信息处理系统的运用管理方法

专利名称：信息处理系统的运用管理方法
技术领域：
本发明涉及由多个信息设备群构成的信息处理系统的运用管理方法，特别涉及为了实现信息处理系统全体的省电化而需要的作业负荷分配技术。
背景技术：
例如数据中心等信息处理系统的消耗电力，有逐年增加的倾向。为了省电化，构成数据中心的服务器装置、存储装置、网络装置等信息技术(Information Technology:1T)设备和空调设备的全体最佳化成为必要，提出了各种考虑了空调的省电化方法。在美国专利申请公开2011/0161968号公报(专利文献I)中，指定服务器室内的区，根据各IT设备的指标值计算各区的空调效率指标值，据此对各区配置作业负荷。使未配置作业负荷的区的空调机停止。在美国专利申请公开2006/0259621号公报(专利文献2)中，关于所要求的作业负荷，根据履历之中消耗电力最低的履历来配置作业负荷。在对位于数据中心的多个服务器分配作业负荷的方法中，将被请求的作业负荷的简介与履历简介进行比较，按照服务器和空调的电力为最低的履历将被请求的作业负荷分配给服务器，若没有适合的履历则随机地分配。在履历简介中，包括服务器的位置、等级、运转信息、进气温度、排气温度、作业负荷的类型、服务器和空调的电力。服务器和空调的电力，根据服务器的进排气温度、比热和风量来求出，或者通过电力计来测定。在日本特开2007 — 179437号公报(专利文献3)中，多个计算机的管理系统中，根据计算机的温度分布和运转信息来抽取过热计算机和过稀计算机，使软件从前者向后者移动。而且，在抽取对象计算机的基础上，对软件的移动前后的计算机电力和空调电力的变动进行比较，判断可否移动。计算机电力根据运转信息来求出，空调电力根据温度分布来求出，温度分布根据温度传感器、温度履历、运转信息来求出。在日本特开2011 — 034578号公报(专利文献4)中，用服务器的发热量和空调的冷却能力之间的相关来决定服务器负荷配置。这时，根据服务器的发热量，以三维热流体模拟的方式来求出服务器室的温度分布，计算为了对此进行冷却而需要的空调的消耗电力。决定作业负荷配置以使得该服务器消耗电力和空调消耗电力的总和为最小。在日本特开2011 - 008822号公报(专利文献5)中，对作业负荷的时间序列数据进行统计处理，计算作业负荷的指标值。以与该作业负荷的指标值、即予测值相匹配，而使IT设备和空调设备的总的消耗电力为最小的方式，决定作业负荷配置。专利文献1:美国专利申请公开2011/0161968号公报专利文献1:美国专利申请公开2006/0259621号公报专利文献2:日本特开2007 - 179437号公报专利文献3:日本特开2011 - 034578号公报专利文献4:日本特开2011 - 008822号公报在专利文献3中，观测当前的温度，据此进行负荷配置，但未必分配给温度低的场所为最佳。在专利文献1、4、5中，使用三维热流体模拟，但这存在模型制作的人力投入大，导入、维持管理成本大这样的问题。而且，在导入时以外，每次变更架布局、IT设备构成时都需要进行模型制作。而且，像专利文献2那样，还存在根据运用履历数据来决定负荷配置的方法，但仅按照履历之中最好的模式(pattern)进行负荷配置，对履历中没有的负荷模式进行随机的配置。因此，需要不使用三维热流体模拟，而使用运用履历，对未知的负荷模式也能导出空调效率的方法。

发明内容
本发明的目的在于提供信息处理系统的运用管理方法，实现由多个IT设备群及其该冷却设备等构成的信息处理系统中的统合的省电运用管理。为了达成上述目的，在本发明中，提供信息处理系统的运用管理方法，是使用执行处理部的、具备多个信息技术(IT)设备的信息处理系统的运用管理方法，其中，执行处理部根据多个IT设备的运用履历，取得包括时刻信息、环境信息和负荷信息的数据，按照根据运用履历取得的这些数据来计算特征量，根据计算出的特征量，对IT设备全体的空调效率进行分类，对每个空调效率的分类，计算IT设备各自的作业负荷量的统计信息，根据计算出的统计信息，求出IT设备的作业负荷配置指标值。本发明的一种信息处理系统的运用管理方法，上述信息处理系统具备多个信息技术设备，其特征在于，上述执行处理部，从多个上述信息技术设备的运用履历，取得包含时刻信息、环境信息和负荷信息的数据，依据从上述运用履历取得的上述数据来计算特征量，根据计算出的上述特征量，对上述信息技术设备群全体的空调效率进行分类，按照每个上述空调效率的分类，计算上述信息技术设备各自的作业负荷量的统计信息，根据计算出的上述统计信息，求出上述信息技术设备的作业负荷配置指标值。发明的效果如下:根据本发明，能根据运用履历导出考虑了空调效率的作业负荷配置优先级，降低信息处理系统的消耗电力。


图1是示出第I实施例的信息处理系统的全体构成的一个例子的图。图2是示出第I实施例涉及的、IT作业负荷配置最佳化功能的一个例子的框图。图3是示出第I实施例涉及的、空调效率学习单元的一个例子的流程图。图4是示出第I实施例涉及的、服务器架配置的一个例子的图。图5是示出第I实施例涉及的、运用履历数据的一个例子的图。图6是示出第I实施例涉及的、空调效率状态分类的一个例子的图。图7是示出第I实施例涉及的、每个空调效率状态的作业负荷统计量的一个例子的图。
图8是示出第I实施例涉及的、负荷配置优先级计算结果的一个例子的图。图9是示出第2实施例涉及的、每个空调效率状态的作业负荷统计量的一个例子的图。图10是示出第2实施例涉及的、负荷配置优先级计算结果的一个例子的图。图11是示出第3实施例涉及的、IT作业负荷配置最佳化功能的一个例子的框图。图12是示出第3实施例涉及的、负荷配置优先级计算结果的一个例子的图。图13是示出第5实施例涉及的、负荷配置优先级计算的一个例子的图。图14是示出第6实施例涉及的、服务器架配置的一个例子的图。符号的说明10运用履历20,20b作业负荷配置最佳化功能(模块)100,400,1400 服务器室101 103、401 406、1410、1420 IT (服务器)架120温度计测系统121 129温度计测部130电力计测系统131 133电力计测部141 145 作业负荷160作业负荷管理服务器161作业负荷配置指示162作业负荷配置变更180冷却设备201每个空调效率状态分类的作业负荷统计量202各IT设备的作业负荷配置优先级210数据取得单元220空调效率学习单元221 IT设备群全体的空调效率状态的分类221a服务器室环境的特征量的计算221b空调效率分类基准的更新221c空调效率状态的分类222空调效率状态和IT设备的负荷的相关关系的计算222a每个空调效率分类的作业负荷统计量的更新230负荷配置优先级计算单元231向各IT设备的负荷配置的优先级指标值的计算240作业负荷分配单元241按照负荷配置的优先级指标值将作业负荷分配给IT500通过数据取得单元取得的运用履历数据510、610 时刻信息520服务器室的每个IT架的环境信息
530服务器室的每个IT架的作业负荷信息600空调效率状态的分类表620 IT设备进气温度最大值630 IT设备进气温度平均值640 IT设备进气温度的最大值和平均值之差650,710,910空调效率状态分类结果660基于差分的平均值的阈值700,900每个空调效率状态分类的作业负荷统计量表720,920每个空调效率状态分类的每个IT架的作业负荷的统计信息800、1000、1200作业负荷配置优先级表830、1030作业负荷配置优先级指标值840、1040作业负荷配置优先级1101每个案例分析条件的履历数据1102每个案例分析条件的负荷配置优先级1110基于案例分析条件的负荷配置优先级选择单元1120案例分析选择基准1200针对案例分析条件的作业负荷配置优先级的表1210案例分析标签1300负荷配置优先级的计算用的图表1310空调效率状态分类的特征量(架进气温度差的差分)1320 IT设备负荷指标值(消耗电力的差分)1330线性反馈结果的直线1430 出气口(喷出口)1440、1450 冷气1460 热气1470 空调机
具体实施例方式在实施本发明的数据中心等信息处理系统的温度分布和消耗电力的关系中存在相关，不发生蓄热，而使温度分布平衡化，从而省电。在本发明中，因有限的要因而发生蓄热的情形较多，所以学习该特征。即，在本发明中，避免对空调效率有坏影响的IT设备来进行负荷配置，从而实现节省能源。着眼于IT设备群全体的空调效率的状态和各IT设备的负荷的相关关系，在向IT设备进行的作业负荷配置中使用。在本发明的优选方式中，运用履历的一个记录至少具备时间戳、作为设置IT设备的设置室的服务器室环境信息、IT设备负荷信息。或者，具备如下功能:即使是取得时分开的信息，通过进行对应关联，从而将上述信息作为一个记录来处理。对于数据取得方法，包括根据运用履历中的时间、环境信息、负荷信息来取得数据的方法。接着，在本发明的优选方式中，对服务器室全体的空调效率进行分类。服务器室全体的空调效率，因一部分的IT设备的排气的温暖的空气回流到IT服务器的设备的进气侧而容易受到影响。因此，通过使用空调效率好的情况和不好的情况的各服务器等IT设备的作业负荷量的统计信息，从而能够抽取对空调效率给予坏影响的IT设备。以下，按照

本发明的实施方式。并且，在以下的实施方式中，作为冷却设备而主要以空调为例进行说明，但当然能适用于空调以外的冷却设备。实施例1在图1中，示出适用了第I实施例的信息处理系统的运用管理方法的全体构成的例子。本实施例的信息处理系统由如下部分构成:服务器室100，是设置了作为运用管理对象的IT设备群的设置室；用于执行运用管理的温度计测系统120 ;电力计测系统130 ;运用履历10 ；IT作业负荷配置最佳化功能20 ;作业负荷管理服务器160 ;及对作为设置室的服务器室100进行冷却的冷却设备180等。温度计测系统120、电力计测系统130、ΙΤ作业负荷配置最佳化功能20分别可以通过作为通用计算机的服务器构成。而且，除了服务器室100和冷却设备180之外，也可以由一个服务器构成执行图1所示的全部的运用管理的执行处理部，该一个服务器具备保存运用履历10和作业负荷分配表163的保存部、由执行各种功能程序的中央处理部(Central Processing Unit: CPU)构成的处理部、及进行各种数据的输入输出的输入输出部。于是，在本说明书中，有时将用于执行运用管理的温度计测系统120、电力计测系统130、运用履历10、IT作业负荷配置最佳化功能20、作业负荷管理服务器160总称为进行运用管理的执行处理部。是运用管理的对象的、作为设置多个IT设备的设置室的服务器室100，具备服务器架101 103，在各服务器架中，服务器架101具备服务器IOla 101b，服务器架102具备服务器102a 102b,服务器架103具备服务器103a 103b。并且,服务器架不限于3个，而且各服务器架的每个服务器架的服务器数量不限于2个。能对各服务器，通过作业 负荷管理服务器160，分配作业负荷。作业负荷管理服务器160通过省略了图示的管理网络等而与服务器室100内的各IT设备连接，通过作业负荷分配表163进行作业负荷管理。例如，如同图所示，对服务器IOla分配了作业负荷141 143，对服务器IOlb分配了作业负荷144、145。在此，在作业负荷中，包括在例如被虚拟化的环境中的虚拟机(Virtual Machine:VM)或实体服务器上进行动作的应用等。并且，在本实施例中，为了说明，将IT设备仅设定为服务器装置，但也可以包括存储装置、网络装置。而且，虽然将作业负荷管理服务器设为I个，但即使包括多个作业负荷管理服务器，或者服务器室100内的计算处理用的服务器IOla 103b兼用为作业负荷管理服务器也可以。服务器IOla 103b具备电源控制功能，在不向服务器分配作业负荷的情况下，通过以刀片(blade，如刀片式服务器)为单位，或者以机箱(chassis)为单位来适用电源遮断，从而可以降低IT设备的消耗电力。另一方面，在向服务器分配作业负荷的情况下，为了该处理而通过冷却设备180来冷却所产生的热。这时，对应于各IT设备的消耗电力来调整冷却设备180的设定，从而可以降低冷却设备180的消耗电力。在本实施例，作为取得服务器室100内的环境信息的单元，在各架101 103的进气部分具备温度计测部121 129，例如用温度计测部121来计测服务器架101的架上段的温度，用温度计测部122来计测架中段的温度，用温度计测部123来计测架下段的温度。在服务器室内配置的温度传感器的数量，不必一定与IT设备的数量相同。而且，在本实施例中，虽然温度传感器配置在架的进气部，但在IT设备自身具有进气温度传感器的情况下，也可以用IT设备的进气温度传感器的信息来代替。通过各温度传感器所计测的温度信息，在温度计测系统120中被收集。并且，在温度传感器等服务器室的温度计测部121 129中，存在温度传感器的计测结果产生误差的可能性，该情况下也可以根据计测结果进行校准。作为校准的方法，例如包括根据统计模型来计算测定结果的偏差和偏移。而且，IT设备内置的温度传感器和外部的温度传感器中，成为基准的温度存在发生偏差的可能性，所以也可以在温度计测系统120中，具备进行温度的校准的功能。在本实施例中，作为代表IT设备的作业负荷的信息即负荷信息，在设置在各服务器架101 103中的消耗电力计测部131 133中测定各服务器的消耗电力。通过消耗电力计测部131测定服务器架101中的服务器IOla IOlc的消耗电力，通过消耗电力计测部132测定服务器架102中的服务器102a 102c的消耗电力，通过消耗电力测定部133测定服务器架103中的服务器103a 103c的消耗电力。通过消耗电力测定部131 133测定的数据，在电力计测系统130中作为负荷信息而被收集。并且，在本实施例中，虽然计测每个架的消耗电力，但也可以取得各IT设备的消耗电力而作为负荷信息。而且，也可以不是通过电流计等来直接计测作为负荷信息的消耗电力，而是在Π设备是服务器的情况下，根据服务器内的中央处理部(Central ProcessingUnit:CPU)的CPU使用率来算出，在存储装置、网络装置的情况下，根据数据传输量来算出。即，在取得负荷信息时，执行处理部可以使用根据CPU使用率、数据传输量等表示IT设备的状态的信息而计算出的结果。 在本实施例中，虽然按每个架将3个进气温度传感器的信息作为环境信息来使用，但如上所述，本实施例的方法，在温度传感器的场所及个数是任意的数量和场所，例如仅在架的上部为各I个情况，仅使用IT设备内置的传感器的情况，每隔一个架配置传感器的情况，房间之中的代表地点的温度传感器等也可以适用。由此即使在传感器的数量少的数据中心的环境中，也能以与所得到的信息的数量相对应的精度进行学习。而且，在本实施例中，虽然将每个架的消耗电力作为负荷信息来测定，但本实施例的方法也可以适用于计测或计算每个IT设备的消耗电力的情况、计测或计算每个将任意的数量的IT设备汇总而成的IT设备群的消耗电力的情况。由此，能够以任意的粒度来适用负荷配置的最佳化。本实施例中的温度计测系统120及电力计测系统130与时刻同步，作为包括用温度计测系统120所计测的成为环境信息的数据、用电力计测系统130所计测的成为负荷信息的数据、及作为时刻信息的时间戳的记录，运用数据171被保存在运用履历10的数据库(Data Base:DB)中。而且，也可以取得图1的冷却设备180的运转信息，例如设定温度、设定风量、空调运转模式(mode)、实测喷出温度、实测喷出风量的信息，该情况下也在运用履历10中进行保存、积蓄。本实施例中的IT作业负荷最佳化功能20，适用在该运用履历10中保存的各种数据，进行信息处理系统的作业负荷的最佳化，将作业负荷配置指示161输出到作业负荷管理服务器160。作业负荷管理服务器160通过上述管理网络等，对服务器室100中的各服务器IOla 103c进行作业负荷配置变更162。这时，如之后的实施例中所说明的那样，作业负荷最佳化功能20也可以与保存在运用履历10中的数据一起，保持从温度计测系统120、电力计测系统130输出的当前的运用数据171不变地使用该运用数据。在本实施例中，作业负荷配置最佳化功能20，对作业负荷管理服务器160进行作业负荷配置优先级指示161，接收该指示后，作业负荷管理服务器160进行向服务器室100所包含的各服务器的作业负荷的分配，经由管理网络等对各服务器进行作业负荷配置变更162。并且，在本实施例中，IT作业负荷最佳化功能20，作业负荷管理服务器160，温度计测系统120及电力计测系统130，及运用履历10的数据库，进而冷却设备180，作为位于服务器室100之外的服务器等系统而构筑，但作为该变形实施例，这些运用管理的执行处理部的系统，或者冷却设备180也可以设置在服务器室100之中。这时，关于这些组装到服务器室100内部的运用管理执行处理部的系统、冷却设备所带来的消耗电力、负荷配置，也可以成为作业负荷最佳化功能20的对象。图2是示出第I实施例的作业负荷配置最佳化功能20的详细例的功能框图。IT作业负荷配置最佳化功能20将运用履历10作为输入而具备，并将每个空调效率状态分类的作业负荷的统计信息即作业负荷统计量201、及各IT设备的作业负荷配置优先级202作为生成数据而具备，具备数据取得单元210、空调效率学习单元220、负荷配置优先级计算单元230及作业负荷分配单元240。如前面说明的那样，该IT作业负荷配置最佳化功能20能够用具备作为处理部的CPU、及保存部、输入输出部等的服务器来构成。另外，将使用数据取得单元210而取得的数据，将使用能用CPU的程序处理而实现的空调效率学习单元220、负荷配置优先级计算单元230及作业负荷分配单元240而生成的每个空调效率状态分类的作业负荷的统计信息即作业负荷统计量201和各IT设备的作业负荷配置优先级202，作为生成数据而保存在保存部中。空调效率学习单元220将根据运用履历10通过数据取得单元210而取得的数据作为输入而具备，进行IT设备群全体的空调效率状态的分类221，执行IT设备群全体的空调效率状态的分类221的结果的空调效率状态分类、以及空调效率状态和IT设备的作业负荷的相关关系的计算222，而且将每个空调效率状态分类的作业负荷统计量201作为输出而具备。作业负荷配置优先级计算单元230将每个空调效率分类的作业负荷统计量201作为输入而具备，执行向各IT设备的作业负荷配置优先级指标值的计算231，将各IT设备的作业负荷配置优先级202作为输出而具备。如以后说明的那样，在本实施例的作业负荷统计量201中，按每个空调效率分类对各IT设备保持着至少2个数据，但通过负荷配置优先级指标值的计算231，各IT设备的负荷配置优先级202中对各IT设备为一个数据。作业负荷分配单元240将各IT设备的负荷配置优先级202作为输入，并具备按照负荷配置优先级指标将作业负荷分配给IT设备的单元241，将来自作业负荷分配单元240的作业负荷配置指示161输出到作业负荷管理服务器160，从而能进行作业负荷的配置最佳化。在图3中示出本实施例的空调效率学习单元220的处理流程的一个例子。如上所述，该空调效率学习单元220的处理，通过用具备IT作业负荷配置最佳化功能20的服务器的CPU而执行的程序等来实现。对于根据运用履历10而通过数据取得单元210取得的数据，进行服务器室环境的特征量的计算221a，接着进行空调效率分类基准的更新221b。接着，进行空调效率状态的分类221c，最后进行每个分类的作业负荷统计量的更新222a。此时的每个分类的作业负荷统计量，示出针对各IT设备的作业负荷量和空调效率的相关关系O接着，示出第I实施例的信息处理系统的运用管理方法的具体的处理次序。首先，在图4中示出作为对象的IT设备的设置室即服务器室400的服务器架等IT架ITOl IT06的配置的一个例子。S卩，服务器室400具备IT架401 406。这些IT架401 406分别如图1所示的样子，具备作为温度计测部的进气温度传感器、消耗电力计测部，基于这些的计测结果，根据作业负荷配置变更162，对搭载在各IT架ITOl IT06上的服务器，配置作业负荷。各服务器具备以刀片为单位及以机箱为单位的电源控制功能，具备成为与作业负荷相对应的电力消耗的功能。在有不能进行电源控制的服务器的情况下，仅对能进行电源控制的服务器适用电源控制。

如上所述，作为温度计测部的进气温度传感器在各服务器架上配置多个，使用每个服务器架的温度信息的情况下，也可以通过计算平均、最大、最小等，而汇总为一个传感
器信息。图5是示出蓄积了本实施例的温度计测系统120、电力计测系统130的计测数据的运用履历10中所含的记录组500的一个例子。运用履历的记录组500包括记录500a 500 j，各记录包括时刻信息510、作为服务器室的环境信息的IT架ITOl IT06每个的进气温度520、作为IT设备的负荷信息的IT架ITOl IT06每个的消耗电力530。IT作业负荷配置最佳化功能20使用这些记录组500。在本实施例中，在运用履历的数据取得单元210中，以30分钟间隔来取得10:30 15:00的数据，但取得的数据也可以是任意的时间段的任意的时间间隔的数据。由此，能进行调整以便取得的数据数量不变得过多，而且，能通过时期而得到空调效率状态和IT设备的负荷的相关关系不同的数据。而且，不限于根据时间戳等时刻而取得数据的单元，也可以具备根据温度、作业负荷、空调的风量、空调的运转模式等而取得数据的单元。例如，也可以具备根据服务器室内的温度范围进行数据取得的单元。在此，所谓根据温度范围进行数据取得的情况，例如包括像全部温度信息的值是18°C以上、28°C以下的情况那样取得的指定温度条件的上下限值的情况。这种情况下，由于空调的运转状态、服务器的风扇转速因服务器室的温度条件而变化，所以可以取得不同倾向(取向)的数据。例如，28°C被设定为服务器室的允许温度的上限值的情况下，若温度变得高于28°C，则变成空调设备的障碍发生模式的动作，进行最大输出下的运转，所以空调效率的倾向不同，得到从学习数据除外的情形精度高的学习结果。而且，也可以具备根据IT消耗电力的总量进行数据取得的单元。使用IT消耗电力进行数据取得的情况，例如包括像IT消耗电力的总量为IOKW以上、100KW以下那样，指定IT消耗电力的总量的上下限值的情况。这种情况下，由于空调的冷却能力因IT消耗电力的总量而变化，所以能取得不同倾向的数据。
还可以具备根据空调的风量进行数据取得的单元，包括对风量也指定上下限值来取得的情况。这种情况下，空调机的风量越小则温度环境的偏差越大，所以可以通过风量而取得不同倾向的数据。还可以具备根据空调运转模式进行数据取得的单元，包括根据空调机的运转台数进行的案例分析(即按情况来分)，以及空调机是外气空调机时通过外气模式、换气冷却模式、除湿模式等空调运转模式的不同而进行的案例分析。这样，服务器室内的气流因空调的台数和运转模式而变化，可以得到不同倾向的数据。并且，这种案例分析的例子，在之后的第3实施例进行详细说明。图6示出在本实施例的上述作业负荷配置最佳化功能20中，基于IT设备群全体的空调效率状态的分类221的处理的计算结果600的一个例子。在IT设备群全体的空调效率状态的分类221中包括如下方法:首先计算成为空调效率状态的特征量的参数，而且还计算用于分类的阈值来进行分类的方法，以及用高斯分布等概率模型来计算特征量，使用支持向量机(Support vector machine)等分类器进行分类。在本实施 例中，按照图3的处理流程进行计算，在空调效率的分类用的服务器室环境的特征量的计算221a中，使用各服务器的进气温度的最大值(max inlet)和平均值(avg inlet)的差分(diff)作为特征量，空调效率分类基准的更新221b通过将差分(diff)的全记录的平均(avg)作为阈值来执行。S卩，在图6的各记录610a 610j中，计算该记录中的IT进气温度之中的最大值(max inlet) 620和平均值(avg inlet) 630,在各记录中计算最大值和平均值之差(diff)640。接着，使用该特征量640进行空调效率状态的分类。计算各记录610a 620 j的最大值和平均值之差(diff) 640的、记录组610a 610j的平均值(avg) 660，将其作为空调效率状态的分类的阈值。比较该阈值和各记录610a 610 j的该各记录中的最大值和平均值的差分(diff)640，若该各记录的差分(diff) 640比该差分的平均值(avg) 660还大，则空调效率的分类650为差(bad)，若小则为好(good)。其结果，关于记录610& 610」，610&、610丨、610」被分类为空调效率差，其他被分类为好。即，在图6的例子中，分配为空调效率好或差这二个空调效率状态。作为其他的特征量的例子，例举服务器进气温度的最大值、空调机的消耗电力除以IT设备的消耗电力的情形。而且，在本实施例中空调效率状态的分类的阈值，作为对象记录的平均值来计算，但也可以使用由系统管理者或系统设计者预先给予的值。例如，在将服务器进气温度的最大值作为特征量使用时，将25°c作为阈值进行分类，可以分类成在高于25°C的情况下空调效率差，在低于的情况下空调效率好。图7示出作为本实施例的图2所示的IT作业负荷配置最佳化功能20的、空调效率状态和IT设备的负荷的相关关系的统计量的计算222的计算结果的、每个空调效率状态分类的每个IT架ITOl IT06的作业负荷统计量201的数据700。作业负荷统计量的数据700包括空调效率状态的分类710，在本实施例中，空调效率状态的分类710包括好(good)的分类710a和差(bad)的分类710b这二个分类。作业负荷统计量的数据700关于各分类710a、710b，包括各IT设备的作业负荷量的统计信息720a 720f。作为作业负荷量的统计信息的表现方法，包括用无向量(scalar)、向量、行列的值来表现的方法，以及用这些的概率模型来表现的方法。在本实施例中，各分类710的各IT设备的统计信息720a 720f，为图5的运用履历所含的记录500中的符合各分类的情况的IT消耗电力530的各IT设备的算术平均。有关该统计信息，也可以使用例如假设为高斯分布那样的概率分布的概率密度函数。图8示出本实施例的IT作业负荷配置最佳化功能20的、向各IT设备的负荷配置的优先级指标值的计算231的计算结果800。负荷配置的优先级指标值的计算结果800，具备各IT设备的信息820a 820f，作为负荷配置指标值830和负荷配置优先级840。每个空调效率分类的作业负荷的统计量700，表示作业负荷和空调效率的相关，所以优选在负荷配置优先级指标值的计算231中设定具有如下特性的优先级指标，其中，该优先级指标的特性为:在空调效率好的情况下优先使用负荷大的IT设备，相反，在空调效率差的情况下，尽量不使用负荷大的IT设备。因此，进行用于根据作业负荷量的统计信息即作业负荷统计量而得到具有该特性的优先级指标的计算。作为得到该特性这样的计算，包括例如算术加权平均及几何加权平均。此时，负荷配置目标的IT设备的优先顺序附加是目的，所以例如在采用几何加权平均的情况下，为了简化计算，也可以不取计算过程中的累积根，而使用对各统计量的几何加权平均累乘了统计量的数量而得到的值。在本实施例中，对于每个空调效率分类的作业负荷统计量的数据700的、各IT设备的统计信息720a 720f，通过用好的情况的统计量710a除以差的情况的统计量710b，来计算IT架ITOl IT06各自的IT设备的负荷配置指标值830。当将IT设备i的负荷配置指标值设为metric^，将空调效率好的情况的作业负荷统计量设为II^goodi,将空调效率差的情况的作业负荷统计量设为ITjDadi时，负荷配置指标值Hietrici的计算式(式I)如下所示。Hietrici = II^goodiZlTjDad1-----(式 I)
在此，虽然通过用好的情况的统计量710a除以差的情况的统计量710b来计算负荷配置指标值830，但该计算也可以通过对各统计量取得加权算术平均或加权几何平均来计算。最后，对各IT设备的负荷配置指标值830按降序设定负荷配置优先级840。此时，也可以不必对全部的IT设备设定单值的优先级，而使多个IT设备为同一优先级。例如，也可以将负荷配置指标值的平均设定为阈值，将空调效率好的设定为高的优先级，将差的设定为低的优先级。根据本实施例，通过根据计算出的负荷配置优先级840进行作业负荷的配置，从而实现进行考虑了空调效率的作业负荷配置而带来的省电化。实施例2在本实施例中，在实施例1的空调效率的学习单元220中具有如下功能:不是将空调效率的分类设为好或差这2值，而是通过进行各分类的数值化而分类成多值。以下，主要对不同于实施例1之处进行说明，省略与实施例1通用的说明。本实施例的系统构成及处理流程与实施例1 一样，同图1的系统构成图、图2的框图。实施例2与实施例1不同之处，首先是在空调效率学习单元220中，为了分类成多值，而对各分类使用特征量进行识别。具备如下功能:使用图6所示的空调效率状态的分类用的服务器室环境的特征量640，对各分类通过特征量进行数值化。
在图9中示出本实施例的每个空调效率状态分类的、各IT架ITOl IT06的作业负荷统计量的数据900。在本实施例中，作为服务器室环境的特征量使用温度的最大和最小的差分，在此，以2°C、3°C为阈值将空调效率的状态的分类分类成3级，具备各分类的特征量910。而且，具备特征量的全体平均930。图中的图号910a所示的分类I表示温度差小于2°C，910b所示的分类2表示温度差大于等于2°C、小于3°C，910c所示的分类3表示温度差大于等于3°C，有关各IT设备，具备信息920a 920f。在本实施例中，分类为3类，但这也可以例如像通过平均值土标准偏差进一步进行分类从而分类成4类，将时间段不同的数据分成其他分类，或者将全部记录分为其他分类那样，进行基于任意数量及分类方法的空调效率分类。其次，实施例2与实施例1不同之处，是在向上述各IT设备的负荷配置的优先级指标值的计算231中，根据2个以上的分类进行I个负荷配置优先级指标值的计算。在图10中示出向各IT设备的负荷配置的优先级指标值的计算231的计算结果1000。负荷配置的优先级指标值的计算结果1000，具备负荷配置指标值1030和负荷配置优先级1040。优选在负荷配置优先级指标值的计算231中，优先使用IT架ITOl IT06之中的、空调效率好的情况下负荷大的IT设备，尽量不使用在空调效率差的情况下负荷大的IT设备。因此，对于作业负荷统计量的数据900的、各IT设备的统计信息920a 920f，根据各分类的特征量910和全体的特征量930使用(式2)，计算各IT设备的负荷配置指标值1030。将IT设备i的负荷配置指标值设为Hietrici，将负荷统计量设为Wi,将空调效率分类j的特征量设为T_j，并将全体的空调效率特征量设为T_avg时，负荷配置指标值的计算式(式2)如下所示。Hietrici = IIj Wi(T-avg_T-j)-----(式 2)
式2在该IT设备的负荷统计量Wi的加权几何平均的计算过程中将累积根除去后，作为权重而使用了(特征量的全体平均T_avg_各分类的特征量T_j)。空调效率好的情况，T_j小于T_avg，所以指数部的权重为正的值，成为使Hietrici较大的要素。空调效率差的情况，T_j大于T_avg,所以指数部的权重为负的值,成为使metriCj较小的要素。通过将这些全部相乘，可以计算负荷配置指标值1030。使用该计算结果，对各IT设备的负荷配置指标值1030降序地设定负荷配置优先级1040。通过细化分类，能以高于实施例1的精度来计算空调效率指标。例如，在实施例1中，抽取IT03的空调效率比图8差这样的特性，IT03的优先级820是6，为最低的优先级。但是，在实施例1中，IT05的空调效率好这样的特性不能抽取，IT05de优先级820为3。与之相对，在实施例2中，如图10所示，IT05的优先级1040是I，为最高的优先级，在这一点可知，实施例2还能抽取实施例1中不能抽取到的特性。实施例3在实施例1及实施例2中，对取得的数据进行服务器室全体的空调效率的分类，但也能够通过取得的数据的条件进行案例分析，按每个案例分析分别进行空调效率的分类，按每个案例分析设定负荷配置的最佳化优先级。例如，可考虑通过温度条件对分类的数据库进行案例分析的情况，还有通过IT设备的负荷的总量对分类的数据库进行案例分析的情况。通过进行案例分析，在空调效率分类和作业负荷信息的相关关系表现出不同的倾向之时，能有效地进行学习，进行精度高的分类。
在图11中示出第3实施例。以下，主要说明与实施例1及实施例2不同之处，省略通用的说明。作业负荷配置最佳化功能20b与实施例1 一样，将运用履历10作为输入而具备，将各IT设备的负荷配置优先级202作为生成数据而具备，具备数据取得单元210、空调效率学习单元220、负荷配置优先级计算单元230及作业负荷分配单元240。在此，作业负荷配置最佳化功能20b与实施例1不同之处在于，在数据取得单元210中，考虑了温度条件等进行运用履历的案例分析，具备各案例分析的履历IlOla C。在此，所谓考虑了温度条件的案例分析，可考虑例如对IT设备进气温度的最大值分类成小于24°C、24 28°C，28°C以上这3类。之后的次序与实施例1 一样，对各履历IlOla C，适用空调效率学习单元220及负荷配置优先级计算单元，具备按每个上述温度条件来生成各IT设备的负荷配置优先级1102a c的功能。另外，具备选择将案例分析选择基准1120作为输入而使用的案例分析的负荷配置优先级的功能1110，具备按照选择的负荷配置优先级与实施例1 一样将作业负荷分配给IT设备的功能241。案例分析选择基准1120例如包括管理者指定的情形，以及使用运用数据171选择与当前的服务器室条件在图11的例子中为温度条件相一致的情形。在图12中，示出本实施例的作业负荷配置优先级的表构成1200。作业负荷配置优先级1200按各案例分析包括负荷配置优先级的表1220a C，该表1220a c为与实施例I的负荷配置优先级800 —样的构造。与实施例1不同之处在于，在该各表1220a c中具备标签1210a C，能够区别是否分别与哪个案例分析相对应。在本实施例中，关于案例分析IlOla c以及在图12中省略但与图2的每个空调效率状态分类的作业负荷统计量201相当的数据，与作业负荷的配置优先级1200 —样，包括各案例分析的表和与该案例分析相对应的标签。在图11的例子中，具备基于温度条件进行的案例分析功能，但也举出了进行这以外的案例分析的例子。对于基于IT设备的负荷的总量的范围进行的案例分析，例举了例如分成小于10KW、10 20KW、20 40KW、40KW以上这4类的情况。基于空调的喷出风量的范围进行的案例分析，例举了例如分成小于50m3/m、50 100m3/m, 100m3/m以上这3类的情况。关于基于空调的运转模式的不同进行的案例分析，例举了例如基于运转的空调机的台数及组合进行的案例分析，基于空调机的节省能源控制的有无进行的案例分析，基于外气空调机的外气使用模式、换气冷却模式、除湿模式等模式的不同进行的案例分析。关于基于时间进行的案例分析，例举了例如每个月作为其他数据进行案例分析的情形。这些案例分析还可以包括基于温度条件进行的案例分析，通过条件的组合进行案例分析。还能对多个案例分析求出负荷配置优先级指标值，对他们的相关进行计算。特别是在通过时间进行案例分析的情况下，可以抽取表示不同倾向的案例分析，在服务器室环境的异常检测中使用。还能统合多个数据集合的信息而成为一个数据集合。或者，在存在倾向的变化的情况下，也可以使用案例分析功能，使用其他数据集合进行负荷配置最佳化。关于这样的案例分析的变更，包括管理者预先指定条件，或者通过监视系统来监视空调效率的优先顺序，与事先得到的倾向不同的情况，例如一定数量以上的台数的IT设备的优先顺序被变更的情况下，变更案例分析等。
实施例4在到此为止的实施例1 3中，说明了有关设备构成和传感器信息固定的情况，但在本实施例中，对机器或设备的更新的情况进行说明。进而对一边逐次更新学习数据一边运用学习数据的情况的动作进行说明。在进行设备构成的变更时，假设温度传感器及电力传感器的数量变化。而且，传感器发生了故障的情况，可认为能取得的传感器数量变更。首先，有关温度传感器的数量的增减，使用各记录的空调效率的特征量例如服务器进气温度的最大值和平均值之差进行，所以在有关这以后的记录的特征量的计算结果中反映新的结果也可以。另一方面，在通过电力传感器的增设、IT设备的更新而增减了 IT设备的负荷的个数的情况下，对图2的每个空调效率分类的作业负荷量的统计信息即作业负荷统计量201进行修正。伴随IT设备的负荷的个数的变更，根据运用履历取得的数据的数量的修正、变更也变得必要，但作为进行修正的情况的一个例子，包括关于各空调效率分类，设定O或其他IT设备的作业负荷量的统计信息的平均值的情形。即，在执行处理部随着根据运用履历取得的数据的数量的修正、变更，而对作业负荷量的统计息的值进行修正时，可以设定其他IT设备的作业负荷量的统计信息的平均。或者，在该修正方法中，包括对新增IT设备和服务器室内的配置相邻的IT设备群的作业负荷量的统计信息的平均值进行设定的情形。而且，管理者也可以设定任意的值。在进行每个空调效率状态分类的作业负荷统计量201的设定之后，进行各IT设备的负荷配置优先级202的计算231，从而计算设备更新后的作业负荷配置优先级。之后，使用设备更新后的数据进行学习，从而提高负荷配置优先级的精度。空调效率学习单元220、负荷 配置优先级计算单元230及作业负荷分配单元240能分别使用当前时刻的数据10、201、202独立地动作，能使用到该时刻为止学习的信息适当地适用负荷配置最佳化。即，每个空调效率分类及空调效率状态分类的作业负荷统计量201，可以根据已计算完的数据201和新采样的数据进行计算，也可以具备递增地学习的功能。在递增的学习中，例如包括保持学习数据数量N、用数据数量附加权重来取得平均的单元，以及不保持学习数据数量N的情况下附加均等的权重来取得平均的单元。通过这样的次序，一边进行运用一边提高学习精度，可以进一步实现省电的作业负荷配置。实施例5在实施例1 3中，作为空调状态分类的特征量、IT负荷的指标值，使用了架进气温度的温度差、IT设备的消耗电力的该时刻的值，但也可以使用2个时刻的值的差分。而且，关于负荷配置的优先级指标值的计算方法，在实施例1中使用了(式I )，在实施例2中使用了(式2)，但也可以使用将分类的特征量作为从属变量、将IT负荷指标值作为独立变量的线性反馈中的倾斜度和相关系数。以下，主要说明不同于实施例1 3之处，省略通用的说明。在实施例5中，输入的运用履历也与实施例1 3—样，但作为图2的空调效率学习单元220的空调效率状态分类用的特征量，不用各IT设备的进气温度的最大值和平均值之差，而使用某2个时刻的该值之差，例如对象时刻的值及其10分前的时刻的值之间的差分。同样，作为IT设备的作业负荷的指标值，在实施例1中使用各IT设备的消耗电力，但使用IT设备的消耗电力的某2个时刻的差分，例如与10分前的时刻之间的差分。通过这样使用差分，可以学习有关IT负荷及IT设备进气温度的变动的特征，可以提高所导出的空调效率的精度。而且，在本实施例中，有关空调效率状态的分类，将全部的记录作为其他空调效率分类来处理。进而，在本实施例中，在图2的作业负荷配置的优先级指标值的计算230中，对各IT设备进行作业负荷配置的优先级指标值的计算时，把将空调效率分类的特征量作为从属变量、并将IT负荷指标值作为独立变量的线性反馈的直线的倾斜度的倒数，作为优先级指标值。在图13中示出负荷配置优先级的计算的例子1300。纵轴为空调效率分类的指标值1310，横轴为IT负荷的统计量1320，将根据运用履历计算出的值绘制在图表上。关于该数据进行线性反馈，将直线1330的倾斜度的倒数作为优先级指标值。该优先级指标值越小则IT负荷指标值对空调效率状态的影响就越大，即可以说通过对该IT设备的负荷的增大而引起温度上升，所以空调效率差。或者，也可以不将倾斜度的倒数，而将倾斜度和相关系数之积的倒数作为优先级指标值。实施例6接着，作为第6实施例，说明在设置IT设备的设置室即服务器室内设置IT架ITOl IT16，而且设置了作为冷却设备的空调机的情况的实施例。在图14中，示出实施例6的服务器室的构成的平面图。在服务器室1400内中，IT架ITOl IT16被设置成二列1410、1420。在该IT架ITOl IT16的列的两侧，设置出气口 1430，形成冷气1440、1450，而且在二列之间为热气1460。从出气口 1430，通过空调机1470而喷出空调用的供给气体。IT架分别搭载刀片服务器机箱，每列8台而成为2列的架列(ΙΤ01 IT08、IT09 IT16)的 构成，在架列1410、1420的外侧，空调机1470的供给气体成为通过出气口 1430而送入的冷气1440、1450，在内侧成为从架背面排出了暖气的热气1460。在本实施例中，2台空调机1470通过服务器室1400外的省略了图示的空调控制部来控制。空调控制部在架最大温度不超过环境温度上限值的范围内，进行空调机量风量的削减和提闻供气温度的控制，削减总空调电力。在本实施例中，作为冷却设备的空调机1470设置在服务器室1400的内部，所以可以像之前说明的那样，通过用对应的消耗电力计测部对该空调机1470的消耗电力进行计测，从而空调机的消耗电力也能成为IT作业负荷最佳化功能的对象。在本实施例中，IT作业负荷最佳化功能，在运转的IT设备的资源不超过信息处理系统的需要资源的范围内，进行运转IT设备数的削减、使用了 VM迁移的向运转IT设备的业务系统集成、及不要IT设备的电源遮断，并削减总IT电力。进而，当总IT电力降低时，空调机的热负荷降低，所以总空调机电力也削减。并且，本发明不限于上述多个实施例，包括各种变形例。例如，上述实施例是为了容易明白本发明进行说明，而详细地说明的例子，但未必具备全部构成。而且，能将某一实施例的构成的一部分置换成其他实施例的构成，而且，能在某一实施例的构成中增加其他实施例的构成。而且，有关各实施例的构成的一部分，能进行其他构成的增加、削减、置换。而且，上述各构成、功能、处理部、处理单元等，也可以例如通过用集成电路进行设计等，用硬件来实现他们的一部分或全部。而且，举例说明了通过执行实现各自的功能的程序，用软件来实现上述各构成、功能等的情况，但实现各功能的程序、表、文件等的信息，不限于存储器，还可以预存在硬盘、SSD (Solid State Drive)等存储装置，或IC卡、SD卡、DVD等存储介质中，也能够根据需要通过网络等下载、安装。产业上的使用可能性本发明可以适用于由服务器、存储器、网络等信息处理装置群和冷却设备构成的信息处理系统的综合的省电运用管理，特别适用于数据中心。而且，本发明除了可以用于信息处理系统的自主运用管理之外，还可以作为系统构筑工具、节能診断工具、运转监视工具、运用管理者和设备管理者的辅助工具而适用于很宽领域的用途。本发明主要以信息处理装置群为对象，但若是消耗电力或能量的装置和以此为目的设备也能适用本发明。例如能适用于电气装置、机械装置、动力装置、热装置等的运用和控制。并且，在以上详细说明的本发明的实施例的记载中，公开了权利要求所记载的发明以外的发明，其中一个例子如下所示。例I) 一种系统运用管理方法，求出作业负荷分配的每个IT设备的指标值，具备:根据运用履历，取得包括时刻信息、服务器室环境信息和IT设备负荷信息的数据的单元；依据根据该运用履历取得的数据，使用计算出的特征量，通过IT设备群全体的空调效率状态进行分类的单元；按照每个该空调效率的分类，计算各IT设备的作业负荷量的统计信息的单元；及通过该作业负荷量的统计信息之中的至少2个统计信息的合成，求出作业负荷分配指标的单元。例2)在例I记载的系统运用管理方法中，在运用对象的系统的服务器室中，包括:服务器装置、存储装置、网络装置等IT设备群；取得时刻信息、服务器室环境信息和IT设备负荷信息的单元；及冷却该IT设备群的冷却设备，该系统具备:对该IT设备分配作业负荷的功能 '及该IT设备对应于作业负荷量进行电源控制的功能。例3)在例2记载的系统运用管理方法中，在取得上述服务器室环境信息和IT设备负荷信息的单元中，使用内置于IT设备中的传感器。例4)在例I记载的系统运用管理方法中，根据上述运用履历取得包括时刻信息、服务器室环境信息和IT设备负荷信息的数据的单元，具备抽取时刻接近的数据的功能。例5)在例I记载的系统运用管理方法中，根据上述运用履历取得包括时刻信息、服务器室环境信息和IT设备负荷信息的数据的单元，具备抽取作业负荷的总量接近的数据的功能。例6)在例I记载的系统运用管理方法中，
根据上述运用履历取得包括时刻信息、服务器室环境信息和IT设备负荷信息的数据的单元，具备抽取温度条件接近的数据的功能。例7)在例I记载的系统运用管理方法中，根据上述运用履历取得包括时刻信息、服务器室环境信息和IT设备负荷信息的数据的单元，具备抽取空调风量接近的数据的功能。例8)在例I记载的系统运用管理方法中，在对根据上述运用履历取得的数据通过IT设备群全体的空调效率状态进行分类的单元中，具备进行该分类的识别用的数值化的功能，该数值是该分类所含的数据的上述特征量的平均。例9)在例8记载的系统运用管理方法中，作为根据上述作业负荷量的统计信息之中的至少2个统计信息的合成求出作业负荷分配指标的单元，具有进行从作业负荷量的统计信息的加权几何平均中除去累积根的计算的功能，将该加权几何平均的权重，作为为了上述分类识别而被数值化的数值的全体的数值和各分类的数值之差。例10)—种信息处理系统的运用管理装置，具备执行处理部，进行具备多个信息技术(IT)设备的信息处理系统的运用管理，上述执行处理部，根据多个上述IT设备的运用履历，取得包括时刻信息、环境信息和负荷信息的数据，依据根据上述运用履历取得的上述数据，对上述IT设备全体的空调效率进行分类，按照上述空调效率的分类，计算上述IT设备各自的作业负荷量的统计信息，根据计算出的上述统计信息，求出上述IT设备的作业负荷配置优先级。
权利要求
1.一种信息处理系统的运用管理方法，上述信息处理系统具备多个信息技术设备，其特征在于， 上述执行处理部， 从多个上述信息技术设备的运用履历，取得包含时刻信息、环境信息和负荷信息的数据， 依据从上述运用履历取得的上述数据来计算特征量， 根据计算出的上述特征量，对上述信息技术设备群全体的空调效率进行分类， 按照每个上述空调效率的分类，计算上述信息技术设备各自的作业负荷量的统计信息， 根据计算出的上述统计信息，求出上述信息技术设备的作业负荷配置指标值。
2.根据权利要求1记载的运用管理方法，其中， 上述执行处理部根据上述统计信息求出上述作业负荷配置指标值时，通过至少2个上述统计信息的合成来求出上述作业负荷配置指标值。
3.根据权利要求1记载的运用管理方法，其中， 多个上述信息技术设备设置于一个设置室， 上述信息处理系统包括冷却多个上述信息技术设备的冷却设备， 上述执行处理部从上述设置室取得包含上述时刻信息、上述环境信息和上述负荷信息的数据，使用求出的上述作业负荷配置指标值，来分配多个上述信息技术设备的作业负荷。
4.根据权利要求3记载的运用管理方法，其中， 上述执行处理部取得上述负荷信息时，使用根据表示上述信息技术设备的状态的信息而计算出的结果。
5.根据权利要求1记载的运用管理方法，其中， 上述执行处理部取得包含上述时刻信息、上述环境信息和上述负荷信息的上述数据时，抽取上述设置室的空调运转模式相同的数据。
6.根据权利要求1记载的运用管理方法，其中， 上述执行处理部使用从上述运用履历取得的上述温度信息的最大值和平均值之差，作为上述特征量。
7.根据权利要求1记载的运用管理方法，其中， 上述执行处理部使用从上述运用履历取得的上述温度信息的最大值，作为上述特征量。
8.根据权利要求1记载的运用管理方法，其中， 上述执行处理部根据上述特征量对上述信息技术设备群全体的空调效率进行分类时，根据对上述特征量赋予的阈值进行分类。
9.根据权利要求1记载的运用管理方法，其中， 上述执行处理部根据上述特征量对上述信息技术设备群全体的空调效率进行分类，为了识别该分类，而求出该分类中所含的上述数据的上述特征量的平均。
10.根据权利要求1记载的运用管理方法，其中， 上述作业负荷量的统计信息，是上述分类中所含的数据的、每个上述信息技术设备的作业负荷量的统计信息的平均。
11.根据权利要求2记载的运用管理方法，其中， 上述执行处理部通过上述作业负荷量的统计信息之中的至少2个统计信息的合成来求出上述作业负荷配置指标值时，计算上述2个统计信息的加权平均。
12.根据权利要求1记载的运用管理方法，其中， 上述执行处理部对从上述运用履历取得的上述数据进行分析，对应于分析的结果来求出上述空调效率的分类及上述作 业负荷配置指标值。
13.根据权利要求12记载的运用管理方法，其中， 上述执行处理部从多个上述空调效率分类和上述作业负荷量的统计信息的组，来合成I个空调效率分类和作业负荷量的统计信息的组。
14.根据权利要求12记载的运用管理方法，其中， 上述执行处理部具备上述设置室的环境的异常检测功能， 上述异常检测功能对与分类的空调效率相对应的上述作业负荷配置指标值彼此的相关关系进行计算。
15.根据权利要求1记载的运用管理方法，其中， 上述执行处理部在随着对从上述运用履历取得的上述数据的数量进行变更，修正上述作业负荷量的统计信息的值时，设定其他信息技术设备的上述作业负荷量的统计信息的平均。
全文摘要
本发明提供信息处理系统的运用管理方法，根据运用履历学习IT设备群全体的空调效率状态和各IT设备的负荷的相关关系，用其对IT设备分配作业负荷，从而实现数据中心的省电化。IT作业负荷配置最佳化功能(20)构成为，从服务器室100内的各种的IT设备的运用履历(10)中，使用温度、负荷、时间这3个基准对数据进行采样，将这些数据分类成IT设备群全体的空调效率的状态，通过该空调效率的状态和作业负荷的相关关系，将用于决定向作业负荷的各IT设备的分配的作业负荷配置指示(161)，输出到作业负荷管理服务器(160)，作业负荷管理服务器(10)可以有效地从运用履历中抽取对空调效率的影响来生成作业负荷分配。
文档编号G06Q10/06GK103218678SQ20131001176
公开日2013年7月24日 申请日期2013年1月11日 优先权日2012年1月24日
发明者间濑正启, 冲津润, 野尻彻, 斋藤达也 申请人:株式会社日立制作所