JPH07168794A - 計算機システムのジョブ管理方法 - Google Patents

Abstract

(57)【要約】 【目的】分散システムにおいて、停止した計算機上のジ
ョブの継続実行およびチェックポイントリスタートを可
能とする。 【構成】ジョブ管理プログラムエージェント６０００の
停止時には、ジョブ管理プログラムエージェント６００
０のジョブ管理情報４６００およびジョブ実行情報４７
００をジョブ管理プログラムマスタ５０００に送信す
る。また、ジョブの異常終了の発生時には、ジョブ管理
プログラムエージェント６０００のチェックポイント情
報をジョブ管理プログラムマスタ５０００に送信する。
ジョブ管理プログラムマスタ５０００は同じグループの
他の計算機を選択し、当該計算機のジョブ管理プログラ
ムエージェントにそれを通知する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、計算機システムにおけ
るジョブ管理方法に係り、特に、複数の計算機がネット
ワークを介して相互に接続された分散環境の計算機シス
テムにおけるジョブの管理方法に関する。

【０００２】

【従来の技術】従来より、計算機システムとして、１台
の計算機で処理を行う集中型システムと、多数の計算機
をネットワーク接続して処理を分散して行う分散型シス
テムとがしられている。集中型システムでは、システム
を管理するための管理情報のすべてを１台の計算機が保
有する。即ち、システム内に存在するすべての資源に関
する管理情報は、この計算機上のオペレーティングシス
テム（ＯＳ）に管理される。一方、分散型システムで
は、システム内に多数存在する各計算機がそれぞれ独自
の資源を持つ。そして、各計算機が所有する資源は、そ
れぞれ各計算機上のＯＳによって管理される。

【０００３】集中型システムには、従来よりウォームス
タート機能およびチェックポイントリスタート機能が存
在する。ウォームスタート機能は、システムの開始（あ
るいは再開始）の時に、前回のシステム停止時における
システムの状態、例えば、入力キューにおける入力ジョ
ブおよび出力キューにおける出力ジョブをそのまま引き
継いで処理を開始する機能である。一方、チェックポイ
ントリスタート機能は、１つあるいは複数のジョブを実
行する過程において、ジョブが異常終了した場合のジョ
ブの再実行に備え、ある時点（これをチェックポイント
という）でのジョブの実行状況に関する情報を記録して
おき、ジョブが異常終了した場合には、チェックポイン
ト時の状態から処理を再実行する機能である。これによ
り中断したジョブを最初から再実行する必要がなくな
り、計算機資源を有効に利用することができる。

【０００４】分散型システムでも集中型システムと同様
に、個々の計算機に対しウォームスタート機能、あるい
は、チェックポイントリスタート機能を持たせることに
より、各計算機において集中型システムと同様にシステ
ムの開始（再開始）または、異常終了したジョブの処理
を継続することが可能である。

【０００５】

【発明が解決しようとする課題】しかし、分散型システ
ムでは、システム内に複数の計算機が存在することを利
用して、ある計算機のサービスが終了した後に、その他
の動作中の計算機が停止した計算機の仕事を引き継ぐこ
とができることが望まれる。また、ある計算機上で実行
していたジョブが異常終了した場合に、このジョブを他
の別の計算機上で再実行できることが望まれる。

【０００６】このような要望に答えるためには、ある計
算機がサービス終了、あるいは障害などにより停止する
時に、当該計算機上で実行されていたジョブをシステム
内で動作中の他の別の計算機上で継続実行できるように
する必要がある（このような機能を以下、ジョブ継続実
行機能と呼ぶ）。ところが、分散型システムでは、例え
ば、先に述べたように、ファイルに関する管理情報は各
計算機がそれぞれ独自に保有している。このため、ある
計算機上で実行していたジョブを他の計算機上で実行し
ようとした場合に、ジョブを引き継いで実行しようとす
る計算機からは、前の計算機上でそのジョブの実行に使
われていたファイルを認識できないという問題がある。
従って、従来の分散計算機システムでは、計算機間での
ジョブ継続実行機能を実現することが困難であった。

【０００７】従って、本発明の目的は、分散型システム
において、ジョブ継続実行機能およびチェックポイント
リスタート機能を可能とする手段を提供することにあ
る。

【０００８】

【課題を解決するための手段】上述した目的を達成する
ために、本発明によるジョブ管理方法では、複数の計算
機がネットワークで相互に接続され、各計算機上ではそ
れぞれの計算機に実行させる仕事ジョブを管理するジョ
ブ管理プログラムが走行し、該ジョブ管理プログラムの
中の一部のジョブ管理プログラム（以下、ジョブ管理プ
ログラムマスタと呼ぶ）がによりその配下の計算機上の
ジョブ管理プログラム（以下、ジョブ管理プログラムエ
ージェントと呼ぶ）における管理情報を管理する計算機
システムにおいて、前記ジョブ管理プログラムマスタに
よりジョブを実行させる計算機をグループ化し、該グル
ープ化に関する情報を前記ジョブ管理プログラムエージ
ェントの各々に伝達する。ジョブ管理プログラムエージ
ェントが停止する場合、停止するジョブ管理プログラム
エージェントは、自分が停止することをジョブ管理プロ
グラムマスタに通知し、自己が走行する計算機上で実行
中のジョブの実行情報および自己が保持するジョブ管理
情報をジョブ管理プログラムマスタに送信する。ジョブ
管理プログラムマスタでは、停止するジョブ管理プログ
ラムエージェントが走行していた計算機と同じグループ
に属する他の計算機の中から、停止するジョブ管理プロ
グラムエージェントが走行していた計算機上で実行され
ていたジョブを実行させる計算機を選択し、停止するジ
ョブ管理プログラムエージェントから受信したジョブの
実行情報およびジョブ管理情報を選択した計算機上のジ
ョブ管理プログラムエージェントに送信する。そして、
選択した計算機上のジョブ管理プログラムエージェント
により、停止するジョブ管理プログラムエージェントが
走行していた計算機上のジョブを実行する。

【０００９】そして、このような計算機システムのジョ
ブ管理方法において、ジョブ管理プログラムエージェン
トの停止した計算機上で実行されていたジョブを、選択
した計算機上で実行する前に、選択した計算機上のジョ
ブ管理プログラムエージェントにより、ジョブ管理プロ
グラムエージェントの停止した計算機上で動作していた
ジョブが使用していたファイルのレプリカを、選択した
計算機上に作成する。

【００１０】あるいは、ジョブ管理プログラムエージェ
ントの停止した計算機上で実行されていたジョブを、選
択した計算機上で実行する前に、選択した計算機上のジ
ョブ管理プログラムエージェントにより、ジョブ管理プ
ログラムエージェントの停止した計算機上のファイル
を、選択した計算機から認識できるようにする。

【００１１】また、本発明の他の観点によれば、複数の
計算機がネットワークで相互に接続され、各計算機上で
はそれぞれの計算機に実行させるジョブを管理するジョ
ブ管理プログラムが走行し、該ジョブ管理プログラムの
中の一部のジョブ管理プログラム（以下、ジョブ管理プ
ログラムマスタと呼ぶ）がによりその配下の計算機上の
ジョブ管理プログラム（以下、ジョブ管理プログラムエ
ージェントと呼ぶ）における管理情報を管理する計算機
システムのジョブ管理方法において、前記ジョブ管理プ
ログラムマスタが、ジョブを実行させる計算機をグルー
プ化し、該グループ化に関する情報を前記ジョブ管理プ
ログラムエージェントの各々へ送信する。ジョブ管理プ
ログラムエージェントは、チェックポイントにおいて、
ジョブに関連する資源の状態の情報および自己が保持す
るジョブ管理情報（以下、チェックポイント情報と呼
ぶ）をジョブ管理プログラムマスタに送信する。ジョブ
管理プログラムマスタでは、前記ジョブ管理エージェン
トから送られてきた前記チェックポイント情報を格納す
る。そして、ジョブの異常終了の発生時に、異常終了の
発生した計算機上で走行中のジョブ管理プログラムエー
ジェントが、前記異常終了の発生を前記ジョブ管理プロ
グラムマスタに通知する。ジョブ管理プログラムマスタ
は、異常終了の発生した計算機と同じグループに属する
他の計算機の中から当該ジョブを再実行する計算機を選
択し、異常終了の発生した計算機のチェックポイント情
報をその選択した計算機上のジョブ管理プログラムエー
ジェントに送信し、選択した計算機上のジョブ管理プロ
グラムエージェントで、前記ジョブの異常終了が発生し
た計算機上のジョブを再実行する。

【００１２】そして、このような計算機システムのジョ
ブ管理方法において、異常終了したジョブを、選択した
計算機上で再実行する前に、選択した計算機上のジョブ
管理プログラムエージェントが、異常終了したジョブが
使用していたファイルのレプリカを、選択した計算機上
に作成する。あるいは、異常終了したジョブを、選択し
た計算機上で再実行する前に、選択した計算機上のジョ
ブ管理プログラムエージェントが、異常終了したジョブ
が動作していた計算機上で異常終了したジョブが使用し
ていたファイルを、選択した計算機からも認識できるよ
うにする。

【００１３】

【作用】本発明では、上述した手段により、ジョブ管理
プログラムマスタが動作する計算機において計算機のグ
ループ化がなされ、ジョブ管理プログラムマスタが有す
る計算機のグループ化の情報を各計算機上のジョブ管理
プログラムエージェントが知ることができるようにな
り、各ジョブ管理プログラムエージェントが、計算機の
グループを意識してジョブのスケジューリングを実行で
きる。また、ジョブ管理プログラムエージェントが停止
する場合、このことをジョブ管理情報および実行中のジ
ョブに関する資源の状態に関する情報と共にジョブ管理
プログラムマスタに通知することで、停止する計算機の
停止前の状態をジョブ管理プログラムマスタは知ること
ができる。そして、ジョブ管理プログラムマスタが、自
身が保有する計算機のグループ化に関する情報を基にし
て、ジョブ管理プログラムエージェントの停止した計算
機と同じグループに属する他の計算機を選択し、先に入
手した停止する直前のジョブ管理プログラムエージェン
トのジョブ管理情報およびジョブ管理プログラムエージ
ェントの停止する計算機上で実行中のジョブに関する資
源の状態に関する情報を選択した計算機に送信するの
で、ジョブ管理プログラムエージェントの停止した計算
機と同じグループに属する他の計算機上で、ジョブ管理
プログラムエージェントの停止した計算機上で実行され
ていたジョブを実行させることができる。

【００１４】また、ジョブ管理プログラムエージェント
の停止した計算機上で実行されていたジョブを、選択し
た計算機上で実行する前に、選択した計算機上のジョブ
管理プログラムエージェントが、ジョブ管理プログラム
エージェントの停止した計算機上で動作していたジョブ
が使用していたファイルのレプリカを、選択した計算機
上に作成するので、選択した計算機からも引き継ぐジョ
ブの動作に必要となるファイルを使用できるようにな
り、当該ジョブの実行が可能となる。

【００１５】あるいは、ジョブ管理プログラムエージェ
ントの停止した計算機上で実行されていたジョブを、選
択した計算機上で実行する前に、選択した計算機上のジ
ョブ管理プログラムエージェントが、ジョブ管理プログ
ラムエージェントの停止した計算機上のファイルを、選
択した計算機から認識できるようにしているので、ジョ
ブの動作に必要となるファイルが、選択した計算機から
も認識できるようになり、この計算機からも当該ジョブ
の動作に必要となるファイルを使用が可能となって、当
該ジョブの実行を可能にすることができる。

【００１６】

【実施例】以下、本発明の実施例を、図面により詳細に
説明する。

【００１７】図１は、本実施例における計算機システム
のハードウェア構成を示す構成図である。１０００は計
算機を示し、複数の計算機１０００がローカルエリアネ
ットワーク（ＬＡＮ）９０００によりそれぞれ接続さ
れ、ネットワークを構成する。図１では、計算機１００
０は、４台だけを示しているが、計算機１０００の台数
は任意である。ＬＡＮ９０００は、ゲートウエイ９７０
０を介してワイドエリアネットワーク（ＷＡＮ）９６０
０に接続される。

【００１８】図２は、計算機１０００の詳細な構成を示
すブロック図である。図２に示すように、計算機１００
０は、中央処理装置（ＣＰＵ）１１００、外部記憶装置
２０００、Ｉ／Ｏアダプタ２５００、メモリ３０００、
バス８０００およびＬＡＮアダプタ９５００から構成さ
れる。ＣＰＵ１１００、Ｉ／Ｏアダプタ２５００、メモ
リ３０００、およびＬＡＮアダプタ９５００は、それぞ
れバス８０００に接続され、バス８０００を通してデー
タのやりとりを行う。Ｉ／Ｏアダプタ２５００には外部
記憶装置２０００が接続される。一般的に、外部記憶装
置２０００としては、ディスク装置が使用されることが
多い。外部記憶装置２０００には、この計算機システム
を制御するための制御ソフトウェア４０００及びアプリ
ケーションソフトウェア（ＡＰ）３５００などが格納さ
れる。ＬＡＮアダプタ９５００は、ＬＡＮ９０００に接
続され、他の計算機１０００との間でのデータの伝送を
制御する。

【００１９】図３に、制御ソフトウェア４０００の構成
を示す。この制御ソフトウェア４０００は、すべての計
算機の外部記憶装置２０００に格納され、必要に応じて
メモリ３０００にロードされる。ＣＰＵ１１００は、メ
モリ３０００上にロードされた制御ソフトウェア４００
０に従って各種の制御を行なう。制御ソフトウェア４０
００は、オペレーティングシステム４１００、分散ファ
イル管理プログラム４２００およびジョブ管理プログラ
ム４５００から構成される。オペレーティングシステム
４１００は、計算機１０００が有する資源（メモリ３０
００、外部記憶装置２０００等）の管理等を行う。分散
ファイル管理プログラム４２００は、この計算機システ
ムのように複数の計算機がネットワークで接続された環
境下でのファイルの管理を計算機間で統一的に行うプロ
グラムである。この分散ファイル管理プログラム４２０
０としては、例えば、分散コンピューティング環境（Ｄ
ＣＥ）における分散ファイルサービス（ＤＦＳ）があ
る。ジョブ管理プログラム４５００は、計算機ユーザが
計算機１０００に実行させる仕事（ジョブ）を管理する
プログラムで、ジョブのスケジューリング、キューイン
グ、ジョブの実行状態のモニタリング等を行う。ジョブ
管理プログラム４５００には、ジョブ管理プログラムマ
スタ５０００およびジョブ管理プログラムエージェント
６０００の２種類がある。ある計算機上のジョブ管理プ
ログラム（ジョブ管理プログラムマスタ５０００）がそ
の配下の計算機のジョブ管理プログラム（ジョブ管理プ
ログラムエージェント６０００）を管理する。

【００２０】図４は、ジョブ管理プログラムマスタ５０
００およびジョブ管理プログラムエージェント６０００
が持つ主な情報を示す。ジョブ管理プログラムエージェ
ント６０００は、ジョブ管理情報Ａ４６００およびジョ
ブ実行情報Ａ４７００を持つ。ジョブ管理情報Ａ４６０
０は、当該計算機上で実行中（あるいは実行される予
定）のジョブの情報であり、当該計算機で実行されるジ
ョブのキューイング情報Ａ４６１０、当該計算機でのジ
ョブの実行状態（実行待ち、実行中、実行終了等）であ
るモニタリング情報Ａ４６２０等を含んでいる。ジョブ
実行情報Ａ４７００は、ＯＳ４１００等から収集した当
該計算機で実行中のジョブに関する実行情報が格納され
る。ジョブ管理プログラムマスタ５０００は、自身がジ
ョブ管理プログラムエージェントとして動作する場合に
使用するためのジョブ管理情報Ｍ４６０１、キューイン
グ情報Ｍ４６１１、モニタリング情報Ｍ４６２１および
ジョブ実行情報Ｍ４７０１を持つ。それに加えて、ジョ
ブ管理プログラムエージェント６０００から通知された
ジョブ管理情報Ａ４６００、ジョブ実行情報Ａ４７００
およびチェックポイント情報を格納するためのエージェ
ントジョブ管理情報格納部４８００、エージェントジョ
ブ実行情報格納部４８３０およびエージェントチェック
ポイント情報格納部４８４０を持つ。これらの格納部
（エージェントジョブ管理情報格納部４８００、エージ
ェントジョブ実行情報格納部４８３０、エージェントチ
ェックポイント情報格納部４８４０）は、それぞれジョ
ブ管理プログラムエージェント６０００単位に存在す
る。

【００２１】図５は、ジョブ管理プログラムマスタ５０
００の起動時の処理の概要を示すフローチャートであ
る。ジョブ管理プログラムマスタ５０００は、その起動
コマンドの入力を契機として起動される（ステップ５１
００）。次に、ジョブ実行計算機グループ定義ファイル
７０１０を読み込む（ステップ５１１０）。

【００２２】図６に、ジョブ実行計算機グループ定義フ
ァイル７０１０の内容を示す。各計算機のジョブ実行計
算機グループの定義は、計算機のホスト名とその計算機
が所属するジョブ実行計算機グループのグループ名の対
でなされる。図６では、ＨＯＳＴ１からＨＯＳＴ４のホ
スト名を持つ計算機がＧＲＯＵＰ１というジョブ実行計
算機グループに所属し、ＨＯＳＴ５およびＨＯＳＴ６の
ホスト名を持つ計算機がＧＲＯＵＰ２というジョブ実行
計算機グループに所属することを示している。

【００２３】図７は、ジョブ管理プログラムエージェン
ト６０００の起動時の処理の概要を示すフローチャート
である。ジョブ管理プログラムエージェント６０００
は、その起動コマンドの入力を契機として起動される
（ステップ６１００）。次に、ジョブ管理プログラムマ
スタ５０００に対してジョブ実行計算機グループ定義フ
ァイル７０１０の送信を要求する（ステップ６１１
０）。ジョブ管理プログラムマスタ５０００は、ジョブ
管理情報格納部４８００およびジョブ実行情報格納部４
８３０を作成し（ステップ６１１５）、ジョブ実行計算
機グループ定義ファイル７０１０をジョブ管理プログラ
ムエージェント６０００に送信する（ステップ６１２
０）。次に、ジョブ管理プログラムエージェント６００
０は、受信したジョブ実行計算機グループ定義ファイル
７０１０を自身のメモリ３０００（あるいは外部記憶装
置２０００）に格納する（ステップ６１３０）。

【００２４】図５および図７に示した処理により、定義
されたジョブ実行計算機グループを各ジョブ管理プログ
ラムエージェント６０００が認識できるようになる。た
だし、ジョブ管理プログラムマスタ５０００は、ジョブ
管理プログラムエージェント６０００よりも先に起動し
ておかねばならない。

【００２５】図８は、ジョブ管理プログラムエージェン
ト６０００の停止時の処理の概要を示すフローチャート
である。ジョブ管理プログラムエージェント６０００の
停止処理は、その停止コマンドの入力を契機として開始
される（ステップ６２００）。当該計算機上で実行中の
ジョブがあればそのジョブの実行を中断し、当該ジョブ
の実行情報をジョブ実行情報Ａ４７００に格納する（ス
テップ６２０５）。そして、ジョブ管理プログラムエー
ジェント６０００は、ジョブ管理情報Ａ４６００および
ジョブ実行情報Ａ４７００をジョブ管理プログラムマス
タ５０００に送信して、ジョブ管理プログラムエージェ
ント６０００の停止をジョブ管理プログラムマスタ５０
００に通知する（ステップ６２１０）。この際、ジョブ
管理プログラムエージェント６０００は、当該計算機の
ホスト名も一緒にジョブ管理プログラムマスタ５０００
に通知する。

【００２６】ジョブ管理プログラムマスタ５０００は、
受信したジョブ管理情報Ａ４６００およびジョブ実行情
報Ａ４７００をエージェントジョブ管理情報格納部４８
００およびエージェントジョブ実行情報格納部４８３０
に格納する（ステップ６２３５）。続いて、先に説明し
た図７におけるステップ６１３０において格納したジョ
ブ実行計算機グループ定義ファイル７０１０の情報を基
に、ジョブ管理プログラムエージェント６０００が停止
した計算機と同じジョブ実行計算機グループに所属する
計算機を１つ選択する（ステップ６２４０）。ジョブ管
理プログラムマスタ５０００は、ステップ６２４０で選
択された計算機上のジョブ管理プログラムエージェント
６０００に対して、エージェントジョブ管理情報格納部
４８００のジョブ管理情報およびエージェントジョブ実
行情報格納部４８３０のジョブ実行情報を送信する（ス
テップ６２６０）。

【００２７】ステップ６２４０で選択された計算機上の
ジョブ管理プログラムエージェント６０００は、受信し
たジョブ管理情報およびジョブ実行情報を自分のジョブ
管理情報Ａ４６００およびジョブ実行情報Ａ４７００に
マージする（ステップ６２７０）。そして、ステップ６
２４０で選択された計算機からジョブ管理プログラムエ
ージェント６０００が停止した計算機上のジョブのファ
イルを認識可能にする（ステップ６２８０）。ステップ
６２８０で行なわれる処理の方法としては、例えば、以
下の２つの方法が考えられる。

【００２８】まず、第１の方法として、ジョブ管理情報
４６００およびジョブ実行情報４７００より、分散ファ
イル管理プログラム４２００が提供するファイルのレプ
リカを作成する機能を利用して、ジョブ管理プログラム
エージェント６０００が停止した計算機上のジョブのフ
ァイルのレプリカを当該計算機上に作成する方法があ
る。また、第２の方法として、ステップ６２４０で選択
された計算機上のジョブ管理プログラムエージェント６
０００で、ジョブ管理情報４６００およびジョブ実行情
報４７００を参照し、ネットワークファイルシステムの
リモートマウント機能を利用して、ジョブ管理プログラ
ムエージェント６０００が停止した計算機上のジョブの
ファイルを、当該計算機にマウントする方法がある。

【００２９】このようにして、ジョブ管理プログラムエ
ージェント６０００を停止しようとする計算機上で実行
されていたジョブを、その計算機と同じジョブ実行計算
機グループに所属する計算機上で継続して実行すること
ができる。

【００３０】図９は、ジョブの実行がチェックポイント
に到達した時の処理の概要を示すフローチャートであ
る。ジョブ管理プログラムエージェント６０００は、ジ
ョブ管理プログラムエージェント６０００のジョブ実行
状態モニタ機能を利用して、ジョブがチェックポイント
に到達することを認識する（ステップ７１００）。チェ
ックポイントに到達したことが認識されると、ジョブ管
理情報Ａ４６００およびジョブ実行情報Ａ４７００をチ
ェックポイント情報としてジョブ管理プログラムマスタ
５０００に送信し、チェックポイントに到達したことを
通知する（ステップ７１１０）。ジョブ管理プログラム
マスタ５０００では、ジョブ管理プログラムエージェン
ト６０００から送られてきたチェックポイント情報をエ
ージェントチェックポイント情報格納部４８４０に格納
しておく（ステップ７１２０）。

【００３１】図１０は、ジョブの異常終了が発生した場
合の処理の概要を示すフローチャートである。ジョブ管
理プログラムエージェント６０００は、ジョブ管理情報
Ａ４６００のモニタ情報Ａ４６２０により、ジョブの異
常終了が発生したことを認識する（ステップ７２０
０）。そして、ジョブ管理プログラムマスタ５０００
に、当該計算機のホスト名と共にジョブの異常終了が発
生したことを通知する（ステップ７２１０）。ジョブ管
理プログラムマスタ５０００は、先に説明した図７にお
けるステップ６１３０において取得したジョブ実行計算
機グループ定義ファイル７０１０の情報を基に、ジョブ
の異常終了が発生した計算機と同じジョブ実行計算機グ
ループに所属する計算機を１つ選択する（ステップ７２
３０）。ジョブ管理プログラムマスタ５０００は、ステ
ップ７２３０で選択された計算機上のジョブ管理プログ
ラムエージェント６０００に対して、エージェントチェ
ックポイント情報格納部４８４０に格納された情報を送
信する（ステップ７２４０）。

【００３２】ステップ７２３０で選択された計算機上の
ジョブ管理プログラムエージェント６０００は、送られ
てきたエージェントチェックポイント情報を自分のジョ
ブ管理情報４６００およびジョブ実行情報４７００にマ
ージする（ステップ７２５０）。そして、ジョブの異常
終了が発生した計算機上のジョブのファイルを認識可能
にする（ステップ７２６０）。ステップ７２６０では、
先にジョブ管理プログラムエージェント停止時の処理に
おいて説明したステップ６２８０と同様の方法により、
ジョブを引き継ぐ計算機からジョブの異常終了が発生し
た計算機上のジョブのファイルを認識できるようにす
る。

【００３３】以上の処理により、ジョブの異常終了が発
生した計算機上のジョブを、この計算機と同じジョブ実
行計算機グループに所属する計算機上で再実行すること
ができるようになる。

【００３４】以上説明した実施例によれば、分散型計算
機システム内で、サービスの終了、あるいは、障害の発
生等により停止した計算機上で実行されていたジョブ
を、システム内の他の計算機で引き継いで実行すること
ができる。また、システム内の計算機をグループ分け
し、停止した計算機上のジョブを同じグループ内の計算
機で引き継ぐことにより、実行環境等に大きな変化を与
えることなく処理を引き継ぐことができる。

【００３５】

【発明の効果】以上説明したように、本発明によれば、
分散型システムにおいて、停止した計算機上のジョブを
システム内の他の計算機上で引き継いで実行することが
可能となり、計算機間でのジョブの継続実行およびチェ
ックポイントリスタートが可能となる。

【図面の簡単な説明】

【図１】本発明の計算機システムのジョブ管理方法を実
施する計算機システムのハードウェア構成図である。

【図２】計算機１０００の詳細構成を示すブロック図で
ある。

【図３】制御ソフトウェアの論理的な構成を示す構成図
である。

【図４】ジョブ管理プログラムマスタ５０００およびジ
ョブ管理プログラムエージェント６０００が持つ主な情
報を示す構成図である。

【図５】ジョブ管理プログラムマスタ５０００の起動時
の処理の概要を示すフローチャートである。

【図６】ジョブ実行計算機グループ定義ファイル７０１
０の内容を示すファイル構成図である。

【図７】ジョブ管理プログラムエージェント６０００の
起動時の処理の概要を示すフローチャートである。

【図８】ジョブ管理プログラムエージェント６０００の
停止時の処理の概要を示すフローチャートである。

【図９】ジョブの実行がチェックポイントに到達した時
の処理の概要を示すフローチャートである。

【図１０】ジョブの異常終了が発生した場合の処理の概
要を示すフローチャートである。

【符号の説明】

１０００：計算機、１１００：中央処理装置（ＣＰ
Ｕ）、２０００：外部記憶装置、２５００：Ｉ／Ｏアダ
プタ、３０００：メモリ、３５００：アプリケーション
プログラム（ＡＰ）、４０００：制御ソフトウエア、４
１００：オペレーティングシステム（ＯＳ）、４２０
０：分散ファイル管理プログラム、４５００：ジョブ管
理プログラム、４６００：ジョブ管理情報Ａ、４７０
０：ジョブ実行情報Ａ、４６０１：ジョブ管理情報Ｍ、
４７０１：ジョブ実行情報Ｍ、４８００：エージェント
ジョブ管理情報格納部、４８３０：エージェントジョブ
実行情報格納部、４８４０：エージェントチェックポイ
ント情報格納部、５０００：ジョブ管理プログラムマス
タ、６０００：ジョブ管理プログラムエージェント、７
０１０：ジョブ実行計算機グループ定義ファイル、８０
００：バス、９０００：ローカルエリアネットワーク
（ＬＡＮ）、９５００：ＬＡＮアダプタ、９６００：ワ
イドエリアネットワーク（ＷＡＮ）、９７００：ゲート
ウエイ。

フロントページの続き (72)発明者 大矢 雅章 神奈川県横浜市戸塚区戸塚町5030番地 株 式会社日立製作所ソフトウェア開発本部内

Claims (6)

【特許請求の範囲】
1. 【請求項１】複数の計算機がネットワークで相互に接続
   され、各計算機上ではそれぞれの計算機に実行させる仕
   事ジョブを管理するジョブ管理プログラムが走行し、該
   ジョブ管理プログラムの中の一部のジョブ管理プログラ
   ム（以下、ジョブ管理プログラムマスタと呼ぶ）がによ
   りその配下の計算機上のジョブ管理プログラム（以下、
   ジョブ管理プログラムエージェントと呼ぶ）における管
   理情報を管理する計算機システムのジョブ管理方法にお
   いて、 前記ジョブ管理プログラムマスタによりジョブを実行さ
   せる計算機をグループ化し、該グループ化に関する情報
   を前記ジョブ管理プログラムエージェントの各々に伝達
   するステップと、 前記ジョブ管理プログラムエージェントおよび前記ジョ
   ブ管理プログラムマスタを停止するステップと、 前記ジョブ管理プログラムエージェントが停止する場
   合、該停止するジョブ管理プログラムエージェントは、
   自分が停止することを前記ジョブ管理プログラムマスタ
   に通知し、自己が走行する計算機上で実行中のジョブの
   実行情報および自己が保持する前記ジョブ管理情報を前
   記ジョブ管理プログラムマスタに送信するステップと、 前記ジョブ管理プログラムマスタが、前記停止するジョ
   ブ管理プログラムエージェントが走行していた計算機と
   同じグループに属する他の計算機の中から、前記停止す
   るジョブ管理プログラムエージェントが走行していた計
   算機上で実行されていたジョブを実行させる計算機を選
   択し、前記停止するジョブ管理プログラムエージェント
   から受信した前記ジョブの実行情報およびジョブ管理情
   報を前記選択した計算機上のジョブ管理プログラムエー
   ジェントに送信するステップと、 前記選択した計算機上のジョブ管理プログラムエージェ
   ントにより、前記停止するジョブ管理プログラムエージ
   ェントが走行していた計算機上のジョブを実行するステ
   ップとを有することを特徴とする計算機システムのジョ
   ブ管理方法。
2. 【請求項２】請求項１に記載の計算機システムのジョブ
   管理方法において、前記停止するジョブ管理プログラム
   エージェントが走行していた計算機上で実行されていた
   ジョブを、ジョブ管理プログラムエージェントの停止し
   た計算機と同じグループに属する他の計算機上で実行す
   る前に、前記選択した計算機上のジョブ管理プログラム
   エージェントが、前記ジョブ管理プログラムエージェン
   トの停止した計算機上で動作していたジョブが使用して
   いたファイルのレプリカを、自分が走行する計算機上に
   作成するステップを有することを特徴とする計算機シス
   テムのジョブ管理方法。
3. 【請求項３】請求項１に記載の計算機システムのジョブ
   管理方法において、前記ジョブ管理プログラムエージェ
   ントの停止した計算機上で実行されていたジョブを、前
   記選択した計算機上で実行する前に、前記選択した計算
   機上のジョブ管理プログラムエージェントが、前記ジョ
   ブ管理プログラムエージェントの停止した計算機上のフ
   ァイルを、自分が走行する計算機から認識できるように
   するステップを有することを特徴とする計算機システム
   のジョブ管理方法。
4. 【請求項４】複数の計算機がネットワークで相互に接続
   され、各計算機上ではそれぞれの計算機に実行させるジ
   ョブを管理するジョブ管理プログラムが走行し、該ジョ
   ブ管理プログラムの中の一部のジョブ管理プログラム
   （以下、ジョブ管理プログラムマスタと呼ぶ）がにより
   その配下の計算機上のジョブ管理プログラム（以下、ジ
   ョブ管理プログラムエージェントと呼ぶ）における管理
   情報を管理する計算機システムのジョブ管理方法におい
   て、 前記ジョブ管理プログラムマスタが、ジョブを実行させ
   る計算機をグループ化し、該グループ化に関する情報を
   前記ジョブ管理プログラムエージェントの各々へ送信す
   るステップと、 前記ジョブ管理プログラムエージェントが、チェックポ
   イントにおいて、ジョブに関連する資源の状態の情報お
   よび自己が保持するジョブ管理情報（以下、チェックポ
   イント情報と呼ぶ）を前記ジョブ管理プログラムマスタ
   に送信するステップと、 前記ジョブ管理プログラムマスタが、前記ジョブ管理エ
   ージェントから送られてきた前記チェックポイント情報
   を格納するステップと、 ジョブの異常終了の発生時に、該異常終了の発生した計
   算機上で走行中のジョブ管理プログラムエージェント
   が、前記異常終了の発生を前記ジョブ管理プログラムマ
   スタに通知するステップと、 前記ジョブ管理プログラムマスタが、前記異常終了の発
   生した計算機と同じグループに属する他の計算機の中か
   ら当該ジョブを再実行する計算機を選択し、前記異常終
   了の発生した計算機のチェックポイント情報を前記選択
   した計算機上のジョブ管理プログラムエージェントに送
   信するステップと、 前記選択した計算機上のジョブ管理プログラムエージェ
   ントが、前記ジョブの異常終了が発生した計算機上のジ
   ョブを再実行するステップを有することを特徴とする計
   算機システムのジョブ管理方法。
5. 【請求項５】請求項４に記載の計算機システムのジョブ
   管理方法において、前記異常終了したジョブを、前記選
   択した計算機上で再実行する前に、前記選択した計算機
   上で動作するジョブ管理プログラムエージェントが、前
   記異常終了の発生した計算機上で動作していたジョブが
   使用していたファイルのレプリカを、前記選択した計算
   機上に作成するステップを有することを特徴とする計算
   機システムのジョブ管理方法。
6. 【請求項６】請求項４に記載の計算機システムのジョブ
   管理方法において、前記異常終了したジョブを、前記選
   択した計算機上で再実行する前に、前記選択した計算機
   上で動作するジョブ管理プログラムエージェントが、前
   記異常終了の発生した計算機上で前記異常終了したジョ
   ブが使用していたファイルを、前記選択された計算機か
   ら認識できるようにするステップを有することを特徴と
   する計算機システムのジョブ管理方法。