ホーム > 特許ランキング > ＬＩＮＥヤフー株式会社
特開2024-134041情報処理装置、情報処理方法、および情報処理プログラム
(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】P2024134041
(43)【公開日】2024-10-03
(54)【発明の名称】情報処理装置、情報処理方法、および情報処理プログラム
(51)【国際特許分類】
G06F 11/36 20060101AFI20240926BHJP
【ＦＩ】
G06F11/36 192
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2023044125
(22)【出願日】2023-03-20
(71)【出願人】
【識別番号】500257300
【氏名又は名称】ＬＩＮＥヤフー株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】松浦 聖平
(72)【発明者】
【氏名】佐藤 大己
(72)【発明者】
【氏名】澄川 憲太郎
(72)【発明者】
【氏名】宮崎 崇史
【テーマコード（参考）】
5B042
【Ｆターム（参考）】
5B042HH49
5B042MA08
5B042MA14
5B042MC22
5B042MC33
(57)【要約】
【課題】自動チューニングモデルを用いたチューニング結果を適切に本番環境に適用することを可能とする情報処理装置、情報処理装方法、および情報処理プログラムを提供すること。
【解決手段】本願に係る情報処理装置は、テスト実行部と、自動チューニング推論部と、リスク評価部とを備える。テスト実行部は、チューニングの対象となるソフトウェアをテスト環境で実行する。自動チューニング推論部は、テスト実行部によるテスト環境でのソフトウェアの実行中にテスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いてソフトウェアのテスト環境でのチューニング値を推論する。リスク評価部は、自動チューニング推論部によって推論されたチューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価する。
【選択図】図３
【解決手段】本願に係る情報処理装置は、テスト実行部と、自動チューニング推論部と、リスク評価部とを備える。テスト実行部は、チューニングの対象となるソフトウェアをテスト環境で実行する。自動チューニング推論部は、テスト実行部によるテスト環境でのソフトウェアの実行中にテスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いてソフトウェアのテスト環境でのチューニング値を推論する。リスク評価部は、自動チューニング推論部によって推論されたチューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価する。
【選択図】図３
【特許請求の範囲】
【請求項1】
チューニングの対象となるソフトウェアをテスト環境で実行するテスト実行部と、
前記テスト実行部による前記テスト環境での前記ソフトウェアの実行中に前記テスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いて前記ソフトウェアの前記テスト環境でのチューニング値を推論する自動チューニング推論部と、
前記自動チューニング推論部によって推論された前記チューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価するリスク評価部と、を備える
ことを特徴とする情報処理装置。
前記テスト実行部による前記テスト環境での前記ソフトウェアの実行中に前記テスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いて前記ソフトウェアの前記テスト環境でのチューニング値を推論する自動チューニング推論部と、
前記自動チューニング推論部によって推論された前記チューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価するリスク評価部と、を備える
ことを特徴とする情報処理装置。
【請求項2】
前記自動チューニング推論部は、
前記ソフトウェアの前記テスト環境でのパラメータ値を前記チューニング値として推論する
ことを特徴とする請求項１に記載の情報処理装置。
前記ソフトウェアの前記テスト環境でのパラメータ値を前記チューニング値として推論する
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記テスト実行部は、
前記自動チューニング推論部によって推論された前記パラメータ値を用いて前記ソフトウェアを前記テスト環境で実行し、
前記リスク評価部は、
前記自動チューニング推論部によって推論された前記パラメータ値に基づいて実行される前記ソフトウェアの前記テスト環境での性能値に基づいて、前記適用リスクを評価する
ことを特徴とする請求項２に記載の情報処理装置。
前記自動チューニング推論部によって推論された前記パラメータ値を用いて前記ソフトウェアを前記テスト環境で実行し、
前記リスク評価部は、
前記自動チューニング推論部によって推論された前記パラメータ値に基づいて実行される前記ソフトウェアの前記テスト環境での性能値に基づいて、前記適用リスクを評価する
ことを特徴とする請求項２に記載の情報処理装置。
【請求項4】
前記性能値は、
スループット値およびレスポンスタイム値のうちの少なくとも１つを含む
ことを特徴とする請求項３に記載の情報処理装置。
スループット値およびレスポンスタイム値のうちの少なくとも１つを含む
ことを特徴とする請求項３に記載の情報処理装置。
【請求項5】
前記自動チューニング推論部は、
前記ソフトウェアの前記テスト環境での仮想マシンのスペック値を前記チューニング値として推論する
ことを特徴とする請求項１に記載の情報処理装置。
前記ソフトウェアの前記テスト環境での仮想マシンのスペック値を前記チューニング値として推論する
ことを特徴とする請求項１に記載の情報処理装置。
【請求項6】
前記スペック値は、
ＣＰＵコア数およびメモリサイズのうちの少なくとも１つを含む
ことを特徴とする請求項５に記載の情報処理装置。
ＣＰＵコア数およびメモリサイズのうちの少なくとも１つを含む
ことを特徴とする請求項５に記載の情報処理装置。
【請求項7】
前記テスト実行部は、
前記自動チューニング推論部によって推論された前記スペック値を用いて前記ソフトウェアを前記テスト環境で実行し、
前記リスク評価部は、
前記自動チューニング推論部によって推論された前記スペック値と予め定められた閾値との比較結果に基づいて、前記適用リスクを評価する
ことを特徴とする請求項５に記載の情報処理装置。
前記自動チューニング推論部によって推論された前記スペック値を用いて前記ソフトウェアを前記テスト環境で実行し、
前記リスク評価部は、
前記自動チューニング推論部によって推論された前記スペック値と予め定められた閾値との比較結果に基づいて、前記適用リスクを評価する
ことを特徴とする請求項５に記載の情報処理装置。
【請求項8】
前記テスト環境と前記本番環境との差に応じた補正値に基づいて、前記自動チューニング推論部によって推論された前記チューニング値を補正する補正部を備える
ことを特徴とする請求項１～７のいずれか１つに記載の情報処理装置。
ことを特徴とする請求項１～７のいずれか１つに記載の情報処理装置。
【請求項9】
前記補正部による補正結果に基づく情報を前記適用情報として前記本番環境に適用する本番適用部を備える
ことを特徴とする請求項８に記載の情報処理装置。
ことを特徴とする請求項８に記載の情報処理装置。
【請求項10】
前記本番適用部は、
前記チューニング値を前記ソフトウェアの定義ファイルに設定し、前記チューニング値を設定した前記定義ファイルを前記適用情報として前記本番環境に適用する
ことを特徴とする請求項９に記載の情報処理装置。
前記チューニング値を前記ソフトウェアの定義ファイルに設定し、前記チューニング値を設定した前記定義ファイルを前記適用情報として前記本番環境に適用する
ことを特徴とする請求項９に記載の情報処理装置。
【請求項11】
コンピュータが実行する情報処理方法であって、
チューニングの対象となるソフトウェアをテスト環境で実行するテスト実行工程と、
前記テスト実行工程による前記テスト環境での前記ソフトウェアの実行中に前記テスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いて前記ソフトウェアの前記テスト環境でのチューニング値を推論する自動チューニング推論工程と、
前記自動チューニング推論工程によって推論された前記チューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価するリスク評価工程と、を含む
ことを特徴とする情報処理方法。
チューニングの対象となるソフトウェアをテスト環境で実行するテスト実行工程と、
前記テスト実行工程による前記テスト環境での前記ソフトウェアの実行中に前記テスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いて前記ソフトウェアの前記テスト環境でのチューニング値を推論する自動チューニング推論工程と、
前記自動チューニング推論工程によって推論された前記チューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価するリスク評価工程と、を含む
ことを特徴とする情報処理方法。
【請求項12】
チューニングの対象となるソフトウェアをテスト環境で実行するテスト実行手順と、
前記テスト実行手順による前記テスト環境での前記ソフトウェアの実行中に前記テスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いて前記ソフトウェアの前記テスト環境でのチューニング値を推論する自動チューニング推論手順と、
前記自動チューニング推論手順によって推論された前記チューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価するリスク評価手順と、をコンピュータに実行させる
ことを特徴とする情報処理プログラム。
前記テスト実行手順による前記テスト環境での前記ソフトウェアの実行中に前記テスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いて前記ソフトウェアの前記テスト環境でのチューニング値を推論する自動チューニング推論手順と、
前記自動チューニング推論手順によって推論された前記チューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価するリスク評価手順と、をコンピュータに実行させる
ことを特徴とする情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法、および情報処理プログラムに関する。
【背景技術】
【0002】
近年、ソフトウェアのチューニングに機械学習技術を応用することによって、ソフトウェアのチューニングを自動化したり、省力化したりする技術（システム向けの機械学習：Machine Learning for Systems）が注目を集めている。
【0003】
例えば、非特許文献には、ソフトウェアの一種であるデータベース管理システムを対象として、データベース管理システムのメトリクスデータを入力データとし、データベース処理のスループットの最大化や問い合わせ処理のレスポンスタイムの最小化を図るデータベースパラメータ値をチューニング値として出力する機械学習モデルである自動チューニングモデルを作成する技術が提案されている。かかる自動チューニングモデルによって、データベース管理システムの性能チューニングを自動化することができる。
【0004】
このような自動化・省力化技術は、多数のソフトウェアを運用・管理する企業において、性能チューニングに係る労力の削減や計算機リソースの利用効率の向上などが図れることから、ニーズが大きい。
【先行技術文献】
【非特許文献】
【0005】
【非特許文献1】Dana Van Aken、外3名、"Automatic Database Management System Tuning Through Large-scale Machine Learning”、SIGMOD '17: Proceedings of the 2017 ACM International Conference on Management of Data、Association for Computing Machinery、2017年5月9日、p.1009-1024
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかしながら、上記の非特許文献１では、本番環境で稼働するデータベース管理システムを直接自動チューニングしているため、自動チューニングモデルがチューニング値として出力するパラメータ値が適切でない場合、本番環境の性能を逆に劣化させたり、より多量の計算機リソースを消費したりするといった課題がある。このことは、例えば、自動チューニングモデルが出力するチューニング値がパラメータ値以外の場合であっても同様である。
【0007】
本願は、上記に鑑みてなされたものであって、自動チューニングモデルを用いたチューニング結果を適切に本番環境に適用することを可能とする情報処理装置、情報処理方法、および情報処理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】
【0008】
本願に係る情報処理装置は、テスト実行部と、自動チューニング推論部と、リスク評価部とを備える。テスト実行部は、チューニングの対象となるソフトウェアをテスト環境で実行する。自動チューニング推論部は、テスト実行部によるテスト環境でのソフトウェアの実行中にテスト環境のメトリクスデータを入力データとする自動チューニングモデルを用いてソフトウェアのテスト環境でのチューニング値を推論する。リスク評価部は、自動チューニング推論部によって推論されたチューニング値に基づく情報である適用情報を本番環境に適用した場合のリスクである適用リスクを評価する。
【発明の効果】
【0009】
実施形態の一態様によれば、自動チューニングモデルを用いたチューニング結果を適切に本番環境に適用することを可能とすることができるという効果を奏する。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下に、本願に係る情報処理装置、情報処理方法、および情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、および情報処理プログラムが限定されるものではない。また、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
【0012】
〔１．第１実施形態〕
〔１．１．情報処理の一例〕
まず、図１を用いて、第１実施形態に係る情報処理の一例について説明する。図１は、第１実施形態に係る情報処理の一例を示す図であり、情報処理装置１によって実行される。
〔１．１．情報処理の一例〕
まず、図１を用いて、第１実施形態に係る情報処理の一例について説明する。図１は、第１実施形態に係る情報処理の一例を示す図であり、情報処理装置１によって実行される。
【0013】
図１に示す情報処理装置１には、ＣＩ／ＣＤ（Continuous Integration/Continuous Delivery：継続的インテグレーション・継続的デリバリー）に自動チューニング機能が取り入れられており、本番環境５で用いられるソフトウェアであって自動チューニングの対象となるソフトウェアのパラメータ値のチューニングを行う。以下において、自動チューニングの対象となるソフトウェアを自動チューニング対象ソフトウェアと記載する場合がある。
【0014】
継続的インテグレーションは、自動チューニング対象ソフトウェアのビルド処理やテスト処理を自動化する。継続的デリバリーは、テスト後に利用環境に導入可能な状態にリリースする工程までを自動化する。
【0015】
図１に示すように、情報処理装置１は、ユーザＵの端末装置２から送信される自動チューニング要求を受け付ける（ステップＳ１）。自動チューニング要求には、自動チューニングに関する定義情報が含まれている。
【0016】
定義情報には、例えば、自動チューニングリスク評価指示情報、自動チューニング補正指示情報などが含まれる。自動チューニングリスク評価指示情報には、性能値と比較される閾値の情報が含まれ、自動チューニング補正指示情報には、テスト環境４と本番環境５との差に応じた補正値の情報が含まれる。
【0017】
情報処理装置１は、自動チューニング対象ソフトウェアのテスト環境４でのテストを実行する（ステップＳ２）。テスト環境４は、情報処理装置１のうち自動チューニング対象ソフトウェアを実行するテスト実行部５０と、自動チューニング対象ソフトウェアによって制御される周辺テスト環境３とを含む。
【0018】
ステップＳ２において、情報処理装置１は、自動チューニング対象ソフトウェアのビルドを実行して物理マシンや仮想マシンで実行可能となるバイナリファイルを生成する。そして、情報処理装置１は、テスト環境４において、テストスクリプトに記載されたテストシナリオに従ってテストを実行する。ステップＳ２の処理は、テスト実行部５０内での処理（ステップＳ２－１）、および、テスト実行部５０による周辺テスト環境３の制御（ステップＳ２－２）などを含む。
【0019】
テストシナリオは、例えば、上述したバイナリファイルに引数を記載する実行コマンド、および、上述したバイナルファイルを多重に起動して、自動チューニング対象ソフトウェアや周辺テスト環境３などに負荷をかける実行コマンドなどを含む。
【0020】
情報処理装置１は、自動チューニング対象ソフトウェアのテストの実行中にテスト環境４のメトリクスデータを取得する（ステップＳ３）。テスト環境４のメトリクスデータは、例えば、ＣＰＵ利用率、メモリの空き容量、Ｉ／Ｏ（Input/Output）の統計情報などのデータである。
【0021】
つづいて、情報処理装置１は、ステップＳ３で取得されたメトリクスデータと自動チューニングモデルとを用いて、チューニングパラメータ値を推論する自動チューニング推論処理を実行する（ステップＳ４）。チューニングパラメータ値は、チューニング値の一例である。
【0022】
チューニングパラメータ値は、自動チューニングによって推論されるチューニングされたパラメータ値であり、例えば、自動チューニング対象ソフトウェアのチューニングパラメータ値、自動チューニング対象ソフトウェアがアクセスする周辺テスト環境３のチューニングパラメータ値などを含む。
【0023】
ステップＳ３の自動チューニング推論処理において、情報処理装置１は、例えば、ステップＳ３で取得されたメトリクスデータを自動チューニングモデルに入力し、自動チューニングモデルから出力されるパラメータ値をチューニングパラメータ値の推論結果とする。
【0024】
つづいて、情報処理装置１は、ステップＳ４で推論されたチューニングパラメータ値を自動チューニング対象ソフトウェアや周辺テスト環境３に設定した後、自動チューニング対象ソフトウェアのテスト環境４でのテストを再実行する（ステップＳ５）。ステップＳ５の処理は、ステップＳ２の処理と同様に、テスト実行部５０内での処理（ステップＳ５－１）、および、テスト実行部５０による周辺テスト環境３の制御（ステップＳ５－２）などを含む。
【0025】
情報処理装置１は、自動チューニング対象ソフトウェアのテストの再実行中におけるテスト環境４のスループット値およびレスポンスタイム値などの性能値を取得する（ステップＳ６）。そして、情報処理装置１は、ステップＳ６で取得した性能値に基づいて、チューニングパラメータ値に基づく情報である適用情報の本番環境５への適用のリスクである適用リスクを評価する（ステップＳ７）。
【0026】
例えば、情報処理装置１は、スループット値が上述した閾値を下回る場合、自動チューニングのパラメータを本番環境５に適用しても、事前に指示された以上の性能を達成可能なため、適用リスクなし、と判定する。一方、情報処理装置１は、スループット値が上述した閾値以上である場合、自動チューニングのパラメータを本番環境５に適用すると、事前に指示された性能を下回ると判定する。
【0027】
つづいて、情報処理装置１は、テスト環境４と本番環境５との差（例えば、マシンスペックやデータサイズなどの差）に応じた補正値に基づいて、ステップＳ４で推論したチューニングパラメータ値を補正する（ステップＳ８）。
【0028】
情報処理装置１は、ステップＳ８において、例えば、ステップＳ１で受け付けた自動チューニング要求の定義情報に上述した補正値の情報が含まれる場合、かかる補正値に基づいて、チューニングパラメータ値を補正する。
【0029】
また、情報処理装置１は、自動チューニング要求の定義情報に上述した補正値の情報が含まれない場合などにおいて、テスト環境４と本番環境５との差（例えば、マシンスペックやデータサイズなどの差）に基づいて、チューニングパラメータ値を補正する補正値を算出する。この場合、情報処理装置１は、算出した補正値を用いてチューニングパラメータ値を補正する。
【0030】
つづいて、情報処理装置１は、ステップＳ８で補正したチューニングパラメータ値を含む情報を適用情報として本番環境５に適用する（ステップＳ９）。適用情報の本番環境５への適用は、自動チューニング対象ソフトウェアや周辺テスト環境３にステップＳ８で補正されたチューニングパラメータ値を適用することによって行われる。以下において、補正値によって補正されたチューニングパラメータ補正値と記載する場合がある。
【0031】
自動チューニング対象ソフトウェアへのチューニングパラメータ補正値の適用は、例えば、自動チューニング対象ソフトウェアの定義ファイルにチューニングパラメータ補正値を記載したり、自動チューニング対象ソフトウェアの引数にチューニングパラメータ補正値を記載したりすることによって行われる。定義ファイルや引数は、適用情報の一例である。
【0032】
このように、情報処理装置１は、自動チューニング対象ソフトウェアをテスト環境４でテストを実行し、テストスプリクトでのテストの実行中にテスト環境４のメトリクスデータを入力データとする自動チューニングモデルを用いて自動チューニング対象ソフトウェアのテスト環境４でのチューニングされたパラメータ値であるチューニングパラメータ値を推論する。
【0033】
そして、情報処理装置１は、チューニングパラメータ値に基づく情報を含む適用情報の本番環境５へのパラメータ値の適用リスクを評価する。これにより、情報処理装置１は、チューニング値であるチューニングパラメータ値に基づく情報を適用情報として本番環境５に適用する前に、そのリスクを把握することができる。そのため、情報処理装置１は、自動チューニングモデルが出力するチューニング値に基づく情報である適用情報を適切に本番環境５に適用することが可能となる。
【0034】
また、情報処理装置１は、テスト環境４と本番環境５との差に応じた補正値を用いて、チューニング値であるチューニングパラメータ値を補正する。これにより、情報処理装置１は、本番環境５に適用するチューニング値を適切な内容とすることができる。そのため、情報処理装置１は、自動チューニングモデルが出力するチューニング値に基づく情報を適用情報として適切に本番環境５に適用することが可能となる。
【0035】
以下、このような処理を行う情報処理装置１および端末装置２を含む情報処理システムの構成などについて、詳細に説明する。
【0036】
〔１．２．情報処理システムの構成〕
図２は、第１実施形態に係る情報処理システムの構成の一例を示す図である。図２に示すように、第１実施形態に係る情報処理システム１００は、情報処理装置１と、端末装置２と、周辺テスト環境３と、本番環境５と、ソースコード管理システム６と、モデル管理システム７とを含む。
図２は、第１実施形態に係る情報処理システムの構成の一例を示す図である。図２に示すように、第１実施形態に係る情報処理システム１００は、情報処理装置１と、端末装置２と、周辺テスト環境３と、本番環境５と、ソースコード管理システム６と、モデル管理システム７とを含む。
【0037】
端末装置２は、自動チューニング対象ソフトウェアを含む本番環境５の自動チューニングを要求するユーザＵによって用いられるクラアント端末などである。端末装置２は、例えば、ノートＰＣ（Personal Computer）やデスクトップＰＣであるが、スマートフォンやタブレットＰＣなどであってもよい。
【0038】
ユーザＵは、端末装置２から、定義情報を含む自動チューニング要求を情報処理装置１にネットワークＮを介して送信することで、情報処理装置１に自動チューニング処理を開始させる。
【0039】
情報処理装置１、端末装置２、周辺テスト環境３、本番環境５、ソースコード管理システム６、およびモデル管理システム７は、ネットワークＮを介して、有線または無線により互いに通信可能に接続される。なお、図２に示す情報処理システム１００には、情報処理装置１、端末装置２、周辺テスト環境３、本番環境５、ソースコード管理システム６、およびモデル管理システム７などの各々が複数含まれてもよい。
【0040】
ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）およびＬＴＥ（Long Term Evolution）、４Ｇ（4th Generation）、５Ｇ（5th Generation：第５世代移動通信システム）などの移動体通信網などを含む。
【0041】
端末装置２は、移動体通信網や、Ｂｌｕｅｔｏｏｔｈ（登録商標）、無線ＬＡＮ（Local Area Network）などの近距離無線通信を介してネットワークＮに接続し、情報処理装置１と通信することができる。
【0042】
周辺テスト環境３は、複数の周辺テストシステム９１，９２，・・・，９ｎを含む。ｎは、例えば、３以上の整数である。以下において、周辺テストシステム９１，９２，・・・，９ｎの各々を個別に区別せずに示す場合、周辺テストシステム９と記載する場合がある。周辺テストシステム９は、例えば、データベースサーバやメールサーバなどのサーバ装置であるが、かかる例に限定されない。
【0043】
本番環境５は、本番環境システム８を含む。本番環境システム８は、例えば、自動チューニング対象ソフトウェアが実行されるＯＳがインストールされる主装置や１以上の周辺装置などが含まれる。周辺装置は、例えば、データベースサーバやメールサーバなどのサーバ装置であるが、かかる例に限定されない。
【0044】
ソースコード管理システム６は、自動チューニング対象ソフトウェアのソースコードと、かかる自動チューニング対象ソフトウェアの正常動作や負荷テストを行うためのテストスクリプトのソースコードとを保持し管理する。
【0045】
モデル管理システム７は、自動チューニングを行うための機械学習モデルである自動チューニングモデルの情報を保持し管理する。自動チューニングモデルは、メトリクスデータを入力とし、テスト環境４のパラメータの推論値を出力するモデルである。
【0046】
テスト環境４のパラメータの推論値は、例えば、自動チューニング対象ソフトウェアおよび周辺テスト環境３の周辺テストシステム９の各々のパラメータの推論値である。自動チューニングモデルは、例えば、上述した非特許文献に記載のガウス過程回帰モデルやニューラルネットワークなどの機械学習モデルであるが、かかる例に限定されない。
【0047】
【0048】
〔１．３．１．通信部１０〕
通信部１０は、例えば、通信モジュールやＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２などとの間でネットワークＮを介して情報の送受信を行う。
通信部１０は、例えば、通信モジュールやＮＩＣ（Network Interface Card）などによって実現される。そして、通信部１０は、ネットワークＮと有線または無線で接続され、他の各種装置との間で情報の送受信を行う。例えば、通信部１０は、端末装置２などとの間でネットワークＮを介して情報の送受信を行う。
【0049】
〔１．３．２．記憶部１１〕
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。
記憶部１１は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置によって実現される。
【0050】
〔１．３．３．処理部１２〕
処理部１２は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）などのプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭなどを作業領域として実行されることにより実現される。
処理部１２は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）などのプロセッサによって、情報処理装置１内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭなどを作業領域として実行されることにより実現される。
【0051】
また、処理部１２は、コントローラ（controller）であり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＧＰＧＰＵ（General Purpose Graphic Processing Unit）などの集積回路により実現されてもよい。
【0052】
図３に示すように、処理部１２は、全体制御部２０と、自動チューニング部２１とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、処理部１２の内部構成は、図３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
【0053】
〔１．３．３．１．全体制御部２０〕
全体制御部２０は、情報処理装置１の全体を制御する。かかる全体制御部２０は、自動チューニング要求を受け付ける要求受付部３０と、要求受付部３０によって受け付けられた自動チューニング要求に含まれる定義情報を抽出する定義情報抽出部３１とを備える。
全体制御部２０は、情報処理装置１の全体を制御する。かかる全体制御部２０は、自動チューニング要求を受け付ける要求受付部３０と、要求受付部３０によって受け付けられた自動チューニング要求に含まれる定義情報を抽出する定義情報抽出部３１とを備える。
【0054】
図４は、第１実施形態に係る情報処理装置１の要求受付部３０によって受け付けられた自動チューニング要求に含まれる定義情報の一例を示す図である。図４に示すように、自動チューニング要求に含まれる定義情報には、例えば、ソースコード管理システム接続情報、対象ソフトウェア指定情報、テストスプリクト指定情報、モデル管理システム接続情報、周辺テストシステム接続情報、本番環境システム接続情報、自動チューニングリスク評価指示情報、自動チューニング補正指示情報などが含まれる。
【0055】
ソースコード管理システム接続情報は、ソースコード管理システム６に接続するための情報であり、例えば、ソースコード管理システム６のＩＰ（Internet Protocol）アドレス、ホスト名、ログインユーザ名、ログインパスワードなどの情報を含む。
【0056】
対象ソフトウェア指定情報は、自動チューニング対象ソフトウェアを指定する情報であり、例えば、自動チューニング対象ソフトウェアの名称やバージョン番号などの情報を含む。
【0057】
テストスプリクト指定情報は、自動チューニング対象ソフトウェアをテストするためのテストスプリクトを指定する情報であり、例えば、テストスプリクトの名称やバージョン番号などの情報を含む。
【0058】
モデル管理システム接続情報は、モデル管理システム７に接続するための情報であり、例えば、モデル管理システム７のＩＰアドレス、ホスト名、ログインユーザ名、ログインパスワードなどの情報を含む。
【0059】
周辺テストシステム接続情報は、周辺テストシステム９に接続するための情報であり、例えば、周辺テストシステム９のＩＰアドレス、ホスト名、ログインユーザ名、ログインパスワードなどの情報を含む。
【0060】
本番環境システム接続情報は、本番環境システム８に接続するための情報であり、例えば、本番環境システム８のＩＰアドレス、ホスト名、ログインユーザ名、ログインパスワードなどの情報を含む。
【0061】
自動チューニングリスク評価指示情報は、自動チューニングの結果が本番環境５において意図しない性能劣化を起こさないかのリスク確認の条件であるリスク評価条件を示す情報を含む。例えば、リスク評価指示情報は、自動チューニング対象ソフトウェアが本番環境５で達成するべきスループットやレスポンスタイムといった値を示す情報を閾値の情報として含む。
【0062】
図４に示す自動チューニングリスク評価指示情報には、自動チューニングで推論されるパラメータ値であるチューニングパラメータ値を用いた自動チューニング対象ソフトウェアの実行時におけるスループット値（throughput_auto_tuning）が閾値（throughput_default）以上であればリスクがないとするリスク評価条件を示す情報が含まれる。
【0063】
自動チューニング補正指示情報は、自動チューニングによって得られるチューニングパラメータ値に対する補正値であって、テスト環境４と本番環境５との差（例えば、マシンスペックやデータサイズなどの差異）に応じた補正値に関する情報を含む。
【0064】
図５に示す自動チューニング補正指示情報には、「parameter_01」の補正値「2.0」を示す情報、「parameter_02」の補正値「1.5」を示す情報が含まれる。補正値は、自動チューニングによって得られるチューニングパラメータ値に乗算される補正係数であるが、かかる例に限定されない。
【0065】
〔１．３．３．２．自動チューニング部２１〕
自動チューニング部２１は、自動チューニング対象ソフトウェアを含む本番環境５に対する自動チューニング処理を行う。自動チューニング部２１は、自動チューニング準備部４０と、自動チューニング実行部４１と、リスク評価部４２と、補正部４３と、本番適用部４４とを備える。
自動チューニング部２１は、自動チューニング対象ソフトウェアを含む本番環境５に対する自動チューニング処理を行う。自動チューニング部２１は、自動チューニング準備部４０と、自動チューニング実行部４１と、リスク評価部４２と、補正部４３と、本番適用部４４とを備える。
【0066】
〔１．３．３．２．１．自動チューニング準備部４０〕
自動チューニング準備部４０は、ユーザＵからの自動チューニング要求が要求受付部３０によって受け付けられた場合に、自動チューニング部２１が最初に実行する処理モジュールである。
自動チューニング準備部４０は、ユーザＵからの自動チューニング要求が要求受付部３０によって受け付けられた場合に、自動チューニング部２１が最初に実行する処理モジュールである。
【0067】
自動チューニング準備部４０は、ユーザＵからの自動チューニング要求が要求受付部３０によって受け付けられた場合、かかる自動チューニング要求に含まれる定義情報であって自動チューニング処理に必要となる定義情報を解析する。
【0068】
自動チューニング準備部４０は、ソースコード管理システム接続情報、対象ソフトウェア指定情報、テストスプリクト指定情報、モデル管理システム接続情報、周辺テストシステム接続情報、本番環境システム接続情報、自動チューニングリスク評価指示情報、自動チューニング補正指示情報などの各々の情報を定義情報の解析結果として定義情報から抽出する。
【0069】
自動チューニング準備部４０は、定義情報から抽出したソースコード管理システム接続情報、対象ソフトウェア指定情報、テストスプリクト指定情報、モデル管理システム接続情報、周辺テストシステム接続情報、本番環境システム接続情報などに基づいて、自動チューニングに必要となる情報の取得や必要システムへのアクセスを行う。
【0070】
例えば、自動チューニング準備部４０は、ソースコード管理システム接続情報に基づいて、ソースコード管理システム６にアクセスし、対象ソフトウェア指定情報で指定される自動チューニング対象ソフトウェアのソースコードを含むコード情報とテストスプリクト指定情報で指定されるテストスプリクトとをソースコード管理システム６から取得するダウンロード処理を実行する。
【0071】
また、自動チューニング準備部４０は、モデル管理システム接続情報に基づいて、モデル管理システム７にアクセスし、モデル管理システム７から自動チューニングモデルを取得するダウンロード処理を実行する。
【0072】
なお、定義情報には、自動チューニングモデルを指定する情報を含む自動チューニングモデル指定情報が含まれていてもよく、この場合、自動チューニング準備部４０は、自動チューニングモデル指定情報で指定された自動チューニングモデルをモデル管理システム７から取得する。
【0073】
〔１．３．３．２．２．自動チューニング実行部４１〕
自動チューニング実行部４１は、自動チューニング準備部４０によって取得された自動チューニング対象ソフトウェアのコード情報、テストスプリクト、および自動チューニングモデルの情報を用いて、自動チューニング対象ソフトウェアの自動チューニングを行う処理モジュールである。
自動チューニング実行部４１は、自動チューニング準備部４０によって取得された自動チューニング対象ソフトウェアのコード情報、テストスプリクト、および自動チューニングモデルの情報を用いて、自動チューニング対象ソフトウェアの自動チューニングを行う処理モジュールである。
【0074】
自動チューニング実行部４１は、自動チューニング準備部４０によって取得された自動チューニング対象ソフトウェアのコード情報とテストスクリプトに含まれるビルドコマンドなどを利用して、自動チューニング対象ソフトウェアのビルドを実行する。かかるビルドの実行により、自動チューニング対象ソフトウェアが物理マシンや仮想マシンで実行可能となるバイナリファイルが生成される。
【0075】
自動チューニング実行部４１は、テスト実行部５０と、メトリクスデータ取得部５１と、自動チューニング推論部５２と、性能値取得部５３とを備える。テスト実行部５０は、自動チューニング準備部４０で抽出された周辺テストシステム接続情報を用いて、テスト環境４に含まれる周辺テストシステム９にログインし、テスト環境４において、テストスクリプトに記載されたテストシナリオに従って、テストを実行する処理を繰り返す。かかる繰り返し処理は、全てのテストシナリオを実施し終えるまで、実行される。
【0076】
テストシナリオは、例えば、上述したバイナリファイルに引数を記載する実行コマンド、および、上述したバイナルファイルを多重に起動して、自動チューニング対象ソフトウェアや周辺テストシステム９などに負荷をかける実行コマンドなどを含む。これらの実行コマンドが、１つ以上、テストスクリプトに記載されており、テストスクリプトに記載されたコマンドを全て実行し終えるまで、上述した繰り返し処理が実行される。
【0077】
メトリクスデータ取得部５１は、テスト実行部５０によるテストスプリクトでのテストの実行中にテスト環境４に含まれるテスト実行部５０や各周辺テストシステム９のメトリクスデータを取得する。テスト環境４のメトリクスデータは、例えば、ＣＰＵ利用率、メモリの空き容量、Ｉ／Ｏの統計情報などのデータである。
【0078】
自動チューニング推論部５２は、自動チューニング実行部４１によってテストが終了した場合、メトリクスデータ取得部５１によって取得されたメトリクスデータと自動チューニング準備部４０によって取得された自動チューニングモデルとを用いて、自動チューニング推論処理を実行する。
【0079】
自動チューニング推論処理は、自動チューニング対象ソフトウェアのチューニングパラメータ値、自動チューニング対象ソフトウェアがアクセスする周辺テストシステム９のチューニングパラメータ値などを推論する処理である。チューニングパラメータ値は、自動チューニングによって推論されるチューニングされたパラメータ値である。
【0080】
自動チューニング推論部５２は、メトリクスデータ取得部５１によって取得されたメトリクスデータを自動チューニングモデルに入力し、自動チューニングモデルから出力されるパラメータ値をチューニングパラメータ値として推論する。
【0081】
テスト実行部５０は、自動チューニング推論部５２によって推論されたチューニングパラメータ値を自動チューニング対象ソフトウェアや周辺テストシステム９に設定した後、テストスプリクトを用いて自動チューニング対象ソフトウェアをテスト環境４で実行する。
【0082】
性能値取得部５３は、テスト実行部５０による自動チューニング対象ソフトウェアの実行時におけるスループット値およびレスポンスタイム値などを性能値として取得する。例えば、性能値取得部５３は、データベース処理を行う周辺テストシステム９から、データベース処理のスループット値を性能値として取得する。
【0083】
自動チューニング実行部４１は、自動チューニング推論部５２によって推論されたチューニングパラメータ値と、性能値取得部５３によって取得された性能値とを含む情報を含む自動チューニング推論結果を出力する。
【0084】
図５は、第１実施形態に係る情報処理装置１の自動チューニング実行部４１から出力される自動チューニング推論結果の一例を示す図である。図５に示す自動チューニング推論結果では、性能値取得部５３によって取得された性能値を含む情報として、「throughput_auto_tuning:tp1」と、「response_time_auto_tuning:rp1」とが含まれる。
【0085】
「throughput_auto_tuning:tp1」は、自動チューニング推論部５２によって推論されたチューニングパラメータ値を自動チューニング対象ソフトウェアや周辺テストシステム９に設定して自動チューニング対象ソフトウェアを実行した際に得られるスループット値が「tp1」であることを示す。なお、「tp1」は、数値であるが、説明の便宜上、英文字と数字で示している。
【0086】
「response_time_auto_tuning:rp1」は、自動チューニング推論部５２によって推論されたチューニングパラメータ値を自動チューニング対象ソフトウェアや周辺テストシステム９に設定して自動チューニング対象ソフトウェアを実行した際に得られるレスポンスタイム値が「rp1」であることを示す。なお、「rp1」は、数値であるが、説明の便宜上、英文字と数字で示している。
【0087】
また、図５に示す自動チューニング推論結果では、自動チューニング推論部５２によって推論されたチューニングパラメータ値を含む情報として、「parameter_01:value_01」、「parameter_02:value_02」、・・・などの情報が含まれる。
【0088】
「parameter_01:value_01」は、パラメータ「parameter_01」に対するパラメータ値が「value_01」であることを示し、「parameter_02:value_02」は、パラメータ「parameter_02」に対するパラメータ値が「value_02」であることを示す。「value_01」や「value_02」は、数値であるが、説明の便宜上、英文字と数字で示している。
【0089】
図５に示す自動チューニング推論結果では、チューニングパラメータ値を含む情報として、自動チューニング対象ソフトウェアのチューニングパラメータ値を含む情報、周辺テストシステム９１のチューニングパラメータ値を含む情報、周辺テストシステム９２のチューニングパラメータ値を含む情報、・・・、周辺テストシステム９ｎのチューニングパラメータ値を含む情報などが含まれている。
【0090】
〔１．３．３．２．３．リスク評価部４２〕
リスク評価部４２は、自動チューニング実行部４１から出力される自動チューニング推論結果を取得し、取得した自動チューニング推論結果に含まれる性能値に基づいて、チューニングパラメータ値に基づく情報である適用情報の本番環境５への適用のリスクである適用リスクを評価する処理モジュールである。
リスク評価部４２は、自動チューニング実行部４１から出力される自動チューニング推論結果を取得し、取得した自動チューニング推論結果に含まれる性能値に基づいて、チューニングパラメータ値に基づく情報である適用情報の本番環境５への適用のリスクである適用リスクを評価する処理モジュールである。
【0091】
リスク評価部４２は、定義情報抽出部３１によって抽出された定義情報に含まれる自動チューニングリスク評価指示情報によって示されるリスク評価条件を用いて、自動チューニング推論結果に含まれる性能値に基づき、チューニングパラメータ値に基づく情報である適用情報の本番環境５への適用のリスクを評価する。
【0092】
例えば、自動チューニングリスク評価指示情報が図４に示す状態であるとする。図４に示す例では、リスク評価条件は、自動チューニングで推論されるチューニングパラメータ値を用いた自動チューニング対象ソフトウェアの実行時におけるスループット値（throughput_auto_tuning）が閾値（throughput_default）以上であれば、スループット値に関する適用リスクがないとする条件である。
【0093】
この場合、リスク評価部４２は、スループット値（throughput_auto_tuning）と閾値（throughput_default）とを比較する。リスク評価部４２は、スループット値（throughput_auto_tuning）が閾値（throughput_default）以上である場合、チューニングパラメータ値を本番環境５に適用しても、事前に指示された以上の性能を達成可能なため、適用リスクなし、と判定して、自動チューニングによる性能劣化のリスク有無を表すリスクフラグの値をＯＦＦにする。
【0094】
また、リスク評価部４２は、スループット値（throughput_auto_tuning）が閾値（throughput_default）を下回る場合、チューニングパラメータ値を本番環境５に適用すると、事前に指示された性能を下回ると判定し、リスクフラグの値をＯＮにする。
【0095】
また、リスク評価条件は、自動チューニングで推論されるチューニングパラメータ値を用いた自動チューニング対象ソフトウェアの実行時におけるレスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）未満であれば、レスポンスタイム値に関する適用リスクがないとする条件であるとする。
【0096】
この場合、リスク評価部４２は、レスポンスタイム値（response_time_auto_tuning）と閾値（response_time_default）とを比較する。リスク評価部４２は、レスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）未満である場合、チューニングパラメータ値を本番環境５に適用しても、事前に指示された以上の性能を達成可能なため、適用リスクなし、と判定して、自動チューニングによる性能劣化のリスク有無を表すリスクフラグの値をＯＦＦに設定する。
【0097】
また、リスク評価部４２は、レスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）以上である場合、チューニングパラメータ値を本番環境５に適用すると、事前に指示された性能を下回ると判定し、リスクフラグの値をＯＮに設定する。
【0098】
リスク評価条件は、スループット値（throughput_auto_tuning）が閾値（throughput_default）以上且つレスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）未満であれば、レスポンスタイム値に関する適用リスクがないとする条件であってもよい。
【0099】
この場合、リスク評価部４２は、スループット値（throughput_auto_tuning）が閾値（throughput_default）以上且つレスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）未満である場合に、リスクフラグの値をＯＦＦに設定する。
【0100】
また、リスク評価部４２は、スループット値（throughput_auto_tuning）が閾値（throughput_default）未満であるかレスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）以上である場合に、リスクフラグの値をＯＮに設定する。
【0101】
〔１．３．３．２．４．補正部４３〕
補正部４３は、リスク評価部４２によって適用リスクがないと判定された場合に、テスト環境４と本番環境５との差に応じた補正値を用いて、自動チューニング推論部５２によって推論されたチューニングパラメータ値を補正する処理モジュールである。リスク評価部４２によって適用リスクがないか否かの判定結果は、リスクフラグの値がＯＦＦであるか否かによって特定される。
補正部４３は、リスク評価部４２によって適用リスクがないと判定された場合に、テスト環境４と本番環境５との差に応じた補正値を用いて、自動チューニング推論部５２によって推論されたチューニングパラメータ値を補正する処理モジュールである。リスク評価部４２によって適用リスクがないか否かの判定結果は、リスクフラグの値がＯＦＦであるか否かによって特定される。
【0102】
補正部４３は、定義情報抽出部３１によって抽出された定義情報に含まれる自動チューニング補正指示情報によって示される補正値を用いて、自動チューニング推論部５２によって推論されたチューニングパラメータ値を補正する。
【0103】
また、補正部４３は、自動チューニング要求の定義情報に上述した補正値の情報が含まれない場合などにおいて、テスト環境４と本番環境５との差（例えば、マシンスペックやデータサイズなどの差）に基づいて、チューニングパラメータ値を補正する補正値を算出する。この場合、補正部４３は、算出した補正値を用いてチューニングパラメータ値を補正する。
【0104】
補正部４３は、まず、リスクフラグの値がＯＮであるかＯＦＦであるかを判定する。補正部４３は、リスクフラグの値がＯＦＦである場合に、補正処理を実行し、リスクフラグの値がＯＮである場合に、補正処理を実行しない。
【0105】
補正部４３は、補正処理において、自動チューニング実行部４１から出力される自動チューニング推論結果を取得する。かかる自動チューニング推論結果には、上述したように、自動チューニング推論部５２によって推論されたチューニングパラメータ値を示す情報が含まれており、補正部４３は、自動チューニング推論部５２によって推論されたチューニングパラメータ値を示す情報を自動チューニング推論結果から抽出する。
【0106】
そして、補正部４３は、定義情報抽出部３１によって抽出された定義情報に含まれる自動チューニング補正指示情報によって示される補正値を用いて、自動チューニング推論部５２によって推論されたチューニングパラメータ値を補正する。
【0107】
例えば、補正部４３は、自動チューニング補正指示情報によって示される補正値が補正係数である場合、かかる補正係数を、自動チューニング推論部５２によって推論されたチューニングパラメータ値に乗算することによって、チューニングパラメータ値を補正する。
【0108】
例えば、自動チューニング要求に含まれる定義情報が図４に示す状態であるとし、自動チューニング推論結果が図５に示す状態であるとする。この場合、補正部４３は、パラメータ「parameter_01」に対するチューニングパラメータ値「value_01」に補正係数「2.0」を乗算して得られる値「value_01*2.0」をパラメータ「parameter_01」の補正後のチューニングパラメータ値とする。
【0109】
また、補正部４３は、パラメータ「parameter_02」に対するチューニングパラメータ値「value_02」に補正係数「1.5」を乗算して得られる値「value_02*1.5」をパラメータ「parameter_02」の補正後のチューニングパラメータ値とする。
【0110】
補正部４３は、自動チューニング推論部５２によって推論されたチューニングパラメータ値に対して補正処理を行った結果を示す情報である自動チューニング推論補正結果を出力する。なお、補正部４３によるチューニングパラメータ値の補正は、自動チューニング補正指示情報で指定されるパラメータに対応するチューニングパラメータ値に対して行われる。補正部４３によって補正対象とならなかったチューニングパラメータ値は、そのまま自動チューニング推論補正結果に含まれる。
【0111】
図６は、第１実施形態に係る情報処理装置１の補正部４３から出力される自動チューニング推論補正結果の一例を示す図である。図６に示す自動チューニング推論補正結果は、自動チューニング要求に含まれる定義情報が図６に示す状態であり、自動チューニング推論結果が図７に示す状態である場合の例を示している。
【0112】
図６に示す例では、パラメータ「parameter_02」に対するチューニングパラメータ値が「value_01*2.0」として含まれ、パラメータ「parameter_02」に対するチューニングパラメータ値が「value_02*1.5」として含まれている。なお、図６に示す自動チューニング推論補正結果では、２つのチューニングパラメータ値が補正されているが、これら以外のチューニングパラメータ値が補正されてもよい。
【0113】
〔１．３．３．２．５．本番適用部４４〕
本番適用部４４は、リスク評価部４２によって適用リスクがないと判定された場合に、自動チューニング推論結果を本番環境５に適用する本番環境適用処理を実行する処理モジュールである。リスク評価部４２によって適用リスクがないか否かの判定結果は、リスクフラグの値がＯＦＦであるか否かによって特定される。
本番適用部４４は、リスク評価部４２によって適用リスクがないと判定された場合に、自動チューニング推論結果を本番環境５に適用する本番環境適用処理を実行する処理モジュールである。リスク評価部４２によって適用リスクがないか否かの判定結果は、リスクフラグの値がＯＦＦであるか否かによって特定される。
【0114】
例えば、本番適用部４４は、補正部４３から出力されるチューニング推論補正結果に基づいて、補正部４３によって補正されたチューニングパラメータ値を含む情報を適用情報として本番環境５に適用することで、本番環境適用処理を実行する。
【0115】
適用情報の本番環境５への適用は、例えば、補正部４３によって補正されたチューニングパラメータ値を自動チューニング対象ソフトウェアの定義ファイルに設定し、補正部４３によって補正されたチューニングパラメータ値を設定した定義ファイルを本番環境５に適用することによって行われる。この場合の定義ファイルは、適用情報の一例である。
【0116】
本番適用部４４は、本番環境適用処理において、まず、定義情報抽出部３１によって抽出された定義情報に含まれる本番環境システム接続情報に基づいて、本番環境システム８へのアクセスを行う。
【0117】
そして、本番適用部４４は、自動チューニング実行部４１によってビルドされた自動チューニング対象ソフトウェアのバイナリファイルであって自動チューニング実行部４１から取得したバイナリファイルを本番環境システム８にインストールする。
【0118】
本番適用部４４は、リスク評価部４２によって適用リスクがないと判定された場合、自動チューニング推論補正結果に基づく適用情報として本番環境５に適用する本番環境適用処理を実行する。適用情報の本番環境５への適用は、例えば、自動チューニング対象ソフトウェアの定義ファイルに補正したパラメータ値を記載したり、自動チューニング対象ソフトウェアの引数に補正したパラメータ値を記載したりすることによって行われる。この場合の定義ファイルおよび引数は、適用情報の一例である。
【0119】
また、本番適用部４４は、本番環境システム８に周辺テストシステム９に対応するデータベースシステムやメールシステムが含まれる場合は、これらデータベースシステムやメールシステムにアクセスする。そして、本番適用部４４は、データベースシステムやメールシステムに自動チューニング推論補正結果に含まれるチューニングパラメータ値を適用する。かかるチューニングパラメータ値は、適用情報の一例である。
【0120】
本番環境システム８におけるデータベースシステムやメールシステムへの接続情報は、自動チューニング要求に含まれる定義情報に含まれており、本番適用部４４は、定義情報に含まれる接続情報に基づいて、データベースシステムやメールシステムにアクセスする。なお、データベースシステムやメールシステムへの接続情報は、本番環境システム接続情報に含まれる情報であってもよい。
【0121】
本番適用部４４は、リスク評価部４２によって適用リスクがあると判定された場合、すなわち、リスクフラグの値がＯＮである場合、本番環境適用処理において、自動チューニング対象ソフトウェアのデフォルトパラメータ値を本番環境システム８に適用する。
【0122】
〔１．４．処理手順〕
次に、第１実施形態に係る情報処理装置１の処理部１２による情報処理の手順について説明する。図７は、第１実施形態に係る情報処理装置１の処理部１２による情報処理の一例を示すフローチャートである。
次に、第１実施形態に係る情報処理装置１の処理部１２による情報処理の手順について説明する。図７は、第１実施形態に係る情報処理装置１の処理部１２による情報処理の一例を示すフローチャートである。
【0123】
図７に示すように、情報処理装置１の処理部１２は、端末装置２からの自動チューニング要求を受け付けたか否かを判定する（ステップＳ１０）。処理部１２は、自動チューニング要求を受け付けたと判定した場合（ステップＳ１０：Ｙｅｓ）、自動チューニング準備処理を行う（ステップＳ１１）。ステップＳ１１の処理は、図８に示すステップＳ２０～Ｓ２５の処理であり、後で詳述する。
【0124】
処理部１２は、ステップＳ１１の処理を終了した場合、自動チューニング実行処理を行う（ステップＳ１２）。ステップＳ１２の処理は、図９に示すステップＳ３０～Ｓ３９の処理であり、後で詳述する。
【0125】
処理部１２は、ステップＳ１２の処理を終了した場合、リスク評価処理を行う（ステップＳ１３）。ステップＳ１３の処理は、図１０に示すステップＳ４０～Ｓ４３の処理であり、後で詳述する。
【0126】
処理部１２は、ステップＳ１３の処理を終了した場合、推論結果補正処理を行う（ステップＳ１４）。ステップＳ１４の処理は、図１１に示すステップＳ５０～Ｓ５３の処理であり、後で詳述する。
【0127】
処理部１２は、ステップＳ１４の処理を終了した場合、本番環境適用処理を行う（ステップＳ１５）。ステップＳ１５の処理は、図１２に示すステップＳ６０～Ｓ６４の処理であり、後で詳述する。
【0128】
処理部１２は、ステップＳ１５の処理を終了した場合、または自動チューニング要求を受け付けていないと判定した場合（ステップＳ１０：Ｎｏ）、動作終了タイミングになったか否かを判定する（ステップＳ１６）。処理部１２は、例えば、情報処理装置１の電源がオフにされた場合、または情報処理装置１の不図示の操作部への操作によって終了操作が行われたと判定した場合に、動作終了タイミングになったと判定する。
【0129】
処理部１２は、動作終了タイミングになっていないと判定した場合（ステップＳ１６：Ｎｏ）、処理をステップＳ１０へ移行し、動作終了タイミングになったと判定した場合（ステップＳ１６：Ｙｅｓ）、図７に示す処理を終了する。
【0130】
図８は、第１実施形態に係る情報処理装置１の処理部１２による自動チューニング準備処理の一例を示すフローチャートである。図８に示すように、処理部１２は、自動チューニング要求に含まれる定義情報であって自動チューニングに必要となる定義情報を解析する（ステップＳ２０）。
【0131】
つづいて、処理部１２は、定義情報に含まれるソースコード管理システム接続情報に基づいて、ソースコード管理システム６にアクセスする（ステップＳ２１）。そして、処理部１２は、定義情報に含まれる対象ソフトウェア指定情報で指定される自動チューニング対象ソフトウェアのコード情報をソースコード管理システム６から取得する（ステップＳ２２）。また、処理部１２は、定義情報に含まれるテストスプリクト指定情報で指定されるテストスプリクトをソースコード管理システム６から取得する（ステップＳ２３）。
【0132】
また、処理部１２は、定義情報に含まれるモデル管理システム接続情報に基づいて、モデル管理システム７にアクセスする（ステップＳ２４）。そして、処理部１２は、モデル管理システム７から自動チューニングモデルを取得し（ステップＳ２５）、図８に示す処理を終了する。
【0133】
図９は、第１実施形態に係る情報処理装置１の処理部１２による自動チューニング実行処理の一例を示すフローチャートである。図９に示すように、処理部１２は、自動チューニング対象ソフトウェアのビルドを実行する（ステップＳ３０）。
【0134】
つづいて、処理部１２は、テストスクリプトに記載されたテストシナリオに含まれる複数のテストのうち未実施のテストがあるか否かを判定する（ステップＳ３１）。処理部１２は、未実施のテストがあると判定した場合（ステップＳ３１：Ｙｅｓ）、テスト環境４において未実施のテストを実行し（ステップＳ３２）、テスト環境４のメトリクスデータを取得する（ステップＳ３３）。
【0135】
処理部１２は、ステップＳ３２，Ｓ３３の処理をテストスクリプトに記載されたコマンドを全て実行し終えるまで繰り返し実行する。そして、処理部１２は、未実施のテストがないと判定した場合（ステップＳ３１：Ｎｏ）、自動チューニング推論処理を行う（ステップＳ３４）。
【0136】
自動チューニング推論処理は、自動チューニング対象ソフトウェアのチューニングパラメータ値、自動チューニング対象ソフトウェアがアクセスする周辺テストシステム９のチューニングパラメータ値などを推論する処理である。チューニングパラメータ値は、自動チューニングによって推論されるチューニングされたパラメータ値であり、チューニング値の一例である。
【0137】
つづいて、処理部１２は、推論したチューニングパラメータ値をテスト環境４に設定し、テストスクリプトに従って自動チューニング対象ソフトウェアの再実行を開始する（ステップＳ３５）。そして、処理部１２は、テストスクリプトに記載されたテストシナリオに含まれる複数のテストのうち未実施のテストがあるか否かを判定する（ステップＳ３６）。
【0138】
処理部１２は、未実施のテストがあると判定した場合（ステップＳ３６：Ｙｅｓ）、テスト環境４において未実施のテストを実行し（ステップＳ３７）、テスト環境４の性能値を取得する（ステップＳ３８）。テスト環境４の性能値は、自動チューニング対象ソフトウェアのテストの再実行中におけるテスト環境４のスループット値およびレスポンスタイム値などである。処理部１２は、ステップＳ３７，Ｓ３８の処理をテストスクリプトに記載されたコマンドを全て実行し終えるまで繰り返し実行する。
【0139】
処理部１２は、未実施のテストがないと判定した場合（ステップＳ３６：Ｎｏ）、ステップＳ３４で推論したチューニングパラメータ値とステップＳ３８で取得した性能値とを含む情報を自動チューニング推論結果として出力し（ステップＳ３９）、図９に示す処理を終了する。
【0140】
図１０は、第１実施形態に係る情報処理装置１の処理部１２によるリスク評価処理の一例を示すフローチャートである。図１０に示すように、処理部１２は、自動チューニング実行処理で出力される自動チューニング推論結果を取得する（ステップＳ４０）。
【0141】
つづいて、処理部１２は、性能値が適用リスクなしの条件を満たすか否かを判定する（ステップＳ４１）。例えば、性能値がスループット値（throughput_auto_tuning）である場合、適用リスクなしの条件は、スループット値（throughput_auto_tuning）が閾値（throughput_default）以上であるという条件である。
【0142】
また、性能値がレスポンスタイム値（response_time_auto_tuning）である場合、適用リスクなしの条件は、レスポンスタイム値（response_time_auto_tuning）が閾値（response_time_default）未満であるという条件である。
【0143】
処理部１２は、性能値が適用リスクなしの条件を満たすと判定した場合（ステップＳ４１：Ｙｅｓ）、リスクフラグの値をＯＦＦに設定し（ステップＳ４２）、性能値が適用リスクなしの条件を満たさないと判定した場合（ステップＳ４１：Ｎｏ）、リスクフラグの値をＯＮに設定する（ステップＳ４３）。処理部１２は、ステップＳ４２の処理を終了した場合、またはステップＳ４３の処理を終了した場合、図１０に示す処理を終了する。
【0144】
図１１は、第１実施形態に係る情報処理装置１の処理部１２による推論結果補正処理の一例を示すフローチャートである。図１１に示すように、処理部１２は、リスクフラグの値がＯＦＦであるか否かを判定する（ステップＳ５０）。
【0145】
処理部１２は、リスクフラグの値がＯＦＦであると判定した場合（ステップＳ５０：Ｙｅｓ）、自動チューニング実行処理で出力される自動チューニング推論結果を取得する（ステップＳ５１）。
【0146】
つづいて、処理部１２は、自動チューニング推論結果に含まれるチューニングパラメータ値に補正係数を乗算することで、チューニングパラメータ値の補正を行う（ステップＳ５２）。補正係数は、上述した定義情報に含まれる自動チューニング補正指示情報に含まれる情報である。
【0147】
つづいて、処理部１２は、自動チューニング推論結果において、ステップＳ３４で推認されたチューニングパラメータ値を、ステップＳ５２で補正したチューニングパラメータ値に置き換えて得られる自動チューニング推論補正結果を出力する（ステップＳ５３）。
【0148】
処理部１２は、ステップＳ５３の処理が終了した場合、または、リスクフラグの値がＯＦＦではないと判定した場合（ステップＳ５０：Ｎｏ）、図１１に示す処理を終了する。
【0149】
図１２は、第１実施形態に係る情報処理装置１の処理部１２による本番環境適用処理の一例を示すフローチャートである。図１２に示すように、処理部１２は、定義情報に含まれる本番環境システム接続情報に基づいて、本番環境システム８にアクセスする（ステップＳ６０）。
【0150】
つづいて、処理部１２は、本番環境システム８に自動チューニング対象ソフトウェアをインストールする（ステップＳ６１）。処理部１２は、例えば、自動チューニング対象ソフトウェアのバイナリファイルを本番環境システム８にインストールすることによって、本番環境システム８に自動チューニング対象ソフトウェアをインストールする。
【0151】
つづいて、処理部１２は、リスクフラグの値がＯＦＦであるか否かを判定する（ステップＳ６２）。処理部１２は、リスクフラグの値がＯＦＦであると判定した場合（ステップＳ６２：Ｙｅｓ）、本番環境５に自動チューニング推論補正結果に基づく情報である適用情報を適用する（ステップＳ６３）。
【0152】
適用情報の本番環境５への適用は、例えば、自動チューニング対象ソフトウェアの定義ファイルに補正したパラメータ値を記載したり、自動チューニング対象ソフトウェアの引数に補正したパラメータ値を記載したりすることによって行われる。
【0153】
また、処理部１２は、リスクフラグの値がＯＦＦではないと判定した場合（ステップＳ６２：Ｎｏ）、本番環境５にデフォルトパラメータ値を適用する（ステップＳ６４）。処理部１２は、ステップＳ６３の処理が終了した場合、またはステップＳ６４の処理が終了した場合、図１２に示す処理を終了する。
【0154】
〔２．第２実施形態〕
〔２．１．情報処理システムの構成〕
図１３は、第２実施形態に係る情報処理システムの構成の一例を示す図である。図１３に示すように、第２実施形態に係る情報処理システム１００Ａは、情報処理装置１および本番環境５に代えて、情報処理装置１Ａおよび本番環境５Ａを有する点で、情報処理装置１と異なる。
〔２．１．情報処理システムの構成〕
図１３は、第２実施形態に係る情報処理システムの構成の一例を示す図である。図１３に示すように、第２実施形態に係る情報処理システム１００Ａは、情報処理装置１および本番環境５に代えて、情報処理装置１Ａおよび本番環境５Ａを有する点で、情報処理装置１と異なる。
【0155】
図１４は、第２実施形態に係る本番環境５Ａの構成の一例を示す図である。図１４に示すように、本番環境５Ａは、情報処理装置１Ａによる自動チューニングによってＣＰＵコア数やメモリサイズなどがチューニングされる仮想マシン７０を有する本番環境システム８Ａを備える。なお、第１実施形態に係る本番環境５の本番環境システム８も、仮想マシンを有する構成であってもよい。
【0156】
情報処理システム１００Ａでは、情報処理装置１Ａにおける自動チューニングモデルの出力が、自動チューニング対象ソフトウェアや周辺テストシステム９のパラメータ値に代えて、自動チューニング対象ソフトウェアをホストする仮想マシンのＣＰＵコア数とメモリサイズといったスペックを含む点で、第１実施形態に係る情報処理システム１００と異なる。
【0157】
情報処理装置１Ａは、事前に指定された性能要件を満たすテスト環境４の仮想マシンのスペックを、自動チューニングモデルを用いて推論することにより、本番環境５Ａの仮想マシン７０のスペックの選定やチューニングの省力化を図ることができ、加えて、仮想マシン７０における計算機リソースの利用効率向上を図ることができる。
【0158】
情報処理システム１００Ａでは、端末装置２から送信される自動チューニング要求に含まれる定義情報において、性能要件指定情報が含まれ、自動チューニングリスク評価指示情報と自動チューニング補正指示情報とに含まれる情報が異なる点で、情報処理システム１００と異なる。
【0159】
性能要件指定情報は、自動チューニング対象ソフトウェアが本番環境５Ａで達成するべきスループット値やレスポンスタイム値などを示す情報を含む。かかる性能要件指定情報は、例えば、ユーザＵが事前に閾値として与えられるスループット値やレスポンスタイム値などを示す情報を含む。
【0160】
自動チューニングリスク評価指示情報は、第１実施形態の情報処理装置１と同様の性能値に関するリスク評価条件を示す情報（例えば、図４に示す自動チューニング評価指示情報）に加えて、仮想マシンのスペックにリスクがあるかどうかのリスク確認の条件であるリスク評価条件を示す情報を含む。例えば、リスク評価条件は、ＣＰＵコア数が大きな値となり、多量の計算機リソースを消費しないかのリスク確認の条件である。
【0161】
自動チューニング補正指示情報は、テスト環境４と本番環境５Ａとの差に応じた補正値を示す情報を含む。補正値は、テスト環境４で自動チューニング対象ソフトウェアが実行中のテスト環境４のメトリクスデータを入力データとする自動チューニングモデルが出力する仮想マシンのスペックを補正する補正値である。
【0162】
テスト環境４と本番環境５Ａとの差は、例えば、自動チューニング対象ソフトウェアが処理するデータ量や対応する呼び出し回数などの差である。自動チューニング補正指示情報は、例えば、自動チューニング対象ソフトウェアがテスト環境４で処理するデータ量や対応する呼び出し回数と、自動チューニング対象ソフトウェアが本番環境５Ａで処理するデータ量やその呼び出し回数などとの差に応じた補正値を示す情報を含む。
【0163】
例えば、テスト環境４と本番環境５Ａとの差に応じた補正値は、テスト環境４と比べて、本番環境５Ａでは、ソフトウェアの呼び出し回数が２倍となる場合において、自動チューニングモデルが出力する仮想マシンのスペックの１つであるＣＰＵのリソースの値を２倍にするための補正値である。
【0164】
〔２．２．情報処理装置１Ａの構成〕
図１５は、第２実施形態に係る情報処理装置１Ａの構成の一例を示す図である。図１５に示す情報処理装置１Ａは、処理部１２に代えて、処理部１２Ａを有する点で、情報処理装置１と異なる。処理部１２Ａは、自動チューニング部２１に代えて、自動チューニング部２１Ａを有する点で異なる。
図１５は、第２実施形態に係る情報処理装置１Ａの構成の一例を示す図である。図１５に示す情報処理装置１Ａは、処理部１２に代えて、処理部１２Ａを有する点で、情報処理装置１と異なる。処理部１２Ａは、自動チューニング部２１に代えて、自動チューニング部２１Ａを有する点で異なる。
【0165】
自動チューニング部２１Ａは、自動チューニング実行部４１、リスク評価部４２、補正部４３、および本番適用部４４に代えて、自動チューニング実行部４１Ａ、リスク評価部４２Ａ、補正部４３Ａ、および本番適用部４４Ａを有する点で、自動チューニング部２１と異なる。自動チューニング実行部４１Ａは、自動チューニング推論部５２に代えて、自動チューニング推論部５２Ａを備える点で、自動チューニング実行部４１と異なる。
【0166】
自動チューニング推論部５２Ａは、自動チューニング実行部４１によってテストが終了した場合、メトリクスデータ取得部５１によって取得されたメトリクスデータと自動チューニング準備部４０によって取得された自動チューニングモデルとを用いて、自動チューニング推論処理を実行する。自動チューニング推論処理は、自動チューニング対象ソフトウェアを実行する仮想マシンのＣＰＵコア数およびメモリサイズなどを推論する処理である。
【0167】
自動チューニング準備部４０によって取得される自動チューニングモデルは、メトリクスデータ取得部５１によって取得されたメトリクスデータを入力データとし、テスト環境４における仮想マシンのＣＰＵコア数(cpu_auto_tuning)およびメモリサイズ(memory_auto_tuning)を出力データとして出力する機械学習モデルである。
【0168】
自動チューニング推論部５２Ａで用いられる自動チューニングモデルは、自動チューニング推論部５２で用いられる自動チューニングモデルと同様に、ガウス過程回帰モデルやニューラルネットワークなどの機械学習モデルであるが、かかる例に限定されない。
【0169】
自動チューニング推論部５２Ａは、メトリクスデータ取得部５１によって取得されたメトリクスデータを自動チューニングモデルに入力し、自動チューニングモデルから出力されるＣＰＵコア数(cpu_auto_tuning)およびメモリサイズ(memory_auto_tuning)をチューニングＣＰＵコア数およびチューニングメモリサイズとして推論する。以下において、チューニングＣＰＵコア数およびチューニングメモリサイズを含む情報をチューニングスペック値と記載する場合がある。チューニングスペック値は、チューニング値の一例である。
【0170】
テスト実行部５０は、自動チューニング推論部５２Ａによって推論されたチューニングスペック値に合わせた仮想マシンであるチューニング仮想マシンをテスト実行部５０内に作成した後、テストスプリクトを用いてチューニング仮想マシンで実行する。そして、性能値取得部５３は、テスト実行部５０による自動チューニング対象ソフトウェアの実行時におけるスループット値およびレスポンスタイム値などを性能値として取得する。
【0171】
自動チューニング実行部４１Ａは、自動チューニング推論部５２Ａによって推論されたチューニングスペック値と、性能値取得部５３によって取得された性能値とを含む情報を含む自動チューニング推論結果を出力する。
【0172】
図１６は、第２実施形態に係る情報処理装置１Ａの自動チューニング実行部４１Ａから出力される自動チューニング推論結果の一例を示す図である。図１６に示す自動チューニング推論結果では、図１６に示す自動チューニング推論結果と同様に、性能値取得部５３によって取得された性能値を含む情報として、「throughput_auto_tuning:tp1」と、「response_time_auto_tuning:rp1」とが含まれる。
【0173】
また、図１６に示す自動チューニング推論結果では、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を含む情報（図１６では、仮想マシンスペックとして示される情報）として、「cpu_auto_tuning:2 cores」、「memory_auto_tuning:8GB」などの情報が含まれる。
【0174】
「cpu_auto_tuning:2 cores」は、仮想マシンのＣＰＵコア数が「２」であることを示し、「memory_auto_tuning:8GB」は、仮想マシンのメモリサイズが「８ＧＢ（ギガバイト）」であることを示す。
【0175】
リスク評価部４２Ａは、自動チューニング実行部４１Ａから出力される自動チューニング推論結果を取得する。そして、リスク評価部４２Ａは、自動チューニング推論結果に含まれるチューニングスペック値に基づいて、自動チューニング推論結果に含まれるチューニングスペック値に基づく情報である適用情報の本番環境５Ａへの適用のリスクである適用リスクを評価する。
【0176】
リスク評価部４２Ａは、定義情報抽出部３１によって抽出された定義情報に含まれる自動チューニングリスク評価指示情報によって示されるリスク評価条件を用いて、自動チューニング推論結果に含まれるチューニングスペック値に基づき、チューニングスペック値に基づく情報である適用情報の本番環境５Ａへの適用のリスクを評価する。
【0177】
自動チューニングリスク評価指示情報には、上述したように、仮想マシン７０のスペックにリスクがあるかどうかのリスク確認の条件であるリスク評価条件を示す情報が含まれる。
【0178】
例えば、リスク評価条件は、ＣＰＵコア数が大きな値となり、多量の計算機リソースを消費しないかのリスク確認の条件、例えば、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）以下であれば適用リスクがないとする条件である。閾値（cpu_threshold）は、これ以上のＣＰＵコア数は計算機リソースの多量消費につながるという閾値である。
【0179】
この場合、リスク評価部４２Ａは、ＣＰＵコア数（cpu_auto_tuning）と閾値（cpu_threshold）とを比較し、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）以下あればスペックパラメータ値を本番環境５Ａに適用しても、事前に指示された以上の性能を達成可能なため、適用リスクなし、と判定して、自動チューニングによる性能劣化のリスク有無を表すリスクフラグの値をＯＦＦに設定する。
【0180】
また、リスク評価部４２Ａは、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）を上回る場合、チューニングスペック値を本番環境５Ａに適用すると、事前に指示された性能を下回ると判定し、リスクフラグの値をＯＮにする。
【0181】
また、リスク評価条件は、メモリの消費量が大きな値となり、多量の計算機リソースを消費しないかのリスク確認の条件、例えば、メモリサイズ（memory_auto_tuning）が閾値（memory_threshold）以下であれば適用リスクがないとする条件であってもよい。閾値（memory_threshold）は、これ以上のメモリサイズは計算機リソースの多量消費につながるという閾値である。
【0182】
この場合、リスク評価部４２Ａは、メモリサイズ（memory_auto_tuning）と閾値（memory_threshold）とを比較し、メモリサイズ（memory_auto_tuning）が閾値（memory_threshold）以下あればスペックパラメータ値を本番環境５Ａに適用しても、事前に指示された以上の性能を達成可能なため、適用リスクなし、と判定して、自動チューニングによる性能劣化のリスク有無を表すリスクフラグの値をＯＦＦに設定する。
【0183】
また、リスク評価部４２Ａは、メモリサイズ（memory_auto_tuning）が閾値（memory_threshold）を上回る場合、チューニングスペック値を本番環境５Ａに適用すると、事前に指示された性能を下回ると判定し、リスクフラグの値をＯＮにする。
【0184】
リスク評価条件は、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）以下且つメモリサイズ（memory_auto_tuning）が閾値（memory_threshold）以下であるという条件であってもよい。
【0185】
この場合、リスク評価部４２Ａは、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）以下且つメモリサイズ（memory_auto_tuning）が閾値（memory_threshold）以下あればスペックパラメータ値を本番環境５Ａに適用しても、事前に指示された以上の性能を達成可能なため、適用リスクなし、と判定して、自動チューニングによる性能劣化のリスク有無を表すリスクフラグの値をＯＦＦに設定する。
【0186】
また、リスク評価部４２Ａは、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）を上回るか、メモリサイズ（memory_auto_tuning）が閾値（memory_threshold）を上回る場合、チューニングスペック値を本番環境５Ａに適用すると、事前に指示された性能を下回ると判定し、リスクフラグの値をＯＮにする。
【0187】
補正部４３Ａは、リスク評価部４２Ａによって適用リスクがないと判定された場合に、テスト環境４と本番環境５Ａとの差に応じた補正値を用いて、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を補正する処理モジュールである。
【0188】
補正部４３Ａは、定義情報抽出部３１によって抽出された定義情報に含まれる自動チューニング補正指示情報によって示される補正値を用いて、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を補正する。
【0189】
補正部４３Ａは、まず、リスクフラグの値がＯＮであるかＯＦＦであるかを判定する。補正部４３Ａは、リスクフラグの値がＯＦＦである場合に、補正処理を実行し、リスクフラグの値がＯＮである場合に、補正処理を実行しない。
【0190】
補正部４３Ａは、補正処理において、自動チューニング実行部４１Ａから出力される自動チューニング推論結果を取得する。かかる自動チューニング推論結果には、上述したように、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を示す情報が含まれており、補正部４３Ａは、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を示す情報を自動チューニング推論結果から抽出する。
【0191】
そして、補正部４３Ａは、定義情報抽出部３１によって抽出された定義情報に含まれる自動チューニング補正指示情報によって示される補正値を用いて、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を補正する。
【0192】
例えば、補正部４３Ａは、自動チューニング補正指示情報によって示される補正値で補正係数を、自動チューニング推論部５２Ａによって推論されたチューニングスペック値に乗算することによって、チューニングスペック値を補正する。
【0193】
図１７は、第２実施形態に係る情報処理装置１Ａの補正部４３Ａによる自動チューニング推論結果の補正内容の一例を示す図である。図１７に示す例では、自動チューニング要求の定義情報に含まれる自動チューニング補正指示情報は、ＣＰＵコア数（cpu_auto_tuning）の補正値が「2.0」であることを示す情報と、メモリサイズ（memory_auto_tuning）の補正値が「1.5」であることを示す情報とを含む。
【0194】
また、図１７に示す自動チューニング推論結果では、自動チューニング推論部５２Ａによって推論されたチューニングスペック値を含む情報として、「cpu_auto_tuning:2 cores」、「memory_auto_tuning:8GB」が含まれる。
【0195】
この場合、補正部４３Ａは、ＣＰＵコア数（cpu_auto_tuning）に対するチューニングスペック値「2 coes」に補正係数「2.0」を乗算して得られる値「4 cores」をＣＰＵコア数（cpu_auto_tuning）の補正後のチューニングスペック値とする。
【0196】
また、補正部４３Ａは、メモリサイズ（memory_auto_tuning）に対するチューニングスペック値「8GB」に補正係数「1.5」を乗算して得られる値「12.0GB」をメモリサイズ（memory_auto_tuning）の補正後のチューニングスペック値とする。
【0197】
補正部４３Ａは、自動チューニング推論部５２Ａによって推論されたチューニングスペック値に対して補正処理を行った結果を示す情報を含む自動チューニング推論補正結果を出力する。
【0198】
図１７に示す例では、ＣＰＵコア数（cpu_auto_tuning）の補正後のチューニングスペック値が「4 cores」として含まれ、メモリサイズ（memory_auto_tuning）の補正後のチューニングスペック値が「12.0GB」として含まれている。このように、図１７に示す例では、補正部４３Ａは、本番環境システム８Ａにおいて自動チューニング対象ソフトウェアをホストする仮想マシンのＣＰＵコア数を２コア×２．０=４コアとし、メモリサイズを８ＧＢ×１．５=１２ＧＢとする仮想マシンのスペックを補正後のチューニングスペック値として含む自動チューニング推論補正結果を出力する。
【0199】
本番適用部４４Ａは、リスク評価部４２Ａによって適用リスクがないと判定された場合に、自動チューニング推論結果を本番環境５Ａに適用する本番環境適用処理を実行する処理モジュールである。リスク評価部４２Ａによって適用リスクがないか否かの判定は、リスクフラグの値がＯＦＦであるか否かによって行われる。
【0200】
例えば、本番適用部４４Ａは、リスクフラグの値がＯＦＦである場合、補正部４３Ａから出力されるチューニング推論補正結果に基づいて、補正部４３Ａによって補正されたチューニングスペック値を含む情報を適用情報として本番環境５Ａに適用することで、本番環境適用処理を実行する。
【0201】
補正部４３Ａによって補正されたチューニングスペック値を含む情報である適用情報の本番環境５Ａへの適用は、例えば、補正部４３Ａによって補正されたチューニングスペック値に対応する仮想マシン７０を本番環境システム８Ａに作成することによって行われる。
【0202】
本番適用部４４Ａは、本番環境適用処理において、まず、定義情報抽出部３１によって抽出された定義情報に含まれる本番環境システム接続情報に基づいて、本番環境システム８Ａへのアクセスを行う。
【0203】
そして、本番適用部４４Ａは、本番環境システム８Ａにおいて、補正部４３Ａによって補正されたチューニングスペック値に対応する仮想マシン７０を作成する。例えば、チューニング推論補正結果が図１７に示す状態である場合、本番適用部４４Ａは、ＣＰＵコア数が「４」でメモリサイズが「１２ＧＢ」である仮想マシン７０を本番環境システム８Ａに作成する。
【0204】
つづいて、本番適用部４４Ａは、自動チューニング実行部４１Ａによってビルドされた自動チューニング対象ソフトウェアのバイナリファイルであって自動チューニング実行部４１Ａから取得したバイナリファイルを本番環境システム８Ａの仮想マシン７０にインストールする。
【0205】
これにより、情報処理装置１Ａは、自動チューニング要求の定義情報で指定される性能値を満たしつつ、かつ、本番環境５Ａで多量の計算機リソースを消費しない、仮想マシン７０のスペックの自動チューニングを実現することができる。
【0206】
〔２．３．処理手順〕
次に、第２実施形態に係る情報処理装置１Ａの処理部１２Ａによる情報処理の手順について説明する。
次に、第２実施形態に係る情報処理装置１Ａの処理部１２Ａによる情報処理の手順について説明する。
【0207】
情報処理装置１Ａの処理部１２Ａによる情報処理は、図７に示す処理のうち、ステップＳ１２の自動チューニング実行処理、ステップＳ１３のリスク評価処理、ステップＳ１４の推論結果補正処理、およびステップＳ１５の本番環境適用処理が、情報処理装置１の処理部１２による情報処理と異なる。
【0208】
図１８は、第２実施形態に係る情報処理装置１Ａの処理部１２Ａによる自動チューニング実行処理の一例を示すフローチャートである。図１８に示すステップＳ７０～Ｓ７３，Ｓ７６～Ｓ７９の処理は、図９に示すステップＳ３０～Ｓ３３，Ｓ３６～Ｓ３９の処理と同じであるため、説明を省略する。
【0209】
処理部１２Ａは、ステップＳ７４において、仮想マシンのチューニングスペック値を推論する自動チューニング推論処理を行う。そして、処理部１２Ａは、ステップＳ７４で推論したチューニングスペック値に応じた仮想マシンをテスト環境４に作成し、作成した仮想マシンでテストスクリプトに従って自動チューニング対象ソフトウェアの再実行を開始する（ステップＳ７５）。
【0210】
図１９は、第２実施形態に係る情報処理装置１Ａの処理部１２Ａによるリスク評価処理の一例を示すフローチャートである。図１９に示すステップＳ８０，Ｓ８２，Ｓ８３，Ｓ８４の処理は、図１０に示すステップＳ４０，Ｓ４１，Ｓ４２，Ｓ４３の処理と同じであるため、説明を省略する。
【0211】
処理部１２Ａは、ステップＳ８１において、チューニングスペック値が適用リスクなしの条件を満たすか否かを判定する。チューニングスペック値における適用リスクなしの条件は、ＣＰＵコア数（cpu_auto_tuning）が閾値（cpu_threshold）以下であるという条件、およびメモリサイズ（memory_auto_tuning）が閾値（memory_threshold）以下あるという条件のうちの少なくとも１つを含む。
【0212】
処理部１２Ａは、チューニングスペック値が適用リスクなしの条件を満たすと判定した場合（ステップＳ８１：Ｙｅｓ）、処理をステップＳ８２に移行し、チューニングスペック値が適用リスクなしの条件を満たさないと判定した場合（ステップＳ８１：Ｎｏ）、処理をステップＳ８３に移行する。
【0213】
図２０は、第２実施形態に係る情報処理装置１Ａの処理部１２Ａによる推論結果補正処理の一例を示すフローチャートである。図２０に示すステップＳ９０，Ｓ９１，Ｓ９３の処理は、図１１に示すステップＳ５０，Ｓ５１，Ｓ５３の処理と同じであるため、説明を省略する。
【0214】
処理部１２Ａは、ステップＳ９２において、自動チューニング推論結果に含まれるチューニングスペック値に補正係数を乗算することで、チューニングスペック値の補正を行う。補正係数は、上述した定義情報に含まれる自動チューニング補正指示情報に含まれる情報である。
【0215】
図２１は、第２実施形態に係る情報処理装置１Ａの処理部１２Ａによる本番環境適用処理の一例を示すフローチャートである。図２１に示すように、処理部１２Ａは、定義情報に含まれる本番環境システム接続情報に基づいて、本番環境システム８Ａにアクセスする（ステップＳ１００）。
【0216】
つづいて、処理部１２Ａは、リスクフラグの値がＯＦＦであるか否かを判定する（ステップＳ１０１）。処理部１２Ａは、リスクフラグの値がＯＦＦであると判定した場合（ステップＳ１０１：Ｙｅｓ）、自動チューニング推論補正結果を取得する（ステップＳ１０２）。
【0217】
そして、処理部１２Ａは、自動チューニング推論補正結果に基づいて、チューニングスペックの仮想マシン７０を本番環境システム８Ａに作成する（ステップＳ１０３）。チューニングスペックの仮想マシンは、上述したチューニングスペック値に応じた仮想マシンであり、例えば、チューニングスペック値が「cpu_auto_tuning:4 cores」、「memory_auto_tuning:12GB」であれば、ＣＰＵコア数が４コアであり、メモリサイズが１２ＧＢの仮想マシン７０を本番環境システム８Ａに作成する。
【0218】
また、処理部１２Ａは、リスクフラグの値がＯＦＦではないと判定した場合（ステップＳ１０１：Ｎｏ）、デフォルトスペックの仮想マシンを本番環境システム８Ａに作成する（ステップＳ１０４）。
【0219】
処理部１２Ａは、ステップＳ１０３の処理が終了した場合、またはステップＳ１０４の処理が終了した場合、本番環境システム８Ａに自動チューニング対象ソフトウェアをインストールして（ステップＳ１０５）、図２１の処理を終了する。処理部１２Ａは、例えば、自動チューニング対象ソフトウェアのバイナリファイルを本番環境システム８Ａにインストールすることによって、本番環境システム８Ａに自動チューニング対象ソフトウェアをインストールする。
【0220】
〔３．ハードウェア構成〕
上述してきた実施形態に係る情報処理装置１，１Ａは、例えば図２２に示すような構成のコンピュータ８０によって実現される。図２２は、実施形態に係る情報処理装置１，１Ａの機能を実現するコンピュータ８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。
上述してきた実施形態に係る情報処理装置１，１Ａは、例えば図２２に示すような構成のコンピュータ８０によって実現される。図２２は、実施形態に係る情報処理装置１，１Ａの機能を実現するコンピュータ８０の一例を示すハードウェア構成図である。コンピュータ８０は、ＣＰＵ８１、ＲＡＭ８２、ＲＯＭ（Read Only Memory）８３、ＨＤＤ（Hard Disk Drive）８４、通信インターフェイス（Ｉ／Ｆ）８５、入出力インターフェイス（Ｉ／Ｆ）８６、およびメディアインターフェイス（Ｉ／Ｆ）８７を有する。
【0221】
ＣＰＵ８１は、ＲＯＭ８３またはＨＤＤ８４に記憶されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ８３は、コンピュータ８０の起動時にＣＰＵ８１によって実行されるブートプログラムや、コンピュータ８０のハードウェアに依存するプログラムなどを記憶する。
【0222】
ＨＤＤ８４は、ＣＰＵ８１によって実行されるプログラム、および、かかるプログラムによって使用されるデータなどを記憶する。通信インターフェイス８５は、ネットワークＮ（図２参照）を介して他の機器からデータを受信してＣＰＵ８１へ送り、ＣＰＵ８１が生成したデータを、ネットワークＮを介して他の機器へ送信する。
【0223】
ＣＰＵ８１は、入出力インターフェイス８６を介して、ディスプレイやプリンタなどの出力装置、および、キーボードまたはマウスなどの入力装置を制御する。ＣＰＵ８１は、入出力インターフェイス８６を介して、入力装置からデータを取得する。また、ＣＰＵ８１は、入出力インターフェイス８６を介して生成したデータを出力装置へ出力する。
【0224】
メディアインターフェイス８７は、記録媒体８８に記憶されたプログラムまたはデータを読み取り、ＲＡＭ８２を介してＣＰＵ８１に提供する。ＣＰＵ８１は、かかるプログラムを、メディアインターフェイス８７を介して記録媒体８８からＲＡＭ８２上にロードし、ロードしたプログラムを実行する。記録媒体８８は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどである。
【0225】
例えば、コンピュータ８０が実施形態に係る情報処理装置１，１Ａとして機能する場合、コンピュータ８０のＣＰＵ８１は、ＲＡＭ８２上にロードされたプログラムを実行することにより処理部１２，１２Ａの機能を実現する。また、ＨＤＤ８４には、記憶部１１内のデータが記憶される。コンピュータ８０のＣＰＵ８１は、これらのプログラムを記録媒体８８から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。
【0226】
〔４．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
【0227】
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
【0228】
例えば、上述した情報処理装置１，１Ａは、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットホームなどをＡＰＩやネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。
【0229】
また、上述してきた実施形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
【0230】
〔５．効果〕
上述してきたように、実施形態に係る情報処理装置１，１Ａは、テスト実行部５０と、自動チューニング推論部５２，５２Ａと、リスク評価部４２，４２Ａとを備える。テスト実行部５０は、チューニングの対象となるソフトウェアをテスト環境４で実行する。自動チューニング推論部５２，５２Ａは、テスト実行部５０によるテスト環境４でのソフトウェアの実行中にテスト環境４のメトリクスデータを入力データとする自動チューニングモデルを用いてソフトウェアのテスト環境４でのチューニング値を推論する。リスク評価部４２，４２Ａは、自動チューニング推論部５２によって推論されたチューニング値に基づく情報である適用情報を本番環境５，５Ａに適用した場合のリスクである適用リスクを評価する。これにより、情報処理装置１，１Ａは、チューニング値に基づく情報を適用情報として本番環境５，５Ａに適用する前に、そのリスクを把握することができる。そのため、情報処理装置１，１Ａは、自動チューニングモデルを用いたチューニング結果である適用情報を適切に本番環境５，５Ａに適用することが可能となる。
上述してきたように、実施形態に係る情報処理装置１，１Ａは、テスト実行部５０と、自動チューニング推論部５２，５２Ａと、リスク評価部４２，４２Ａとを備える。テスト実行部５０は、チューニングの対象となるソフトウェアをテスト環境４で実行する。自動チューニング推論部５２，５２Ａは、テスト実行部５０によるテスト環境４でのソフトウェアの実行中にテスト環境４のメトリクスデータを入力データとする自動チューニングモデルを用いてソフトウェアのテスト環境４でのチューニング値を推論する。リスク評価部４２，４２Ａは、自動チューニング推論部５２によって推論されたチューニング値に基づく情報である適用情報を本番環境５，５Ａに適用した場合のリスクである適用リスクを評価する。これにより、情報処理装置１，１Ａは、チューニング値に基づく情報を適用情報として本番環境５，５Ａに適用する前に、そのリスクを把握することができる。そのため、情報処理装置１，１Ａは、自動チューニングモデルを用いたチューニング結果である適用情報を適切に本番環境５，５Ａに適用することが可能となる。
【0231】
また、自動チューニング推論部５２は、ソフトウェアのテスト環境４でのパラメータ値をチューニング値として推論する。これにより、情報処理装置１は、チューニングパラメータ値に基づく情報である適用情報を本番環境５に適用する前に、そのリスクを把握することができる。そのため、情報処理装置１は、自動チューニングモデルを用いたチューニング結果である適用情報を適切に本番環境５に適用することが可能となる。
【0232】
また、テスト実行部５０は、自動チューニング推論部５２によって推論されたパラメータ値を用いてソフトウェアをテスト環境４で実行し、リスク評価部４２は、自動チューニング推論部５２によって推論されたパラメータ値に基づいて実行されるソフトウェアのテスト環境４での性能値に基づいて、適用リスクを評価する。これにより、例えば、情報処理装置１は、事前に指示された以上の性能を達成可能な場合に、適用リスクなし、と判定することができる。
【0233】
また、性能値は、スループット値およびレスポンスタイム値のうちの少なくとも１つを含む。これにより、例えば、情報処理装置１は、スループット値およびレスポンスタイム値のうちの少なくとも１つが事前に指示された以上の性能を達成可能な場合に、適用リスクなし、と判定することができる。
【0234】
また、自動チューニング推論部５２Ａは、ソフトウェアのテスト環境４での仮想マシンのスペック値をチューニング値として推論する。これにより、情報処理装置１Ａは、チューニングスペック値に基づく本番環境５Ａへのパラメータ値の適用前に、そのリスクを把握することができる。そのため、情報処理装置１Ａは、自動チューニングモデルを用いたチューニング結果である適用情報を適切に本番環境５Ａに適用することが可能となる。
【0235】
また、スペック値は、ＣＰＵコア数およびメモリサイズのうちの少なくとも１つを含む。これにより、例えば、情報処理装置１Ａは、ＣＰＵコア数およびメモリサイズのうちの少なくとも１つが計算機リソースの多量消費につながらない場合に、適用リスクなし、と判定することができる。
【0236】
また、テスト実行部５０は、自動チューニング推論部５２Ａによって推論されたスペック値を用いてソフトウェアをテスト環境４で実行し、リスク評価部４２Ａは、自動チューニング推論部５２Ａによって推論されたスペック値と予め定められた閾値との比較結果に基づいて、適用リスクを評価する。これにより、例えば、情報処理装置１Ａは、ＣＰＵコア数およびメモリサイズのうちの少なくとも１つが計算機リソースの多量消費につながらない場合に、適用リスクなし、と判定することができる。
【0237】
また、情報処理装置１，１Ａは、テスト環境４と本番環境５，５Ａとの差に応じた補正値に基づいて、自動チューニング推論部５２，５２Ａによって推論されたチューニング値を補正する補正部４３，４３Ａを備える。これにより、情報処理装置１，１Ａは、自動チューニング推論部５２，５２Ａによって推論されたチューニング値を本番環境５，５Ａに適切に適用可能な内容とすることができる。
【0238】
また、情報処理装置１，１Ａは、補正部４３による補正結果に基づく情報を適用情報として本番環境５，５Ａに適用する本番適用部４４を備える。これにより、情報処理装置１，１Ａは、テスト環境４と本番環境５との差がある場合であっても、適切な適用情報を本番環境５，５Ａに適用することができる。
【0239】
また、本番適用部４４，４４Ａは、チューニング値をソフトウェアの定義ファイルに設定し、チューニング値を設定した定義ファイルを適用情報として本番環境５，５Ａに適用する。これにより、情報処理装置１，１Ａは、適切な適用情報を本番環境５に適用することができる。
【0240】
以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
【0241】
また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。
【符号の説明】
【0242】
１，１Ａ 情報処理装置
２ 端末装置
３ 周辺テスト環境
４ テスト環境
５，５Ａ 本番環境
６ ソースコード管理システム
７ モデル管理システム
８，８Ａ 本番環境システム
９，９１，９２，・・・，９ｎ 周辺テストシステム
１０ 通信部
１１ 記憶部
１２，１２Ａ 処理部
２０ 全体制御部
２１，２１Ａ 自動チューニング部
３０ 要求受付部
３１ 定義情報抽出部
４０ 自動チューニング準備部
４１，４１Ａ 自動チューニング実行部
４２，４２Ａ リスク評価部
４３，４３Ａ 補正部
４４，４４Ａ 本番適用部
５０ テスト実行部
５１ メトリクスデータ取得部
５２，５２Ａ 自動チューニング推論部
５３ 性能値取得部
７０ 仮想マシン
１００，１００Ａ 情報処理システム
Ｎ ネットワーク
２ 端末装置
３ 周辺テスト環境
４ テスト環境
５，５Ａ 本番環境
６ ソースコード管理システム
７ モデル管理システム
８，８Ａ 本番環境システム
９，９１，９２，・・・，９ｎ 周辺テストシステム
１０ 通信部
１１ 記憶部
１２，１２Ａ 処理部
２０ 全体制御部
２１，２１Ａ 自動チューニング部
３０ 要求受付部
３１ 定義情報抽出部
４０ 自動チューニング準備部
４１，４１Ａ 自動チューニング実行部
４２，４２Ａ リスク評価部
４３，４３Ａ 補正部
４４，４４Ａ 本番適用部
５０ テスト実行部
５１ メトリクスデータ取得部
５２，５２Ａ 自動チューニング推論部
５３ 性能値取得部
７０ 仮想マシン
１００，１００Ａ 情報処理システム
Ｎ ネットワーク
【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】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】