基于RBF神经网络的数据中心任务温度预测及调度方法技术

本发明专利技术公开了一种基于RBF神经网络的数据中心任务温度预测及调度方法，采用RBF神经网络建立任务温度预测模型；建立温控负载均衡模块，确定服务器的安全温度和警戒温度并与任意服务器Si进行判断选择；通过监控反馈模块实时监控并反馈服务器运行温度给温控负载均衡模块，由温控负载均衡模块进行调度控制。本发明专利技术通过主动的温度预测来进行任务调度，比只基于反馈温度来决定任务调度的方法要有更好的灵活性。通过设置在不同温度范围的两种主动的调度策略，达到减少能耗，并且保证数据中心安全运行的目的。

【技术实现步骤摘要】
基于RBF神经网络的数据中心任务温度预测及调度方法
本专利技术属于数据中心安全与节能
，具体涉及一种基于RBF神经网络的数据中心任务温度预测及调度方法。
技术介绍
伴随着数据中心的迅速发展，数据中心的安全性要求和高能耗问题也日益突出。数据中心面向温度的控制不力导致的安全隐患和高能耗问题，成为一个研究的重点和难点。首先是安全隐患问题，目前数据中心的机柜功率密度不断升高，一项调查研究显示,高达1/10的机柜运行在温度高于设备可靠性指导原则所推荐的允许范围。热点的频繁出现,会影响IT设备的可靠性与性能。然后是制冷设备的高能耗问题。制冷设备需要设置低温度来应对数据中心的热点。这就需要数据中心温度控制方法有好的温度管理方法，在保证数据中心硬件可靠性的前提下，还能减少制冷设备能耗。基于温度感知的任务调度是针对数据中心以上两个问题比较有效的方法。在应用层面通过任务调度防止热点产生、减少热回流，从而提高制冷效率，达到节能效果。关于温度预测和任务分配现有技术有：(1)温度预测：对于已验证的CFD(计算流体动力学)模型可以模拟并预测数据中心温度环境，但是CFD求解过程缓慢，且结果只是离散点上的数值本文档来自技高网...

【技术保护点】
1.基于RBF神经网络的数据中心任务温度预测及调度方法，其特征在于，采用RBF神经网络建立任务温度预测模型；建立温控负载均衡模块，确定服务器的安全温度和警戒温度并与任意服务器Si进行判断选择；通过监控反馈模块实时监控并反馈服务器运行温度给温控负载均衡模块，由温控负载均衡模块进行调度控制。

【技术特征摘要】
1.基于RBF神经网络的数据中心任务温度预测及调度方法，其特征在于，采用RBF神经网络建立任务温度预测模型；建立温控负载均衡模块，确定服务器的安全温度和警戒温度并与任意服务器Si进行判断选择；通过监控反馈模块实时监控并反馈服务器运行温度给温控负载均衡模块，由温控负载均衡模块进行调度控制。2.根据权利要求1所述的一种基于RBF神经网络的数据中心任务温度预测及调度方法，其特征在于，使用RBF神经网络预测模型建模具体如下：将任务用一个三元组(Ncpu、Mem、Time)表示，其中，Ncpu表示用户任务对CPU核心数的要求；Mem表示任务的所有进程能够分配到的最大物理内存；Time表示任务处于运行状态的最大时间；训练数据用任务测试集在服务器上运行，记录下在服务器不同的运行状态下，任务到达某一特定服务器之后的温度分布；模型的输入为：实时监控收集的区域内所有服务器的温度、运行参数以及环境温度；模型的输出为：任务运行后的服务器经过预测时间步长的入风口温度。3.根据权利要求2所述的一种基于RBF神经网络的数据中心任务温度预测及调度方法，其特征在于，训练数据包括划定区域内所有服务器入风口和出风口温度，某一具体服务器的运行参数包含服务器负载量Load、CPU利用率Ucpu、CPU温度Tcpu、服务器风扇转速Fan，空调出风口的温度Tcrac和室内与外界的出风口温度Tvent，以及一个到达该服务器的具体任务(Ncpu、Mem、Time)。4.根据权利要求2所述的一种基于RBF神经网络的数据中心任务温度预测及调度方法，其特征在于，根据基函数的中心点、各径向基函数的方差、以及隐层到输出层之间权值，选用自组织选取中心的学习方法构建RBF神经网络来预测数据中心任务温度。5.根据权利要求1所述的一种基于RBF神经网络的数据中心任务温度预测及调度方法，其特征在于，温控负载均衡模块将负载按照以下规则分配给服务器：确定两个界限温度：T0为安全温度、T1为警戒温度，T0参考数据中心平时正常运行的温度、服务器厂商提供的机器最佳运行的温度或国家关于数据中心建设标准的温度；T1为服务器运行允许的最高温度；用S表示数据中心一定区域内数据中心的服务器集合{S1,S...

【专利技术属性】
技术研发人员：伍卫国，徐一轩，王思敏，苏远崎，王今雨，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61