JP7449779B2 - ジョブ管理方法、及びジョブ管理装置 - Google Patents
ジョブ管理方法、及びジョブ管理装置 Download PDFInfo
- Publication number
- JP7449779B2 JP7449779B2 JP2020096916A JP2020096916A JP7449779B2 JP 7449779 B2 JP7449779 B2 JP 7449779B2 JP 2020096916 A JP2020096916 A JP 2020096916A JP 2020096916 A JP2020096916 A JP 2020096916A JP 7449779 B2 JP7449779 B2 JP 7449779B2
- Authority
- JP
- Japan
- Prior art keywords
- execution
- job net
- job
- execution time
- time
- 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
- 238000007726 management method Methods 0.000 title claims description 93
- 238000000034 method Methods 0.000 claims description 127
- 238000012545 processing Methods 0.000 claims description 38
- 230000010365 information processing Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 47
- 238000012544 monitoring process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
- G06F9/4887—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues involving deadlines, e.g. rate based, periodic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
Description
図1は、実施例1に係るジョブ管理システム1の構成の一例を示す図である。ジョブ管理システム1は、複数のジョブネット(JN)から構成される処理(以下、パス又はジョブネットリストという)であるバッチジョブを管理するジョブ管理装置100と、バッチジョブの実行を統括するジョブ実行マネージャー500と、バッチジョブにおけるジョブネットを実行する、1又は複数のジョブ実行エージェント600とを含んで構成されている。
実行し、又はその実行予定時刻を決定する。ジョブ実行マネージャー500は、このようにして複数のジョブを実行させることにより各ジョブネットを実行する。
有線又は無線の管理用ネットワーク3によって通信可能に接続される。
)、インターネット、専用線等の有線又は無線のネットワーク5によって通信可能に接続される。
時間を算出し、算出した待ち時間に基づき、実行時間予測モデルを生成する。
図2は、ジョブ管理システム1において行われるジョブ管理処理の概要を説明するフロー図である。ジョブ管理処理は、例えば、ジョブ管理装置100が起動した後、所定のタイミング(例えば、所定の時刻、又は所定の時間間隔、又はユーザから指定されたタイミング)で実行される。
図3は、ジョブネット情報収集処理S10の一例を説明するフロー図である。ジョブネット情報収集処理S10は、例えば、ジョブ管理装置100の起動後の所定のタイミング(例えば、ユーザから所定の入力があった場合、所定の時刻、又は所定の時間間隔等)に繰り返し実行される。
図4は、ジョブネット実行履歴管理テーブル130の一例を示す図である。ジョブネッ
ト実行履歴管理テーブル130は、各タイミングで実行されたジョブネットの名称(種類、ID等に対応)であるジョブネット名称131と、ジョブネット名称131に係るジョブネットの実行開始のタイミングである開始時刻132と、ジョブネット名称131に係るジョブネットの実行終了のタイミングである終了時刻133と、ジョブネット名称131に係るジョブネットの実行結果を表す情報であるジョブネット終了コード134とを含む各項目を有するレコードで構成されるデータベースである。
次に、図5は、ジョブネット実行情報管理テーブル140の一例を示す図である。ジョブネット実行情報管理テーブル140は、ジョブネットを特定するIDであるジョブネットID141と、ジョブネットID141に係るジョブネットの名称であるジョブネット名称142と、ジョブネットID141に係るジョブネットの平均実行時間(同一のジョブネットが複数回実行される場合があるため)であるジョブネット平均実行時間143と、ジョブネットID141に係るジョブネットの実行時間のうちその最大値であるジョブネット最大実行時間144と、ジョブネットID141に係るジョブネットの実行時間のうちその最小値であるジョブネット最小実行時間146と、ジョブネットID141に係るジョブネットの実行時間の標準偏差145とを含む各項目を有するレコードで構成されるデータベースである。
図6は、ジョブネット実行時間収集処理S1の詳細を説明するフロー図である。まず、ジョブネット実行時間収集プログラム104は、ジョブネット実行履歴管理テーブル130に登録されている、各ジョブネットの過去の実行リストをそのジョブネットの名称に従って並び替える(S11)。
次に、図7は、ジョブネット実行時間予測モデル生成処理S2の詳細を説明するフロー図である。
終了時刻133の値から開始時刻132の値を減算したジョブネット実行時間を各ジョブネットの目的変数として取得する。
ここで、図8は、前提JN実行時間及び待ち時間の算出方法の例を説明する図である。
ットJN4に対する待ち時間の1つとして扱ってもよい。
図9は、ジョブネット待ち時間予測モデルにより生成される、ジョブネット待ち時間学習テーブル220の一例を示す図である。ジョブネット待ち時間学習テーブル220は、ジョブネット実行情報管理テーブル140のID141の数だけ存在し、後述するジョブネット実行時間学習テーブル150と同様の構成を有する。
図10は、ジョブネット実行時間学習テーブル150の一例を示す図である。ジョブネット実行時間学習テーブル150は、ジョブネット実行時間予測モデルを生成するための目的変数である各ジョブネットの実行時間151と、各ジョブネットの実行時間151を説明する説明変数152との組み合わせと、当該ジョブネット実行時間に対する説明変数の値154とを記憶した情報である。
ット(以下、評価用ジョブネットという)の説明変数(例えば、実行曜日、実行営業日情報、先実行JN実行時間、終了コード、及び待ち時間)を、ジョブネット実行履歴管理テーブル130等により算出又は取得し、算出又は取得した各説明変数をジョブネット実行時間予測モデル(記憶装置120に記憶されている)に入力することにより、各ジョブネットの実行時間を予測する。予測モデル精度判定プログラム106は、この予測された実行時間と、実測されている実行時間との時間差を算出することにより、各ジョブネットに対する関係での、ジョブネット実行時間予測モデルの精度を算出する。
図11は、ジョブネット実行時間予測方法テーブル160の一例を示す図である。ジョブネット実行時間予測方法テーブル160は、各ジョブネットの名称であるジョブネット名称161と、ジョブネット名称161に係るジョブネットの実行時間の長さの分類(以下、長さ分類という)を示すジョブネット実行時間分類162と、ジョブネット名称161に係るジョブネットの実行時間をジョブネット実行時間予測テーブルで予測した場合のその予測時間の精度の分類(以下、精度分類という)であるジョブネット予測精度分類163と、ジョブネット名称161に係るジョブネットの実行時間を予測する方法(以下、予測方法という)を特定する情報であるジョブネット実行時間予測方法164とを含む各項目を有するレコードで構成されるデータベースである。
次に、図12は、クリティカルパス特定処理S3の詳細を説明するフロー図である。まず、予測モデル作成プログラム105は、ジョブネット実行時間予測モデルの結果に基づき、バッチジョブにおけるジョブネット間の処理上(時間上)の依存関係を推定し、推定した依存関係から1又は複数のジョブネットリスト(パス)の情報を生成するジョブネットリスト生成処理を実行する(S700)。
図13は、ジョブネットリストテーブル170の一例を示す図である。ジョブネットリストテーブル170は、ジョブネットリスト(パス)のIDであるジョブネットリストID171と、ジョブネットリストID171に係るジョブネットリストを構成する各ジョブネット及びその処理上の順序であるジョブネット構成172とを含む各項目を有するレコードで構成される。
図14は、ジョブネットリスト生成処理S700の詳細を説明するフロー図である。まず、ジョブ管理装置100の予測モデル作成プログラム105は、ジョブネット実行時間予測モデルに基づき、各ジョブネットの処理上の前後関係を推定する(S601)。
次に、図15は、ジョブネット実行時間予測処理S20の詳細を説明するフロー図である。ジョブネット実行時間予測処理S20は、ジョブネット情報収集処理S10の最低1回の実行後、バッチジョブを実行中の場合において、所定のタイミング(例えば、所定の時間間隔、所定の時刻、又はユーザから所定の入力があった場合等)に繰り返し実行される。
次に、図16は、ジョブネット遅延判定処理S30の詳細を説明するフロー図である。ジョブネット遅延判定処理S30は、ジョブネット実行時間予測処理S20で算出した実行時間を用いて、ユーザから指定されたジョブネットの実行終了時刻の進行状況(遅延状況)に関する情報を表示する。
いことを示す情報をジョブネット監視画面1000に表示してもよい。
図17は、ジョブネット監視画面1000の一例を示す図である。ジョブネット監視画面1000には、クリティカルパスにおける各ジョブネットのアイコンと、それらの実行順序を示す図形1001(矢印等)とが表示される。具体的には、各ジョブネットのアイコンには、そのジョブネットが実行済みであることを示す実行済みアイコン1003と、そのジョブネットが現在実行中であることを示す実行中アイコン1005と、そのジョブネットが未実行(実行待ち)であることを示す未実行アイコン1007とがある。なお、クリティカルパスに属さないジョブネットのアイコン1009には、その旨がわかるように特殊な表示(例えば、薄い色による表示)がなされる。
図18は、ジョブネット終了予定時刻入力画面1100の一例を示す図である。ジョブネット終了予定時刻入力画面1100には、クリティカルパスにおける各ジョブネット1111とこれらのジョブネット1111の実行順序を示す情報1113(矢印)とが表示されるジョブ表示欄1110と、クリティカルパスにおけるジョブネット1111のリストの表示欄1120と、クリティカルパスの最後のジョブネットの終了予定時刻の入力をユーザから受け付ける設定時刻入力欄1130とが表示される。
図19は、ジョブネット情報表示画面1200の一例を示す図である。
度1231(「High」「Low」に対応)と、当該ジョブネットの実行時間の予測方法1232(「Predict」「Low」「Wait」に対応)とを含む。
実施例2に係るジョブ管理システム2は、ジョブネット実行時間予測モデルにおける説明変数が実施例1と異なる。すなわち、本実施例に係るジョブ管理システム2は、説明変数として、ジョブ実行エージェント600のリソースの情報が追加される。
図21は、ジョブネット実行エージェントテーブル180の一例を示す図である。ジョブネット実行エージェントテーブル180は、各ジョブネットの名称(識別子)であるジョブネット名称181、及びジョブネット名称181に係るジョブネットを実行するジョブ実行エージェント600の識別子であるエージェント182の各項目を有する各レコードで構成される。
図22は、ジョブネット実行エージェント情報テーブル190の一例を示す図である。ジョブネット実行エージェント情報テーブル190は、各ジョブ実行エージェント600
の名称(識別子)であるエージェント名称191、及びエージェント名称191に係るジョブ実行エージェント600のジョブ管理システム2上の位置(IPアドレス等)であるアドレス192、及びエージェント名称191に係るジョブ実行エージェント600へのアクセスに必要な認証情報193の各項目を有する各レコードで構成される。
図23は、実施例2に係るジョブネット実行時間収集処理S40の一例を説明する。このジョブネット実行時間収集処理S40は、実施例1と同様のジョブネット実行時間収集処理S1と、後述するジョブネット実行時間予測モデル生成処理S6と、実施例1と同様のクリティカルパス特定処理S3と、実施例1と同様のデータの追加S4とを実行する他、ジョブネット実行時間予測モデル生成処理S6を実行する前に、ジョブ実行エージェント600に関するリソースの情報を収集するリソース情報収集処理S5を実行する。
図24は、リソース使用状況テーブル200の一例を示す図である。リソース使用状況テーブル200は、ジョブ実行エージェント600に係る名称(識別子)であるエージェント名称201、エージェント名称201に係るジョブ実行エージェント600がジョブネットを実行した日時202、エージェント名称201に係るジョブ実行エージェント600におけるリソースの種類(例えば、CPU使用率、メモリ使用率、ディスク使用率、ネットワーク帯域使用率)の名称(識別子)であるリソース名203、及びリソース名203に係るリソースの、日時202に係る時点での値204の各項目を含むレコードで構成される。
図25は、実施例2に係るジョブネット実行時間学習テーブル230の一例を示す図である。ジョブネット実行時間学習テーブル230は、実施例1と同様に、ジョブネット実行時間予測モデルにおける目的変数である各ジョブネットの実行時間151と、各ジョブネットの実行時間151を説明する説明変数152との組み合わせと、その組み合わせに対する説明変数の値154とを記憶した情報である。ここで、本実施例では、説明変数152として、ジョブ実行エージェント600のリソース235(同図の例では、CPU使用率、メモリ使用率)が設定されている。
ル生成処理において、前記過去に実行された各ジョブネットを実行した所定の情報処理装置の、当該各ジョブネットを実行した際のリソースの使用状況の情報を取得し、取得した前記リソースの使用状況の情報と、前記過去に実行された各ジョブネットの実行時間に関する情報とに基づき、前記実行時間予測モデルを生成する、としてもよい。
Claims (9)
- 情報処理装置が、
過去に実行された各ジョブネットの実行時間に関する情報に基づき、実行されるジョブネットの実行時間を予測する実行時間予測モデルを生成するジョブネット実行時間予測モデル生成処理と、
前記生成した実行時間予測モデルによる各ジョブネットの実行時間の予測精度をそれぞれ算出する予測モデル精度判定処理と、
現在実行中の又は以後実行される複数のジョブネットを含む集合であるジョブネット群のうち指定されたジョブネットの実行終了時を前記実行時間予測モデルに基づき予測するか否かを、前記算出した、各ジョブネットの実行時間の予測精度に基づき判定し、前記指定されたジョブネットの実行終了時を前記実行時間予測モデルに基づき予測すると判定した場合には、前記実行時間予測モデルに基づき予測した、前記指定されたジョブネットの実行終了時に関する情報を表示する遅延判定処理と、
を実行する、ジョブ管理方法。 - 前記情報処理装置が、
前記遅延判定処理において、前記指定されたジョブネットの実行終了時を前記実行時間予測モデルに基づき予測するか否かを、前記実行時間予測モデルによる、前記指定されたジョブネットの実行時間の予測精度が所定値以上であるか否かにより判定し、前記実行時間の予測精度が前記所定値以上である場合に、前記実行時間予測モデルに基づき予測した、前記指定されたジョブネットの実行終了時に関する情報を表示する、
請求項1に記載のジョブ管理方法。 - 前記情報処理装置が、
前記過去に実行された各ジョブネットの実行時間に関する情報に基づき、前記各ジョブネットの実行時間の統計値を算出するジョブネット実行時間収集処理を実行し、
前記遅延判定処理において、前記指定されたジョブネットの実行終了時を前記実行時間予測モデルに基づき予測するか否かを、前記実行時間予測モデルによる、前記指定されたジョブネットの実行時間の予測精度が所定値以上であるか否かにより判定し、前記実行時間の予測精度が前記所定値以上でないと判定した場合には、前記算出した統計値に基づき算出した、前記指定されたジョブネットの実行終了時に関する情報を表示する、
請求項2に記載のジョブ管理方法。 - 前記情報処理装置が、
前記遅延判定処理において、前記指定されたジョブネットの実行時間の予測精度が前記所定値以上でないと判定した場合には、前記算出した統計値に基づき算出した、前記指定されたジョブネットの実行終了時に関する情報を表示する前に、所定期間待機する、
請求項3に記載のジョブ管理方法。 - 前記情報処理装置が、
前記ジョブネット実行時間収集処理において、前記過去に実行された各ジョブネットの実行時間に関する情報に基づき、前記各ジョブネットの実行時間の統計値として、前記各ジョブネットの実行時間の平均値及び最大値を算出し、
前記遅延判定処理において、前記実行時間の予測精度が前記所定値以上でないと判定した場合には、さらに、前記指定されたジョブネットの実行時間が所定時間以上であるか否かを判定し、前記指定されたジョブネットの実行時間が前記所定時間以上である場合には、前記算出した最大値に基づき算出した、前記指定されたジョブネットの実行終了時に関する情報を表示し、前記指定されたジョブネットの実行時間が前記所定時間以上でない場合には、前記算出した平均値に基づき算出した、前記指定されたジョブネットの実行終了
時に関する情報を表示する、
請求項3に記載のジョブ管理方法。 - 前記情報処理装置が、
前記ジョブネット実行時間予測モデル生成処理において、前記過去に実行された各ジョブネットの実行時間に関する情報に基づき、前記各ジョブネットの実行順序を推定し、
前記遅延判定処理において、前記指定されたジョブネットより前の実行順序のジョブネットを、前記推定した実行順序に基づき特定する、
請求項2に記載のジョブ管理方法。 - 前記情報処理装置が、
前記ジョブネット実行時間予測モデル生成処理において、前記過去に実行された各ジョブネットの実行時間に関する情報の一つとして、前記過去に実行された各ジョブネットの実行開始時刻と、当該各ジョブネットの前に実行が終了した他のジョブネットの実行終了時刻との差である待ち時間を算出し、算出した待ち時間に基づき、前記実行時間予測モデルを生成する、
請求項1に記載のジョブ管理方法。 - 前記情報処理装置が、
前記ジョブネット実行時間予測モデル生成処理において、前記過去に実行された各ジョブネットを実行した所定の情報処理装置の、当該各ジョブネットを実行した際のリソースの使用状況の情報を取得し、取得した前記リソースの使用状況の情報と、前記過去に実行された各ジョブネットの実行時間に関する情報とに基づき、前記実行時間予測モデルを生成する、
請求項1に記載のジョブ管理方法。 - プロセッサ及びメモリを備え、
過去に実行された各ジョブネットの実行時間に関する情報に基づき、実行されるジョブネットの実行時間を予測する実行時間予測モデルを生成するジョブネット実行時間予測モデル生成処理と、
前記生成した実行時間予測モデルによる各ジョブネットの実行時間の予測精度をそれぞれ算出する予測モデル精度判定処理と、
現在実行中の又は以後実行される複数のジョブネットを含む集合であるジョブネット群のうち指定されたジョブネットの実行終了時を前記実行時間予測モデルに基づき予測するか否かを、前記算出した、各ジョブネットの実行時間の予測精度に基づき判定し、前記指定されたジョブネットの実行終了時を前記実行時間予測モデルに基づき予測すると判定した場合には、前記実行時間予測モデルに基づき予測した、前記指定されたジョブネットの実行終了時に関する情報を表示する遅延判定処理と、
を実行する、ジョブ管理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020096916A JP7449779B2 (ja) | 2020-06-03 | 2020-06-03 | ジョブ管理方法、及びジョブ管理装置 |
US17/198,730 US11734063B2 (en) | 2020-06-03 | 2021-03-11 | Job management based on generated execution time prediction model and prediction accuracy |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020096916A JP7449779B2 (ja) | 2020-06-03 | 2020-06-03 | ジョブ管理方法、及びジョブ管理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021189949A JP2021189949A (ja) | 2021-12-13 |
JP7449779B2 true JP7449779B2 (ja) | 2024-03-14 |
Family
ID=78817503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020096916A Active JP7449779B2 (ja) | 2020-06-03 | 2020-06-03 | ジョブ管理方法、及びジョブ管理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11734063B2 (ja) |
JP (1) | JP7449779B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11630624B1 (en) * | 2022-03-14 | 2023-04-18 | Ricoh Company, Ltd. | Concurrent event detection for distributed rasterization processing in a printing environment |
WO2023210086A1 (ja) * | 2022-04-27 | 2023-11-02 | パナソニックIpマネジメント株式会社 | 提示方法、および提示システム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295731A (ja) | 2003-03-28 | 2004-10-21 | Japan Research Institute Ltd | バッチジョブ管理システム及びバッチジョブ管理プログラム |
JP2011118794A (ja) | 2009-12-07 | 2011-06-16 | Fujitsu Ltd | バッチジョブ処理時間推定プログラム、方法及び装置 |
JP2013164712A (ja) | 2012-02-10 | 2013-08-22 | Nomura Research Institute Ltd | バッチジョブ分析装置、バッチジョブ分析方法、バッチ処理監視装置およびバッチ処理監視方法 |
JP2013205970A (ja) | 2012-03-27 | 2013-10-07 | Fujitsu Ltd | 実行時間推定装置、プログラム、及び、実行時間推定方法 |
JP2015026197A (ja) | 2013-07-25 | 2015-02-05 | 富士通株式会社 | ジョブ遅延検知方法、情報処理装置、およびプログラム |
WO2016079802A1 (ja) | 2014-11-18 | 2016-05-26 | 株式会社日立製作所 | バッチ処理システムおよびその制御方法 |
JP2018026050A (ja) | 2016-08-12 | 2018-02-15 | 富士通株式会社 | 並列処理装置、ジョブ管理プログラムおよびジョブ管理方法 |
US20180267806A1 (en) | 2017-03-16 | 2018-09-20 | Flexera Software Llc | Calculating wait time for batch scheduler jobs |
US20200125962A1 (en) | 2018-10-19 | 2020-04-23 | CA Software Österreich GmbH | Runtime prediction for a critical path of a workflow |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120066019A1 (en) * | 2010-07-07 | 2012-03-15 | Dunmow Systems Corporation | Construction control system |
US9396088B2 (en) * | 2013-03-08 | 2016-07-19 | Sap Se | Computer execution progress indicator |
JP7162550B2 (ja) * | 2019-02-15 | 2022-10-28 | オムロン株式会社 | モデル生成装置、予測装置、モデル生成方法、及びモデル生成プログラム |
-
2020
- 2020-06-03 JP JP2020096916A patent/JP7449779B2/ja active Active
-
2021
- 2021-03-11 US US17/198,730 patent/US11734063B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295731A (ja) | 2003-03-28 | 2004-10-21 | Japan Research Institute Ltd | バッチジョブ管理システム及びバッチジョブ管理プログラム |
JP2011118794A (ja) | 2009-12-07 | 2011-06-16 | Fujitsu Ltd | バッチジョブ処理時間推定プログラム、方法及び装置 |
JP2013164712A (ja) | 2012-02-10 | 2013-08-22 | Nomura Research Institute Ltd | バッチジョブ分析装置、バッチジョブ分析方法、バッチ処理監視装置およびバッチ処理監視方法 |
JP2013205970A (ja) | 2012-03-27 | 2013-10-07 | Fujitsu Ltd | 実行時間推定装置、プログラム、及び、実行時間推定方法 |
JP2015026197A (ja) | 2013-07-25 | 2015-02-05 | 富士通株式会社 | ジョブ遅延検知方法、情報処理装置、およびプログラム |
WO2016079802A1 (ja) | 2014-11-18 | 2016-05-26 | 株式会社日立製作所 | バッチ処理システムおよびその制御方法 |
JP2018026050A (ja) | 2016-08-12 | 2018-02-15 | 富士通株式会社 | 並列処理装置、ジョブ管理プログラムおよびジョブ管理方法 |
US20180267806A1 (en) | 2017-03-16 | 2018-09-20 | Flexera Software Llc | Calculating wait time for batch scheduler jobs |
US20200125962A1 (en) | 2018-10-19 | 2020-04-23 | CA Software Österreich GmbH | Runtime prediction for a critical path of a workflow |
Also Published As
Publication number | Publication date |
---|---|
US20210382751A1 (en) | 2021-12-09 |
JP2021189949A (ja) | 2021-12-13 |
US11734063B2 (en) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11175933B2 (en) | Application documentation effectiveness monitoring and feedback | |
JP5463885B2 (ja) | バッチジョブ処理時間推定プログラム、方法及び装置 | |
KR102498046B1 (ko) | 작업 스케쥴링 및 모니터링 기법 | |
JP3537356B2 (ja) | ジョブシステムにおける遅延要因解析方法 | |
JP4550781B2 (ja) | リアルタイム急上昇検索語検出方法およびリアルタイム急上昇検索語検出システム | |
US8396815B2 (en) | Adaptive business process automation | |
US9715409B2 (en) | Job delay detection method and information processing apparatus | |
JP7449779B2 (ja) | ジョブ管理方法、及びジョブ管理装置 | |
JP2004171249A (ja) | データベースのバックアップ実行判断方法 | |
US20160224908A1 (en) | End-to-end project management | |
CN103049163A (zh) | 用户界面智能显示控制方法和装置 | |
JP4910804B2 (ja) | 業務プロセス推定プログラム、業務プロセス推定方法および業務プロセス推定装置 | |
US20070233532A1 (en) | Business process analysis apparatus | |
FR3038405A1 (fr) | Mecanisme d'ordonnancement de traitement par lot | |
Ullah | A method for predicting open source software residual defects | |
Caesarita et al. | Identifying bottlenecks and fraud of business process using alpha++ and heuristic miner algorithms (Case study: CV. Wicaksana Artha) | |
Khan et al. | Modeling the autoscaling operations in cloud with time series data | |
US20220294710A1 (en) | Automatic automation recommendation | |
JPWO2009136529A1 (ja) | 業務プロセス管理装置、業務プロセス管理方法、及び業務プロセス管理プログラム | |
CN111124791A (zh) | 一种系统测试方法及装置 | |
JP2007316769A (ja) | 計算機システムの開発方法、計算機システムの開発プログラム | |
CN115794545A (zh) | 运维数据的自动化处理方法及其相关设备 | |
JP2012043103A (ja) | 管理用作業情報収集システム、管理用作業情報収集システム制御方法およびその制御用プログラム | |
Glasner et al. | Adaps–A three-phase adaptive prediction system for the run-time of jobs based on user behaviour | |
WO2022240539A1 (en) | Automated actions based on ranked work events |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240117 |
|
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: 20240227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240304 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7449779 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |