【技术实现步骤摘要】
本专利技术涉及计算机数据处理，特别是涉及一种自适应能效及资源动态配置的数据中心口才训练系统。
技术介绍
1、传统数据中心在运营模式上普遍面临着资源管理和能效方面的挑战，特别是在满足特定应用(例如口才训练)需求时的局限性更为明显。现有的数据中心往往采用固定和一般化的资源配置策略，缺乏针对特定应用如口才训练的资源配置优化，这种一般化的资源管理方法在高负载的口才训练场景下，常常无法提供足够的计算资源和存储能力，尤其是对于音视频处理等cpu和内存密集型任务。同时，在低负载期间，资源的过剩配置又导致了资源的浪费。
技术实现思路
1、本专利技术的目的是提供一种自适应能效及资源动态配置的数据中心口才训练系统，可以实现对资源的高效动态配置以及能源的高效率利用。
2、为实现上述目的，本专利技术提供了如下方案：
3、第一方面，本专利技术提供了一种自适应能效及资源动态配置的数据中心口才训练系统，包括：性能监控模块、能效管理模块、资源动态分配模块和数据存储与处理模块。
4、所述性能监控模块，用于根据数据中心各性能指标的性能数据，生成所述数据中心的性能报告；所述性能指标包括一般性能指标和关键性能指标；所述一般性能指标包括cpu使用率、内存使用率、网络使用率、温度、湿度和硬件运行状态；所述关键性能指标为口才训练应用程序运行时的音视频处理强度指标、交互响应指标和资源灵活性指标；所述数据中心各性能指标的性能数据为在所述数据中心单独运行口才训练应用程序或者同时运行口才训练应用程序
5、所述能效管理模块，用于根据所述数据中心的性能报告，基于能耗预测模型，预测所述数据中心当前时刻的能耗数据，并根据所述能耗数据，基于动态资源配置算法，以所述数据中心的能耗数据最小为目标，调整所述数据中心中各应用程序的资源分配，得到各所述应用程序的第一资源分配数据。
6、所述资源动态分配模块，用于根据各所述应用程序的第一资源分配数据和当前时刻口才训练应用程序的资源需求，对所述口才训练应用程序的第一资源分配数据进行优化，得到所述口才训练应用程序的最优资源分配数据；所述资源需求根据资源需求预测模型计算得到。
7、所述数据存储与处理模块，用于对各时刻所述口才训练应用程序的最优资源分配数据进行预处理，并对预处理后的最优资源分配数据进行存储。
8、可选的，所述性能监控模块包括数据采集单元、性能分析单元和报告生成单元。
9、所述数据采集单元，用于采集所述数据中心单独运行口才训练应用程序或者同时运行口才训练应用程序及其他应用程序时所述数据中心各性能指标的性能数据。
10、所述性能分析单元，用于对采集到各所述性能指标的性能数据进行时序序列分析，得到所述数据中心单独运行口才训练应用程序或者同时运行口才训练应用程序及其他应用程序时各所述性能指标的性能趋势。
11、所述报告生成单元，用于根据各所述性能指标的性能趋势，生成所述数据中心的性能报告。
12、可选的，所述能效管理模块包括能耗分析单元、优化算法单元和调节控制单元。
13、所述能耗分析单元，用于根据所述数据中心性能报告中的资源，基于能耗预测模型，预测所述数据中心单独运行口才训练应用程序或者同时运行口才训练应用程序及其他应用程序时的能耗数据；所述资源包括cpu使用率、内存使用率和网络使用率。
14、所述优化算法单元，用于根据所述数据中心单独运行口才训练应用程序或者同时运行口才训练应用程序及其他应用程序时的音视频处理强度指标、交互响应指标和资源灵活性指标，确定所述数据中心的综合能效优化函数。
15、所述调节控制单元，用于将所述能耗数据输入至所述综合能效优化函数，并结合动态资源配置算法，调整所述数据中心中各应用程序的资源分配，得到各所述应用程序的第一资源分配数据。
16、可选的，所述综合能效优化函数具体为：
17、ceof＝λ1×erm+λ2×avpi+λ3×iri+λ4×rfi。
18、其中，ceof为综合能效优化函数；erm为能效-资源匹配函数；avpi为音视频处理强度指标；avpi＝wa×cpuaudio+wv×cpuvideo，cpuaudio为音频处理的cpu使用率和cpuvideo为视频处理的cpu使用率，wa和wv分别为音频处理和视频处理的权重系数；iri为交互响应指标，rtuser为用户交互响应时间的平均值；rfi为资源灵活性指标，uavail，r，uused，r，utotal，r分别是资源r的可用量、使用量和总量；λ1，λ2，λ3，λ4分别为能效-资源匹配函数、音视频处理强度指标、交互响应指标和资源灵活性指标的权重参数。
19、可选的，所述动态资源配置算法具体为：
20、ropt＝arg minrceof(r；θ)。
21、其中，ropt为资源配置，θ为参数，r为数据中心内各应用程序的资源分配状态，ceof为综合能效优化函数。
22、可选的，所述能耗预测模型具体为：
23、ei(t)＝β0+β1ucpu,i(t)+β2umem,i(t)+β3unet,i(t)+∈。
24、其中，ei(t)是第i台服务器在时间t的能耗，ucpu,i(t)，umem,i(t)，unet,i(t)分别是cpu使用率、内存使用率和网络使用率，β0，β1，β2，β3是回归系数，∈是误差项。
25、可选的，所述资源动态分配模块包括资源监控单元、需求预测单元和资源优化单元。
26、所述资源监控单元，用于实时获取所述口才训练应用程序的资源使用数据；所述资源使用数据是根据所述口才训练应用程序的第一资源分配数据确定的。
27、所述需求预测单元，用于根据所述口才训练应用程序的资源使用数据，基于历史数据分析和模式识别技术，预测口才训练应用程序的资源需求。
28、所述资源优化单元，用于根据预测的资源需求和所述资源使用数据，基于启发式调整算法，对所述口才训练应用程序的资源配置进行优化，得到所述口才训练应用程序的最优资源分配数据。
29、可选的，所述数据存储与处理模块包括数据库管理单元、数据处理引擎和备份与恢复单元。
30、所述数据库管理单元用于收集和存储所述口才训练应用程序产生的最优资源分配数据。
31、所述数据处理引擎，用于基于etl工具，对所述最优资源分配数据进行数据预处理。
32、可选的，还包括：
33、用户交互模块，用于用户对数据中心口才训练系统进行数据输入、系统配置和性能监控。
34、可选的，还包括：
35、安全与合规模块，用于管理用户权限和访问控制。
36、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
37、本专利技术提供了一种自适应能效及资源动态配置的数据中心口才训练系统，包括：性能监控模块、能效管理模块、本文档来自技高网...
【技术保护点】
1.一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，包括：性能监控模块、能效管理模块、资源动态分配模块和数据存储与处理模块；
2.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述性能监控模块包括数据采集单元、性能分析单元和报告生成单元；
3.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述能效管理模块包括能耗分析单元、优化算法单元和调节控制单元；
4.根据权利要求3所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述综合能效优化函数具体为：
5.根据权利要求3所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述动态资源配置算法具体为：
6.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述能耗预测模型具体为：
7.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述资源动态分配模块包括资源监控单元、
8.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述数据存储与处理模块包括数据库管理单元、数据处理引擎和备份与恢复单元。
9.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，还包括：
10.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，还包括：
...【技术特征摘要】
1.一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，包括：性能监控模块、能效管理模块、资源动态分配模块和数据存储与处理模块；
2.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述性能监控模块包括数据采集单元、性能分析单元和报告生成单元；
3.根据权利要求1所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述能效管理模块包括能耗分析单元、优化算法单元和调节控制单元；
4.根据权利要求3所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述综合能效优化函数具体为：
5.根据权利要求3所述的一种自适应能效及资源动态配置的数据中心口才训练系统，其特征在于，所述动态资...
【专利技术属性】
技术研发人员：李翔，赵璧，吴云川，吴美玲，
申请(专利权)人：新励成教育科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。