load amount of at least one virtual machine in the group as a limit value, and the correlation information corresponding to the maximum load amount of each other virtual machine in the same group from this set value It has a function to calculate based on. In the virtual machines in the group, if the load amount of one virtual machine is determined, the load amounts of the other virtual machines 20-1 to 20-n can be calculated from the correlation information. The means 15 predicts the maximum load amount that is the load amount of each of the virtual machines 20-1 to 20-n when the load of the business related to the group reaches a peak. Specifically, the maximum load of a virtual machine that can be estimated to reach the limit value first among virtual machines in the group is set to that limit value, and the maximum load of other virtual machines in the same group is supported. It calculates based on the correlation information.
組合せ設定手段１６は、予め設定された各仮想マシンサーバ２〜Ｎの許容負荷量を図示していないデータベースから読み出し、仮想マシンサーバ２〜Ｎのいずれかに仮想マシン２０−１〜２０−ｎのいずれかを配置した場合にその配置した各仮想マシンの最大負荷量の合計がその仮想マシンサーバの許容負荷量以下に収まるように、各仮想マシン２０−１〜２０−ｎと各仮想マシンサーバ２〜Ｎの組み合わせを設定する。
The
本実施形態の組合せ設定手段１６は、仮想マシンサーバ２〜Ｎのうちの最も少数に負荷が集約するように、各仮想マシン２０−１〜２０−ｎを各仮想マシンサーバ２〜Ｎに配置する組み合わせを設定する機能を備えてもよい。図３は、本実施形態の組合せ設定手段１６に算出された組み合わせの一例を示す説明図である。
The
図３に示す説明図は、各仮想マシンサーバ２〜Ｎが４ＣＰＵコアマシンサーバであり、この仮想マシンサーバ２〜Ｎの許容負荷量（ＣＰＵ使用率）を、限界量４００％（１００％×４）の９割に相当する３６０％に設定し、同一グループに属する６つの仮想マシン２０−１〜２０−６の各々の最大負荷量が１００％，８０％，８０％，８０％，７０％，８０％であった場合に、組合せ設定手段１６が算出した組み合わせを表す説明図である。
In the explanatory diagram shown in FIG. 3, each of the
配置実行手段１７は、組合せ設定手段１６に設定された組み合わせに従って、仮想マシン２０−１〜２０−ｎの配置変更を実行する。仮想マシン２０−１〜２０−ｎの配置変更処理の方式としては、移動させる仮想マシン２０−ｉ（ｉは自然数）を一旦シャットダウンして、この仮想マシン２０−ｉの構成ファイルを仮想マシンサーバ２〜Ｎのローカルディスク間で移動させて、移動先で仮想マシン２０−ｉを起動させる方式と、共有ストレージ上に仮想マシン２０−１〜２０−ｎの構成ファイルを配置することで仮想マシン２０−１〜２０−ｎを停止させずに別の仮想マシンサーバ２〜Ｎへ移動させる方式などがある。
The
このように、本実施形態の仮想マシン管理システム１によれば、仮想マシン２０−１〜２０−ｎの中から負荷変動が相関するものを選別して業務を割り出し、業務の最大負荷時の仮想マシン２０−１〜２０−ｎ各々の最大負荷を予測し、各仮想マシン２０−１〜２０−ｎの最大負荷量は１００％以下のそれぞれの値となるが、その値で仮想マシンサーバ２〜Ｎの負荷が許容量内に収まるように各仮想マシン２０−１〜２０−ｎの配置を行う。 As described above, according to the virtual machine management system 1 of the present embodiment, the virtual machines 20-1 to 20-n are selected from the virtual machines 20-1 to 20-n that correlate with load fluctuations, and the business is determined. The maximum load of each of the machines 20-1 to 20-n is predicted, and the maximum load amount of each of the virtual machines 20-1 to 20-n becomes a value of 100% or less. The virtual machines 20-1 to 20-n are arranged so that the N load falls within an allowable amount.
これにより、リソースを有効利用しながらも仮想マシンの再配置を抑制することが可能となり、パフォーマンスを保ちつつサーバ台数を削減し、システムの運用コストや消費電力を削減することができる。 This makes it possible to suppress the relocation of virtual machines while effectively using resources, reducing the number of servers while maintaining performance, and reducing system operation costs and power consumption.
ここで、実際の運用業務では平日，休日，月末といったカレンダーや、一日の中の時間帯によって業務の特性や使用状況が変化するので、相関分析手段１４は、予め設定された日時を契機に起動して、設定された期間の負荷履歴情報を読み出すように構成してもよく、これにより、精度の高い予測による仮想マシン配置を実現することができる。 Here, in the actual operation work, since the business characteristics and usage conditions change depending on the calendar such as weekdays, holidays, and the end of the month, and the time zone during the day, the correlation analysis means 14 is triggered by a preset date and time. It may be configured to start and read the load history information for a set period, thereby realizing a virtual machine arrangement based on highly accurate prediction.
次に、本実施形態の仮想マシン管理システム１の動作について説明する。ここで、以下の動作説明は、本発明の仮想マシン配置設定方法の実施形態となる。 Next, the operation of the virtual machine management system 1 of this embodiment will be described. Here, the following description of the operation is an embodiment of the virtual machine arrangement setting method of the present invention.
図４は、本実施形態の仮想マシン管理システム１の負荷情報蓄積動作を示すフローチャートである。図４に示すように、本実施形態の仮想マシン管理システム１の負荷情報蓄積動作は、まず、負荷情報収集手段１２が、各仮想マシン２０−１〜２０−ｎの負荷を示す実測データを定期的若しくはランダムな時間間隔で順次収集し（図４のステップｓ４１）、負荷履歴記憶部１３に記憶させる（図４のステップｓ４２）。 FIG. 4 is a flowchart showing the load information accumulation operation of the virtual machine management system 1 of this embodiment. As shown in FIG. 4, in the load information accumulation operation of the virtual machine management system 1 of the present embodiment, first, the load information collection means 12 periodically sends measured data indicating the loads of the virtual machines 20-1 to 20-n. The data are sequentially collected at regular or random time intervals (step s41 in FIG. 4) and stored in the load history storage unit 13 (step s42 in FIG. 4).
図５は、本実施形態の仮想マシン管理システム１の配置処理動作を示すフローチャートである。図４に示すように、本実施形態の仮想マシン管理システム１の配置処理動作は、まず、相関分析手段１４が、各仮想マシン２０−１〜２０−ｎの負荷履歴情報を負荷履歴記憶部１３から読み出す（図５のステップｓ５１）。ここで、相関分析手段１４は、図示していない入力部からの指令に応じて動作開始するように構成してもよいし、予め設定された日時を契機に起動して設定期間の負荷履歴情報を読み出すように構成してもよい。
FIG. 5 is a flowchart showing the arrangement processing operation of the virtual machine management system 1 of this embodiment. As shown in FIG. 4, in the placement processing operation of the virtual machine management system 1 according to the present embodiment, first, the
続いて、相関分析手段１４が、負荷履歴情報を基に、各仮想マシン２０−１〜２０−ｎの負荷の相関関係の分析を行い（図５のステップｓ５２）、分析結果として相関情報を出力する。ここで、相関分析手段１４は、２つの変数を有する関数を示す情報を保持し、２つの仮想マシンに係る負荷履歴情報に基づいて、この２つの仮想マシンの実測データを、２つの変数に代入して関数が成り立つ場合は、その２つの仮想マシンは相関すると判定して、同一グループとし、関数に含まれている係数の値を算出して、この係数の値を含む関数を、この２つの仮想マシンに係る相関情報として出力する。
Subsequently, the
そして、最大負荷個別予測手段１５が、相関分析手段１４から出力された相関情報を取得し、この相関情報に基づいて各仮想マシン２０−１〜２０−ｎの相対的な最大負荷量を予測する（図５のステップｓ５３）。続いて、組合せ設定手段１６が、最大負荷個別予測手段１５に予測された各仮想マシン２０−１〜２０−ｎの最大負荷量に基づいて、仮想マシンサーバに配備した各仮想マシンの最大負荷量の合計が当該仮想マシンサーバの許容負荷量に収まるように、仮想マシン２０−１〜２０−ｎを仮想マシンサーバ２〜Ｎに配置する組み合わせを設定し、この設定した組み合わせを示す情報を配置実行手段１７へ出力する（図５のステップｓ５４）。
The maximum load
そして、配置実行手段１７が、組合せ設定手段１６に設定された組み合わせを示す情報に従って、各仮想マシン２０−１〜２０−ｎを対応する仮想マシンサーバ２〜Ｎへ配置する処理を実行する（図５のステップｓ５５）。
Then, the
本実施形態の仮想マシン管理システム１はこのように、業務の最大負荷時の各仮想マシン２０−１〜２０−ｎ各々の最大負荷を予測して、その予測に基づいて仮想マシン２０−１〜２０−ｎの配置を行うため、リソースを有効に利用すると同時に業務の負荷変動における仮想マシンの再配置を抑制し、業務のパフォーマンスを保ちつつサーバ台数を削減し、コスト・消費電力を削減することができる。 As described above, the virtual machine management system 1 of the present embodiment predicts the maximum load of each of the virtual machines 20-1 to 20-n at the time of the maximum load of the business, and the virtual machines 20-1 to 20-1 based on the prediction. 20-n placement enables effective use of resources and at the same time suppresses relocation of virtual machines due to fluctuations in business load, reduces the number of servers while maintaining business performance, and reduces cost and power consumption. Can do.
ここで、前述した負荷情報収集手段１２，相関分析手段１４，最大負荷個別予測手段１５，組合せ設定手段１６，配置実行手段１７については、その機能内容をプログラム化してコンピュータに実行させるように構成してもよい。 Here, the load information collecting means 12, the correlation analyzing means 14, the maximum load individual predicting means 15, the combination setting means 16, and the arrangement executing means 17 described above are configured such that their function contents are programmed and executed by a computer. May be.
以上のように、本実施形態の仮想マシン管理システム１は、各仮想マシン２０−１〜２０−ｎの負荷の相関関係を求めてこの相関関係から各仮想マシン２０−１〜２０−ｎの相対的な最大負荷量を予測し、この予測された仮想マシン２０−１〜２０−ｎ各々の最大負荷量の仮想マシンサーバ２〜Ｎ毎の合計がその仮想マシンサーバ２〜Ｎの許容負荷量以下に収まるように、各仮想マシン２０−１〜２０−ｎの各仮想マシンサーバ２〜Ｎへの配置を実行するので、物理リソースを効率的に利用でき、システムの運用コストや消費電力を軽減することができると共に、各仮想マシン２０−１〜２０−ｎの負荷の相関関係が崩れた時だけ仮想マシン２０−１〜２０−ｎの再配置を行うように動作設定すればよく、仮想マシンの負荷を測定する度に仮想マシンの再配置処理を行う技術と比べて、その配置処理の実行を抑制でき、仮想マシンサーバ２〜Ｎにかかる負荷を軽減してシステムの業務処理能力を有効に向上させることができる。
As described above, the virtual machine management system 1 according to the present embodiment obtains the correlation between the loads of the virtual machines 20-1 to 20-n, and uses the correlation to determine the relative relationship between the virtual machines 20-1 to 20-n. A total maximum load amount of each of the predicted virtual machines 20-1 to 20-n is less than an allowable load amount of the
本発明は、複数のサーバ上で稼働する複数の仮想マシンを管理するシステムに適用できる。 The present invention can be applied to a system that manages a plurality of virtual machines operating on a plurality of servers.
１ 仮想マシン管理システム
２〜Ｎ 仮想マシンサーバ
１１ 入出力部
１２ 負荷情報収集手段
１３ 負荷履歴記憶部
１４ 相関分析手段
１４ａ 相関情報分析手段
１４ｂ 相関関係分類手段
１５ 最大負荷個別予測手段
１６ 組合せ設定手段
１７ 配置実行手段
２０−１〜２０−ｎ 仮想マシン
DESCRIPTION OF SYMBOLS 1 Virtual machine management system 2-N Virtual machine server 11 Input /
Claims (8)
前記負荷履歴記憶部に記憶された前記各仮想マシンの負荷履歴情報に基づいて前記各仮想マシンの負荷の相関関係を示す相関情報を抽出し分類する相関分析手段と、
この分類された相関情報に基づいて各仮想マシンの同一分類内での相対的な最大負荷量を予測する最大負荷個別予測手段と、
この予測された各仮想マシンの最大負荷量の仮想マシンサーバ毎の合計が当該仮想マシンサーバの許容負荷量以下に収まるように前記各仮想マシンと前記各仮想マシンサーバの組み合わせを設定する組合せ設定手段と、
この設定された組み合わせに従って前記各仮想マシンを前記各仮想マシンサーバへ配置する配置実行手段と、を備えたことを特徴とする仮想マシン管理システム。 Load information collecting means for collecting actual measurement data of the load of each virtual machine from a plurality of virtual machine servers in which a plurality of virtual machines are set, and collecting the collected actual measurement data as load history information for each virtual machine In a virtual machine management system comprising a load history storage unit for storing,
Correlation analysis means for extracting and classifying correlation information indicating a correlation of loads of each virtual machine based on load history information of each virtual machine stored in the load history storage unit;
A maximum load individual prediction means for predicting a relative maximum load amount in the same classification of each virtual machine based on the classified correlation information;
Combination setting means for setting a combination of each virtual machine and each virtual machine server so that the sum of the predicted maximum load amount of each virtual machine for each virtual machine server falls within the allowable load amount of the virtual machine server. When,
A virtual machine management system comprising: an arrangement execution unit that arranges each virtual machine on each virtual machine server according to the set combination.
前記相関分析手段が、
前記各仮想マシンの負荷履歴情報に基づいて当該各仮想マシンの負荷の相関関係を判定して相関の有無を分析し前記各仮想マシン間に係る相関情報を算出する相関情報分析手段と、この各相関情報を互いに相関する仮想マシンに係る相関情報別にグループ化して分類し分類結果を対応する相関情報に付与する相関関係分類手段とを備えたことを特徴とする仮想マシン管理システム。 In the virtual machine management system according to claim 1,
The correlation analysis means comprises:
Correlation information analysis means for determining the correlation of the load of each virtual machine based on the load history information of each virtual machine, analyzing the presence or absence of correlation, and calculating correlation information between the virtual machines, A virtual machine management system comprising: correlation classification means for grouping and classifying correlation information according to correlation information relating to virtual machines correlated with each other, and assigning a classification result to the corresponding correlation information.
前記最大負荷個別予測手段が、前記相関分析手段から出力された相関情報に基づいて、前記グループ内の少なくとも１つの仮想マシンの最大負荷量を限界値に設定し、この設定値から前記相関情報に基づいて同一グループ内の他の各仮想マシンの最大負荷量を算出する機能を備えたことを特徴とする仮想マシン管理システム。 In the virtual machine management system according to claim 2,
The maximum load individual prediction unit sets a maximum load amount of at least one virtual machine in the group as a limit value based on the correlation information output from the correlation analysis unit, and the correlation value is converted from the set value to the correlation information. A virtual machine management system comprising a function for calculating a maximum load amount of each other virtual machine in the same group based on the above.
前記相関情報が、前記各グループ内の各仮想マシン間の負荷の相関状態を表す関数を含む情報であることを特徴とする仮想マシン管理システム。 In the virtual machine management system according to claim 3,
The virtual machine management system, wherein the correlation information is information including a function indicating a correlation state of a load between virtual machines in each group.
前記負荷履歴記憶部に記憶された前記各仮想マシンの負荷履歴情報に基づいて前記各仮想マシンの負荷の相関関係を示す相関情報を抽出して分類し、
この分類された相関情報に基づいて前記各仮想マシンの同一分類内での相対的な最大負荷量を予測し、
この予測された各仮想マシンの最大負荷量の合計が前記各仮想マシンサーバの許容負荷量に収まるように前記各仮想マシンと前記各仮想マシンサーバとの組み合わせを設定し、
この設定された組み合わせに従って前記各仮想マシンを前記各仮想マシンサーバへ配置することを特徴とした仮想マシン配置設定方法。 Collecting actual measurement data of the load of each virtual machine from a plurality of virtual machine servers in which a plurality of virtual machines are set, and storing the collected actual measurement data in the load history storage unit as load history information for each virtual machine ,
Extracting and classifying the correlation information indicating the correlation of the load of each virtual machine based on the load history information of each virtual machine stored in the load history storage unit;
Based on this classified correlation information, predict the relative maximum load within the same classification of each virtual machine,
A combination of each virtual machine and each virtual machine server is set so that the total of the predicted maximum load amount of each virtual machine falls within the allowable load amount of each virtual machine server,
A virtual machine arrangement setting method, wherein the virtual machines are arranged on the virtual machine servers according to the set combination.
前記各仮想マシンの相対的な最大負荷量の予測に際しては、
前記同一分類内の少なくとも１つの仮想マシンの最大負荷量を限界量に設定し、当該同一分類内の他の各仮想マシンの最大負荷量を前記相関情報に基づいて算出することを特徴とする仮想マシン配置設定方法。 In the virtual machine arrangement setting method according to claim 5,
When predicting the relative maximum load of each virtual machine,
Virtual wherein setting the maximum load of at least one virtual machine in the same classification in the limit amount, and calculates based on the maximum load of each of the other virtual machines in the same classification in the correlation information Machine layout setting method.
前記負荷履歴記憶部に記憶された前記仮想マシン毎の負荷履歴情報に基づいて前記各仮想マシンの負荷の相関関係を示す相関情報を抽出し分類する相関分析機能と、
この分類された相関情報に基づいて各仮想マシンの同一分類内での相対的な最大負荷量を予測する最大負荷個別予測機能と、
この予測された各仮想マシンの最大負荷量の合計が前記各仮想マシンサーバの許容負荷量に収まるように前記各仮想マシンと前記各仮想マシンサーバとの組み合わせを設定する組合せ設定機能と、
この設定された組み合わせに従って前記各仮想マシンを前記各仮想マシンサーバへ配置する配置処理実行機能と、をコンピュータに実行させることを特徴とする仮想マシン配置設定用プログラム。 Collect actual measurement data of the load of each virtual machine from a plurality of virtual machine servers in which a plurality of virtual machines are set, and store the collected actual measurement data in the load history storage unit as load history information for each virtual machine Load information collection function,
A correlation analysis function for extracting and classifying correlation information indicating a correlation between loads of each virtual machine based on load history information for each virtual machine stored in the load history storage unit;
A maximum load individual prediction function for predicting a relative maximum load amount within the same classification of each virtual machine based on the classified correlation information;
A combination setting function for setting a combination of each virtual machine and each virtual machine server so that the total of the predicted maximum load amount of each virtual machine falls within the allowable load amount of each virtual machine server;
A virtual machine placement setting program that causes a computer to execute a placement processing execution function for placing each virtual machine on each virtual machine server according to the set combination.
前記最大負荷個別予測機能が、前記同一分類内の少なくとも１つの仮想マシンの最大負荷量を限界量に設定し、当該同一分類内の他の各仮想マシンの最大負荷量を対応する相関情報に基づいて算出する機能であることを特徴とする仮想マシン配置設定用プログラム。 In the virtual machine arrangement setting program according to claim 7,
The maximum load individual prediction function sets the maximum load amount of at least one virtual machine in the same classification as a limit amount, and based on the correlation information corresponding to the maximum load amount of each other virtual machine in the same classification A virtual machine arrangement setting program characterized by the above-mentioned calculation function.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009090086A JP5412926B2 (en) | 2009-04-02 | 2009-04-02 | Virtual machine management system, virtual machine arrangement setting method and program thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009090086A JP5412926B2 (en) | 2009-04-02 | 2009-04-02 | Virtual machine management system, virtual machine arrangement setting method and program thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2010244181A JP2010244181A (en) | 2010-10-28 |
| JP5412926B2 true JP5412926B2 (en) | 2014-02-12 |
Family
ID=43097155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009090086A Active JP5412926B2 (en) | 2009-04-02 | 2009-04-02 | Virtual machine management system, virtual machine arrangement setting method and program thereof |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5412926B2 (en) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5618408B2 (en) * | 2010-11-16 | 2014-11-05 | 株式会社日立製作所 | Thin client control system |
| CN103502942B (en) | 2011-04-20 | 2017-08-29 | 日本电气株式会社 | Virtual machine administration device and virtual machine management method |
| US9374314B2 (en) * | 2012-02-26 | 2016-06-21 | Palo Alto Research Center Incorporated | QoS aware balancing in data centers |
| WO2013128836A1 (en) * | 2012-03-02 | 2013-09-06 | 日本電気株式会社 | Virtual server management device and method for determining destination of virtual server |
| JP5853821B2 (en) * | 2012-03-29 | 2016-02-09 | 富士通株式会社 | Management device, resource management method, resource management program, and information processing system |
| JP2014078160A (en) | 2012-10-11 | 2014-05-01 | International Business Maschines Corporation | Device and method for assisting decision of virtual resource combination |
| US9223636B2 (en) | 2013-01-08 | 2015-12-29 | International Business Machines Corporation | Low-risk server consolidation |
| CN103279392B (en) * | 2013-06-14 | 2016-06-29 | 浙江大学 | A kind of load sorting technique run on virtual machine under cloud computing environment |
| JP6031462B2 (en) * | 2014-02-12 | 2016-11-24 | 日本電信電話株式会社 | Virtual machine placement apparatus, method, and program |
| JP6394455B2 (en) | 2015-03-24 | 2018-09-26 | 富士通株式会社 | Information processing system, management apparatus, and program |
| KR101669567B1 (en) * | 2015-04-27 | 2016-10-27 | 울산과학기술원 | Method for managing a placement of virtual machine |
| US10489184B2 (en) | 2017-05-12 | 2019-11-26 | At&T Intellectual Property I, L.P. | Systems and methods for management of virtual machine resources in a network environment through localized assignment of virtual machines having complimentary resource requirements |
| KR102062157B1 (en) * | 2019-04-29 | 2020-01-03 | 오케스트로 주식회사 | Vitual machine placement method and virtual machine placement device implementing the same |
| KR102109088B1 (en) * | 2019-09-05 | 2020-05-12 | 오케스트로 주식회사 | Calculation method of vitual machine prediction workload and prediction device implementing the same |
| KR102347375B1 (en) * | 2019-09-05 | 2022-01-05 | 오케스트로 주식회사 | Virtual machine workload prediction method based on multiple prediction models |
| KR102542149B1 (en) * | 2022-12-27 | 2023-06-13 | 오케스트로 주식회사 | A virtual machine integrated management method through error monitoring based on priority |
| KR102613655B1 (en) * | 2023-03-31 | 2023-12-14 | 오케스트로 주식회사 | A cloud server management method based on selective response to anomalies and a cloud server management system implementing the same |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4119239B2 (en) * | 2002-12-20 | 2008-07-16 | 株式会社日立製作所 | Computer resource allocation method, resource management server and computer system for executing the method |
-
2009
- 2009-04-02 JP JP2009090086A patent/JP5412926B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2010244181A (en) | 2010-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5412926B2 (en) | Virtual machine management system, virtual machine arrangement setting method and program thereof | |
| Dabbagh et al. | An energy-efficient VM prediction and migration framework for overcommitted clouds | |
| Sayadnavard et al. | A reliable energy-aware approach for dynamic virtual machine consolidation in cloud data centers | |
| US9870269B1 (en) | Job allocation in a clustered environment | |
| JP5664098B2 (en) | Composite event distribution apparatus, composite event distribution method, and composite event distribution program | |
| Setzer et al. | Decision support for virtual machine reassignments in enterprise data centers | |
| KR20130062991A (en) | Virtual server control system and program | |
| Chaabouni et al. | Energy management strategy in cloud computing: a perspective study | |
| Bi et al. | SLA-based optimisation of virtualised resource for multi-tier web applications in cloud data centres | |
| JP2021056955A (en) | Distributed storage system and data migration method | |
| CN113010260A (en) | Elastic expansion method and system for container quantity | |
| Ai et al. | On elasticity measurement in cloud computing | |
| JP2014186364A (en) | Dispersion system | |
| CN106681839A (en) | Elasticity calculation dynamic allocation method | |
| JP5445739B2 (en) | Resource allocation apparatus, resource allocation method, and program | |
| Jammal et al. | Evaluating high availability-aware deployments using stochastic petri net model and cloud scoring selection tool | |
| JP5109799B2 (en) | Information processing system, load control method, and load control program | |
| JP7234702B2 (en) | Information processing device, container placement method, and container placement program | |
| CN110096339B (en) | System load-based capacity expansion and contraction configuration recommendation system and method | |
| CN112000460A (en) | Service capacity expansion method based on improved Bayesian algorithm and related equipment | |
| JP5257709B2 (en) | Virtual computer migration method, virtual computer system, and management server | |
| Tao et al. | Grid workflow scheduling based on reliability cost | |
| Wires et al. | Mirador: An active control plane for datacenter storage | |
| Wu et al. | Heterogeneous virtual machine consolidation using an improved grouping genetic algorithm | |
| Yang et al. | An end-to-end and adaptive i/o optimization tool for modern hpc storage systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120307 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130806 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130807 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130925 |
|
| 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: 20131015 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131028 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5412926 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |