一种基于同构分解方法的数据中心跨层能耗预测方法技术

本发明专利技术提出了一种基于同构分解方法的数据中心跨层能耗预测方法，通过数据中心服务器上的电源分配单元采集数据中心物理机级的能耗数据；通过数据中心服务器上的管理工具收集数据中心物理机级的特征数据、虚拟机级的特征数据和容器级的特征数据；将采集到的3个层级的特征数据和能耗数据根据时间戳对应整合，建立能耗关系模型；将实时采集的特征数据作为输入，预测未来能耗数据，实现跨层能耗预测。本发明专利技术解决了数据中心物理机能耗模型中跨层能耗难以预测的问题，采用同构分解的思想减少了数据中心能耗预测需要建模的数量，提升了预测效率，帮助数据中心节能减排，改善了数据中心能耗负荷大、能源浪费多的问题，能在各类数据中心中进行推广应用。

A cross layer energy consumption prediction method of data center based on isomorphic decomposition

【技术实现步骤摘要】
一种基于同构分解方法的数据中心跨层能耗预测方法
本专利技术属于云数据中心能效特征提取和能耗预测领域，具体涉及一种基于同构分解方法的数据中心跨层能耗预测方法。
技术介绍
数据中心是全天候全天时执行大规模关键运算任务的基础设施，支撑IT业务的运转。随着网络运营商和互联网公司提供的云服务规模的扩大，人们对数据计算、处理和存储的需求不断增长，拥有成千上万台服务器的大型数据中心的数量也在激增。网络带宽的扩容使得云端化的高性能运算不断拓展，也扩大了构建大规模计算基础架构的需求。因此，数据中心建设成为快速发展的IT行业的关键任务。一方面，数据中心的高经济效益使得其规模和数量不断增长，用电量的急剧增加和电力成本的上升，电费已经成为数据中心的主要开支。另一方面，数据中心的大能耗需求对环境产生影响，如大量的电能消耗、空调等制冷设备的温室气体排放与冷却水的排放等。即使数据中心的服务器处于空闲状态，同样会消耗大量的能量。数据中心的能源效率的优化问题已经变得至关重要。衡量数据中心能效的最常用指标是能源使用效率，即PUE。这个指标的定义是输入数据中心的总能本文档来自技高网...

【技术保护点】
1.一种基于同构分解方法的数据中心跨层能耗预测方法，其特征在于，该方法包括以下步骤：/n(1)通过数据中心服务器上的电源分配单元PDU采集数据中心电力消耗数据，保存为数据中心级的能耗数据集P-Data；/n(2)根据服务器的硬件配置信息，将数据中心的服务器分为M类，并分别通过数据中心服务器上的状态管理工具，收集数据中心服务器上的物理机特征数据，构成物理机级的特征数据集Server-Data；根据同一台服务器上虚拟机的配置信息，将同一台服务器上的虚拟机分类，同属于一类的服务器配置相同，能耗关系模型系数相同；通过虚拟机上的状态管理工具采集虚拟机的运行特征数据以及进程特征数据，分别构成虚拟机级的运行...

【技术特征摘要】
1.一种基于同构分解方法的数据中心跨层能耗预测方法，其特征在于，该方法包括以下步骤：
(1)通过数据中心服务器上的电源分配单元PDU采集数据中心电力消耗数据，保存为数据中心级的能耗数据集P-Data；
(2)根据服务器的硬件配置信息，将数据中心的服务器分为M类，并分别通过数据中心服务器上的状态管理工具，收集数据中心服务器上的物理机特征数据，构成物理机级的特征数据集Server-Data；根据同一台服务器上虚拟机的配置信息，将同一台服务器上的虚拟机分类，同属于一类的服务器配置相同，能耗关系模型系数相同；通过虚拟机上的状态管理工具采集虚拟机的运行特征数据以及进程特征数据，分别构成虚拟机级的运行特征数据集VM-Data和进程级的特征数据Process-Data；将采集到的P-Data、Server-Data、VM-Data、Process-Data这4个数据集根据时间戳对应整合；
(3)将Server-Data、VM-Data、Process-Data这3个不同层级的特征数据合并作为特征组输入到特征选择算法模型中，提取出虚拟机特征、进程特征和物理机特征的交叉特征，并据此构成交叉特征数据集Ex-fea；
(4)使用进程级特征数据集Process-Data，虚拟机级特征数据集VM-Data，物理机级特征数据集Server-Data和数据中心级能耗数据集P-data，以及生成的交叉特征数据集Ex-fea建立多级能耗关系模型，物理空间上从大到小分别是数据中心级、物理机级、虚拟机级和进程级四个能耗层级；其中，拥有相同配置信息的物理服务器模型，视为同一类预测对象，能耗模型相同，权重系数相同；拥有相同配置信息的虚拟服务器模型视为同一类预测对象，能耗模型相同，权重系数相同；使用建立好的多级能耗关系模型和实时的多级能耗特征值Process-Data、VM-Data、Server-Data、P-data预测未来的数据中心能耗。


2.根据权利要求1所述的基于同构分解方法的数据中心跨层能耗预测方法，其特征在于，步骤(2)中，所述物理机特征数据包括：服务器的CPU使用状态信息、内存使用状态信息、硬盘使用状态信息、网络端口使用状态信息。


3.根据权利要求1所述的基于同构分解方法的数据中心跨层能耗预测方法，其特征在于，步骤(2)中，所述服务器的配置信息包括：CPU型号、内...

【专利技术属性】
技术研发人员：李云，吉万鹏，张諝晟，夏彬，刘峥，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32