WO2018130764A1 - Procédé d'évaluation de la de la performance d'une chaîne applicative au sein d'une infrastucture informatique - Google Patents

Procédé d'évaluation de la de la performance d'une chaîne applicative au sein d'une infrastucture informatique Download PDF

Info

Publication number
WO2018130764A1
WO2018130764A1 PCT/FR2018/000007 FR2018000007W WO2018130764A1 WO 2018130764 A1 WO2018130764 A1 WO 2018130764A1 FR 2018000007 W FR2018000007 W FR 2018000007W WO 2018130764 A1 WO2018130764 A1 WO 2018130764A1
Authority
WO
WIPO (PCT)
Prior art keywords
servers
infrastructure
partitions
probes
virtual machines
Prior art date
Application number
PCT/FR2018/000007
Other languages
English (en)
Inventor
Damien Aiello
Bruno DEMEILLIEZ
Wajih Chaabane
Original Assignee
Bull Sas
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 Bull Sas filed Critical Bull Sas
Priority to EP18702745.3A priority Critical patent/EP3568764A1/fr
Publication of WO2018130764A1 publication Critical patent/WO2018130764A1/fr

Links

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
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources

Definitions

  • the present invention relates to the field of computer infrastructure performance tests, and more particularly the management of the use of resources (processor, operating system, memory etc.) of an infrastructure hosting applications.
  • IT infrastructures represent a significant investment for companies.
  • An IT infrastructure refers to all the hardware-like elements and software components of a company's or organization's computer system. It also includes virtual machines that designate application or operating system (OS) environments that are installed on software that mimics dedicated hardware, and partitions that designate subsets of a machine's hardware resources. physical.
  • the . partitions are virtual environments with associated virtual memory space, storage space, and compute frequency.
  • the objective of the present invention is to allow better use of resources by each application by assigning it, at the right time, resources not used by other applications.
  • the present invention takes into account and takes advantage of the knowledge of the seasonality of the application resource requirements.
  • a seasonality plan provides for the use of virtual machines and partitions over several hours, days, or weeks.
  • the present invention relates to a method and a system for optimizing the use of virtual machines and partitions by automatically generating a usage plan of the different virtual machines and partitions according to the resources of the different servers.
  • the term probe refers to a detection module (which may be in the form of a program or computer software) capable of collecting statistical data on the use of a hardware or software resource (for example the number of open ports) of a machine.
  • a method for distributing virtual machines and partitions on one or more servers of an IT infrastructure comprising several servers and several machines, in a function of the resources of the host applications, including the steps of:
  • a configuration module able to configure and deploy probes on a computer infrastructure
  • an analysis module able to collect measurements made by the probes, take into account the production capacity of each server, analyze the data collected and establish a schedule of the application resource requirements
  • a calibration module able to create a hosting plan of the virtual machines and partitions on the servers of the infrastructure and a sizing plan governing, for each application, the distribution of virtual machines and partitions on the different servers.
  • the present invention proposes a method for distributing virtual machines and partitions on the servers of an IT infrastructure.
  • the drawing illustrates the different steps of this process. These steps can be grouped into three phases numbered 1, 2 and 3.
  • Phase 1 is a calibration phase. It consists of two steps:
  • An information system is an organized set of resources that collects, stores, processes and distributes information.
  • a probe is a piece of computer equipment for detecting information of interest relating to data streams of a computer network.
  • a security probe is intended to detect intrusions into the network.
  • the information detected and collected by the probes can be multiple. In the context of the present invention, it is mainly statistical data on the use of a hardware or software resource of a machine.
  • the measurements made by the probes can relate to any type of resource of one or more servers (eg the average processor power consumed, the network read rate, the memory, the average read / write rate on a disk).
  • the information may relate to any point of contention (an element that may hinder the operation of the IT infrastructure) detected during performance testing: number of packets lost, number of open ports, number of open files, or other system limitations can be considered a bottleneck, limiting the overall performance of the IT infrastructure.
  • the examples of previous measurements are not an exhaustive list, but simply presents what can be a probe. Indeed, it can, in practice, have probes on hundreds of parameters. In the context of the present invention, it is the probes that make it possible to measure the critical resources of an application that are chosen. This choice varies from one application to another.
  • Step 4 of the probe configuration consists in defining the start time of the probes and the frequency of the measurements to be made (sampling frequency of the probes), the nature of these measurements as well as the resources on which these measurements will be carried out. This configuration step 4 makes it possible to concentrate the measurements on the critical resources which will make the calculations easier.
  • the sampling frequency of the probes can be parameterized, but must be common to all the probes for the same application.
  • the start time of the probes can refer to a particular date and time. The probes must start at the same time and have the same sampling frequency so that the measurements are correlatable to each other.
  • Deployment consists of installing and starting the different probes on the target machines.
  • Phase 2 is an analysis phase of the data collected by the probes. This phase can be divided into three stages:
  • a step 6 of collecting the results provided by the probes - a step 7 of taking into account the resource production capacities of the servers and
  • the resource production capacity of each server in the infrastructure is calculated in step 7.
  • the production capacity of a server is the number of resources and the type of resources that the server is able to implement.
  • the production capacity can be deduced from the hardware specifications of the server and the architecture of the virtualization solution used taking into account the minimum resources required by the server and resources dedicated to its high availability.
  • the production capacities are determined taking into account the observation of application contention points as well as the rules of good practice that may vary between companies and applications. Some contention points are physical limits that can be measured by performing performance tests on infrastructure (eg read / write capacity of a storage system).
  • Those skilled in the art will be able to use known production monitoring mechanisms to determine which resources are used and calculate the utilization levels of these resources for each application.
  • An example of a standard production monitoring mechanism is given by the Nagios (registered trademark) application which alerts the user of the malfunctions of the systems to be monitored and their return to standard operation.
  • Step 8 of data analysis consists, from the information collected, and through the same production monitoring mechanisms, to deduce the seasonality of the use of applications and their resource consumption.
  • Each application has its own seasonality and schedule that can be established by implementing application chain monitoring for a full i.e. cycle containing all the seasons that the application is experiencing. A cycle can last from several weeks to a year.
  • This step 8 then makes it possible to generate a schedule of the resource requirements of the different servers, taking into account the use of the different applications, which makes it possible to predict the needs of the servers over a predetermined duration (of several weeks to a year).
  • Phase 3 is a calibration phase. It comprises two steps numbered 9 and 10.
  • Step 9 consists, starting from the previously calculated calendar and the resource production capacities of the various calculated servers, to establish a hosting plan of the different virtual machines and the partitions on the servers. balancing the use of resources on these different servers.
  • the hosting plan indicates on which (virtual) machine or partition or physical server will be deployed all the subsystems of the application chains of the set or a subset of the information system.
  • Step 10 consists of generating an application sizing plan.
  • This sizing plan governs, for each application, the distribution of the different virtual machines and partitions of said application to optimize the use of resources of the various servers of the infrastructure.
  • the sizing plan shows how virtual machines, partitions, and physical servers are sized all or a subset of the information system taking into account the accommodation plan.
  • the sizing indicates which resources (eg CPU or Central Processing Unit or CPU, Memory, Input / Output or 10 or Inputs / Outputs) are allocated to each virtual machine, partition and physical server.
  • the sizing and hosting plans of the various virtual machines and partitions make it possible to avoid the saturation of critical resources of the applications.
  • the present invention also proposes a system, which may be in the form of a software or an application, comprising configuration, analysis and calibration modules programmed with instructions for carrying out the phases 1 respectively. configuration, analysis 2 and calibration 3 of the method described above.

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

La présente invention porte sur un procédé de répartition de machines virtuelles et de partitions de les serveurs d'une infrastructure informatique comprenant plusieurs serveurs et plusieurs machines, en fonction des ressources des applications hôtes, comprenant les étapes de configuration d'une pluralité de sondes, ladite configuration consistant à définir la durée et la fréquence des mesures à effectuer et les ressources sur lesquelles ces mesures seront réalisées; déploiement des sondes sur le système d'information de l'infrastructure; collecte des résultats des sondes; détermination de la capacité de production des serveurs; détermination d'un calendrier des besoins en ressources des applications; détermination d'un plan d'hébergement des machines virtuelles et des partitions sur les serveurs de l'infrastructure; génération d'un plan de dimensionnement régissant, pour chaque application, la répartition des machines virtuelles et des partitions sur les serveurs.

Description

Procédé d'évaluation de la performance d'une chaîne applicative au sein d'une infrastructure informatique
DOMAINE
La présente invention concerne le domaine des tests de performances d'infrastructures informatiques, et plus particulièrement la gestion de l'utilisation des ressources (processeur, système d'exploitation, mémoire etc.) d'une infrastructure hébergeant des applications.
Les infrastructures informatiques représentent un investissement important pour les entreprises. Une infrastructure informatique désigne l'ensemble des éléments de type matériel et les logiciels composant le système informatique d'une entreprise ou d'une organisation. On y retrouve également les machines virtuelles désignant des environnements d'application ou de systèmes d'exploitation (OS, Operating System) installés sur des logiciels qui imitent un matériel dédié, et les partitions désignant les sous-ensembles des ressources matérielles d'une machine physique. Les . partitions sont des environnements virtuels auxquels sont associés des espaces mémoire virtuels, un espace de stockage et une fréquence de calcul.
La gestion de telles infrastructures est un enjeu stratégique permettant de maîtriser leurs coûts, mais également de garantir aux utilisateurs un accès performant aux applications du système d'informations.
Les applications informatiques actuelles connaissent d'importantes variations dans leurs niveaux d'utilisation. Ces variations peuvent être journalières (sur les plages horaires de travail), hebdomadaires, mensuelles ou annuelles. A ces variations s'ajoute l'utilisation, au niveau mondial, de certaines applications, ce qui élargit leurs plages d'utilisation et ce qui entraînent une pluralité de variations.
Le terme saisonnalité est utilisé dans ce document pour qualifier la variabilité temporelle de l'utilisation de ces applications.
Faute d'outillage et de temps, des administrateurs dimensionnent les serveurs utilisés par ces applications afin de garantir la meilleure qualité de service (Service Level Agreement en anglais) possible pendant les périodes de pointe (c'est-à-dire les périodes d'utilisation maximale du service). L'inconvénient de cette méthode est qu'une partie plus ou moins importante des ressources n'est pas utilisée tandis que d'autres ressources peuvent être très sollicitées.
L'objectif de la présente invention est de permettre une meilleure utilisation des ressources par chaque application en lui affectant, au bon moment, les ressources non utilisées par les autres applications. Pour cela la présente invention tient compte et tire profit de la connaissance de la saisonnalité des besoins en ressources des applications.
Il n'existe pas de méthode connue qui permette d'optimiser l'utilisation des machines virtuelles et des partitions dans une infrastructure informatique de façon automatique.
A ce jour, s'il existe des solutions connues permettant de surveiller et monitorer des machines virtuelles et des partitions de façon unitaire, ces solutions surveillent la consommation des ressources de chaque machine virtuelle indépendamment de toutes celles qui se trouvent sur un même serveur, sans établir de corrélations entre les valeurs mesurées. Ainsi, ces solutions ne permettent pas d'établir un plan de saisonnalité d'utilisation des ressources ou un plan de répartition des machines virtuelles et des partitions en fonction des ressources des différents serveurs de l'infrastructure. Un plan de saisonnalité prévoit l'utilisation des machines virtuelles et des partitions sur plusieurs heures, plusieurs jours, ou plusieurs semaines.
La présente invention concerne un procédé et un système d'optimisation de l'utilisation des machines virtuelles et des partitions en générant de manière automatique un plan d'utilisation des différentes machines virtuelles et partitions en fonction des ressources des différents serveurs.
Dans la présente description, le terme sonde se réfère à un module de détection (pouvant se présenter sous forme d'un programme ou d'un logiciel informatique) apte à collecter des données statistiques sur l'utilisation d'une ressource matérielle ou logicielle (par exemple le nombre de ports ouverts) d'une machine.
Il est proposé un procédé de répartition de machines virtuelles et de partitions sur un ou plusieurs serveurs d'une infrastructure informatique comprenant plusieurs serveurs et plusieurs machines, en fonction des ressources des applications hôtes, comprenant les étapes de :
configuration d'une pluralité de sondes, ladite configuration consistant à définir le moment du démarrage des sondes et la fréquence des mesures à effectuer ainsi que les ressources sur lesquelles ces mesures seront réalisées,
déploiement des sondes sur le système d'information de l'infrastructure, correspondant à l'installation et à la mise en marche des sondes sur les machines cibles,
- collecte des résultats des sondes,
détermination de la capacité de production des serveurs,
détermination d'un calendrier des besoins en ressources des applications,
détermination d'un plan d'hébergement des machines virtuelles et des partitions sur les serveurs de l'infrastructure,
génération d'un plan de dimensionnement régissant, pour chaque application, la répartition des différentes machines virtuelles et des partitions sur les différents serveurs.
Il est proposé en second lieu un système de répartition de machines virtuelles et de partitions pour une pluralité d'applications sur les serveurs d'une infrastructure informatique, comprenant :
un module de configuration apte à configurer et déployer des sondes sur une infrastructure informatique,
un module d'analyse, apte à collecter des mesures effectuées par les sondes, prendre en compte la capacité de production de chaque serveur, analyser les données collectées et établir un calendrier des besoins en ressources des applications,
un module de calibrage, apte à créer un plan d'hébergement des machines virtuelles et des partitions sur les serveurs de l'infrastructure et un plan de dimensionnement régissant, pour chaque application, la répartition des machines virtuelles et des partitions sur les différents serveurs.
L'invention sera mieux comprise et d'autres détails, caractéristiques et avantages de l'invention apparaîtront à la lecture de la description suivante faite à titre d'exemple non limitatif en référence au dessin, qui est un diagramme fonctionnel illustrant les différentes phases et étapes du procédé d'optimisation proposé.
La présente invention propose un procédé de répartition de machines virtuelles et de partitions sur les serveurs d'une infrastructure informatique. Le dessin illustre les différentes étapes de ce procédé. Ces étapes peuvent être regroupées en trois phases numérotées 1, 2 et 3.
La phase 1 est une phase de calibration. Elle comprend deux étapes :
- une étape 4 de configuration de sondes et
une étape 5 de déploiement de ces sondes sur le système d'information de l'infrastructure.
Un système d'information est un ensemble organisé de ressources qui permet de collecter, stocker, traiter et distribuer de l'information. Une sonde est un équipement informatique destiné à détecter des informations d'intérêts relatives aux flux de données d'un réseau informatique. Par exemple, une sonde de sécurité est destinée à détecter des intrusions dans le réseau. Les informations détectées et collectées par les sondes peuvent être multiples. Dans le cadre de la présente invention, il s'agit principalement de données statistiques sur l'utilisation d'une ressource matérielle ou logicielle d'une machine. Les mesures effectuées par les sondes peuvent concerner tout type de ressources d'un ou plusieurs serveurs (par ex. la puissance moyenne de processeur consommée, le débit de lecture réseau, la mémoire, le débit moyen de lecture/écriture sur un disque). Mais les informations peuvent concerner tout point de contention (élément pouvant entraver le fonctionnement de l'infrastructure informatique) détecté lors de campagnes de tests de performance : nombre de paquets perdus, nombre de ports ouverts, nombre de fichiers ouverts ou toute autre limitation du système pouvant être considéré comme un goulot d'étranglement, limitant les performances globales de l'infrastructure informatique. Les exemples de mesures précédents ne constituent pas une liste exhaustive, mais présente simplement ce que peut être une sonde. En effet, il peut, dans la pratique, y avoir des sondes sur des centaines de paramètres. Dans le cadre de la présente invention, ce sont les sondes qui permettent de mesurer les ressources critiques d'une application qui sont choisies. Ce choix varie d'une application à l'autre.
L'étape 4 de configuration des sondes consiste à définir le moment du démarrage des sondes et la fréquence des mesures à effectuer (fréquence d'échantillonnage des sondes), la nature de ces mesures ainsi que les ressources sur lesquelles ces mesures seront réalisées. Cette étape 4 de configuration permet de concentrer les mesures sur les ressources critiques qui permettront de faciliter les calculs.
La fréquence d'échantillonnage des sondes est paramétrable, mais doit être commune à toutes les sondes pour une même application. Le moment du démarrage des sondes peut se référer à une date et à une heure particulière. Les sondes doivent démarrer en même temps et avoir la même fréquence d'échantillonnage afin que les mesures soient corrélables les unes aux autres.
Le déploiement consiste à installer et mettre en marche les différentes sondes sur les machines cibles.
La phase 2 est une phase d'analyse des données récoltées par les sondes. Cette phase peut être scindée en trois étapes :
une étape 6 de collecte des résultats fournis par les sondes, - une étape 7 de prise en compte des capacités de production de ressources des serveurs et
une étape 8 d'analyse des données.
La capacité de production de ressources de chaque serveur de l'infrastructure est calculée à l'étape 7. La capacité de production d'un serveur désigne le nombre de ressources et le type de ressources que celui-ci est capable de mettre en œuvre. La capacité de production peut être déduite à partir des spécifications matérielles du serveur et de l'architecture de la solution de virtualisation utilisée en tenant compte des ressources minimum requises par le serveur et des ressources dédiées à sa haute disponibilité. Les capacités de production sont déterminées en tenant compte des de l'observation des points de contentions des applications ainsi que des règles de bonnes pratiques qui peuvent varier selon les entreprises et les applications. Certains points de contention sont des limites physiques qui peuvent être mesurées en faisant des tests de performance sur les infrastructures (ex. de la capacité en lecture/écriture d'un système de stockage). L'homme du métier pourra utiliser des mécanismes connus de surveillance de production pour déterminer quelles sont les ressources utilisées et calculer les niveaux d'utilisation de ces ressources pour chaque application. Un exemple de mécanisme standard de surveillance de production est donné par l'application Nagios (marque déposée) qui alerte l'utilisateur des dysfonctionnements des systèmes à surveiller et de leurs retours à un fonctionnement standard.
L'étape 8 d'analyse des données consiste, à partir des informations recueillies, et via les mêmes mécanismes de surveillance de production, à en déduire la saisonnalité de l'utilisation des applications et de leurs consommations de ressources. Chaque application possède sa saisonnalité et son calendrier propre qui peuvent être établis par la mise en place d'une surveillance de la chaîne applicative pendant un cycle complet i.e. contenant toutes les saisons que connaît l'application. Un cycle peut durer de plusieurs semaines à une année. Cette étape 8 permet alors de générer un calendrier des besoins en ressources des différents serveurs, tenant compte de l'utilisation des différentes applications, ce qui permet de prévoir les besoins des serveurs sur une durée prédéterminée (de plusieurs semaines à une année).
La phase 3 est une phase de calibrage. Elle comprend deux étapes numérotées 9 et 10. L'étape 9 consiste, à partir du calendrier précédemment calculé et des capacités de production de ressources des différents serveurs calculées, à établir un plan d'hébergement des différentes machines virtuelles et des partitions sur les serveurs en équilibrant l'utilisation des ressources sur ces différents serveurs. Le plan d'hébergement indique sur quel(le) machine virtuelle ou partition ou serveur physique va être déployé l'ensemble des sous-systèmes des chaînes applicatives de l'ensemble ou d'un sous ensemble du système d'informations.
L'étape 10 consiste à générer un plan de dimensionnement des applications. Ce plan, de dimensionnement régit, pour chaque application, la répartition des différentes machines virtuelles et des partitions de ladite application permettant d'optimiser l'utilisation des ressources des différents serveurs de l'infrastructure. Le plan de dimensionnement indique comment sont dimensionnées les machines virtuelles, les partitions et les serveurs physiques composant l'ensemble ou un sous-ensemble du système d'information en tenant compte du plan d'hébergement. Le dimensionnement indique quelles ressources (par ex. Unité Centrale ou Central Processing Unit ou CPU, Mémoire, Input/Output ou 10 ou Entrées/Sorties) sont allouées à chaque machine virtuelle, partition et serveur physique. Les plans de dimensionnement et d'hébergement des différentes machines virtuelles et partitions, permettent d'éviter la saturation de ressources critiques des applications.
La présente invention propose également un système, pouvant se présenter sous forme d'un logiciel ou d'une application, comprenant des modules de configuration, d'analyse et de calibrage programmés à l'aide d'instructions permettant de réaliser respectivement les phases 1 de configuration, d'analyse 2 et de calibrage 3 du procédé décrit ci- dessus.

Claims

REVENDICATIONS
1. Procédé de répartition de machines virtuelles et de partitions de serveurs d'une infrastructure informatique comprenant plusieurs serveurs et plusieurs machines, en fonction des ressources des applications hôtes, comprenant les étapes de :
configuration (4) d'une pluralité de sondes, ladite configuration consistant à définir la durée et la fréquence des mesures à effectuer et les ressources sur lesquelles ces mesures seront réalisées,
déploiement (5) des sondes sur le système d'information de l'infrastructure, correspondant à l'installation et à la mise en marche des sondes sur les machines cibles,
collecte des résultats (6) des sondes,
prise en compte des capacités de production de ressources des serveurs (7),
détermination d'un calendrier des besoins en ressources des applications,
détermination d'un plan d'hébergement (9) des machines virtuelles et des partitions sur les serveurs de l'infrastructure,
génération d'un plan de dimensionnement (10) régissant, pour chaque application, la répartition des différentes machines virtuelles et des partitions sur les différents serveurs.
2. Système de répartition de machines virtuelles et de partitions pour une pluralité d'applications sur les serveurs d'une infrastructure informatique, comprenant :
- un module de configuration apte à configurer et déployer des sondes sur une infrastructure informatique,
- un module d'analyse, apte à collecter des mesures effectuées par les sondes, prendre en compte la capacité de production de chaque serveur, analyser les données collectées et établir un calendrier des besoins en ressources des applications,
- un module de calibrage, apte à créer un plan d'hébergement des machines virtuelles et des partitions sur les serveurs de l'infrastructure et un plan de dimensionnement régissant, pour chaque application, la répartition des différentes machines virtuelles et des partitions sur les différents serveurs.
PCT/FR2018/000007 2017-01-12 2018-01-11 Procédé d'évaluation de la de la performance d'une chaîne applicative au sein d'une infrastucture informatique WO2018130764A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP18702745.3A EP3568764A1 (fr) 2017-01-12 2018-01-11 Procédé d'évaluation de la de la performance d'une chaîne applicative au sein d'une infrastucture informatique

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1750282 2017-01-12
FR1750282A FR3061784B1 (fr) 2017-01-12 2017-01-12 Procede d'evaluation de la performance d'une chaine applicative au sein d'une infrastructure informatique

Publications (1)

Publication Number Publication Date
WO2018130764A1 true WO2018130764A1 (fr) 2018-07-19

Family

ID=58779133

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2018/000007 WO2018130764A1 (fr) 2017-01-12 2018-01-11 Procédé d'évaluation de la de la performance d'une chaîne applicative au sein d'une infrastucture informatique

Country Status (3)

Country Link
EP (1) EP3568764A1 (fr)
FR (1) FR3061784B1 (fr)
WO (1) WO2018130764A1 (fr)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3087282B1 (fr) * 2018-10-11 2020-10-09 Bull Sas Procede d'optimisation du dimensionnement minimum d'une infrastructure destinee a executer un plan d'ordonnancement
FR3091376B1 (fr) * 2018-12-31 2020-12-11 Bull Sas Procédé d’optimisation d’un plan d’ordonnancement et du dimensionnement d’une infrastructure informaTique

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7536292B2 (en) * 2002-04-23 2009-05-19 France Telecom Method of generating a performance model from a functional model
CN102223419A (zh) * 2011-07-05 2011-10-19 北京邮电大学 面向网络化操作系统的虚拟资源动态反馈均衡分配机制
US20130080641A1 (en) * 2011-09-26 2013-03-28 Knoa Software, Inc. Method, system and program product for allocation and/or prioritization of electronic resources
CN104301389A (zh) * 2014-09-19 2015-01-21 华侨大学 一种云计算系统的能效监控和管理方法与系统
FR3023946A1 (fr) * 2014-07-18 2016-01-22 Inst Rech Technologique Systemx Systeme et procede de management dynamique de machines virtuelles dans un environnement informatique en nuage
EP2996036A1 (fr) * 2014-09-15 2016-03-16 Bull Sas Procédé de surveillance d'une architecture applicative comportant une pluralité de services
EP3029573A1 (fr) * 2014-11-25 2016-06-08 Bull S.A.S. Systeme et methode de test de performances d'une infrastructure informatique
EP3113025A1 (fr) * 2015-07-02 2017-01-04 Bull S.A.S. Mecanisme de diagnostic automatique a partir d'informations issues d'un systeme de surveillance applicative
EP3113022A1 (fr) * 2015-07-02 2017-01-04 Bull S.A.S. Mécanisme d ordonnancement de traitement par lot

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7536292B2 (en) * 2002-04-23 2009-05-19 France Telecom Method of generating a performance model from a functional model
CN102223419A (zh) * 2011-07-05 2011-10-19 北京邮电大学 面向网络化操作系统的虚拟资源动态反馈均衡分配机制
US20130080641A1 (en) * 2011-09-26 2013-03-28 Knoa Software, Inc. Method, system and program product for allocation and/or prioritization of electronic resources
FR3023946A1 (fr) * 2014-07-18 2016-01-22 Inst Rech Technologique Systemx Systeme et procede de management dynamique de machines virtuelles dans un environnement informatique en nuage
EP2996036A1 (fr) * 2014-09-15 2016-03-16 Bull Sas Procédé de surveillance d'une architecture applicative comportant une pluralité de services
CN104301389A (zh) * 2014-09-19 2015-01-21 华侨大学 一种云计算系统的能效监控和管理方法与系统
EP3029573A1 (fr) * 2014-11-25 2016-06-08 Bull S.A.S. Systeme et methode de test de performances d'une infrastructure informatique
EP3113025A1 (fr) * 2015-07-02 2017-01-04 Bull S.A.S. Mecanisme de diagnostic automatique a partir d'informations issues d'un systeme de surveillance applicative
EP3113022A1 (fr) * 2015-07-02 2017-01-04 Bull S.A.S. Mécanisme d ordonnancement de traitement par lot

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUÉROUT TOM ET AL: "Mixed integer linear programming for quality of service optimization in Clouds", FUTURE GENERATIONS COMPUTER SYSTEMS, ELSEVIER SCIENCE PUBLISHERS. AMSTERDAM, NL, vol. 71, 10 January 2017 (2017-01-10), pages 1 - 17, XP029953592, ISSN: 0167-739X, DOI: 10.1016/J.FUTURE.2016.12.034 *
HAO WEI ET AL: "A self-management approach for service developers of PaaS", SERVICE ORIENTED SYSTEM ENGINEERING (SOSE), 2011 IEEE 6TH INTERNATIONAL SYMPOSIUM ON, IEEE, 12 December 2011 (2011-12-12), pages 85 - 92, XP032102809, ISBN: 978-1-4673-0411-5, DOI: 10.1109/SOSE.2011.6139096 *
JORGE WERNER ET AL: "Simulator improvements to validate the Green Cloud Computing approach", NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM (LANOMS), 2011 7TH LATIN AMERICAN, IEEE, 10 October 2011 (2011-10-10), pages 1 - 8, XP032073904, ISBN: 978-1-4577-1790-1, DOI: 10.1109/LANOMS.2011.6102263 *
TRIEU C CHIEU ET AL: "Dynamic Resource Allocation via Distributed Decisions in Cloud Environment", E-BUSINESS ENGINEERING (ICEBE), 2011 IEEE 8TH INTERNATIONAL CONFERENCE ON, IEEE, 19 October 2011 (2011-10-19), pages 125 - 130, XP032075048, ISBN: 978-1-4577-1404-7, DOI: 10.1109/ICEBE.2011.45 *

Also Published As

Publication number Publication date
FR3061784B1 (fr) 2021-11-26
FR3061784A1 (fr) 2018-07-13
EP3568764A1 (fr) 2019-11-20

Similar Documents

Publication Publication Date Title
CN105103147B (zh) 用工作负载分发器来跟踪的方法及系统
US8909762B2 (en) Network system management
US8661283B2 (en) Power distribution unit-device correlation
Xiong et al. vPerfGuard: An automated model-driven framework for application performance diagnosis in consolidated cloud environments
US20160112245A1 (en) Anomaly detection and alarming based on capacity and placement planning
EP3163445B1 (fr) Mécanisme d'analyse de corrélation lors de la dégradation des performances d'une chaîne applicative
US10938847B2 (en) Automated determination of relative asset importance in an enterprise system
Pellegrini et al. A machine learning-based framework for building application failure prediction models
CN112882796A (zh) 异常根因分析方法和装置，及存储介质
CN112860569A (zh) 一种自动化测试方法、装置、电子设备和存储介质
CN113949652B (zh) 基于人工智能的用户异常行为检测方法、装置及相关设备
EP3502895A1 (fr) Commande de la consommation énergétique d'une grappe de serveurs
JP2023544493A (ja) 遠隔展開されたアプリケーションにおける性能劣化の検出
EP3568764A1 (fr) Procédé d'évaluation de la de la performance d'une chaîne applicative au sein d'une infrastucture informatique
Ennert et al. Testing of IDS model using several intrusion detection tools
US8812659B2 (en) Feedback-based symptom and condition correlation
FR3016986A1 (fr) Procede de detection d'attaques dans une architecture informatique dans le nuage
CN112433908A (zh) 确定检测服务器的间隔时间的方法、系统、设备及介质
CN113608953B (zh) 测试数据生成方法、装置、电子设备及可读存储介质
EP3029573B1 (fr) Systeme et methode de test de performances d'une infrastructure informatique
Kunkel et al. Tracking user-perceived i/o slowdown via probing
US11544098B2 (en) Systems and methods for centralization and diagnostics for live virtual server performance data
WO2009117825A2 (fr) Système et procédé pour détecter des relations de systèmes par corrélation de niveaux d'activité de charges de systèmes
EP3901762B1 (fr) Appareil d'aide au traitement distribué, procédé de traitement distribué et programme
Oppermann et al. Anomaly Detection Approaches for Secure Cloud Reference Architectures in Legal Metrology.

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18702745

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018702745

Country of ref document: EP

Effective date: 20190812