JP7768337B2 - リソース決定装置、方法およびプログラム - Google Patents

Description

本発明の実施形態は、リソース決定装置、方法およびプログラムに関する。

サーバコンピュータ（server computer）のリソース（resource）を制御するために、オートスケーリング（Auto-scaling）が比較的多く用いられている（例えば非特許文献１、２参照）。このオートスケーリングでは、インスタンス（instance）であるＶＭ（Virtual Machine：仮想マシン）のリアルタイム（real time）の状態、例えば（ＣＰＵ（Central Processing Unit）の使用率等）をベースにして、リソースの調整について決定する。

Lorido-Botran, et, al. A Review of Auto-scaling Techniques for Elastic Applications in Cloud Environments. J Grid Computing 12, 559-592 (2014). M. Mao, et al. Auto-scaling to minimize cost and meet application deadlines in cloud workflows,International Conference for High Performance Computing, Networking, Storage and Analysis, 2011, pp. 1-12.

上記の既存のオートスケーリングの技術では、上記のようにＶＭのリアルタイムの状態をベースにして、リソースの調整について決定するので、プロアクティブ（proactive）にリソースを制御することはできない。
また、オートスケーリングにはdeadlineやbudgetを考慮した多くの技術が存在するが、ユーザ（user）体感品質の要件は考慮されていなかった。

従って、オートスケーリングをＷｅｂ会議サービス（service）に適用する際で、同時に複数のＷｅｂ会議が発生する際に、プロアクティブにリソースを配置できないため、突発的な高い処理負荷によりリソースが枯渇し、ユーザ体感品質が低下する可能性がある。

この発明は、上記事情に着目してなされたもので、その目的とするところは、インスタンスの状態に応じて適切にリソースを決定することができるようにしたリソース決定装置、方法およびプログラムを提供することにある。

本発明の一態様に係るリソース決定装置は、ユーザによりリクエストされるサービスであって仮想マシンに配置されるサービスおよび前記仮想マシンに配置されると仮定されるサービスに係る処理負荷、前記仮想マシンのリソース配置、および前記リクエストされるサービスが前記仮想マシンに配置されたと仮定したときの前記リクエストされるサービスに係る品質の予測値の関係が示されるモデルが格納されるモデル格納装置と、前記モデルにおける前記仮想マシンに新たなサービスが配置されたと仮定したときの前記品質の予測値が適切な品質の要件を満たすか否かを判定する判定部と、前記予測値が前記適切な品質の要件を満たさないと前記判定部により判定されたときに、前記予測値が前記適切な品質の要件を満たすように前記仮想マシンのリソース配置の変更を制御する制御部と、を備える。

本発明の一態様に係るリソース決定方法は、ユーザによりリクエストされるサービスであって仮想マシンに配置されるサービスおよび前記仮想マシンに配置されると仮定されるサービスに係る処理負荷、前記仮想マシンのリソース配置、および前記リクエストされるサービスが前記仮想マシンに配置されたと仮定したときの前記リクエストされるサービスに係る品質の予測値の関係が示されるモデルが格納される格納装置を備えるリソース決定装置により行われる方法であって、前記リソース決定装置の判定部により、前記モデルにおける前記仮想マシンに新たなサービスが配置されたと仮定したときの前記品質の予測値が適切な品質の要件を満たすか否かを判定することと、前記リソース決定装置の制御部により、前記予測値が前記適切な品質の要件を満たさないと前記判定部により判定されたときに、前記予測値が前記適切な品質の要件を満たすように前記仮想マシンのリソース配置の変更を制御することと、を備える。

本発明によれば、インスタンスの状態に応じて適切にリソースを決定することができる。

図１は、本発明の一実施形態に係るリソース決定システム（system）の適用例を示す図である。 図２は、Ｗｅｂ会議品質モデル（model）の入出力データ（data）の一例を示す図である。 図３は、本発明の一実施形態に係るリソース決定装置による垂直スケール（scale）に係る手順の一例を示すシーケンス（sequence）図である。 図４は、本発明の一実施形態に係るリソース決定装置による水平スケールに係る手順の一例を示すシーケンス図である。 図５は、Ｗｅｂ会議品質に応じた垂直スケールの具体例を示す図である。 図６は、Ｗｅｂ会議品質に応じた垂直スケールの具体例を示す図である。 図７は、Ｗｅｂ会議品質に応じた垂直スケールの具体例を示す図である。 図８は、Ｗｅｂ会議品質に応じた水平スケールの具体例を示す図である。 図９は、Ｗｅｂ会議品質に応じた水平スケールの具体例を示す図である。 図１０は、Ｗｅｂ会議品質に応じた水平スケールの具体例を示す図である。 図１１は、Ｗｅｂ会議品質に応じた水平スケールの具体例を示す図である。 図１２は、Ｗｅｂ会議品質に応じた水平スケールの具体例を示す図である。 図１３は、本発明の一実施形態に係るリソース決定装置のハードウエア（hardware）構成の一例を示すブロック図（block diagram）である。

以下、図面を参照しながら、この発明に係わる一実施形態を説明する。
図１は、本発明の一実施形態に係るリソース決定システムの適用例を示す図である。
図１に示されるように、本発明の一実施形態に係るリソース決定システムは、リソース決定装置であるＷｅｂ会議スケジューリング（scheduling）装置１００、およびクラウドリソースコントローラ（cloud resource controller）２００を有する。

Ｗｅｂ会議スケジューリング装置１００は、Ｗｅｂ会議スケジューラ（scheduler）１０、Ｗｅｂ会議予約保存部２０、およびＷｅｂ会議配置部３０を有する。また、Ｗｅｂ会議スケジューラ１０は、コントローラ１１、インスタンス（ＶＭ）状態監視部１２、およびＷｅｂ会議品質モデルＤＢ（database）１３を有する。

Ｗｅｂ会議予約保存部２０の図示しないデータベースには、予約済みかつ終了前のＷｅｂ会議、すなわち新たなＷｅｂ会議の予約内容が示される予約情報、すなわち新たな処理負荷の予約情報が保存される。この予約情報は、例えば、予約情報毎に付与された識別情報（ＩＤ（IDentifier））、予約されたＷｅｂ会議の参加予定人数、当該Ｗｅｂ会議の実施予定の時間帯の情報を含む。終了したＷｅｂ会議に係る情報はＷｅｂ会議予約保存部２０から削除される。

新たなＷｅｂ会議を予約したいユーザは、Ｗｅｂ会議スケジューラ１０に接続可能な図示しないインタフェース（interface）を用いて、Ｗｅｂ会議の予約のリクエスト（request）をＷｅｂ会議スケジューラ１０に送ることができる。

Ｗｅｂ会議スケジューラ１０は、この予約のリクエストを受けると、このリクエストに係る予約情報をＷｅｂ会議予約保存部２０に保存した上で（図１の（１―１））、この保存した予約情報を含む、予約済みかつ終了前のＷｅｂ会議の予約内容が示される予約情報を取得する（図１の（１―２））。この予約情報では、ＶＭに配置されるＷｅｂ会議に係る処理負荷（以下、Ｗｅｂ会議負荷と称することがある）、例えば当該Ｗｅｂ会議への参加人数、および開催予定時間帯に係る情報が示される。

Ｗｅｂ会議スケジューラ１０のコントローラ１１は、上記予約情報を取得すると、Ｗｅｂ会議に用いられるインスタンスである各ＶＭの状態、例えばＷｅｂ会議が配置されるＶＭにおけるリソースの設定状況、例えばＣＰＵのコア（core）数およびメモリ（memory）容量をインスタンス状態監視部１２に問い合わせ、この問い合わせた情報を取得する。ここでは、各ＶＭはクラウド上で運用される仮想マシンであるとする。

コントローラ１１は、インスタンス状態監視部１２から取得した情報をＷｅｂ会議品質モデルＤＢ１３におけるＷｅｂ会議品質モデルに入力する。Ｗｅｂ会議品質モデルは、Ｗｅｂ会議が配置されるＶＭにおけるリソースの設定状況、およびＶＭに配置されるＷｅｂ会議およびＶＭに配置されると仮定されるＷｅｂ会議に係る処理負荷を示す情報を入力して、ＶＭに配置されるＷｅｂ会議に係るユーザ体感品質の予測値を出力することができ、入出力の関係は事前に学習され得る。

コントローラ１１は、Ｗｅｂ会議品質モデルから出力されたユーザ体感品質の予測値が、ユーザ体感品質の所定の条件を満たさないときに、このユーザ体感品質が上記条件を満たすようにするための、Ｗｅｂ会議が配置されるＶＭのリソースの調整をシステム管理者にレコメンドする（図１の（２））。
あわせて、コントローラ１１は、ユーザ体感品質が上記条件を満たすようにするための、Ｗｅｂ会議の配置先であるＶＭへの当該Ｗｅｂ会議の配置をＷｅｂ会議配置部３０に指示する（図１の（４－１））。

システム管理者は、クラウドリソースコントローラ２００への操作により、リソースの調整に係る指示を行なう（図１の（３―１））。
クラウドリソースコントローラ２００は、この指示に従い、Ｗｅｂ会議が配置される新たなＶＭ（図１の符号ａ参照）を起動したり、このＶＭのリソースを変更したりすることができる（図１の（３－２））。
Ｗｅｂ会議配置部３０は、上記指示に従って、Ｗｅｂ会議をＶＭに配置して、当該Ｗｅｂ会議を開始できるようにする（図１の（４－２））。

次に、Ｗｅｂ会議品質モデルの構成と、その学習について説明する。
Ｗｅｂ会議スケジューラ１０のコントローラ１１は、インスタンス状態監視部１２から、（１）ＶＭに配置されるＷｅｂ会議およびＶＭに配置されると仮定されるＷｅｂ会議に係る処理負荷であるＷｅｂ会議負荷、（２）Ｗｅｂ会議が配置されるＶＭにおけるリソースの設定状況であるクラウドリソース設定を取得し、この取得結果をＷｅｂ会議品質モデルに説明変数として入力する。

上記のＷｅｂ会議に係る処理負荷は、例えば、Ｗｅｂ会議数、Ｗｅｂ会議への参加者数、Ｗｅｂ会議への参加中のpublisher数、subscriber数、等である。
上記リソースの設定状況は、例えば、インスタンスであるＶＭに設けられたＣＰＵ数、メモリ量等である。

Ｗｅｂ会議品質モデルは、上記入力の結果に基づいて、目的変数として、Ｗｅｂ会議の品質（ユーザ体感品質）を表す指標、すなわちＷｅｂ会議の品質の予測値を出力することができる。このモデルのパラメータは、回帰分析手法、例えばNeural-Network Regression, Linear Regression, Random Forest Regression等が用いられることで、この入出力の関係が適切となるように、すなわちＷｅｂ会議の品質の予測値が正解情報に近づくように学習され得る。

例えば、Ｗｅｂ会議の品質（ユーザ体感品質）を表す指標は、例えばＷｅｂ会議が配置されるインスタンスであるＶＭにおけるＣＰＵ使用率の予測値、ジッター（jitter）、スループット（throughput）、およびＭОＳ(Mean Opinion Score)などが挙げられる。

次に、上記のように学習されたＷｅｂ会議品質モデルを用いた、Ｗｅｂ会議品質に関する指標の算出について説明する。図２は、Ｗｅｂ会議品質モデルの入出力データの一例を示す図である。ここでは新たなＷｅｂ会議の予約に応じて、ユーザ体感品質が算出されることが示される。
図２に示された例では、Ｗｅｂ会議モデルに入力される情報で示されるＷｅｂ会議負荷は、（１）現在の進行中のＷｅｂ会議に係るＷｅｂ会議負荷、および（２）新規のＷｅｂ会議のリクエストによる、現在時刻から１０分後からの開始されるＷｅｂ会議の予約である将来１０分間Ｗｅｂ会議予約に係るＷｅｂ会議負荷を含む（図２の符号ａ参照）。この将来１０分間Ｗｅｂ会議予約に係る現在時刻から開始予定時刻までの時間である１０分間は、インスタンスの実際の運用状態に応じてカスタマイズ（customization）され得る。

上記の、現在の進行中のＷｅｂ会議に係るＷｅｂ会議負荷は、該当のＷｅｂ会議を一意に識別する識別情報（ＩＤ）、該当のＷｅｂ会議の参加者の人数、ならびに該当のＷｅｂ会議の開始時刻から終了時刻までの時間帯を含み得る。

上記の、将来１０分間Ｗｅｂ会議予約に係るＷｅｂ会議負荷は、該当のＷｅｂ会議を一意に識別する識別情報、該当のＷｅｂ会議の参加予定者の人数、ならびに該当のＷｅｂ会議の開始予定時刻から終了予定時刻までの時間帯を含み得る。
上記の、Ｗｅｂ会議モデルに入力されるクラウドリソース設定は、インスタンスである１台のＶＭに搭載されるＣＰＵの数を含み得る。上記の現在の進行中のＷｅｂ会議は、上記１台のＶＭに配置されている。

上記の、Ｗｅｂ会議モデルから出力される、Ｗｅｂ会議の品質に係る指標は、該当のＷｅｂ会議を一意に識別する識別情報、現在の進行中のＷｅｂ会議による上記１台のＶＭのＣＰＵの使用率の予測値、新規会議リクエストにより開催されるＷｅｂ会議による上記１台のＶＭのＣＰＵの使用率の予測値、各Ｗｅｂ会議の開始から終了までの時間帯を含む。

図２に示された例では、上記１台のＶＭに対して上記識別情報が「ｐ」である「Ｗｅｂ会議ｐ」が配置されたときの当該ＶＭのＣＰＵの使用率の予測値は５０％である。
また、図２に示された例では、上記１台のＶＭに対して上記識別情報が「ａ」である「Ｗｅｂ会議ａ」が新たに配置されたと仮定したときの当該ＶＭのＣＰＵの使用率の予測値は１０％である。

この「Ｗｅｂ会議ａ」は、「Ｗｅｂ会議ｐ」の時間帯と一部重複する時間帯の開催が新規にリクエストされたＷｅｂ会議である。

仮に、上記１台のＶＭのＣＰＵの使用率の閾値が８０％に設定されたときは、当該ＶＭに対して「Ｗｅｂ会議ｐ」に加えて「Ｗｅｂ会議ａ」が新たに配置されたと仮定したときのＣＰＵの使用率の予測値の合計は６０％であり上記閾値の８０％を超えないため、「Ｗｅｂ会議ａ」は、「Ｗｅｂ会議ｐ」が現在配置されている上記１台のＶＭに配置することが可能である。

一方で、「Ｗｅｂ会議ａ」が新たに配置されたと仮定したときの当該ＶＭのＣＰＵの使用率の予測値が例えば３０％を超えるときは、上記予測値の合計は閾値を超えるため、配置先のＶＭに係るリソースの調整が必要である。

図３は、本発明の一実施形態に係るリソース決定装置による垂直スケールに係る手順の一例を示すシーケンス図である。
図３に示された例では、Ｗｅｂ会議スケジューラによる垂直スケールを行なうときの各処理の流れが示される。

まず、Ｗｅｂ会議スケジューラ１０のコントローラ１１は、Ｗｅｂ会議予約保存部２０から、現在開催中のＷｅｂ会議および新規に開催がリクエストされた会議予約情報を上記のＷｅｂ会議負荷として取得する（Ｓ１１）。

コントローラ１１は、インスタンス状態監視部１２に対し、既にＷｅｂ会議が配置されている既存の各ＶＭの状態であるクラウドリソース設定を問い合わせて、これを取得する（Ｓ１２）。

コントローラ１１は、Ｓ１１およびＳ１２での取得結果をＷｅｂ会議品質モデルに入力することで、上記リクエストされたＷｅｂ会議が既存のいずれかのＶＭに新たに配置されたと仮定したときのユーザ体感品質の変化の予測値を問い合わせ、Ｗｅｂ会議品質モデルから出力結果を上記予測値として取得する（Ｓ１３）。

コントローラ１１は、この予測値をScale-upのユーザ体感品質閾値と比較し、予測値が閾値を超えないときは、上記リクエストされたＷｅｂ会議を該当の既存のインスタンス（ＶＭ）に配置することが可能と判定する。この場合は、リクエストされたＷｅｂ会議の配置に伴うリソースの調整は行われない。

一方で、予測値が閾値を超えるときは、上記リクエストされたＷｅｂ会議を既存のインスタンスに配置して開催するためには、インスタンスのリソースの調整である垂直スケールが必要であると判定する。このときは、コントローラ１１は、垂直スケールとしてのScale-upをシステム管理者にレコメンド（recommendation）するとともに（Ｓ１４，Ｓ１５）、既存の各ＶＭから上記リクエストされたＷｅｂ会議の配置先のＶＭを設定して、この設定されたＶＭに対して上記リクエストされたＷｅｂ会議を配置することをＷｅｂ会議配置部３０に指示する（Ｓ１６）。すなわち、コントローラ１１は、予測値が適切な品質の要件を満たさないと判定されたときに、予測値が適切な品質の要件を満たすように仮想マシンのリソース配置の変更を制御する。

システム管理者は、コントローラ１１からのレコメンドに従い、クラウドリソースコントローラ２００に各ＶＭのリソースに対するScale-upを指示する（Ｓ１７）。この指示に従い、クラウドリソースコントローラ２００は上記Scale-upを実施に必要な制御を実行する。このScale-upにより、ＶＭのリソースの拡充、例えばＣＰＵのコア数の増強が図られる。

また、上記のScale-upの実施後は、上記のユーザ体感品質の変化の予測値が例えば一定時間ごとに取得され、この取得された予測値が、例えば上記Scale-upのユーザ体感品質閾値より小さいScale-downの閾値以下であるとき、コントローラ１１は、インスタンスのScale-downをシステム管理者にレコメンドする（Ｓ１８）。

システム管理者は、コントローラ１１からのレコメンドに従い、クラウドリソースコントローラ２００に各ＶＭのリソースに対するScale-downを指示する（Ｓ１９）。この指示に従い、クラウドリソースコントローラ２００は上記Scale-downの実施に必要な制御を実行する。

図４は、本発明の一実施形態に係るリソース決定装置による水平スケールに係る手順の一例を示すシーケンス図である。
図４に示された例では、Ｗｅｂ会議スケジューラによる水平スケールを行なうときの各処理の流れが示される。

まず、Ｗｅｂ会議スケジューラ１０のコントローラ１１は、Ｗｅｂ会議予約保存部２０から、現在開催中のＷｅｂ会議および新規に開催がリクエストされた会議予約情報を上記のＷｅｂ会議負荷として取得する（Ｓ３１）。

コントローラ１１は、インスタンス状態監視部１２に対し、既にＷｅｂ会議が配置されている既存の各ＶＭの状態であるクラウドリソース設定を問い合わせて、これを取得する（Ｓ３２）。

コントローラ１１は、Ｓ３１およびＳ３２での取得結果をＷｅｂ会議品質モデルに入力することで、上記リクエストされたＷｅｂ会議が既存のいずれかのＶＭに新たに配置されたと仮定したときのユーザ体感品質の予測値を問い合わせ、Ｗｅｂ会議品質モデルから出力結果を上記予測値として取得する（Ｓ３３）。

コントローラ１１は、この予測値をScale-upのユーザ体感品質閾値と比較し、予測値が閾値を超えないときは、上記リクエストされたＷｅｂ会議を該当の既存のインスタンス（ＶＭ）に配置することが可能と判定する。この場合は、リクエストされたＷｅｂ会議の配置に伴うリソースの調整は行われない。

一方で、予測値が閾値を超えるときは、上記リクエストされたＷｅｂ会議を既存のインスタンスに配置して開催するためには、インスタンスのリソースの調整である水平スケールが必要であると判定する。

このときは、コントローラ１１は、垂直スケールとしてのScale-outをシステム管理者にレコメンドとともに（Ｓ３４，Ｓ３５）、既存の各ＶＭとは異なる、上記リクエストされたＷｅｂ会議の配置先の新たなＶＭを設定して、この設定されたＶＭに対して上記リクエストされたＷｅｂ会議を配置することをＷｅｂ会議配置部３０に指示する（Ｓ３６）。

システム管理者は、コントローラ１１からのレコメンドに従い、クラウドリソースコントローラ２００にＶＭのリソースに対するScale-outを指示する（Ｓ３７）。
この指示に従い、クラウドリソースコントローラ２００は上記Scale-outを実施に必要な制御を実行する。このScale-upにより、ＶＭのリソースの追加、例えば既存のＶＭに対する新たなＶＭの追加が図られる。

また、上記のScale-outの実施後は、コントローラ１１は、上記追加されたＶＭに配置されるＷｅｂ会議の有無を確認するためにＷｅｂ会議配置部３０にアクセスし、上記追加されたＶＭに一定時間にわたりＷｅｂ会議が配置されないときは、コントローラ１１は、該当のＶＭを休止させるScale-inをシステム管理者にレコメンドする（Ｓ３８）。

システム管理者は、コントローラ１１からのレコメンドに従い、クラウドリソースコントローラ２００に該当のＶＭのリソースに対するScale-inを指示する（Ｓ３９）。この指示に従い、クラウドリソースコントローラ２００は上記Scale-inの実施に必要な制御を実行する。

図５乃至図７は、Ｗｅｂ会議品質に応じた垂直スケールの具体例を示す図である。
まず、図５に示された例では、既存のインスタンスである「インスタンスＡ」はＣＰＵのコア数が２であるＶＭであり、このＶＭに８時５５分から配置されている既存のＷｅｂ会議である「会議Ｘ」による現在のＣＰＵ使用率の予測値が７５％であり、このＶＭにおけるＣＰＵ使用率の上限が８０％である例が示される。この上限はユーザ体感品質を満足させるためのＣＰＵ使用率である。

図５に示された例では、９時開始の新たなＷｅｂ会議「会議Ａ」の配置がリクエストされ、この「会議Ａ」が「インスタンスＡ」に新たに配置されたと仮定したときに増加するＣＰＵ使用率の予測値が３５％であるとする。

この場合、「インスタンスＡ」に「会議Ａ」が新たに配置されたと仮定したときの全体的なＣＰＵ使用率は１１０％であって上限の８０％を超えるため、「インスタンスＡ」に係る垂直スケール、ここではＣＰＵコア数の増加を要するとして、上記のScale-upが要求される。

図６に示された例では、上記のScale-upにより「インスタンスＡ」のＣＰＵコア数が２から４に増強されたとする。
この構成では、「インスタンスＡ」に対応するＶＭに現在配置されているＷｅｂ会議による現在のＣＰＵ使用率の予測値が上記の７５％から４０％に減少し、「会議Ａ」が「インスタンスＡ」に新たに配置されたと仮定したときに増加するＣＰＵ使用率の予測値が上記の３５％から１８％に減少したとする。

この場合、「インスタンスＡ」に「会議Ａ」が新たに配置されたと仮定したときの全体的なＣＰＵ使用率は上記の１１０％から５８％に減少し、上限の８０％を超えないようになるので、「インスタンスＡ」に「会議Ａ」が新たに配置されて、この「会議Ａ」が上記既存のＷｅｂ会議「会議Ｘ」とともに実施されることが可能になる。

そして、上記のScale-upにより「インスタンスＡ」に「会議Ａ」が新たに配置されたと仮定したときの全体的なＣＰＵ使用率が減少して上限を超えないようなると、更なる新たなＷｅｂ会議が「インスタンスＡ」に配置できるようになる。

例えば、図７に示された例では、「インスタンスＡ」に「会議Ａ」に加えて「会議Ｂ」が新たに配置されたと仮定したときに増加するＣＰＵ使用率の予測値が５％であり、全体的なＣＰＵ使用率は６３％であり、上限を超えないので、「インスタンスＡ」に「会議Ｂ」が新たに配置されて、この「会議Ｂ」が、上記既存のＷｅｂ会議「会議Ｘ」および先に配置された「会議Ａ」とともに実施されることが可能になる。

図８乃至図１２は、Ｗｅｂ会議品質に応じた水平スケールの具体例を示す図である。
まず、図８に示された例では、既存のインスタンスである「インスタンスＡ」であるＶＭに８時５５分から配置されている既存のＷｅｂ会議「会議Ｘ」による現在のＣＰＵ使用率の予測値が７５％であり、このＶＭにおけるＣＰＵ使用率の上限が８０％である例が示される。

図８に示された例では、９時開始の新たなＷｅｂ会議「会議Ａ」の配置がリクエストされ、この「会議Ａ」が「インスタンスＡ」に新たに配置されたと仮定したときに増加するＣＰＵ使用率の予測値が３５％であるとする。

この場合、「インスタンスＡ」に「会議Ａ」が新たに配置されたと仮定したときの全体的なＣＰＵ使用率は１１０％であって上限の８０％を超えるため、「インスタンスＡ」に係る水平スケール、ここではＣＰＵコア数の増加を要するとして、上記のScale-outが要求される。

図９に示された例では、上記のScale-outにより新たな「インスタンスＢ」が追加されたとする。
この構成では、上記「会議Ａ」が既存の「インスタンスＡ」でなく新たな「インスタンスＢ」に対応するＶＭに新たに配置され、この「会議Ａ」が「インスタンスＢ」に新たに配置されたと仮定したときのＣＰＵ使用率の予測値が上記の３５％であるとする。

この場合、「会議Ａ」が新たに配置されたと仮定したときの「インスタンＡ」の全体的なＣＰＵ使用率は上記の７５％のままであり、上限の８０％を超えないようになるので、「インスタンスＢ」に「会議Ａ」が新たに配置されて、この「会議Ａ」が、「インスタンスＡ」に配置される既存のＷｅｂ会議「会議Ｘ」とともに実施されることが可能になる。

そして、上記のScale-outにより、新たな「インスタンスＢ」が設けられ、このインスタンスに「会議Ａ」が新たに配置されたと仮定したときの、「インスタンスＡ」および「インスタンスＢ」のＣＰＵ使用率は上限に対して余裕があるため、更なる新たなＷｅｂ会議が各インスタンスに配置できるようになる。

例えば、図１０に示された例では、新たな「インスタンスＢ」に「会議Ａ」に加えて「会議Ｂ」が新たに配置されたと仮定したときのＣＰＵ使用率の予測値１０％であり、全体的なＣＰＵ使用率は４５％であり、上限を超えないので、「インスタンスＢ」に「会議Ｂ」が新たに配置されて、この「会議Ｂ」が上記既存のＷｅｂ会議「会議Ｘ」および先に配置されたＷｅｂ会議「会議Ａ」とともに実施されることが可能になる。

そして、図１１に示された例では、上記図１０に示されたように「インスタンスＢ」に「会議Ｂ」が新たに配置されたと仮定した状態において、「インスタンスＡ」に新たなＷｅｂ会議「会議Ｃ」が配置されたと仮定したときに増加するＣＰＵ使用率の予測値が７５％であり、「インスタンスＡ」に「会議Ａ」が新たに配置されたと仮定したときの全体的なＣＰＵ使用率は１５０％であって上限の８０％を超えることと、「インスタンスＢ」に上記「会議Ｃ」が新たに配置されたと仮定したときに増加するＣＰＵ使用率の予測値が上記の７５％であり、「インスタンスＢ」に「会議Ｃ」が新たに配置されたと仮定したときの全体的なＣＰＵ使用率は１２０％であって上限の８０％を超えることが示される。このときは、上記「会議Ｃ」が実施されるためには、更なるScale-outが必要である。

そして、図１２に示された例では、上記の更なるScale-outにより新たな「インスタンスＣ」が追加され、このインスタンスに上記「会議Ｃ」が新たに配置されたと仮定したときは、「インスタンスＡ」乃至「インスタンスＣ」における全体的なＣＰＵ使用率は上限の８０％を超えないので、「会議Ｃ」が上記既存のＷｅｂ会議「会議Ｘ」、先に配置されたＷｅｂ会議「会議Ａ」および「会議Ｂ」とともに実施されることが可能になる。

図１３は、本発明の一実施形態に係るリソース決定装置のハードウエア構成の一例を示すブロック図である。
図１３に示された例では、上記の実施形態に係るＷｅｂ会議スケジューリング装置１００は、例えばサーバコンピュータ（server computer）またはパーソナルコンピュータ（personal computer）により構成され、ＣＰＵ等のハードウエアプロセッサ（hardware processor）１１１Ａを有する。そして、このハードウエアプロセッサ１１１Ａに対し、プログラムメモリ（program memory）１１１Ｂ、データメモリ（data memory）１１２、入出力インタフェース１１３及び通信インタフェース１１４が、バス（bus）１１５を介して接続される。クラウドリソースコントローラ２００についても同様である。

通信インタフェース１１４は、例えば１つ以上の無線の通信インタフェースユニットを含んでおり、通信ネットワーク（network）ＮＷとの間で情報の送受信を可能にする。無線インタフェースとしては、例えば無線ＬＡＮ（Local Area Network）などの小電力無線データ通信規格が採用されたインタフェースが使用される。

入出力インタフェース１１３には、Ｗｅｂ会議スケジューリング装置１００に付設される、利用者などにより用いられる入力デバイス（device）５００および出力デバイス６００が接続される。
入出力インタフェース１１３は、キーボード（keyboard）、タッチパネル（touch panel）、タッチパッド（touchpad）、マウス（mouse）等の入力デバイス５００を通じて利用者などにより入力された操作データを取り込むとともに、出力データを液晶または有機ＥＬ（Electro Luminescence）等が用いられた表示デバイスを含む出力デバイス６００へ出力して表示させる処理を行なう。なお、入力デバイス５００および出力デバイス６００には、Ｗｅｂ会議スケジューリング装置１００に内蔵されたデバイスが使用されてもよく、また、ネットワークＮＷを介してＷｅｂ会議スケジューリング装置１００と通信可能である他の情報端末の入力デバイスおよび出力デバイスが使用されてもよい。

プログラムメモリ１１１Ｂは、非一時的な有形の記憶媒体として、例えば、ＨＤＤ（Hard Disk Drive）またはＳＳＤ（Solid State Drive）等の随時書込みおよび読出しが可能な不揮発性メモリ（non-volatile memory）と、ＲＯＭ（Read Only Memory）等の不揮発性メモリとが組み合わせて使用されたもので、一実施形態に係る各種制御処理等を実行する為に必要なプログラムが格納されている。

データメモリ１１２は、有形の記憶媒体として、例えば、上記の不揮発性メモリと、ＲＡＭ（Random Access Memory）等の揮発性メモリ（volatile memory）とが組み合わせて使用されたもので、各種処理が行なわれる過程で取得および作成された各種データが記憶される為に用いられる。

本発明の一実施形態に係るＷｅｂ会議スケジューリング装置１００は、ソフトウエア（software）による処理機能部として、図１に示されるＷｅｂ会議スケジューラ１０、Ｗｅｂ会議予約保存部２０およびＷｅｂ会議配置部３０を有するデータ処理装置として構成され得る。

Ｗｅｂ会議スケジューリング装置１００の各部によるワークメモリ（working memory）などとして用いられる各情報記憶部は、図１３に示されたデータメモリ１１２が用いられることで構成され得る。ただし、これらの構成される記憶領域はＷｅｂ会議スケジューリング装置１００内に必須の構成ではなく、例えば、ＵＳＢ（Universal Serial Bus）メモリなどの外付け記憶媒体、又はクラウド（cloud）に配置されたデータベースサーバ（database server）等の記憶装置に設けられた領域であってもよい。

上記のＷｅｂ会議スケジューラ１０、Ｗｅｂ会議予約保存部２０およびＷｅｂ会議配置部３０の各部における処理機能部は、いずれも、プログラムメモリ１１１Ｂに格納されたプログラムを上記ハードウエアプロセッサ１１１Ａにより読み出させて実行させることにより実現され得る。なお、これらの処理機能部の一部または全部は、特定用途向け集積回路（ＡＳＩＣ（Application Specific Integrated Circuit））またはＦＰＧＡ（Field-Programmable Gate Array）などの集積回路を含む、他の多様な形式によって実現されてもよい。

以上説明した一実施形態では、例えばクラウドリソース、Ｗｅｂ会議サービスの処理負荷、およびユーザ体感品質の関係性を表すモデルを構築し、予約されたＷｅｂ会議をＶＭに配置する際に、ユーザ体感の指標を満たすか否かを判定、満たせない場合は、この指標を満たすように水平スケールまたは垂直スケールによりリソースを制御する。よって、ユーザ体感品質を考慮して最適なリソースを決定することができる。

また、各実施形態に記載された手法は、計算機（コンピュータ）に実行させることができるプログラム（ソフトウエア手段）として、例えば磁気ディスク（フロッピー（登録商標）ディスク（Floppy disk）、ハードディスク（hard disk）等）、光ディスク（optical disc）（ＣＤ－ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ（Flash memory）等）等の記録媒体に格納し、また通信媒体により伝送して頒布され得る。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウエア手段（実行プログラムのみならずテーブル（table）、データ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウエア手段を構築し、このソフトウエア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスク、半導体メモリ等の記憶媒体を含むものである。

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の発明が含まれており、開示される複数の構成要件から選択された組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、課題が解決でき、効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。

１００…Ｗｅｂ会議スケジューリング装置
２００…クラウドリソースコントローラ
１０…Ｗｅｂ会議スケジューラ
１１…コントローラ
１２…インスタンス状態監視部
１３…Ｗｅｂ会議品質モデルＤＢ
２０…Ｗｅｂ会議予約保存部
３０…Ｗｅｂ会議配置部

Claims (8)

1. ユーザによりリクエストされるサービスであって仮想マシンに配置されるサービスおよび前記仮想マシンに配置されると仮定されるサービスに係る処理負荷、前記仮想マシンのリソース配置、および前記リクエストされるサービスが前記仮想マシンに配置されたと仮定したときの前記リクエストされるサービスに係る品質の予測値の関係が示されるモデルが格納されるモデル格納装置と、
   前記モデルにおける前記仮想マシンに新たなサービスが配置されたと仮定したときの前記品質の予測値が適切な品質の要件を満たすか否かを判定する判定部と、
   前記予測値が前記適切な品質の要件を満たさないと前記判定部により判定されたときに、前記予測値が前記適切な品質の要件を満たすように前記仮想マシンのリソース配置の変更を制御する制御部と、
   を備えるリソース決定装置。
2. 前記モデルは、前記仮想マシンに配置されるサービスおよび前記仮想マシンに配置されると仮定されるサービスに係る処理負荷、および前記仮想マシンのリソース配置を示す情報を説明変数として入力し、前記サービスが前記仮想マシンに配置されたと仮定したときの前記品質の予測値が目的変数として出力されるモデルであって、
   前記品質の予測値が正解情報に近づくように前記モデルのパラメータが更新される、
   請求項１に記載のリソース決定装置。
3. 前記制御部は、
   前記予測値が前記適切な品質の要件を満たさないと前記判定部により判定されたときに、前記予測値が前記適切な品質の要件を満たすように、前記仮想マシンの台数を変更せずに性能を拡充するように前記リソース配置の変更を制御する、
   請求項１に記載のリソース決定装置。
4. 前記制御部は、
   前記予測値が前記適切な品質の要件を満たさないと前記判定部により判定されたときに、前記予測値が前記適切な品質の要件を満たすように、前記サービスが配置される仮想マシンの台数が追加されるように前記リソース配置の変更を制御する、
   請求項１に記載のリソース決定装置。
5. 前記仮想マシンへの配置がリクエストされた新たなサービスの予約情報が格納される予約情報格納装置をさらに備え、
   前記判定部は、
   前記予約情報格納装置に格納される予約情報で示されるサービスが前記仮想マシンに配置されたと仮定したときの前記品質の予測値が適切な品質の要件を満たすか否かを判定する、
   請求項１に記載のリソース決定装置。
6. ユーザによりリクエストされるサービスであって仮想マシンに配置されるサービスおよび前記仮想マシンに配置されると仮定されるサービスに係る処理負荷、前記仮想マシンのリソース配置、および前記リクエストされるサービスが前記仮想マシンに配置されたと仮定したときの前記リクエストされるサービスに係る品質の予測値の関係が示されるモデルが格納される格納装置を備えるリソース決定装置により行われる方法であって、
   前記リソース決定装置の判定部により、前記モデルにおける前記仮想マシンに新たなサービスが配置されたと仮定したときの前記品質の予測値が適切な品質の要件を満たすか否かを判定することと、
   前記リソース決定装置の制御部により、前記予測値が前記適切な品質の要件を満たさないと前記判定部により判定されたときに、前記予測値が前記適切な品質の要件を満たすように前記仮想マシンのリソース配置の変更を制御することと、
   を備えるリソース決定方法。
7. 前記モデルは、前記仮想マシンに配置されるサービスおよび前記仮想マシンに配置されると仮定されるサービスに係る処理負荷、および前記仮想マシンのリソース配置を示す情報を説明変数として入力し、前記サービスが前記仮想マシンに配置されたと仮定したときの前記品質の予測値が目的変数として出力されるモデルであって、
   前記品質の予測値が正解情報に近づくように前記モデルのパラメータが更新される、
   請求項６に記載のリソース決定方法。
8. 請求項１乃至５のいずれか１項に記載のリソース決定装置の各部としてプロセッサを機能させるリソース決定処理プログラム。