JP6172160B2 - 性能予測装置及び性能予測方法 - Google Patents

性能予測装置及び性能予測方法 Download PDF

Info

Publication number
JP6172160B2
JP6172160B2 JP2014551883A JP2014551883A JP6172160B2 JP 6172160 B2 JP6172160 B2 JP 6172160B2 JP 2014551883 A JP2014551883 A JP 2014551883A JP 2014551883 A JP2014551883 A JP 2014551883A JP 6172160 B2 JP6172160 B2 JP 6172160B2
Authority
JP
Japan
Prior art keywords
model
performance
output
input
performance prediction
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
Application number
JP2014551883A
Other languages
English (en)
Other versions
JPWO2014091733A1 (ja
Inventor
大地 木村
大地 木村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2014091733A1 publication Critical patent/JPWO2014091733A1/ja
Application granted granted Critical
Publication of JP6172160B2 publication Critical patent/JP6172160B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/815—Virtual

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Debugging And Monitoring (AREA)
  • Stored Programmes (AREA)

Description

本発明は、性能予測に関し、特に、仮想化する情報処理システムの性能予測に関する。
仮想化技術のために発生するオーバーヘッドは、情報処理システムの性能に影響を及ぼす。そのため、仮想化しようとする情報処理システムにとって、実環境での運用前に、仮想化に伴うシステムの性能の予測が重要である。
関連する情報処理システムの性能予測装置は、例えば、まず、システムの各構成要素の設計情報を基に、性能予測モデルを作成する。そして、性能予測装置は、仮想化のための仮想マシンモニタ毎のオーバーヘッドを含んだ性能計算式を用いて、性能予測モデルのオーバーヘッドを考慮する（例えば、特許文献１を参照）。なお、性能計算式は、例えば、データベースに記憶されている。
別の関連する性能予測装置は、ストレージ仮想化装置の構成要素のモデル情報を基に、ストレージシステムの性能予測モデルを作成する（例えば、特許文献２を参照）。
また、別の関連する性能予測装置は、仮想化技術のために発生するオーバーヘッドを含んだ性能評価関数及びモデルを用いて、仮想化されたシステムの性能予測値を算出する（例えば、特許文献３を参照）。
特開２０１２−１４６０１５号公報 特開２００６−１４６３５４号公報 特開２０１０−００９１６０号公報
特許文献１〜３に記載の性能予測装置は、情報処理システムの各構成要素の設計情報及び動作の詳細を基に、性能モデルを作成する。
しかしながら、システムの詳細が明らかではない場合及び／又はシステムが複雑でモデル化に時間が掛かる場合、特許文献１〜３に記載の性能予測装置は、設計情報及び動作の詳細を基にした精緻な性能モデルを作成できない。
このような場合、例えば、関連する性能予想装置は、仮想化に移行する前のシステムの実際の稼働状況と、特定のリソース（例えば、ＣＰＵ（Central Processing Unit）又はディスク装置）に負荷を掛けて性能を測るベンチマークソフトの測定結果とを比較する。そして、関連する性能予測装置は、比較結果を基に、動作を推定した性能モデルを作成する。そして、関連する性能予測装置は、その性能モデルを用いて、仮想化に移行した後のシステムの性能を予測する。
上記の推定から作成した性能モデルは、予測を改善するために、より精度の良いモデルへの修正が望ましい。この修正のためのフィードバックとして、予測結果と実際の仮想化移行後の性能の間の誤差が、重要である。しかしながら、上記の誤差は、性能モデルの誤り（誤差）だけではなく、仮想化の影響を含む。特許文献１〜３に記載の性能予測装置は、上記誤差から仮想化の影響を除いて、性能モデルの誤りを抜き出せないという問題点があった。すなわち、特許文献１〜３に記載の性能予測装置は、性能モデルの誤差が分からないという問題点があった。あるいは、特許文献１〜３は、モデル作成指針への適切なフィードバックのための情報を提供できないという問題点があった。
本発明の目的は、上述の課題を解決し、性能モデルの修正に関する適切な情報を提供できる性能予測装置及び性能予測方法を提供することにある。
上記目的を達成するため、本発明の一態様における性能予測装置は、予測対象である情報処理システムの入力及び出力を計測する入出力計測手段と、前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積するアプリケーション性能モデル蓄積手段と、前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積する仮想化影響モデル蓄積手段と、少なくとも前記仮想化モデルを基に前記入出力計測手段が計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測し、前記予測した出力と前記入出力計測手段が計測した出力とを基に前記性能予測モデルを修正し、前記修正後の性能予測モデルと前記アプリケーション性能モデルとを比較する性能予測モデル修正比較手段とを含む。
また、本発明の一態様における性能予測方法は、予測対象である情報処理システムの入力及び出力を計測し、前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積し、前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積し、少なくとも前記仮想化モデルを基に前記計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測し、前記予測した出力と前記計測した出力とを基に前記性能予測モデルを修正し、前記性能予測モデルと前記アプリケーション性能モデルとを比較する。
また、本発明の一態様におけるコンピュータ読み取り可能にプログラムを記録した記録媒体は、予測対象である情報処理システムの入力及び出力を計測する処理と、前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積する処理と、前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積する処理と、少なくとも前記仮想化モデルを基に前記計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測する処理と、前記予測した出力と前記計測した出力とを基に前記性能予測モデルを修正する処理と、前記性能予測モデルと前記アプリケーション性能モデルとを比較する処理とをコンピュータに実行させるプログラムを記憶する。
本発明によれば、性能モデルの修正に関する情報を適切に提供できる。
図１は、本発明における第１の実施形態に係る性能予測装置の構成の一例を示すブロック図である。 図２は、第１の実施形態に係る処理の一例を示すフローチャートである。 図３は、第１の実施形態で用いるアプリケーション性能モデルの一例を示す説明図である。 図４は、第１の実施形態で用いるアプリケーション性能モデルの一例を示す説明図である。 図５は、第１の実施形態で用いるアプリケーション性能モデルの一例を示す説明図である。 図６は、第１の実施形態の性能予測装置の別の構成の一例を示すブロック図である。 図７は、第２の実施形態に係る性能予測装置の構成の一例を示すブロック図である。 図８は、第２の実施形態に係る処理の一例を示すフローチャートである。 図９は、第３の実施形態に係る性能予測装置の構成の一例を示すブロック図である。
以下に、図面を参照して、本発明の実施形態について例示的に説明する。
ただし、以下の説明において、図面に記載された構成要素は、単なる例示であり、本発明の技術範囲をそれらに限定する趣旨のものではない。
また、各図面において同様の構成には同じ番号を付し、その繰り返しの説明を省略する場合がある。
［第１の実施形態］
図１は、本発明における第１の実施形態に係る性能予測装置１０の機能構成の一例を示すブロック図である。
性能予測装置１０は、入出力計測部１０１と、アプリケーション性能モデル蓄積部１０２と、仮想化影響モデル蓄積部１０３と、性能予測部１０４と、アプリケーション性能モデル修正部１０５と、修正箇所比較部１０６とを含む。
入出力計測部１０１は、図示しない性能を予測する対象である情報処理システム（以下、「予測対象システム」と言う）の入力及び出力を計測する。
ここで、本実施形態の性能予測装置１０の予測対象システムへのアクセス手段は、特に制限はない。アクセス手段は、性能予測装置１０が予測対象システムと通信できれば良く、例えば、インターネット、又は、ＬＡＮ（Local Area Network）でも良い。
また、性能予測装置１０は、直接的に予測対象システムの入力及び出力を計測しても良く、測定器などを介して間接的に計測しても良い。
アプリケーション性能モデル蓄積部１０２は、予測対象システムで実行されるアプリケーションの性能のモデル（アプリケーション性能モデル）を蓄積する。アプリケーション性能モデル蓄積部１０２は、モデルの蓄積手法に特に制限はない。例えば、アプリケーション性能モデル蓄積部１０２は、モデルの蓄積するデータベース（以下、「ＤＢ」とする。）でも良い。
なお、本実施形態の性能予測装置１０が扱うアプリケーション性能モデルは、特に制限はない。例えば、アプリケーション性能モデルは、アプリケーションの各構成要素の動作を模倣した待ち行列又はペトリネットを用いたモデルでも良い。あるいは、アプリケーション性能モデルは、受け取った入力に対して、予め定められた手順に則った計算又はシミュレーションを基に出力が決定されるモデルで良い。
ここで、アプリケーション性能モデルの入力とは、例えば、単位時間内に予測対象システムが処理するリクエスト数である。また、アプリケーション性能モデルの出力とは、例えば、予測対象システムのスループット、応答時間、又は、リソース使用率である。
ただし、アプリケーション性能モデルの入力及び出力は、これらに限定されない。例えば、独立変数と従属変数の関係としてモデルを記述する場合、アプリケーション性能モデルは、その独立変数を入力とし、従属変数を出力としても良い。
また、アプリケーション性能モデル蓄積部１０２は、予測の前に予めアプリケーション性能モデルを蓄積しておけば、モデルの蓄積の方法に特に制限はない。例えば、予め、利用者が、アプリケーション性能モデル蓄積部１０２に、モデルを蓄積しても良い。あるいは、アプリケーション性能モデル蓄積部１０２は、予め、予測対象システムの情報を基に、所定のＤＢからアプリケーション性能モデルを取り出し、蓄積しても良い。
また、蓄積するアプリケーション性能モデルの作成についても、特に制限はない。例えば、アプリケーション性能モデル蓄積部１０２は、予測対象システムの設計者が、設計情報を基に作成したモデルを蓄積しても良い。あるいは、過去に作成したアプリケーション性能モデルがある場合、アプリケーション性能モデル蓄積部１０２は、そのモデルを参照して、アプリケーション性能モデルを作成しても良い。
仮想化影響モデル蓄積部１０３は、予測対象システムの仮想化に基づく、性能への影響のモデル（仮想化影響モデル）を蓄積する。仮想化影響モデル蓄積部１０３は、モデルの蓄積手法に特に制限はない。例えば、仮想化影響モデル蓄積部１０３は、モデルを蓄積するＤＢでも良い。あるいは、仮想化影響モデル蓄積部１０３は、仮想化を実施する利用者が作成した仮想化モデルを蓄積しても良い。
ここで、仮想化影響モデルは、アプリケーション性能モデルの各構成要素、又は、アプリケーション性能モデルの出力に、仮想化の影響を加えたモデルである。つまり、仮想化影響モデルは、仮想化の影響を基に、アプリケーション性能モデルを修正（変更）したモデルである。
例えば、仮想化影響モデルは、アプリケーション性能モデルの各構成要素の１リクエスト当たりの処理時間又はリソース使用率に、仮想化のオーバーヘッドのための増加量を加えたモデルである。
あるいは、例えば、ある構成要素のディスクの使用を仮想化する場合、仮想化のエミュレーションのために、ディスクだけでなくＣＰＵが、使用される。そのため、仮想化影響モデルは、ディスクに加え、ＣＰＵが使用されるようにアプリケーション性能モデルを変更したモデルである。
また、仮想化影響モデルは、仮想マシンモニタの動作を明示的に模倣したモデルでも良いし、非仮想化環境と仮想化環境での性能の違いを機械学習でモデル化したモデルでも良い。
性能予測部１０４は、予測対象システムに対応するアプリケーション性能モデルを、アプリケーション性能モデル蓄積部１０２から受け取る。また、性能予測部１０４は、予測対象システムに対応する仮想化影響モデルを、仮想化影響モデル蓄積部１０３から受け取る。そして、性能予測部１０４は、仮想化影響モデルとアプリケーション性能モデルとを基に、入出力計測部１０１が計測した入力に対して出力を予測(算出)する。
アプリケーション性能モデル修正部１０５は、入出力計測部１０１が計測した予測対象システムの入力及び出力、並びに、性能予測部１０４が予測した出力を基に、モデルの修正が必要か否かを判断する。そして、修正が必要と判断した場合、アプリケーション性能モデル修正部１０５は、アプリケーション性能モデルを修正する。ここで、入出力計測部１０１が計測した出力と性能予測部１０４が予測した出力との差（誤差）は、仮想化の影響も含んだシステム全体の性能の予測からの誤差である。従って、アプリケーション性能モデル修正部１０５は、仮想化の影響も含んだシステム全体の性能の予測からの誤差を基に、アプリケーション性能モデルを修正する。
修正箇所比較部１０６は、アプリケーション性能モデル修正部１０５が修正した修正後のアプリケーション性能モデルにおける修正箇所と、アプリケーション性能モデル蓄積部１０２が蓄積している修正前のアプリケーション性能モデルの対応する箇所とを比較する。この比較結果は、アプリケーション性能モデルの修正に関する情報である。つまり、修正箇所比較部１０６は、モデルの誤差を基に、修正した修正箇所の比較結果を算出できる。
なお、修正箇所比較部１０６は、比較結果を表示しても良く、図示しない他の装置に比較結果を出力しても良い。
次に、性能予測装置１０の動作について、図面を参照して説明する。
図２は、性能予測装置１０の処理の一例を示すフローチャートである。
アプリケーション性能モデル蓄積部１０２は、予め、アプリケーション性能モデルを蓄積する。また、仮想化影響モデル蓄積部１０３は、予め、仮想化影響モデルを蓄積する。
入出力計測部１０１は、予測対象システムの入力及び出力を計測する（ステップＳ２０１）。
次に、性能予測部１０４は、予測対象システムに対応する仮想化影響モデルと、アプリケーション性能モデルとを基に、入出力計測部１０１が計測した入力に対する出力を予測する（ステップＳ２０２）。
次に、アプリケーション性能モデル修正部１０５は、アプリケーション性能モデルの修正が必要か否かを判断する（ステップＳ２０３）。
アプリケーション性能モデル修正部１０５が、修正不要と判断すると（ステップＳ２０３、Ｙｅｓ）、性能予測装置１０は、ステップＳ２０５に処理を移動する。
アプリケーション性能モデル修正部１０５が、修正必要と判断すると（ステップＳ２０３、Ｎｏ）、性能予測装置１０は、ステップＳ２０４に処理を移動する。
ここで、アプリケーション性能モデル修正部１０５は、アプリケーション性能モデルの修正が必要でないと判断する条件を、予測対象システムに合わせて設定すれば良い。例えば、アプリケーション性能モデル修正部１０５は、次の条件のいずれかを用いればよい。
条件１−１：入出力計測部１０１が計測した予測対象システムの出力と性能予測部１０４が予測した出力との誤差が、予め定められた閾値未満である。
条件１−２：入出力計測部１０１が計測した予測対象システムの出力と性能予測部１０４が予測した出力との誤差が、ある一定回数の修正を経ても変化しない。（すなわち、修正が平衡状態にあるとみなせる。）
条件１−３：予め定められた回数修正した。
ステップＳ２０４において、アプリケーション性能モデル修正部１０５は、入出力計測部１０１が計測した予測対象システムの入力及び出力、並びに、性能予測部１０４が予測した出力を基に、アプリケーション性能モデルを修正する。
具体的には、アプリケーション性能モデル修正部１０５は、性能予測部１０４が予測した出力が、入出力計測部１０１が計測した予測対象システムの出力に近づくように、アプリケーション性能モデルを修正する。アプリケーション性能モデル修正部１０５は、アプリケーション性能モデルの修正として用いる手法に、特に制限はない。例えば、アプリケーション性能モデル修正部１０５は、学習又は近似手法を用いても良い。
例えば、具体的な一例を説明すると次のようになる。
アプリケーション性能モデル修正部１０５は、評価関数として、入出力計測部１０１が計測した予測対象システムの出力と性能予測部１０４が予測する出力との差（誤差）を用いる。そして、アプリケーション性能モデル修正部１０５は、評価関数を改善する（ここでは、誤差が小さくなる）ように、強化学習、遺伝的アルゴリズム、又はモンテカルロ法を用いて、アプリケーション性能モデルのパラメータ（例えば、待ち行列の場合の各構成要素の１リクエスト当たりの処理時間）を修正する。
つまり、アプリケーション性能モデル修正部１０５は、評価関数を改善するように、所定の手法を用いて、アプリケーション性能モデルのパラメータを修正する。
図３は、待ち行列を用いたアプリケーション性能モデルの一例を示す図である。
図３に示すモデルに入力されたリクエストは、確率ｐ１で待ち行列３０１に、確率ｐ２で待ち行列３０２に、確率ｐ３で待ち行列３０３に、振り分けられる。待ち行列３０１〜３０３の処理時間は、それぞれＤ１、Ｄ２、Ｄ３である。アプリケーション性能モデル修正部１０５は、これらの確率ｐ１〜ｐ３及び処理時間Ｄ１〜Ｄ３の値を修正する。
図４及び図５は、別の修正を説明するためのアプリケーション性能モデルの一例である。
アプリケーション性能モデル修正部１０５は、処理する待ち行列を追加及び処理の振り分け経路を変更して、図４に示す待ち行列を用いたアプリケーション性能モデルを、図５に示すアプリケーション性能モデルに修正する。なお、この説明において、アプリケーション性能モデル修正部１０５は、構成要素を追加しているが、削除又は変更しても良い。
仮想化環境では、仮想化の影響のために、関連する性能予測装置は、直接的には、アプリケーション性能モデルの入出力に対応する予測対象システムの部分的な要素を計測できない。しかし、上記のように、本実施形態の性能予測装置１０は、予測対象システムの出力と予測した出力との差に基づく評価関数を用いて、アプリケーション性能モデルを修正できる。
ステップＳ２０４でアプリケーション性能モデル修正部１０５が、アプリケーション性能モデルを修正した後、性能予測部１０４は、ステップＳ２０２において、修正後のアプリケーション性能モデルを用いて、出力を再び予測する。
性能予測装置１０は、アプリケーション性能モデル修正部１０５が、修正の必要がないと判断するまで、この動作を繰り返す。
修正が必要ない場合、修正箇所比較部１０６は、ステップＳ２０４で修正した修正後のアプリケーション性能モデルの修正箇所と、アプリケーション性能モデル蓄積部１０２が蓄積している修正前のアプリケーション性能モデルの対応する箇所とを比較する（ステップＳ２０５）。
具体的に説明すると、修正箇所比較部１０６は、例えば、次のように動作する。
図３を用いて説明した処理の振り分けの確率又は待ち行列の処理時間のパラメータを修正した場合、修正箇所比較部１０６は、修正したパラメータの修正前の値と修正後の値とを比較する。また、図４と図５を用いて説明した処理経路を変更又は処理する待ち行列を追加・変更・削除した場合、修正箇所比較部１０６は、変更・追加・削除した箇所について修正前と修正後とを比較する。
なお、修正箇所比較部１０６は、比較結果を表示しても良い。あるいは、修正箇所比較部１０６は、図示しない他の装置に、比較結果を出力しても良い。
次に、本実施形態の効果について説明する。
上記のとおり、本実施形態の性能予測装置１０は、仮想化の影響も含んだシステム全体の性能の予測からの誤差を算出し、その誤差を基に、アプリケーション性能モデルの修正に関する情報を提供できる効果を得ることができる。
その理由は、次のとおりである。
本実施形態の性能予測装置１０の性能予測部１０４は、予測対象システムの入力を基に、アプリケーション性能モデルの出力を予測する。そして、アプリケーション性能モデル修正部１０５は、予測対象システムの入力及び出力、並びに、性能予測部１０４が予測した出力との誤差を求める。つまり、性能予測装置１０は、仮想化の影響を含んだシステム全体の性能の予測からの誤差を算出する。そして、性能予測装置１０のアプリケーション性能モデル修正部１０５は、誤差を基に、アプリケーション性能モデルを修正する。そして、性能予測装置１０の修正箇所比較部１０６は、修正したアプリケーション性能モデルの修正箇所と、修正前のアプリケーション性能モデルの対応する箇所とを比較する。そして、性能予測装置１０の修正箇所比較部１０６は、比較結果を表示又は出力するためである。
なお、予測対象システム設計者は、例えば、性能予測装置１０が提供する情報をフィードバックして、モデルを容易に改善できる。
＜変形例＞
性能予測装置１０の構成は、これまで説明した構成に限らない。
例えば、性能予測装置１０は、アプリケーション性能モデル蓄積部１０２又は仮想化影響モデル蓄積部１０３を、ネットワーク又はバスを介して接続する外部の記憶装置としても良い。
また、性能予測装置１０は、各構成を複数の構成に分けても良い。
例えば、修正箇所比較部１０６は、修正箇所を比較する構成と比較結果を表示する構成とに分けても良い。
また、性能予測装置１０は、複数の構成を１つの構成としても良い。
例えば、性能予測装置１０は、ＣＰＵ（Central Processing Unit）と、ＲＯＭ（Read Only Memory）と、ＲＡＭ（Random Access Memory）と含むコンピュータ装置として実現しても良い。性能予測装置１０は、上記の構成に加え、さらに、入出力接続回路（ＩＯＣ：Input / Output Circuit）と、ネットワークインターフェース回路（ＮＩＣ：Network Interface Circuit）とを含むコンピュータ装置として実現しても良い。
図６は、本実施形態の性能予測装置１０の別の構成である性能予測装置６０の構成の一例を示すブロック図である。
性能予測装置６０は、ＣＰＵ６１０と、ＲＯＭ６２０と、ＲＡＭ６３０と、内部記憶装置６４０と、ＩＯＣ６５０と、ＮＩＣ６８０とを含み、コンピュータを構成している。
ＣＰＵ６１０は、ＲＯＭ６２０からプログラムを読み込む。そして、ＣＰＵ６１０は、読み込んだプログラムに基づいて、ＲＡＭ６３０と、内部記憶装置６４０と、ＩＯＣ６５０と、ＮＩＣ６８０とを制御する。そして、ＣＰＵ６１０は、これらの構成を制御し、図１に示す性能予測装置１０の各構成としての機能を実現する。各構成とは、入出力計測部１０１と、アプリケーション性能モデル蓄積部１０２と、仮想化影響モデル蓄積部１０３のデータ書き込みと読み出しの制御部分と、性能予測部１０４と、アプリケーション性能モデル修正部１０５と、修正箇所比較部１０６とである。ＣＰＵ６１０は、各機能を実現する際に、ＲＡＭ６３０をプログラムの一時記憶として使用する。
また、ＣＰＵ６１０は、コンピュータで読み取り可能にプログラムを記憶した記憶媒体７００が含むプログラムを、図示しない記憶媒体読み取り装置を用いてＲＡＭ８３０に読み込んで、動作しても良い。このように、ＣＰＵ８１０は、ＲＯＭ８１０又は記憶媒体８９０のような不揮発性メモリ（non-transitory memory）を用いても良い、ＲＡＭ８３０のような揮発性メモリ（transitory memory）を用いても良い。
あるいは、ＣＰＵ６１０は、ＮＩＣ６８０を介して、図示しない外部の装置からプログラムを受け取っても良い。
ＲＯＭ６２０は、ＣＰＵ６１０が実行するプログラム及び固定的なデータを記憶する。ＲＯＭ６２０は、例えば、Ｐ−ＲＯＭ(Programmable-ROM）又はフラッシュＲＯＭである。
ＲＡＭ６３０は、ＣＰＵ６１０が実行するプログラム及びデータを一時的に記憶する。ＲＡＭ６３０は、例えば、Ｄ−ＲＡＭ（Dynamic-RAM）である。
内部記憶装置６４０は、性能予測装置６０が長期的に保存するデータ及び／又はプログラムを記憶する。また、内部記憶装置６４０は、ＣＰＵ６１０の一時記憶装置として動作しても良い。さらに、内部記憶装置６４０は、アプリケーション性能モデル蓄積部１０２又は仮想化影響モデル蓄積部１０３として動作しても良い。内部記憶装置６４０は、例えば、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Solid State Drive）又はディスクアレイ装置である。
ＩＯＣ６５０は、ＣＰＵ６１０と、入力機器６６０及び表示機器６７０とのデータを仲介する。ＩＯＣ６５０は、例えば、ＩＯインターフェースカード又はＵＳＢ（Universal Serial Bus）カードである。
入力機器６６０は、性能予測装置６０の操作者からの入力指示を受け取る入力部である。入力機器６６０は、例えば、キーボード、マウス又はタッチパネルである。
表示機器６７０は、性能予測装置６０の表示部である。表示機器６７０は、例えば、液晶ディスプレイである。表示機器６７０は、修正箇所比較部１０６の一部として、比較結果を表示しても良い。
ＮＩＣ６８０は、ネットワークを介した予測対象システム及び他の装置とのデータのやり取りを中継する。ＮＩＣ６８０は、例えば、ＬＡＮカードである。性能予測装置６０は、修正箇所比較部１０６の比較結果を、ＮＩＣ６８０を介して他の装置に出力しても良い。
このように構成された性能予測装置６０は、性能予測装置１０と同様の効果を得ることができる。
その理由は、性能予測装置６０のＣＰＵ６１０が、プログラムに基づいて性能予測装置１０と同様の機能を実現できるためである。
［第２の実施形態］
図７は、本発明の第２の実施形態に係る性能予測装置１１の構成の一例を示すブロック図である。
性能予測装置１１は、入出力計測部１０１と、アプリケーション性能モデル蓄積部１０２と、仮想化影響モデル蓄積部１０３と、性能予測部１１４と、ブラックボックス調整部１０７と、アプリケーション性能モデル比較部１０８とを含む。
本実施形態の図面において、第１の実施形態と同様の構成及び動作は、同じ符号を付し、その詳しい説明を省略する。
そのため、以下の説明では、本実施形態の特徴となる、第１の実施形態と異なる部分について詳細に説明する。
なお、本実施形態の性能予測装置１１は、性能予測装置１０と同様に、図６に示すＣＰＵ６１０などを含むコンピュータ装置で実現されても良い。
性能予測部１１４は、仮想化影響モデル蓄積部１０３が蓄積する予測対象システムの仮想化影響モデルと、ブラックボックスとを基に、入出力計測部１０１が計測した入力に対するブラックボックスの出力を予測する。
ここで、ブラックボックスとは、情報処理システムで実行されるアプリケーションの性能を表現するものである。そして、ブラックボックスは、学習又は回帰などを基に、入力に対して適当な出力を決定することができる仕組み（モデル）である。
例えば、ブラックボックスは、ニューラルネットワーク又は隠れマルコフモデルを用いても良い。あるいは、ブラックボックスは、多項式関数を用いた近似又はノンパラメトリック回帰を用いても良い。
また、ブラックボックスのパラメータ（例えば、ニューラルネットワークの各シナプス荷重又は多項式近似の各係数）は、初期値としてランダムな値が与えられても良い。あるいは、ブラックボックスのパラメータは、予め、表現するアプリケーションの振る舞いを模倣するように値が与えられても良い。
なお、アプリケーション性能モデルとブラックボックスは、同様の機能を備えたモデルでも良い。ただ、アプリケーション性能モデルとブラックボックスは、注目する機能が異なる。
具体的に説明すると、次のようになる。
アプリケーション性能モデルは、アプリケーションの各構成要素の動作を模倣など、予め動作が定義されたモデルである。つまり、アプリケーション性能モデルは、アプリケーションの動作を基にしたモデルである。
これに対し、ブラックボックスは、入力に対して適当な出力を決定するように動作が変化する。つまり、ブラックボックスは、入力と出力との関係を基にしたモデルである。
なお、本実施形態の性能予測装置１１は、ブラックボックスを保持する構成を特に限定しない。例えば、図示しない記憶部が、ブラックボックスを記憶しても良い。ただし、以下では、ブラックボックス調整部１０７が、ブラックボックスを保持するとして説明する。
ブラックボックス調整部１０７は、入出力計測部１０１が計測した予測対象システムの入力及び出力、並びに、性能予測部１０４が予測した出力を基に、ブラックボックスの調整（修正）の要否を判定する。そして、ブラックボックス調整部１０７は、調整が必要な場合、ブラックボックスを調整する。
アプリケーション性能モデル比較部１０８は、アプリケーション性能モデル蓄積部１０２が蓄積するアプリケーション性能モデルを読み出す。アプリケーション性能モデル比較部１０８は、調整されたブラックボックスと、読み出したアプリケーション性能モデルとについて、入出力計測部１０１が計測した予測対象システムの入力に対する振る舞い（出力）を比較する。
なお、ブラックボックスは、入力と出力との関係を基にしたモデルである。ブラックボックスの調整は、出力の調整である。そのため、本実施形態の出力の比較は、第１の実施形態の修正箇所の比較に相当する。
次に、性能予測装置１１の動作について、図面を参照して説明する。
図８は、性能予測装置１１の処理の一例を示すフローチャートである。なお、図８において、第１の実施形態と同様の処理には同じ番号を付し、その詳細な説明を省略する。
ステップＳ４０２において、性能予測部１１４は、次の２つを基に、入出力計測部１０１が計測した入力に対するブラックボックスの出力を予測する。
（１）仮想化影響モデル蓄積部１０３が蓄積している予測対象システムに対応する仮想化影響モデル
（２）ブラックボックス調整部１０７が保持する予測対象システムに対応するブラックボックス
ステップＳ４０３において、ブラックボックス調整部１０７は、ブラックボックスの調整の要否を判断する。そして、ブラックボックス調整部１０７が、調整不要と判断すると（ステップＳ４０３、Ｎｏ）、性能予測装置１１は、ステップＳ４０５に処理を移動する。ブラックボックス調整部１０７が、調整必要と判断すると（ステップＳ４０３、Ｙｅｓ）、性能予測装置１１は、ステップＳ４０４に処理を移動する。
ここで、ブラックボックス調整部１０７は、ブラックボックスの調整を要しないと判断する条件を、予測対象システムに合わせて設定すれば良い。例えば、ブラックボックス調整部１０７は、次の条件のいずれかを用いればよい。
条件２−１：入出力計測部１０１が計測した予測対象システムの出力と、性能予測部１１４が予測した出力とを比較し、その差（誤差）が、予め定められた閾値未満である。（すなわち、ブラックボックスを含む予測対象システムのモデルが、予め定められた精度内で予測対象システムの振る舞いを予測できている。）
条件２−２：入出力計測部１０１が計測した予測対象システムの出力と、性能予測部１１４が予測した出力との誤差が、ある一定回数の調整を経ても変化しない。（すなわち、調整が平衡状態にあるとみなせる。）
条件２−３：予め定められた回数調整した。
ステップＳ４０４において、ブラックボックス調整部１０７は、入出力計測部１０１が計測した予測対象システムの入力及び出力、並びに、性能予測部１１４が予測した出力を基に、ブラックボックスを調整する。
具体的には、ブラックボックス調整部１０７は、性能予測部１１４が予測した出力を、入出力計測部１０１が計測した予測対象システムの出力に近づけるように、ブラックボックスを学習、又は、近似などを用いて調整する。
例えば、ブラックボックス調整部１０７は、評価関数として、入出力計測部１０１が計測した予測対象システムの出力と性能予測部１１４が予測した出力の差（誤差）を用いる。そして、ブラックボックス調整部１０７は、評価関数を改善する（誤差が小さくなる）ように、強化学習、遺伝的アルゴリズム、又はモンテカルロ法を用いて、ブラックボックスのパラメータを補正（修正）する。ここで、ブラックボックスのパラメータは、例えば、ニューラルネットワークの場合の各シナプス荷重、又は、多項式近似の場合の各係数である。
つまり、ブラックボックス調整部１０７は、評価関数を改善するように、所定の手法を用いて、ブラックボックスのパラメータを補正する。
仮想化環境では、仮想化の影響のために、関連する性能を測定する装置は、ブラックボックスの入出力に対応する予測対象システムの部分的な要素を直接計測できない。しかし、本実施形態の性能予測装置１１は、上記のように、予測対象システムの出力と予測した出力との差を基にした評価関数を用いて、ブラックボックスを調整できる。
ステップＳ４０４でブラックボックス調整部１０７がブラックボックスを調整した後、性能予測部１１４は、ステップＳ４０２において、補正後のブラックボックスを用いて出力を予測する。
性能予測装置１１は、ブラックボックス調整部１０７が、補正の必要がないと判断するまで、この動作を繰り返す。
ステップＳ４０５において、アプリケーション性能モデル比較部１０８は、ステップＳ４０３で調整が必要とないと判断されたブラックボックスと、アプリケーション性能モデル蓄積部１０２が蓄積しているアプリケーション性能モデルとを読み出す。そして、アプリケーション性能モデル比較部１０８は、読み出したブラックボックスと、アプリケーション性能モデルとの、入出力計測部１０１が計測した予測対象システムの入力に対する振る舞い（出力）を比較する。
具体的には、アプリケーション性能モデル比較部１０８は、予測対象システムの入力に対するブラックボックスの出力とアプリケーション性能モデルの出力とを比較する。
アプリケーション性能モデル比較部１０８は、比較結果を表示しても良い。あるいは、アプリケーション性能モデル比較部１０８は、比較結果を図示しない他の装置に送信しても良い。
次に、第２の実施形態の効果について説明する。
本実施形態の性能予測装置１１は、第１の実施形態の効果を奏する。本実施形態の性能予測装置１１は、さらに、予測対象システムの入力に対するアプリケーション性能モデルの本来あるべき振る舞いに関する情報を、当該モデルの単なる修正だけでは正しく予測できない場合であっても提供できる効果を奏する。
その理由は、次のとおりである。
本実施形態に係る性能予測装置１１の性能予測部１１４は、第１の実施形態の性能予測部１０４と比べ、仮想化影響モデルとブラックボックスとを基に出力を予測する。そして、ブラックボックス調整部１０７は、計測した入力及び出力並びに予測した出力を基に、ブラックボックスを調整する。そして、アプリケーション性能モデル比較部１０８は、ブラックボックスとアプリケーション性能モデルの振る舞い（出力）を比較する。このように性能予測装置１１は、ブラックボックスを用いる。そのため、性能予測装置１１は、アプリケーション性能モデルの修正では正しく予測できないような場合でも、予測対象システムの入力に対しての出力を予測できるからである。
［第３の実施形態］
第１の実施形態の性能予測装置１０は、アプリケーション性能モデルを修正した修正後のアプリケーション性能モデルを用いた。一方、第２の実施形態の性能予測装置１１は、ブラックボックスを用いた。
既に説明したとおり、アプリケーション性能モデルとブラックボックスは、モデルとして注目する機能が異なるが、同様の機能を備えたモデルでも良い。
つまり、アプリケーション性能モデル及びブラックボックスは、どちらも、予測対象システムの性能を予測するためのモデルと言える。（以下、アプリケーション性能モデルとブラックボックスをまとめて、「性能予測モデル」と言う。）
そのため、性能予測部１０４及び性能予測部１１４は、性能予測モデルの性能を予測する点で同様の構成と言える。
また、アプリケーション性能モデル修正部１０５及びブラックボックス調整部１０７は、性能予測モデルを修正（調整）する点で同様の構成と言える。
さらに、修正箇所比較部１０６とアプリケーション性能モデル比較部１０８は、性能予測モデルの修正箇所を比較（及び表示）する点で同様の構成といえる。
また、性能予測装置１０及び性能予測装置１１は、既に説明したとおり、複数の構成をまとめても良い。
そこで、本発明の最小構成である第３の実施形態に係る性能予測装置１２について、図面を参照して説明する。
図９は、第３の実施形態に係る性能予測装置１２の構成の一例を示す図である。
本実施形態の性能予測装置１２は、入出力計測部１０１と、アプリケーション性能モデル蓄積部１０２と、仮想化影響モデル蓄積部１０３と、性能予測モデル修正比較部１０９とを含む。
なお、本実施形態の性能予測装置１２は、性能予測装置１０と同様に、図６に示すＣＰＵ６１０などを含むコンピュータ装置で実現されても良い。
図９において、第１の実施形態及び第２の実施形態と同様に構成には同じ番号を付し、その詳細な説明を省略する。
性能予測モデル修正比較部１０９は、次に示す信号とモデルを基に、性能予測モデルを修正し、修正箇所を比較する。
（１）入出力計測部１０１が計測した予測対象システムの入力及び出力
（２）アプリケーション性能モデル蓄積部１０２が蓄積するアプリケーション性能モデル
（３）仮想化影響モデル蓄積部１０３が蓄積する仮想化影響モデル
なお、性能予測モデル修正比較部１０９は、性能予測モデルの保持に関して特に制限はない。
例えば、性能予測モデル修正比較部１０９は、性能予測モデルを保持しても良く、図示しない記憶部に保持しても良い。また、性能予測モデル修正比較部１０９は、予測の前に、性能予測モデルを保持すれば、性能予測モデルの保持の手法についても制限はない。例えば、性能予測モデル修正比較部１０９は、予測対象システムの情報、アプリケーション性能モデル及び仮想化影響モデルを基に、性能予測モデルを作成しても良い。あるいは、性能予測モデル修正比較部１０９は、予め、予測対象システム設計者の操作する装置から、性能予測モデルを受け取って、保持しても良い。
以下の説明において、性能予測モデル修正比較部１０９は、既に、性能予測モデルを保持しているとする。
具体的には、性能予測モデル修正比較部１０９は、次のように動作する。
まず、性能予測モデル修正比較部１０９は、入出力計測部１０１が計測した入力と少なくとも仮想化影響モデルとを基に、性能予測モデルの出力を予測する。
次に、性能予測モデル修正比較部１０９は、予測した出力と、入出力計測部１０１が計測した出力とを基に、性能予測モデルを修正（調整）の要否を判定する。
修正が必要な場合、性能予測モデル修正比較部１０９は、性能予測モデルを修正する。そして、性能予測モデル修正比較部１０９は、修正後の性能予測モデルを基に、出力を予測する。そして、性能予測モデル修正比較部１０９は、修正が必要ないと判定するまで、この動作を繰り返す。
修正が必要ない場合、性能予測モデル修正比較部１０９は、修正後の性能予測モデルの修正箇所又は出力と、アプリケーション性能モデル蓄積部１０２が蓄積するアプリケーション性能モデルの対応する箇所又は出力とを比較する。さらに、性能予測モデル修正比較部１０９は、比較結果を表示又は出力しても良い。
より具体的には、例えば、性能予測モデル修正比較部１０９は、図１に示す性能予測部１０４と、アプリケーション性能モデル修正部１０５と、修正箇所比較部１０６との機能（以下、第１の機能と言う）を含んでも良い。あるいは、性能予測モデル修正比較部１０９は、図７に示す性能予測部１１４と、ブラックボックス調整部１０７と、アプリケーション性能モデル比較部１０８との機能（以下、第２の機能と言う）を含んでも良い。
さらに、性能予測モデル修正比較部１０９は、上記の第１の機能及び第２の機能を含み、予測状況を基に、使用する機能を切り換えても良い。
性能予測モデル修正比較部１０９は、第１の機能を用いると、第２の機能に比べ、より詳細に修正箇所を比較できる。一方、性能予測モデル修正比較部１０９は、第２の機能を用いると、第１の機能に比べ、より多くの場合に予測できる。
そこで、例えば、性能予測モデル修正比較部１０９は、まず、第１の機能を用いて動作する。そして、アプリケーション性能モデルで予測できないと判定した場合、性能予測モデル修正比較部１０９は、第２の機能を用いて予測しても良い。
本実施形態の性能予測装置１２は、性能予測装置１０及び性能予測装置１１と同様の効果を実現できる。
その理由は、次のとおりである。
性能予測装置１２の性能予測モデル修正比較部１０９は、入出力計測部１０１の入力を基に性能予測モデルの出力を予測し、計測した出力と予測した出力とを基に、性能予測モデルを修正し、修正箇所を比較できるためである。
より具体的には、性能予測装置１２は、第１の実施形態又は第２の実施形態と同様の機能を含むため、第１の実施形態又は第２の実施形態と同様に動作できるためである。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、２０１２年１２月１２日に出願された日本出願特願２０１２−２７１５４０を基礎とする優先権を主張し、その開示の全てをここに取り込む。
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
予測対象である情報処理システムの入力及び出力を計測する入出力計測手段と、
前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積するアプリケーション性能モデル蓄積手段と、
前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積する仮想化影響モデル蓄積手段と、
少なくとも前記仮想化モデルを基に前記入出力計測手段が計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測し、前記予測した出力と前記入出力計測手段が計測した出力とを基に前記性能予測モデルを修正し、前記修正後の性能予測モデルと前記アプリケーション性能モデルとを比較する性能予測モデル修正比較手段と
を含む性能予測装置。
（付記２）
前記性能予測モデル修正比較手段が、
前記仮想化影響モデルと、前記アプリケーション性能モデルとを基に、前記入出力計測手段が計測した前記入力に対する前記性能予測モデルとしてのアプリケーション性能モデルの出力を予測する性能予測手段と、
前記入出力計測手段が計測した前記情報処理システムの入力及び出力、並びに、前記性能予測手段が予測する出力を基に、前記性能予測モデルとしてのアプリケーション性能モデルを修正した修正後のアプリケーション性能モデルを作成するアプリケーション性能モデル修正手段と、
前記修正後のアプリケーション性能モデルの修正箇所と、前記アプリケーション性能モデル蓄積手段が蓄積している修正前のアプリケーション性能モデルの対応箇所とを比較する修正箇所比較手段と、
を含むことを特徴とする付記１に記載の性能予測装置。
（付記３）
前記性能予測モデル修正比較手段が、
前記仮想化影響モデルと、前記情報処理システムで実行されるアプリケーションの性能を表現する性能予測モデルであるブラックボックスとを基に、前記入出力計測手段が計測した前記入力に対する出力を予測する性能予測手段と、
前記入出力計測手段が計測した前記情報処理システムの入力及び出力、並びに、前記性能予測手段が予測した出力を基に、前記ブラックボックスを調整するブラックボックス調整手段と、
前記ブラックボックス調整手段が調整したブラックボックスと、前記アプリケーション性能モデルとにおける、前記入出力手段が計測した入力に対する出力を比較するアプリケーション性能モデル比較手段と、
を含むことを特徴とする付記１に記載の性能予測装置。
（付記４）
前記性能予測モデル修正比較手段が、
前記予測した出力と前記計測した出力との差が所定の値未満と成るまで、前記差の変化が所定の値未満となるまで、又は、所定の回数まで、前記性能予測モデルの修正を繰り返す
付記１乃至付記３のいずれか１項に記載の性能予測装置。
（付記５）
予測対象である情報処理システムの入力及び出力を計測し、
前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積し、
前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積し、
少なくとも前記仮想化モデルを基に前記計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測し、
前記予測した出力と前記計測した出力とを基に前記性能予測モデルを修正し、
前記性能予測モデルと前記アプリケーション性能モデルとを比較する
性能予測方法。
（付記６）
予測対象である情報処理システムの入力及び出力を計測する処理と、
前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積する処理と、
前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積する処理と、
少なくとも前記仮想化モデルを基に前記計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測する処理と、
前記予測した出力と前記計測した出力とを基に前記性能予測モデルを修正する処理と、
前記性能予測モデルと前記アプリケーション性能モデルとを比較する処理とをコンピュータに実行させるプログラム記録したコンピュータ読み取り可能な記録媒体。
１０ 性能予測装置
１１ 性能予測装置
１２ 性能予測装置
６０ 性能予測装置
１０１ 入出力計測部
１０２ アプリケーション性能モデル蓄積部
１０３ 仮想化影響モデル蓄積部
１０４ 性能予測部
１０５ アプリケーション性能モデル修正部
１０６ 修正箇所比較部
１０７ ブラックボックス調整部
１０８ アプリケーション性能モデル比較部
１０９ 性能予測モデル修正比較部
１１４ 性能予測部
３０１ 待ち行列
３０２ 待ち行列
３０３ 待ち行列
６１０ ＣＰＵ
６２０ ＲＯＭ
６３０ ＲＡＭ
６４０ 内部記憶装置
６５０ ＩＯＣ
６６０ 入力機器
６７０ 表示機器
６８０ ＮＩＣ
７００ 記憶媒体

Claims (6)

  1. 予測対象である情報処理システムの入力及び出力を計測する入出力計測手段と、
    前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積するアプリケーション性能モデル蓄積手段と、
    前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積する仮想化影響モデル蓄積手段と、
    少なくとも前記仮想化モデルを基に前記入出力計測手段が計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測し、前記予測した出力と前記入出力計測手段が計測した出力とを基に前記性能予測モデルを修正し、前記修正後の性能予測モデルと前記アプリケーション性能モデルとを比較する性能予測モデル修正比較手段と
    を含む性能予測装置。
  2. 前記性能予測モデル修正比較手段が、
    前記仮想化影響モデルと、前記アプリケーション性能モデルとを基に、前記入出力計測手段が計測した前記入力に対する前記性能予測モデルとしてのアプリケーション性能モデルの出力を予測する性能予測手段と、
    前記入出力計測手段が計測した前記情報処理システムの入力及び出力、並びに、前記性能予測手段が予測する出力を基に、前記性能予測モデルとしてのアプリケーション性能モデルを修正した修正後のアプリケーション性能モデルを作成するアプリケーション性能モデル修正手段と、
    前記修正後のアプリケーション性能モデルの修正箇所と、前記アプリケーション性能モデル蓄積手段が蓄積している修正前のアプリケーション性能モデルの対応箇所とを比較する修正箇所比較手段と、
    を含むことを特徴とする請求項１に記載の性能予測装置。
  3. 前記性能予測モデル修正比較手段が、
    前記仮想化影響モデルと、前記情報処理システムで実行されるアプリケーションの性能を表現する性能予測モデルであるブラックボックスとを基に、前記入出力計測手段が計測した前記入力に対する出力を予測する性能予測手段と、
    前記入出力計測手段が計測した前記情報処理システムの入力及び出力、並びに、前記性能予測手段が予測した出力を基に、前記ブラックボックスを調整するブラックボックス調整手段と、
    前記ブラックボックス調整手段が調整したブラックボックスと、前記アプリケーション性能モデルとにおける、前記入出力手段が計測した入力に対する出力を比較するアプリケーション性能モデル比較手段と、
    を含むことを特徴とする請求項１に記載の性能予測装置。
  4. 前記モデル修正比較手段が、
    前記予測した出力と前記計測した出力との差が所定の値未満と成るまで、前記差の変化が所定の値未満となるまで、又は、所定の回数まで、前記性能予測モデルの修正を繰り返す
    請求項１乃至請求項３のいずれか１項に記載の性能予測装置。
  5. 予測対象である情報処理システムの入力及び出力を計測し、
    前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積し、
    前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積し、
    少なくとも前記仮想化モデルを基に前記計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測し、
    前記予測した出力と前記計測した出力とを基に前記性能予測モデルを修正し、
    前記性能予測モデルと前記アプリケーション性能モデルとを比較する
    性能予測方法。
  6. 予測対象である情報処理システムの入力及び出力を計測する処理と、
    前記情報処理システムで実行されるアプリケーションの性能のモデルであるアプリケーション性能モデルを蓄積する処理と、
    前記情報処理システムの仮想化の性能への影響のモデルである仮想化影響モデルを蓄積する処理と、
    少なくとも前記仮想化モデルを基に前記計測した入力に対する前記情報処理システムの性能を予測するための性能予測モデルの出力を予測する処理と、
    前記予測した出力と前記計測した出力とを基に前記性能予測モデルを修正する処理と、
    前記性能予測モデルと前記アプリケーション性能モデルとを比較する処理とをコンピュータに実行させるプログラム。
JP2014551883A 2012-12-12 2013-12-06 性能予測装置及び性能予測方法 Active JP6172160B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012271540 2012-12-12
JP2012271540 2012-12-12
PCT/JP2013/007194 WO2014091733A1 (ja) 2012-12-12 2013-12-06 性能予測装置及び性能予測方法

Publications (2)

Publication Number Publication Date
JPWO2014091733A1 JPWO2014091733A1 (ja) 2017-01-05
JP6172160B2 true JP6172160B2 (ja) 2017-08-02

Family

ID=50934041

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014551883A Active JP6172160B2 (ja) 2012-12-12 2013-12-06 性能予測装置及び性能予測方法

Country Status (2)

Country Link
JP (1) JP6172160B2 (ja)
WO (1) WO2014091733A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766201A (zh) * 2017-09-28 2018-03-06 联想(北京)有限公司 一种软件处理方法和装置、电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002215423A (ja) * 2001-01-22 2002-08-02 Hitachi Ltd ソフトウェアモデル作成方法
US20080109390A1 (en) * 2006-11-03 2008-05-08 Iszlai Gabriel G Method for dynamically managing a performance model for a data center
JP5532052B2 (ja) * 2009-10-30 2014-06-25 日本電気株式会社 評価モデル分析システム、評価モデル分析方法およびプログラム

Also Published As

Publication number Publication date
JPWO2014091733A1 (ja) 2017-01-05
WO2014091733A1 (ja) 2014-06-19

Similar Documents

Publication Publication Date Title
TWI444844B (zh) 模擬參數校正技術
JP5298444B2 (ja) プロセッサ設計を特徴付けるための方法、装置、論理プログラム及びシステム
JP2015087973A (ja) 生成装置、生成方法、およびプログラム
JP6007906B2 (ja) システム性能予測方法、情報処理装置およびその制御プログラム
US8457944B2 (en) Method and device for determining requirement parameters of at least one physical hardware unit
JP2021531534A (ja) ストレージ・ユニットのエラー・チェックを実施するときを決定するための機械学習モジュールの使用
WO2018074304A1 (ja) 情報処理方法、情報処理装置、プログラム、及び情報処理システム
JPWO2020136859A1 (ja) 推定装置、推定方法、及びプログラム
JP7167992B2 (ja) ラベル修正装置
US20130144587A1 (en) Scalability evaluation device, scalability evaluation method, and scalability evaluation program
JP6172160B2 (ja) 性能予測装置及び性能予測方法
WO2018194565A1 (en) Monitoring the thermal health of an electronic device
US20140258647A1 (en) Recording medium storing performance evaluation assistance program, performance evaluation assistance apparatus, and performance evaluation assistance method
JP2017027296A (ja) 性能評価方法、性能評価プログラム及び情報処理装置
JP2016045536A (ja) 設計支援装置
JP2024003643A (ja) ニューラルネットワークの学習方法、コンピュータプログラム、及び余寿命予測システム
EP4145327A1 (en) System for estimating characteristic value of material
WO2015083333A1 (ja) 性能予測装置、性能予測方法、及び、コンピュータ・プログラムが格納された記憶媒体
JP5636922B2 (ja) 性能予測装置、性能予測方法およびプログラム
JP6901685B2 (ja) 生成プログラム、生成方法、及び情報処理装置
WO2013141018A1 (ja) 最適システム設計支援装置
JP6726312B2 (ja) シミュレーション方法、システム、及びプログラム
JP2021105772A (ja) リソース利用量の予測管理システム、リソース利用量の予測管理方法
US20240045388A1 (en) Management apparatus, prediction method, and prediction program
JP2021015394A (ja) 情報処理装置及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20161115

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: 20170606

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170619

R150 Certificate of patent or registration of utility model

Ref document number: 6172160

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150