一種數(shù)據(jù)中心節(jié)能方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種數(shù)據(jù)中心節(jié)能方法和裝置，包括：預(yù)先采用反向傳播BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略；獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。通過本發(fā)明方法，能夠改善數(shù)據(jù)中心的節(jié)能效果，從而降低云計(jì)算操作系統(tǒng)整體的功耗。
【專利說明】一種數(shù)據(jù)中心節(jié)能方法和裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及云節(jié)能【技術(shù)領(lǐng)域】，尤指一種基于云計(jì)算操作系統(tǒng)的數(shù)據(jù)中心節(jié)能方法和裝置。

【背景技術(shù)】
[0002]云計(jì)算逐漸被行業(yè)認(rèn)可，云數(shù)據(jù)中心操作系統(tǒng)逐漸實(shí)現(xiàn)并付諸于實(shí)踐，在社會生產(chǎn)和生活領(lǐng)域中起到越來越重要的作用?；谠朴?jì)算操作系統(tǒng)構(gòu)建的大規(guī)模數(shù)據(jù)中心中設(shè)備數(shù)量龐大，監(jiān)控管理過程復(fù)雜，如何有效的實(shí)現(xiàn)云數(shù)據(jù)中心的高效節(jié)能是一個(gè)值得研宄的問題。
[0003]目前，大多數(shù)數(shù)據(jù)中心節(jié)能策略基于溫度觸發(fā)或是功率觸發(fā)進(jìn)行設(shè)置，例如，節(jié)能策略設(shè)置當(dāng)CPU溫度達(dá)到50度時(shí)，通過智能平臺管理接口(IPMI，Intelligent PlatformManagement Interface)控制觸發(fā)服務(wù)器進(jìn)行降頻或關(guān)機(jī)操作，主機(jī)功率設(shè)置也是類似。
[0004]但是，僅僅考慮溫度觸發(fā)或是功率觸發(fā)的節(jié)能策略并不能反映數(shù)據(jù)中心的實(shí)時(shí)負(fù)載信息，比如CPU、內(nèi)存、網(wǎng)絡(luò)帶寬、磁盤1等都沒有進(jìn)行綜合分析與考慮，從而導(dǎo)致數(shù)據(jù)中心節(jié)能效果不理想，云計(jì)算操作系統(tǒng)整體功耗偏高等問題。


【發(fā)明內(nèi)容】

[0005]為了解決上述技術(shù)問題，本發(fā)明提供了一種數(shù)據(jù)中心節(jié)能方法和裝置，能夠改善數(shù)據(jù)中心的節(jié)能效果，從而降低云計(jì)算操作系統(tǒng)整體的功耗。
[0006]為了達(dá)到本發(fā)明目的，本發(fā)明提供了一種數(shù)據(jù)中心節(jié)能方法，包括:預(yù)先采用反向傳播BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略；獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。
[0007]所述對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括:采用模擬退火SA算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0008]所述設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略包括:設(shè)置第一負(fù)載閾值、第二負(fù)載閾值和第三負(fù)載閾值，并相應(yīng)的設(shè)置高負(fù)載節(jié)能策略、中負(fù)載節(jié)能策略和低負(fù)載節(jié)能策略；其中，高負(fù)載節(jié)能策略為負(fù)載超過第一負(fù)載閾值時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；中負(fù)載節(jié)能策略為負(fù)載在第一負(fù)載閾值和第二負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；低負(fù)載節(jié)能策略為負(fù)載第二負(fù)載閾值和第三負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；其中，降負(fù)載操作包括業(yè)務(wù)迀移、和/或服務(wù)器降頻，和/或開關(guān)機(jī)。
[0009]所述獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解包括:獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)，將獲取的負(fù)載數(shù)據(jù)作為SA算法的輸入，得到負(fù)載數(shù)據(jù)的近似最優(yōu)解。
[0010]所述負(fù)載數(shù)據(jù)為四維輸入向量P:P = {c，m，S，η}，其中，C表示CPU負(fù)載比例，m表示內(nèi)存負(fù)載比例，S表示磁盤1負(fù)載比例，η表示網(wǎng)絡(luò)帶寬負(fù)載比例。
[0011]本發(fā)明還提供了一種數(shù)據(jù)中心節(jié)能裝置，包括:ΒΡ神經(jīng)網(wǎng)絡(luò)設(shè)置模塊，用于采用反向傳播BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心；ΒΡ神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用于對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；節(jié)能策略設(shè)置模塊，用于設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略；節(jié)能策略實(shí)施模塊，用于獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。
[0012]所述BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，具體用于采用模擬退火SA算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0013]所述節(jié)能策略設(shè)置模塊，具體用于設(shè)置第一負(fù)載閾值、第二負(fù)載閾值和第三負(fù)載閾值，并相應(yīng)的設(shè)置高負(fù)載節(jié)能策略、中負(fù)載節(jié)能策略和低負(fù)載節(jié)能策略；其中，高負(fù)載節(jié)能策略為負(fù)載超過第一負(fù)載閾值時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；中負(fù)載節(jié)能策略為負(fù)載在第一負(fù)載閾值和第二負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；低負(fù)載節(jié)能策略為負(fù)載第二負(fù)載閾值和第三負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；其中，降負(fù)載操作包括業(yè)務(wù)迀移、和/或服務(wù)器降頻，和/或開關(guān)機(jī)。
[0014]所述節(jié)能策略實(shí)施模塊，具體用于獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)，將獲取的負(fù)載數(shù)據(jù)作為SA算法的輸入，得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。
[0015]所述負(fù)載數(shù)據(jù)為四維輸入向量P:P = {c，m，s，η}，其中，c表示CPU負(fù)載比例，m表示內(nèi)存負(fù)載比例，s表示磁盤1負(fù)載比例，η表示網(wǎng)絡(luò)帶寬負(fù)載比例。
[0016]與現(xiàn)有技術(shù)相比，本發(fā)明包括預(yù)先采用反向傳播BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略；獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。通過本發(fā)明方法，采用BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并根據(jù)包括CPU、內(nèi)存、磁盤和網(wǎng)絡(luò)帶寬負(fù)載比例的負(fù)載數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而得到了數(shù)據(jù)中心負(fù)載的近似最優(yōu)解，且經(jīng)過不斷訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)提高了獲得最優(yōu)解的收斂速度。在后續(xù)獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)時(shí)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到該負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)該近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定該數(shù)據(jù)中心的節(jié)能策略，并根據(jù)節(jié)能策略高效地調(diào)整功耗，從而改善了數(shù)據(jù)中心的節(jié)能效果，達(dá)到了降低云計(jì)算操作系統(tǒng)整體的功耗的目的。
[0017]本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。

【專利附圖】

【附圖說明】
[0018]附圖用來提供對本發(fā)明技術(shù)方案的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本申請的實(shí)施例一起用于解釋本發(fā)明的技術(shù)方案，并不構(gòu)成對本發(fā)明技術(shù)方案的限制。
[0019]圖1是本發(fā)明數(shù)據(jù)中心節(jié)能方法的流程示意圖。
[0020]圖2是本發(fā)明BP神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)示意圖。
[0021]圖3是本發(fā)明數(shù)據(jù)中心節(jié)能裝置的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】
[0022]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下文中將結(jié)合附圖對本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說明。需要說明的是，在不沖突的情況下，本申請中的實(shí)施例及實(shí)施例中的特征可以相互任意組合。
[0023]在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行。并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。
[0024]圖1是本發(fā)明數(shù)據(jù)中心節(jié)能方法的流程示意圖。如圖1所示，包括:
[0025]步驟11，預(yù)先采用反向傳播(BP，Back Propagat1n)神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心。
[0026]在本步驟中，云計(jì)算操作系統(tǒng)中的數(shù)據(jù)中心采用BP神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。
[0027]如圖2所示，BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)包括輸入層(input)、隱層(hidden layer)和輸出層(output layer)。在本發(fā)明的具體實(shí)施例中，輸入層包括4個(gè)神經(jīng)元，隱層包括4個(gè)神經(jīng)元，輸出層包括I個(gè)神經(jīng)元。在其他的實(shí)施方式中，神經(jīng)元可以設(shè)定為其他個(gè)數(shù)，在此不限制。
[0028]步驟12，預(yù)先對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0029]在本步驟中，數(shù)據(jù)中心基于預(yù)先獲取的大規(guī)模的數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，采用模擬退火(SA，Simulate Anneal)算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0030]每一個(gè)負(fù)載數(shù)據(jù)為四維輸入向量P:
[0031]P = {c, m，s，η}，
[0032]其中，c表示CPU負(fù)載比例，m表示內(nèi)存負(fù)載比例，s表示磁盤1負(fù)載比例，η表示網(wǎng)絡(luò)帶寬負(fù)載比例。在其他的實(shí)施方式中，負(fù)載數(shù)據(jù)可以設(shè)定為其他維度輸入向量，在此不限制。
[0033]SA算法從一較高負(fù)載數(shù)據(jù)作為初始輸入，對當(dāng)前負(fù)載數(shù)據(jù)重復(fù)“產(chǎn)生新解一計(jì)算目標(biāo)函數(shù)差一接受或舍棄”的迭代，結(jié)合概率突跳特性在解空間中尋找負(fù)載近似最優(yōu)解。經(jīng)過不斷訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)能夠提高獲得最優(yōu)解的收斂速度。
[0034]具體如何利用SA算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練屬于本領(lǐng)域技術(shù)人員的慣用技術(shù)手段，其具體實(shí)現(xiàn)并不用于限定本發(fā)明的保護(hù)范圍，這里不再贅述。
[0035]步驟13，預(yù)先設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略。
[0036]在本步驟中，至少設(shè)置一個(gè)負(fù)載閾值。如果負(fù)載高于負(fù)載閾值，則需要對數(shù)據(jù)中心進(jìn)行降負(fù)載操作；如果負(fù)載低于負(fù)載閾值，則不需要對數(shù)據(jù)中心進(jìn)行降負(fù)載操作。
[0037]在本發(fā)明的具體實(shí)施例中，設(shè)置第一負(fù)載閾值、第二負(fù)載閾值和第三負(fù)載閾值，并相應(yīng)的設(shè)置三種節(jié)能策略，分別為高負(fù)載節(jié)能策略、中負(fù)載節(jié)能策略和低負(fù)載節(jié)能策略，其中高負(fù)載節(jié)能策略為負(fù)載超過第一負(fù)載閾值時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；中負(fù)載節(jié)能策略為負(fù)載在第一負(fù)載閾值和第二負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；低負(fù)載節(jié)能策略為負(fù)載在第二負(fù)載閾值和第三負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作。如果負(fù)載低于第三負(fù)載閾值，則不需要進(jìn)行降負(fù)載操作。在其他的實(shí)施方式中，可以設(shè)定為其他負(fù)載閾值和節(jié)能策略，在此不限制。
[0038]降負(fù)載操作包括業(yè)務(wù)迀移、和/或服務(wù)器降頻，和/或開關(guān)機(jī)等操作。高負(fù)載節(jié)能策略、中負(fù)載節(jié)能策略和低負(fù)載節(jié)能策略因?yàn)榭梢猿惺艿呢?fù)載不同，所以觸發(fā)進(jìn)行的降負(fù)載操作不相同。
[0039]步驟14，獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到該負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)該近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定該數(shù)據(jù)中心的節(jié)能策略，并根據(jù)確定的節(jié)能策略對該數(shù)據(jù)中心進(jìn)行降負(fù)載操作。
[0040]在本步驟中，獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)，將獲取的數(shù)據(jù)中心的負(fù)載數(shù)據(jù)作為SA算法的輸入，得到該負(fù)載的近似最優(yōu)解；根據(jù)該負(fù)載的近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定該負(fù)載時(shí)數(shù)據(jù)中心的節(jié)能策略，并根據(jù)確定的節(jié)能策略對該數(shù)據(jù)中心進(jìn)行降負(fù)載操作。
[0041]本發(fā)明中，采用BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并根據(jù)包括CPU、內(nèi)存、磁盤和網(wǎng)絡(luò)帶寬負(fù)載比例的負(fù)載數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而得到了數(shù)據(jù)中心負(fù)載的近似最優(yōu)解，且經(jīng)過不斷訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)提高了獲得最優(yōu)解的收斂速度。在后續(xù)獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)時(shí)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到該負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)該近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定該數(shù)據(jù)中心的節(jié)能策略，并根據(jù)節(jié)能策略高效地調(diào)整功耗，從而改善了數(shù)據(jù)中心的節(jié)能效果，達(dá)到了降低云計(jì)算操作系統(tǒng)整體的功耗的目的。
[0042]圖3是本發(fā)明數(shù)據(jù)中心節(jié)能裝置的結(jié)構(gòu)示意圖。如圖3所示，至少包括:
[0043]BP神經(jīng)網(wǎng)絡(luò)設(shè)置模塊，用于采用BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心。
[0044]BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用于對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0045]具體地，基于預(yù)先獲取的大規(guī)模的數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，采用SA算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0046]節(jié)能策略設(shè)置模塊，用于設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略。
[0047]節(jié)能策略實(shí)施模塊，用于獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到該負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)該近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定該數(shù)據(jù)中心的節(jié)能策略，并根據(jù)確定的節(jié)能策略對該數(shù)據(jù)中心進(jìn)行降負(fù)載操作。
[0048]本發(fā)明的數(shù)據(jù)中心節(jié)能裝置和對應(yīng)數(shù)據(jù)中心節(jié)能方法，因此，數(shù)據(jù)中心節(jié)能裝置具體的實(shí)現(xiàn)細(xì)節(jié)可參看數(shù)據(jù)中心節(jié)能方法，在此不贅述。
[0049]本發(fā)明中，采用BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并根據(jù)包括CPU、內(nèi)存、磁盤和網(wǎng)絡(luò)帶寬負(fù)載比例的負(fù)載數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而得到了數(shù)據(jù)中心負(fù)載的近似最優(yōu)解，且經(jīng)過不斷訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)提高了獲得最優(yōu)解的收斂速度。在后續(xù)獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)時(shí)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到該負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)該近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定該數(shù)據(jù)中心的節(jié)能策略，并根據(jù)節(jié)能策略高效地調(diào)整功耗，從而改善了數(shù)據(jù)中心的節(jié)能效果，達(dá)到了降低云計(jì)算操作系統(tǒng)整體的功耗的目的。
[0050]雖然本發(fā)明所揭露的實(shí)施方式如上，但所述的內(nèi)容僅為便于理解本發(fā)明而采用的實(shí)施方式，并非用以限定本發(fā)明。任何本發(fā)明所屬領(lǐng)域內(nèi)的技術(shù)人員，在不脫離本發(fā)明所揭露的精神和范圍的前提下，可以在實(shí)施的形式及細(xì)節(jié)上進(jìn)行任何的修改與變化，但本發(fā)明的專利保護(hù)范圍，仍須以所附的權(quán)利要求書所界定的范圍為準(zhǔn)。
【權(quán)利要求】
1.一種數(shù)據(jù)中心節(jié)能方法，其特征在于，包括:預(yù)先采用反向傳播BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心，并對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略； 獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。
2.根據(jù)權(quán)利要求1所述的節(jié)能方法，其特征在于，所述對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括: 采用模擬退火SA算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
3.根據(jù)權(quán)利要求1所述的節(jié)能方法，其特征在于，所述設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略包括: 設(shè)置第一負(fù)載閾值、第二負(fù)載閾值和第三負(fù)載閾值，并相應(yīng)的設(shè)置高負(fù)載節(jié)能策略、中負(fù)載節(jié)能策略和低負(fù)載節(jié)能策略；其中， 高負(fù)載節(jié)能策略為負(fù)載超過第一負(fù)載閾值時(shí)，觸發(fā)進(jìn)行降負(fù)載操作； 中負(fù)載節(jié)能策略為負(fù)載在第一負(fù)載閾值和第二負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作； 低負(fù)載節(jié)能策略為負(fù)載第二負(fù)載閾值和第三負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作； 其中，降負(fù)載操作包括業(yè)務(wù)迀移、和/或服務(wù)器降頻，和/或開關(guān)機(jī)。
4.根據(jù)權(quán)利要求1?3中任一項(xiàng)所述的節(jié)能方法，其特征在于，所述獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解包括: 獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)，將獲取的負(fù)載數(shù)據(jù)作為SA算法的輸入，得到負(fù)載數(shù)據(jù)的近似最優(yōu)解。
5.根據(jù)權(quán)利要求4所述的節(jié)能方法，其特征在于，所述負(fù)載數(shù)據(jù)為四維輸入向量P: P = {c，m，s，η}， 其中，c表示CPU負(fù)載比例，m表示內(nèi)存負(fù)載比例，s表示磁盤1負(fù)載比例，η表示網(wǎng)絡(luò)帶寬負(fù)載比例。
6.一種數(shù)據(jù)中心節(jié)能裝置，其特征在于，包括: BP神經(jīng)網(wǎng)絡(luò)設(shè)置模塊，用于采用反向傳播BP神經(jīng)網(wǎng)絡(luò)設(shè)置數(shù)據(jù)中心； BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，用于對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練； 節(jié)能策略設(shè)置模塊，用于設(shè)置負(fù)載閾值，并根據(jù)負(fù)載閾值設(shè)置節(jié)能策略； 節(jié)能策略實(shí)施模塊，用于獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。
7.根據(jù)權(quán)利要求6所述的節(jié)能裝置，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊，具體用于采用模擬退火SA算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
8.根據(jù)權(quán)利要求6所述的節(jié)能裝置，其特征在于，所述節(jié)能策略設(shè)置模塊，具體用于設(shè)置第一負(fù)載閾值、第二負(fù)載閾值和第三負(fù)載閾值，并相應(yīng)的設(shè)置高負(fù)載節(jié)能策略、中負(fù)載節(jié)能策略和低負(fù)載節(jié)能策略；其中，高負(fù)載節(jié)能策略為負(fù)載超過第一負(fù)載閾值時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；中負(fù)載節(jié)能策略為負(fù)載在第一負(fù)載閾值和第二負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；低負(fù)載節(jié)能策略為負(fù)載第二負(fù)載閾值和第三負(fù)載閾值之間時(shí)，觸發(fā)進(jìn)行降負(fù)載操作；其中，降負(fù)載操作包括業(yè)務(wù)迀移、和/或服務(wù)器降頻，和/或開關(guān)機(jī)。
9.根據(jù)權(quán)利要求6?8中任一項(xiàng)所述的節(jié)能裝置，其特征在于，所述節(jié)能策略實(shí)施模塊，具體用于獲取數(shù)據(jù)中心的負(fù)載數(shù)據(jù)，利用經(jīng)過訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)，將獲取的負(fù)載數(shù)據(jù)作為SA算法的輸入，得到負(fù)載數(shù)據(jù)的近似最優(yōu)解，根據(jù)所述近似最優(yōu)解和預(yù)先設(shè)置的負(fù)載閾值，確定節(jié)能策略，并根據(jù)確定的節(jié)能策略進(jìn)行降負(fù)載操作。
10.根據(jù)權(quán)利要求9所述的節(jié)能裝置，其特征在于，所述負(fù)載數(shù)據(jù)為四維輸入向量P:
P = {c，m，S，η}， 其中，c表示CPU負(fù)載比例，m表示內(nèi)存負(fù)載比例，s表示磁盤1負(fù)載比例，η表示網(wǎng)絡(luò)帶寬負(fù)載比例。
【文檔編號】G06F9/50GK104503847SQ201510033308
【公開日】2015年4月8日 申請日期:2015年1月22日 優(yōu)先權(quán)日:2015年1月22日
【發(fā)明者】于輝, 李新虎, 郭鋒, 胡玉鵬 申請人:浪潮(北京)電子信息產(chǎn)業(yè)有限公司