周期性ベースの傾向では、ビジネス要件に基づき、日、週、月のいずれかのタイミングで観察されたリソース使用率パターンが考慮されます。アプリケーションによって要求されるリソースやタイミングが異なるため、このタイプの分析は不可欠です。例えば、標準的なデータセンターでは一部の仮想マシンが日中に高いリソース要求を受け、その他の仮想マシンのリソース要求は夜間に高くなります。傾向分析は、所定のワークロード (仮想マシンおよび物理ホスト) と仮想マシンホストにおける最適な仮想マシンサイズ設定と仮想マシン配置推奨を作成するため、4週間から6週間の時系列CPUまたはメモリ使用率データを使用して実施します。
次の図では、10台の仮想マシンのうち5台で日中にピークリソース使用率が見られ、その他5台の仮想マシンではピークリソース使用率が夜間に見られます。SHOは、各仮想マシンのリソース使用率のこうした傾向を考慮し、使用率パターンに基づいて10台の仮想マシンのホスティングを最適化するために5台の物理ホストを推奨します。
履歴傾向分析とは別に、SHOは仮想マシン配置プランを定義するための最適化シナリオのユーザー定義制約を考慮します。制約には、ヘッドルームの指定、仮想マシンをTOGETHERとするかAPARTとするか、特定グループを排他的グループとして扱う必要があるか否かなどがあります。最適化分析のため、シナリオで選択されたすべての物理ホストは仮想マシンに変換されます。