(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023173753
(43)【公開日】2023-12-07
(54)【発明の名称】情報管理装置、情報管理方法およびプログラム
(51)【国際特許分類】
G06F 16/182 20190101AFI20231130BHJP
【ＦＩ】
G06F16/182 100
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2022086214
(22)【出願日】2022-05-26
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110002365
【氏名又は名称】弁理士法人サンネクスト国際特許事務所
(72)【発明者】
【氏名】ナタニ ガリマ
(72)【発明者】
【氏名】勝沼 聡
(72)【発明者】
【氏名】樫山 俊彦
(57)【要約】
【課題】ＯＬＴＰデータベースに格納されたデータをＯＬＡＰデータベースに移動させるルールを作成するための労力を軽減することができる情報管理装置等を提供する。
【解決手段】複数のデータベースの中から選択される、ＯＬＴＰデータベースおよびＯＬＡＰデータベースのそれぞれについて、データが格納されるテーブルステータスを取得するテーブルステータス更新部１０２と、このテーブルステータスに対する、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する際に要するコストについて学習を行うポリシーネットワーク学習部１０５と、学習の結果およびテーブルステータスを基に、ＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する制御を行うデータ移動部１０３と、を備えるデータ移動最適化装置１０。
【選択図】図４
【解決手段】複数のデータベースの中から選択される、ＯＬＴＰデータベースおよびＯＬＡＰデータベースのそれぞれについて、データが格納されるテーブルステータスを取得するテーブルステータス更新部１０２と、このテーブルステータスに対する、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する際に要するコストについて学習を行うポリシーネットワーク学習部１０５と、学習の結果およびテーブルステータスを基に、ＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する制御を行うデータ移動部１０３と、を備えるデータ移動最適化装置１０。
【選択図】図４
【特許請求の範囲】
【請求項1】
複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得する取得部と、
前記状態に対する、前記第１のデータベースおよび前記第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および前記第１のデータベースから前記第２のデータベースにデータを移動する際に要するコストについて学習を行う学習部と、
前記学習の結果および前記状態を基に、前記第１のデータベースから前記第２のデータベースにデータを移動する制御を行う移動部と、
を備える情報管理装置。
前記状態に対する、前記第１のデータベースおよび前記第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および前記第１のデータベースから前記第２のデータベースにデータを移動する際に要するコストについて学習を行う学習部と、
前記学習の結果および前記状態を基に、前記第１のデータベースから前記第２のデータベースにデータを移動する制御を行う移動部と、
を備える情報管理装置。
【請求項2】
前記学習部は、前記フェデレーテッドクエリの数および前記コストにより決まる報酬について機械学習する請求項１に記載の情報管理装置。
【請求項3】
前記学習部は、
前記第１のデータベースから前記第２のデータベースにデータを移動するか否かの何れか一方を行う第１の段階と、
前記第１の段階の結果により決まる前記状態に対する前記報酬を決める第２の段階と、
前記第１のデータベースから前記第２のデータベースにデータを移動したときに、前記状態を更新する第３の段階と、
を含み機械学習を行う請求項２に記載の情報管理装置。
前記第１のデータベースから前記第２のデータベースにデータを移動するか否かの何れか一方を行う第１の段階と、
前記第１の段階の結果により決まる前記状態に対する前記報酬を決める第２の段階と、
前記第１のデータベースから前記第２のデータベースにデータを移動したときに、前記状態を更新する第３の段階と、
を含み機械学習を行う請求項２に記載の情報管理装置。
【請求項4】
前記報酬は、前記フェデレーテッドクエリの数および前記コストが小さいほど大きくなる請求項２に記載の情報管理装置。
【請求項5】
前記移動部は、前記学習の結果および前記状態を基に、前記報酬が大きくなると推定されるときに移動を行う請求項４に記載の情報管理装置。
【請求項6】
前記コストは、前記第１のデータベースから前記第２のデータベースにデータを移動する際に使用するリソースにかかる負荷に基づき算出される請求項１に記載の情報管理装置。
【請求項7】
前記状態は、前記第１のデータベースおよび前記第２のデータベースのそれぞれに格納するデータの収録期間の情報を含む請求項１に記載の情報管理装置。
【請求項8】
前記収録期間は、前記第１のデータベースおよび前記第２のデータベースのそれぞれで格納するデータが生じた時間の下限と上限とで表される請求項７に記載の情報管理装置。
【請求項9】
前記第１のデータベースは、ＯＬＴＰ（Online Transaction Processing）を行うときに使用されるＯＬＴＰデータベースであり、前記第２のデータベースは、ＯＬＡＰ（Online Analytical Processing）を行うときに使用されるＯＬＡＰデータベースである請求項１に記載の情報管理装置。
【請求項10】
前記フェデレーテッドクエリは、ＯＬＴＰデータベースに格納されるデータに対し分析処理を行う場合に生じる請求項９に記載の情報管理装置。
【請求項11】
前記ＯＬＴＰデータベースおよび前記ＯＬＡＰデータベースは、ＨＴＡＰ（Hybrid Transaction Analytical Processing）アーキテクチャの下で使用される請求項９に記載の情報管理装置。
【請求項12】
複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得し、
前記状態に対する、前記第１のデータベースおよび前記第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および前記第１のデータベースから前記第２のデータベースにデータを移動する際に要するコストについて学習し、
前記学習の結果および前記状態を基に、前記第１のデータベースから前記第２のデータベースにデータを移動する制御を行う、
情報管理方法。
前記状態に対する、前記第１のデータベースおよび前記第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および前記第１のデータベースから前記第２のデータベースにデータを移動する際に要するコストについて学習し、
前記学習の結果および前記状態を基に、前記第１のデータベースから前記第２のデータベースにデータを移動する制御を行う、
情報管理方法。
【請求項13】
コンピュータに、
複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得する取得機能と、
前記状態に対する、前記第１のデータベースおよび前記第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および前記第１のデータベースから前記第２のデータベースにデータを移動する際に要するコストについて学習を行う学習機能と、
前記学習の結果および前記状態を基に、前記第１のデータベースから前記第２のデータベースにデータを移動する制御を行う移動機能と、
を実現させるためのプログラム。
複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得する取得機能と、
前記状態に対する、前記第１のデータベースおよび前記第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および前記第１のデータベースから前記第２のデータベースにデータを移動する際に要するコストについて学習を行う学習機能と、
前記学習の結果および前記状態を基に、前記第１のデータベースから前記第２のデータベースにデータを移動する制御を行う移動機能と、
を実現させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報管理装置、情報管理方法、プログラムに関する。本発明は、特に、ＨＴＡＰ（Hybrid Transaction Analytical Processing）に用いられるデータベースを管理するのに適した情報管理装置等に関する。
【背景技術】
【0002】
近年、急速なデジタル化に伴い、トランザクション処理と分析処理とが混在したワークロードが増加している。ＨＴＡＰは、トランザクション処理と分析処理の両方をサポートするアーキテクチャである。ＨＴＡＰアーキテクチャでは、例えば、オンライントランザクション処理（ＯＬＴＰ：Online Transaction Processing）に使用されるデータベース（以下、単に「ＯＬＴＰデータベース」と言うことがある。）と、オンライン分析処理（ＯＬＡＰ：Online Analytical Processing）に使用されるデータベース（以下、単に「ＯＬＡＰデータベース」と言うことがある。）とを使用する。ＯＬＴＰデータベースは、トランザクション処理を高速に行うために、比較的最近のデータを格納する。対して、ＯＬＡＰデータベースは、分析処理を行うために、比較的長い期間のデータを格納する。そして、ＯＬＴＰデータベースからＯＬＡＰデータベースに、データを移動させることが行われている。
【0003】
特許文献１では、データベース管理システムについて開示されている。このデータベース管理システムは、ＯＬＴＰ処理部と、ＯＬＡＰ処理部と、ＯＬＴＰのための行指向データを格納するＳＣＭと、ＳＣＭ上で、ＯＬＴＰがデータを更新して行指向に保持し、行指向に保持したデータを所定量蓄積した後、所定量蓄積したデータをＤＲＡＭに列単位のブロックで格納するとともに、当該列単位のブロックをＯＬＡＰのためにＤＩＳＫに格納するメモリ管理部と、を備える。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】米国特許出願公開第２０１３／００２４５７３号明細書
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、ＯＬＴＰデータベースに格納されたデータが、ＯＬＡＰデータベースに移動されるまでには、所定の時間を要する。よって、ＯＬＴＰデータベースに格納されたデータについて分析処理を行うクエリ（フェデレーテッドクエリ（federated queries）)があった場合、定期的なデータの移動の前に、データをＯＬＴＰデータベースからＯＬＡＰデータベースに臨時的に移動する作業が必要になる。この作業は、コストのかかる処理である。そこで、フェデレーテッドクエリが減少するように、ＯＬＴＰデータベースに格納されたデータを、ＯＬＡＰデータベースに移動させるルールを定め、このルールに従いデータを移動させることが望ましい。しかし、データベースの状態は動的に変化しており、この条件下で、データベース管理者が、データを移動させるためのルールを設計することは多大な労力を要する。
本発明は、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる情報管理装置、情報管理方法およびプログラムを提供することを目的とする。
本発明は、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる情報管理装置、情報管理方法およびプログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
上記の課題を解決するため本発明は、複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得する取得部と、状態に対する、第１のデータベースおよび第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および第１のデータベースから第２のデータベースにデータを移動する際に要するコストについて学習を行う学習部と、学習の結果および状態を基に、第１のデータベースから第２のデータベースにデータを移動する制御を行う移動部と、を備える情報管理装置を提供するものである。
【0007】
さらに、本発明は、複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得し、状態に対する、第１のデータベースおよび第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および第１のデータベースから第２のデータベースにデータを移動する際に要するコストについて学習し、学習の結果および状態を基に、第１のデータベースから第２のデータベースにデータを移動する制御を行う、情報管理方法を提供するものである。
【0008】
またさらに、本発明は、コンピュータに、複数のデータベースの中から選択される、第１のデータベースおよび第２のデータベースのそれぞれについて、データが格納される状態を取得する取得機能と、状態に対する、第１のデータベースおよび第２のデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、および第１のデータベースから第２のデータベースにデータを移動する際に要するコストについて学習を行う学習機能と、学習の結果および状態を基に、第１のデータベースから第２のデータベースにデータを移動する制御を行う移動機能と、を実現させるためのプログラムを提供するものである。
【発明の効果】
【0009】
請求項１に記載の発明によれば、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる情報管理装置を提供することができる。
請求項２に記載の発明によれば、第１のデータベースから第２のデータベースにデータの移動をするときに報酬を考えることで、フェデレーテッドクエリの数やコストが小さい場合について機械学習させることができる。
請求項３に記載の発明によれば、機械学習をより効率的に行うことができる。
請求項４に記載の発明によれば、報酬として適切な値を設定できる。
請求項５に記載の発明によれば、フェデレーテッドクエリの数やコストが小さくなると予想されるときに、データの移動をすることができる。
請求項６に記載の発明によれば、コストを算出する対象として、より適切なものを選択できる。
請求項７に記載の発明によれば、第１のデータベースおよび第２のデータベースの状態として、より適切なものを対象とすることができる。
請求項８に記載の発明によれば、収録期間をより簡単に表すことができる。
請求項９に記載の発明によれば、ＯＬＴＰデータベースに格納されたデータをＯＬＡＰデータベースに移動させるルールを作成するための労力を軽減することができる。
請求項１０に記載の発明によれば、フェデレーテッドクエリの内容について特定することができる。
請求項１１に記載の発明によれば、ＨＴＡＰアーキテクチャで動作するシステムに対し、フェデレーテッドクエリの数やコストを小さくすることができる。
請求項１２に記載の発明によれば、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる情報管理方法を提供することができる。
請求項１３に記載の発明によれば、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる機能をコンピュータにより実現できる。
請求項２に記載の発明によれば、第１のデータベースから第２のデータベースにデータの移動をするときに報酬を考えることで、フェデレーテッドクエリの数やコストが小さい場合について機械学習させることができる。
請求項３に記載の発明によれば、機械学習をより効率的に行うことができる。
請求項４に記載の発明によれば、報酬として適切な値を設定できる。
請求項５に記載の発明によれば、フェデレーテッドクエリの数やコストが小さくなると予想されるときに、データの移動をすることができる。
請求項６に記載の発明によれば、コストを算出する対象として、より適切なものを選択できる。
請求項７に記載の発明によれば、第１のデータベースおよび第２のデータベースの状態として、より適切なものを対象とすることができる。
請求項８に記載の発明によれば、収録期間をより簡単に表すことができる。
請求項９に記載の発明によれば、ＯＬＴＰデータベースに格納されたデータをＯＬＡＰデータベースに移動させるルールを作成するための労力を軽減することができる。
請求項１０に記載の発明によれば、フェデレーテッドクエリの内容について特定することができる。
請求項１１に記載の発明によれば、ＨＴＡＰアーキテクチャで動作するシステムに対し、フェデレーテッドクエリの数やコストを小さくすることができる。
請求項１２に記載の発明によれば、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる情報管理方法を提供することができる。
請求項１３に記載の発明によれば、第１のデータベース（例えば、ＯＬＴＰデータベース）に格納されたデータを第２のデータベース（例えば、ＯＬＡＰデータベース）に移動させるルールを作成するための労力を軽減することができる機能をコンピュータにより実現できる。
【図面の簡単な説明】
【0010】
【図1】本実施の形態における情報処理システムの構成例を示す図である。
【図2】フェデレーテッドクエリが発生する場合について示した図である。
【図3】データベース管理者が、データの移動を行うルールを作成するときに行う作業の手順を示した図である。
【図4】情報処理システムの機能構成について示したブロック図である。
【図5】情報処理システムの概略動作について示した図である。
【図6】データ移動最適化装置が、テーブルステータスを基に、深層機械学習を行う手順について示した図である。
【図7】深層機械学習を行うために使用する人工ニューラルネットワーク（Artificial neural network）について示した図である。
【図8】コストを求めるときに使用するパラメータについて示した図である。
【図9】ポリシーネットワークを使用して、ＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動するときの、データ移動最適化装置の動作を示したフローチャートである。
【図10】ポリシーネットワークが学習を行う際の流れについて示したフローチャートである。
【図11】ポリシーネットワークが学習を行う際の流れについて示したフローチャートである。
【発明を実施するための形態】
【0011】
以下、添付図面を参照して、本発明の実施の形態について詳細に説明する。
【0012】
＜情報処理システム１全体の説明＞
図１は、本実施の形態における情報処理システム１の構成例を示す図である。
図示するように本実施の形態の情報処理システム１は、データ移動最適化装置（Data Movement optimizer）１０と、ＯＬＴＰシステム（OLTP）２０と、ＯＬＡＴシステム（OLAP）３０とがネットワーク４０を介し接続されている。
図１は、本実施の形態における情報処理システム１の構成例を示す図である。
図示するように本実施の形態の情報処理システム１は、データ移動最適化装置（Data Movement optimizer）１０と、ＯＬＴＰシステム（OLTP）２０と、ＯＬＡＴシステム（OLAP）３０とがネットワーク４０を介し接続されている。
【0013】
データ移動最適化装置１０は、情報管理装置の一例であり、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０のデータ管理を行うサーバコンピュータである。データ移動最適化装置１０は、上述したように、データ移動最適化装置１０は、ＯＬＴＰシステム２０からＯＬＡＰシステム３０へのデータの移動を管理する。さらに具体的には、ＯＬＴＰシステム２０からＯＬＡＰシステム３０へデータを移動するタイミングを決定する。
【0014】
ＯＬＴＰシステム２０は、ＯＬＴＰデータベースを含むサーバコンピュータである。本実施の形態では、ＯＬＴＰデータベースは、第１のデータベースの一例であり、ＯＬＴＰを行うときに使用されるデータベースである。ＯＬＴＰシステム２０は、ユーザからのリクエストに従い、リアルタイム（オンライン）でトランザクション処理を行う。ＯＬＴＰシステム２０では、小規模なデータの高速処理に優れることが必要である。そのため、ＯＬＡＰデータベースは、データの読み出しが速い。ＯＬＴＰシステム２０では、パフォーマンスを重視するため、ＯＬＴＰデータベースでは、最近の履歴だけを扱う。これは、ＯＬＴＰデータベースに格納されるデータの収録期間は、比較的短いと言うことができる。ＯＬＴＰデータベースでは、一般に、最近のデータを保存し、リアルタイムで更新し、高い並行性と強い一貫性をサポートする。そして、ＯＬＴＰシステム２０は、非常に高速なクエリ処理に重点を置き、各リクエストで変更されるデータは数行程度にとどまる。よって、ＯＬＴＰデータベースは、行指向データベースであることが多い。
【0015】
ＯＬＡＰシステム３０は、ＯＬＡＰデータベースを含むサーバコンピュータである。本実施の形態では、ＯＬＡＰデータベースは、第２のデータベースの一例であり、ＯＬＡＰを行うときに使用されるデータベースである。ＯＬＡＰシステム３０は、ユーザからのリクエストに従い、リアルタイム（オンライン）で分析処理を行う。ＯＬＡＰシステム３０は、大量のデータを扱うことが必要である。そのため、ＯＬＡＰデータベースは、大量のデータを保存するデータベースであることが必要である。そのため、ＯＬＴＰデータベースでは、比較的長期間の履歴を扱う。これは、ＯＬＡＰデータベースに格納されるデータの収録期間は、比較的長いと言うことができる。また、ＯＬＡＰデータベースでは、最近のデータよりも過去のデータを重視しデータが格納される。ＯＬＡＰデータベースは、トランザクション量の少ない履歴データを扱うデータベースであり、バッチ処理で履歴データを処理するため、並行性は高くない。そして、１回のリクエストで多くの行を扱うことになる。そこで、ＯＬＡＰデータベースは、列指向データベースであることが多い。
【0016】
なお、図示するデータ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０は、それぞれ１つであるが、複数のサーバコンピュータによりその機能を実現してもよい。また、データ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステムは、サーバコンピュータであるとしたが、これに限られるものではなく、汎用のパーソナルコンピュータ（ＰＣ）、モバイルコンピュータ、携帯電話、スマートフォン、タブレット等のコンピュータ装置であってもよい。
【0017】
データ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０は、類似のハードウェア構成を有する。即ち、データ移動最適化装置１０は、ＣＰＵ（Central Processing Unit）１１と、メモリ（Memory）１２と、ストレージデバイス（Storage device）１３と、ネットワークインタフェース（Network Interface）１４とを有している。同様に、ＯＬＴＰシステム２０は、ＣＰＵ２１と、メモリ２２と、ストレージデバイス２３と、ネットワークインタフェース２４とを有する。さらに、ＯＬＡＰシステム３０は、ＣＰＵ３１と、メモリ３２と、ストレージデバイス３３と、ネットワークインタフェース３４とを有する。
【0018】
ＣＰＵ１１、２１、３１は、ＯＳ（基本ソフトウェア）やアプリケーションソフトウェア（応用ソフトウェア）等のプログラムを実行する。
メモリ１２、２２、３２は、ＢＩＯＳ（Basic Input Output System）等が記憶されたＲＯＭ（Read Only Memory）と、主記憶装置として用いられるＲＡＭ（Random Access Memory）とからなる。
ストレージデバイス１３、２３、３３は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）であり、アプリケーションソフトウェア等が記憶される。また、ストレージデバイス２３には、ＯＬＴＰデータベースのデータが格納され、ストレージデバイス３３には、ＯＬＡＰデータベースのデータが格納される。
ネットワークインタフェース１４、２４、３４は、外部装置との通信を行うための通信モジュールである。
メモリ１２、２２、３２は、ＢＩＯＳ（Basic Input Output System）等が記憶されたＲＯＭ（Read Only Memory）と、主記憶装置として用いられるＲＡＭ（Random Access Memory）とからなる。
ストレージデバイス１３、２３、３３は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）であり、アプリケーションソフトウェア等が記憶される。また、ストレージデバイス２３には、ＯＬＴＰデータベースのデータが格納され、ストレージデバイス３３には、ＯＬＡＰデータベースのデータが格納される。
ネットワークインタフェース１４、２４、３４は、外部装置との通信を行うための通信モジュールである。
【0019】
また、データ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０は、出力デバイスを備えていてもよい。出力デバイスとしては、画像その他の情報を表示するディスプレイなどが挙げられる。また、データ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０は、入力デバイスを備えていてもよい。入力デバイスとしては、文字などを入力するキーボード、マウス等のポインティングデバイスが挙げられる。
【0020】
ネットワーク４０は、データ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０の間のデータ通信に用いられる通信手段であり、例えば、インターネット、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）である。データ通信に用いられる通信回線は、有線か無線かを問わず、これらを併用してもよい。また、データ移動最適化装置１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０は、ゲートウェイ装置やルータ等の中継装置を用い、複数のネットワークや通信回線を介して接続されてもよい。
【0021】
＜情報処理システム１の動作の概略説明＞
情報処理システム１は、ＨＴＡＰアーキテクチャの下で動作する。ＨＴＡＰアーキテクチャでは、トランザクション処理および分析処理の両方をサポートし、ユーザからのリクエストに従い、双方の処理を行うことが可能である。よって、ユーザからのリクエストが、トランザクション処理の場合は、ＯＬＴＰシステム２０を用い、トランザクション処理を行うアプリケーションソフトを使用して処理を行う。また、ユーザからのリクエストが、分析処理の場合は、ＯＬＡＰシステム３０を用い、分析処理を行うアプリケーションソフトを使用して処理を行う。また、上述したように、ＯＬＴＡＰデータベースでは、最近のデータを格納し、ＯＬＴＰデータベースでは、最近のデータよりも過去のデータを重視してデータが格納される。そのため、ＨＴＡＰアーキテクチャでは、ＯＬＴＰデータベースからＯＬＡＰデータベースに対し、データの移動を行う必要がある。このデータの移動を行うタイミングとして、１日毎、１年毎のように、定期的に行う方法がある。ただし、データの移動にはコストを要する。ここで、「コスト」とは、例えば、ＣＰＵ１１、２１を使用するために要するコスト、ＯＬＴＰデータベースやＯＬＡＰデータベースに対するデータの読み出しや書きこみに要するコスト、ネットワーク４０を利用した通信に要するコスト等である。このうち、特にデータの書きこみに要するコストが大きい。
情報処理システム１は、ＨＴＡＰアーキテクチャの下で動作する。ＨＴＡＰアーキテクチャでは、トランザクション処理および分析処理の両方をサポートし、ユーザからのリクエストに従い、双方の処理を行うことが可能である。よって、ユーザからのリクエストが、トランザクション処理の場合は、ＯＬＴＰシステム２０を用い、トランザクション処理を行うアプリケーションソフトを使用して処理を行う。また、ユーザからのリクエストが、分析処理の場合は、ＯＬＡＰシステム３０を用い、分析処理を行うアプリケーションソフトを使用して処理を行う。また、上述したように、ＯＬＴＡＰデータベースでは、最近のデータを格納し、ＯＬＴＰデータベースでは、最近のデータよりも過去のデータを重視してデータが格納される。そのため、ＨＴＡＰアーキテクチャでは、ＯＬＴＰデータベースからＯＬＡＰデータベースに対し、データの移動を行う必要がある。このデータの移動を行うタイミングとして、１日毎、１年毎のように、定期的に行う方法がある。ただし、データの移動にはコストを要する。ここで、「コスト」とは、例えば、ＣＰＵ１１、２１を使用するために要するコスト、ＯＬＴＰデータベースやＯＬＡＰデータベースに対するデータの読み出しや書きこみに要するコスト、ネットワーク４０を利用した通信に要するコスト等である。このうち、特にデータの書きこみに要するコストが大きい。
【0022】
また、ＯＬＡＰデータベースでは、比較的古いデータしか格納しないため、分析処理の際に、ＯＬＡＰデータベースに格納されている期間のデータよりも先のデータを照会したいことがある。つまり、ＯＬＴＰデータベースは、ＯＬＡＰデータベースよりも先のデータを含むため、ＯＬＴＰデータベースのデータを使用することで、より最近のデータに対し分析処理を行うことが可能である。しかし、このときＯＬＴＰデータベースに格納されるデータについて分析処理を行うクエリ（フェデレーテッドクエリ（federated queries））が生じる。これは、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの双方を照会する必要がある処理である。
【0023】
図２は、フェデレーテッドクエリが発生する場合について示した図である。
ここでは、ＯＬＴＰデータベースに対するクエリのログ（OLTP Query logs）Ｌ１と、ＯＬＡＰデータベースに対するクエリのログ（OLAP Query logs）Ｌ２と、テーブルステータス（Table Status）５０５とを示している。テーブルステータス５０５は、詳しくは後述するが、ＯＬＴＰデータベースやＯＬＴＡＰデータベース内のデータが格納される状態を表すテーブルである。テーブルステータスは、この状態として、ＯＬＴＰデータベースおよびＯＬＴＡＰデータベースのそれぞれに格納するデータの収録期間の情報を含む。「収録期間」は、格納されるそれぞれのデータが発生した日時により表すことができる。即ち、収録期間は、最も過去の（最も古い）データの日時と、最も最近の（最も新しい）データの日時により表される。つまり、収録期間は、この２つの日時の間の期間のデータを収録することを示す。
ここで、ログＬ２を参照すると、１つのクエリで要求される分析処理の期間が、２０１９－０１－０７ ０９：３０：００（２０１９年１月７日の９時３０分）～２０２１－０３－３１ １１：００：００（２０２１年３月３１日の１１時００分）であることがわかる。
そしてこのときのテーブルステータス５０５によれば、ＯＬＡＰデータベースのデータの収録期間は、２０２０／１２／０１ １０：５５（２０２０年１２月１日の１０時５５分）までしかない。そのため、この日時より先のデータは、ＯＬＴＰデータベースから移動する必要がある。この場合、２０２０／１２／０１ １１：００（２０２０年１２月１日の１１時００分）～２０２１－０１－０４ １１：２５：００（２０２１年１月４日の１１時２５分）のデータを、ＯＬＴＰデータベースからＯＬＡＰデータベースへ移動する必要がある。即ち、ＯＬＴＰデータベースの全データをＯＬＡＰデータベースへ移動する必要がある。
ここでは、ＯＬＴＰデータベースに対するクエリのログ（OLTP Query logs）Ｌ１と、ＯＬＡＰデータベースに対するクエリのログ（OLAP Query logs）Ｌ２と、テーブルステータス（Table Status）５０５とを示している。テーブルステータス５０５は、詳しくは後述するが、ＯＬＴＰデータベースやＯＬＴＡＰデータベース内のデータが格納される状態を表すテーブルである。テーブルステータスは、この状態として、ＯＬＴＰデータベースおよびＯＬＴＡＰデータベースのそれぞれに格納するデータの収録期間の情報を含む。「収録期間」は、格納されるそれぞれのデータが発生した日時により表すことができる。即ち、収録期間は、最も過去の（最も古い）データの日時と、最も最近の（最も新しい）データの日時により表される。つまり、収録期間は、この２つの日時の間の期間のデータを収録することを示す。
ここで、ログＬ２を参照すると、１つのクエリで要求される分析処理の期間が、２０１９－０１－０７ ０９：３０：００（２０１９年１月７日の９時３０分）～２０２１－０３－３１ １１：００：００（２０２１年３月３１日の１１時００分）であることがわかる。
そしてこのときのテーブルステータス５０５によれば、ＯＬＡＰデータベースのデータの収録期間は、２０２０／１２／０１ １０：５５（２０２０年１２月１日の１０時５５分）までしかない。そのため、この日時より先のデータは、ＯＬＴＰデータベースから移動する必要がある。この場合、２０２０／１２／０１ １１：００（２０２０年１２月１日の１１時００分）～２０２１－０１－０４ １１：２５：００（２０２１年１月４日の１１時２５分）のデータを、ＯＬＴＰデータベースからＯＬＡＰデータベースへ移動する必要がある。即ち、ＯＬＴＰデータベースの全データをＯＬＡＰデータベースへ移動する必要がある。
【0024】
フェデレーテッドクエリが発生すると、必要なデータをＯＬＴＰデータベースからＯＬＡＰデータベースに臨時的に移動する作業が必要になる。この作業は多くのコストを要するため、フェデレーテッドクエリは、より少ない方が好ましい。フェデレーテッドクエリは、ＯＬＴＰデータベースからＯＬＡＰデータベースに対し、データの移動を行う頻度が高いほど少なくなる。しかしながら、上述したように、データの移動にはコストを要する。一方、データの移動を行う頻度が低いほど、コストは少なくなるが、フェデレーテッドクエリが生じやすくなる。
以上の事項から、フェデレーテッドクエリやコストを減少させるためには、データの移行を行うタイミングとして、定期的に行う方法を採用せず、動的に行うことが望まれる。即ち、フェデレーテッドクエリやコストを減少させるように、データの移動を行う処理を定期的でなく、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの状態に応じ、例えば、不定期で行うことが望まれる。そして、従来は、データベース管理者が、データの移動を行うルールを作成し、このルールに従い、データの移動を行うタイミングを決めていた。
以上の事項から、フェデレーテッドクエリやコストを減少させるためには、データの移行を行うタイミングとして、定期的に行う方法を採用せず、動的に行うことが望まれる。即ち、フェデレーテッドクエリやコストを減少させるように、データの移動を行う処理を定期的でなく、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの状態に応じ、例えば、不定期で行うことが望まれる。そして、従来は、データベース管理者が、データの移動を行うルールを作成し、このルールに従い、データの移動を行うタイミングを決めていた。
【0025】
図３は、データベース管理者が、データの移動を行うルールを作成するときに行う作業の手順を示した図である。
データベース管理者（Database Admin）は、事前分析（Analysis）、設計（Design）、実装（Implementation）、管理（Management）の各ステップが必要である。「事前分析」では、データベース管理者は、複数日にわたるクエリログを観察・分析する。これにより、データベース管理者は、ＯＬＴＰデータベースおよびＯＬＰデータベースのデータの新しさに応じ、データ移動の要件を理解する必要がある。「設計」では、データベース管理者は、これらの要件を情報処理システム１の性能を向上させるルール設計に変換する。「実装」では、ルール設計に従いコードが作成され、テストによって、このルールが要件に適合しているかどうかが検証される。そして、検証後に、このルールが実装される。さらに、「管理」では、このルールに従い、データの移動が行われるが、しばらくすると、要件が変化し、ルールの更新が必要となる。
つまり、データベース管理者が、データの移動を行うルールを作成するのは、複雑な作業を行う必要があり、多大な労力および時間を要する。
よって、本実施の形態では、データ移動最適化装置１０が、深層機械学習を用いて、データの移動を行うときのフェデレーテッドクエリやコストを減少させる場合を学習する。そして、データ移動最適化装置１０は、学習の結果により作成された学習モデルを基に、データの移動を行うタイミングを決定することで、上記問題を解決する。そして、これを実現するため、本実施の形態では、データ移動最適化装置１０を、以下の構成とする。
データベース管理者（Database Admin）は、事前分析（Analysis）、設計（Design）、実装（Implementation）、管理（Management）の各ステップが必要である。「事前分析」では、データベース管理者は、複数日にわたるクエリログを観察・分析する。これにより、データベース管理者は、ＯＬＴＰデータベースおよびＯＬＰデータベースのデータの新しさに応じ、データ移動の要件を理解する必要がある。「設計」では、データベース管理者は、これらの要件を情報処理システム１の性能を向上させるルール設計に変換する。「実装」では、ルール設計に従いコードが作成され、テストによって、このルールが要件に適合しているかどうかが検証される。そして、検証後に、このルールが実装される。さらに、「管理」では、このルールに従い、データの移動が行われるが、しばらくすると、要件が変化し、ルールの更新が必要となる。
つまり、データベース管理者が、データの移動を行うルールを作成するのは、複雑な作業を行う必要があり、多大な労力および時間を要する。
よって、本実施の形態では、データ移動最適化装置１０が、深層機械学習を用いて、データの移動を行うときのフェデレーテッドクエリやコストを減少させる場合を学習する。そして、データ移動最適化装置１０は、学習の結果により作成された学習モデルを基に、データの移動を行うタイミングを決定することで、上記問題を解決する。そして、これを実現するため、本実施の形態では、データ移動最適化装置１０を、以下の構成とする。
【0026】
＜情報処理システム１の機能構成の説明＞
次に、情報処理システム１の機能構成について説明する。
図４は、情報処理システム１の機能構成について示したブロック図である。
ここでは、データ移動最適化装置（Data Movement optimizer）１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０のそれぞれの機能構成例について示す。
データ移動最適化装置１０は、テーブルステータス格納部（Table status）１０１と、テーブルステータス更新部（Table status update）１０２と、データ移動部（Data movement）１０３と、ポリシーネットワーク部（Policy network）１０４と、ポリシーネットワーク学習部（Policy network training）１０５と、クエリログ読取部（Query log reader）１０６と、ネットワーク状態読取部（Network status reader）１０７と、クエリタイプ識別部（Query Type identifier）１０８と、動作管理部（Action manager）１０９とを備える。
また、ＯＬＴＰシステム２０は、ＯＬＴＰデータベース（OLTP）２０１と、データベース負荷取得部（Database load）２０２と、ＯＬＴＰクエリログ格納部（OLTP Query Log file）２０３とを備える。
さらに、ＯＬＡＰシステム３０は、ＯＬＡＰデータベース（OLAP）３０１と、データベース負荷取得部（Database load）３０２と、ＯＬＡＰクエリログ格納部（OLAP Query Log file）３０３とを備える。
次に、情報処理システム１の機能構成について説明する。
図４は、情報処理システム１の機能構成について示したブロック図である。
ここでは、データ移動最適化装置（Data Movement optimizer）１０、ＯＬＴＰシステム２０およびＯＬＡＰシステム３０のそれぞれの機能構成例について示す。
データ移動最適化装置１０は、テーブルステータス格納部（Table status）１０１と、テーブルステータス更新部（Table status update）１０２と、データ移動部（Data movement）１０３と、ポリシーネットワーク部（Policy network）１０４と、ポリシーネットワーク学習部（Policy network training）１０５と、クエリログ読取部（Query log reader）１０６と、ネットワーク状態読取部（Network status reader）１０７と、クエリタイプ識別部（Query Type identifier）１０８と、動作管理部（Action manager）１０９とを備える。
また、ＯＬＴＰシステム２０は、ＯＬＴＰデータベース（OLTP）２０１と、データベース負荷取得部（Database load）２０２と、ＯＬＴＰクエリログ格納部（OLTP Query Log file）２０３とを備える。
さらに、ＯＬＡＰシステム３０は、ＯＬＡＰデータベース（OLAP）３０１と、データベース負荷取得部（Database load）３０２と、ＯＬＡＰクエリログ格納部（OLAP Query Log file）３０３とを備える。
【0027】
テーブルステータス格納部１０１は、テーブルステータス５０５を格納する。
テーブルステータス更新部１０２は、テーブルステータス５０５を更新する。つまり、ＯＬＴＰデータベースやＯＬＴＡＰデータベースに、新たなデータが格納される場合、上述した収録期間等が変化する。よって、これに応じ、テーブルステータス更新部１０２は、テーブルステータス５０５を更新する。テーブルステータス更新部１０２は、ＯＬＴＰデータベースおよびＯＬＴＡＰデータベースのそれぞれについて、データが格納される状態を取得する取得部として機能する。
テーブルステータス更新部１０２は、テーブルステータス５０５を更新する。つまり、ＯＬＴＰデータベースやＯＬＴＡＰデータベースに、新たなデータが格納される場合、上述した収録期間等が変化する。よって、これに応じ、テーブルステータス更新部１０２は、テーブルステータス５０５を更新する。テーブルステータス更新部１０２は、ＯＬＴＰデータベースおよびＯＬＴＡＰデータベースのそれぞれについて、データが格納される状態を取得する取得部として機能する。
【0028】
データ移動部１０３は、移動部の一例であり、学習の結果およびテーブルステータス５０５を基に、ＯＬＴＰデータベースからＯＬＴＡＰデータベースにデータを移動する制御を行う。つまり、データ移動部１０３は、上述したように、所定のタイミングにて、ＯＬＴＰデータベースからＯＬＴＡＰデータベースに動的にデータを移動する。また、データ移動部１０３は、フェデレーテッドクエリが発生したとき、必要なデータをＯＬＴＰデータベースからＯＬＡＰデータベースに臨時的に移動する。
【0029】
ポリシーネットワーク部１０４は、ポリシーネットワーク学習部１０５により学習された学習モデルを格納する。ここでは、この学習モデルをポリシーネットワークと呼ぶ。
ポリシーネットワーク学習部１０５は、学習部の一例である。ポリシーネットワーク学習部１０５は、テーブルステータス５０５に対する、フェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＴＡＰデータベースにデータを移動する際に要するコストについて学習を行う。詳しくは後述するが、ポリシーネットワーク学習部１０５は、深層機械学習により、学習を行う。
ポリシーネットワーク学習部１０５は、学習部の一例である。ポリシーネットワーク学習部１０５は、テーブルステータス５０５に対する、フェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＴＡＰデータベースにデータを移動する際に要するコストについて学習を行う。詳しくは後述するが、ポリシーネットワーク学習部１０５は、深層機械学習により、学習を行う。
【0030】
クエリログ読取部１０６は、ユーザからリクエストされたクエリについてのログを記録する。
ネットワーク状態読取部１０７は、ネットワーク４０の通信の状態を取得する。この場合、ＯＬＴＰデータベースからＯＬＴＡＰデータベースにデータを移動する際の通信の状態を取得する。
クエリタイプ識別部１０８は、ユーザからリクエストされたクエリのタイプを識別する。即ち、ＯＬＴＰシステム２０で行うＯＬＴＰ（オンライントランザクション処理）であるか、ＯＬＡＰシステム３０で行うＯＬＡＰ（オンライン分析処理）であるかを識別する。
動作管理部１０９は、データ移動最適化装置１０全体の動作の管理を行う。
ネットワーク状態読取部１０７は、ネットワーク４０の通信の状態を取得する。この場合、ＯＬＴＰデータベースからＯＬＴＡＰデータベースにデータを移動する際の通信の状態を取得する。
クエリタイプ識別部１０８は、ユーザからリクエストされたクエリのタイプを識別する。即ち、ＯＬＴＰシステム２０で行うＯＬＴＰ（オンライントランザクション処理）であるか、ＯＬＡＰシステム３０で行うＯＬＡＰ（オンライン分析処理）であるかを識別する。
動作管理部１０９は、データ移動最適化装置１０全体の動作の管理を行う。
【0031】
ＯＬＴＰデータベース２０１は、上述したように、ＯＬＴＰ（オンライントランザクション処理）を行うときに使用されるデータベースである。
データベース負荷取得部２０２は、ＯＬＴＰデータベース２０１にかかる負荷を取得する。
ＯＬＴＰクエリログ格納部２０３は、ＯＬＴＰ（オンライントランザクション処理）を行うクエリのログを格納する。
データベース負荷取得部２０２は、ＯＬＴＰデータベース２０１にかかる負荷を取得する。
ＯＬＴＰクエリログ格納部２０３は、ＯＬＴＰ（オンライントランザクション処理）を行うクエリのログを格納する。
【0032】
ＯＬＡＰデータベース３０１は、上述したように、ＯＬＡＰ（オンライン分析処理）を行うときに使用されるデータベースである。
データベース負荷取得部３０２は、ＯＬＡＰデータベース３０１にかかる負荷を取得する。
ＯＬＡＰクエリログ格納部３０３は、ＯＬＡＰ（オンライン分析処理）を行うクエリのログを格納する。
データベース負荷取得部３０２は、ＯＬＡＰデータベース３０１にかかる負荷を取得する。
ＯＬＡＰクエリログ格納部３０３は、ＯＬＡＰ（オンライン分析処理）を行うクエリのログを格納する。
【0033】
＜情報処理システム１の概略動作の説明＞
図５は、情報処理システム１の概略動作について示した図である。
ここでは、例えば、製品の生産を行う際に用いられるセンサ（Sensor）５０１から取得したデータが、ＯＬＴＰデータベース２０１に書き込まれ（Data Insertion）、このデータに対し、ＯＬＴＰ（オンライントランザクション処理）やＯＬＡＰ（オンライン分析処理）を行う場合を考える。
図５は、情報処理システム１の概略動作について示した図である。
ここでは、例えば、製品の生産を行う際に用いられるセンサ（Sensor）５０１から取得したデータが、ＯＬＴＰデータベース２０１に書き込まれ（Data Insertion）、このデータに対し、ＯＬＴＰ（オンライントランザクション処理）やＯＬＡＰ（オンライン分析処理）を行う場合を考える。
【0034】
そして、トランザクションクエリ（Transactional queries）が発生したときは、トランザクションアプリ（Transactional App）５０２が、ＯＬＴＰデータベース２０１を照会し、この処理を行う。一方、分析クエリ（Analytical queries）が発生したときは、分析報告アプリ（Analytics Reporting）５０３が、ＯＬＡＰデータベース３０１を照会し、この処理を行う。これらの処理は、統合インタフェース（Integrated interface）５０４により振り分けられる。これは、図４では、例えば、クエリタイプ識別部１０８が行う。
また、統合インタフェース５０４は、ＯＬＴＰデータベース２０１から、ＯＬＡＰデータベース３０１にデータの移動を行う（Data Movement）。さらに、統合インタフェース５０４は、フェデレーテッドクエリ（Federated queries）が発生した場合、該当するデータをＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１に臨時的に移動する。これは、図４では、データ移動部１０３が行う。
また、統合インタフェース５０４は、ＯＬＴＰデータベース２０１から、ＯＬＡＰデータベース３０１にデータの移動を行う（Data Movement）。さらに、統合インタフェース５０４は、フェデレーテッドクエリ（Federated queries）が発生した場合、該当するデータをＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１に臨時的に移動する。これは、図４では、データ移動部１０３が行う。
【0035】
また、データ移動最適化装置１０は、テーブルステータス（Table Status）５０５を作成する。テーブルステータス５０５は、ＯＬＴＰデータベース２０１やＯＬＡＰデータベース３０１の状態を表し、図示するようにデータの収録期間が含まれる。この場合、各データベース（DB）に格納されるデータの収録期間は、各データベースのそれぞれで格納するデータが生じた時間の下限（Lower limit）と上限（Upper limit）とで表される。即ち、データの収録期間は、下限（Lower limit）と上限（Upper limit）との間の期間である。この場合、ＯＬＴＰデータベース２０１に格納されるデータの収録期間は、２０２０／１２／０１ １１：００～２０２１／０１／０４ １１：２５である。また、ＯＬＡＰデータベース３０１に格納されるデータの収録期間は、２０１６／４／１ ００：００～２０２０／１２／０１ １０：５５である。
【0036】
＜深層機械学習の説明＞
図６は、データ移動最適化装置１０が、テーブルステータス５０５を基に、深層機械学習を行う手順について示した図である。
ここでは、以下の３つの段階により、データ移動最適化装置１０が深層機械学習（Deep Q learning）を行う。この３つの段階は、ＡＣＴＩＯＮ（行動）、ＲＥＷＯＲＤ（報酬）、ＯＢＳＥＲＶＡＴＩＯＮ（観察）である。
図６は、データ移動最適化装置１０が、テーブルステータス５０５を基に、深層機械学習を行う手順について示した図である。
ここでは、以下の３つの段階により、データ移動最適化装置１０が深層機械学習（Deep Q learning）を行う。この３つの段階は、ＡＣＴＩＯＮ（行動）、ＲＥＷＯＲＤ（報酬）、ＯＢＳＥＲＶＡＴＩＯＮ（観察）である。
【0037】
（ＡＣＴＩＯＮ（行動））
「ＡＣＴＩＯＮ（行動）」は、第１の段階の一例であり、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動する(Copy data)か、移動しない（No Action）かの何れか一方を行う。そして、このときの環境（ENVIRONMENT）として、テーブルステータス５０５を考える。なお、ＡＣＴＩＯＮ（行動）としては、データを全て移動する、一部を移動する、リソースにかかる負荷が小さくなってから移動するなどであってもよい。
「ＡＣＴＩＯＮ（行動）」は、第１の段階の一例であり、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動する(Copy data)か、移動しない（No Action）かの何れか一方を行う。そして、このときの環境（ENVIRONMENT）として、テーブルステータス５０５を考える。なお、ＡＣＴＩＯＮ（行動）としては、データを全て移動する、一部を移動する、リソースにかかる負荷が小さくなってから移動するなどであってもよい。
【0038】
（ＲＥＷＯＲＤ（報酬））
「ＲＥＷＯＲＤ（報酬）」は、第２の段階の一例であり、上記ＡＣＴＩＯＮ（行動）の結果により決まるテーブルステータス５０５に対する報酬を決める。このＲＥＷＯＲＤは、フェデレーテッドクエリの数およびコストにより決まる。つまり、ＲＥＷＯＲＤ（報酬）は、上記テーブルステータス５０５の状態で、フェデレーテッドクエリの数が小さいほど大きくなるようにする。また、ＲＥＷＯＲＤ（報酬）は、所定のタイミングにて、ＯＬＴＰデータベースからＯＬＴＡＰデータベースに動的にデータを移動したときに、コストが小さいほど大きくなるようにする。例えば、データ移動最適化装置１０は、フェデレーテッドクエリ数を減らしたり、コストが低いときにデータを移動するなど、正しいＡＣＴＩＯＮ（行動）をとった場合には正の報酬を与える。一方、データ移動最適化装置１０は、フェデレーテッドクエリ数が増加したり、コストが高いときにデータを移動するなどの誤ったＡＣＴＩＯＮ（行動）をとった場合は、負の報酬を与える。ＲＥＷＯＲＤ（報酬）は、予め定められた報酬関数に、フェデレーテッドクエリの数およびコストを入力することにより求めることができる。深層機械学習では、このＲＥＷＯＲＤ（報酬）が、コスト（特にコストが高い書き込みコスト）やフェデレーテッドクエリの数が最小になるような場合（Minimizing write cost and Reduce number of Federated queries）を学習する。そして、データ移動最適化装置１０は、学習の結果およびテーブルステータス５０５を基に、報酬が大きくなると推定されるときに、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータの移動を行う決定をする。
「ＲＥＷＯＲＤ（報酬）」は、第２の段階の一例であり、上記ＡＣＴＩＯＮ（行動）の結果により決まるテーブルステータス５０５に対する報酬を決める。このＲＥＷＯＲＤは、フェデレーテッドクエリの数およびコストにより決まる。つまり、ＲＥＷＯＲＤ（報酬）は、上記テーブルステータス５０５の状態で、フェデレーテッドクエリの数が小さいほど大きくなるようにする。また、ＲＥＷＯＲＤ（報酬）は、所定のタイミングにて、ＯＬＴＰデータベースからＯＬＴＡＰデータベースに動的にデータを移動したときに、コストが小さいほど大きくなるようにする。例えば、データ移動最適化装置１０は、フェデレーテッドクエリ数を減らしたり、コストが低いときにデータを移動するなど、正しいＡＣＴＩＯＮ（行動）をとった場合には正の報酬を与える。一方、データ移動最適化装置１０は、フェデレーテッドクエリ数が増加したり、コストが高いときにデータを移動するなどの誤ったＡＣＴＩＯＮ（行動）をとった場合は、負の報酬を与える。ＲＥＷＯＲＤ（報酬）は、予め定められた報酬関数に、フェデレーテッドクエリの数およびコストを入力することにより求めることができる。深層機械学習では、このＲＥＷＯＲＤ（報酬）が、コスト（特にコストが高い書き込みコスト）やフェデレーテッドクエリの数が最小になるような場合（Minimizing write cost and Reduce number of Federated queries）を学習する。そして、データ移動最適化装置１０は、学習の結果およびテーブルステータス５０５を基に、報酬が大きくなると推定されるときに、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータの移動を行う決定をする。
【0039】
（ＯＢＳＥＲＶＡＴＩＯＮ（観察））
「ＯＢＳＥＲＶＡＴＩＯＮ（観察）」は、第３の段階の一例であり、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動したときに、テーブルステータス５０５を更新する（Updated table Status）。
「ＯＢＳＥＲＶＡＴＩＯＮ（観察）」は、第３の段階の一例であり、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動したときに、テーブルステータス５０５を更新する（Updated table Status）。
【0040】
図７は、深層機械学習を行うために使用する人工ニューラルネットワーク（Artificial neural network）について示した図である。
図示する人工ニューラルネットワークは、入力層（INPUT LAYER）のノード（Input node）数は、２４個であり、出力層（OUTPUT LAYER）のノード（Output node）数は、２個である。また、隠れ層（HIDDEN LAYER）は、３層あり、それぞれのノード数は、３２個、６４個、３２個である。
図示する人工ニューラルネットワークは、入力層（INPUT LAYER）のノード（Input node）数は、２４個であり、出力層（OUTPUT LAYER）のノード（Output node）数は、２個である。また、隠れ層（HIDDEN LAYER）は、３層あり、それぞれのノード数は、３２個、６４個、３２個である。
【0041】
図８は、コストを求めるときに使用するパラメータについて示した図である。
コストは、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動する際に使用するリソースにかかる負荷に基づき算出される。このリソースは、図１では、例えば、ＣＰＵ１１、２１、ストレージデバイス１３、２３、ネットワークインタフェース１４、２４、ネットワーク４０などが該当する。
図８では、ＯＬＴＰシステム２０にかかる負荷（OLTP load）、ネットワーク４０に対する負荷（Network load）、ＯＬＡＰシステム３０にかかる負荷（OLAP load）の３つについて示している。ＯＬＴＰシステム２０およびＯＬＡＰシステム３０にかかる負荷は、例えば、ＣＰＵの占有率（CPU）、ＲＡＭの空き容量（Free RAM）、平均読み出し速度（Average data read per sec）、平均書き込み速度（Average data write per sec）である。また、ネットワーク４０に対する負荷は、ダウンロード速度（Download speed）、アップロード速度（Upload speed）、稼働率（Availability）である。
コストは、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動する際に使用するリソースにかかる負荷に基づき算出される。このリソースは、図１では、例えば、ＣＰＵ１１、２１、ストレージデバイス１３、２３、ネットワークインタフェース１４、２４、ネットワーク４０などが該当する。
図８では、ＯＬＴＰシステム２０にかかる負荷（OLTP load）、ネットワーク４０に対する負荷（Network load）、ＯＬＡＰシステム３０にかかる負荷（OLAP load）の３つについて示している。ＯＬＴＰシステム２０およびＯＬＡＰシステム３０にかかる負荷は、例えば、ＣＰＵの占有率（CPU）、ＲＡＭの空き容量（Free RAM）、平均読み出し速度（Average data read per sec）、平均書き込み速度（Average data write per sec）である。また、ネットワーク４０に対する負荷は、ダウンロード速度（Download speed）、アップロード速度（Upload speed）、稼働率（Availability）である。
【0042】
＜データ移動最適化装置１０の動作の詳細説明＞
次に、データ移動最適化装置１０の動作の詳細な説明を行う。
図９は、ポリシーネットワークを使用して、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動するときの、データ移動最適化装置１０の動作を示したフローチャートである。
まず、ポリシーネットワークが、クエリのログを読みこむ（Read query logs）（ステップＳ９０１）。
次に、ポリシーネットワークが、テーブルステータスをポリシーネットワークに入れる（Input to Policy Network）（ステップＳ９０２）。
そして、ポリシーネットワークは、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１に、データの移動を行う決定するか否かを判断する（Data movement?）（ステップＳ９０３）。
その結果、ポリシーネットワークが、データを移動しない場合（ステップＳ９０３でＮｏ）、ステップＳ９０１に戻る。
対して、ポリシーネットワークが、データの移動を決定した場合（ステップＳ９０３でＹｅｓ）、データの移動を開始する（Initiate data movement）（ステップＳ９０４）。
さらに、ポリシーネットワークは、テーブルステータスを更新する（Update Table status）（ステップＳ９０５）。
次に、データ移動最適化装置１０の動作の詳細な説明を行う。
図９は、ポリシーネットワークを使用して、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１にデータを移動するときの、データ移動最適化装置１０の動作を示したフローチャートである。
まず、ポリシーネットワークが、クエリのログを読みこむ（Read query logs）（ステップＳ９０１）。
次に、ポリシーネットワークが、テーブルステータスをポリシーネットワークに入れる（Input to Policy Network）（ステップＳ９０２）。
そして、ポリシーネットワークは、ＯＬＴＰデータベース２０１からＯＬＡＰデータベース３０１に、データの移動を行う決定するか否かを判断する（Data movement?）（ステップＳ９０３）。
その結果、ポリシーネットワークが、データを移動しない場合（ステップＳ９０３でＮｏ）、ステップＳ９０１に戻る。
対して、ポリシーネットワークが、データの移動を決定した場合（ステップＳ９０３でＹｅｓ）、データの移動を開始する（Initiate data movement）（ステップＳ９０４）。
さらに、ポリシーネットワークは、テーブルステータスを更新する（Update Table status）（ステップＳ９０５）。
【0043】
図１０～図１１は、ポリシーネットワークが学習を行う際の流れについて示したフローチャートである。つまり、図１０～図１１は、ポリシーネットワークを作成するときのフローチャートである。ここでは、データの移動を定期的に行い、この状況でポリシーネットワークは学習を行う。
ここでは、ｓｔｅｐは、クエリの数である。そして、ｓｔｅｐが予め定められた閾値を超えたときに定期的にデータの移動が行われる。また、Ｅｐｉｓｏｄｅは、定期的にデータを移動した回数を表す。
まず、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅの閾値、定期的にデータを移動する時間を設定する（Set Episode threshold ,Periodic data movement time）。また、データ移動最適化装置１０は、ランダムな重みによりポリシーネットワーク１およびポリシーネットワーク２を生成する（Create policy network 1 and 2 with random weights）（ステップＳ１００１）。
次に、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅを１に設定する（Episode=1）（ステップＳ１００２）。即ち、Ｅｐｉｓｏｄｅを初期化する。
ここでは、ｓｔｅｐは、クエリの数である。そして、ｓｔｅｐが予め定められた閾値を超えたときに定期的にデータの移動が行われる。また、Ｅｐｉｓｏｄｅは、定期的にデータを移動した回数を表す。
まず、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅの閾値、定期的にデータを移動する時間を設定する（Set Episode threshold ,Periodic data movement time）。また、データ移動最適化装置１０は、ランダムな重みによりポリシーネットワーク１およびポリシーネットワーク２を生成する（Create policy network 1 and 2 with random weights）（ステップＳ１００１）。
次に、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅを１に設定する（Episode=1）（ステップＳ１００２）。即ち、Ｅｐｉｓｏｄｅを初期化する。
【0044】
さらに、データ移動最適化装置１０は、テーブルステータスを取得する（Store table status）（ステップＳ１００３）。
また、データ移動最適化装置１０は、ｓｔｅｐを１に設定する（Step=1）（ステップＳ１００４）。即ち、ｓｔｅｐを初期化する。
そして、データ移動最適化装置１０は、クエリのログを監視する（Monitor query logs）（ステップＳ１００５）。
さらに、データ移動最適化装置１０は、テーブルステータスやクエリをチェックし、後述するフローチャート３を使用することにより、クエリのタイプを決定する（Check table status ,query and determine query type by using flow chart3）（ステップＳ１００６）。
また、データ移動最適化装置１０は、ｓｔｅｐを１に設定する（Step=1）（ステップＳ１００４）。即ち、ｓｔｅｐを初期化する。
そして、データ移動最適化装置１０は、クエリのログを監視する（Monitor query logs）（ステップＳ１００５）。
さらに、データ移動最適化装置１０は、テーブルステータスやクエリをチェックし、後述するフローチャート３を使用することにより、クエリのタイプを決定する（Check table status ,query and determine query type by using flow chart3）（ステップＳ１００６）。
【0045】
次に、データ移動最適化装置１０は、クエリのタイプがフェデレーテッドクエリであるかを判断する（Is federated query?）（ステップＳ１００７）。
その結果、クエリのタイプがフェデレーテッドクエリであった場合（ステップＳ１００７でＹｅｓ）、データ移動最適化装置１０は、フェデレーテッドクエリフラグをｔｒｕｅに設定する（Set federated query flag=true）（ステップＳ１００８）。そして、データ移動最適化装置１０は、後述するフローチャート５を使用することで、データ移動に要するおおよそのコストを決定する（Determine approximate cost of data movement using flow chart5）（ステップＳ１００９）。その後は、ステップＳ１０１０に進む。
対して、クエリのタイプがフェデレーテッドクエリでなかった場合（ステップＳ１００７でＮｏ）、データ移動最適化装置１０は、ポリシーネットワークに対しテーブルステータスを入力し、ＡＣＴＩＯＮ（行動）を決定する（Input table status to policy network 1 and determine action）（ステップＳ１０１０）。
その結果、クエリのタイプがフェデレーテッドクエリであった場合（ステップＳ１００７でＹｅｓ）、データ移動最適化装置１０は、フェデレーテッドクエリフラグをｔｒｕｅに設定する（Set federated query flag=true）（ステップＳ１００８）。そして、データ移動最適化装置１０は、後述するフローチャート５を使用することで、データ移動に要するおおよそのコストを決定する（Determine approximate cost of data movement using flow chart5）（ステップＳ１００９）。その後は、ステップＳ１０１０に進む。
対して、クエリのタイプがフェデレーテッドクエリでなかった場合（ステップＳ１００７でＮｏ）、データ移動最適化装置１０は、ポリシーネットワークに対しテーブルステータスを入力し、ＡＣＴＩＯＮ（行動）を決定する（Input table status to policy network 1 and determine action）（ステップＳ１０１０）。
【0046】
次に、データ移動最適化装置１０は、ポリシーネットワーク１の出力を取得し、後述するフローチャート４を使用して、正しい行動であることを示すフラグを決定する（Take output of policy network 1 and determine right action flag using flow chart4）（ステップＳ１０１１）。
さらに、データ移動最適化装置１０は、このフラグがｔｒｕｅであったか否かを判断する（Is right action=true?）（ステップＳ１０１２）。
その結果、このフラグがｔｒｕｅでなかった場合（ステップＳ１０１２でＮｏ）、データ移動最適化装置１０は、ＲＥＷＯＲＤ（報酬）を－３に設定する（Set reward=-3）（ステップＳ１０１３）。
また、このフラグがｔｒｕｅであった場合（ステップＳ１０１２でＹｅｓ）、データ移動最適化装置１０は、データの移動に要するコストが低かったかどうかを判断する（If data movement cost=low?）（ステップＳ１０１４）。
その結果、コストが低かった場合（ステップＳ１０１４でＹｅｓ）、データ移動最適化装置１０は、ＲＥＷＯＲＤ（報酬）を＋３に設定する（Set reward=+3）（ステップＳ１０１５）。
対して、コストが低くなかった場合（ステップＳ１０１４でＮｏ）、データ移動最適化装置１０は、ＲＥＷＯＲＤ（報酬）を＋１に設定する（Set reward=+1）（ステップＳ１０１６）。
さらに、データ移動最適化装置１０は、このフラグがｔｒｕｅであったか否かを判断する（Is right action=true?）（ステップＳ１０１２）。
その結果、このフラグがｔｒｕｅでなかった場合（ステップＳ１０１２でＮｏ）、データ移動最適化装置１０は、ＲＥＷＯＲＤ（報酬）を－３に設定する（Set reward=-3）（ステップＳ１０１３）。
また、このフラグがｔｒｕｅであった場合（ステップＳ１０１２でＹｅｓ）、データ移動最適化装置１０は、データの移動に要するコストが低かったかどうかを判断する（If data movement cost=low?）（ステップＳ１０１４）。
その結果、コストが低かった場合（ステップＳ１０１４でＹｅｓ）、データ移動最適化装置１０は、ＲＥＷＯＲＤ（報酬）を＋３に設定する（Set reward=+3）（ステップＳ１０１５）。
対して、コストが低くなかった場合（ステップＳ１０１４でＮｏ）、データ移動最適化装置１０は、ＲＥＷＯＲＤ（報酬）を＋１に設定する（Set reward=+1）（ステップＳ１０１６）。
【0047】
つまり、データの移動が正しくなかったときは、負の報酬を与える（上述した場合では、報酬は、－３）。また、データの移動が正しく、かつコストが低いときは、正の報酬を与え、その大きさは大きい（上述した場合では、報酬は、＋３）。さらに、データの移動が正しくても、コストが高いときは、正の報酬を与えるが、その大きさは小さい（上述した場合では、報酬は、＋１）。
【0048】
そして、ステップＳ１０１３、ステップＳ１０１５、ステップＳ１０１６でＲＥＷＯＲＤ（報酬）を設定した後は、データ移動最適化装置１０は、ベルマン方程式を使用して、ポリシーネットワーク２の重みを更新する（Update policy network 2 weights using the Bellman Equation）（ステップＳ１０１７）。ベルマン方程式は、動的計画法(dynamic programming)として知られる数学的最適化において、最適性の必要条件を表す方程式である。
【0049】
次に、データ移動最適化装置１０は、Ｓｔｅｐのカウントを増加させる（Increase step count）（ステップＳ１０１８）。
そして、データ移動最適化装置１０は、フェデレーテッドクエリの数が閾値を超えたかどうかを判断する（Number of federated queries > threshold?）（ステップＳ１０１９）。
その結果、フェデレーテッドクエリの数が閾値を超えた場合（ステップＳ１０１９でＹｅｓ）、データ移動最適化装置１０は、テーブルステータスを前の状態にリセットする（Reset the table status to previous status）（ステップＳ１０２０）。その後、ステップＳ１０２３に進む。
そして、データ移動最適化装置１０は、フェデレーテッドクエリの数が閾値を超えたかどうかを判断する（Number of federated queries > threshold?）（ステップＳ１０１９）。
その結果、フェデレーテッドクエリの数が閾値を超えた場合（ステップＳ１０１９でＹｅｓ）、データ移動最適化装置１０は、テーブルステータスを前の状態にリセットする（Reset the table status to previous status）（ステップＳ１０２０）。その後、ステップＳ１０２３に進む。
【0050】
対して、フェデレーテッドクエリの数が閾値を超えていない場合（ステップＳ１０１９でＮｏ）、データ移動最適化装置１０は、Ｓｔｅｐの数が、定期的なデータの移動を行うタイミングを超えているかどうかを判断する（Number of steps > periodic data timing?）（ステップＳ１０２１）。
その結果、フェデレーテッドクエリの数が閾値を超えていない場合（ステップＳ１０２１でＮｏ）、ステップＳ１００５に戻る。
対して、フェデレーテッドクエリの数が閾値を超えた場合（ステップＳ１０２１でＹｅｓ）、データ移動最適化装置１０は、定期的なデータの移動を行う（periodic data movement）（ステップＳ１０２２）。
その結果、フェデレーテッドクエリの数が閾値を超えていない場合（ステップＳ１０２１でＮｏ）、ステップＳ１００５に戻る。
対して、フェデレーテッドクエリの数が閾値を超えた場合（ステップＳ１０２１でＹｅｓ）、データ移動最適化装置１０は、定期的なデータの移動を行う（periodic data movement）（ステップＳ１０２２）。
【0051】
そして、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅを、＋１する（Episode=Episode+1）（ステップＳ１０２３）。
データ移動最適化装置１０は、一定時間経過後、ポリシーネットワーク１に、ポリシーネットワーク２の重みをコピーする（After a fixed interval copy weight of policy network 2 to policy network 1）（ステップＳ１０２４）。
次に、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅの数が、予め定められた閾値を超えているかどうかを判断する（If number of episode > predefined threshold?）（ステップＳ１０２５）。
その結果、閾値を超えていた場合（ステップ１０２５でＹｅｓ）、データ移動最適化装置１０は、データの移動を動的に予測するためのポリシーネットワークとして、ポリシーネットワーク１を使用する（Use policy network 1 for predictions）（ステップＳ１０２６）。
対して、閾値を超えていない場合（ステップＳ１０２５でＮｏ）、ステップＳ１００２に戻る。
データ移動最適化装置１０は、一定時間経過後、ポリシーネットワーク１に、ポリシーネットワーク２の重みをコピーする（After a fixed interval copy weight of policy network 2 to policy network 1）（ステップＳ１０２４）。
次に、データ移動最適化装置１０は、Ｅｐｉｓｏｄｅの数が、予め定められた閾値を超えているかどうかを判断する（If number of episode > predefined threshold?）（ステップＳ１０２５）。
その結果、閾値を超えていた場合（ステップ１０２５でＹｅｓ）、データ移動最適化装置１０は、データの移動を動的に予測するためのポリシーネットワークとして、ポリシーネットワーク１を使用する（Use policy network 1 for predictions）（ステップＳ１０２６）。
対して、閾値を超えていない場合（ステップＳ１０２５でＮｏ）、ステップＳ１００２に戻る。
【0052】
このように、データ移動最適化装置１０は、クエリ毎にＲＥＷＯＲＤ（報酬）を求め、これに従いポリシーネットワーク２は、学習を行う（ステップＳ１０１７）。そして、データ移動最適化装置１０は、クエリの数であるｓｔｅｐが予め定められた閾値を超えたときに定期的なデータの移動を行う（ステップＳ１０２１～ステップＳ１０２２）。また、フェデレーテッドクエリの数が予め定められた閾値を超えたときは、ポリシーネットワーク２は、前の状態に戻る（ステップＳ１０１９～ステップＳ１０２０）。そして、一定時間毎に、ポリシーネットワーク１に、ポリシーネットワーク２の重みがコピーされる（ステップＳ１０２４）。またここでは、データを移動した後、次のデータを移動するまでを、１つのＥｐｉｓｏｄｅとする。Ｅｐｉｓｏｄｅが、予め定められた閾値を超えたとき（ステップＳ１０２５）、最も結果が良好なポリシーネットワーク１が生成し、図９で使用するポリシーネットワークとして採用される（ステップＳ１０２６）。即ち、フェデレーテッドクエリやコストがより小さくなるポリシーネットワークに順次更新され、最もフェデレーテッドクエリやコストが小さくなるポリシーネットワークが作成される。
【0053】
図１２は、図１０のステップＳ１００６のフローチャート３についてさらに詳しく説明した図である。
まず、データ移動最適化装置１０は、テーブルステータスおよびクエリが要求する時間範囲を入力する（Input table status, Time range of query）（ステップＳ１２０１）。
次に、データ移動最適化装置１０は、時間範囲がＯＬＴＰデータベースの収録期間内であるか否かを判断する（Is time range id in OLTP range）（ステップＳ１２０２）。
その結果、時間範囲がＯＬＴＰデータベースの収録期間内である場合（ステップＳ１１０２でＹｅｓ）、データ移動最適化装置１０は、クエリのタイプが、ＯＬＴＰクエリであるとする（Set query type as OLTP query）（ステップＳ１２０３）。
対して、時間範囲がＯＬＴＰデータベースの収録期間内でない場合（ステップＳ１２０２でＮｏ）、データ移動最適化装置１０は、時間範囲がＯＬＡＰデータベースの収録期間内であるか否かを判断する（Is time range id in OATP range）（ステップＳ１２０４）。
その結果、時間範囲がＯＬＡＰデータベースの収録期間内である場合（ステップＳ１２０４でＹｅｓ）、データ移動最適化装置１０は、クエリのタイプが、ＯＬＡＰクエリであるとする（Set query type as OLAP query）（ステップＳ１２０５）。
対して、時間範囲がＯＬＡＰデータベースの収録期間内でない場合（ステップＳ１２０４でＮｏ）、データ移動最適化装置１０は、クエリのタイプが、フェデレーテッドクエリであるとする（Set query type as federated query）（ステップＳ１２０６）。
まず、データ移動最適化装置１０は、テーブルステータスおよびクエリが要求する時間範囲を入力する（Input table status, Time range of query）（ステップＳ１２０１）。
次に、データ移動最適化装置１０は、時間範囲がＯＬＴＰデータベースの収録期間内であるか否かを判断する（Is time range id in OLTP range）（ステップＳ１２０２）。
その結果、時間範囲がＯＬＴＰデータベースの収録期間内である場合（ステップＳ１１０２でＹｅｓ）、データ移動最適化装置１０は、クエリのタイプが、ＯＬＴＰクエリであるとする（Set query type as OLTP query）（ステップＳ１２０３）。
対して、時間範囲がＯＬＴＰデータベースの収録期間内でない場合（ステップＳ１２０２でＮｏ）、データ移動最適化装置１０は、時間範囲がＯＬＡＰデータベースの収録期間内であるか否かを判断する（Is time range id in OATP range）（ステップＳ１２０４）。
その結果、時間範囲がＯＬＡＰデータベースの収録期間内である場合（ステップＳ１２０４でＹｅｓ）、データ移動最適化装置１０は、クエリのタイプが、ＯＬＡＰクエリであるとする（Set query type as OLAP query）（ステップＳ１２０５）。
対して、時間範囲がＯＬＡＰデータベースの収録期間内でない場合（ステップＳ１２０４でＮｏ）、データ移動最適化装置１０は、クエリのタイプが、フェデレーテッドクエリであるとする（Set query type as federated query）（ステップＳ１２０６）。
【0054】
図１３は、図１０のステップＳ１０１１のフローチャート４についてさらに詳しく説明した図である。
まず、データ移動最適化装置１０は、ポリシーネットワークにより作成されたＡＣＴＩＯＮ（行動）を入力する（Input action provided by policy network）（ステップＳ１３０１）。
次に、データ移動最適化装置１０は、フェデレーテッドクエリフラグが正しく（federated query flag=true）、かつデータの移動がなされた（data movement actin=move）か否かを判断する（is federated query flag=true and data movement actin=move?）。あるいは、データ移動最適化装置１０は、フェデレーテッドクエリフラグが誤りであり（federated query flag=false）、かつデータの移動がなされなかった（data movement actin=no action）か否かを判断する（is federated query flag=false and data movement actin=no action?）（ステップＳ１３０２）。
その結果、ステップＳ１３０２でＹｅｓの場合、データ移動最適化装置１０は、正しい行動であることを示すフラグ（right action flag）をｔｒｕｅ（正しい）に設定する（Set right action flag as true）（ステップＳ１３０３）。
対して、ステップＳ１３０２でＮｏの場合、データ移動最適化装置１０は、正しい行動であることを示すフラグ（right action flag）をｆａｌｓｅ（誤り）に設定する（Set right action flag as false）（ステップＳ１３０４）。
まず、データ移動最適化装置１０は、ポリシーネットワークにより作成されたＡＣＴＩＯＮ（行動）を入力する（Input action provided by policy network）（ステップＳ１３０１）。
次に、データ移動最適化装置１０は、フェデレーテッドクエリフラグが正しく（federated query flag=true）、かつデータの移動がなされた（data movement actin=move）か否かを判断する（is federated query flag=true and data movement actin=move?）。あるいは、データ移動最適化装置１０は、フェデレーテッドクエリフラグが誤りであり（federated query flag=false）、かつデータの移動がなされなかった（data movement actin=no action）か否かを判断する（is federated query flag=false and data movement actin=no action?）（ステップＳ１３０２）。
その結果、ステップＳ１３０２でＹｅｓの場合、データ移動最適化装置１０は、正しい行動であることを示すフラグ（right action flag）をｔｒｕｅ（正しい）に設定する（Set right action flag as true）（ステップＳ１３０３）。
対して、ステップＳ１３０２でＮｏの場合、データ移動最適化装置１０は、正しい行動であることを示すフラグ（right action flag）をｆａｌｓｅ（誤り）に設定する（Set right action flag as false）（ステップＳ１３０４）。
【0055】
図１４は、図１０のステップＳ１００９のフローチャート５についてさらに詳しく説明した図である。
まず、データ移動最適化装置１０は、ＯＬＴＰシステム２０にかかる負荷（OLTP load）、ＯＬＡＰシステム３０にかかる負荷（OLAP load）、ネットワーク４０の状態（Network Status）、クエリの要求（Query requirement）を入力する（Input OLTP load, OLAP load, Network Status, Query requirement）（ステップＳ１４０１）。
次に、データ移動最適化装置１０は、データの移動に要するコストを算出する（Calculate the cost of data movement）（ステップＳ１４０２）。
さらに、データ移動最適化装置１０は、コストが予め定められた閾値より大きいか否かを判断する（If cost > predefined threshold）（ステップＳ１４０３）。
その結果、コストが予め定められた閾値より大きい場合（ステップＳ１４０３でＹｅｓ）、データ移動最適化装置１０は、データの移動に要する費用は高いとする（Set movement cost = high）（ステップＳ１４０４）。
対して、コストが予め定められた閾値以下の場合（ステップＳ１４０３でＮｏ）、データ移動最適化装置１０は、データの移動に要する費用は低いとする（Set movement cost as low）（ステップＳ１４０５）。
まず、データ移動最適化装置１０は、ＯＬＴＰシステム２０にかかる負荷（OLTP load）、ＯＬＡＰシステム３０にかかる負荷（OLAP load）、ネットワーク４０の状態（Network Status）、クエリの要求（Query requirement）を入力する（Input OLTP load, OLAP load, Network Status, Query requirement）（ステップＳ１４０１）。
次に、データ移動最適化装置１０は、データの移動に要するコストを算出する（Calculate the cost of data movement）（ステップＳ１４０２）。
さらに、データ移動最適化装置１０は、コストが予め定められた閾値より大きいか否かを判断する（If cost > predefined threshold）（ステップＳ１４０３）。
その結果、コストが予め定められた閾値より大きい場合（ステップＳ１４０３でＹｅｓ）、データ移動最適化装置１０は、データの移動に要する費用は高いとする（Set movement cost = high）（ステップＳ１４０４）。
対して、コストが予め定められた閾値以下の場合（ステップＳ１４０３でＮｏ）、データ移動最適化装置１０は、データの移動に要する費用は低いとする（Set movement cost as low）（ステップＳ１４０５）。
【0056】
以上説明したデータ移動最適化装置１０によれば、フェデレーテッドクエリやコストが減少するように、ＯＬＴＰデータベースに格納されたデータを、ＯＬＡＰデータベースに移動させることができる。このデータの移動は、それぞれのデータベースの状態に応じ、フェデレーテッドクエリやコストが減少するように、動的に行われる。そして移動のタイミングは、機械学習により学習された学習モデルが決める。即ち、移動するためのルールは、機械学習により、いわば自動的に作成される。そのため、データベース管理者が、ＯＬＴＰデータベースに格納されたデータをＯＬＡＰデータベースに移動させるルールを作成するための労力を軽減することができる。
【0057】
なお、以上説明した情報処理システム１では、データベースは、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの２つであったが、３つ以上であってもよい。この場合、本発明は、３つ以上のデータベースから選択される複数のデータベース間のデータの移動を行う場合について適用することができる。
【0058】
＜情報管理方法の説明＞
ここで、データ移動最適化装置１０が行う処理は、複数のデータベースの中から選択される、ＯＬＴＰデータベースおよびＯＬＡＰデータベースのそれぞれについて、データが格納されるテーブルステータス５０５を取得し、テーブルステータス５０５に対する、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する際に要するコストについて学習し、学習の結果およびテーブルステータス５０５を基に、ＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する制御を行う、情報管理方法であると捉えることができる。
ここで、データ移動最適化装置１０が行う処理は、複数のデータベースの中から選択される、ＯＬＴＰデータベースおよびＯＬＡＰデータベースのそれぞれについて、データが格納されるテーブルステータス５０５を取得し、テーブルステータス５０５に対する、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する際に要するコストについて学習し、学習の結果およびテーブルステータス５０５を基に、ＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する制御を行う、情報管理方法であると捉えることができる。
【0059】
＜プログラムの説明＞
また、以上説明を行った本実施の形態におけるデータ移動最適化装置１０が行う処理は、ソフトウェアとハードウェア資源とが協働することにより実現される。即ち、データ移動最適化装置１０に設けられたＣＰＵ等のプロセッサが、データ移動最適化装置１０の各機能を実現するプログラムを実行し、これらの各機能を実現させる。
また、以上説明を行った本実施の形態におけるデータ移動最適化装置１０が行う処理は、ソフトウェアとハードウェア資源とが協働することにより実現される。即ち、データ移動最適化装置１０に設けられたＣＰＵ等のプロセッサが、データ移動最適化装置１０の各機能を実現するプログラムを実行し、これらの各機能を実現させる。
【0060】
よって、本実施の形態で、データ移動最適化装置１０が行う処理は、コンピュータに、複数のデータベースの中から選択される、ＯＬＴＰデータベースおよびＯＬＡＰデータベースのそれぞれについて、データが格納されるテーブルステータス５０５を取得する取得機能と、テーブルステータス５０５に対する、ＯＬＴＰデータベースおよびＯＬＡＰデータベースの双方を照会する必要がある処理であるフェデレーテッドクエリの数、およびＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する際に要するコストについて学習を行う学習機能と、学習の結果およびテーブルステータス５０５を基に、ＯＬＴＰデータベースからＯＬＡＰデータベースにデータを移動する制御を行う移動機能と、を実現させるためのプログラムとして捉えることもできる。
【0061】
なお、本実施の形態を実現するプログラムは、通信手段により提供することはもちろん、ＣＤ－ＲＯＭ等の記録媒体に格納して提供することも可能である。
【0062】
以上、本実施の形態について説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、種々の変更または改良を加えたものも、本発明の技術的範囲に含まれることは、特許請求の範囲の記載から明らかである。
【符号の説明】
【0063】
１…情報処理システム、１０…データ移動最適化装置、２０…ＯＬＴＰシステム、３０…ＯＬＡＴシステム、４０…ネットワーク、１０１…テーブルステータス格納部、１０２…テーブルステータス更新部、１０３…データ移動部、１０４…ポリシーネットワーク部、１０５…ポリシーネットワーク学習部、１０６…クエリログ読取部、１０７…ネットワーク状態読取部、１０８…クエリタイプ識別部、１０９…動作管理部、５０５…テーブルステータス
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】