一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于ARIMA技术的云服务器动态能耗管理方法和系统


[0001]本专利技术属于能耗管理
，具体涉及一种基于
ARIMA
技术的云服务器动态能耗管理方法和系统
。

技术介绍

[0002]随着云计算的快速发展和数据中心规模的不断扩大，能耗成为了一个日益突出的问题；数据中心作为云计算的核心基础设施，消耗大量的电力和资源；随着数据中心规模的扩大和应用负载的增加，其能耗成本显著上升，同时对能源供应和环境造成了巨大压力，为了解决这一问题，研究人员开始探索如何在保证性能的同时降低能耗，从而引发了云服务器
DPM
技术的研究和发展
。
[0003]云服务器
DPM
技术
(Dynamic Power Management)
是基于能耗管理的一项关键技术，旨在提高云计算环境中数据中心和服务器集群的能效和性能；云服务器
DPM
技术的核心思想是根据服务器的负载情况和能耗需求，动态地调整服务器的电源状态和资源分配，以实现能耗的最优化和性能的提升
。
通过实时监测服务器的工作状态
、
负载情况和能耗数据，
DPM
技术能够判断何时增加或减少服务器的供电和资源
。
在高负载时，
DPM
技术会提供更多的资源以满足用户的需求；而在低负载时，它会降低服务器的能耗，避免资源的浪费
。
[0004]云服务器
DPM
技术是一项重要的能耗管理技术，致力于提高云计算环境中数据中心和服务器集群的能效和性能
。
通过动态调整服务器的电源状态和资源分配，
DPM
技术可以实现能耗的最优化，并对云计算的可持续发展做出贡献
。
[0005]但目前的云服务器
DPM
技术不足在于：服务器从低功耗状态唤醒时存在较长的响应延迟，由于服务器在低负载或闲置时处于低功耗状态，当有任务到达时需要将服务器唤醒并恢复到正常工作状态，这个过程需要一定的时间，导致响应延迟增加
。
这可能影响用户对于服务的实时性要求，尤其是在需要快速响应的应用场景下，如实时数据处理
、
在线游戏等
。

技术实现思路

[0006]本专利技术的目的在于克服现有技术中的不足，提供一种基于
ARIMA
技术的云服务器动态能耗管理方法和系统，能够根据服务器的负载情况和能耗需求，动态地调整服务器的电源状态和资源分配，且响应速度快
。
[0007]本专利技术提供了如下的技术方案：
[0008]第一方面，提供了一种基于
ARIMA
技术的云服务器动态能耗管理方法，包括：
[0009]记录收集服务器的历史数据，并对历史数据进行平稳化处理；
[0010]将平稳化处理后的历史数据输入训练完成的
ARIMA
模型，对未来设定时长内服务器的数据进行预测，所述对服务器的数据进行预测包括对负载水平预测以及负载水平改变时，任务到达时刻的预测；
[0011]判断检测到的当前时刻的负载水平与预测的负载水平之间的关系；
[0012]若预测的负载水平超过当前时刻的负载水平，且预测到的任务到达概率超过设定的预测阈值，则触发唤醒操作对多个服务器进行唤醒，并在任务到达时刻前对执行预测任务的服务器进行功耗水平的适配性调整；
[0013]若预测的负载水平与当前时刻的负载水平一致，则保持现有状态的能耗水平；
[0014]若预测到的负载水平低于当前时刻的负载水平，则根据检测的负载水平变化，实时休眠需要休眠的服务器或者对处于工作状态的服务器进行功耗水平的适配性调整
。
[0015]优选地，触发唤醒操作对多个服务器进行唤醒包括：
[0016]根据预测的负载水平，确定任务到达时刻需要的所有服务器的总功率；
[0017]根据需要的所有服务器总功率确定需要唤醒的服务器数量；
[0018]确定唤醒提前时长；
[0019]根据预测到的任务到达时刻和唤醒提前时长，确定唤醒操作的唤醒时刻；
[0020]根据确定出的唤醒时刻，唤醒所有需要唤醒的服务器
。
[0021]优选地，通过并行唤醒方式唤醒所有需要唤醒的服务器，所述确定唤醒提前时长包括：
[0022]将预测到达的任务划分为多个负载均衡的子任务，将每个子任务对应一个需要唤醒的服务器，确定一个需要唤醒的服务器的启动时长；
[0023]根据一个需要唤醒的服务器的启动时长
、
每一子任务处理的准备时长以及功耗水平的调整时长之间的总和，确定唤醒提前时长
。
[0024]优选地，功耗水平的调整包括处理器的频率调节以及服务器的供电电压和电流调节；所述服务器的历史数据包括在历史时长内服务器的负载水平
、
任务的发生时间
、
低功率状态唤醒时长
、
功率和设定时间间隔内能源消耗总量
。
[0025]优选地，
ARIMA
模型参数设定使用自相关函数图和偏自相关函数图，或者使用赤池信息准则或者使用
BIC
贝叶斯信息准则；在所述
ARIMA
模型过程中，使用最大似然估计或者最小二乘法来估计模型参数
。
[0026]优选地，
ARIMA
模型在进行训练后进行模型诊断；若模型诊断结果通过，则输出训练完成的
ARIMA
模型；若模型诊断结果未通过，则调整模型参数，直至模型诊断结果通过
。
[0027]优选地，模型诊断的方法包括：
[0028]检查残差是否满足独立同分布和零均值的假设，若满足，则残差分析通过；若残差存在自相关性或非零均值，则残差分析不通过；
[0029]使用统计检验验证残差是否满足正态分布，若满足，则正态性检验通过；若不满足，则正态性检验不通过；
[0030]检查残差的自相关函数图和偏自相关函数图，判断是否存在未捕捉到的自相关性，若不存在未捕捉到的自相关性，则残差的自相关函数图与偏自相关函数图的校验通过，若存在未捕捉到的自相关性，则残差的自相关函数图与偏自相关函数图的校验不通过；
[0031]当残差分析
、
正态性检验以及残差的自相关函数图与偏自相关函数图的校验均通过，则模型诊断结果通过
。
[0032]第二方面，提供了一种基于
ARIMA
技术的云服务器动态能耗管理系统，包括：
[0033]历史数据处理模块，用于记录收集服务器的历史数据，并对历史数据进行平稳化处理；所述服务器的历史数据包括在历史时长内服务器的负载水平
、
任务的发生时间
、
低功
率状态唤醒时长
、
功率和设定时间间隔内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，包括：记录收集服务器的历史数据，并对历史数据进行平稳化处理；将平稳化处理后的历史数据输入训练完成的
ARIMA
模型，对未来设定时长内服务器的数据进行预测，所述对服务器的数据进行预测包括对负载水平预测以及负载水平改变时，任务到达时刻的预测；判断检测到的当前时刻的负载水平与预测的负载水平之间的关系；若预测的负载水平超过当前时刻的负载水平，且预测到的任务到达概率超过设定的预测阈值，则触发唤醒操作对多个服务器进行唤醒，并在任务到达时刻前对执行预测任务的服务器进行功耗水平的适配性调整；若预测的负载水平与当前时刻的负载水平一致，则保持现有状态的能耗水平；若预测到的负载水平低于当前时刻的负载水平，则根据检测的负载水平变化，实时休眠需要休眠的服务器或者对处于工作状态的服务器进行功耗水平的适配性调整
。2.
根据权利要求1所述的一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，触发唤醒操作对多个服务器进行唤醒包括：根据预测的负载水平，确定任务到达时刻需要的所有服务器的总功率；根据需要的所有服务器总功率确定需要唤醒的服务器数量；确定唤醒提前时长；根据预测到的任务到达时刻和唤醒提前时长，确定唤醒操作的唤醒时刻；根据确定出的唤醒时刻，唤醒所有需要唤醒的服务器
。3.
根据权利要求2所述的一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，通过并行唤醒方式唤醒所有需要唤醒的服务器，所述确定唤醒提前时长包括：将预测到达的任务划分为多个负载均衡的子任务，将每个子任务对应一个需要唤醒的服务器，确定一个需要唤醒的服务器的启动时长；根据一个需要唤醒的服务器的启动时长
、
每一子任务处理的准备时长以及功耗水平的调整时长之间的总和，确定唤醒提前时长
。4.
根据权利要求1所述的一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，功耗水平的调整包括处理器的频率调节以及服务器的供电电压和电流调节；所述服务器的历史数据包括在历史时长内服务器的负载水平
、
任务的发生时间
、
低功率状态唤醒时长
、
功率和设定时间间隔内能源消耗总量
。5.
根据权利要求1所述的一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，
ARIMA
模型参数设定使用自相关函数图和偏自相关函数图，或者使用赤池信息准则或者使用
BIC
贝叶斯信息准则；在所述
ARIMA
模型过程中，使用最大似然估计或者最小二乘法来估计模型参数
。6.
根据权利要求1所述的一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，
ARIMA
模型在进行训练后进行模型诊断；若模型诊断结果通过，则输出训练完成的
ARIMA
模型；若模型诊断结果未通过，则调整模型参数，直至模型诊断结果通过
。7.
根据权利要求6所述的一种基于
ARIMA
技术的云服务器动态能耗管理方法，其特征在于，模型诊断的方法包括：检查残差是否满足独立同分布和零均值的假设，若满足，则残差分析通过；若残差存在
自相关性或非零均值，则残差分析不通过；使用统计检验验证残差是否满足正态分布，若满足，则正态性检验通过；若不满足，则正态性检验不通过；检查残差的自相关函数图和偏自相关函数图，判断是否存在未捕捉到的自相关性，若不存在未捕捉到的自相关性，则残差的自相关函数图与偏自相关函数图的校验通过，若存在未捕捉到的自相关性，则残差的自相关函数图与偏自相关函数图的校验不通过；当残差分析
、
正态性检验以及残差的自相关函数图与偏自相关函数图的校验均通过，...

【专利技术属性】
技术研发人员：张磊，陈兴斌，刘畅，李春，徐畅，高宁，
申请(专利权)人：中电信数智科技有限公司，
类型：发明
国别省市：