CN113821339B - 一种用于idc数据中心机房的能耗监控方法与装置 - Google Patents

一种用于idc数据中心机房的能耗监控方法与装置 Download PDF

Info

Publication number
CN113821339B
CN113821339B CN202110960636.0A CN202110960636A CN113821339B CN 113821339 B CN113821339 B CN 113821339B CN 202110960636 A CN202110960636 A CN 202110960636A CN 113821339 B CN113821339 B CN 113821339B
Authority
CN
China
Prior art keywords
server
servers
energy consumption
mode
working mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110960636.0A
Other languages
English (en)
Other versions
CN113821339A (zh
Inventor
魏瑞
杨慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Clouddcs Co ltd
Original Assignee
Guangzhou Clouddcs Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Clouddcs Co ltd filed Critical Guangzhou Clouddcs Co ltd
Priority to CN202110960636.0A priority Critical patent/CN113821339B/zh
Publication of CN113821339A publication Critical patent/CN113821339A/zh
Application granted granted Critical
Publication of CN113821339B publication Critical patent/CN113821339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Power Sources (AREA)

Abstract

本发明公开了一种用于IDC数据中心机房的能耗监控方法，包括步骤获取服务器的历史负载和能耗信息，获取任务列表，进行任务分配并设置服务器工作模式，输出能耗报告。本发明实现了减少了服务器状态转换的次数从而节省了状态切换期间的能量消耗，通过设定一定数量的一直工作服务器，同时保障了业务可用性。

Description

一种用于IDC数据中心机房的能耗监控方法与装置
技术领域
本发明涉及能耗监控技术领域，具体涉及一种用于IDC数据中心机房的能耗监控方法与装置。
背景技术
随着信息化社会范围的逐步扩大，计算机行业的能源问题逐渐突显，根据工信部5月公布的《全国数据中心应用发展指引(2018)》数据显示，截至2017年底，我国在用数据中心的机架总规模为166万个，同比增长33.4％，其中大型、超大型数据中心的规模增速达到68％。
规模激增带来能耗的持续攀升。工信部2018年2月公布的数据显示，截至2017年底，各类在用数据中心达28.5万个，全年耗电量超过1200亿千瓦时，约占我国全社会用电量的2％，超过全球单座发电量最高的三峡电站当年976.05亿千瓦时的发电量。与此同时，仅经营互联网业务的数据中心，规划在建机架到2017年底就达107万个，“预计未来几年数据中心的规模及能耗仍将保持30％以上的高速增长”。与传统高耗能行业逐步进入平稳发展期不同，信息技术作为新兴产业，其用电量随着业务扩容而加速增长的趋势非常明显，而我国的数据中心总体能耗至少比国际先进水平差了30％以上，与国际顶尖同行的差距甚至超过40％，能耗问题已成为阻碍数据中心产业发展的主要矛盾。
信息技术行业的能耗主要由数据中心的服务器运行产生，功耗监控可以有效地降低服务器功耗，从而节约因为服务器发热导致的散热成本。
发明内容
本发明的目的在于提出一种用于IDC数据中心机房的能耗监控方法与系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为实现上述技术目的，本发明技术方案如下：
一种用于IDC数据中心机房的能耗监控方法，所述方法包括以下步骤：
步骤1，获取服务器的历史负载和能耗信息；
步骤2，获取任务列表；
步骤3，进行任务分配并设置服务器工作模式；
步骤4，输出能耗报告。
进一步地，步骤1中，获取服务器的历史负载和能耗信息的子步骤为：
步骤1.1，通过服务器管理终端获取服务器在系统当前时间前30天的设备信息，所述设备信息包括服务器的平均负载和平均能耗，对平均负载进行去量纲处理并取其数值，所述平均负载记录为集合L＝{L1，L2，……，Ln}，Lx为第x个服务器的平均负载，所述平均能耗记录为E＝{E1，E2，……，En},Ex为第x个服务器的平均能耗，n为服务器数量；
所述平均能耗为服务器在最近30天内的电能消耗量；
步骤1.2，获取每个服务器预设的业务优先级，记录为业务优先级集合P＝{P1，P2，P3，……，Pn}，Px为第x个服务器的业务优先级；
所述业务优先级为按照服务器最近30天的平均负载的大小从小到大排序，将排序后的序号作为预设的业务优先级；
步骤1.3，通过能耗管理终端获取各个服务器能耗信息并传输至服务器管理终端，建立业务量与能耗信息的关系LT(L0)，L0为服务器的即时负载；
步骤1.4，通过步骤1.3获得的平均负载与能耗的关系LT(L0)获得能耗与负载的最低点的负载值Le，所述平均负载和负载值的表示方式为百分比，所述负载的范围为[0％,100％]。
所述负载值为CPU 10分钟平均负载。
进一步地，步骤2中，获取任务列表的子步骤为：
获得任务列表J和所述任务列表的期望耗时Te。
例如，任务列表J为：处理一个三维图像数据的渲染任务，将导入的三维图像数据进行平均分割为多个相同大小的子三维图像数据，对每个三维图像数据的渲染作为一个处理任务M，将各个处理任务构成的序列作为任务列表J。
所述任务列表的期望耗时Te为，完成每个处理任务所需要的的平均时间。
进一步地，步骤3中，进行任务分配并设置服务器工作模式的子步骤为：
步骤3.1，设定一直在工作模式的服务器数量UAL，初始状态时在工作模式的服务器数量Ui，在低功耗模式的服务器数量为n-Ui，n为服务器数量；
其中，服务器的工作模式为：服务器的开始进行任务处理，服务器的CPU处于运行状态。
服务器的低功耗模式(或称为低功耗模式)为：服务器的CPU处于休眠状态，等待外部中断才转化为工作模式。
步骤3.2，刷新当前任务列表，计算当前工作模式服务器完成当前任务列表的时间T0，如果T0＞Te且T0-Te的值大于设定的延迟容忍值δ，跳转步骤3.3，如果T0＜Te且Te-T0的值小于第二阈值，跳转步骤3.4，否则等待第二时间间隔T2重新执行步骤3.2；
步骤3.3，如果当前在工作模式的服务器数量Ui小于服务器数量n，把x个处于低功耗模式的服务器切换到工作模式，如果当前在工作模式的服务器数量Ui和x的和大于等于服务器数量n，则x为Ui+x-n，否则x不变，把当前在工作模式的服务器数量Ui设置为Ui+x，经过设定的第一时间间隔T1跳转步骤3.2；
其中，把x个处于低功耗模式的服务器切换到工作模式的子步骤为，按照服务器的业务优先级集合P的数值获取x个服务器，具体为：
对业务优先级集合P中的元素按高到低排序，依次选择排序后的集合P里子元素对应的服务器，如果选定的服务器已经在工作模式，则选择排序后的集合P的下一个元素对应的服务器判定是否在工作模式，直到找到x个在低功耗模式的服务器，把所选的x个服务器切换到工作模式；
步骤3.4，等待第二时间间隔T2，监控任务列表是否有新的任务，如果有新的任务，计算当前在工作模式的服务器完成当前任务列表的时间T0和当前的任务列表的期望耗时Te的差，如果T0-Te的值大于设定的延迟容忍值δ，跳转步骤3.3，如果T0＞Te且Te-T0的值小于第二阈值，把y个处于工作模式的服务器切换到低功耗模式，把在工作模式的服务器数量Ui设的值设置为Ui-y，Ch-a的值设置为Ch-a-y，如果Ui-y的值小于一直在线的服务器数量UAL，则y的值为Ui-UAL，等待第一时间间隔T1，跳转步骤3.2；
其中，把y个处于工作模式的服务器切换到低功耗模式的子步骤为，按照服务器的业务优先级集合P的数值获取y个服务器，具体为：
对业务优先级集合P中的元素按低到高排序，依次选择排序后的集合P里子元素对应的服务器，如果选定的服务器已经在工作模式，则选择排序后的集合P的下一个元素对应的服务器判定是否在工作模式，直到找到y个在工作模式的服务器，把所选的y个服务器切换到低功耗模式。
在一个实施例中，服务器类型为HTTP服务器，服务器数量为1000，一直在工作模式的服务器数量UAL为64，初始状态时在工作模式的服务器数量Ui为132，延迟容忍值δ为100ms，x的取值为[10，50]，y的取值为[10，40]，第一时间间隔T1为10s，第二时间间隔T2为15s，第二阈值为200ms。
在一个实施例中，服务器类型为GPU服务器，服务器数量为200，一直在工作模式的服务器数量UAL为10，初始状态时在工作模式的服务器数量Ui为20，延迟容忍值δ为10s，x的取值为[2，5]，y的取值为[4，10]，第一时间间隔T1为120s，第二时间间隔T2为150s，第二阈值为5s。
在一个实施例中，服务器类型为归档服务器，服务器数量为500，一直在工作模式的服务器数量UAL为15，初始状态时在工作模式的服务器数量Ui为20，延迟容忍值δ为5s，x的取值为[6，20]，y的取值为[8，15]，第一时间间隔T1为10s，第二时间间隔T2为15s，第二阈值为5s。
优选地，x的值还可以通过以下子步骤确定：
x＝((T0-Te)/Te)×(|Lavg-Le|)×1.2×(n-Ui)；
式中，T0为当前工作模式服务器完成当前任务列表的时间T0，Te为当前的任务列表的期望耗时Te，|Lavg-Le|为当前工作模式服务器的平均负载和能耗与负载的最低点的负载值Le的差的绝对值，n为服务器数量，Ui为当前在工作模式的服务器数量。
优选地，y的值还可以通过以下子步骤确定：
y＝((Te-T0)/Te)×(|Lavg-Le|)×1.4×Ui；
式中，T0为当前工作模式服务器完成当前任务列表的时间T0，Te为当前的任务列表的期望耗时Te，|Lavg-Le|为当前工作模式服务器的平均负载和能耗与负载的最低点的负载值Le的差的绝对值，Ui为当前在工作模式的服务器数量。
进一步地，步骤4中，输出能耗报告的子步骤为：
步骤4.1，计算每个服务器的能耗减少值ERi：
ERi＝(Pia-Pih)×Tih-(Pia-h×Cia-h)-Pih-a×Cih-a，
式中，ERi为第i个服务器的能耗减少值，Pia：第i个服务器在工作模式的功耗，Pih：第i个服务器在低功耗模式的功耗，Tih：第i个服务器在低功耗模式的持续时间，Pia-h：第i个服务器在从工作模式切换到低功耗模式的功耗，Cia-h：第i个服务器从工作模式切换到低功耗模式切换次数，Pih-a：第i个服务器从低功耗模式切换到工作模式的功耗，Cih-a：第i个服务器从低功耗模式切换到工作模式切换次数；
步骤4.2，计算所有服务器的能耗减少值GEr：
Figure BDA0003222178810000041
式中，n为服务器数量，ERi为步骤4.1得到的第i个服务器的能耗减少值Eri；步骤4.3，获得所有服务器的总功耗GE，计算能耗减少的比率GEr％：GEr％＝(GEr/(GEr+GE))×100％，
式中，GEr％为所有服务器能耗减少的比率，范围为[0％，100％]，GEr为步骤4.2得到的所有服务器的能耗减少值GEr，GE为所有服务器的总功耗GE。
一种用于IDC数据中心机房的能耗监控系统，所述系统包括：
多个服务器，各个服务器直接通过网络与能耗管理终端、服务器分配终端、功耗检测模块连接；
服务器管理终端：用于批量管理服务器，分配任务，获取服务器状态包括服务器当前负载和当前所在模式；
能耗管理终端：用于获取能耗信息并传输至服务器管理终端；
服务器分配终端：用于分配任务到每个服务器；
功耗检测模块：用于监测所有服务器的功耗，并发送功耗数据到服务器管理终端。与现有技术相比，本发明具有以下有益的技术效果：
与传统的简单调控服务器方法相比，本发明通过引入改变服务器工作模式前的等待时间，减少了服务器状态转换的次数从而节省了状态切换期间的能量消耗，通过设定一定数量的一直工作服务器，同时保障了业务可用性。
附图说明
为了使本领域的技术人员更好地理解本发明的技术方案，下面通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1为本发明提供的一种用于IDC数据中心机房的能耗监控方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明进行进一步详尽说明。此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
同样应理解，以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体的工艺参数等也仅是合适范围内的一个示例，即本领域技术人员可以通过本文的说明做合适的范围内选择，而并非要限定于下文示例的具体数值。
以下示例性地说明本发明提供的一种用于IDC数据中心机房的能耗监控方法。如图1所示为一种用于IDC数据中心机房的能耗监控方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种用于IDC数据中心机房的能耗监控方法，所述方法包括以下步骤：
步骤1，获取服务器的历史负载和能耗信息；
步骤2，获取任务列表；
步骤3，进行任务分配并设置服务器工作模式；
步骤4，输出能耗报告。
进一步地，步骤1中，获取服务器的历史负载和能耗信息的子步骤为：
步骤1.1，通过服务器管理终端获取服务器在系统当前时间前30天的设备信息，所述设备信息包括服务器的平均负载和平均能耗，对平均负载进行去量纲处理并取其数值，所述平均负载记录为集合L＝{L1，L2，……，Ln}，Lx为第x个服务器的平均负载，所述平均能耗记录为E＝{E1，E2，……，En},Ex为第x个服务器的平均能耗，n为服务器数量；
所述平均能耗为服务器在最近30天内的电能消耗量；
步骤1.2，获取每个服务器预设的业务优先级，记录为业务优先级集合P＝{P1，P2，P3，……，Pn}，Px为第x个服务器的业务优先级；
所述业务优先级为按照服务器最近30天的平均负载的大小从小到大排序，将排序后的序号作为预设的业务优先级；
步骤1.3，通过能耗管理终端获取各个服务器能耗信息并传输至服务器管理终端，建立业务量与能耗信息的关系LT(L0)，L0为服务器的即时负载；
步骤1.4，通过步骤1.3获得的平均负载与能耗的关系LT(L0)获得能耗与负载的最低点的负载值Le，所述平均负载和负载值的表示方式为百分比，所述负载的范围为[0％,100％]。
所述负载值为CPU 10分钟平均负载。
进一步地，步骤2中，获取任务列表的子步骤为：
获得任务列表J和所述任务列表的期望耗时Te。
例如，任务列表J为：处理一个三维图像数据的渲染任务，将导入的三维图像数据进行平均分割为多个相同大小的子三维图像数据，对每个三维图像数据的渲染作为一个处理任务M，将各个处理任务构成的序列作为任务列表J。
所述任务列表的期望耗时Te为，完成每个处理任务所需要的的平均时间。
进一步地，步骤3中，进行任务分配并设置服务器工作模式的子步骤为：
步骤3.1，设定一直在工作模式的服务器数量UAL，初始状态时在工作模式的服务器数量Ui，在低功耗模式的服务器数量为n-Ui，n为服务器数量；
其中，服务器的工作模式为：服务器的开始进行任务处理，服务器的CPU处于运行状态。
服务器的低功耗模式(或称为低功耗模式)为：服务器的CPU处于休眠状态，等待外部中断才转化为工作模式。
步骤3.2，刷新当前任务列表，计算当前工作模式的服务器完成当前任务列表的时间T0，如果T0＞Te且T0-Te的值大于设定的延迟容忍值δ，跳转步骤3.3，如果T0＜Te且Te-T0的值小于第二阈值，跳转步骤3.4，否则等待第二时间间隔T2重新执行步骤3.2；
步骤3.3，如果当前在工作模式的服务器数量Ui小于服务器数量n，把x个处于低功耗模式的服务器切换到工作模式，如果当前在工作模式的服务器数量Ui和x的和大于等于服务器数量n，则x为Ui+x-n，否则x不变，把当前在工作模式的服务器数量Ui设置为Ui+x，经过设定的第一时间间隔T1跳转步骤3.2；其中，把x个处于低功耗模式的服务器切换到工作模式的子步骤为，按照服务器的业务优先级集合P的数值获取x个服务器，具体为：
对业务优先级集合P中的元素按高到低排序，依次选择排序后的集合P里子元素对应的服务器，如果选定的服务器已经在工作模式，则选择排序后的集合P的下一个元素对应的服务器判定是否在工作模式，直到找到x个在低功耗模式的服务器，把所选的x个服务器切换到工作模式；
步骤3.4，等待第二时间间隔T2，监控任务列表是否有新的任务，如果有新的任务，计算当前在工作模式的服务器完成当前任务列表的时间T0和当前的任务列表的期望耗时Te的差，如果T0-Te的值大于设定的延迟容忍值δ，跳转步骤3.3，如果T0＞Te且Te-T0的值小于第二阈值，把y个处于工作模式的服务器切换到低功耗模式，把在工作模式的服务器数量Ui设的值设置为Ui-y，Ch-a的值设置为Ch-a-y，如果Ui-y的值小于一直在线的服务器数量UAL，则y的值为Ui-UAL，等待第一时间间隔T1，跳转步骤3.2；
其中，把y个处于工作模式的服务器切换到低功耗模式的子步骤为，按照服务器的业务优先级集合P的数值获取y个服务器，具体为：
对业务优先级集合P中的元素按低到高排序，依次选择排序后的集合P里子元素对应的服务器，如果选定的服务器已经在工作模式，则选择排序后的集合P的下一个元素对应的服务器判定是否在工作模式，直到找到y个在工作模式的服务器，把所选的y个服务器切换到低功耗模式。
在一个实施例中，服务器类型为HTTP服务器，服务器数量为1000，一直在工作模式的服务器数量UAL为64，初始状态时在工作模式的服务器数量Ui为132，延迟容忍值δ为100ms，x的取值为[10，50]，y的取值为[10，40]，第一时间间隔T1为10s，第二时间间隔T2为15s，第二阈值为200ms。
在一个实施例中，服务器类型为GPU服务器，服务器数量为200，一直在工作模式的服务器数量UAL为10，初始状态时在工作模式的服务器数量Ui为20，延迟容忍值δ为10s，x的取值为[2，5]，y的取值为[4，10]，第一时间间隔T1为120s，第二时间间隔T2为150s，第二阈值为5s。
在一个实施例中，服务器类型为归档服务器，服务器数量为500，一直在工作模式的服务器数量UAL为15，初始状态时在工作模式的服务器数量Ui为20，延迟容忍值δ为5s，x的取值为[6，20]，y的取值为[8，15]，第一时间间隔T1为10s，第二时间间隔T2为15s，第二阈值为5s。
优选地，x的值还可以通过以下子步骤确定：
x＝((T0-Te)/Te)×(|Lavg-Le|)×1.2×(n-Ui)；
式中，T0为当前工作模式服务器完成当前任务列表的时间T0，Te为当前的任务列表的期望耗时Te，|Lavg-Le|为当前工作模式服务器的平均负载和能耗与负载的最低点的负载值Le的差的绝对值，n为服务器数量，Ui为当前在工作模式的服务器数量。
优选地，y的值还可以通过以下子步骤确定：
y＝((Te-T0)/Te)×(|Lavg-Le|)×1.4×Ui；
式中，T0为当前工作模式服务器完成当前任务列表的时间T0，Te为当前的任务列表的期望耗时Te，|Lavg-Le|为当前工作模式服务器的平均负载和能耗与负载的最低点的负载值Le的差的绝对值，Ui为当前在工作模式的服务器数量。进一步地，步骤4中，输出能耗报告的子步骤为：
步骤4.1，计算每个服务器的能耗减少值ERi：
ERi＝(Pia-Pih)×Tih-(Pia-h×Cia-h)-Pih-a×Cih-a，
式中，ERi为第i个服务器的能耗减少值，Pia：第i个服务器在工作模式的功耗，Pih：第i个服务器在低功耗模式的功耗，Tih：第i个服务器在低功耗模式的持续时间，Pia-h：第i个服务器在从工作模式切换到低功耗模式的功耗，Cia-h：第i个服务器从工作模式切换到低功耗模式切换次数，Pih-a：第i个服务器从低功耗模式切换到工作模式的功耗，Cih-a：第i个服务器从低功耗模式切换到工作模式切换次数；
步骤4.2，计算所有服务器的能耗减少值GEr：
Figure BDA0003222178810000071
式中，n为服务器数量，ERi为步骤4.1得到的第i个服务器的能耗减少值Eri；步骤4.3，获得所有服务器的总功耗GE，计算能耗减少的比率GEr％：GEr％＝(GEr/(GEr+GE))×100％，
式中，GEr％为所有服务器能耗减少的比率，范围为[0％，100％]，GEr为步骤4.2得到的所有服务器的能耗减少值GEr，GE为所有服务器的总功耗GE。
一种用于IDC数据中心机房的能耗监控系统，所述系统包括：
多个服务器，各个服务器直接通过网络与能耗管理终端、服务器分配终端、功耗检测模块连接；
服务器管理终端：用于批量管理服务器，分配任务，获取服务器状态包括服务器当前负载和当前所在模式；
能耗管理终端：用于获取能耗信息并传输至服务器管理终端；
服务器分配终端：用于分配任务到每个服务器；
功耗检测模块：用于监测所有服务器的功耗，并发送功耗数据到服务器管理终端。所述基于一种用于IDC数据中心机房的能耗监控系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种用于IDC数据中心机房的能耗监控系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种用于IDC数据中心机房的能耗监控系统的示例，并不构成对一种用于IDC数据中心机房的能耗监控系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种用于IDC数据中心机房的能耗监控系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种用于IDC数据中心机房的能耗监控系统运行系统的控制中心，利用各种接口和线路连接整个一种用于IDC数据中心机房的能耗监控系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种用于IDC数据中心机房的能耗监控系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种用于IDC数据中心机房的能耗监控方法，其特征在于，所述方法包括以下步骤：
步骤1，获取服务器的历史负载和能耗信息；
步骤2，获取任务列表；
步骤3，进行任务分配并设置服务器工作模式；
步骤4，输出能耗报告；
其中，步骤3中，进行任务分配并设置服务器工作模式的子步骤为：
步骤3.1，设定一直在工作模式的服务器数量UAL，初始状态时在工作模式的服务器数量Ui，在低功耗模式的服务器数量为n-Ui，n为服务器数量；
步骤3.2，刷新当前任务列表，计算当前工作模式服务器完成当前任务列表的时间T0，如果T0＞Te且T0-Te的值大于设定的延迟容忍值δ，跳转步骤3.3，如果T0＜Te且Te-T0的值小于第二阈值，跳转步骤3.4，否则等待第二时间间隔T2重新执行步骤3.2；
其中，Te为任务列表的期望耗时；
步骤3.3，如果当前在工作模式的服务器数量Ui小于服务器数量n，把x个处于低功耗模式的服务器切换到工作模式，如果当前在工作模式的服务器数量Ui和x的和大于等于服务器数量n，则x为Ui+x-n，否则x不变，把当前在工作模式的服务器数量Ui设置为Ui+x，经过设定的第一时间间隔T1跳转步骤3.2；
其中，把x个处于低功耗模式的服务器切换到工作模式的子步骤为，按照服务器的业务优先级集合P的数值获取x个服务器，具体为：
对业务优先级集合P中的元素按高到低排序，依次选择排序后的集合P里子元素对应的服务器，如果选定的服务器已经在工作模式，则选择排序后的集合P的下一个元素对应的服务器判定是否在工作模式，直到找到x个在低功耗模式的服务器，把所选的x个服务器切换到工作模式；
步骤3.4，等待第二时间间隔T2，监控任务列表是否有新的任务，如果有新的任务，计算当前在工作模式的服务器完成当前任务列表的时间T0和当前的任务列表的期望耗时Te的差，如果T0-Te的值大于设定的延迟容忍值δ，跳转步骤3.3，如果T0＞Te且Te-T0的值小于第二阈值，把y个处于工作模式的服务器切换到低功耗模式，把在工作模式的服务器数量Ui设的值设置为Ui-y，Ch-a的值设置为Ch-a-y，如果Ui-y的值小于一直在线的服务器数量UAL，则y的值为Ui-UAL，等待第一时间间隔T1，跳转步骤3.2;
其中，把y个处于工作模式的服务器切换到低功耗模式的子步骤为，按照服务器的业务优先级集合P的数值获取y个服务器，具体为：
对业务优先级集合P中的元素按低到高排序，依次选择排序后的集合P里子元素对应的服务器，如果选定的服务器已经在工作模式，则选择排序后的集合P的下一个元素对应的服务器判定是否在工作模式，直到找到y个在工作模式的服务器，把所选的y个服务器切换到低功耗模式。
2.根据权利要求1所述的一种用于IDC数据中心机房的能耗监控方法，其特征在于，步骤1中，获取服务器的历史负载和能耗信息的子步骤为：
步骤1.1，通过服务器管理终端获取服务器在系统当前时间前30天内的设备信息，所述设备信息包括服务器的平均负载和平均能耗，对平均负载进行去量纲处理并取其数值，所述平均负载记录为集合L={L1，L2，……，Ln}，Lx为第x个服务器的平均负载，所述平均能耗记录为E={E1，E2，……，En},Ex为第x个服务器的平均能耗，n为服务器数量；
所述平均能耗为服务器在最近30天内的电能消耗量；
步骤1.2，获取每个服务器预设的业务优先级，记录为业务优先级集合P={P1，P2，P3，……，Pn}，Px为第x个服务器的业务优先级；
步骤1.3，通过能耗管理终端获取各个服务器能耗信息并传输至服务器管理终端，建立业务量与能耗信息的关系LT（L0），L0为服务器的即时负载；
步骤1.4，通过步骤1.3获得的平均负载与能耗的关系LT（L0）获得能耗与负载的最低点的负载值Le，所述平均负载和负载值的表示方式为百分比，所述负载的范围为[0%,100%]；所述负载值为CPU 10分钟平均负载。
3.根据权利要求1所述的一种用于IDC数据中心机房的能耗监控方法，其特征在于，步骤2中，获取任务列表的子步骤为：
获得任务列表J和所述任务列表的期望耗时Te。
4.根据权利要求1所述的一种用于IDC数据中心机房的能耗监控方法，其特征在于，步骤4中，输出能耗报告的子步骤为：
步骤4.1，计算每个服务器的能耗减少值ERi：
ERi=（Pia-Pih）×Tih-（Pia-h×Cia-h）-Pih-a×Cih-a，
式中，ERi为第i个服务器的能耗减少值，Pia：第i个服务器在工作模式的功耗，Pih：第i个服务器在低功耗模式的功耗，Tih：第i个服务器在低功耗模式的持续时间，Pia-h：第i个服务器在从工作模式切换到低功耗模式的功耗，Cia-h：第i个服务器从工作模式切换到低功耗模式切换次数，Pih-a：第i个服务器从低功耗模式切换到工作模式的功耗，Cih-a：第i个服务器从低功耗模式切换到工作模式切换次数；
步骤4.2，计算所有服务器的能耗减少值GEr：
Figure 161755DEST_PATH_IMAGE002
，
式中，n为服务器数量，ERi为步骤4.1得到的第i个服务器的能耗减少值Eri；
步骤4.3，获得所有服务器的总功耗GE，计算能耗减少的比率GEr%：
GEr%=(GEr/(GEr+GE))×100%，
式中，GEr%为所有服务器能耗减少的比率，范围为[0%，100%]，GEr为步骤4.2得到的所有服务器的能耗减少值GEr，GE为所有服务器的总功耗GE。
CN202110960636.0A 2021-08-20 2021-08-20 一种用于idc数据中心机房的能耗监控方法与装置 Active CN113821339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110960636.0A CN113821339B (zh) 2021-08-20 2021-08-20 一种用于idc数据中心机房的能耗监控方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110960636.0A CN113821339B (zh) 2021-08-20 2021-08-20 一种用于idc数据中心机房的能耗监控方法与装置

Publications (2)

Publication Number Publication Date
CN113821339A CN113821339A (zh) 2021-12-21
CN113821339B true CN113821339B (zh) 2022-11-08

Family

ID=78922965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110960636.0A Active CN113821339B (zh) 2021-08-20 2021-08-20 一种用于idc数据中心机房的能耗监控方法与装置

Country Status (1)

Country Link
CN (1) CN113821339B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114780332A (zh) * 2022-03-25 2022-07-22 利德世普科技有限公司 一种用于idc数据中心机房的能耗监控方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927231A (zh) * 2014-03-31 2014-07-16 华中科技大学 一种面向数据处理的能耗优化数据集分配方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063327B (zh) * 2010-12-15 2013-07-24 中国科学院深圳先进技术研究院 具有功耗意识的数据中心应用服务调度方法
US8937822B2 (en) * 2011-05-08 2015-01-20 Paul Wilkinson Dent Solar energy conversion and utilization system
CN109739332B (zh) * 2019-01-25 2022-05-03 华侨大学 一种多任务通用能耗优化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927231A (zh) * 2014-03-31 2014-07-16 华中科技大学 一种面向数据处理的能耗优化数据集分配方法

Also Published As

Publication number Publication date
CN113821339A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
CN105190555B (zh) 集中式任务调度
CN105893148B (zh) 一种基于rm策略的偶发任务低能耗调度方法
CN103037109B (zh) 多核设备能耗管理方法及装置
CN113821339B (zh) 一种用于idc数据中心机房的能耗监控方法与装置
WO2018072443A1 (zh) 一种充电方法、设备及存储介质
CN111245732B (zh) 一种流量控制方法、装置及设备
CN105847385B (zh) 一种基于运行时长的云计算平台虚拟机调度方法
CN109039342B (zh) 一种出力数据的压缩方法、系统和解压缩方法、系统
WO2022135440A1 (zh) Llc谐振电路的控制方法、控制装置及终端设备
CN105450784B (zh) 向mq中的消息分配消费节点的装置及方法
CN109800261A (zh) 双数据库连接池的动态控制方法、装置及相关设备
CN108415766B (zh) 一种渲染任务动态调度方法
CN108549296B (zh) 一种工业机器人工作饱和自动控制方法及其装置
CN105100505B (zh) 一种为终端应用分配电池电量的方法和系统
CN103902324A (zh) 系统启动方法和电子设备
CN115373860B (zh) Gpu任务的调度方法、装置、设备和存储介质
CN101753607B (zh) 一种服务器的工作装置及方法
CN110689175A (zh) 混沌多重宇宙的分布式绿色云数据中心能耗优化方法
CN113922411A (zh) 一种分布式光伏消纳能力的确定方法及装置
CN108767883A (zh) 一种需求侧的响应处理方法
CN107193362B (zh) 一种增强云计算环境节能装置
CN112398172A (zh) 一种源网荷协调运行控制方法及相关装置
CN111143055A (zh) 虚拟云主机预分配方法、装置、可读存储介质与电子设备
CN117040029B (zh) 配电网电力调度方法、装置、计算机设备和存储介质
CN111211615A (zh) 一种大型数据中心中压智能负载控制方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant