基於熱負載均衡的數據中心自適應性耗能管理方法
2023-09-23 18:33:45 1
基於熱負載均衡的數據中心自適應性耗能管理方法
【專利摘要】本發明公開一種基於熱負載均衡的數據中心自適應性耗能管理方法，在每個採樣時間內，採用以下步驟進行耗能管理：1)使用RLS模型估算伺服器的功耗；2)在約束條件下對費用函數進行優化求解，得出最優的Up(k)；3)從Up(k)中選出第一組輸入U(k|k)作為真實的控制量U(k)；4)計算需要的活躍伺服器個數mj；5)平均分配任務到每個機架。本發明方法，能夠動態地分配伺服器任務，使數據中心中伺服器和冷卻系統的總功率消耗降低。
【專利說明】基於熱負載均衡的數據中心自適應性耗能管理方法
【技術領域】
[0001] 本發明涉及網絡數據中心的耗能管理，更具體的說，涉及一種基於熱負載均衡的 數據中心自適應性耗能管理方法。
【背景技術】
[0002] 最近幾年，隨著雲計算的蓬勃發展。網絡數據中心，作為其基礎設施，承載著大量 的計算、存儲和應用等任務，需要消耗大量的能量來運行和冷卻設備。隨著雲計算服務發展 的越來越迅速，數據中心中的能耗越來越大。
[0003] 數據中心中的伺服器，作為處理和存儲用戶任務請求的所在，需要使用大量的能 量，並散發大量能量。而由於電子設備的工作溫度限制，需要使用冷卻設備對數據中心中服 務器產生的大量熱能進行冷卻。
[0004] 當前，學術界和工業界對於數據中心中能量消耗的問題越來越感興趣。不過，當前 學術界的研究主要專注於
[0005] 1、提高伺服器的耗能效率，包括使用虛擬化技術，動態電壓、頻率切換等。
[0006] 2、解決製冷系統中能量效率問題，主要是計算機房間空調系統（Computer Room Air Conditioner, CRAC)製冷效率的提高。
[0007] 3、其它提高方式。如通過動態負載來達到降溫和計算功率的平衡；通過對IT設 備、功率及降溫設施的整合管理等。
[0008] 然而，對於如何分配任務給伺服器，使得伺服器和冷卻系統的總功率消耗降低，這 個問題，卻並沒有涉及。
【發明內容】
[0009] 針對上述現有技術中存在的技術問題，本發明提供一種基於熱負載均衡的數據中 心自適應性耗能管理方法，來動態地分配伺服器任務，使數據中心中伺服器和冷卻系統的 總功率消耗降低。考慮到問題可擴展性、實時性和應用性，對數據中心中的製冷系統和服務 器模型進行了相應的設計和約束，並設計了一種任務分配算法，能夠實時地將任務分配給 各伺服器。
[0010] 為達到上述目的，本發明所採用的技術方案如下：
[0011] 一種基於熱負載均衡的數據中心自適應性耗能管理方法，在每個採樣時間內，採 用以下步驟進行耗能管理：
[0012] 1)使用RLS模型估算伺服器的功耗；
[0013] 2)在約束條件下對費用函數進行優化求解，得出最優的Up(k);
[0014] 3)從％(1〇中選出第一組輸入U(k|k)作為真實的控制量U(k);
[0015] 4)計算需要的活躍伺服器個數mj ;
[0016] 5)平均分配任務到每個機架。
[0017] 所述步驟1)的方法是：
[0018] a)首先建立熱量模型、功率消耗模型以及任務模型；
[0019] b)對數據中心功率控制，對所述功率消耗模型做處理能力、負載、功率輸入、總功 率的限制；
[0020] C)基於RLS的熱量模型評估。
[0021] 所述步驟a)中，熱量模型的建立方法是：
[0022] 根據熱力學定理，機架j出口的空氣溫度與機架j輸入空氣溫度，機架j功率消耗 的關係為：
[0023]
【權利要求】
1. 一種基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵在於，在每個採樣 時間內，採用以下步驟進行耗能管理： 1) 使用RLS模型估算伺服器的功耗； 2) 在約束條件下對費用函數進行優化求解，得出最優的Up(k); 3) 從％(1〇中選出第一組輸入U(k|k)作為真實的控制量U(k); 4) 計算需要的活躍伺服器個數; 5) 平均分配任務到每個機架。
2. 根據權利要求1所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟1)的方法是： a) 首先建立熱量模型、功率消耗模型以及任務模型； b) 對數據中心功率控制，對所述功率消耗模型做處理能力、負載、功率輸入、總功率的 限制； c) 基於RLS的熱量模型評估。
3. 根據權利要求2所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟a)中，熱量模型的建立方法是： 根據熱力學定理，機架j出口的空氣溫度與機架j輸入空氣溫度，機架j功率消耗的關 係為：
根據熱力學定理，機架j輸入空氣溫度，同機架j輸出空氣溫度及CRACh輸出空氣溫度 的關係為：
同理，根據熱力學定理，CRACh出口的空氣溫度，輸入空氣溫度與CRACh功率消耗，機架 j出口的空氣溫度間關係為：
功率消耗模型的建立方法是： 對於功率消耗模型，由於伺服器的功率消耗主要依賴於伺服器的兩個參數，CPU使用率 和頻率，假定在每個伺服器CPU頻率一定的情況下，伺服器的功率消耗則主要同CPU使用率 相關，同時，假定可以採用開-關伺服器以節省伺服器能耗的策略，則機架j上功率消耗還 和機架j上保持開狀態的伺服器個數相關，因此，可以對其功率建模為：
任務模型的建立方法是： 考慮Web伺服器架構產生的數據請求，前段Web伺服器從客戶端接收用戶請求後，將這 些請求分配到不同機架的伺服器上進行處理，其中，總請求數為：
根據排隊論，對任務請求的平均處理延時為：
考慮到實時性，需要對任務的平均處理延遲進行限制，即其最大值在一定範圍內：
4.根據權利要求3所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟b)對功率消耗模型做處理能力、負載、功率輸入、總功率的限制的方法是： 對於一般的連續系統而言，其狀態空間模型為：
Y = WX, 其中
對離散系統而言，其狀態模型為： X(k) = 〇X(k-l)+GU(k-l)， Y (k) = WX (k), 其中，
是系統的第k個採樣周期，該離散系統的模型參數為
在該離散系統中，涉及對處理能力、負載、功率輸入、總功率 限制如下； (1)處理能力限制 根據任務模型中對服務延遲的限制，將公式變形為：
將其變換為矩陣形式，為：
其中， ^ 1 - (Imxm 〇mxf)，
(2) 負載限制 能夠被伺服器服務的負載量為：
其中，PA是對應於每個請求的平均功率； (3) 功率輸入限制 首先，每個機架的伺服器和CRAC的輸入功率都是非負的，同時CRAC的輸入功 率必須是整數級的，可以對其限制為： U > 〇(M+F) XI， Pj ^ PmaxJ Pj e Z+ Pmax是CRAC功率輸入的最大允許值，將其變為矩陣形式為： ψ3υ< [pmax]FX1， 其中， Ψ3_ (〇FXM !FXF); (4) 總功率限制 機架伺服器和CRAC的總功率需求為： 將其變換為矩陣形式為：
ψ4υ ^ Pd， 其中，Ψ4 = [1，…，1]1X(M+F) ·，Pd是總功率需求的上界。
5.根據權利要求4所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟c)基於RLS的熱量模型評估的方法是：使用計算流體力學CFD分析方法，將 功率消耗建模為多輸入多輸出線性模型：
其中，
基於RLS模型，對系統模型進行重寫，將其形式變為： X (k+1) = A (k) Φ (k) 其中， Φ (k) = [UT(k)，XT(k)]T， X(k) = [B, A], 使用RLS模型，主要用於計算系統矩陣A和B，由於使用的RLS模型，依賴於時間變量， 考慮其根據時間的迭代過程為：
其中
表示模型的估計量，E(k+1)表示估測誤差向量，P(k)為協方差矩陣，
為遺 忘因子，
6. 根據權利要求1所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟2)的方法是：使用模型預測控制MPC控制方法進行控制，MPC控制器通過計 算控制輸入U(k)來最小化下列費用函數：
其中，Ργ和Ρ"是狀態和輸入的預測長度範圍，X(k+s | k)是之後第s個採樣間隔的狀態 預測，
和U(k+s|k)都是類似的，Q(s)和R(s)是用來對時間誤差和輸入功率的 補償矩陣，其中I |x| |Q(S) = xTQ(s)x，該費用函數主要為最小化溫度追蹤誤差和功率需求， 即：使功率需求較小的同時，使得不同時間間隔間的溫度變化較小，因此，需要在每一個時 間間隔中，對該費用函數求解最小值，並滿足相應約束條件如下：
Pj e Z+， 其中：
Q = diag [Q (s) ]，R=diag [R (s)]。
7. 根據權利要求1所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟4)的方法是：在滿足處理能力約束的情況下，應儘可能地減少保持開狀態 的處理器，因此，設定每次保持開狀態的處理器個數為：
並滿足限制
8.根據權利要求1所述的基於熱負載均衡的數據中心自適應性耗能管理方法，其特徵 在於，所述步驟5)的方法是：假定每個任務的分配，在各個伺服器上是均一的，因此，每個 機架上分到的任務數為：
並滿足約束
【文檔編號】H04L12/24GK104158754SQ201410322951
【公開日】2014年11月19日 申請日期:2014年7月8日 優先權日:2014年7月8日
【發明者】姚建國, 周海航, 管海兵 申請人:上海交通大學