特開 2024-141251 配置案算出装置、計算機システム及び配置案算出方法

(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】P2024141251

(43)【公開日】2024-10-10

(54)【発明の名称】配置案算出装置、計算機システム及び配置案算出方法

(51)【国際特許分類】

   G06F 9/50 20060101AFI20241003BHJP

【ＦＩ】

G06F9/50 150C

G06F9/50 150D

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2023052785

(22)【出願日】2023-03-29

(71)【出願人】

【識別番号】524132520

【氏名又は名称】日立ヴァンタラ株式会社

(74)【代理人】

【識別番号】110000279

【氏名又は名称】弁理士法人ウィルフォート国際特許事務所

(72)【発明者】

【氏名】野村 鎮平

(72)【発明者】

【氏名】早坂 光雄

(57)【要約】

【課題】ユーザの様々な要望を考慮した配置案を容易に作成することが可能な配置案算出装置を提供する。
【解決手段】配置最適化プログラム１１１は、データとコンテナとの配置案の算出に使用するポリシが異なる複数の最適化エンジン１１００のそれぞれを実行して配置案の候補である候補案とその候補案でのデータに関する処理を評価した評価値とを含む候補情報を算出させ、その算出された複数の候補情報に含まれる候補配置案に基づいて当該複数の候補情報を統合してデータ・コンテナ配置案情報として生成する。
【選択図】図１

【特許請求の範囲】

【請求項1】

計算機を有する複数の拠点システムのいずれかに、データと当該データに関する処理を行う処理コンポーネントとを配置する配置案に関する配置案情報を生成する配置案算出装置であって、
前記配置案には、前記データ及び前記処理コンポーネントと、それを配置する前記拠点システムとが対応付けられており、
メモリと、
プロセッサと、
前記プロセッサで実行される複数の算出エンジンと、を有し、
前記メモリは、前記複数の拠点システムのそれぞれに関する管理情報を有し、
前記複数の算出エンジンは、前記管理情報と前記処理の目標となる性能である目標性能とに基づいて前記配置案の候補である候補配置案と当該候補配置案での前記データに関する処理を評価した評価値とを含む候補情報を算出し、
それぞれ前記候補情報を算出するための算出方法を定めたポリシを複数有して、前記複数の算出エンジンはそれぞれ前記複数のポリシのうちの１又は複数を用いて候補情報を算出し、
前記プロセッサは、前記配置案の算出に使用する前記ポリシが異なる複数の前記算出エンジンのぞれぞれを実行して前記候補情報を算出させ、当該算出された複数の候補情報に含まれる候補配置案に基づいて当該複数の候補情報を統合して前記配置案情報として生成する、配置案算出装置。

【請求項2】

前記プロセッサは、複数の前記ポリシを指定する指定情報にて指定された複数のポリシのそれぞれに対応している前記算出エンジンを実行する、請求項１に記載の配置案算出装置。

【請求項3】

前記複数の算出エンジンは、それぞれ前記拠点システムを使用する用途である複数のユースケースのいずれかと対応し、
前記指定情報は、前記配置案の算出に使用する前記ユースケースをさらに指定し、
前記プロセッサは、前記指定情報にて指定されたポリシ及びユースケースの両方に対応している前記算出エンジンを実行する、請求項２に記載の配置案算出装置。

【請求項4】

前記プロセッサは、前記候補配置案の前記データ及び処理コンポーネントとそれが配置される前記拠点システムとの組み合わせの少なくとも一部が互いに共通する複数の前記候補情報を統合する、請求項１に記載の配置案算出装置。

【請求項5】

前記配置案は、前記データ及び前記処理コンポーネントを配置する拠点システムである配置拠点システムと、前記配置拠点システムにおいて前記処理コンポーネントに割り当てるハードウェアのリソース量である割当リソース量を含む、請求項４に記載の配置案算出装置。

【請求項6】

前記配置案情報は、当該配置案での前記データに関する処理を評価した評価値を含み、
前記プロセッサは、前記配置拠点システム及び前記割当リソース量の両方が互いに同一となる複数の前記候補情報が存在する場合、当該複数の候補情報のそれぞれに含まれる複数の前記評価値を前記配置案情報の評価値にする、請求項５に記載の配置案算出装置。

【請求項7】

前記配置案情報は、当該配置案での前記データに関する処理を評価した評価値を含み、
前記プロセッサは、前記配置拠点システムが共通し、かつ、前記割当リソース量が異なる複数の前記候補情報が存在する場合、当該複数の候補情報のそれぞれに含まれる前記割当リソース量に基づいて、該複数の候補情報のそれぞれに含まれる複数の前記評価値を修正して前記配置案情報の評価値を生成する、請求項５に記載の配置案算出装置。

【請求項8】

前記プロセッサは、前記配置案情報及び前記管理情報に基づいて、前記配置案情報に従って前記データ及び前記処理コンポーネントを配置する際に係る負荷を評価した負荷評価値を前記配置案情報に追加する、請求項１に記載の配置案算出装置。

【請求項9】

前記負荷評価値は、前記配置案情報に従って前記データ及び前記処理コンポーネントを配置するための係る移行時間及び移行コストの少なくとも一方を含む、請求項８に記載の配置案算出装置。

【請求項10】

前記プロセッサは、前記配置案情報に従って、前記データ及び前記処理コンポーネントを配置させる、
請求項１に記載の配置案算出装置。

【請求項11】

前記プロセッサは、前記配置案情報に従って、前記データ及び前記処理コンポーネントを配置させ、所定の条件に該当した場合に、前記配置案情報を修正し、前記修正した配置案情報に従って、前記データ及び前記処理コンポーネントを再配置する、請求項１０に記載の配置案算出装置。

【請求項12】

計算機を有する複数の拠点システムのいずれかに、データと当該データに関する処理を行う処理コンポーネントとを配置する配置案に関する配置案情報を生成する配置案算出装置による配置案算出方法であって、
前記配置案には、前記データ及び前記処理コンポーネントと、それを配置する前記拠点システムとが対応付けられており、
前記配置案算出装置は、
メモリと、
プロセッサと、
前記プロセッサで実行される複数の算出エンジンと、を有し、
前記メモリは、前記複数の拠点システムのそれぞれに関する管理情報を有し、
前記プロセッサで実行される複数の算出エンジンは、前記管理情報と前記処理の目標となる性能である目標性能とに基づいて、前記配置案の候補である候補配置案と当該候補配置案での前記データに関する処理を評価した評価値とを含む候補情報を算出し、
それぞれ前記候補情報を算出するための算出方法を定めたポリシを複数有して、前記複数の算出エンジンはそれぞれ前記複数のポリシのうちの１又は複数を用いて候補情報を算出し、
前記プロセッサは、前記配置案の算出に使用する前記ポリシが異なる複数の前記算出エンジンのぞれぞれを実行して前記候補情報を算出させ、当該算出された複数の候補情報に含まれる候補配置案に基づいて当該複数の候補情報を統合して前記配置案情報として生成する、配置案算出方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、配置案算出装置、計算機システム及び配置案算出方法に関する。

【背景技術】

【0002】

ハイブリッドクラウドシステム及びマルチクラウドシステムなどでは、複数の拠点に格納されたデータが様々な用途で利用されている。データの利用効率の向上のためには、各拠点の性能及びコストなどを考慮して、データを利用するためのアプリケーションプログラムを配置する拠点、及び、アプリケーションプログラムに割り当てる割当リソース量などを決定する必要がある（特許文献１参照）。また、近年では、脱炭素社会の実現などのために再生可能エネルギーの利用に対する要望も高く、再生可能エネルギーの利用率なども考慮することが求められている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】米国特許出願公開第２０１４／０３８０３０７号明細書

【発明の概要】

【発明が解決しようとする課題】

【0004】

アプリケーションプログラムの配置先及び割当リソース量などの配置案を決定する最適化エンジンとして、ユーザの様々な要望に適用した単一の最適化エンジンを作成するには、工数が大きいという問題がある。また、単一の要望に適用した最適化エンジンを複数併用しただけでは、単一の要望を考慮した複数の最適案が算出されるだけなので、複数の要望を考慮した配置案を作成することが難しい。

【0005】

本開示の目的は、ユーザの様々な要望を考慮した配置案を容易に作成することが可能な配置案算出装置、計算機システム及び配置案算出方法を提供することにある。

【課題を解決するための手段】

【0006】

本開示の一態様に従う配置案算出装置は、計算機を有する複数の拠点システムのいずれかに、データと当該データに関する処理を行う処理コンポーネントとを配置する配置案に関する配置案情報を生成する配置案算出装置であって、前記配置案には、前記データ及び前記処理コンポーネントと、それを配置する前記拠点システムとが対応付けられており、メモリと、プロセッサと、前記プロセッサで実行される複数の算出エンジンと、を有し、前記メモリは、前記複数の拠点システムのそれぞれに関する管理情報を有し、前記複数の算出エンジンは、前記管理情報と前記処理の目標となる性能である目標性能とに基づいて前記配置案の候補である候補配置案と当該候補配置案での前記データに関する処理を評価した評価値とを含む候補情報を算出し、それぞれ前記候補情報を算出するための算出方法を定めたポリシを複数有して、前記複数の算出エンジンはそれぞれ前記複数のポリシのうちの１又は複数を用いて候補情報を算出し、前記プロセッサは、前記配置案の算出に使用する前記ポリシが異なる複数の前記算出エンジンのぞれぞれを実行して前記候補情報を算出させ、当該算出された複数の候補情報に含まれる候補配置案に基づいて当該複数の候補情報を統合して前記配置案情報として生成する、配置案算出装置。

【発明の効果】

【0007】

本発明によれば、ユーザの様々な要望を考慮した配置案を容易に作成することが可能になる。

【図面の簡単な説明】

【0008】

【図1】本開示の実施例に係る計算機システムの構成全体を示す図である。

【図2】各拠点のハードウェア構成の一例を示す図である

【図3】メタデータＤＢの一例を示す図である。

【図4】リソース管理表の一例を示す図である。

【図5】拠点間ネットワーク管理表の一例を示す図である。

【図6】アプリ管理表の一例を示す図である。

【図7】データストア管理表の一例を示す図である。

【図8】最適化エンジン管理表の一例を示す図である。

【図9】分散拠点間メタデータ検索処理の一例を説明するためのフローチャートである。

【図10】拠点内メタデータ検索処理の一例を説明するための図である。

【図11】分散拠点間メタデータ検索結果の一例を説明するための図である。

【図12】アプリデプロイ処理の一例を説明するためのフローチャートである。

【図13】コンテナ・データ配置案算出要求画面の一例を示す図である。

【図14】配置案作成処理の一例を説明するためのフローチャートである。

【図15】コンテナ・データ配置情報の一例を示す図である。

【図16】配置案統合処理の一例を示す図である。

【図17】配置案統合処理の他の例を示す図である。

【図18】提示画面の一例を示す図である。

【図19】アプリ配置修正処理の一例を説明するためのフローチャートである。

【発明を実施するための形態】

【0009】

以下、本開示の実施形態を本発明の実施例について、図面を参照して説明する。なお、以下に説明する実施形態は特許請求の範囲にかかる開示を限定するものではなく、また実施形態で説明されている諸要素及びその組み合わせの全てが本開示の解決手段に必須であるとは限らない。

【0010】

なお、以下の説明では、「プログラム」を主語として処理を説明する場合があるが、プログラムは、プロセッサ（例えば、ＣＰＵ（Central Processing Unit））によって実行されることで、定められた処理を、適宜に記憶資源（例えばメモリ）及び／又は通信インターフェースデバイス（例えば、ＮＩＣ（Network Interface Card））を用いながら行うため、処理の主語がプロセッサ又はプロセッサを有する計算機が行う処理としても良い。

【0011】

図１は、本開示の実施例に係る計算機システムの構成全体を示す図である。図１に示す計算機システムは、アプリケーションプラットフォーム１００と、ホスト１５０と、複数の拠点（拠点システム）２００とを有する。アプリケーションプラットフォーム１００、ホスト１５０及び各拠点２００は、ネットワーク１０を介して相互に通信可能に接続される。

【0012】

アプリケーションプラットフォーム１００は、データとデータに関する処理コンポーネントとを拠点２００のいずれかに配置する配置案に関する配置案情報を生成する配置案算出装置である。配置案では、データ及び処理コンポーネントと、それらを配置する拠点２００とが対応付けられている。処理コンポーネントは、本実施例では、コンテナであるが、ＶＭ（virtual machine）又はプロセスなどでもよい。また、処理コンポーネントとして、プログラムを実行するプロセッサである実行プロセッサに関する配置案が作成されてもよい。データに関する処理を行うプログラムは、本実施例では、第１のプログラムと、第２のプログラムとを含み、第１のプログラムは、データを管理するデータストアプログラム（以下、データストアと略す）であり、第２のプログラムは、データストアにアクセスして所定の処理を実行するアプリケーションプログラム（以下、アプリケーションと略す）である。ただし、第１及び第２のプログラムは、この例に限らず、互いに異なる処理を行うアプリケーションなどでもよい。例えば、第１のプログラムが機械学習の推論を行うアプリケーションであり、第２のプログラムが第１のプログラムによる推論結果を用いて商品やサービスなどのレコメンデーションを行うアプリケーションなどでもよい。

【0013】

ホスト１５０は、計算機システムを利用するユーザにて使用される。ホスト１５０は、メモリ１６０と、ＣＰＵ１６１とを有する。メモリ１６０は、クライアントプログラム１６２を格納する。ＣＰＵ１６１は、メモリ１６０に格納されたクライアントプログラム１６２を読み取り、その読み取ったクライアントプログラム１６２を実行してクライアント処理を行う。クライアント処理は、例えば、コンテナ及びデータの配置案であるコンテナ・データ配置案の算出要求と、コンテナ・データ配置案に基づくデプロイ要求とをアプリケーションプラットフォーム１００に送信する処理を含む。

【0014】

拠点２００は、データを格納すると共に、コンテナを構築してデータに関する処理を実行するための計算機システムである拠点システムである。各拠点２００は、例えば、地理的に隔たった場所に設置される。また、各拠点２００は、国を跨いで設置されてもよい。図１では、拠点２００として、３つの拠点２００－１～２００－３が示されているが、拠点２００は、複数あればよい。なお、拠点２００－１をエッジ（Edge）、拠点２００－２をプライベートクラウド（Private Cloud）、拠点２００－３をパブリッククラウド（Public cloud）としているが、これは単なる一例であり、各拠点２００の種別は、この例に限定されない。

【0015】

図２は、各拠点２００のハードウェア構成の一例を示す図である。図２に示すように拠点２００は、データを格納して所定の処理を実行するための設備（インフラストラクチャ）であるインフラとして、１以上のコンピュートクラスタ３０と、１以上のストレージクラスタ４０と、１以上のストレージアプライアンス５０とを有する。コンピュートクラスタ３０、ストレージクラスタ４０及びストレージアプライアンス５０は、ＬＡＮ（Local Area Network）２１及びＳＡＮ（Storage Area Network）２２を介して相互に通信可能に接続される。

【0016】

コンピュートクラスタ３０は、コンピュートノード３００の集合であり、１以上のコンピュートノード３００を含む。

【0017】

コンピュートノード３００は、アプリケーションを実行して所定の処理を行う計算機ノードである。コンピュートノード３００は、本実施例では、汎用のコンピュータシステムにて実現されるが、専用機器にて実現されてもよい。コンピュートノード３００は、ＣＰＵ３０１と、メモリ３０２と、ディスク３０３と、電力計３０４と、ＮＩＣ（Network Interface Card）３０５と、ストレージＩ／Ｆ３０６とを有し、それらがバス３０７を介して相互に通信可能に接続される。ＣＰＵ３０１は、メモリ３０２に記録されたプログラムを読み取り、その読み取ったプログラムを実行して種々の処理を行う。メモリ３０２は、ＣＰＵ３０１の動作を規定するプログラム及びプログラムにて使用又は生成される種々の情報などを記憶する。ディスク３０３は、二次記憶装置である。電力計３０４は、自ノードの消費電力量を計測する。ＮＩＣ３０５は、ＬＡＮ２１を介して他の装置と通信するためのインタフェースである。ストレージＩ／Ｆ３０６は、ＳＡＮ２２を介してストレージアプライアンス５０と通信するためのインタフェースである。

【0018】

ストレージクラスタ４０は、ストレージノード４００の集合であり、１以上のストレージノード４００を含む。

【0019】

ストレージノード４００は、データストアプログラム（以下、データストアと略す）を実行してデータの管理を行う計算機ノードである。ストレージノード４００は、本実施例では、汎用のコンピュータシステムにて実現されるが、専用機器にて実現されてもよい。ストレージノード４００は、ＣＰＵ４０１と、メモリ４０２と、ディスク４０３と、電力計４０４と、ＮＩＣ４０５とを有し、それらがバス４０７を介して相互に通信可能に接続される。ＣＰＵ４０１は、メモリ４０２に記録されたプログラムを読み取り、その読み取ったプログラムを実行して種々の処理を行う。メモリ４０２は、ＣＰＵ４０１の動作を規定するプログラム及びプログラムにて使用又は生成される種々の情報などを記憶する。ディスク４０３は、二次記憶装置である。電力計４０４は、自ノードの消費電力量を計測する。ＮＩＣ４０５は、ＬＡＮ２１を介して他の装置と通信するためのインタフェースである。

【0020】

ストレージアプライアンス５０は、データを記憶する複数のディスク５０３と、ディスク５０３に対するデータの読み書きを行うストレージコントローラ５００とを有する計算機ノード（ストレージ装置）である。ストレージアプライアンス５０は、ブロックストレージでもよいし、ファイルストレージでもよいし、オブジェクトストレージでもよいし、それらの組み合わせでもよい。ストレージコントローラ５００は、ＣＰＵ５０１と、メモリ５０２と、電力計５０４と、ＮＩＣ５０５と、ホストＩ／Ｆ５０６と、ＩＯＩ／Ｆ５０８とを有し、それらがバス５０７を介して相互に通信可能に接続される。ＣＰＵ５０１は、メモリ５０２に格納されたプログラムを読み取り、その読み取ったプログラムを実行して種々の処理を行う。メモリ５０２は、ＣＰＵ５０１の動作を規定するプログラム及びプログラムにて使用又は生成される種々の情報などを記憶する。電力計５０４は、自ノードの消費電力量を計測する。ＮＩＣ４０５は、ＬＡＮ２１を介して他の装置と通信するためのインタフェースである。ホストＩ／Ｆ５０６は、ＳＡＮ２２を介してコンピュートクラスタ３０と通信するためのインタフェースである。ＩＯＩ／Ｆ５０８は、ディスク５０３と通信するためのインタフェースである

【0021】

なお、コンピュートクラスタ３０とストレージクラスタ４０とが区別されず、同一のクラスタがアプリケーション及びデータストアの両方を実行する構成でもよい。

【0022】

コンピュートノード３００、ストレージノード４００及びストレージアプライアンス５０のメモリ３０２、４０２及び５０２は、図１に示したように、デプロイ制御プログラム２１１と、実行基盤プログラム２１２と、電力消費計測プログラム２１３とを記憶する。また、コンピュートノード３００のメモリは、これらのプログラム（２１１～２１３）に加えて複数のアプリ（アプリケーション）２５１をさらに記憶し、ストレージノード４００及びストレージアプライアンス５０のメモリ４０２及び５０２は、これらのプログラム（２１１～２１３）に加えて、拠点間データ制御プログラム２１４及びメタデータ管理プログラム２１５を記憶し、メモリ５０２は、さらに複数のデータストア２５２とを記憶する。拠点ごとに、その拠点のいずれかのメモリにメタデータＤＢ６００が記憶される。なお、図１では、メモリ３０２、４０２及び５０２の区別をせずに、各プログラム及び情報が示されている。

【0023】

デプロイ制御プログラム２１１は、コンテナ・データ配置案に基づくデプロイ要求に従って、コンテナ上でアプリ２５１及びデータストア２５２のデプロイを実行する。実行基盤プログラム２１２は、デプロイ要求に従って、アプリ２５１及びデータストア２５２のコンテナを構築する。また、実行基盤プログラム２１２は、デプロイ要求に従った、アプリ２５１及びデータストア２５２に対してハードウェアのリソース（ＨＷリソース）の割り当て、ハードウェアのメトリックス及び実行ログの取得などを行う。

【0024】

電力消費計測プログラム２１３は、電力計３０４、４０４又は５０４を用いて、自ノードの電力消費量を計測する。拠点間データ制御プログラム２１４は、コンテナ・データ配置案に基づくデータ移動要求に従って、拠点２００間でデータを移動（移行）させる。メタデータ管理プログラム２１５は、拠点間でデータを探すためメタデータＤＢの拠点間検索機能を提供する。

【0025】

メタデータＤＢ６００は、ストレージクラスタ４０及びストレージアプライアンス５０のディスク４０３及び５０３に記憶されたデータに関するメタデータの集合である。

【0026】

図３は、メタデータＤＢ６００の一例を示す図である。なお、メタデータＤＢ６００は、本実施形態では、上述したように拠点２００ごとに格納されるが、この例に限らず、例えば、インフラごとに格納されてもよい。また、図３では、拠点２００－１におけるメタデータＤＢ６００の一例が示されている。

【0027】

図３に示すメタデータＤＢ６００は、フィールド６０１～６１０を有する。フィールド６０１は、インフラを識別するための識別情報であるインフラＩＤを格納する。インフラは、ここでは、ストレージクラスタ４０及びストレージアプライアンス５０である。フィールド６０２は、データを管理するデータストアを識別するための識別情報であるデータストアＩＤを格納する。フィールド６０３は、データを識別するための識別情報であるデータＩＤを格納する。フィールド６０４は、データの種別を格納する。データの種別は、本実施形態では、オリジナルのデータを示す「Ｏｒｉｇｉｎａｌ」、同一拠点内のオリジナルのデータのスナップショットを示す「Ｓｎａｐｓｈｏｔ」、又は、他の拠点のオリジナルデータのスナップショットである複製データを示す「Ｒｅｐｌｉｃａ」である。フィールド６０５は、データの種別が「Ｓｎａｐｓｈｏｔ」又は「Ｒｅｐｌｉｃａ」の場合に、スナップショットが取得された日時であるスナップショット日時を格納する。

【0028】

フィールド６０６は、データを格納している格納先を示す格納先情報であるパス情報を格納する。ただし、格納先情報は、パス情報に限らず、格納先の種別に応じて異なっていてもよい。例えば、格納先情報は、格納先がブロックストレージの場合、ボリュームの識別子、格納先がオブジェクトストレージの場合、ＵＲＩ（Uniform Resource Identifier）などでもよい。また、格納先は、データベースのＵＲＬ（Uniform Resource Name）又はテーブル名などでもよい。フィールド６０７は、データのサイズを格納する。フィールド６０８は、データの種別が「Ｒｅｐｌｉｃａ」の場合に、そのデータ（複製データ）のレプリカ元の拠点を識別する識別情報である拠点ＩＤを格納する。フィールド６０９及び６１０は、データの移動に係る制約情報を格納する。具体的には、フィールド６０９は、国内の別の拠点へのデータの移動を許可するか否かを示す国内移動可否情報を格納し、フィールド６１０は、国外の別の拠点へのデータの移動を許可するか否かを示す国外移動可否情報を格納する。国内移動可否情報及び国内移動可否情報は、移動を許可する場合、「可」を示し、移動を許可しない場合、「不可」を示す。

【0029】

なお、メタデータＤＢ６００は、フィールド６０１～６１０以外にも、他の情報を格納するフィールド、例えば、データの内容を示すラベルを、メタデータを検索するために使用する情報として格納するフィールドを有してもよい。

【0030】

図１の説明に戻る。アプリケーションプラットフォーム１００は、種々のプログラム及び情報を記憶するメモリ１１０と、メモリ１１０に記憶されたプログラムを読み取り、その読み取ったプログラムを実行して種々の機能を実現するプロセッサであるＣＰＵ１２０とを有する。

【0031】

メモリ１１０は、本実施例では、配置最適化プログラム１１１と、メタデータ管理プログラム１１２と、リソース管理表７００と、拠点間ネットワーク管理表８００と、アプリ管理表９００と、データストア管理表１０００と、複数の最適化エンジン１１００と、最適化エンジン管理表１２００と、コンテナ・データ配置情報３０００とを記憶する。

【0032】

配置最適化プログラム１１１は、最適化エンジン１１００を用いて、コンテナ・データ配置案に関する配置案情報であるコンテナ・データ配置情報３０００を生成するためのプログラムである。また、配置最適化プログラム１１１は、コンテナ・データ配置情報３０００をホスト１５０を介してユーザに提示したり、コンテナ・データ配置情報３０００に基づくデプロイ要求及びデータ移動要求を各拠点２００に送信することで、データ及びコンテナをコンテナ・データ配置情報３０００に従って配置させたりすることもできる。

【0033】

メタデータ管理プログラム１１２は、各拠点２００に分散して管理されるデータに関するメタデータを管理するためのプログラムである。リソース管理表７００、拠点間ネットワーク管理表８００、アプリ管理表９００及びデータストア管理表１０００は、各拠点２００に関する管理情報である。

【0034】

最適化エンジン１１００は、管理情報と分散メタデータ管理処理１１３にて管理されるメタデータとに基づいて、コンテナ・データ配置案の候補である候補配置案を含む候補情報を算出する算出エンジンである。候補情報は、配置最適化プログラム１１１にてコンテナ・データ配置情報３０００を生成するために使用される情報であり、具体的には、候補配置案とその候補配置案によるアプリ１５１及びデータストア１５２の処理に関する性能を評価した評価値とを含む。評価値の種類は、後述する最適化ポリシに応じて異なる。なお、最適化エンジン１１００は、例えば、数理最適化又は機械学習などの技術に基づいて構築される。最適化エンジン管理表１２００は、最適化エンジン１１００を管理するための情報である。

【0035】

図４は、リソース管理表７００の一例を示す図である。リソース管理表７００は、各拠点２００のハードウェアのリソースに関するＨＷリソース情報と、各拠点２００における電力状況に関する電力リソース情報とを管理する情報であり、フィールド７０１～７１５を有する。

【0036】

フィールド７０１は、拠点２００を識別する識別情報である拠点ＩＤを格納する。フィールド７０２は、拠点２００が置かれた国を示す国コードを格納する。

【0037】

フィールド７０３～７１１は、ＨＷリソース情報を格納する。具体的には、フィールド７０３は、拠点２００に設置されたインフラを識別するインフラＩＤを格納する。フィールド７０４～７０９は、インフラが有するＨＷリソースを示す情報を格納する。具体的には、フィールド７０４は、インフラ内の計算機ノードが備えるＣＰＵのコア数の総和である総コア数を格納する。フィールド７０５は、インフラ内の計算機ノードが備えるメモリの容量を総和である総容量を格納する。フィールド７０６は、インフラ内の計算機ノードが備えるＣＰＵの使用率を格納する。フィールド７０６は、インフラ内の計算機ノードが備えるメモリの使用率を格納する。フィールド７０８は、インフラ内の計算機ノードの１つ当たりのコア数であるノードコア数を格納する。フィールド７０９は、インフラ内の計算機ノードの１つ当たりのメモリの容量であるノードメモリ容量を格納する。なお、本実施例は、ＣＰＵのコア数及びメモリの容量は、計算機ノードごとに同一である。

【0038】

フィールド７１０は、計算機ノードの１当たりのユーザが負担する費用であるノード費用を格納する。なお、本実施例は、計算機ノードごとにユーザに提供される。フィールド７１１は、拠点２００内におけるデータ転送に係る費用であるデータ転送費用を格納する。フィールド７１２は、インフラの全稼働時間に対する実際に継続稼働できる時間の割合を可用性として格納する。

【0039】

フィールド７１３～７１５は、電力リソース情報を格納する。具体的には、フィールド７１３は、拠点２００で使用可能な全電力量に対する、拠点２００にて利用可能な再生可能エネルギーによる電力量である利用可能再エネルギー量（利用可能再エネ量）の割合である電力中再エネルギー率（電力中再エネ率）を格納する。フィールド７１４は、拠点２００における現在の電力利用量を格納する。フィールド７１５は、電力の利用に係る費用である電力費用を格納する。なお、拠点２００にて、電力中再エネルギー率の代わりに、利用可能再エネルギー量が決まっている場合には、その情報がリソース管理表７００に保持されてもよい。

【0040】

なお、電力費用は、再生可能エネルギーによる電力量による費用と、それ以外の電力量による費用とに分かれていてもよい。また、利用可能再エネルギー量及び電力中再エネルギー率の一方のみが格納されていてもよい。なお、拠点２００によって、利用可能再エネルギー量が決まっている場合と、電力中再エネルギー率が決まっている場合とがある。また、利用可能再エネルギー量及び電力中再エネルギー率の両方が決まっていない場合もある。

【0041】

また、リソース管理表７００は、現在の利用可能再エネルギー量又は電力中再エネルギー率の代わりに、又は加えて、将来の利用可能再エネルギー量又は電力中再エネルギーを予測した予測値を示す電力予測情報を含んでもよい。

【0042】

図５は、拠点間ネットワーク管理表８００の一例を示す図である。拠点間ネットワーク管理表８００は、拠点２００間の通信に関する情報であり、ネットワーク帯域管理表８１０と、ネットワークレイテンシ管理表８２０と、ネットワーク転送課金管理表８３０とを含む。

【0043】

ネットワーク帯域管理表８１０は、データの転送元となる拠点２００である転送元拠点８１１とデータの転送先となる転送先拠点８１２との間のネットワーク帯域を拠点２００（拠点ＩＤ）の組み合わせごとに示す。

【0044】

ネットワークレイテンシ管理表８２０は、転送元拠点８１１と転送先拠点８１２との間のレイテンシであるネットワークレイテンシを拠点２００の組み合わせごとに示す。

【0045】

ネットワーク転送課金管理表８３０は、転送元拠点８１１と転送先拠点８１２との間の通信に係る料金である転送量課金を拠点２００の組み合わせごとに示す。

【0046】

図６は、アプリ管理表９００の一例を示す図である。アプリ管理表９００は、フィールド９０１～９０３を有する。フィールド９０１は、アプリ２５１を識別するための識別情報であるアプリＩＤを格納する。フィールド９０２は、アプリ２５１が行う処理の内容を示す説明情報を格納する。フィールド９０３は、アプリ２５１の実行が許可されない拠点２００である実行不可拠点の拠点ＩＤを格納する。

【0047】

図７は、データストア管理表１０００の一例を示す図である。データストア管理表１０００は、データストア２５２を管理するための情報であり、フィールド１００１及び１００２を有する。フィールド１００１は、データストア２５２を識別するための識別情報であるデータストアＩＤを格納する。フィールド１００２は、データストア２５２の種類として、データストア２５２が対応しているストレージの種類を格納する。

【0048】

図８は、最適化エンジン管理表１２００の一例を示す図である。最適化エンジン管理表１２００は、最適化エンジン１１００を管理するための情報であり、フィールド１２０１～１２０４を含む。

【0049】

フィールド１２０１は、最適化エンジン１１００を識別するための識別情報である最適化エンジンＩＤを格納する。フィールド１２０２は、最適化エンジン１１００にてサポートされている１つ又は複数の最適化ポリシを示すサポートポリシ情報を格納する。最適化ポリシは、コンテナ・データ配置案の候補である候補配置案を算出するための算出方法（最適化方法）を定めたポリシである。本実施例では、最適化ポリシは、アプリ１５１による処理に関する、最適化（例えば、最小化又は最大化）する対象となる性能指標で区別される。性能指標は、性能指標は、アプリ１５１による処理に関する性能を示す指標であり、例えば、アプリケーション自身の性能であるアプリ性能（処理速度など）、処理時の実行に係る実行コスト、処理の可用性及び処理に係る電力中再エネ率（再エネ率）又は消費電力などである。図８の例では、サポートポリシ情報は、各最適化ポリシについて、当該最適化ポリシをサポートしている場合、「〇」、当該最適化ポリシをサポートしていない場合、「×」を示す。

【0050】

なお、最適化エンジン１１００は、複数の最適化ポリシをサポートしていてもよいし、同一の最適化ポリシをサポートしている複数の最適化エンジン１１００が存在してもよい。

【0051】

フィールド１２０３は、最適化エンジン１１００にてサポートされているユースケースを示すサポートユースケース情報を格納する。ユースケースは、拠点２００を使用する用途である。本実施例では、ユースケースとして、クラウド（拠点２００－２及び２００－３など）のアプリ２５１が生成したデータを他のアプリで使用する「二次使用」と、ローカル（拠点２００－１）のアプリ２５１が生成したデータをクラウドに移行する「クラウド移行」と、災害などにより拠点２００の利用が困難になった際に別の拠点２００で復旧する「ＤＲ（Disaster Recovery：ディザスタリカバリ）」とがあるが、ユースケースはこれらの例に限らない。図８の例では、サポートユースケース情報は、各ユースケースについて、当該ユースケースをサポートしている場合、「〇」、当該ユースケースをサポートしていない場合、「×」を示す。フィールド１２０４は、最適化エンジン１１００が格納されている格納場所を示すパス情報を格納する。

【0052】

なお、最適化エンジン１１００は、複数の最適化ポリシをサポートしていてもよいし、複数のユースケースをサポートしていてもよい。また、同一の最適化ポリシをサポートしている複数の最適化エンジン１１００が存在してもよいし、同一のユースケースをサポートしている複数の最適化エンジン１１００が存在してもよい。

【0053】

図９は、アプリケーションプラットフォーム１００のメタデータ管理プログラム１１２による分散拠点間メタデータ検索処理の一例を説明するためのフローチャートである。分散拠点間メタデータ検索処理は、例えば、ユーザからホスト１５０のクライアントプログラム１６２を介して、メタデータの検索要求を受け付けた場合などに実行される。

【0054】

分散拠点間メタデータ検索処理では、先ず、メタデータ管理プログラム１１２は、各拠点２００に対してメタデータＤＢ６００の検索クエリを発行する（ステップＳ４０１）。その後、メタデータ管理プログラム１１２は、各拠点２００から検索クエリに応じた検索結果を受領する（ステップＳ４０２）。メタデータ管理プログラム１１２は、各拠点２００からの検索結果を集約した分散拠点間メタデータ検索結果を作成して、ホスト１５０のクライアントプログラム１６２を介してユーザに応答し（ステップＳ４０３）、処理を終了する。なお、分散拠点間メタデータ検索結果は、アプリケーションプラットフォーム１００のメモリ１１０などに記録されてもよい。

【0055】

図１０は、ステップＳ４０１の検索クエリを受領した側の処理である拠点内メタデータ検索処理の一例を説明するための図である。拠点内メタデータ検索処理は、例えば、拠点２００の内の計算機ノードのいずれか（メタデータＤＢ６００を保持している計算機ノードなど）のメタデータ管理プログラム２１５にて、検索クエリを受領した場合などに実行される。

【0056】

拠点内メタデータ検索処理では、メタデータ管理プログラム２１５は、検索クエリに応じたレコードを自拠点内のメタデータＤＢ６００から検索する（ステップＳ４５１）。メタデータ管理プログラム２１５は、検索したレコードから、検索元のユーザにアクセス権がないレコードを削除する（ステップＳ４５２）。メタデータ管理プログラム２１５は、削除されずに残ったレコードを検索クエリの検索結果として作成してストレージアプライアンス５０に応答し（ステップＳ４５３）、処理を終了する。なお、アクセス権は、例えば、各拠点２００にて管理される。

【0057】

図１１は、分散拠点間メタデータ検索結果の一例を説明するための図である。図１１に示す分散拠点間メタデータ検索結果６５０は、フィールド６５１～６６０を含む。

【0058】

フィールド６５１は、データを識別するためのデータＩＤを格納する。フィールド６５２は、データのスナップショット日時を格納する。フィールド６５２は、データのサイズを格納する。フィールド６５４は、データの国内移動可否情報を格納する。フィールド６５５は、データの国外移動可否情報を格納する。フィールド６５６は、データを格納している拠点を示す拠点ＩＤを格納する。フィールド６５７は、データに対応するデータストアを識別するデータストアＩＤを格納する。フィールド６５８は、データに対応するデータストアを実行するインフラを識別するインフラＩＤを格納する。フィールド６５９は、データの種別を格納する。フィールド６６０は、データのパス情報を格納する。

【0059】

図１２は、アプリ１５１及びデータストア１５２をデプロイするためのアプリデプロイ処理の一例を説明するためのフローチャートである。

【0060】

アプリデプロイ処理では、先ず、ホスト１５０のクライアントプログラム１６２は、ユーザからアプリ１５１及びデータストア１５２のデプロイするための条件であるデプロイ条件を受け付け、そのデプロイ条件に応じたコンテナ・データ配置案の算出要求を作成する（ステップＳ５０１）。クライアントプログラム１６２は、作成した算出要求をアプリケーションプラットフォーム１００に送信する（ステップＳ５０２）。

【0061】

アプリケーションプラットフォーム１００の配置最適化プログラム１１１は、算出要求を受信し、その算出要求に基づいてコンテナ・データ配置情報３０００を作成してメモリ１１０に記憶すると共にホスト１５０に返信する配置案作成処理（図１４参照）を実行する（ステップＳ５０３）。

【0062】

ホスト１５０のクライアントプログラム１６２は、コンテナ・データ配置情報３０００を受信し、そのコンテナ・データ配置情報３０００を表示（提示）する。その後、クライアントプログラム１６２は、コンテナ・データ配置情報３０００を承認する旨の情報を受け付けると、コンテナ・データ配置情報３０００に基づくデプロイを要求するデプロイ要求をアプリケーションプラットフォーム１００に送信する（ステップＳ５０４）。なお、コンテナ・データ配置案が承認されなかった場合、クライアントプログラム１６２は、ステップＳ５０１の処理に戻る。

【0063】

アプリケーションプラットフォーム１００の配置最適化プログラム１１１は、デプロイ要求を受信すると、コンテナ・データ配置情報３０００に基づくデータ移動要求をデータの転送元の拠点に送信して、データの転送先の拠点への転送を実行する（ステップＳ５０５）。例えば、配置最適化プログラム１１１は、データの転送元の拠点２００において、転送するデータに対応するデータストア２５２を実行するストレージノード４００の拠点間データ制御プログラム２１４にデータ移動要求を送信することで、その拠点間データ制御プログラム２１４にデータの転送を実行させる。

【0064】

配置最適化プログラム１１１は、デプロイ要求に従ってアプリ１５１及びデータストア１５２に対するＨＷリソースのリソース割当量に関する設定ファイル（例えば、コンテナのマニフェストファイルなど）を作成する（ステップＳ５０６）。配置最適化プログラム１１１は、設定ファイルを加えたデプロイ要求を、コンテナ・データ配置案にて示される配置拠点に送信して（ステップＳ５０７）、処理を終了する。

【0065】

図１３は、ユーザがデプロイ条件を入力するためのコンテナ・データ配置案算出要求画面の一例を示す図である。

【0066】

図１３に示すコンテナ・データ配置案算出要求画面１９００は、ユースケース選択欄１９１０と、アプリケーション選択欄１９２０と、データ選択欄１９３０と、ＫＰＩ（Key Performance Indicator）入力欄１９４０と、実行日時入力欄１９５０と、送信ボタン１９６０とを有する。

【0067】

ユースケース選択欄１９１０は、拠点２００を使用する用途であるユースケースを指定するためのインタフェースである。アプリケーション選択欄１９２０は、コンテナに配置する対象となるアプリ１５１を指定するためのインタフェースである。データ選択欄１９３０は、対象のアプリ１５１での利用対象となるデータを指定するためのインタフェースであり、利用対象のデータの一覧を示す一覧表１９３１と、利用対象とするデータを追加するための追加ボタン１９３２とを有する。

【0068】

アプリケーション選択欄１９２０及びデータ選択欄１９３０は、ユースケース選択欄１９１０にて指定されたユースケースに応じて変更されてもよい。例えば、ユースケースとして「クラウド移行」が指定された場合、アプリケーション選択欄１９２０を稼働中のコンテナを選択するインタフェースとし、稼働中のコンテナの情報から、対応するアプリケーション及びデータが特定されてもよい。

【0069】

ＫＰＩ入力欄１９４０は、作成するコンテナ・データ配置案の目標となる目標性能であるＫＰＩを指定するためのインタフェースであり、ＫＰＩの種別を指定する選択欄１９４１と、選択欄１９４１にて選択された種別のＫＰＩの値を指定するための入力欄１９４２と、指定するＫＰＩの種別を追加する追加ボタン１９４３と、最適化ポリシを指定する方法選択欄１９４４とを含む。ＫＰＩの種別は、例えば、アプリケーションの性能、信頼性、実行時にかかるコスト、及び、実行時にかかる電力などである。最適化ポリシは、例えば、電力中再エネルギー率の最大化、利用可能再エネルギー量の最大化、又は、電力費用の最小化などを示す。

【0070】

実行日時入力欄１９５０は、デプロイを実行するデプロイタイミングを指定するためのインタフェースであり、図の例では、現時点（今すぐ）と、任意の日時の設定とを選択することができる。送信ボタン１９６０は、指定されたデプロイ条件を送信するためのボタンである。なお、デプロイ条件は、コンテナ・データ配置案算出要求画面１９００にて指定された情報（ユースケース、アプリケーション、データ、ＫＰＩ、最適化ポリシ及びデプロイタイミング）である指定情報を含む。

【0071】

図１４は、図１２のステップＳ５０３の配置案作成処理の一例を説明するためのフローチャートである。

【0072】

配置案作成処理では、配置最適化プログラム１１１は、算出要求にデプロイ条件として含まれるユースケース及びアプリケーションに基づいて、コンテナ・データ配置案の算出対象のアプリケーションが単一か否かを判断する（ステップＳ６０１）。算出対象のアプリケーションが複数の場合（ステップＳ６０１：Ｎｏ）、配置最適化プログラム１１１は、複数の算出対象のアプリケーションのいずれかを選択する（ステップＳ６０２）。例えば、配置最適化プログラム１１１は、算出対象のアプリケーションの実行ログに基づいて、まだ選択されていない算出対象のアプリケーションのうち、ＫＰＩへの影響が最も大きいアプリケーションを判別して配置対象のアプリケーションとして選択する（ステップＳ６０２）。なお、算出対象となるアプリケーションが単一の場合（ステップＳ６０１：Ｎｏ）、ステップＳ６０２の処理はスキップされる。

【0073】

次に、配置最適化プログラム１１１は、算出要求にデプロイ条件として含まれるユースケース及び最適化ポリシである指定ユースケース及び指定ポリシと、最適化エンジン管理表１２００とに基づいて、メモリ１１０に記憶されている最適化エンジン１１００の中から、コンテナ・データ配置案の算出に使用する最適化エンジンを対象エンジンとして複数選択する（ステップＳ６０３）。具体的には、配置最適化プログラム１１１は、指定ユースケースをサポートする最適化エンジンの中から、指定ポリシをサポートする最適化エンジンを対象エンジンとして複数選択する。ここでは、指定ポリシが複数あるとする。この場合、配置最適化プログラムは、複数の指定ポリシのそれぞれをサポートする複数の最適化エンジン１１００を対象エンジンとして選択する。例えば、指定ユースケースが「二次利用」であり、かつ、指定ＫＰＩが「アプリケーション性能」及び「コスト」の場合、配置最適化プログラム１１１は、「二次利用」のユースケースをサポートする最適化エンジン１１００の中から、「アプリケーション性能」のＫＰＩをサポートする最適化エンジン１１００と、「コスト」のＫＰＩをサポートする最適化エンジン１１００とを対象エンジンとして選択する。

【0074】

配置最適化プログラム１１１は、リソース管理表７００、分散拠点間メタデータ検索結果６５０、アプリ管理表９００及びデータストア管理表１０００に基づいて、各対象エンジンに入力する入力情報を生成する（ステップＳ６０４）。入力情報は、例えば、各拠点２００ので余っている（使用されていない）余剰リソース量及び余剰電力量、アプリ及びデータストアに既に費やされているリソース量及び電力消費量、アプリ及びデータの移動に係る制約情報などであるが、これらの例に限定されない。

【0075】

配置最適化プログラム１１１は、対象エンジンのそれぞれに、入力情報と算出要求にデプロイ条件として含まれるＫＰＩとを入力して、対象エンジンのそれぞれに候補情報を算出させ、所定の条件に基づいて、それらの候補情報（図１５参照）から複数の対象候補情報を選択する（ステップＳ６０５）。ここでは、配置最適化プログラム１１１は、対象エンジンごとに、複数の候補情報を算出させ、さらに、対象エンジンごとに、それらの候補情報の中から評価値の高い方から所定個の候補情報を対象候補情報として選択する。

【0076】

そして、配置最適化プログラム１１１は、互いに異なる対象エンジンの対象候補情報を、その対象候補情報が含む候補配置案に基づいて統合した統合情報をコンテナ・データ配置情報３０００を生成する配置案統合処理（図１６及び図１７参照）を実行する（ステップＳ６０６）。

【0077】

配置最適化プログラム１１１は、コンテナ・データ配置情報３０００と管理情報とに基づいて、コンテナ・データ配置情報３０００に従ってデータ及びコンテナを配置した際に係る負荷を評価した負荷評価値を算出してコンテナ・データ配置案に追加する（ステップＳ６０７）。負荷評価値は、本実施例では、データ及びコンテナを配置するために係る移行時間及び移行コストであるが、この例に限定されない。例えば、負荷評価値は、移行時間及び移行コストの一方でもよいし、データ及びコンテナを配置するために係る電力量などの他の情報でもよい。

【0078】

配置最適化プログラム１１１は、算出対象のアプリケーションが単一か否かを判定する（ステップＳ６０８）。算出対象のアプリケーションが複数の場合（ステップＳ６０８：Ｎｏ）、配置最適化プログラム１１１は、統合情報による候補配置案の目標性能であるＫＰＩが達成されたか否かを判定する（ステップＳ６０９）。ＫＰＩが達成されていない場合（ステップＳ６０９：Ｎｏ）、ステップＳ６０３の処理に戻り、次に影響が大きいアプリケーションを選択する。

【0079】

また、算出対象のアプリケーションが単一の場合（ステップＳ６０８：Ｙｅｓ）、及び、ＫＰＩが達成されている場合（ステップＳ６０９：Ｙｅｓ）、配置最適化プログラム１１１は、処理を終了する。

【0080】

図１５は、候補情報の一例を示す図である。図１５に示す候補情報２０００は、コンテナ配置案２０１０と、コンテナ割当リソース案２０２０と、データ配置案２０３０と、データストア割当リソース案２０４０と、実行時情報見積２０５０とを含む。

【0081】

コンテナ配置案２０１０は、コンテナを配置する配置先を示す情報であり、フィールド２０１１～２０１３を含む。フィールド２０１１は、コンテナを識別する識別情報であるコンテナＩＤを格納する。フィールド２０１２は、コンテナを配置する拠点２００である配置拠点（配置拠点システム）を識別する拠点ＩＤを格納する。フィールド２０１３は、コンテナを配置するインフラである配置インフラを識別するインフラＩＤを格納する。

【0082】

コンテナ割当リソース案２０２０は、コンテナに割り当てる割当リソース量を示す情報であり、図の例では、フィールド２０２１及び２０２２を含む。フィールド２０２１は、コンテナに割り当てるＣＰＵのコア数を格納する。フィールド２０２２は、コンテナに割り当てるメモリの容量を格納する。コンテナ割当リソース案２０２０は、他のハードウェアリソースに関する割当リソース量を格納するフィールドを含んでもよい。

【0083】

データ配置案２０３０は、データを配置する配置先を示す情報であり、フィールド２０３１～２０３４を含む。フィールド２０３１は、データを識別するデータＩＤを格納する。フィールド２０３２は、データを格納する拠点２００である配置拠点を識別する拠点ＩＤを格納する。本実施形態では、コンテナの配置拠点とデータの配置拠点は同一である。フィールド２０３３は、データを格納するインフラである配置インフラを識別するインフラＩＤを格納する。フィールド２０３４は、データを読み書きするためのデータストアである配置データストアを識別するデータストアＩＤを格納する。なお、データ配置案２０３０は、データストアを実行するインフラを識別するインフラＩＤを格納するフィールドなどをさらに備えていてもよい。

【0084】

データストア割当リソース案２０４０は、データストアに割り当てる割当リソース量を示す情報であり、図の例では、フィールド２０４１及び２０４２を含む。フィールド２０４１は、データストアに割り当てるＣＰＵのコア数を格納する。フィールド２０４２は、データストアに割り当てるメモリの容量を格納する。データストア割当リソース案２０４０は、他のハードウェアリソースに関する割当リソース量を格納するフィールドを含んでもよい。

【0085】

実行時情報見積２０５０は、候補配置案によるアプリ１５１及びデータストア１５２の処理に関する性能を評価した評価値を示す情報であり、ユーザによるコンテナ・データ配置案の妥当性の判断を支援するために使用される。

【0086】

図１５の例では、実行時情報見積２０５０は、互いに異なる種類の評価値を格納するフィールド２０５１～２０５８を有する。具体的には、フィールド２０５１は、アプリ１５１による処理の実行時間を格納する。フィールド２０５２は、アプリ２５１の実行コストを格納する。フィールド２０５３は、アプリ２５１実行時の可用性を格納する。フィールド２０５４は、アプリ２５１の実行による電力消費量における再生可能エネルギーによる電力量の割合である再エネルギー率（再エネ率）を格納する。フィールド２０５５は、アプリ２５１の実行による電力消費量を格納する。フィールド２０５６は、アプリ２５１の実行によるＣＯ２の排出量を格納する。なお、ＣＯ２の排出量は、例えば、アプリ２５１の実行による電力消費量における再生可能エネルギー以外のエネルギーによる電力量などから算出することができる。フィールド２０５７は、配置への移行に要するデータ転送時間を格納する。フィールド２０５８は、配置への移行に要するデータ転送コストを格納する。

【0087】

実行時情報見積２０５０に格納される評価値は、上述したように最適化エンジン１１００がサポートしている最適化ポリシごとに変わる。図１５の例では、実行時情報見積２０５０は、評価値として実行時間のみを格納している。

【0088】

図１６及び図１７は、図１４のステップＳ６０６の配置案統合処理の一例を示す図である。配置案統合処理は、配置最適化プログラム１１１は、候補配置案の少なくとも一部が互いに一致する（共通する）複数の候補情報を統合する処理である。図１６の例は、候補配置案の全てが一致する候補情報を統合する例であり、図１７の例は、候補配置案の一部が一致する候補情報を統合する例である。一致するものがない候補情報（例えば、案２０００－Ａ２など）は、破棄されてもよい。

【0089】

図１６では、最適化エンジン１１００－Ａにて算出された複数の候補情報（案２０００－Ａ１、Ａ２…）と、最適化エンジン１１００－Ｂにて算出された複数の候補情報（案２０００－Ｂ１、Ｂ２…）とを統合する例が示されている。最適化エンジン１１００－Ａは、最適化ポリシとして性能指標として「アプリ性能」をサポートした最適化エンジンであり、最適化エンジン１１００－Ｂは、最適化ポリシとして性能指標として「消費電力」をサポートした最適化エンジンである。また、最適化エンジン１１００－Ａにて算出された候補情報は、評価値として実行時間３０５１が含まれ、最適化エンジン１１００－Ｂにて算出された候補情報には、電力消費量３０５５が含まれる。

【0090】

図１６の例では、最適化エンジン１１００－Ａ及び１１００－Ｂのそれぞれの候補情報のうち、コンテナ配置案２０１０、コンテナ割当リソース案２０２０、データ配置案２０３０及びデータストア割当リソース案２０４０の全てが一致する候補情報（案２０００－Ａ１及びＢ１と２０００－Ａ３及びＢ３）が存在する。この場合、配置最適化プログラム１１１は、これらの全てが一致する候補情報を統合した統合情報（案２０００－Ａ１／Ｂ１及びＡ３／Ｂ３）を生成する。その際、配置最適化プログラム１１１は、統合情報に対して、統合前の候補情報のそれぞれに含まれる評価値の両方を加える。このため、例えば、統合情報（案２０００－Ａ１／Ｂ１）には、実行時間３０５１及び電力消費量３０５５の両方が含まれる。

【0091】

図１７では、最適化エンジン１１００－Ｃにて算出された候補情報（案２０００－Ｃ１）と、最適化エンジン１１００－Ｄにて算出された候補情報（案２０００－Ｄ１）とを統合する例が示されている。最適化エンジン１１００－Ｃは、最適化ポリシとして性能指標として「アプリ性能」をサポートした最適化エンジンであり、最適化エンジン１１００－Ｄは、最適化ポリシとして性能指標として「消費電力」をサポートした最適化エンジンである。また、最適化エンジン１１００－Cにて算出された候補情報は、評価値として実行時間３０５１が含まれ、最適化エンジン１１００－Dにて算出された候補情報には、電力消費量３０５５が含まれる。

【0092】

図１７の例では、最適化エンジン１１００－Ｃ１及び１１００－Ｄ１のそれぞれの候補情報のうち、コンテナ配置案２０１０及びデータ配置案２０３０が一致し、かつ、コンテナ割当リソース案２０２０及びデータストア割当リソース案２０４０が異なっている。この場合でも、配置最適化プログラム１１１は、これらの候補情報を統合した統合情報を生成する。

【0093】

その際、配置最適化プログラム１１１は、統合情報に対して、当該候補情報のそれぞれに含まれる割当リソース量に基づいて、その候補情報に含まれる評価値を修正した修正評価値を加える。例えば、配置最適化プログラム１１１は、コンテナ割当リソース案２０２０及びデータストア割当リソース案２０４０に含まれる全てのＨＷリソースの種別において、一方の案の方が他方の案よりも割当リソース量が多くなる候補情報の組を探索する。そして、配置最適化プログラム１１１は、リソース割当量が少ない案から多い案へは実行時間３０５１を、多い案から少ない案へは電力消費量３０５５を組み込み。その際、配置最適化プログラム１１１は、実行時間３０５１を組み込んだ方の案の電力消費量３０５５を消費電力の最大値に修正し、電力消費量３０５５を組み込んだ方の案の実行時間３０５１を実行時間の最大値に修正する。これは、ＨＷリソース量が多くなる場合に性能は高くなる、または使用されたＨＷリソース量が増えると消費電力が大きくなるという性質を利用したものである。

【0094】

図１８は、統合情報であるコンテナ・データ配置情報３０００をユーザに提示するための提示画面の一例を示す図である。図１８に示す提示画面２３００は、配置案比較表２３１０と、配置案詳細表２３３０と、ＫＰＩ関係グラフ２３４０とを含む。

【0095】

配置案比較表２３１０は、コンテナ・データ配置情報３０００のリストを示し、フィールド２３１１及び２３２０を含む。フィールド２３１１は、コンテナ・データ配置情報３０００を識別するための名称を格納する。フィールド２３２０は、ユーザによるコンテナ・データ配置情報３０００の妥当性の判断を支援するための情報であり、コンテナ・データ配置情報３０００に含まれる実行時情報見積２０５０に応じた見積情報を格納する。見積情報は、実行時情報見積２０５０そのものでもよいし、ユーザによる視認性などを考慮して実行時情報見積２０５０を加工した情報でもよい。実行時情報見積２０５０の加工としては、項目の一時削除、実行コスト３０５２及びデータ転送コスト３０５８などのコストの統計値（例えば、総計など）の算出などが挙げられる。図１８の例では、フィールド２３２０は、実行時間、実行コスト、再エネ率、データ転送時間、及びデータ転送コストのそれぞれを格納するフィールド２３２１～２３２５を含む。

【0096】

配置案詳細表２３３０は、配置案比較表２３１０にて選択された配置案の詳細として、コンテナ・データ配置情報３０００を示す配置案情報を示す。配置案詳細表２３３０は、コンテナ・データ配置情報３０００そのものでもよいし、ユーザによる視認性などを考慮してコンテナ・データ配置情報３０００を加工した情報でもよい。

【0097】

ＫＰＩ関係グラフ２３４０は、ユーザの指定するＫＰＩを縦軸と横軸にとり、各配置案の評価値をプロットすることで、ＫＰＩ間の関係性を可視化する。なお、ユーザが指定するＫＰＩは１つでも３つ以上でもよい。

【0098】

図１９は、デプロイしたアプリ１５１及びデータストア１５２を修正するアプリ配置修正処理の一例を説明するためのフローチャートである。

【0099】

アプリ配置修正処理は、所定の条件に該当した場合（例えば、各拠点から収集するアプリとデータストアの性能情報やコスト情報、電力情報に基づいてＫＰＩが未達であることを検知した場合、障害の発生によるアプリの性能の低下又は停止を検知した場合、及び、定期的にアプリ配置の修正案を算出するように設定されている場合など）に実行される。

【0100】

アプリ配置修正処理では、先ず、配置最適化プログラム１１１は、修正対象となるアプリケーションに対して、デプロイ時に設定したＫＰＩに基づいてコンテナ・データ配置情報を修正案として生成する（ステップＳ７０１）。このとき、配置最適化プログラム１１１は、コンテナ・データ配置情報３０００を最初に作成したときと比べて、例えば、各拠点２００のHWリソースの余剰量を変更したり、最適化エンジン１１００が使用する数式又はパラメータなどを変更したりしてもよい。

【0101】

配置最適化プログラム１１１は、コンテナ・データ配置の自動修正が許可されているか否かを確認する（ステップＳ７０２）。なお、自動修正の許否は、例えば、ユーザなどにて予め設定される。

【0102】

自動修正が許可されていない場合（ステップＳ７０２：Ｎｏ）、配置最適化プログラム１１１は、生成した修正案をホスト１５０に送信して、修正案に基づくデプロイを許可するか否かをユーザに問い合わせる（ステップＳ７０３）。ここでは、デプロイが許可されたとする。この場合、ホスト１５０のクライアントプログラム１６２は、修正案に基づくデプロイを要求するデプロイ要求をアプリケーションプラットフォーム１００に送信する。また、自動修正が許可された場合（ステップＳ７０２：Ｙｅｓ）、配置最適化プログラム１１１は、ステップＳ７０３の処理をスキップする。

【0103】

その後、図１２を用いて説明したアプリデプロイ処理のステップＳ５０５～Ｓ５０７の処理が実行される。

【0104】

以上説明したように本実施形態によれば、配置最適化プログラム１１１は、データとコンテナとの配置案の算出に使用するポリシが異なる複数の最適化エンジン１１００のぞれぞれを実行して配置案の候補である候補案とその候補案でのデータに関する処理を評価した評価値とを含む候補情報を算出させ、その算出された複数の候補情報に含まれる候補配置案に基づいて当該複数の候補情報を統合してデータ・コンテナ配置案情報として生成する。したがって、複数の最適化エンジン１１００を使用してユーザの様々な要望を考慮したデータ・コンテナ配置情報を生成することができるため、ユーザの様々な要望を考慮した配置案を容易に作成することが可能になる。

【0105】

また、本実施形態では、配置最適化プログラム１１１は、指定された複数の最適化ポリシのそれぞれをサポートしている最適化エンジン１１００を対象エンジンとして実行する。したがって、ユーザの様々な要望をより適切に考慮することが可能となる。

【0106】

また、本実施形態では、配置最適化プログラム１１１は、指定された最適化ポリシ及びユースケースの両方をサポートしている最適化エンジン１１００を対象エンジンとして実行する。したがって、ユーザの様々な要望をより適切に考慮することが可能となる。

【0107】

また、本実施形態では、配置最適化プログラム１１１は、候補配置案の少なくとも一部が互いに共通する複数の候補情報を統合する。より具体的には、配置拠点が互いに共通する複数の候補情報を統合する。この場合、候補情報を適切に統合することが可能となる。

【0108】

また、本実施形態では、配置最適化プログラム１１１は、配置拠点及び割当リソース量の両方が互いに共通する複数の候補情報が存在する場合、その候補情報のそれぞれに含まれる評価値を含むデータ・コンテナ配置情報を生成する。また、配置最適化プログラム１１１は、配置拠点が共通し、かつ、割当リソース量が異なる複数の候補情報が存在する場合、その候補情報のそれぞれに含まれる割当リソース量に基づいて候補情報のそれぞれに含まれる複数の評価値を修正した修正評価値を含む統合情報を生成する。したがって、データ・コンテナ配置案を適切に評価した評価値を提示することが可能となる。

【0109】

また、本実施形態では、配置最適化プログラム１１１は、データ・コンテナ配置案情報及び管理情報に基づいて、データ・コンテナ配置案情報に従ってデータ及びコンテナを配置する際に係る負荷を評価した負荷評価値をデータ・コンテナ配置案情報に追加する。負荷評価値は、例えば、データ及びコンテナを配置するための係る移行時間及び移行コストの少なくとも一方を含む。この場合、データ・コンテナ配置案が妥当か否かをより適切にユーザに判断させることが可能となる。

【0110】

配置最適化プログラム１１１は、データ・コンテナ配置案に従って、データ及びコンテナを配置させ、所定の条件に該当した場合に、データ・コンテナ配置案を修正し、修正したデータ・コンテナ配置案に従って、データ及びコンテナを再配置する。この場合、適切な配置が可能となる。

【0111】

上述した本開示の実施形態は、本開示の説明のための例示であり、本開示の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本開示の範囲を逸脱することなしに、他の様々な態様で本開示を実施することができる。

【符号の説明】

【0112】

１０：ネットワーク ３０：コンピュートクラスタ ４０：ストレージクラスタ ５０：ストレージアプライアンス １００：アプリケーションプラットフォーム １１０：メモリ １１１：配置最適化プログラム １１２：メタデータ管理プログラム １１３：分散メタデータ管理処理 １２０：ＣＰＵ １５０：ホスト １５１：アプリ １５２：データストア １６０：メモリ １６１：ＣＰＵ １６２：クライアントプログラム ２００：拠点 ２００：拠点 ２１１：デプロイ制御プログラム ２１２：実行基盤プログラム ２１３：電力消費計測プログラム ２１４：拠点間データ制御プログラム ２１５：メタデータ管理プログラム ２５１：アプリ ２５２：データストア ３００：コンピュートノード ３０１：ＣＰＵ ３０２：メモリ ３０３：ディスク ３０４：電力計 ３０６：ストレージＩ／Ｆ ３０７：バス ４００：ストレージノード ４０１：ＣＰＵ ４０２：メモリ ４０３：ディスク ４０４：電力計 ４０７：バス ５００：ストレージコントローラ ５０１：ＣＰＵ ５０２：メモリ ５０３：ディスク ５０４：電力計 ５０６：ホストＩ／Ｆ ５０７：バス

【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】

【図15】

【図16】

【図17】

【図18】

【図19】