特許 7582754 データ・センターのネットワークにおけるデータ再配置管理

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-05

(45)【発行日】2024-11-13

(54)【発明の名称】データ・センターのネットワークにおけるデータ再配置管理

(51)【国際特許分類】

   G06F 11/14 20060101AFI20241106BHJP

   G06N 20/00 20190101ALI20241106BHJP

   G06F 9/50 20060101ALI20241106BHJP

【ＦＩ】

G06F11/14 658

G06N20/00

G06F9/50 150Z

【請求項の数】 21

(21)【出願番号】P 2022513200

(86)(22)【出願日】2020-07-23

(65)【公表番号】

(43)【公表日】2022-10-31

(86)【国際出願番号】 EP2020070789

(87)【国際公開番号】W WO2021037450

(87)【国際公開日】2021-03-04

【審査請求日】2022-12-23

(31)【優先権主張番号】16/554,030

(32)【優先日】2019-08-28

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】390009531

【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション

【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ

【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ

(74)【代理人】

【識別番号】100112690

【弁理士】

【氏名又は名称】太佐 種一

(72)【発明者】

【氏名】クロズル、トーマス

(72)【発明者】

【氏名】ルーガー、エリック

(72)【発明者】

【氏名】パンカンティ、シャラートチャンドラ

【審査官】坂東 博司

(56)【参考文献】

【文献】米国特許出願公開第２０１４／０１７３２２９（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１１／０２８２９８２（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１５／０３３１７５２（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１９／０２５０９９８（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１９／０１７１９６６（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１９／０１８８０８９（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１８／０２２７２４０（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１８／００７７０８０（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０２０／０３７９８０７（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１７／０２２０２８１（ＵＳ，Ａ１）

【文献】中国特許出願公開第１１０１０９７７９（ＣＮ，Ａ）

【文献】中国特許出願公開第１１０１３４７４２（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ １１／１４

Ｇ０６Ｎ ２０／００

Ｇ０６Ｆ ９／５０

(57)【特許請求の範囲】

【請求項1】

システムであって、該システムは、
１つまたは複数のコンピュータ可読プログラムを記憶するメモリと、
前記メモリに動作可能に結合されたプロセッサであって、前記コンピュータ可読プログラムを実行する前記プロセッサと
を備えており、
前記コンピュータ可読プログラムは、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正することを前記プロセッサに実行させ、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、並びに、
前記マイクロサービス・アプリケーションの前記グループに基づいて前記データの前記再配置を最適化するための機械学習モデルを生成することを前記プロセッサに実行させ、ここで、前記機械学習モデルは、前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて、前記データ復旧スキームに加えられる修正と、前記データ復旧要件との間の関係を識別する、
前記システム。

【請求項2】

前記コンピュータ可読プログラムは、
前記データ復旧スキームを修正して、修正されたデータ復旧スキームを生成することを前記プロセッサにさらに実行させ、ここで、前記修正されたデータ復旧スキームは、前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、
前記コンピュータ可読プログラムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定することを前記プロセッサにさらに実行させ、
前記コンピュータ可読プログラムは、
前記修正されたデータ復旧スキームが前記パフォーマンス・データを改善し、前記データ復旧要件を満たすと予測されると評価コンポーネントが判定したことに基づいて、前記修正されたデータ復旧スキームに従って前記データの前記再配置を実行することを前記プロセッサにさらに実行させる、
請求項１に記載のシステム。

【請求項3】

前記パフォーマンス・データは、前記ネットワークの少なくとも１つのデータ・センターにさらに関し、
前記コンピュータ可読プログラムは、
前記少なくとも１つのデータ・センターにさらに基づいて前記データの前記再配置を最適化するための機械学習モデルを生成することを前記プロセッサにさらに実行させ、ここで、前記機械学習モデルは、前記少なくとも１つのデータ・センターの前記パフォーマンス・データに基づいて、前記データ復旧スキームに加えられる第２の修正と、前記データ復旧要件との間の関係を識別する、
請求項１又は２に記載のシステム。

【請求項4】

前記コンピュータ可読プログラムは、
１つまたは複数の初期データ復旧スキームを分析し、そして、該分析されたデータ復旧スキームによって指定された各データ・センターペアの初期状態を設定することを前記プロセッサに実行させ、ここで、前記データ・センターペアば、プライマリ・データ・センターおよびセカンダリ・データ・センターを備えている、
請求項１～３のいずれか１項に記載のシステム。

【請求項5】

システムであって、該システムは、
コンピュータ可読プログラムを記憶するメモリと、
前記メモリに動作可能に結合されたプロセッサであって、前記コンピュータ可読プログラムを実行する前記プロセッサと
を備えており、
前記コンピュータ可読プログラムは、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームへの修正を決定するための機械学習モデルを生成することを前記プロセッサに実行させ、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができ、前記機械学習モデルは、前記パフォーマンス・データに基づいて前記データ復旧スキームへの前記修正と前記データ復旧要件との間の関係を識別する、
前記コンピュータ可読プログラムは、
前記パフォーマンス・データに基づいて前記データ・センターの前記ネットワークからセカンダリ・データ・センター候補を除外することを前記プロセッサに実行させ、
前記コンピュータ可読プログラムは、
前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて前記データの前記再配置を最適化するための機械学習モデルの第１の部分を生成することを前記プロセッサにさらに実行させる
前記システム。

【請求項6】

前記パフォーマンス・データは、前記ネットワークの少なくとも１つのデータ・センターにさらに関し、
前記コンピュータ可読プログラムは、
前記少なくとも１つのデータ・センターの前記パフォーマンス・データにさらに基づいて前記データの前記再配置を最適化するための前記機械学習モデルの第２の部分を生成することを前記プロセッサにさらに実行させる
請求項５に記載のシステム。

【請求項7】

前記コンピュータ可読プログラムは、
前記データ復旧スキームを修正して、修正されたデータ復旧スキームを生成することを前記プロセッサにさらに実行させ、ここで、前記修正されたデータ復旧スキームは、前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、
前記コンピュータ可読プログラムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定することを前記プロセッサにさらに実行させる、
請求項５に記載のシステム。

【請求項8】

コンピュータ実装方法であって、プロセッサに動作可能に結合されたシステムが、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームへの修正を決定するための機械学習モデルを生成すること、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができ、前記機械学習モデルは、前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて、前記データ復旧スキームに加えられる修正と、前記データ復旧要件との間の関係を識別する、
前記ネットワークのデータ・センター平均利用可能帯域幅に基づいてデータ・センターをソートすること、
前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて前記データの前記再配置を最適化するための機械学習モデルの第１の部分を生成すること
を含む、前記コンピュータ実装方法。

【請求項9】

前記システムが、
前記ネットワークのデータ・センター平均利用可能帯域幅に基づいてデータ・センターをソートすること
をさらに含む、請求項８に記載のコンピュータ実装方法。

【請求項10】

前記システムが、
前記パフォーマンス・データに基づいて前記ネットワークからセカンダリ・データ・センター候補を除外すること、
をさらに含む、請求項９に記載のコンピュータ実装方法。

【請求項11】

前記システムが、
前記少なくとも１つのデータ・センターの前記パフォーマンス・データにさらに基づいて前記データの前記再配置を最適化するための前記機械学習モデルの第２の部分を生成すること
をさらに含む、請求項８～１０のいずれか１項に記載のコンピュータ実装方法。

【請求項12】

前記修正が、修正されたデータ復旧スキームを生成することを含み、
前記システムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定すること
をさらに含む、請求項１１に記載のコンピュータ実装方法。

【請求項13】

前記データの前記再配置が、クラウド・コンピューティング環境を介して実行される、請求項８～１２のいずれか１項に記載のコンピュータ実装方法。

【請求項14】

コンピュータ実装方法であって、プロセッサに動作可能に結合されたシステムが、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正すること、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、並びに、
前記マイクロサービス・アプリケーションの前記グループに基づいて前記データの前記再配置を最適化する為の機械が機械学習モデルを生成すること
を含む、コンピュータ実装方法。

【請求項15】

前記システムが、
ターゲット・アプリケーション・レイテンシに対する平均アプリケーション・レイテンシの比率に応じて、マイクロサービス・グループをソートすること、ここで、該ソートすることが、１つまたは複数のサービス・レベル目標ターゲットを達成しないマイクロサービス・グループの後に、１つまたは複数のサービス・レベル目標ターゲットを達成しないリスクのあるマイクロサービス・グループが続くように、マイクロサービス・グループをソートすること
をさらに含む、請求項１４に記載のコンピュータ実装方法。

【請求項16】

前記システムが、
前記パフォーマンス・データに基づいて前記データ・センターの前記ネットワークからセカンダリ・データ・センター候補を除外すること、
をさらに含む、請求項１５に記載のコンピュータ実装方法。

【請求項17】

前記システムが、
前記システムによって、前記少なくとも１つのデータ・センターにさらに基づいて前記データの前記再配置を最適化するための第２の機械学習モデルを生成すること
をさらに含む、請求項１４～１６のいずれか１項に記載のコンピュータ実装方法。

【請求項18】

前記修正することが、修正されたデータ復旧スキームを生成するために、前記機械学習モデルおよび前記第２の機械学習モデルに基づき、
前記システムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定すること
をさらに含む、請求項１７に記載のコンピュータ実装方法。

【請求項19】

前記データの前記再配置が、クラウド・コンピューティング環境を介して実行される、請求項１４～１６のいずれか１項に記載のコンピュータ実装方法。

【請求項20】

データ・センターのネットワーク内でデータを適応的に分配するためのコンピュータ・プログラムであって、請求項８～１３のいずれか１項に記載のコンピュータ実装方法をシステムに実行させる、前記コンピュータ・プログラム。

【請求項21】

データ・センターのネットワーク内でデータを適応的に分配するためのコンピュータ・プログラムであって、請求項１４～１９のいずれか１項に記載のコンピュータ実装方法をシステムに実行させる、前記コンピュータ・プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本主題の開示は、１つまたは複数のデータ・センター・ネットワークにおけるデータ再配置の管理に関し、より詳細には、１つまたは複数のデータ・センターのネットワーク内でのデータの分配を指示することができる１つまたは複数のデータ復旧スキームの最適化に関する。

【背景技術】

【0002】

一次ソースが危険にさらされた場合に、データ復旧スキームを利用して一次ソースからデータを複製および転送することによって、データの復旧を容易にすることができる。従来のデータベースの復旧は、事前に決定された、時間の経過と共に静的なままの、直接的なソースからターゲットへのデータベースの複製として設計されている。たとえば、従来のデータ復旧スキームは、データが主に供給または実行あるいはその両方が行われるプライマリ・データ・センターに関連する１つまたは複数の動作障害に応じて、プライマリ・データ・センターから１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を指示することができる。１つまたは複数のセカンダリ・データ・センターは、データ復旧スキームを実行する前に、事前に決定することができる。さらに、セカンダリ・データ・センターが事前に決定されると、再配置先としてのそれらのステータスは、典型的には、プライマリ・データ・センターの動作全体を通じて不変のままである。

【発明の概要】

【発明が解決しようとする課題】

【0003】

しかしながら、従来のデータ復旧スキームは、時間の経過と共に変化し得るデータまたはデータ・センターあるいはその両方の複数の特性を考慮していない場合がある。たとえば、データを実行するための動作要件、または１つまたは複数のデータ・センターのパフォーマンス特性、あるいはその両方は、データ復旧スキームの確立後に変化し得る。静的なセカンダリ・データ・センターをデータ再配置の対象にすることにより、従来のデータ復旧スキームは、当初の設計よりも実行効率が大幅に低下し得る。

【0004】

以下に、本発明の１つまたは複数の実施形態の基本的な理解を提供するための概要を提示する。この概要は重要な要素または必須の要素を特定するものではなく、特定の実施形態のいかなる範囲または特許請求の範囲のいかなる範囲を線引きするものでもない。その唯一の目的は、後で提示するより詳細な説明の前置きとして、概念を簡略化した形で提示することにある。本明細書に記載の１つまたは複数の実施形態では、１つまたは複数のデータ復旧スキームを最適化することができるシステム、コンピュータ実装方法、装置、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせについて説明する。

【0005】

一実施形態によれば、システムが提供される。このシステムは、コンピュータ実行可能コンポーネント（プログラム）を記憶するメモリを含むことができる。このシステムはまた、メモリに動作可能に結合され、メモリに記憶されたコンピュータ実行可能コンポーネントを実行することができるプロセッサを含むことができる。コンピュータ実行可能コンポーネントは、データ・センターのネットワークによって示されるパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正することができるデータ管理コンポーネントを含むことができる。データ復旧スキームはネットワーク内でのデータの再配置を指示することができる。そのようなシステムの利点は、所与のネットワーク・データ・センターの測定されたパフォーマンス特性に適応したデータ復旧スキームの生成であり得る。

【0006】

いくつかの例では、データ管理コンポーネントは、修正されたデータ復旧スキームを生成するために、データ復旧スキームを修正することができる。また、このシステムは、修正されたデータ復旧スキームが、データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、データ復旧要件を満たすと予測されるか否かを判定するために、修正されたデータ復旧スキームを分析することができる評価コンポーネントを含むことができる。さらに、このシステムは、修正されたデータ復旧スキームがパフォーマンス・データを改善し、データ復旧要件を満たすと予測されると評価コンポーネントが判定したことに基づいて、修正されたデータ復旧スキームに従ってデータの再配置を実行することができる再配置コンポーネントを含むことができる。そのようなシステムの利点は、提案された変更の自律的な評価により反復的な最適化処理を可能にできることであり得る。

【0007】

一実施形態によれば、システムが提供される。このシステムは、コンピュータ実行可能コンポーネントを記憶するメモリを含むことができる。このシステムはまた、メモリに動作可能に結合され、メモリに記憶されたコンピュータ実行可能コンポーネントを実行することができるプロセッサを含むことができる。コンピュータ実行可能コンポーネントは、データ・センターのネットワークによって示されるパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームへの修正を決定するための機械学習モデルを生成することができるデータ管理コンポーネントを含むことができる。データ復旧スキームは、ネットワーク内でのデータの再配置を指示することができる。そのようなシステムの利点は、システムの自律的な性質により、データの機密性を維持しつつ、データ復旧スキームへの調整も可能にできることであり得る。

【0008】

いくつかの例では、パフォーマンス・データは、データ・センターの場所、ネットワークの帯域幅、ネットワークのレイテンシ、データによって使用される帯域幅、データの実行中に示されるレイテンシ、およびデータの再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含むことができる。また、データ復旧要件は、データ・センターの場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含むことができる。そのようなシステムの利点は、データ・センターのネットワークの容量によって実現できるデータ復旧スキームを用いて、レイテンシ・ターゲットなどの１つまたは複数のターゲット・サービス・レベル目標の達成を向上できることであり得る。

【0009】

一実施形態によれば、コンピュータ実装方法が提供される。このコンピュータ実装方法は、プロセッサに動作可能に結合されたシステムによって、データ・センターのネットワークによって示されるパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームへの修正を決定するための機械学習モデルを生成することを含むことができる。データ復旧スキームは、ネットワーク内でのデータの再配置を指示することができる。そのようなコンピュータ実装方法の利点は、データまたはデータ・センターあるいはその両方の動作特性に基づいて、データ再配置先（たとえば、セカンダリ・データ・センター）を容易に変更する、または改変する、あるいはその両方を行うことができることであり得る。

【0010】

いくつかの例では、パフォーマンス・データは、データ内に含まれるマイクロサービス・アプリケーションのグループと、ネットワークの少なくとも１つのデータ・センターとに関するものとすることができる。また、このコンピュータ実装方法は、システムによって、マイクロサービス・アプリケーションのグループのパフォーマンス・データに基づいてデータの再配置を最適化するための機械学習モデルの第１の部分を生成することを含むことができる。さらに、このコンピュータ実装方法は、システムによって、少なくとも１つのデータ・センターのパフォーマンス・データにさらに基づいてデータの再配置を最適化するための機械学習モデルの第２の部分を生成することを含むことができる。そのようなコンピュータ実装方法の利点は、であり得る。

【0011】

一実施形態によれば、コンピュータ実装方法が提供される。このコンピュータ実装方法は、プロセッサに動作可能に結合されたシステムによって、データ・センターのネットワークによって示されるパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正することを含むことができる。データ復旧スキームはネットワーク内でのデータの再配置を指示することができる。そのようなコンピュータ実装方法の利点は、データ復旧スキームの実行中のネットワーク利用率が高まることであり得る。

【0012】

いくつかの例では、修正することは、修正されたデータ復旧スキームを生成するために、第１の機械学習モデルおよび第２の機械学習モデルに基づくことができる。また、このコンピュータ実装方法は、システムによって、修正されたデータ復旧スキームが、データ復旧スキームと比較してパフォーマンス・データを改善し、データ復旧要件を満たすと予測されるか否かを判定するために、修正されたデータ復旧スキームを分析することを含むことができる。そのようなコンピュータ実装方法の利点により、機械学習の原理を活用して、この方法の効率を継続的に向上させることができる。

【0013】

一実施形態によれば、データ・センターのネットワーク内でデータを適応的に分配するためのコンピュータ・プログラム製品が提供される。このコンピュータ・プログラム製品は、プログラム命令を具現化したコンピュータ可読記憶媒体を含むことができる。プログラム命令は、プロセッサによって実行可能であり、プロセッサによって、データ・センターのネットワークによって示されるパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正することをプロセッサに行わせることができる。データ復旧スキームはネットワーク内でのデータの再配置を指示することができる。そのようなコンピュータ・プログラム製品の利点は、リアルタイムまたはほぼリアルタイムに測定される変化するパフォーマンス特性に基づいて、データ再配置スキームを継続的に分析する、または適応化の対象とする、あるいはその両方を行うことができるということであり得る。

【0014】

いくつかの例では、パフォーマンス・データは、データ内に含まれるマイクロサービス・アプリケーションのグループと、ネットワークの少なくとも１つのデータ・センターとに関するものとすることができる。さらに、プログラム命令は、プロセッサによって、マイクロサービス・アプリケーションのグループに基づいてデータの再配置を最適化するための第１の機械学習モデルを生成することをプロセッサにさらに行わせることができる。また、プログラム命令は、プロセッサによって、少なくとも１つのデータ・センターにさらに基づいてデータの再配置を最適化するための第２の機械学習モデルを生成することをプロセッサに行わせることができる。そのようなコンピュータ・プログラム製品の利点は、所与のデータ・センターのネットワークにおける様々な変化に自律的に順応することができるデータ復旧システムを実現することであり得る。

【図面の簡単な説明】

【0015】

【図1】本明細書に記載の１つまたは複数の実施形態による、１つまたは複数のデータ・センターのネットワーク内での１つまたは複数のデータ復旧スキームを最適化することができる例示的かつ非限定的なシステムのブロック図である。

【図2】本明細書に記載の１つまたは複数の実施形態による、１つまたは複数のプライマリ・データ・センターから１つまたは複数のセカンダリ・データ・センターへのデータの再配置を容易にすることができる例示的かつ非限定的なデータ・センター・ネットワークのブロック図である。

【図3】本明細書に記載の１つまたは複数の実施形態による、１つまたは複数のデータ復旧スキームを評価して１つまたは複数のデータ復旧要件が満たされているか否かを判定することができる例示的かつ非限定的なシステムのブロック図である。

【図4】本明細書に記載の１つまたは複数の実施形態による、データ内に含まれる１つまたは複数のマイクロサービスのグループに関するパフォーマンス・データに基づいて１つまたは複数のデータ復旧スキームを修正することができる例示的かつ非限定的なシステムのブロック図である。

【図5】本明細書に記載の１つまたは複数の実施形態による、所与のデータ復旧スキームによって管理されるデータ・センター・ネットワーク内に含まれる１つまたは複数のデータ・センターに関するパフォーマンス・データに基づいて１つまたは複数のデータ復旧スキームを修正することができる例示的かつ非限定的なシステムのブロック図である。

【図6】本明細書に記載の１つまたは複数の実施形態による、１つまたは複数の修正されたデータ復旧スキームに従って１つまたは複数のデータ・センター・ネットワーク間でデータを再配置することができる例示的かつ非限定的なシステムのブロック図である。

【図7】本明細書に記載の１つまたは複数の実施形態による、１つまたは複数のデータ復旧スキームによって指示される、１つまたは複数のプライマリ・データ・センターから１つまたは複数のセカンダリ・データ・センターへのデータの再配置を容易にすることができる例示的かつ非限定的なデータ・センター・ネットワークの図である。

【図8】本明細書に記載の１つまたは複数の実施形態による、対象データまたは１つまたは複数のデータ・センター・ネットワークあるいはその両方に関連するパフォーマンス・データまたはデータ復旧要件あるいはその両方に基づいて再配置効率を高めるように１つまたは複数のデータ復旧スキームを修正することを容易にすることができる例示的かつ非限定的な方法の流れ図である。

【図9】本明細書に記載の１つまたは複数の実施形態による、対象データまたは１つまたは複数のデータ・センター・ネットワークあるいはその両方に関連するパフォーマンス・データまたはデータ復旧要件あるいはその両方に基づいて再配置効率を高めるように１つまたは複数のデータ復旧スキームを修正することを容易にすることができる例示的かつ非限定的な方法の流れ図である。

【図10】本明細書に記載の１つまたは複数の実施形態による、対象データまたは１つまたは複数のデータ・センター・ネットワークあるいはその両方に関連するパフォーマンス・データまたはデータ復旧要件あるいはその両方に基づいて再配置効率を高めるように１つまたは複数のデータ復旧スキームを修正することを容易にすることができる例示的かつ非限定的な方法の流れ図である。

【図11】本明細書に記載の１つまたは複数の実施形態による、対象データまたは１つまたは複数のデータ・センター・ネットワークあるいはその両方に関連するパフォーマンス・データまたはデータ復旧要件あるいはその両方に基づいて再配置効率を高めるように１つまたは複数のデータ復旧スキームを修正することを容易にすることができる例示的かつ非限定的な方法の流れ図である。

【図12】本明細書に記載の１つまたは複数の実施形態によるクラウド・コンピューティング環境を示す図である。

【図13】本明細書に記載の１つまたは複数の実施形態による抽象化モデル・レイヤを示す図である。

【図14】本明細書に記載の１つまたは複数の実施形態を容易にすることができる例示的かつ非限定的な動作環境のブロック図である。

【発明を実施するための形態】

【0016】

以下の詳細な説明は例示的なものにすぎず、実施形態を限定すること、または実施形態の応用もしくは使用を限定すること、あるいはその両方を意図したものではない。さらに、前述の背景技術もしくは発明の概要のセクション、または発明を実施するための形態のセクションに提示したいかなる明示または暗示した情報によっても束縛されることを意図していない。

【0017】

以下、図面を参照して１つまたは複数の実施形態を説明し、図面全体を通して、同様の要素を指すために同様の参照番号を使用する。以下の説明では、説明の目的で、１つまたは複数の実施形態のより完全な理解を提供するために、多数の具体的な詳細を記載している。しかしながら、様々な場合において、これらの具体的な詳細がなくても１つまたは複数の実施形態を実践できることは明らかである。

【0018】

データ復旧スキームの従来の実装に関する問題を考慮に入れて、本開示は、データの以前の実行に関する過去のパフォーマンス・データ、またはデータ・センターの特性、あるいはその両方に基づいてデータ復旧スキームを適応させることによって、これらの問題のうちの１つまたは複数に対する解決策を生み出すように実装することができる。有利なことに、本明細書に記載の１つまたは複数の実施形態は、１つまたは複数の定義されたデータ復旧要件を最適化するように１つまたは複数の初期データ復旧スキームを修正することができる。たとえば、１つまたは複数の実施形態は、１つまたは複数のユーザ定義の要件を満たしつつ、１つまたは複数のサービス・レベル目標（「ＳＬＯ：service level objective」）を最適化することができる。

【0019】

本発明の様々な実施形態は、所与のネットワークにおける所与のデータまたはデータ・センターあるいはその両方によって示されるパフォーマンス・データに基づいた１つまたは複数のデータ復旧スキームの効率的かつ効果的で自律的な（たとえば、人間による直接的な指示のない）適応化を容易にするコンピュータ処理システム、コンピュータ実装方法、装置、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせを対象とすることができる。１つまたは複数の実施形態は、確立されたサービス・レベル合意（「ＳＬＡ：service level agreement」）、または経験したネットワーク利用率、あるいはその両方に応じて、時間と共に変化し得る適応的なデータ復旧スキームを生成することができる。たとえば、１つまたは複数の実施形態は、データ・センターのネットワーク全体で示されるパフォーマンス・データを分析し、パフォーマンス・データに基づいて、たとえば、ＳＬＯ、目標復旧時間（「ＲＴＯ：recovery time object」）、または目標復旧時点（「ＲＰＯ：recovery point objective」）、あるいはそれらの組み合わせを最適化するようにデータ復旧スキームを適応させることができるシステム、コンピュータ実装方法、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせに関するものとすることができる。

【0020】

コンピュータ処理システム、コンピュータ実装方法、装置、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせは、ハードウェアまたはソフトウェアあるいはその両方を利用して、本質的に高度に専門的な問題（たとえば、適応的なデータ復旧スキームの生成または実行あるいはその両方）であって、抽象的な問題ではなく、人間による一連の精神活動として実行することができない問題を解決する。データ復旧スキームによって管理することができる膨大な量のデータを、個人または複数の個人は、本明細書に記載の実施形態と同じ速度または効率あるいはその両方で、容易に監視および分析することができない。さらに、本明細書に記載の１つまたは複数の実施形態の自律的な性質によって、データまたはデータ分配（disbursement）あるいはその両方の機密性を維持することができる。

【0021】

図１は、所与のネットワークのデータまたは１つまたは複数のデータ・センターあるいはその両方の実行によって示されるパフォーマンス・データに基づいて１つまたは複数のデータ復旧スキームを修正することができる例示的かつ非限定的なシステム１００のブロック図を示す。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。本発明の様々な実施形態におけるシステム（たとえば、システム１００および同様のもの）、装置、または処理の態様は、１つまたは複数のマシン内に具現化された、たとえば、１つまたは複数のマシンに関連付けられた１つまたは複数のコンピュータ可読媒体（または複数の媒体）に具現化された、１つまたは複数のマシン実行可能コンポーネントを構成することができる。そのようなコンポーネントは、１つまたは複数のマシン、たとえば、コンピュータ、コンピューティング・デバイス、仮想マシンなどによって実行された場合に、マシンに記載の動作を実行させることができる。

【0022】

図１に示すように、システム１００は、１つまたは複数のサーバ１０２、１つまたは複数のネットワーク１０４、入力デバイス１０６、またはデータ・センター１０８、あるいはそれらの組み合わせを含むことができる。サーバ１０２は、データ管理コンポーネント１１０を含むことができる。データ管理コンポーネント１１０は、通信コンポーネント１１２または初期化コンポーネント１１４あるいはその両方をさらに含むことができる。また、サーバ１０２は、少なくとも１つのメモリ１１６を含むか、または別の方法でメモリ１１６に関連付けることができる。サーバ１０２はシステム・バス１１８をさらに含むことができ、システム・バス１１８は様々なコンポーネントに結合することができ、たとえば、データ管理コンポーネント１１０および関連コンポーネント、メモリ１１６、またはプロセッサ１２０、あるいはそれらの組み合わせなどであるが、これらに限定されない。図１にはサーバ１０２を示しているが、他の実施形態では、様々なタイプの複数のデバイスを図１に示す特徴に関連付けるか、または特徴を含めることができる。さらに、サーバ１０２は、１つまたは複数のクラウド・コンピューティング環境と通信することができる。

【0023】

１つまたは複数のネットワーク１０４は、セルラー・ネットワーク、ワイド・エリア・ネットワーク（ＷＡＮ）（たとえば、インターネット）またはローカル・エリア・ネットワーク（ＬＡＮ）を含むがこれらに限定されない有線および無線ネットワークを含むことができる。たとえば、サーバ１０２は、たとえば、セルラー、ＷＡＮ、ワイヤレス・フィデリティ（Ｗｉ－Ｆｉ）、Ｗｉ－Ｍａｘ、ＷＬＡＮ、Ｂｌｕｅｔｏｏｔｈテクノロジー、それらの組み合わせ、および／または同様のものを含むが、これらに限定されない、実質的に全ての所望の有線または無線技術を使用して、１つまたは複数の入力デバイス１０６またはデータ・センター１０８あるいはその両方と通信することができる（逆も同様である）。さらに、図示した実施形態では、データ管理コンポーネント１１０を１つまたは複数のサーバ１０２上に設けることができるが、システム１００のアーキテクチャはそのように限定されないことを理解されたい。たとえば、データ管理コンポーネント１１０、あるいはデータ管理コンポーネント１１０の１つまたは複数のコンポーネントは、他のコンピュータ・デバイス、たとえば、他のサーバ・デバイス、クライアント・デバイスなどに配置することができる。

【0024】

１つまたは複数の入力デバイス１０６は、１つまたは複数のコンピュータ化されたデバイスを含むことができ、これには、パーソナル・コンピュータ、デスクトップ・コンピュータ、ラップトップ・コンピュータ、携帯電話（たとえば、スマート・フォン）、コンピュータ化されたタブレット（たとえば、プロセッサを含むもの）、スマート・ウォッチ、キーボード、タッチ・スクリーン、マウス、それらの組み合わせ、および／または同様のものを含めることができるが、これらに限定されない。システム１００のユーザは、１つまたは複数の入力デバイス１０６を利用してシステム１００にデータを入力することによって、そのデータを（たとえば、直接接続を介して、または１つまたは複数のネットワーク１０４を介して、あるいはその両方を介して）サーバ１０２またはデータ・センター１０８あるいはその両方と共有することができる。たとえば、１つまたは複数の入力デバイス１０６は、（たとえば、直接接続を介して、または１つまたは複数のネットワーク１０４を介して、あるいはその両方を介して）通信コンポーネント１１２にデータを送信することができる。また、１つまたは複数の入力デバイス１０６は、システム１００によって生成された１つまたは複数の出力をユーザに提示することができる１つまたは複数のディスプレイを含むことができる。たとえば、１つまたは複数のディスプレイには、カソード・チューブ・ディスプレイ（「ＣＲＴ」）、発光ダイオード・ディスプレイ（「ＬＥＤ」）、エレクトロルミネセント・ディスプレイ（「ＥＬＤ」）、プラズマ・ディスプレイ・パネル（「ＰＤＰ」）、液晶ディスプレイ（「ＬＣＤ」）、有機発光ダイオード・ディスプレイ（「ＯＬＥＤ」）、それらの組み合わせ、および／または同様のものを含めることができるが、これらに限定されない。

【0025】

システム１００のユーザは、１つまたは複数の入力デバイス１０６または１つまたは複数のネットワーク１０４あるいはその両方を利用して、１つまたは複数の設定またはコマンドあるいはその両方をシステム１００に入力することができる。たとえば、本明細書に記載の様々な実施形態では、システム１００のユーザは、１つまたは複数の入力デバイス１０６を介して、サーバ１０２または関連コンポーネントあるいはその両方を動作させるまたは操作するあるいはその両方を行うことができる。また、システム１００のユーザは、１つまたは複数の入力デバイス１０６を利用して、サーバ１０２または関連コンポーネントあるいはその両方によって生成された１つまたは複数の出力（たとえば、表示、データ、可視化（visualizations）、または同様のもの、あるいはそれらの組み合わせ）を表示することができる。さらに、１つまたは複数の実施形態では、１つまたは複数の入力デバイス１０６は、クラウド・コンピューティング環境内に含める、またはこれに動作可能に結合する、あるいはその両方を行うことができる。

【0026】

１つまたは複数のデータ・センター１０８は、１つまたは複数のデータ復旧スキームによって管理されるデータを記憶する、実行する、共有する、または別の方法で操作する、あるいはそれらの組み合わせを行うことができる。たとえば、１つまたは複数のデータ・センター１０８は、所与のデータを記憶する、処理する、または配信する、あるいはそれらの組み合わせを行うために使用することができる１つまたは複数のコンピュータ・サーバを含むことができる。様々な実施形態では、システムは、１つまたは複数のプライマリ・データ・センター１０８および１つまたは複数のセカンダリ・データ・センター１０８を含む複数のデータ・センター１０８を含むことができる。１つまたは複数のプライマリ・データ・センター１０８は、所与のデータの記憶、処理、または配信、あるいはそれらの組み合わせを最初に担当するデータ・センター１０８とすることができる。１つまたは複数のセカンダリ・データ・センター１０８は、所与のデータの再配置の対象となるデータ・センター１０８とすることができる。さらに、複数のデータ・センター１０８は、直接的な電気接続または１つまたは複数のネットワーク１０４あるいはその両方を介して、互いに通信する、またはデータを共有する、あるいはその両方を行うことができる。

【0027】

１つまたは複数の実施形態では、システム１００のユーザは、１つまたは複数の入力デバイス１０６を介して、データ・センター１０８のうちの１つまたは複数をプライマリ・データ・センター１０８として指定することができる。同様に、ユーザは、１つまたは複数の入力デバイス１０６を介して、データ・センター１０８のうちの１つまたは複数をセカンダリ・データ・センター１０８として指定することができる。たとえば、通信コンポーネント１１２は、１つまたは複数の入力デバイス１０６との直接的な電気接続を介して、または１つまたは複数のネットワーク１０４を介して、あるいはその両方を介して、１つまたは複数のデータ・センターの指定を受信することができ、またはそれらの指定をデータ管理コンポーネント１１０の関連コンポーネントと共有することができ、あるいはその両方を行うことができる。これにより、データ管理コンポーネント１１０は、ユーザ定義の指定に基づいて初期データ復旧スキームを生成することができる。たとえば、データ管理コンポーネント１１０は、ユーザによってプライマリとして指定された１つまたは複数のデータ・センター１０８から、ユーザによってセカンダリとして指定された１つまたは複数のデータ・センター１０８へのデータの複製または再配置あるいはその両方を記述したデータ復旧スキームを生成することができる。さらに、システム１００のユーザは、１つまたは複数の入力デバイス１０６を利用して、初期データ復旧スキームを生成するときにデータ管理コンポーネント１１０によって考慮される１つまたは複数のＳＬＡ、ＳＬＯ、ＲＰＯ、またはＲＴＯ、あるいはそれらの組み合わせを定義することができる。

【0028】

いくつかの実施形態では、システム１００のユーザは、１つまたは複数の入力デバイス１０６を介して（たとえば、通信コンポーネント１１２、または１つまたは複数のネットワーク１０４、あるいはその両方を介して）データ管理コンポーネント１１０に初期データ復旧スキームを提供することができる。様々な実施形態では、システム１００のユーザは、１つまたは複数の入力デバイス１０６を利用して、１つまたは複数のデータ・センター１０８をプライマリ・データ・センター１０８として指定し、１つまたは複数のデータ復旧要件を入力することができる。すると、初期化コンポーネント１１４は、１つまたは複数の他のデータ・センター１０８をセカンダリ・データ・センター１０８として自律的に指定して、データ管理コンポーネント１１０が初期データ復旧スキームを生成するのを容易にすることができる。

【0029】

たとえば、初期化コンポーネント１１４は、１つまたは複数のネットワーク１０４を介してアクセス可能なデータ・センター１０８を評価して、利用可能なデータ・センター１０８ペアのリストを生成することができ、各データ・センター１０８ペアは、１つまたは複数の指定されたプライマリ・データ・センター１０８を１つまたは複数の利用可能な他のデータ・センター１０８に関連付けたもの（たとえば、それによって利用可能なセカンダリ・データ・センター１０８として指定される）を含むことができる。次に、初期化コンポーネント１１４は、システム１００のユーザによって定義された１つまたは複数のデータ復旧要件に基づいて、利用可能リストからデータ・センター１０８ペアを除外することができる。たとえば、初期化コンポーネント１１４は、所与のデータ・センター１０８がプライマリ・データ・センター１０８と同じ施設またはインフラストラクチャあるいはその両方の一部であることに基づいて、それらのデータ・センター１０８を潜在的に利用可能なセカンダリ・データ・センター１０８として除外することができる。プライマリ・データ・センター１０８の施設またはインフラストラクチャあるいはその両方とは別のセカンダリ・データ・センター１０８を指定することにより、データ管理コンポーネント１１０は、プライマリ・データ・センター１０８の施設またはインフラストラクチャあるいはその両方が危険にさらされた場合のデータ復旧を容易にすることができるデータ復旧スキームを生成することができる。

【0030】

他の例では、初期化コンポーネント１１４は、所与のデータ・センター１０８が（たとえば、システム１００のユーザによって定義される）許容されない地理に位置していることに基づいて、それらのデータ・センター１０８を潜在的に利用可能なセカンダリ・データ・センター１０８として除外することができる。たとえば、システム１００のユーザは、あらゆるデータ再配置が制限される地理的境界を定義することができ（たとえば、特定の自治体、国、地域、または国、あるいはそれらの組み合わせにデータ再配置を制限することができ）、すると、地理的境界外に位置するデータ・センター１０８を、セカンダリ・データ・センター１０８指定の候補として除外することができる。これにより、初期化コンポーネント１１４は、１つまたは複数のユーザ定義のデータ復旧要件と競合するセカンダリ・データ・センター１０８候補を除外して、ユーザのニーズ、または１つまたは複数の管理規則への準拠、あるいはその両方を促進することができる。

【0031】

１つまたは複数の実施形態では、初期化コンポーネント１１４は、所与のデータ・センター１０８のパフォーマンス容量と、データ復旧スキームの１つまたは複数のターゲット・パフォーマンス目標とに基づいて、それらのデータ・センター１０８を潜在的に利用可能なデータ・センター１０８としてさらに除外することができる。たとえば、初期化コンポーネント１１４は、データ復旧スキームの実行中に１つまたは複数のレイテンシＳＬＯを達成できない可能性があるセカンダリ・データ・センター１０８候補を除外することができる。様々な実施形態では、初期化コンポーネント１１４は、帯域幅（たとえば、データ・センター１０８の平均利用可能帯域幅）に基づいて、残りのセカンダリ・データ・センター１０８候補をソートすることができる。これにより、初期化コンポーネント１１４は、１つまたは複数の所与のプライマリ・データ・センター１０８に対してセカンダリ・データ・センター１０８として指定することができる利用可能なデータ・センター１０８のリストを生成することによって、初期データ復旧スキームの生成を容易にすることができる。たとえば、データ管理コンポーネント１１０は、１つまたは複数の初期データ復旧スキームを生成する際に、利用可能なデータ・センター１０８のリストを分析し、それらのデータ・センター１０８のうちの１つまたは複数をセカンダリ・データ・センター１０８として指定することができる。

【0032】

図２は、本明細書に記載の１つまたは複数の実施形態による、３つのデータ・センター１０８を含む例示的かつ非限定的なシステム１００の図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。図２は３つのデータ・センター１０８を示しているが、システム１００のアーキテクチャはそのように限定されない。たとえば、３つより少ないまたは多いデータ・センター１０８を含む実施形態も想定される。

【0033】

図２に示すように、データ・センター１０８は、１つまたは複数の直接的な電気接続、または１つまたは複数のネットワーク１０４、あるいはその両方を介して、互いまたはサーバ１０２あるいはその両方と通信することができる。図２では、１つまたは複数のデータ復旧スキームによる管理の対象となるデータを複数の円で示している。１つまたは複数の実施形態では、データは１つまたは複数のマイクロサービスを含むことができる。さらに、１つまたは複数のマイクロサービスは、マイクロサービスの機能または要件あるいはその両方に基づいてグループに分けることができる。様々な実施形態では、同じグループのマイクロサービスは、データ復旧スキームを介して一緒に再配置することができる。たとえば、図２では２つのマイクロサービスのグループを示しており、第１のマイクロサービスのグループを白い円で表し、第２のマイクロサービスのグループを黒い円で表している。また、マイクロサービスの各グループを１つまたは複数のそれぞれのデータベースに関連付けて、それらの機能を促進することができる。１つまたは複数のマイクロサービスのグループは、プライマリ・データ・センター１０８に最初に記憶し、処理し、または実行し、あるいはそれらの組み合わせを行うことができる。たとえば、図２は、データ復旧スキームを実行する前のシステム１００を示しており、左側のデータ・センター１０８はプライマリ・データ・センター１０８として指定され（たとえば、それによって、２つのマイクロサービスのグループを含む）、下側および右側のデータ・センター１０８は、セカンダリ・データ・センター１０８として指定されている。

【0034】

様々な実施形態では、データ管理コンポーネント１１０は（たとえば、通信コンポーネント１１２または初期化コンポーネント１１４あるいはその両方を介して）、データ（たとえば、１つまたは複数のマイクロサービス）および１つまたは複数のデータ・センター１０８に関するパフォーマンス・データ、または１つまたは複数のデータ復旧要件（たとえば、システム１００のユーザ、または１つまたは複数のＳＬＡ、あるいはその両方によって定義されるもの）、あるいはその両方を収集することができる。１つまたは複数のデータ・センター１０８に関するパフォーマンス・データは、たとえば、データ・センター１０８の場所（たとえば、所与のデータ・センター１０８の住所、自治体、地域、国、大陸、もしくは領土（territory）、またはそれらの組み合わせ）、ワーク・グループの指定（たとえば、所与のデータ・センター１０８と提携している１つまたは複数の組織）、１つまたは複数のデータ・センター１０８間の最大割当帯域幅、１つまたは複数のデータ・センター１０８間の平均ネットワーク・レイテンシ、所与のデータ・センター１０８の動作容量もしくは特徴またはその両方、データ・センター１０８間の距離、所与のデータ・センター１０８をサポートするための固定費用もしくは経常費用またはその両方、それらの組み合わせ、ならびに／あるいは同様のものを記述することができるが、これらに限定されない。データ（たとえば、１つまたは複数のマイクロサービス・グループ）に関するパフォーマンス・データは、たとえば、ターゲット・アプリケーション・レイテンシ（たとえば、指定されたセカンダリ・データ・センター１０８にデータを再配置する、またはデータ更新を配信する、あるいはその両方を行うための最大時間）、コロケーション・グループ指定（たとえば、ターゲット・セカンダリ・データ・センター１０８を記述する１つまたは複数の要件）、アンチ・コロケーション・グループ（たとえば、潜在的なセカンダリ・データ・センター１０８候補をフィルタリングするために使用することができる１つまたは複数の要件）、平均使用帯域幅（たとえば、１日などの一定期間にわたる所与のマイクロサービス・グループのデータベース全体で測定された合計使用帯域幅）、平均アプリケーション・レイテンシ（たとえば、所与のマイクロサービス・グループのデータベース全体で測定された最大レイテンシ）、それらの組み合わせ、ならびに／あるいは同様のものを記述することができるが、これらに限定されない。様々な実施形態では、１つまたは複数のデータ・センター１０８またはデータあるいはその両方に関するパフォーマンス・データを定期的に測定する、または更新する、あるいはその両方を行うことによって、最近のパフォーマンス履歴を取り込むことができる。

【0035】

図３は、本明細書に記載の１つまたは複数の実施形態による、評価コンポーネント３０２をさらに含む例示的かつ非限定的なシステム１００の図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。１つまたは複数の実施形態では、評価コンポーネント３０２は、１つまたは複数のデータ復旧スキームを分析して、所与のデータ復旧スキームが１つまたは複数のターゲット・パフォーマンス目標を達成すると予測されるか否かを判定することができる。たとえば、評価コンポーネント３０２は、１つまたは複数の初期データ復旧スキームを分析して、データ復旧スキームへの将来の修正によりパフォーマンスの向上が実現されるか否かを判定するために利用することができる１つまたは複数のベースライン・メトリックを生成することができる。

【0036】

１つまたは複数の実施形態では、評価コンポーネント３０２は、ことができる。たとえば、評価コンポーネント３０２は、ペアの所与のデータ・センター１０８間の推定使用帯域幅に関する評価カウンタをゼロの値にリセットすることができる。次に、評価コンポーネント３０２は、所与のデータ・センター１０８ペアの使用帯域幅を、管理されるマイクロサービス・グループごとに更新することができる。たとえば、評価コンポーネント３０２は、推定使用帯域幅を平均使用帯域幅の値（たとえば、所与のマイクロサービス・グループのデータベースによって使用される合計帯域幅）だけ増加させることができる。続いて、評価コンポーネント３０２は、１つまたは複数のＳＬＯターゲットを満たすことができないマイクロサービス・グループの量（amount）をカウントすることができる。たとえば、評価コンポーネント３０２は、所与のマイクロサービス・グループの平均アプリケーション・レイテンシがターゲット・アプリケーション・レイテンシよりも大きい場合（たとえば、測定されたアプリケーション・レイテンシがターゲットＳＬＯよりも大きい場合）、未達成のＳＬＯターゲットをカウントすることができる。さらに、評価コンポーネント３０２は、指定されたデータ・センター１０８間のトラフィックの多いエリアを識別することができる。たとえば、評価コンポーネント３０２は、推定使用帯域幅を最大割当帯域幅で割った値（たとえば、所与のデータ・センター１０８間で使用される所与の帯域幅のパーセンテージ）として、帯域幅使用率を計算することができる。また、評価コンポーネント３０２は、上記の関数に基づいて１つまたは複数の評価値を求めることができる。たとえば、評価コンポーネント３０２は、１つまたは複数のＳＬＯターゲットを達成しないマイクロサービス・グループのパーセンテージとして、未達成のＳＬＯの比率を計算することができる。他の例では、評価コンポーネント３０２は、平均帯域幅使用率を帯域幅使用率の平均からの二乗偏差として計算することができる（たとえば、これは、所与のデータ復旧スキームによって管理される１つまたは複数のデータ・センター１０８ペアの帯域幅の分布を記述することができる）。

【0037】

図４は、本明細書に記載の１つまたは複数の実施形態による、データ最適化コンポーネント４０２をさらに含む例示的かつ非限定的なシステム１００の図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。様々な実施形態では、データ最適化コンポーネント４０２は、データ（たとえば、マイクロサービス・グループ）の再配置を最適化するための１つまたは複数の機械学習モデルを生成することができ、機械学習モデルは、１つまたは複数のマイクロサービスのグループのパフォーマンス・データに基づいて、初期データ復旧スキームへの１つまたは複数の修正と、１つまたは複数のデータ復旧要件との間の１つまたは複数の関係を識別することができる。

【0038】

１つまたは複数の実施形態では、データ最適化コンポーネント４０２は、データ管理コンポーネント１１０によって実施することができる初期データ復旧スキームへの１つまたは複数の修正を識別して、修正されたデータ復旧スキームを生成することができる。すると、評価コンポーネント３０２は、修正されたデータ復旧スキームを評価して１つまたは複数の評価値を計算することができ、これらを初期データ復旧スキームの評価値と比較して、修正によりデータ復旧スキームの効率が向上するか否かを判定することができる。さらに、潜在的な修正の識別、および修正されたデータ復旧スキームの評価を、データ最適化コンポーネント４０２または評価コンポーネント３０２あるいはその両方によって反復的に実行して、データ管理コンポーネント１１０によって所与のデータ復旧スキームを最適化することができる。

【0039】

たとえば、様々な実施形態において、データ最適化コンポーネント４０２は、分析の対象となるデータ復旧スキーム（たとえば、初期データ復旧スキーム）を複製することから最適化の反復を開始し、識別された修正によってデータ復旧スキームの有効性が向上しなくなったときに機械学習モデルを取り出すようにすることができる。その際、データ最適化コンポーネント４０２は、平均アプリケーション・レイテンシがターゲット・アプリケーション・レイテンシの定義された閾値（たとえば、ユーザ定義の閾値）よりも大きいマイクロサービス・グループをフィルタリングすることから１つまたは複数の機械学習モデルの生成を開始することができる。たとえば、定義された閾値がターゲット・アプリケーション・レイテンシの９０％である場合、データ最適化コンポーネント４０２は、平均アプリケーション・レイテンシがターゲット・アプリケーション・レイテンシの９０％よりも大きい所与のデータ復旧スキームのマイクロサービス・グループをフィルタリングすることができる。

【0040】

１つまたは複数の実施形態では、データ最適化コンポーネント４０２はさらに、ターゲット・アプリケーション・レイテンシに対する平均アプリケーション・レイテンシの比率に応じて、マイクロサービス・グループをソートすることができる。たとえば、データ最適化コンポーネント４０２は、１つまたは複数のＳＬＯターゲットを達成しないマイクロサービス・グループの後に、１つまたは複数のＳＬＯターゲットを達成しないリスクのあるマイクロサービス・グループが続くように、マイクロサービス・グループをソートすることができる。また、データ最適化コンポーネント４０２は、１つまたは複数のＳＬＯターゲットを達成しない、または達成しないリスクがあると識別されたマイクロサービス・グループに対して新たな再配置先（たとえば、代替のセカンダリ・データ・センター１０８）を指示することができる１つまたは複数の修正を決定することができる。たとえば、データ最適化コンポーネント４０２は、所与のプライマリ・データ・センターおよびマイクロサービス・グループに対して利用可能なセカンダリ・データ・センター１０８候補のリストを生成する、または分析する、あるいはその両方を行うことができる。さらに、データ最適化コンポーネント４０２は、所与のデータ・センター１０８に関連する場所情報、コロケーション・グループ指定、またはアンチ・コロケーション・グループ情報、あるいはそれらの組み合わせに基づいて、セカンダリ・データ・センター１０８候補を除外することができる。たとえば、セカンダリ・データ・センター１０８候補のリストを絞り込んで、定義された地理的境界内のもののみを含めることができる。また、データ最適化コンポーネント４０２は、プライマリ・データ・センター１０８とペアリングされると、レイテンシが１つまたは複数のＳＬＯターゲットを満たさなくなるセカンダリ・データ・センター１０８候補を除外することができる。たとえば、データ最適化コンポーネント４０２は、ターゲット・アプリケーション・レイテンシが平均ネットワーク・レイテンシにレイテンシ補正値を掛けた値よりも小さいセカンダリ・データ・センター１０８候補を除外することができ、レイテンシ補正値は、平均アプリケーション・レイテンシを所与のデータ・センター１０８のペアリングに関する平均ネットワーク・レイテンシで割った値として計算することができる（たとえば、レイテンシ補正値は、ネットワーク・レイテンシとアプリケーション・レイテンシとの差異の補正値とすることができる）。

【0041】

また、データ最適化コンポーネント４０２は、推定アプリケーション・レイテンシが既存のアプリケーション・レイテンシよりも悪いであろうセカンダリ・データ・センター１０８候補を除外することができる。たとえば、データ最適化コンポーネント４０２は、所与の平均アプリケーション・レイテンシが平均ネットワーク・レイテンシにレイテンシ補正値を掛けた値よりも小さいセカンダリ・データ・センター１０８候補を除外することができる。さらに、データ最適化コンポーネント４０２は、残りのセカンダリ・データ・センター１０８候補を帯域幅使用率に基づいてソートすることができる。たとえば、データ最適化コンポーネント４０２は、ネットワーク負荷を最小化しながら所望のアプリケーション・レイテンシを達成するように残りのセカンダリ・データ・センター１０８候補をソートすることができる。

【0042】

これにより、データ最適化コンポーネント４０２は、結果として得られたセカンダリ・データ・センター１０８候補のリストに基づいて１つまたは複数のターゲット・セカンダリ・データ・センター１０８を変更することによって、所与のデータ復旧スキームを調整することができる。たとえば、データ最適化コンポーネント４０２は、機械学習モデルから元のターゲット・セカンダリ・データ・センター１０８再配置先を除外することができる（たとえば、元のデータ・センター１０８のペアリングについて、データ最適化コンポーネント４０２は、推定使用帯域幅の値を平均使用帯域幅の量だけ減少させることができる）。これにより、データ最適化コンポーネント４０２は、種々のセカンダリ・データ・センター１０８候補から、所与のマイクロサービス・グループの新たなセカンダリ・データ・センター１０８への再配置を決定し、または対応するアプリケーション・レイテンシを、平均ネットワーク・レイテンシにレイテンシ補正値を掛けた値に調整し、あるいはその両方を行うことができる。

【0043】

さらに、データ管理コンポーネント１１０は、新たなデータ・センター１０８のペアリング（たとえば、所与のプライマリ・データ・センター１０８を新たに識別された代替のセカンダリ・データ・センター１０８とペアにしたもの）を実施することができ、対応する推定使用帯域幅の値を測定された平均使用帯域幅の量だけ増加させることができる。これにより、データ管理コンポーネント１１０は、１つまたは複数の修正されたデータ復旧スキームを生成することができる。さらに、評価コンポーネント３０２は、１つまたは複数の修正されたデータ復旧スキームを分析して、１つまたは複数の評価値を決定することができる。また、評価コンポーネント３０２は、１つまたは複数の修正されたデータ復旧スキームの評価値を、データ復旧スキームの１つまたは複数の前のバージョン（たとえば、１つまたは複数の初期データ復旧スキーム）の評価値と比較して、データ最適化コンポーネント４０２によって決定された１つまたは複数の修正によって評価値が改善されるか否かを判定することができる（たとえば、データ最適化コンポーネント４０２によって決定された修正によって、未達成のＳＬＯターゲットの比率、または平均帯域幅使用率、あるいはその両方が減少するか否かを判定する）。

【0044】

所与の修正によって評価値が改善される場合、データ管理コンポーネント１１０は、修正後のデータ復旧スキームを取っておく、または利用する、あるいはその両方を行うことができる。所与の修正によって評価値が改善されない場合、データ管理コンポーネント１１０は修正をロール・バックすることができ、データ最適化コンポーネント４０２は、新たに識別された種々の代替のセカンダリ・データ・センター１０８から他のセカンダリ・データ・センター１０８を利用する１つまたは複数の新たな修正を識別することができる（たとえば、その際、最適化処理のさらなる反復において、評価コンポーネント３０２によって新たな修正を同様に分析することができる）。

【0045】

図５は、本明細書に記載の１つまたは複数の実施形態による、データ・センター最適化コンポーネント５０２をさらに含む例示的かつ非限定的なシステム１００の図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。様々な実施形態では、データ・センター最適化コンポーネント５０２は、データ・センター１０８のパフォーマンス・データにさらに基づいてデータ復旧スキームを介してデータの再配置を最適化するための１つまたは複数の機械学習モデルを生成することができ、機械学習モデルは、１つまたは複数のデータ・センター１０８のパフォーマンス・データに基づいて、データ復旧スキーム（たとえば、初期データ復旧スキーム）への修正と、１つまたは複数のデータ復旧要件との間の１つまたは複数の関係を識別することができる。１つまたは複数の実施形態では、データ・センター最適化コンポーネント５０２は、データ最適化コンポーネント４０２によって生成された１つまたは複数の機械学習モデルにさらに貢献することができる。

【0046】

１つまたは複数の実施形態では、データ・センター最適化コンポーネント５０２は、１つまたは複数の評価値を改善することができるデータ復旧スキームへの１つまたは複数の修正を決定する際に、トラフィックの多いデータ・センター１０８を識別し、または（たとえば、データ最適化コンポーネント４０２によって生成される）１つまたは複数の機械学習モデルにおいてトラフィックを考慮し、あるいはその両方を行うことができる。たとえば、データ・センター最適化コンポーネント５０２はさらに、セカンダリ・データ・センター１０８候補をフィルタリングして、帯域幅使用率が平均帯域幅使用率よりも大きいデータ・センター１０８を除外することができる。また、データ・センター最適化コンポーネント５０２はさらに、帯域幅使用率に基づいてセカンダリ・データ・センター１０８候補をソートすることができる。また、データ・センター最適化コンポーネント５０２は、平均アプリケーション・レイテンシに基づいてマイクロサービス・グループをソートすることができる。

【0047】

これにより、データ・センター最適化コンポーネント５０２は、データ・センター１０８で発生したデータ・トラフィック、または１つまたは複数のマイクロサービス・グループが経験したアプリケーション・レイテンシ、あるいはその両方に基づいてさらに絞り込まれたセカンダリ・データ・センター１０８候補のリストに基づいて所与のデータ復旧スキームへの修正を識別することにさらに貢献することができる。たとえば、データ最適化コンポーネント４０２は、トラフィックの多いデータ・センター１０８再配置先を機械学習モデルから除外して、単一のセカンダリ・データ・センター１０８が過剰な数のプライマリ・データ・センター１０８またはマイクロサービス・グループあるいはその両方とペアにされないようにすることができる。これにより、データ・センター最適化コンポーネント５０２は、データ最適化コンポーネント４０２によって生成された１つまたは複数の修正の識別をさらに洗練して、評価値を改善することができる所与のデータ復旧スキームへの修正を特定することができる。本明細書で説明するように、評価コンポーネント３０２は、データ最適化コンポーネント４０２またはデータ・センター最適化コンポーネント５０２あるいはその両方によって識別された修正のいずれかを分析して、所与の修正により、所与のデータ復旧スキームの以前のバージョンと比較してデータ復旧スキームの評価値を改善することができるか否かを確認することができる。

【0048】

図６は、本明細書に記載の１つまたは複数の実施形態による、再配置コンポーネント６０２をさらに含む例示的かつ非限定的なシステム１００の図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。様々な実施形態では、再配置コンポーネント６０２は、データ最適化コンポーネント４０２またはデータ・センター最適化コンポーネント５０２あるいはその両方によって識別された修正により、以前に確立されたデータ復旧スキームの効率を向上させることができると評価コンポーネント３０２が判定したことに応答して、１つまたは複数の修正されたデータ復旧スキームを実行することができる。たとえば、再配置コンポーネント６０２は、修正されたデータ復旧スキームに従って、１つまたは複数のマイクロサービス・グループをプライマリ・データ・センター１０８から１つまたは複数のターゲット・セカンダリ・データ・センター１０８に複製する、または転送する、あるいはその両方を行うことができる。さらに、１つまたは複数の実施形態では、再配置コンポーネント６０２は、１つまたは複数のプライマリ・データ・センター１０８からデータを削除することができる。

【0049】

図７は、本明細書に記載の１つまたは複数の実施形態による、再配置コンポーネント６０２によって再配置されたデータを含む例示的かつ非限定的なシステム１００の図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。たとえば、図７は、再配置コンポーネント６０２によって修正されたデータ復旧スキームを実行した後の図２のシステム１００を示している。図７に示すように（たとえば、図７に示す破線矢印で描いたように）、第１のマイクロサービス・グループを下側のセカンダリ・データ・センター１０８に再配置することができ、第２のマイクロサービス・グループを右側のセカンダリ・データ・センター１０８に再配置することができる。様々な実施形態では、データ最適化コンポーネント４０２またはデータ・センター最適化コンポーネント５０２あるいはその両方によって開発された１つまたは複数の機械学習モデルに基づいて、第１のマイクロサービス・グループを下側のセカンダリ・データ・センター１０８とペアにすることができ、第２のマイクロサービス・グループを右側のセカンダリ・データ・センター１０８とペアにすることができる。これにより、再配置コンポーネント６０２によって実行されたデータ復旧スキームは、最近または過去あるいはその両方に示され、測定されたパフォーマンス・データ（たとえば、マイクロサービス・グループまたはデータ・センター１０８あるいはその両方に関するもの）に基づいてセカンダリ・データ・センター１０８へのデータの再配置を指示することができる。

【0050】

図８は、本明細書に記載の１つまたは複数の実施形態による、データ復旧スキームへの１つまたは複数の修正の生成を容易にすることができる例示的かつ非限定的な方法８００の流れ図を示す。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。

【0051】

８０２において、方法８００は、プロセッサ１２０に動作可能に結合されたシステム１００によって（たとえば、通信コンポーネント１１２または初期化コンポーネント１１４あるいはその両方を介して）、データ・センター１０８のネットワーク１０４内でのデータの再配置を指示することができる１つまたは複数のデータ復旧スキームを確立することを含むことができる。たとえば、１つまたは複数のデータ復旧スキームは、１人または複数のユーザによって１つまたは複数の入力デバイス１０６を介してシステム１００に入力することができる。様々な実施形態では、１つまたは複数のデータ復旧スキームは、システム１００によって（たとえば、初期化コンポーネント１１４を介して）、１つまたは複数の指定されたプライマリ・データ・センター１０８、ネットワーク１０４の所与のデータまたはデータ・センター１０８あるいはその両方のパフォーマンス・データ、またはユーザ定義のデータ復旧要件、あるいはそれらの組み合わせに基づいて、最初に生成することができる。１つまたは複数のデータ復旧スキームは、本明細書で説明するように、１つまたは複数のプライマリ・データ・センター１０８から１つまたは複数のセカンダリ・データ・センター１０８へのデータの複製または転送あるいはその両方を記述することができる。

【0052】

８０４において、方法８００は、システム１００によって（たとえば、データ最適化コンポーネント４０２またはデータ・センター最適化コンポーネント５０２あるいはその両方を介して）、データ・センター１０８のネットワーク１０４によって示されるパフォーマンス・データ、または１つまたは複数のデータ復旧要件、あるいはその両方に基づいて、８０２の１つまたは複数のデータ復旧スキームへの１つまたは複数の修正を決定するための１つまたは複数の機械学習モデルを生成することを含むことができる。たとえば、１つまたは複数の修正は、１つまたは複数のプライマリ・データ・センター１０８、またはデータ内に含まれるマイクロサービス・グループ、あるいはその両方とペアになるセカンダリ・データ・センター１０８再配置先の変更とすることができる。１つまたは複数の機械学習モデルは、本明細書に記載の様々な実施形態によれば、ＳＬＡターゲットを達成し、またはネットワーク１０４の利用率を高め、あるいはその両方を行うために、マイクロサービス・グループの過去の動作、または１つまたは複数のデータ・センター１０８の過去の動作、あるいはその両方を特徴付ける測定されたパフォーマンス・データに基づいて修正を識別することができる。たとえば、１つまたは複数の修正は、１つまたは複数のターゲットＳＬＯを満たさないパフォーマンス・データを示したデータ・センター１０８のペアリングの改変に関するものとすることができ、それによって、修正により、データ復旧スキームの実行中に示される未達成のＳＬＯターゲットの数の削減を試みることができる。他の例では、１つまたは複数の修正は、トラフィックの多いセカンダリ・データ・センター１０８に依存するデータ・センター１０８のペアリングの改変に関するものとすることができ、それによって、修正により、ネットワーク１０４の利用率の向上を試みることができる。

【0053】

図９は、本明細書に記載の１つまたは複数の実施形態による、データ復旧スキームへの１つまたは複数の修正の生成を容易にすることができる例示的かつ非限定的な方法９００の流れ図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。

【0054】

９０２において、方法９００は、プロセッサ１２０に動作可能に結合されたシステム１００によって（たとえば、通信コンポーネント１１２または初期化コンポーネント１１４あるいはその両方を介して）、データ・センター１０８のネットワーク１０４内でのデータの再配置を指示することができる１つまたは複数のデータ復旧スキームを確立することを含むことができる。たとえば、１つまたは複数のデータ復旧スキームは、１人または複数のユーザによって１つまたは複数の入力デバイス１０６を介してシステム１００に入力することができる。様々な実施形態では、１つまたは複数のデータ復旧スキームは、システム１００によって（たとえば、初期化コンポーネント１１４を介して）、１つまたは複数の指定されたプライマリ・データ・センター１０８、ネットワーク１０４の所与のデータまたはデータ・センター１０８あるいはその両方のパフォーマンス・データ、またはユーザ定義のデータ復旧要件、あるいはそれらの組み合わせに基づいて、最初に生成することができる。１つまたは複数のデータ復旧スキームは、本明細書で説明するように、１つまたは複数のプライマリ・データ・センター１０８から１つまたは複数のセカンダリ・データ・センター１０８へのデータの複製または転送あるいはその両方を記述することができる。

【0055】

９０４において、方法９００は、システム１００によって（たとえば、データ最適化コンポーネント４０２を介して）、１つまたは複数のマイクロサービス・アプリケーションのグループのパフォーマンス・データに基づいてデータの再配置を最適化するための１つまたは複数の機械学習モデルの１つまたは複数の第１の部分を生成することを含むことができる。たとえば、機械学習モデルは、データの再配置中に達成されるＳＬＡターゲットの数を増加させることができるデータ復旧スキームへの１つまたは複数の修正を決定することができる。さらに、機械学習モデルは、データ復旧スキームによる管理の対象となるデータ内に含まれる１つまたは複数のマイクロサービス・グループの過去の動作に関するパフォーマンス・データに基づいて開発することができる。たとえば、１つまたは複数の機械学習モデルは、１つまたは複数のマイクロサービス・グループの代替の再配置先としてデータ復旧スキームで指定されたセカンダリ・データ・センター１０８以外の１つまたは複数のセカンダリ・データ・センター１０８を識別することができる。

【0056】

９０６において、方法９００は、システム１００によって（たとえば、データ・センター最適化コンポーネント５０２を介して）、ネットワーク１０４に動作可能に結合された少なくとも１つのデータ・センター１０８のパフォーマンス・データにさらに基づいてデータの再配置を最適化するための１つまたは複数の機械学習モデルの１つまたは複数の第２の部分を生成することを含むことができる。たとえば、機械学習モデルは、ネットワーク１０４の利用率を向上させるようにデータ復旧スキームへの１つまたは複数の修正の決定をさらに洗練することができる。たとえば、１つまたは複数の機械学習モデルは、大量のデータ・トラフィックを示した１つまたは複数のセカンダリ・データ・センター１０４を識別することができ、これにより、システム１００は（たとえば、データ管理コンポーネント１１０を介して）、データ復旧スキームを修正して、所与のプライマリ・データ・センター１０８を十分に活用されていないセカンダリ・データ・センター１０８とペアにすることによって、ＳＬＯターゲットを満たしつつ、データ・センター１０８のネットワーク１０４をより効率的に利用することが可能になる。

【0057】

図１０は、本明細書に記載の１つまたは複数の実施形態による、データ復旧スキームへの１つまたは複数の修正の生成を容易にすることができる例示的かつ非限定的な方法１０００の流れ図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。

【0058】

１００２において、方法１０００は、プロセッサ１２０に動作可能に結合されたシステム１００によって（たとえば、通信コンポーネント１１２または初期化コンポーネント１１４あるいはその両方を介して）、データ・センター１０８のネットワーク１０４内でのデータの再配置を指示することができる１つまたは複数のデータ復旧スキームを確立することを含むことができる。たとえば、１つまたは複数のデータ復旧スキームは、１人または複数のユーザによって１つまたは複数の入力デバイス１０６を介してシステム１００に入力することができる。様々な実施形態では、１つまたは複数のデータ復旧スキームは、システム１００によって（たとえば、初期化コンポーネント１１４を介して）、１つまたは複数の指定されたプライマリ・データ・センター１０８、ネットワーク１０４の所与のデータまたはデータ・センター１０８あるいはその両方のパフォーマンス・データ、またはユーザ定義のデータ復旧要件、あるいはそれらの組み合わせに基づいて、最初に生成することができる。１つまたは複数のデータ復旧スキームは、本明細書で説明するように、１つまたは複数のプライマリ・データ・センター１０８から１つまたは複数のセカンダリ・データ・センター１０８へのデータの複製または転送あるいはその両方を記述することができる。

【0059】

１００４において、方法１０００は、システム１００によって（たとえば、データ最適化コンポーネント４０２、データ・センター最適化コンポーネント５０２、または評価コンポーネント３０２、あるいはそれらの組み合わせを介して）、データ・センター１０８のネットワーク１０４によって示されるパフォーマンス・データ、および１つまたは複数のデータ復旧要件に基づいて１つまたは複数のデータ復旧スキームを修正することを含むことができる。たとえば、方法１０００は、ＳＬＯターゲットの達成、またはネットワーク１０４の利用率、あるいはその両方を向上させることができるデータ復旧スキームへの１つまたは複数の修正を識別することができる１つまたは複数の機械学習モデルを生成することを含むことができる。さらに、様々な実施形態では、方法１０００は、１つまたは複数の識別された修正を評価して、所与の修正の実施により、意図された改善が実現されると予測されるか否かを判定することを含むことができる。さらに、所与の修正は、所与のデータに関して測定されたパフォーマンス・データ（たとえば、平均使用帯域幅、平均アプリケーション・レイテンシ、ターゲット・アプリケーション・レイテンシ、コロケーション・グループ、またはアンチ・コロケーション・グループ、あるいはそれらの組み合わせ）、またはデータ・センター１０８のうちの１つまたは複数に関して測定されたパフォーマンス・データ（たとえば、地理的な配置もしくは提携先の割り当てまたはその両方、最大割当帯域幅、または平均ネットワーク・レイテンシ、あるいはそれらの組み合わせ）、あるいはその両方に基づくことができる。これにより、方法１０００は、１つまたは複数のデータ復旧要件（たとえば、１つまたは複数のターゲットＳＬＯ、ターゲット・アプリケーション・レイテンシ、またはターゲット・データ・センター１０８の場所、あるいはそれらの組み合わせ）を満たしながらデータ復旧スキームの効率を高めるために、データまたはデータ・センター１０８あるいはその両方の動作に基づいて１つまたは複数のデータ復旧スキームを適応させることができる。

【0060】

図１１は、本明細書に記載の１つまたは複数の実施形態による、データ復旧スキームへの１つまたは複数の修正の生成を容易にすることができる例示的かつ非限定的な方法１１００の流れ図を示している。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。

【0061】

１１０２において、方法１１００は、プロセッサ１２０に動作可能に結合されたシステム１００によって（たとえば、通信コンポーネント１１２または初期化コンポーネント１１４あるいはその両方を介して）、データ・センター１０８のネットワーク１０４内でのデータの再配置を指示することができる１つまたは複数のデータ復旧スキームを確立することを含むことができる。たとえば、１つまたは複数のデータ復旧スキームは、１人または複数のユーザによって１つまたは複数の入力デバイス１０６を介してシステム１００に入力することができる。様々な実施形態では、１つまたは複数のデータ復旧スキームは、システム１００によって（たとえば、初期化コンポーネント１１４を介して）、１つまたは複数の指定されたプライマリ・データ・センター１０８、ネットワーク１０４の所与のデータまたはデータ・センター１０８あるいはその両方のパフォーマンス・データ、またはユーザ定義のデータ復旧要件、あるいはそれらの組み合わせに基づいて、最初に生成することができる。１つまたは複数のデータ復旧スキームは、本明細書で説明するように、１つまたは複数のプライマリ・データ・センター１０８から１つまたは複数のセカンダリ・データ・センター１０８へのデータの複製または転送あるいはその両方を記述することができる。

【0062】

１１０４において、方法１１００は、システム１００によって（たとえば、データ最適化コンポーネント４０２を介して）、データ内に含まれる１つまたは複数のマイクロサービス・アプリケーションのグループのパフォーマンス・データに基づいてデータの再配置を最適化するための１つまたは複数の機械学習モデルを生成することを含むことができる。たとえば、機械学習モデルは、データの再配置中に達成されるＳＬＡターゲットの数を増加させることができるデータ復旧スキームへの１つまたは複数の修正を決定することができる。さらに、機械学習モデルは、１つまたは複数のマイクロサービス・グループの過去の動作に関するパフォーマンス・データ（たとえば、平均使用帯域幅、平均アプリケーション・レイテンシ、ターゲット・アプリケーション・レイテンシ、コロケーション・グループ、またはアンチ・コロケーション・グループ、あるいはそれらの組み合わせ）に基づいて開発することができる。たとえば、１つまたは複数の機械学習モデルは、１つまたは複数のマイクロサービス・グループの代替の再配置先としてデータ復旧スキームで指定されたセカンダリ・データ・センター１０８以外の１つまたは複数のセカンダリ・データ・センター１０８を識別することができる。様々な実施形態において、１つまたは複数の機械学習モデルは、１つまたは複数のマイクロサービス・グループの過去の動作の測定されたパフォーマンス・データに基づいて、１つまたは複数の所与のプライマリ・データ・センター１０８とペアにする代替のセカンダリ・データ・センター１０８を識別することができる。さらに、１つまたは複数の機械学習モデルは、閾値量（threshold amount）のＳＬＯターゲットを達成できないと判定されたデータ再配置の調整を優先することができる。

【0063】

１１０６において、方法１１００は、システム１００によって（たとえば、データ・センター最適化コンポーネント５０２を介して）、データ・センター１０８のネットワーク１０４の少なくとも１つのデータ・センター１０８のパフォーマンス・データにさらに基づいてデータの再配置を最適化するための１つまたは複数の第２の機械学習モデルを生成することを含むことができる。たとえば、１つまたは複数の第２の機械学習モデルは、ネットワーク１０４の利用率を向上させるようにデータ復旧スキームへの１つまたは複数の修正の決定をさらに洗練することができる。たとえば、１つまたは複数の機械学習モデルは、大量のデータ・トラフィックを示した１つまたは複数のセカンダリ・データ・センター１０４を識別することができ、これにより、システム１００は（たとえば、データ管理コンポーネント１１０を介して）、データ復旧スキームを修正して、所与のプライマリ・データ・センター１０８を十分に活用されていないセカンダリ・データ・センター１０８とペアにすることによって、ＳＬＯターゲットを満たしつつ、データ・センター１０８のネットワーク１０４をより効率的に利用することが可能になる。様々な実施形態では、１つまたは複数の第２の機械学習モデルは、本明細書に記載の様々な実施形態によれば、所与のデータ・センター１０８による平均帯域幅使用量、または所与のデータ・センター１０８の合計帯域幅容量、あるいはその両方をさらに分析して、利用可能なセカンダリ・データ・センター１０８間でワークロードを効率的に分散させることができる。

【0064】

１１０８において、方法１１００は、システム１００によって（たとえば、データ管理コンポーネント１１０を介して）、第１または第２あるいはその両方の機械学習モデルに基づいて１つまたは複数のデータ復旧スキームを修正して、修正されたデータ復旧スキームを生成することを含むことができる。たとえば、方法１１００は、第１または第２あるいはその両方の機械学習モデルによって識別される１つまたは複数の修正に従って、シミュレーション環境内で、１つまたは複数のデータ復旧スキームを修正することを含むことができる。データ・センター１０８の所与のネットワーク１０４のシミュレーション内でデータ復旧スキームを修正することにより、方法１０００は、所与の修正されたデータ復旧スキームの成功性をネットワーク１０４全体で実施する前に予測することができる。

【0065】

１１１０において、方法１１００は、システム１００によって（たとえば、評価コンポーネント３０２を介して）、１つまたは複数の修正されたデータ復旧スキームを分析して、修正されたデータ復旧スキームが、元のデータ復旧スキームと比較してパフォーマンス・データを改善し、１つまたは複数のデータ復旧要件（たとえば、ＳＬＯターゲット、レイテンシ要件、または場所要件、あるいはそれらの組み合わせ）を満たすと予測されるか否かを判定することを含むことができる。たとえば、１１１０における分析は、本明細書に記載の様々な実施形態に従って１つまたは複数の評価値を決定することを含むことができる。以前に確立されたベンチマークよりも評価値を改善すると予測される修正は、ネットワーク１０４内で実施することができ、一方、評価値が減少する、または評価値が無影響のままになると予測される修正は、ネットワーク１０４内で実施されないようにすることができる。様々な実施形態において、方法１１００の特徴１１０４、１１０６、１１０８、または１１１０、あるいはそれらの組み合わせは、全ての可能性が機械学習モデルによって探索されるまで、または評価値を改善すると予測される修正が識別されるまで、あるいはその両方となるまで、何度も繰り返すことができる。

【0066】

本開示はクラウド・コンピューティングに関する詳細な説明を含むが、本明細書に記載した教示の実装形態はクラウド・コンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在知られていないまたは今後開発される他の任意のタイプのコンピューティング環境と共に実装することが可能である。

【0067】

クラウド・コンピューティングは、最小限の管理労力またはサービスのプロバイダとのやり取りによって迅速にプロビジョニングおよび解放することができる、設定可能なコンピューティング・リソース（たとえば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、およびサービス）の共有プールへの便利なオンデマンドのネットワーク・アクセスを可能にするためのサービス配信のモデルである。このクラウド・モデルは、少なくとも５つの特徴と、少なくとも３つのサービス・モデルと、少なくとも４つのデプロイメント・モデルとを含み得る。

【0068】

特徴は以下の通りである。

【0069】

オンデマンド・セルフ・サービス：クラウド・コンシューマは、サービスのプロバイダとの人的な対話を必要とせずに、必要に応じて自動的に、サーバ時間およびネットワーク・ストレージなどのコンピューティング能力を一方的にプロビジョニングすることができる。

【0070】

ブロード・ネットワーク・アクセス：能力はネットワークを介して利用することができ、異種のシンまたはシック・クライアント・プラットフォーム（たとえば、携帯電話、ラップトップ、およびＰＤＡ）による使用を促進する標準的なメカニズムを介してアクセスされる。

【0071】

リソース・プーリング：プロバイダのコンピューティング・リソースをプールして、様々な物理リソースおよび仮想リソースが需要に応じて動的に割り当ておよび再割り当てされるマルチ・テナント・モデルを使用して複数のコンシューマにサービス提供する。一般にコンシューマは、提供されるリソースの正確な位置に対して何もできず、知っているわけでもないが、より高い抽象化レベル（たとえば、国、州、またはデータ・センターなど）では位置を特定可能であり得るという点で位置非依存の感覚がある。

【0072】

迅速な弾力性：能力を迅速かつ弾力的に、場合によっては自動的にプロビジョニングして素早くスケール・アウトし、迅速に解放して素早くスケール・インすることができる。コンシューマにとって、プロビジョニング可能な能力は無制限であるように見えることが多く、任意の時間に任意の数量で購入することができる。

【0073】

測定されるサービス：クラウド・システムは、サービスのタイプ（たとえば、ストレージ、処理、帯域幅、およびアクティブ・ユーザ・アカウント）に適したある抽象化レベルでの計量機能を活用して、リソースの使用を自動的に制御し、最適化する。リソース使用量を監視、管理、および報告して、利用されるサービスのプロバイダおよびコンシューマの両方に透明性を提供することができる。

【0074】

サービス・モデルは以下の通りである。

【0075】

ソフトウェア・アズ・ア・サービス（ＳａａＳ）：コンシューマに提供される能力は、クラウド・インフラストラクチャ上で動作するプロバイダのアプリケーションを使用することである。アプリケーションは、ウェブ・ブラウザ（たとえば、ウェブ・ベースの電子メール）などのシン・クライアント・インターフェースを介して様々なクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を可能性のある例外として、ネットワーク、サーバ、オペレーティング・システム、ストレージ、さらには個々のアプリケーション機能を含む、基盤となるクラウド・インフラストラクチャを管理も制御もしない。

【0076】

プラットフォーム・アズ・ア・サービス（ＰａａＳ）：コンシューマに提供される能力は、プロバイダによってサポートされるプログラミング言語およびツールを使用して作成された、コンシューマが作成または取得したアプリケーションをクラウド・インフラストラクチャ上にデプロイすることである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、またはストレージを含む、基盤となるクラウド・インフラストラクチャを管理も制御もしないが、デプロイされたアプリケーションおよび場合によってはアプリケーション・ホスティング環境構成を制御する。

【0077】

インフラストラクチャ・アズ・ア・サービス（ＩａａＳ）：コンシューマに提供される能力は、オペレーティング・システムおよびアプリケーションを含むことができる任意のソフトウェアをコンシューマがデプロイして動作させることが可能な、処理、ストレージ、ネットワーク、および他の基本的なコンピューティング・リソースをプロビジョニングすることである。コンシューマは、基盤となるクラウド・インフラストラクチャを管理も制御もしないが、オペレーティング・システム、ストレージ、デプロイされたアプリケーションを制御し、場合によっては選択したネットワーキング・コンポーネント（たとえば、ホスト・ファイアウォール）を限定的に制御する。

【0078】

デプロイメント・モデルは以下の通りである。

【0079】

プライベート・クラウド：クラウド・インフラストラクチャは組織専用に運用される。これは組織または第三者によって管理され得、構内または構外に存在し得る。

【0080】

コミュニティ・クラウド：クラウド・インフラストラクチャはいくつかの組織によって共有され、共通の懸念（たとえば、ミッション、セキュリティ要件、ポリシー、およびコンプライアンスの考慮事項）を有する特定のコミュニティをサポートする。これは組織または第三者によって管理され得、構内または構外に存在し得る。

【0081】

パブリック・クラウド：クラウド・インフラストラクチャは、一般大衆または大規模な業界団体に対して利用可能にされ、クラウド・サービスを販売する組織によって所有される。

【0082】

ハイブリッド・クラウド：クラウド・インフラストラクチャは、固有のエンティティのままであるが、データおよびアプリケーションの移植性を可能にする標準化技術または独自技術（たとえば、クラウド間の負荷分散のためのクラウド・バースティング）によって結合された２つ以上のクラウド（プライベート、コミュニティ、またはパブリック）を合成したものである。

【0083】

クラウド・コンピューティング環境は、ステートレス性、低結合性、モジュール性、および意味論的相互運用性に重点を置いたサービス指向型である。クラウド・コンピューティングの中核にあるのは、相互接続されたノードのネットワークを含むインフラストラクチャである。

【0084】

ここで図１２を参照すると、例示的なクラウド・コンピューティング環境１２００が示されている。図示のように、クラウド・コンピューティング環境１２００は１つまたは複数のクラウド・コンピューティング・ノード１２０２を含み、これらを使用して、たとえば、パーソナル・デジタル・アシスタント（ＰＤＡ）もしくは携帯電話１２０４、デスクトップ・コンピュータ１２０６、ラップトップ・コンピュータ１２０８、または自動車コンピュータ・システム１２１０、あるいはそれらの組み合わせなどの、クラウド・コンシューマによって使用されるローカル・コンピューティング・デバイスが通信し得る。ノード１２０２は相互に通信し得る。これらは、たとえば、上述のプライベート、コミュニティ、パブリック、もしくはハイブリッド・クラウド、またはそれらの組み合わせなどの１つまたは複数のネットワークにおいて、物理的または仮想的にグループ化され得る（図示せず）。これにより、クラウド・コンピューティング環境１２００は、クラウド・コンシューマがローカル・コンピューティング・デバイス上にリソースを維持管理する必要がない、インフラストラクチャ・アズ・ア・サービス、プラットフォーム・アズ・ア・サービス、またはソフトウェア・アズ・ア・サービス、あるいはそれらの組み合わせを提供することが可能になる。図１２に示したコンピューティング・デバイス１２０４～１２１０のタイプは例示的なものにすぎないことが意図されており、コンピューティング・ノード１２０２およびクラウド・コンピューティング環境１２００は、任意のタイプのネットワークまたはネットワーク・アドレス指定可能接続（たとえば、Ｗｅｂブラウザを使用）あるいはその両方を介して任意のタイプのコンピュータ化デバイスと通信できることを理解されたい。

【0085】

ここで図１３を参照すると、クラウド・コンピューティング環境１２００（図１２）によって提供される機能的抽象化レイヤのセットが示されている。本明細書に記載の他の実施形態で使用している同様の要素の繰り返しの説明は、簡潔さのために省略する。図１３に示したコンポーネント、レイヤ、および機能は例示的なものにすぎないことが意図されており、本発明の実施形態はこれらに限定されないことを事前に理解されたい。図示のように、以下のレイヤおよび対応する機能が提供される。

【0086】

ハードウェアおよびソフトウェア・レイヤ１３０２は、ハードウェア・コンポーネントおよびソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例には、メインフレーム１３０４、ＲＩＳＣ（縮小命令セット・コンピュータ）アーキテクチャ・ベースのサーバ１３０６、サーバ１３０８、ブレード・サーバ１３１０、ストレージ・デバイス１３１２、ならびにネットワークおよびネットワーキング・コンポーネント１３１４が含まれる。いくつかの実施形態では、ソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア１３１６およびデータベース・ソフトウェア１３１８を含む。

【0087】

仮想化レイヤ１３２０は抽象化レイヤを提供し、抽象化レイヤから、仮想エンティティの以下の例、すなわち、仮想サーバ１３２２、仮想ストレージ１３２４、仮想プライベート・ネットワークを含む仮想ネットワーク１３２６、仮想アプリケーションおよびオペレーティング・システム１３２８、ならびに仮想クライアント１３３０が提供され得る。

【0088】

一例では、管理レイヤ１３３２は、下記の機能を提供し得る。リソース・プロビジョニング１３３４は、クラウド・コンピューティング環境内でタスクを実行するために利用されるコンピューティング・リソースおよび他のリソースの動的調達を提供する。計量および価格決定１３３６は、クラウド・コンピューティング環境内でリソースが利用されたときの費用追跡と、これらのリソースの消費に対する会計または請求とを提供する。一例では、これらのリソースはアプリケーション・ソフトウェア・ライセンスを含み得る。セキュリティは、クラウド・コンシューマおよびタスクの同一性検証だけでなく、データおよび他のリソースに対する保護も提供する。ユーザ・ポータル１３３８は、コンシューマおよびシステム管理者にクラウド・コンピューティング環境へのアクセスを提供する。サービス・レベル管理１３４０は、サービス・レベルが満たされるような、クラウド・コンピューティング・リソースの割り当ておよび管理を提供する。サービス・レベル合意（ＳＬＡ）の計画および履行１３４２は、ＳＬＡに従って将来要求されると予想されるクラウド・コンピューティング・リソースの事前手配および調達を提供する。

【0089】

ワークロード・レイヤ１３４４は、クラウド・コンピューティング環境が利用され得る機能性の例を提供する。このレイヤから提供され得るワークロードおよび機能の例は、マッピングおよびナビゲーション１３４６、ソフトウェア開発およびライフサイクル管理１３４８、仮想教室教育配信１３５０、データ分析処理１３５２、取引処理１３５４、およびデータ復旧１３５６を含む。本発明の様々な実施形態は、図１２および図１３を参照して説明したクラウド・コンピューティング環境を利用して、ネットワーク１０４を介して様々なデータ・センター１０８のパフォーマンス・データを分析し、パフォーマンス・データに基づいて１つまたは複数のデータ復旧スキームを修正し、または修正されたデータ復旧スキームを実施し、あるいはそれらの組み合わせを行うことができる。

【0090】

本発明は、任意の可能な技術的詳細レベルの統合におけるシステム、方法、またはコンピュータ・プログラム製品、あるいはそれらの組み合わせであり得る。コンピュータ・プログラム製品は、本発明の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読記憶媒体（または複数の媒体）を含み得る。コンピュータ可読記憶媒体は、命令実行デバイスによる使用のために命令を保持および記憶可能な有形のデバイスとすることができる。コンピュータ可読記憶媒体は、たとえば、限定はしないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光学ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組み合わせであり得る。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラム可能読み取り専用メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリー・スティック（登録商標）、フロッピー（登録商標）・ディスク、命令が記録されたパンチ・カードまたは溝の隆起構造などの機械的にコード化されたデバイス、およびこれらの任意の適切な組み合わせが含まれる。コンピュータ可読記憶媒体は、本明細書で使用する場合、たとえば、電波または他の自由に伝搬する電磁波、導波管もしくは他の伝送媒体を伝搬する電磁波（たとえば、光ファイバ・ケーブルを通過する光パルス）、または有線で伝送される電気信号などの一過性の信号自体であると解釈されるべきではない。

【0091】

本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング／処理デバイスに、あるいは、たとえば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくは無線ネットワーク、またはそれらの組み合わせなどのネットワークを介して外部コンピュータまたは外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはそれらの組み合わせを含み得る。各コンピューティング／処理デバイスのネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読記憶媒体に記憶する。

【0092】

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路の構成データ、あるいは、Ｓｍａｌｌｔａｌｋ（登録商標）、Ｃ＋＋、または同様のものなどのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または類似のプログラミング言語などの手続き型プログラミング言語を含む、１つまたは複数のプログラミング言語の任意の組み合わせで書かれたソース・コードまたはオブジェクト・コードであり得る。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータ上かつ部分的にリモート・コンピュータ上で、あるいは完全にリモート・コンピュータまたはサーバ上で実行され得る。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）またはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され得、または（たとえば、インターネット・サービス・プロバイダを使用してインターネットを介して）外部コンピュータへの接続がなされ得る。一部の実施形態では、たとえば、プログラマブル論理回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実行するために、コンピュータ可読プログラム命令の状態情報を利用してコンピュータ可読プログラム命令を実行することによって、電子回路を個人向けにし得る。

【0093】

本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図またはブロック図あるいはその両方を参照して本明細書で説明している。フローチャート図またはブロック図あるいはその両方の各ブロック、およびフローチャート図またはブロック図あるいはその両方におけるブロックの組み合わせが、コンピュータ可読プログラム命令によって実装できることは理解されよう。

【0094】

これらのコンピュータ可読プログラム命令を、汎用コンピュータ、専用コンピュータ、または他のプログラム可能データ処理装置のプロセッサに提供して、それらの命令がコンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行された場合に、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックにおいて指定された機能／行為を実装するための手段が生成されるようなマシンを生成し得る。また、これらのコンピュータ可読プログラム命令を、コンピュータ、プログラム可能データ処理装置、または他のデバイス、あるいはそれらの組み合わせに特定の方法で機能するように指示することが可能なコンピュータ可読記憶媒体に記憶して、命令が記憶されたコンピュータ可読記憶媒体が、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックにおいて指定された機能／行為の態様を実装する命令を含む製造品を構成するようにし得る。

【0095】

また、コンピュータ可読プログラム命令をコンピュータ、他のプログラム可能データ処理装置、または他のデバイスにロードして、コンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作ステップを実行させることによって、それらの命令がコンピュータ、他のプログラム可能装置、または他のデバイス上で実行された場合に、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックにおいて指定された機能／行為が実装されるようなコンピュータ実装処理を生成し得る。

【0096】

図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実装形態のアーキテクチャ、機能、および動作を示している。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理的機能を実装するための１つまたは複数の実行可能命令を含むモジュール、セグメント、または命令の一部を表し得る。一部の代替的実装形態では、ブロックに記載した機能は、図示した順序以外で行われ得る。たとえば、関与する機能に応じて、連続して示した２つのブロックは、実際には実質的に同時に実行され得、またはそれらのブロックは、場合により逆の順序で実行され得る。ブロック図またはフローチャート図あるいはその両方の各ブロック、およびブロック図またはフローチャート図あるいはその両方におけるブロックの組み合わせは、指定された機能もしくは行為を実行するか、または専用ハードウェアおよびコンピュータ命令の組み合わせを実行する専用のハードウェア・ベースのシステムによって実装できることにも気付くであろう。

【0097】

本明細書に記載の様々な実施形態の追加のコンテキストを提供するために、図１４および以下の説明は、本明細書に記載の実施形態の様々な実施形態を実装することができる適切なコンピューティング環境１４００の一般的な説明を提供することを意図したものである。上記では１つまたは複数のコンピュータ上で実行することができるコンピュータ実行可能命令の一般的な文脈で実施形態を説明してきたが、他のプログラム・モジュールと組み合わせて、またはハードウェアおよびソフトウェアの組み合わせとして、あるいはその両方で、実施形態を実装することもできることを当業者は理解するであろう。

【0098】

一般に、プログラム・モジュールは、特定のタスクを実行する、または特定の抽象データ型を実装するルーチン、プログラム、コンポーネント、データ構造などを含む。また、当業者であれば、本発明の方法が、シングル・プロセッサまたはマルチ・プロセッサ・コンピュータ・システム、ミニコンピュータ、メインフレーム・コンピュータ、モノのインターネット（「ＩｏＴ」）デバイス、分散コンピューティング・システム、ならびにパーソナル・コンピュータ、ハンドヘルド・コンピューティング・デバイス、マイクロプロセッサ・ベースのまたはプログラム可能な家電製品、および同様のものを含む他のコンピュータ・システム構成で実践することができ、これらのそれぞれは、１つまたは複数の関連するデバイスに動作可能に結合することができることを理解するであろう。

【0099】

本明細書の実施形態の例示した実施形態は、通信ネットワークを介してリンクされたリモート処理デバイスによって特定のタスクが実行される分散コンピューティング環境で実践することもできる。分散コンピューティング環境では、プログラム・モジュールは、ローカルおよびリモート両方のメモリ・ストレージ・デバイスに配置することができる。

【0100】

コンピューティング・デバイスは、典型的には様々な媒体を含み、これには、コンピュータ可読記憶媒体、機械可読記憶媒体、または通信媒体、あるいはそれらの組み合わせを含めることができ、これらの２つの用語は、本明細書では以下のように互いに異なって使用する。コンピュータ可読記憶媒体または機械可読記憶媒体は、コンピュータがアクセスできる任意の利用可能な記憶媒体とすることができ、揮発性媒体および不揮発性媒体、リムーバブル媒体および非リムーバブル媒体の両方を含む。限定ではなく例として、コンピュータ可読記憶媒体または機械可読記憶媒体は、コンピュータ可読命令または機械可読命令、プログラム・モジュール、構造化データまたは非構造化データなどの情報を記憶するための任意の方法または技術に関連して実装することができる。

【0101】

コンピュータ可読記憶媒体は、ランダム・アクセス・メモリ（「ＲＡＭ」）、読み取り専用メモリ（「ＲＯＭ」）、電気的消去可能プログラム可能読み取り専用メモリ（「ＥＥＰＲＯＭ」）、フラッシュ・メモリまたは他のメモリ技術、コンパクト・ディスク読み取り専用メモリ（「ＣＤ－ＲＯＭ」）、デジタル・バーサタイル・ディスク（「ＤＶＤ」）、Ｂｌｕ－ｒａｙディスク（「ＢＤ」）または他の光ディスク・ストレージ、磁気カセット、磁気テープ、磁気ディスク・ストレージまたは他の磁気ストレージ・デバイス、ソリッド・ステート・ドライブまたは他のソリッド・ステート・ストレージ・デバイス、あるいは所望の情報を記憶するために使用することができる他の有形もしくは非一過性またはその両方である媒体を含むことができるが、これらに限定されない。これに関して、ストレージ、メモリ、またはコンピュータ可読媒体に適用される本明細書での「有形」または「非一過性」という用語は、修飾語として、伝播する一過性の信号自体のみを除外するように理解されるべきであり、伝播する一過性の信号自体のみではない全ての標準的なストレージ、メモリ、またはコンピュータ可読媒体に対する権利を放棄しない。

【0102】

コンピュータ可読記憶媒体は、媒体によって記憶された情報に関する様々な動作のために、１つまたは複数のローカルまたはリモート・コンピューティング・デバイスによって、たとえば、アクセス要求、クエリ、または他のデータ取得プロトコルを介してアクセスすることができる。

【0103】

通信媒体は、典型的には、コンピュータ可読命令、データ構造、プログラム・モジュール、または他の構造化または非構造化データを、搬送波または他の転送メカニズムなど、変調されたデータ信号などのデータ信号内に具現化し、任意の情報配信媒体または転送媒体を含む。「変調されたデータ信号（modulated data signal or signals）」という用語は、情報を１つまたは複数の信号内に符号化するような方式でその特性の１つまたは複数が設定または変更された信号を指す。例として、限定ではないが、通信媒体には、有線ネットワークまたは直接配線接続などの有線媒体、および音響、ＲＦ、赤外線、および他の無線媒体などの無線媒体が含まれる。

【0104】

再び図１４を参照すると、本明細書に記載の態様の様々な実施形態を実装するための例示的な環境１４００はコンピュータ１４０２を含み、コンピュータ１４０２は、処理ユニット１４０４、システム・メモリ１４０６、およびシステム・バス１４０８を含む。システム・バス１４０８は、システム・メモリ１４０６を含むがこれに限定されないシステム・コンポーネントを処理ユニット１４０４に結合する。処理ユニット１４０４は、様々な市販のプロセッサのいずれかとすることができる。処理ユニット１４０４として、デュアル・マイクロプロセッサおよび他のマルチプロセッサ・アーキテクチャも利用することができる。

【0105】

システム・バス１４０８はいくつかのタイプのバス構造のいずれかとすることができ、これはさらに、様々な市販のバス・アーキテクチャのいずれかを使用するメモリバス（メモリ・コントローラの有無を問わない）、周辺バス、およびローカル・バスに相互接続することができる。システム・メモリ１４０６は、ＲＯＭ１４１０およびＲＡＭ１４１２を含む。基本入力／出力システム（「ＢＩＯＳ」）を、たとえば、ＲＯＭ、消去可能プログラム可能読み取り専用メモリ（「ＥＰＲＯＭ」）、ＥＥＰＲＯＭなどの不揮発性メモリに記憶することができ、このＢＩＯＳは、起動中などにコンピュータ１４０２内の要素間で情報を転送するのに役立つ基本的なルーチンを含む。また、ＲＡＭ１４１２は、データをキャッシュするためのスタティックＲＡＭなどの高速ＲＡＭを含むことができる。

【0106】

コンピュータ１４０２は、内部ハード・ディスク・ドライブ（「ＨＤＤ」）１４１４（たとえば、ＥＩＤＥ、ＳＡＴＡ）、１つまたは複数の外部ストレージ・デバイス１４１６（たとえば、磁気フロッピー（登録商標）・ディスク・ドライブ（「ＦＤＤ」）、メモリー・スティック（登録商標）またはフラッシュ・ドライブ・リーダー、メモリー・カード・リーダーなど）、および光ディスク・ドライブ１４２０（たとえば、ＣＤ－ＲＯＭディスク、ＤＶＤ、ＢＤなどに読み書きできるもの）をさらに含む。内部ＨＤＤ１４１４は、コンピュータ１４０２内に配置されているように図示しているが、内部ＨＤＤ１４１４は、適切なシャーシ（図示せず）内で外部使用するように構成することもできる。また、環境１４００には図示していないが、ＨＤＤ１４１４に加えて、またはＨＤＤ１４１４の代わりに、ソリッド・ステート・ドライブ（「ＳＳＤ」）を使用することができる。ＨＤＤ１４１４、外部ストレージ・デバイス１４１６、および光ディスク・ドライブ１４２０は、それぞれ、ＨＤＤインターフェース１４２４、外部ストレージ・インターフェース１４２６、および光学ドライブ・インターフェース１４２８によってシステム・バス１４０８に接続することができる。ＨＤＤインターフェース１４２４は、ユニバーサル・シリアル・バス（「ＵＳＢ」）および電気電子技術者協会（「ＩＥＥＥ」）１３９４インターフェース技術の少なくとも一方または両方を含むことができる。他の外部ドライブ接続技術は、本明細書に記載の実施形態の企図の範囲内にある。

【0107】

ドライブおよびそれらに関連付けられたコンピュータ可読記憶媒体は、データ、データ構造、コンピュータ実行可能命令などの不揮発性記憶を提供する。コンピュータ１４０２の場合、ドライブおよび記憶媒体は、適切なデジタル・フォーマットでの任意のデータの記憶に対応する。上記のコンピュータ可読記憶媒体の説明では、それぞれのタイプのストレージ・デバイスに言及しているが、コンピュータによって読み取り可能な他のタイプの記憶媒体は、現在存在するか今後開発されるかにかかわらず、例示的な動作環境で使用することもでき、さらに、そのような記憶媒体は、本明細書に記載の方法を実行するためのコンピュータ実行可能命令を含むことができるということを当業者には理解されたい。

【0108】

オペレーティング・システム１４３０、１つまたは複数のアプリケーション・プログラム１４３２、他のプログラム・モジュール１４３４、およびプログラム・データ１４３６を含む多くのプログラム・モジュールをドライブおよびＲＡＭ１４１２に記憶することができる。オペレーティング・システム、アプリケーション、モジュール、またはデータ、あるいはそれらの組み合わせの全部または一部をＲＡＭ１４１２にキャッシュすることもできる。本明細書に記載のシステムおよび方法は、様々な市販のオペレーティング・システムまたはオペレーティング・システムの組み合わせを利用して実装することができる。

【0109】

コンピュータ１４０２は、任意選択によりエミュレーション技術を含むことができる。たとえば、ハイパーバイザー（図示せず）または他の仲介物が、オペレーティング・システム１４３０のためのハードウェア環境をエミュレートすることができ、エミュレートされるハードウェアは、任意選択により、図１４に示すハードウェアとは異なることができる。そのような実施形態では、オペレーティング・システム１４３０は、コンピュータ１４０２でホストされる複数の仮想マシン（「ＶＭ」）のうちの１つのＶＭを含むことができる。さらに、オペレーティング・システム１４３０は、Ｊａｖａ（登録商標）ランタイム環境または．ＮＥＴフレームワークなどのランタイム環境をアプリケーション１４３２に提供することができる。ランタイム環境は、ランタイム環境を含む任意のオペレーティング・システム上でアプリケーション１４３２が動作することを可能にする一貫した実行環境である。同様に、オペレーティング・システム１４３０はコンテナをサポートすることができ、アプリケーション１４３２はコンテナの形態にすることができ、コンテナは、たとえば、コード、ランタイム、システム・ツール、システム・ライブラリ、およびアプリケーションの設定を含む、軽量でスタンドアロンの実行可能なソフトウェアのパッケージである。

【0110】

さらに、コンピュータ１４０２は、トラステッド・プロセッシング・モジュール（「ＴＰＭ」）などのセキュリティ・モジュールを用いて有効化することができる。たとえば、ＴＰＭの場合、ブート・コンポーネントは、時間的に次のブート・コンポーネントをハッシュ化し、結果が保護された値と一致するのを待ってから、次のブート・コンポーネントをロードする。この処理は、コンピュータ１４０２のコード実行スタック内の任意のレイヤで行うことができ、たとえば、アプリケーション実行レベルまたはオペレーティング・システム（「ＯＳ」）カーネル・レベルで適用され、それによって、任意のコード実行レベルでのセキュリティが可能になる。

【0111】

ユーザは、１つまたは複数の有線／無線入力デバイス、たとえば、キーボード１４３８、タッチ・スクリーン１４４０、およびマウス１４４２などのポインティング・デバイスを介して、コマンドおよび情報をコンピュータ１４０２に入力することができる。他の入力デバイス（図示せず）には、マイクロフォン、赤外線（「ＩＲ」）リモート・コントロール、無線周波数（「ＲＦ」）リモート・コントロール、または他のリモート・コントロール、ジョイスティック、仮想現実コントローラもしくは仮想現実ヘッドセットまたはその両方、ゲーム・パッド、スタイラス・ペン、画像入力デバイス、たとえば、カメラ、ジェスチャ・センサ入力デバイス、視線移動センサ（vision movement sensor）入力デバイス、感情または顔検出デバイス、バイオメトリック入力デバイス、たとえば、指紋もしくは虹彩スキャナ、または同様のものを含めることができる。これらおよび他の入力デバイスは、システム・バス１４０８に結合することができる入力デバイス・インターフェース１４４４を介して処理ユニット１４０４に接続されることが多いが、パラレル・ポート、ＩＥＥＥ１３９４シリアル・ポート、ゲーム・ポート、ＵＳＢポート、ＩＲインターフェース、ＢＬＵＥＴＯＯＴＨ（登録商標）インターフェースなどの他のインターフェースによって接続することができる。

【0112】

モニタ１４４６または他のタイプのディスプレイ・デバイスもまた、ビデオ・アダプタ１４４８などのインターフェースを介してシステム・バス１４０８に接続することができる。モニタ１４４６に加えて、コンピュータは、典型的には、スピーカー、プリンタなどの他の周辺出力デバイス（図示せず）を含む。

【0113】

コンピュータ１４０２は、リモート・コンピュータ１４５０などの１つまたは複数のリモート・コンピュータへの有線通信または無線通信あるいはその両方を介した論理接続を使用して、ネットワーク化された環境で動作することができる。リモート・コンピュータ１４５０は、ワークステーション、サーバ・コンピュータ、ルータ、パーソナル・コンピュータ、ポータブル・コンピュータ、マイクロプロセッサ・ベースの娯楽機器、ピア・デバイスまたは他の一般的なネットワーク・ノードとすることができ、典型的には、コンピュータ１４０２に関連して説明している要素の多くまたは全てを含むが、簡潔にするために、メモリ／ストレージ・デバイス１４５２のみを示している。図示した論理接続は、ローカル・エリア・ネットワーク（「ＬＡＮ」）１４５４、またはワイド・エリア・ネットワーク（「ＷＡＮ」）１４５６などのより大規模なネットワーク、あるいはその両方への有線／無線接続を含む。そのようなＬＡＮおよびＷＡＮネットワーキング環境は、オフィスおよび企業では一般的であり、イントラネットなどの企業規模のコンピュータ・ネットワークを容易にし、これらは全て、インターネットなどのグローバル通信ネットワークに接続することができる。

【0114】

ＬＡＮネットワーキング環境で使用される場合、コンピュータ１４０２は、有線または無線あるいはその両方の通信ネットワーク・インターフェースまたはアダプタ１４５８を介してローカル・ネットワーク１４５４に接続することができる。アダプタ１４５８は、ＬＡＮ１４５４への有線または無線通信を容易にすることができ、ＬＡＮ１４５４もまた、無線モードでアダプタ１４５８と通信するために、ＬＡＮ１４５４上に配置された無線アクセス・ポイント（「ＡＰ」）を含むことができる。

【0115】

ＷＡＮネットワーキング環境で使用される場合、コンピュータ１４０２はモデム１４６０を含むことができ、または、たとえば、インターネットを経由するなど、ＷＡＮ１４５６を介して通信を確立するための他の手段を介して、ＷＡＮ１４５６上の通信サーバに接続することができる。モデム１４６０は、内蔵または外付けであり、有線または無線デバイスとすることができ、入力デバイス・インターフェース１４４４を介してシステム・バス１４０８に接続することができる。ネットワーク化された環境では、コンピュータ１４０２またはその一部に関連して示したプログラム・モジュールは、リモートのメモリ／ストレージ・デバイス１４５２に記憶することができる。図示したネットワーク接続は例であり、コンピュータ間に通信リンクを確立する他の手段を使用できることは理解されよう。

【0116】

ＬＡＮまたはＷＡＮネットワーキング環境のいずれかで使用される場合、コンピュータ１４０２は、上記の外部ストレージ・デバイス１４１６に加えて、またはその代わりに、クラウド・ストレージ・システムまたは他のネットワークベースのストレージ・システムにアクセスすることができる。一般に、コンピュータ１４０２とクラウド・ストレージ・システムとの間の接続は、ＬＡＮ１４５４またはＷＡＮ１４５６を介して、たとえば、それぞれアダプタ１４５８またはモデム１４６０によって、確立することができる。コンピュータ１４０２を関連するクラウド・ストレージ・システムに接続すると、外部ストレージ・インターフェース１４２６は、アダプタ１４５８またはモデム１４６０あるいはその両方の助力を得て、クラウド・ストレージ・システムによって提供されるストレージを他のタイプの外部ストレージのように管理することができる。たとえば、外部ストレージ・インターフェース１４２６は、クラウド・ストレージ・ソースへのアクセスを、それらのソースがコンピュータ１４０２に物理的に接続されているかのように、提供するよう構成することができる。

【0117】

コンピュータ１４０２は、無線通信で動作可能に配置された任意の無線デバイスまたはエンティティ、たとえば、プリンタ、スキャナ、デスクトップまたはポータブルあるいはその両方のコンピュータ、ポータブル・データ・アシスタント、通信衛星、無線検出可能なタグに関連付けられた任意の機器または場所（たとえば、キオスク、新聞の売店、商品棚など）、および電話と通信するように動作することができる。これには、ワイヤレス・フィデリティ（「Ｗｉ－Ｆｉ」）およびＢＬＵＥＴＯＯＴＨ（登録商標）無線技術を含めることができる。したがって、通信は、従来のネットワークのように事前定義された構造にすることができ、または単純に少なくとも２つのデバイス間のアドホック通信にすることもできる。

【0118】

上記で説明したものは、システム、コンピュータ・プログラム製品、およびコンピュータ実装方法の単なる例を含む。当然ながら、本開示を説明する目的で、コンポーネント、製品、またはコンピュータ実装方法、あるいはそれらの組み合わせの考えられる全ての組み合わせを説明することは不可能であるが、当業者であれば、本開示の多数のさらなる組み合わせおよび並べ替えが可能であることを認識することができる。さらに、「含む（includes）」、「有する（has）」、「所有する（possesses）」という用語および同様のものを詳細な説明、特許請求の範囲、付属物、および図面で使用する限りにおいて、そのような用語は、「備える（comprising）」が請求項において移行語として使用された場合に解釈されるときの、「備える」という用語と同様に包括的なものとする。様々な実施形態の説明は例示の目的で提示しているが、網羅的であることも、開示した実施形態に限定されることも意図したものではない。記載した実施形態の範囲および思想から逸脱することなく、多くの修正および変形が当業者には明らかであろう。本明細書で使用する用語は、実施形態の原理、実際の適用、もしくは市場で見られる技術に対する技術的改善を最もよく説明するために、または当業者が本明細書に開示した実施形態を理解できるようにするために選択している。

【0119】

本発明を以下にまとめる。
［項１］
システムであって、該システムは、
１つまたは複数のコンピュータ可読プログラムを記憶するメモリと、
前記メモリに動作可能に結合されたプロセッサであって、前記コンピュータ可読プログラム実行する前記プロセッサと
を備えており、
前記コンピュータ可読プログラムは、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正することを前記プロセッサに実行させ、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、並びに、
前記マイクロサービス・アプリケーションの前記グループに基づいて前記データの前記再配置を最適化するための機械学習モデルを生成することを前記プロセッサに実行させ、ここで、前記機械学習モデルは、前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて、前記データ復旧スキームに加えられる修正と、前記データ復旧要件との間の関係を識別する、
前記システム。
［項２］
前記コンピュータ可読プログラムは、
前記データ復旧スキームを修正して、修正されたデータ復旧スキームを生成することを前記プロセッサにさらに実行させ、ここで、前記修正されたデータ復旧スキームは、前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、
前記コンピュータ可読プログラムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定することを前記プロセッサにさらに実行させ、
前記コンピュータ可読プログラムは、
前記修正されたデータ復旧スキームが前記パフォーマンス・データを改善し、前記データ復旧要件を満たすと予測されると前記評価コンポーネントが判定したことに基づいて、前記修正されたデータ復旧スキームに従って前記データの前記再配置を実行することを前記プロセッサにさらに実行させる、
項１に記載のシステム。
［項３］
前記パフォーマンス・データは、前記ネットワークの少なくとも１つのデータ・センターにさらに関し、
前記コンピュータ可読プログラムは、
前記少なくとも１つのデータ・センターにさらに基づいて前記データの前記再配置を最適化するための機械学習モデルを生成することを前記プロセッサにさらに実行させ、ここで、前記機械学習モデルは、前記少なくとも１つのデータ・センターの前記パフォーマンス・データに基づいて、前記データ復旧スキームに加えられる第２の修正と、前記データ復旧要件との間の関係を識別する、
項１又は２に記載のシステム。
［項４］
前記コンピュータ可読プログラムは、
１つまたは複数の初期データ復旧スキームを分析し、そして、該分析されたデータ復旧スキームによって指定された各データ・センターペアの初期状態を設定することを前記プロセッサに実行させ、ここで、前記データ・センターペアば、プライマリ・データ・センターおよびセカンダリ・データ・センターを備えている、
項１～３のいずれか１項に記載のシステム。
［項５］
システムであって、該システムは、
コンピュータ可読プログラムを記憶するメモリと、
前記メモリに動作可能に結合されたプロセッサであって、前記コンピュータ可読プログラムを実行する前記プロセッサと
を備えており、
前記コンピュータ可読プログラムは、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームへの修正を決定するための機械学習モデルを生成することを前記プロセッサに実行させ、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができ、前記機械学習モデルは、前記パフォーマンス・データに基づいて前記データ復旧スキームへの前記修正と前記データ復旧要件との間の関係を識別する、
前記コンピュータ可読プログラムは、
前記パフォーマンス・データに基づいて前記データ・センターの前記ネットワークからセカンダリ・データ・センター候補を除外することを前記プロセッサに実行させ、
前記コンピュータ可読プログラムは、
前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて前記データの前記再配置を最適化するための機械学習モデルの第１の部分を生成することを前記プロセッサにさらに実行させる
前記システム。
［項６］
前記パフォーマンス・データは、前記ネットワークの少なくとも１つのデータ・センターにさらに関し、
前記コンピュータ可読プログラムは、
前記少なくとも１つのデータ・センターの前記パフォーマンス・データにさらに基づいて前記データの前記再配置を最適化するための前記機械学習モデルの第２の部分を生成することを前記プロセッサにさらに実行させる
項５に記載のシステム。
［項７］
前記コンピュータ可読プログラムは、
前記データ復旧スキームを修正して、修正されたデータ復旧スキームを生成することを前記プロセッサにさらに実行させ、ここで、前記修正されたデータ復旧スキームは、前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、
前記コンピュータ可読プログラムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定することを前記プロセッサにさらに実行させる、
項５に記載のシステム。
［項８］
コンピュータ実装方法であって、プロセッサに動作可能に結合されたシステムが、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームへの修正を決定するための機械学習モデルを生成すること、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができ、前記機械学習モデルは、前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて、前記データ復旧スキームに加えられる修正と、前記データ復旧要件との間の関係を識別する、
前記ネットワークのデータ・センター平均利用可能帯域幅に基づいてデータ・センターをソートすること、
前記パフォーマンス・データに基づいて前記ネットワークからセカンダリ・データ・センター候補を除外すること、
前記マイクロサービス・アプリケーションのグループの前記パフォーマンス・データに基づいて前記データの前記再配置を最適化するための機械学習モデルの第１の部分を生成すること
を含む、前記コンピュータ実装方法。
［項９］
前記システムが、
前記ネットワークのデータ・センター平均利用可能帯域幅に基づいてデータ・センターをソートすること
をさらに含む、項８に記載のコンピュータ実装方法。
［項１０］
前記システムが、
前記パフォーマンス・データに基づいて前記ネットワークからセカンダリ・データ・センター候補を除外すること、
をさらに含む、項９に記載のコンピュータ実装方法。
［項１１］
前記少なくとも１つのデータ・センターの前記パフォーマンス・データにさらに基づいて前記データの前記再配置を最適化するための前記機械学習モデルの第２の部分を生成することと
をさらに含む、項８～１０のいずれか１項に記載のコンピュータ実装方法。
［項１２］
前記修正することは、修正されたデータ復旧スキームを生成することを含み、
前記システムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定すること
をさらに含む、項１１に記載のコンピュータ実装方法。
［項１３］
前記データの前記再配置が、クラウド・コンピューティング環境を介して実行される、項８～１２のいずれか１項に記載のコンピュータ実装方法。
［項１４］
コンピュータ実装方法であって、プロセッサに動作可能に結合されたシステムが、
データ・センターのネットワークに関連付けられたパフォーマンス・データとデータ復旧要件とに基づいてデータ復旧スキームを修正すること、ここで、前記データ・センターは、所与のデータの記憶、処理もしくは配信またはそれらの組み合わせを最初に担当する１つまたは複数のプライマリ・データ・センターと、前記所与のデータの再配置の対象となる１つまたは複数のセカンダリ・データ・センターとを備えており、前記パフォーマンス・データは、前記データ内に含まれるマイクロサービス・アプリケーションのグループに関するものであり、前記データ・センターの場所、前記ネットワークの帯域幅、前記ネットワークのレイテンシ、前記データによって使用される帯域幅、前記データの実行中に示されるレイテンシ、および前記データの前記再配置中に示されるレイテンシからなるグループから選択される少なくとも１つのメンバーを含み、前記データ復旧要件は、前記データ・センターの前記場所、およびサービス・レベル目標からなる第２のグループから選択される少なくとも１つの第２のメンバーを含み、前記データ復旧スキームは前記データ・センターの前記ネットワーク内でのデータの再配置を指示するものであり、前記１つまたは複数のプライマリ・データ・センターから前記１つまたは複数のセカンダリ・データ・センターへのデータの複製または転送あるいはその両方を記述することができる、並びに、
前記マイクロサービス・アプリケーションの前記グループに基づいて前記データの前記再配置を最適化する為の機械が機械学習モデルを生成すること
を含む、コンピュータ実装方法。
［項１５］
前記システムが、
ターゲット・アプリケーション・レイテンシに対する平均アプリケーション・レイテンシの比率に応じて、マイクロサービス・グループをソートすること、ここで、該ソートすることが、１つまたは複数のサービス・レベル目標ターゲットを達成しないマイクロサービス・グループの後に、１つまたは複数のサービス・レベル目標ターゲットを達成しないリスクのあるマイクロサービス・グループが続くように、マイクロサービス・グループをソートすること
をさらに含む、項１４に記載のコンピュータ実装方法。
［項１６］
前記システムが、
前記パフォーマンス・データに基づいて前記データ・センターの前記ネットワークからセカンダリ・データ・センター候補を除外すること、
をさらに含む、項１５に記載のコンピュータ実装方法。
［項１７］
前記システムが、
前記システムによって、前記少なくとも１つのデータ・センターにさらに基づいて前記データの前記再配置を最適化するための第２の機械学習モデルを生成すること
をさらに含む、項１４～１６のいずれか１項に記載のコンピュータ実装方法。
［項１８］
前記修正することが、修正されたデータ復旧スキームを生成するために、前記機械学習モデルおよび前記第２の機械学習モデルに基づき、
前記システムは、
前記修正されたデータ復旧スキームを分析して、前記修正されたデータ復旧スキームが、前記データ復旧スキームと比較して改善されたパフォーマンス・データを達成し、前記データ復旧要件を満たすと予測されるか否かを判定すること
をさらに含む、項１５に記載のコンピュータ実装方法。
［項１９］
前記データの前記再配置が、クラウド・コンピューティング環境を介して実行される、項１４～１６のいずれか１項に記載のコンピュータ実装方法。
［項２０］
データ・センターのネットワーク内でデータを適応的に分配するためのコンピュータ・プログラムであって、項８～１３のいずれか１項に記載のコンピュータ実装方法をシステムに実行させる、前記コンピュータ・プログラム。
［項２１］
データ・センターのネットワーク内でデータを適応的に分配するためのコンピュータ・プログラムであって、項１４～１９のいずれか１項に記載のコンピュータ実装方法をシステムに実行させる、前記コンピュータ・プログラム。

【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】