CN102099790B - 信息处理系统的运用管理装置 - Google Patents
信息处理系统的运用管理装置 Download PDFInfo
- Publication number
- CN102099790B CN102099790B CN2009801276800A CN200980127680A CN102099790B CN 102099790 B CN102099790 B CN 102099790B CN 2009801276800 A CN2009801276800 A CN 2009801276800A CN 200980127680 A CN200980127680 A CN 200980127680A CN 102099790 B CN102099790 B CN 102099790B
- Authority
- CN
- China
- Prior art keywords
- power
- mentioned
- signal conditioning
- working load
- handling system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000010365 information processing Effects 0.000 title abstract description 4
- 238000001816 cooling Methods 0.000 claims abstract description 67
- 230000003750 conditioning effect Effects 0.000 claims description 54
- 239000006185 dispersion Substances 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 abstract description 26
- 238000012545 processing Methods 0.000 abstract description 15
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 39
- 230000009471 action Effects 0.000 description 18
- 238000000034 method Methods 0.000 description 16
- 238000004378 air conditioning Methods 0.000 description 15
- 230000005611 electricity Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013508 migration Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013476 bayesian approach Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000002270 dispersing agent Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
- 238000002161 passivation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/20—Cooling means
- G06F1/206—Cooling means comprising thermal management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Power Sources (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
在包含多个装置群的信息处理系统中,能够不减低系统处理性能而实现合计了装置群及供电/冷却设备的节电运用。设置与装置群(201~20q)及设备(401~40u、501~50v)连接的运用管理装置(60)。运用管理装置(60)具备:装置群(201~20q)及设备(401~40u、501~50v)的位置与运行信息61;将装置群(201~20q)的工作负荷(301~30r)的履历进行保存的数据库(64);根据履历来计算工作负荷的指标值的单元(62);向装置群(201~20q)分配工作负荷(301~30r)的单元(63)。并且,运用管理装置(60)将根据反映工作负荷(301~30r)的时序变化的概要统计量得到的指标值收纳于各装置的阈值范围,并且从装置性能的功率利用系数高的装置开始优先地分配工作负荷(301~30r)。
Description
技术领域
本发明涉及由服务器、储存器(storage)、网络等的信息处理装置群以及对其进行供电或冷却的设备构成的信息处理系统的运用管理装置,特别涉及适合进行信息处理装置群和设备总计的综合节电运用管理的方法。
背景技术
例如,在日本特表2007-536657号公报(专利文献1)中,在由多个服务器和管理服务器构成的系统中,通过虚拟化的联合(consolidation)来降低系统的消耗功率。管理服务器通过监视单元检测表示服务器的工作负荷的资源使用率或消耗功率,当判断为某个服务器的检测值小于阈值的情况下,使该服务器中的虚拟机动态地向其他服务器迁移,并切断原服务器的电源。在阈值判断中使用检测出的瞬时值或平均值。对资源使用率使用处理器及存储器等的使用率。
日本特表2005-531047号公报(专利文献2)中,在对由多个服务器构成的服务器池(server pool)的消耗功率进行管理的方法中,判断满足最临近的工作负荷的总需求的服务器数量,进行服务器的通电或切断来管理消耗功率。对当前的工作负荷加上隆起值(下限)或过剩值(上限),当前的动作服务器所负担的工作负荷若小于下限值,则追加动作服务器,若超出上限值,则减少动作服务器。各工作负荷以如电子商务及Web应用那样在时间上足够短为前提,以使得能够通过服务器台数的增减来迎合工作负荷的总需求。
在专利文献2中,对工作负荷的计量采用处理器使用率、存储器使用率、网络带宽使用率、磁盘带宽使用率。对隆起值和过剩值分别使用在履历时间框内所观察到的工作负荷的最小偏差和最大偏差,但对于工作负荷的履历规模、隆起值及过剩值的设定,还通过对实际的工作负荷需求与消耗功率进行对照检索来找出最适当的设定。对于日单位或周单位等的反复的、周期性的工作负荷的尖峰,对服务器池的工作调度设定标志而进行应对。此外,根据服务器机箱的冷却风扇的位置及故障处来控制所工作的服务器。
在美国专利申请公开第2006/0259621号说明书(专利文献3)中,在对位于数据中心的多个服务器分配工作负荷的方法中,将被请求的工作负荷的分布(profile)和履历分布进行比较,按照服务器和空调的功率最低的履历向服务器分配被请求的工作负荷,若没有适当的履历,则随机进行分配。履历分布中包含服务器的位置及分类、工作负荷的类型及使用率、进气排气温度、服务器和空调的功率。服务器和空调的功率可通过服务器的进气排气温度、比热、和风量来求出,或通过功率计来测定。作为履历分布,除了以短间隔(1~10分钟)或长间隔(1~6个月)定期收集瞬时值以外,还有在1天中不定期地收集的情况,以工作负荷的新分配及服务器配置的变更等事件为契机的情况,进行使工作负荷的分配、类型、使用率等大幅改变的实验的情况。
在日本特开2005-312142号公报(专利文献4)中,在对建筑物的消耗功率进行管理的系统中,将建筑物及其中的设备划分而测量消耗功率,当某个区域的功率超出阈值时发出警告并管理建筑物整体的功率,对节电化进行支援。建筑物按层单位、设备按信息设备或空调设备等的种类来划分。将每个区域的阈值考虑消耗功率的平均值及偏差值来设定。
专利文献1:日本特表2007-536657号公报
专利文献2:日本特表2005-531047号公报
专利文献3:美国专利申请公开第2006/0259621号说明书
专利文献4:日本特开2005-312142号公报
发明的公开
发明要解决的课题
面向近年来的信息通信的飞速发展、以及广播与通信的融合时代,预想到信息处理装置的急剧增加。另一方面,为了消减二氧化碳以防止地球温暖化,迫切需要大幅降低信息处理装置的消耗功率。特别是在后端承担信息处理基础的数据中心中,除了信息处理装置群所消耗的功率之外,进行其供电及冷却的设备所消耗的功率也占有较大的比例,从而消减设备与装置群总计的综合功率成为重要的课题。
面向数据中心的节电化,在服务器、储存器、网络等的信息处理装置、供电设备、冷却设备、系统运用管理中开始做出各种努力。在信息处理装置中,基于低功率设备/电路的单位消耗功率的性能的提高、及基于与工作负荷对应的工作/待机状态切换的节电功能的采用得到发展。在供电设备中,开始了从变压器、无停电电源、配电盘、分组接线器等到装置群电源的供电系统的损失降低及变换效率提高,在冷却设备中,开始了空调机自身的运转效率提高及供排气口的气流设计的最佳化、以及局部冷却及液冷的导入。在运用管理中,运行信息监视、工作调度、以及基于虚拟化的装置群的运用效率改善及联合被列举为主要对策。
为了以信息处理装置群为系统来实现节电化,需要管理装置群的工作负荷及消耗功率,但这些不是固定的而是根据系统的处理方式及应用而表现各种特性。例如,根据批量处理或实时处理、在线处理或离线处理、对话型处理或事务(transaction)处理或实时控制处理、数据库处理或技术计算等,装置的工作负荷及消耗功率按时序复杂地变化。即使作为时间波形捕捉,也存在脉冲状、突发状、尖峰状、振动状,以及规则性、周期性、随机性、1/f起伏等各种形态。
供电设备及冷却设备通常根据装置群的最大额定功率而设计,然而运用时的设备的效率及功率很大程度上依赖于对设备的装置群的功率的分布或变动。例如,电源变换效率依赖于功率负荷,所以供电损失根据装置的工作功率和供电系统而不同。此外,空调机的效率依赖于装置的功率即发热、空调机与装置间的位置关系或距离、温度、风量、风向等,所以冷却功率很大程度地受到装置的功率与配置的影响。
今后,预想到基于数据中心的虚拟化的运用管理得到发展,为实现节电化而利用统合及实时迁移(live migration),因此,需要充分考虑装置群的工作负荷的时序变化及对设备的装置群的功率分布变动、并适当地控制对装置群的工作负荷的分配及设备的运转能力来降低装置群的功率及合计上设备的总功率的对策。以往,作为与服务器、计算机等的装置群或空调设备有关的运用管理方法,已知有几个公知的例子,但对于上述时间变动,限于固定的或局部时间的研究(approach),对于装置群和设备的综合节电化,限于局部或逐次的研究。
例如,在专利文献1中,利用虚拟机的动态迁移来减少动作服务器,从而降低系统的消耗功率。虽然将工作负荷低的服务器提取为动作停止的对象,但在混合存在有性能或功率利用系数不同的服务器的情况下,向对象服务器集中虚拟机能够消减系统整体的功率。此外,在迁移的可否判断中采用工作负荷的瞬时值或平均值,但对于平均值,在起伏及振动较大的情况下,在集中了虚拟机的服务器中,可能会导致工作负荷瞬时地超出处理性能而引起性能劣化。此外,并不涉及关于对服务器的供电及冷却。
在专利文献2中,通过使动作服务器的台数迎合工作负荷的总需求来节省服务器池的消耗功率的浪费。以各工作负荷的寿命较短、各动作服务器的工作负荷变得足够高为前提,而没有考虑到多个服务器存在差异的情况、各服务器中的工作负荷变动的情况、混合存在有各种应用的工作负荷的情况等。在服务器台数的判断中采用工作负荷的当前值与履历时间框内的峰值(最小偏差与最大偏差),在特定的应用中,若工作负荷的变化缓慢或具有周期性,则容易设定妥当的时间框及标志,但当服务器及应用多种多样、工作负荷的变动较大时,最小值与最大值的差即判断条件的宽度过宽,最佳的服务器台数不定而无法有效地集中。此外,根据服务器机箱内部的冷却风扇的配置及故障位置来选择进行动作的服务器,但在跨越多个机箱的情况下进行随机选择,且未考虑包围机箱的空调环境,难以实现设备层面的充分的节电化。
在专利文献3中,根据使服务器和空调的功率最小的履历分布,对服务器分配所请求的工作负荷,从而降低服务器和空调设备总计的功率。当对于请求在履历范围内没有适合的履历时无法进行对应,或只能按照履历的累积而逐次改善。此外,在履历中包含服务器位置及合计了空调的功率,但却没有考虑服务器位置对空调的影响等,向履历所表现出的服务器分配工作负荷不一定使服务器群和空调设备的总功率最小化。利用瞬时值来对照请求与履历,即使按照暂时适合的履历来分配工作负荷,若工作负荷时间上变动,则会引起背离所参照履历的状况而导致功率增加。
在专利文献4中,若信息设备或空调设备的测量出的消耗功率超出阈值,则发出警告来管理功率。阈值是考虑功率的平均值和偏差值来设定的,但所谓偏差值,是表示对于总体分布的数值的相对位置的无因次数,关于具有功率这一物理量的因次的阈值的设定方法没有具体进行描述。此外,虽然通过警告对节电化进行支援,但却没有涉及对于信息设备的工作负荷的分配方法、对于热负荷的空调设备的控制方法。
如上所述,现有技术中,作为对象的信息处理装置群及工作负荷是限定的,并且在对装置群的工作负荷分配中采用瞬时值、平均值、最小/最大偏差等,存在对于工作负荷的时序变化只能在局部时间上降低装置群的消耗功率的问题。此外,关于装置群与设备共计的总功率也只限于局部或逐次地改善。本发明的主要课题之一在于:通过适当地控制对装置群的工作负荷的分配及设备的运转能力,降低装置群的功率及进一步合计了设备后的总功率,实现以数据中心为代表的信息处理系统的节电运用,以便能够适应于多样的装置群及工作负荷的混合存在、装置群的工作负荷的时序变化、对于设备的装置群的功率分布变动。此外,关于本发明的上述目的及其他目的和新特征,通过本说明书的记载及附图将变得更加明确。
发明内容
解决问题所采用的手段
对本申请所公开的发明中的代表性实施例的概要简单说明如下。
本发明的代表实施例的特征在于:由信息处理装置群构成的信息处理系统的运用管理装置,对装置群的工作负荷的履历进行保存,根据包含履历的时序变化的代表值和分散度的概要统计量来求出工作负荷的指标值,使指标值收纳于装置的规定阈值范围(指标值用),并且从装置性能的功率利用系数高的装置开始优先分配工作负荷,以降低装置群的消耗功率总和。
工作负荷的履历包含按照信息处理装置的种类来判断工作负荷分配所需的计量信息。若为服务器则可列举出:处理器使用率、存储器使用容量或使用率、盘传输速度或带宽使用率、网络传输速度或带宽使用率等,若为储存器则可列举出:IOPS(输入输出吞吐量)、使用容量或使用率,若为网络则可列举出:传输吞吐量、延迟时间等。
履历是以充分掌握工作负荷的时序变化的方式来取得。在工作负荷比较固定的情况下定期地取得,在变化的情况下与其相应地可变地取得。此外,存在如下情况:按照工作负荷的周期性及调度而有计划地取得的情况,以及以装置及工作负荷的追加或削减、装置及设备的配置变更及故障等事件为契机而取得的情况。
概要统计量包含根据履历计算出的代表值和分散度,表示工作负荷的动向。作为代表值而采用移动平均值、移动中央值、移动最频值,作为分散度而采用标准偏差、四分位偏差、平均偏差等。在设想工作负荷的变化接近于正态分布的情况下,主要采用移动平均与标准偏差的组合,而在分布中存在偏态等情况下,有时根据需要而采用移动中央值与四分位偏差的组合。
概要统计量随着履历的更新而被随时计算并与履历一起被保存,或者根据按运用策略(policy)对工作负荷分配进行变更的契机而被计算。在前者中存在如下情况:为了压缩履历的数据容量,取代工作负荷的原始数据而将概要统计量作为履历来保存。在后者中,装置群整体及各装置的工作负荷的增减、工作负荷的调度、装置的故障等能够成为契机。
可以说,指标值是这样一种预想值:根据表示时序动向的代表值和分散度而被计算、且具有考虑了工作负荷的变化幅度的统计概率。在概率上防止如专利文献1及专利文献3那样采用瞬时值及平均值而工作负荷超出装置处理性能,来维持装置群整体的系统处理性能,避免如专利文献2那样采用最小值和最大值而工作负荷分配的判断基准变宽,从而能够有效集中工作负荷。
装置的阈值范围(指标值用)是按照针对工作负荷的类型及处理形态等的运用策略来设定的。例如,若为实时处理则降低阈值的上限,若为批量处理则提高阈值的上限,由此在前者中能防止对工作负荷急增的处理性能劣化,在后者中能提高装置的运用效率。阈值的下限根据需要来设定。此外,对各装置分别决定与阈值范围(指标用)相同、或比其范围更宽的阈值范围(检测用),能够将逐次算出的指标值脱离该阈值范围(检测用)的情况作为变更工作负荷分配的契机来利用。
装置性能的功率利用系数是将装置的性能除以消耗功率而得的值,根据工作负荷的类型及处理性能来定义。关于性能、功率、功率利用系数的信息,作为系统管理信息的一环而包含于规格信息、结构信息、工作监视信息等中。通过使工作负荷的指标值收纳于阈值范围(指标值用),并且从功率利用系数高的装置开始优先分配工作负荷,能够在维持工作负荷的处理性能的同时有效地进行集中,并能够降低装置群整体的总消耗功率。未被分配工作负荷的装置根据运用策略来进行待机、暂停、电源切断等的节电。
本发明的代表实施例的其他特征在于:由信息处理装置群及进行供电或冷却的设备构成的信息处理系统的运用管理装置,使工作负荷的指标值收纳于装置的阈值范围(指标值用),并且,除了装置的消耗功率、还根据考虑了设备供电损失或冷却功率的装置性能的功率利用系数,来分配工作负荷。
装置的消耗功率按照工作负荷的多少而变化,设备的供电损失依赖于对装置群的供电系统与装置群的功率分布,冷却功率依赖于对装置群的冷却设备的配置与装置群的热负荷分布(功率分布)、温度分布,因此,供电损失与冷却功率受装置群的物理配置和工作负荷分配的影响。利用功率利用系数来分配工作负荷,从而能够降低装置群的功率消耗与设备的供电损失或冷却功率的总和,其中,该功率利用系数基于:将对各装置的供电损失或冷却功率的局部灵敏度和对装置自身的消耗功率相加的功率。
利用公式说明本发明实施例的进一步的特征。将代表工作负荷j(j=1,2,……)的计量变量集合设为Lj,则装置i(i=1,2,……)的消耗功率pDi如公式1所示,装置群的总功率PD如公式2所示。
[公式1]
pDi=pDi(Lj) (1)
公式2
设备的功率PF(供电损失或冷却功率)如公式3所示,其中,设装置i的功率为PDi、位置为Xi;装置群与设备共计的总功率P如公式4所示。
公式3
PF=PF((pD1,x1),(pD2,x2),…) (3)
公式4
P=PD+PF=∑pDi(Lj)+PF(…,pDi(Lj),…) (4)
根据PD或P为pDi(Lj)的函数这一情况,降低装置群的总功率PD的问题、或降低装置群及设备的总功率P的问题归结为:以PD或P为目标函数来找出向装置i分配工作负荷j的最优解的组合最优化问题。求解最优化问题时,对庞大组合的解空间进行全部搜索是不现实的。因此,为了高效求解,采用根据装置性能的功率利用系数来对装置群排位次的近似解法算法,从位次高的装置开始优先地分配工作负荷。装置i的功率利用系数εDi通过装置i的性能γi与消耗功率pDi而示于公式5,进一步考虑了设备的功率的功率利用系数εi示于公式6,其中,将设备功率PF的对装置功率pDi的局部灵敏度设为PFi。
公式5
公式6
按照优先顺序对装置i分配工作负荷j时,由于工作负荷j的时序变化,因此产生这样的问题:若工作负荷j超过装置i的最大性能,则处理时间延长,若小于该最大性能,则从最优解背离。因此,需要根据时序变化来预测可靠的工作负荷j的指标值。
以表示工作负荷j的变量集合Lj中的、对装置的性能和功率起支配作用的一个变量lj为例,作为lj的履历的时刻t的代表值和分散度,若采用移动平均值mj(t)和标准偏差σj(t),则与工作负荷j的变量lj有关的指标值ξj如公式7所示。n为常数,考虑工作负荷j的类型及处理形态、工作负荷的集中所带来的节电化效果与处理性能降低的危险度二者的相反条件等来进行设定。
公式7
ξj(t)=mj(t)±n·σj(t) (7)
对装置i分配工作负荷j时,指标值ξj应满足的条件如公式8所示,其中,设装置i的阈值范围(指标值用)的下限为ai,设上限为bi。若工作负荷j的变化近似于正态分布,则能够预测实际的工作负荷j收纳于阈值范围(指标值用)的概率,能够根据统计概率来避免处理性能降低、并向装置群有效地集中工作负荷。
公式8
若设算出移动平均值mj(t)与标准偏差σj(t)时的样本数为v,则如公式9或公式10那样地改写公式7,其中,设标准误差为δj(t)、设总体移动平均值为m’j(t)、设总体标准偏差为σ’j(t)。公式7、公式9、公式10相类似,当设定常数n时可以计入样本数v。
公式9
公式10
将样本数v和取得样本的时间间隔按照工作负荷的变化率及偏差来设定。若是时间长的范围内的移动平均值,则容易遗漏在该范围内的变化,而在时间短的范围内容易连续引起微小变化,若时间间隔过短则履历的数据量变得庞大,因此实用且适当地抽取样本。此外,装置群的冷却与热容量有关,因此,温度不直接地迎合装置群的工作负荷及功率变化,而是根据热时间常数而变化。对冷却设备采用与热时间常数相当的时间范围的移动平均值。
向1个装置分配多个工作负荷k(k=1,2,……)而进行集中的情况下,指标值ξs通过合成移动平均值ms(t)和合成标准偏差σs(t)而表示为如公式11。阈值条件与公式8同样地考虑即可。
公式11
将某装置i中的工作负荷j向其他装置h移动替换时,变量lj为相对资源使用率等,根据情况而需要进行变换。例如,设装置i的最大性能为γiMAX、设装置h的最大性能为γhMAX,如公式12那样进行变换。
公式12
此外,公式5及公式6所示的功率利用系数εDi、εi是工作负荷j的变量集合Lj的函数,需要根据工作负荷分配的组合来计算εDi、εi并对装置群排位次。若装置i的性能γi、消耗功率pDi、局部灵敏度PFi能够与主要变量lj线性近似,则将指定的值代入变量lj并如公式13那样将εDi、εi作为常数来处理,因此对装置群的排位次变得简便,并且能有效地求出近似解。pDiMAX是装置i的最大额定功率。
公式13
向装置i分配的实际工作负荷j从公式8所示的阈值范围(指标值用)中脱离的概率Ψ如公式14所示,其中,设变量lj能取的最小值为αj、最大值为βj、表示工作负荷j的变化分布的概率密度函数为φj(lj)。同样,实际工作负荷j超出阈值范围(指标值用)的上限bi的概率Ψ’如公式15所示。
公式14
公式15
涵盖分配了工作负荷的装置群整体的概率Ψ之和在考虑对工作负荷分配进行更新的周期时是有用的。实际的工作负荷j从装置的阈值范围(检测用)脱离的情况下、或其频度增多的情况下,可以以此为契机来更新工作负荷分配。此外,通过考虑概率Ψ’之和,成为判断使未被分配工作负荷的装置中的多少为待机或暂停、或将供电设备及冷却设备保持何种程度的余量来进行控制时所用的指针。
作为工作负荷j的指标值ξi,在公式7中采用移动平均值mj(t)和标准偏差σj(t),但进一步地根据基于统计手法的将来预测而能进行工作负荷分配。时序数据的预测手法例如有回归分析、频率分析、互相关、自回归移动平均模型等,在具有日、周等的周期性的情况下有自相关分析等。时刻t+Δt的指标值ξi如公式16所示,其中设预测值为μj,设置信区间为λj。
公式16
ξj(t+Δt)=μj(t+Δt)±n·λj(t+Δt) (16)
将来预测的阈值范围(指标值用)、装置性能的功率利用系数、脱离概率等的考虑方法与公式8、公式5、公式6、公式14等同样。通过将来预测,在工作负荷开始增加前或更新工作负荷分配前预先使装置通电待机,在工作负荷开始减少前提前集中工作负荷而实现节电化。在设备方面也同样,以必要并充分地提供装置群的功率、并使供电效率提高的方式控制供电设备,考虑热容量及热时间常数,而对于工作负荷的增减先行控制冷却设备,从而能够进行设备的节电运用。
发明效果
本申请所公开的发明中,简单说明通过代表实施例而得的效果如下:在如数据中心等的信息处理系统中,通过向信息处理装置群集中地分配工作负荷,能够不降低装置群的系统处理性能地降低装置群、及供电/冷却设备的合计的总消耗功率。
附图说明
图1是表示本发明实施例1的信息处理系统的运用管理装置中的、该信息处理系统的一例的整体结构图。
图2是表示本发明实施例2的信息处理系统的运用管理装置中的、图1的工作负荷分配单元的更加详细的动作例的说明图。
图3是表示本发明实施例3的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元的详细动作例的说明图。
图4是表示本发明实施例4的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元及工作负荷分配单元的详细动作例的说明图。
图5是表示本发明实施例5的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元的详细动作例的说明图。
图6是表示本发明实施例6的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元的详细动作例的说明图。
图7是表示本发明实施例7的信息处理系统的运用管理装置中的、该信息处理系统整体的配置结构例的布局图。
符号说明
10 信息处理系统
201~20q 信息处理装置
301~30r 工作负荷
401~40u 供电设备
501~50v 冷却设备
60 运用管理装置
61 装置群和设备的位置与运行信息
62 工作负荷指标值的计算单元
63 对装置群的工作负荷分配单元
64 工作负荷履历数据库
65 装置群和设备的运行控制单元
210 信息处理系统
2201~22010机架列
221i 装置i
241 无停电电源装置
2421~2424 配电盘
240 变压器
250 冷却塔
251 冷冻机
2521~2526 空调机
2541~2546 箭头
具体实施方式
在以下的实施方式中,为了方便而在必要的情况下分割为多个段或实施方式来进行说明,但除了特别明示的情况以外,它们相互之间并非没有关系,而是存在一方是另一方的一部分或全部的变形例、细节、补充说明等的关系。此外,在以下的实施方式中,当提及要素的数等(包括个数、数值、量、范围等)时,除了特别明示的情况及在原理上明显地限定为特定的数的情况等以外,不限于该特定的数,而是特定的数以上或以下均可。
并且,在以下的实施方式中,除了特别明示的情况及在原理上明显必要的情况等以外,其结构要素(还包括要素步骤等)当然不一定是必须的。同样,在以下的实施方式中,当提及结构要素等的形状、位置关系等时,除了特别明示的情况及在原理上明显不符的情况等以外,实质上包括与该形状等近似或类似的情况等。这对于上述数值及范围也同样。
下面,根据附图详细说明本发明的实施方式。此外,在用于说明实施方式的所有附图中,原则上来讲对同一部件附加同一符号,从而省略对其重复说明。
实施例1
图1是表示本发明实施例1的信息处理系统的运用管理装置中的、该信息处理系统的一例的整体结构图。信息处理系统10包括:信息处理装置201~20q,对装置群201~20q供电的供电设备401~40u,对装置群201~20q进行冷却的冷却设备501~50v,对装置群201~20q和设备401~40u、501~50v进行管理的运用管理装置60。
装置群201~20q中分配有工作负荷301~30r。如图1所示的一例,工作负荷301~30r具有如下情况:对装置分配单独的工作负荷的情况(装置20q-1和负荷30r-2)、对装置分配多个工作负荷的情况(装置201和负荷301~302、装置20i和负荷30j-1~30j+1、装置20q和负荷30r-1~30r)、对装置不分配工作负荷的情况(装置202)。
运用管理装置60具备:数据库64,与装置群201~20q和设备401~40u、501~50v连接,保持装置群201~20q及设备401~40u、501~50v的位置和运行信息61,取得并保存装置群201~20q的工作负荷的履历;根据履历来计算工作负荷的指标值的单元62;以及对装置群201~20q分配工作负荷301~30r的单元63。运用管理装置60例如还具备:对装置群201~20q的启动、来自供电设备401~40u的供电量的控制、冷却设备501~50v的启动以及风量等的控制等各种运行状态进行控制的单元65。
装置群201~20q的运行信息61包含:表示工作负荷301~30r的类型、处理形态、资源使用率的数据;以及表示装置201~20q的处理性能、消耗功率、动作状态的数据等。设备401~40u、501~50v的运行信息61包含:温度、湿度、流量等的环境监视数据;供电设备401~40u的供电状态及对装置群201~20q的供给功率;以及冷却设备501~50v的运转状态及从装置群201~20q接收的热负荷等。
通过装置群201~20q的运行信息61,可得到对于工作负荷的装置的消耗功率特性、或工作负荷与消耗功率的函数,能够计算如公式5所示的装置性能的功率利用系数。通过装置群201~20q及设备401~40u、501~50v的位置和运行信息,可得到供电设备401~40u的供电系统中的功率负荷分布、对冷却设备501~50v的装置群201~20q的热负荷分布,能够计算供电损失和冷却功率,求出如公式6所示的计入了供电损失和冷却功率的功率利用系数。也可以根据工作负荷分配问题中的近似解的精度和效率,代替公式5及公式6所示的功率利用系数而采用公式13所示的简便的功率利用系数。
履历数据库64中,随时保存例如表示工作负荷j(30j)的计量变量lj在时刻t的值lj(t),通过指标值计算单元62,计算在时刻t的代表值mj(t)和分散度σj(t),作为lj(t)的时序变化的概要统计量,求出如公式7所示的工作负荷j的指标值ξj(t)。对于工作负荷301~30r也同样,通过代表值m1~r(t)和分散度σ1~r(t)得出指标值ξ1~r(t)。
对装置群201~20q分配工作负荷301~30r的单元63,将工作负荷301~30r的指标值收纳在装置201~20q的阈值范围(指标值用)、即假想处理性能范围,并且从功率利用系数高的装置开始优先地依次分配工作负荷。例如,在装置20i中,以使公式11所示的工作负荷j-1、j、j+1的合成指标值处于图8所示的阈值范围(指标值用)内的方式进行分配。工作负荷的分配顺序优选为,以公式3的PD或公式4的P为目标函数,对找出向装置i分配工作负荷j的最优解的组合最优化问题进行演算来求解。但是,在这种情况下,会导致实用上的演算量庞大,因此,作为近似解,根据与工作负荷的粒度及装置之间的制约条件来决定,基本上来讲,可以从大工作负荷向功率利用系数高的装置分配。
具体而言,例如,采用从运行信息61得到的各装置群201~20q的功率利用系数的顺序、和从指标值计算单元62得到的各工作负荷301~30r的大小(即mj(t)+σj(t)、根据情况也可以是mj(t))的顺序。这里,假设装置的功率利用系数高到低的顺序为装置201、202、203、……,工作负荷的从大到小的顺序为工作负荷301、302、303、……,则工作负荷301被分配到装置201,工作负荷302在可能的情况下被分配到201、在不可能的情况下被分配到装置202,工作负荷303在可能的情况下被分配到201、在不可能的情况下被分配到装置202,若这也不可能则被分配到装置203。
这样,根据实施例1所示的信息处理系统10的运用管理装置,基于履历数据库64的时序变化的概要统计量而求出工作负荷301~30r的指标值,并将这些指标值收纳到装置201~20q的阈值范围(指标值用),对装置性能的功率利用系数高的装置优先分配工作负荷,由此,能够降低信息处理系统10的装置群201~20q的消耗功率,并且,通过利用计入了供电损失和冷却功率的功率利用系数,能够降低包含装置群201~20q及设备401~40u、501~50v的总消耗功率。
对装置群201~20q的工作负荷分配能够根据期望的契机及计划、新工作负荷的投入、现有工作负荷的结束等来进行更新,能够实现信息处理系统10的节电运用。此外,当实际的工作负荷与阈值范围(指标值用)相同、或从比其更宽的范围的阈值范围(检测用)脱离而进行变动时,以此为契机变更工作负荷分配,从而能够应对工作负荷的特殊的时序变化。并且,为了应对这种情况,在考虑了公式14及公式15所示的脱离概率的基础上,采取事先将装置群的一部分不切断电源地而使其待机的、使设备的供电能力及冷却能力具有余量等的对策,从而能够不过多浪费装置及设备的功率而随机应对工作负荷的变动。
例如,在公式15中,工作负荷j超出阈值上限bi的概率Ψ’与负荷变量lj的积表示在概率上超出上限bi的工作负荷量。涵盖装置群整体地取得该积的总和,以能供应相当于该总和的工作负荷量的处理能力的方式使装置群的一部分待机,以能供应功率的方式使供电设备或冷却设备具有余量,从而即使实际的工作负荷脱离阈值范围(指标值用)也能够立即迎合装置群整体的处理能力及设备能力,不会引起故障。此外,像这样使装置群的一部分待机、以能供应功率的方式使供电设备或冷却设备具有余量的控制,通过装置群和设备的运行控制单元65来进行。例如,根据工作负荷量和装置功率的关系式求出与脱离概率相当的装置群的功率,以能够供给该功率的方式使构成供电设备的多个电源等中的一部分待机,并以能够冷却该功率即发热量的方式使构成冷却设备的多个空调机等中的一部分待机,由此,即使实际脱离的情况下,也能够充分进行供电及冷却,且与总是使所有电源及空调机运行的情况相比能节省不必要的功率。
作为信息处理系统10,具有代表性的是数据中心及计算机机房,但在工业设备、商业设备、通信设备、交通机关等的业务运用系统中也能应用本实施例的运用管理装置。此外,不仅是现有系统的运用管理,作为系统的新设、增设、移设、修改等的设计、诊断工具也是有用的。即使是跨越多个设施及场所的系统,只要进行远程管理则也能够实施本实施例。
信息处理装置201~20q中有服务器装置、储存器装置、网络装置等,服务器装置包括通用服务器、专用服务器、主机(mainframe)、并行计算机、巨型计算机、嵌入式计算机、个人计算机等,储存器装置包括磁盘、固态硬盘、光盘、磁带等,网络装置包括路由器、交换器、集线器(hub)等,并且,作为周边装置,还包括打印机、复印机、调制解调器、显示器等。此外,本实施例还能适用于具有动作/待机/暂停/停止状态的按需切换(demand base switching)功能、所谓的节电模式的装置。例如服务器中相当于DBS、储存器中相当于MAID、网络中相当于端口(port)电源控制等。硬件形态不限于刀片(blade)型、机架固定(rack mount)型、塔(tower)型、专用机壳型,而能适用于多种形态。
所谓工作负荷301~30r是指:服务器装置方面的应用、储存器装置方面的访问数据、网络装置方面的传输数据等。运行信息61的数据中包括:服务器装置方面的性能、资源使用率、工作/暂停状态等,储存器装置方面的启动盘数量、输入输出吞吐量等,网络装置方面的传输包数量、交换频率等。此外,作为工作负荷的类型及处理形态,能够在工作负荷分配中区分考虑固定/浮动小数点运算、事务处理、数据库处理、技术计算、数据的形式及粒度、保证带宽等。即,例如,装置201~20q为擅长指定的工作负荷的硬件结构时,处理性能按照工作负荷的类型而变化,随之功率利用系数也变化,因此,可以按照该类型来切换上述功率利用系数高的装置的位次。
供电设备401~40u中有变压器、无停电电源装置、配电盘、分组接线器、搭载装置的机架的电源等,还包含功率传感器、电流/电压传感器、漏电传感器等,根据情况供电源的发电厂、输电设备、变电设备、供电目的地的装置电源也成为对象。冷却设备501~50v中有空调机、冷冻机、冷却塔、供排气口、风扇、管道(duct)、制冷剂配管等,还包含配置于室内外的温度传感器、湿度传感器、流量/流向传感器等,根据情况液冷装置、机架列及机架前面/背面的局部冷却装置、装置的冷却装置也成为对象。
在运用管理装置60中,有对信息处理装置群201~20q和设备401~40u、501~50v设置通用管理器服务器或履历数据库、或者可以使管理器服务器和履历数据库这两者协作的形态,也可以使装置201~20q的一部分承担管理器功能。本实施例的运用管理装置,例如能够通过对计算机系统安装中间件(middleware)、应用程序、嵌入式控制软件、固件(firmware)等软件来实现,根据情况也可以将解决最优化问题的引擎作为硬件来增加。为了使管理器取得装置的运行信息及设备的环境信息,对各装置及各设备设置代理器、服务处理器、接口等,但装置群及设备构筑自主分散系统也可以。
此外,本实施例中的降低装置群与设备的总功率的效果,通过求出装置群的工作负荷指标值的单元、求出装置群及设备的功率利用系数的单元、求出对装置群的工作负荷分配的单元、以及根据情况而增加的装置群与设备的运行控制单元来实现,并不限于实施例1及图1所示的装置本身及计算顺序等。
实施例2
图2是表示本发明实施例2的信息处理系统的运用管理装置中的、图1的工作负荷分配单元63的更加详细的动作例的说明图。在图2的横轴上,按照还考虑了设备的功率的功率利用系数的顺序排列装置群201~20q,纵轴表示代表工作负荷301~30r的变量之一的资源使用率。在图2的例子中,对装置群201~20q设置通用的阈值范围(指标值用)(下限a为20%、上限b为80%),以使资源使用率的指标值ξ(=m±n·σ)收纳于该阈值范围的方式,从功率利用系数高的装置“1”开始依次分配一个或多个工作负荷。在装置“q-3”、“q-2”中不进行收纳于阈值范围(指标值用)的工作负荷的选择,且在装置“q-1”、“q”中没有所分配的工作负荷,因此,图1的运行控制单元65使装置待机或暂停、或者切断电源,从而能够降低消耗功率。
图2中仅通过代表工作负荷301~30r的一个变量来分配工作负荷,但存在以将对多个变量集合的指标值收纳于阈值范围(指标值用)的方式实施同样的分配顺序的情况,例如,为实现分配的简便化,也能够采用如下方法等:将对与装置功率有关的主要变量的指标值收纳于阈值范围(指标值用),对于其他变量不对指标值作出要求而针对制约条件(阈值范围(指标值用))判断现状值。此外,图2中作为阈值范围(指标值用)而设定下限a和上限b,但根据工作负荷的类型及处理形态等的需要,也可以采用只设定一个阈值的方法,例如将下限a设为0%,或只设定上限b。
实施例3
图3是表示本发明实施例3的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元62的详细动作例的说明图。图3表示某个工作负荷的时序变化,横轴表示时刻t,纵轴表示代表工作负荷的一个变量、即资源使用率。○点为通过图1的履历数据库64取得的工作负荷的履历的标绘(plot),计算工作负荷指标值的单元62根据该标绘来算出移动平均值m(粗实线)及标准偏差σ,根据该移动平均值m及标准偏差σ算出指标值ξ(=m±2·σ)(细实线)。左图采用了5个履历的移动平均值m和标准偏差σ(样本数5),右图采用了将5个移动平均重复求出2次的25个履历的移动平均值和标准偏差σ(样本数25)。由图3可知,预计不久的将来的工作负荷大致在指标值m±2·σ的范围内推移,所以,通过据此进行工作负荷分配,能够以统计上的概率同时实现信息处理系统的消耗功率降低和处理性能的维持。
比较左图和右图可知,当样本数少时,移动平均值容易受到工作负荷的局部时间的变化的影响,容易将全局动向看错。相反地,样本数如右图那样大幅增多的情况下,移动平均波形钝化,存在背离工作负荷的实际变化的危险,需要根据工作负荷的变化率及偏差来设定样本数及履历的时间间隔。此外,若对多个样本统一起来进行1次单纯移动平均,则对实际变化发生歪曲,因此,右图中虽然采用单纯移动平均的重复,但也可以采用其他有用的方法,例如加权移动平均、指数加权移动平均等。
图3中的工作负荷接近正态分布,因此,虽然采用在概率上包含95%的m±2·σ作为指标值,但也有根据工作负荷所需的精度或可靠性而采用±σ(68%)、±3·σ(99%)的情况,也有根据分布形态而采用移动中央值或移动最频值来代替移动平均值的情况。此外,为了进一步提高统计概率,存在如下情况:对样本推断总体、将图9所示的标准误差或图10所示的总体移动平均值与总体标准误差计入指标值。
此外,作为变更工作负荷分配的契机的一例,在图3中,例如可列举如下情况等:根据某个装置的资源使用率履历(对应于单个或多个工作负荷的履历)而算出的指标值(例如上限值m+2·σ)在某一时刻t脱离该装置的阈值范围(检测用)。例如,将阈值范围(指标值用)设定为20%~80%、将阈值范围(检测用)设定为15%~85%时,对某一装置分配工作负荷以使指标值的上限(m+2·σ)不超出80%,但在此之后,该工作负荷的处理量平均地增加,在某一时刻t,该工作负荷的指标值的上限(m+2·σ)的计算结果达到85%的情况等。此时,在该时刻t,根据各装置所执行的各工作负荷各自的指标值大小和各装置各自的功率利用系数的位次,如实施例1所说明的那样,再次从大工作负荷开始依次对功率利用系数高的装置进行分配,或者将脱离的工作负荷临时保存到当前未被分配工作负荷的装置,以脱离的工作负荷数超出某个规定值的情况为契机而再次重新进行整体的工作负荷分配等。
此外,在上述的说明中,例如,设想以使指标值上限(m+2·σ)极为接近阈值范围(指标值用)上限(80%)的方式分配了工作负荷的情况,以免紧随其后连续产生工作负荷的分配契机,换言之,为了在某种程度上保持对工作负荷分配进行变更的契机的间隔,设定具有5%的余量的阈值范围(检测用)。但是,另一方面,由于该余量范围,存在装置的处理性能降低的可能,因此,也可以将阈值范围(指标值用)与阈值范围(检测用)设定为相等。例如,工作负荷指标值的移动平均值m以sin波状推移的情况下,当在从该sin波的振幅的中心附近增加的定时产生了上述那样的工作负荷分配的契机等情况下,无论有无上述余量,只是时机早晚的区别,结果,将产生变更工作负荷分配的契机。另一方面,当在sin波的振幅最大峰值附近的定时产生了上述那样的工作负荷分配的契机等情况下,无论有无上述余量,不会产生变更工作负荷分配的契机。
实施例4
图4是表示本发明实施例4的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元62及工作负荷分配单元63的详细动作例的说明图。在本实施例中,表示工作负荷分配单元63根据由工作负荷指标值的计算单元62算出的指标值、对一个装置分配多个工作负荷的情况,作为其一例,说明对图1的装置201分配工作负荷301、302的情况。图4的横轴为时刻t,纵轴为作为工作负荷的一个变量的资源使用率,左图的◆点和○点分别为工作负荷301与302的履历标绘。右图的△点为合计了工作负荷301与302的履历的标绘,粗实线为由公式11求出的合成移动平均值ms,细实线为通过合成移动平均值ms和合成标准偏差σs求出的指标值ξs(=ms±2·σs)。如右图可知,通过利用合成移动平均值ms和合成标准偏差σs,即使在对装置201分配了多个工作负荷301、302的情况下,也能够掌握并预测合计工作负荷的时序变化。
在图4的例子中,由于对装置201进行分配之前,承担工作负荷301或302的装置与装置201的性能相同,所以当工作负荷分配单元63估算分配后的工作负荷时,将工作负荷301与302的单纯合计值应用于装置201,但当性能不同时,不采用单纯合计值而是需要进行公式12所示的换算。例如,从处理性能比为1的装置向性能比为2的装置移动替换了CUP使用率为40%的工作负荷时,换算为CPU使用率20%即可。
实施例5
图5是表示本发明实施例5的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元62的详细动作例的说明图。在本实施例中,工作负荷指标值的计算单元62在某种程度上预测工作负荷的将来的推移而确定指标值。图5表示某个工作负荷的时序变化,横轴为时刻t,纵轴为作为工作负荷的一个变量的资源使用率,○点为工作负荷的履历的标绘。此外,在某一时刻t1的粗实线为移动平均值m,细实线为通过移动平均值m与标准偏差σ求出的指标值ξ(=m±n·σ),在履历时刻t1之前的时刻t的粗实线为通过自回归整合滑动平均模型(autoregressive integrated movingaverage modle)求出的预测值μ,细虚线为如公式16所示通过预测值μ和置信区间λ求出的指标值ξ(=μ±n·λ)。
如图5所示,根据统计概率来预测将来的工作负荷,从而能够更可靠地确保装置群的系统处理性能,并且能降低装置群及进一步合计了供电/冷却设备的总消耗功率。即,例如,预计工作负荷的处理量在今后将增加的情况下,由于能够对具有该部分的余量的装置分配工作负荷,结果,能够降低各装置超出自身处理性能(脱离阈值范围(检测用))的概率,并能够继续维持整体的高系统处理性能。进一步,在预计工作负荷的增加的情况下,还能利用运行控制单元65事先使装置及设备待机,当预测减少时进行装置及设备的节电。在图5中采用了自回归整合滑动平均模型,但根据所需的预测期间及置信区间,可以采用简便的回归模型或指数平滑法,或为了提高预测精度也可以采用将多个模型进行组合的贝叶斯方法(bayesianapproach)。
此外,在对冷却设备利用将来预测的情况下,利用运行控制单元65,在考虑热时间常数的基础上可以先行控制冷却设备的运转能力及运转台数。设置装置群的设备环境中存在热容量,即使工作负荷或消耗功率发生变动,温度也因热时间常数而延迟变化,因此,例如通过对于工作负荷的增加预测,使冷却设备推迟地启动,对于减少预测而提早降低,从而与迎合性的控制相比能够实现节电化。此外,工作负荷及功率消耗的时间上的细微变化不影响冷却设备,所以,采用与热时间常数相当的区间的移动平均值是有用的。以
例如,当冷却装置由多个空调机构成时,先行控制空调机的运转台数及各空调机的冷却能力。对于工作负荷的预测,在与热时间常数相当的区间取移动平均值,根据该值和对工作负荷量的装置功率的关系式来推测装置群的功率即发热量的变化,按照利用热时间常数而对该变化进行响应的函数,控制运转台数及冷却能力即可。相比于工作负荷量本身的移动平均值,通过热时间常数的移动平均值求出的发热量更缓慢地变化,这实质上表示对空调机群的热负荷。例如,装置群的功率按阶梯状变化时,作为热时间常数τ的响应函数可以采用指数函数e-t/τ。作为更简单的控制方法,使运转台数大致与响应函数成比例,可以进行如下操作等来降低空调机群的功率:对于工作负荷的增加预测,推迟与热时间常数τ相当的时间来启动非运行的空调机,对于减少预测,提前与热时间常数τ相当的时间来停止运行中的空调机群的一部分。
实施例6
图6是表示本发明实施例6的信息处理系统的运用管理装置中的、图1的工作负荷指标值的计算单元62的详细动作例的说明图。在本实施例中,设为工作负荷的履历存在周期性,工作负荷指标值的计算单元62反映该履历来算出指标值。图6左上方的图表示某一工作负荷的时刻t的履历,中央的图表示其1天前的时刻t的履历,右下方的图表示其1周前的时刻t的履历。如图6所示,在工作负荷的时序变化中存在1天周期的情况下,参照从1天前追溯了规定天数的履历来计算概要统计量,由此,能够提高指标值的预测精度。计算概要统计量时,可以对所参照的履历考虑自相关系数来进行加权。对于图6的一部分的突发性的定期工作负荷,取代求概要统计量而可以采用事先将工作负荷的持续时间登记到调度(schedule)的方法。
实施例7
图7是表示本发明实施例7的信息处理系统的运用管理装置中的、该信息处理系统整体的配置结构例的布局图。信息处理系统210包括:信息处理装置群;搭载该信息处理装置群的机架列2201~22010;由变压器240、无停电电源装置241和配电盘2421~2424构成的供电设备;由冷却塔250、冷冻机251和空调机2521~2526构成的冷却设备。供电设备从变压器240经由无停电电源装置241和配电盘2421~2424对机架列2201~22010供电,并且,从机架的配电单元向信息处理装置供电。冷却设备进行地板下面的空气调节,空调机2521~2526经由地板下面和格栅(grille)向装置群提供冷气,空调机2521~2526吸入暖气且冷冻机251和冷却塔250相互进行热交换,冷却塔250向外界气体放热。
例如,当装置i221i位于机架列2207时,供电设备如箭头243所示从变压器240经无停电电源装置241和配电盘2423对装置i221i供电。装置i221i所消耗的电力变为显热而使空气变暖。冷却设备中,冷气从空调机2521~2526经由地板下面、格栅供给至装置i221i,来自装置i221i的暖气如箭头2541~2546所示返回空调机2521~2526,空调机2521~2526吸入的热经由冷冻机251和冷却塔250向外界气体放出。这样,通过掌握对装置i221i的供电系统和冷却系统的配置,能够计算对装置i221i的供电损失和冷却功率的局部灵敏度。
虽未特别限定,但具体而言,例如,沿箭头243所示的供电系统,一边分配装置i的功率一边预先进行仿真,从而求出以装置i为对象的供电设备的要素函数pSi(近似为装置i的功率与位置xi的函数)。同样地,如箭头2541~2546所示,考虑装置i对空调机2521~2526带来的热负荷影响,一边分配装置i的功率一边预先进行仿真,从而求出以装置i为对象的冷却设备的要素函数pCi(近似为装置i的功率与位置xi的函数)。并且,将该要素函数的和(PSi+PCi)设为设备功率PF的局部灵敏度PFi,从而如公式6或公式13所示,能够求出计入了供电损失与冷却功率的各装置各自的功率利用系数。此外,同样地,关于其他装置,也能求出计入了供电损失与冷却功率的各装置各自的功率利用系数。根据该功率利用系数,如上述各实施例所述地进行工作负荷的分配,从而能够不减低装置群的系统处理性能而降低合计了装置群与供电设备、冷却设备的总消耗功率。
以上根据实施例对发明者所做的发明进行了具体说明,但本发明不限于上述实施例,在不脱离主旨的范围内可进行各种变更。
工业实用性
本实施例可适用于由服务器、储存器、网络等的信息处理装置群和供电设备、冷却设备构成的信息处理系统中的综合的节电运用管理。特别适用于作为信息处理基盘的数据中心。此外,本实施例不仅适用于信息处理系统的自主运用管理,还能作为系统诊断工具、运用管理者或设备管理者的辅助工具等而适用于多种用途。
本实施例不仅针对于配置在一个场所的装置群与设备,还能适用于对多个场所的工作负荷的分配,例如,对多层数据中心或远离全局的数据中心也有用,还能灵活运用于如网格计算(grid computing)及云计算(cloudcomputing)等那样信息处理装置与设备分散的情况。此外,本实施例主要以信息处理装置群与设备为对象,但消耗功率或能量的装置及用于该装置的设备也能适用本实施例,例如,对于电气装置、机械装置、动力装置、热装置等的运用及控制也能发挥用途,并且作为系统规模也能以电子部件群和电源或冷却器、信息处理模块群和电源单元及冷却单元、数据中心群和发电所或包含布局的冷却环境等为对象而对节电、节能做出贡献。
Claims (14)
1.一种信息处理系统的运用管理装置,该信息处理系统具备多个信息处理装置,该信息处理系统的运用管理装置的特征在于:
具备:
第1单元,通过监视上述多个信息处理装置所具备的第1变量,取得并保存由上述多个信息处理装置执行的工作负荷各自的处理量的时序变化的履历;
第2单元,根据上述履历来计算上述工作负荷各自的处理量的概要统计量,该概要统计量包含代表值和分散度;以及
第3单元,以使要对各信息处理装置分配的工作负荷的处理量的基于上述概要统计量得到的预想值收纳于对各信息处理装置各自预先设定的阈值范围的方式,使上述多个信息处理装置中的、对装置性能而言功率利用系数高的信息处理装置优先地依次分配上述工作负荷。
2.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述多个信息处理装置是服务器装置,上述第1变量是处理器使用率。
3.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述多个信息处理装置是服务器装置,上述工作负荷是应用。
4.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述工作负荷各自的处理量的代表值是上述工作负荷各自的处理量的移动平均值。
5.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述工作负荷各自的处理量的分散度是上述工作负荷各自的处理量的标准偏差。
6.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述第3单元优先的上述多个信息处理装置中的、对装置性能而言功率利用系数高的信息处理装置,是上述多个信息处理装置中每单位消耗功率的处理性能高的信息处理装置。
7.如权利要求6所记载的信息处理系统的运用管理装置,其特征在于:
各信息处理装置的上述单位消耗功率,是上述信息处理系统的消耗功率内、由各信息处理装置消耗的功率的单位消耗功率。
8.如权利要求6所记载的信息处理系统的运用管理装置,其特征在于:
上述信息处理系统具备对上述多个信息处理装置进行冷却的设备,
各信息处理装置的上述单位消耗功率,是上述信息处理系统的消耗功率内、包含装置功率和上述设备的功率的与各信息处理装置有关的消耗功率的单位消耗功率,上述装置功率是由各信息处理装置消耗的功率,上述设备的功率是与上述装置功率相当的发热的冷却所需要的功率。
9.如权利要求8所记载的信息处理系统的运用管理装置,其特征在于:
上述冷却设备具有空调机。
10.如权利要求6所记载的信息处理系统的运用管理装置,其特征在于:
上述信息处理系统具备对上述多个信息处理装置进行供电的设备,
各信息处理装置的上述单位消耗功率,是上述信息处理系统的消耗功率内、包含装置功率和上述设备的功率的与各信息处理装置有关的消耗功率的单位消耗功率,上述装置功率是由各信息处理装置消耗的功率,上述设备的功率是上述装置功率的供给所需要的功率。
11.如权利要求6所记载的信息处理系统的运用管理装置,其特征在于:
上述信息处理系统具备对上述多个信息处理装置进行供电及冷却的设备,
各信息处理装置的上述单位消耗功率,是上述信息处理系统的消耗功率内、包含装置功率和上述设备的功率的与各信息处理装置有关的消耗功率的单位消耗功率,上述装置功率是由各信息处理装置消耗的功率,上述设备的功率是上述装置功率的供给所需要的功率和与上述装置功率相当的发热的冷却所需要的功率。
12.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述预想值,是将对各信息处理装置分配的工作负荷的处理量的代表值和对各信息处理装置分配的工作负荷的处理量的分散度的常数倍相加而得到的值。
13.如权利要求12所记载的信息处理系统的运用管理装置,其特征在于:
上述工作负荷各自的处理量的代表值是上述工作负荷各自的处理量的移动平均值,
上述工作负荷各自的处理量的分散度是上述工作负荷各自的处理量的标准偏差,
上述常数倍的常数是1~3。
14.如权利要求1所记载的信息处理系统的运用管理装置,其特征在于:
上述工作负荷各自的处理量的代表值是上述工作负荷各自的处理量的移动平均值,
上述工作负荷各自的处理量的分散度是上述工作负荷各自的处理量的标准偏差,
在对上述多个信息处理装置的一个分配多个工作负荷的情况下,与该一个信息处理装置有关的上述预想值,是将上述多个工作负荷的处理量的合成移动平均值和上述多个工作负荷的处理量的合成标准偏差的常数倍相加而得到的值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008-279339 | 2008-10-30 | ||
JP2008279339 | 2008-10-30 | ||
PCT/JP2009/054190 WO2010050249A1 (ja) | 2008-10-30 | 2009-03-05 | 情報処理システムの運用管理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102099790A CN102099790A (zh) | 2011-06-15 |
CN102099790B true CN102099790B (zh) | 2012-12-19 |
Family
ID=42128619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801276800A Expired - Fee Related CN102099790B (zh) | 2008-10-30 | 2009-03-05 | 信息处理系统的运用管理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8127298B2 (zh) |
EP (1) | EP2343649B1 (zh) |
JP (2) | JP4768082B2 (zh) |
CN (1) | CN102099790B (zh) |
WO (1) | WO2010050249A1 (zh) |
Families Citing this family (76)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS58103200A (ja) * | 1981-12-16 | 1983-06-20 | 株式会社日立製作所 | プリント板内層カツト方法 |
JP4958883B2 (ja) * | 2008-10-29 | 2012-06-20 | 株式会社日立製作所 | 管理サーバ装置によるストレージ装置及び空調装置の制御方法及びストレージシステム |
JP5218276B2 (ja) * | 2009-05-19 | 2013-06-26 | 富士通株式会社 | 空調制御システム、空調制御方法および空調制御プログラム |
EP2267858B1 (en) * | 2009-06-24 | 2012-04-25 | Alcatel Lucent | Method of controlling a network computing cluster providing IT-services |
US8341441B2 (en) * | 2009-12-24 | 2012-12-25 | International Business Machines Corporation | Reducing energy consumption in a cloud computing environment |
US8402140B2 (en) * | 2010-01-13 | 2013-03-19 | Nec Laboratories America, Inc. | Methods and apparatus for coordinated energy management in virtualized data centers |
US8612984B2 (en) | 2010-04-28 | 2013-12-17 | International Business Machines Corporation | Energy-aware job scheduling for cluster environments |
JP5742125B2 (ja) * | 2010-07-21 | 2015-07-01 | 富士通株式会社 | プログラム、情報生成装置及び情報生成方法 |
WO2012019609A1 (en) * | 2010-08-12 | 2012-02-16 | Vestas Wind Systems A/S | Control of a wind power plant |
CN102446197B (zh) | 2010-09-30 | 2015-11-25 | 国际商业机器公司 | 一种数据转换方法和数据转换器 |
US8918784B1 (en) | 2010-12-21 | 2014-12-23 | Amazon Technologies, Inc. | Providing service quality levels through CPU scheduling |
US20120160469A1 (en) * | 2010-12-22 | 2012-06-28 | Alcate-Lucent Canada Inc. | Adaptive cooling using power monitoring |
US8683479B1 (en) * | 2011-02-16 | 2014-03-25 | Hewlett-Packard Development Company, L.P. | Shifting information technology workload demands |
JP5715455B2 (ja) * | 2011-03-15 | 2015-05-07 | 株式会社Nttファシリティーズ | 空調機とデータ処理負荷分配の連係制御方法 |
WO2012147131A1 (en) | 2011-04-27 | 2012-11-01 | Hitachi, Ltd. | Management computer, computer system and method for allocating it equipment in a data center |
WO2013011624A1 (ja) * | 2011-07-15 | 2013-01-24 | 日本電気株式会社 | 仮想マシン管理システム及び仮想マシン管理方法 |
WO2013042271A1 (ja) * | 2011-09-22 | 2013-03-28 | 富士通株式会社 | 電子計算機システム及び仮想マシン配置方法 |
JP5785050B2 (ja) * | 2011-10-27 | 2015-09-24 | 株式会社日立製作所 | 情報処理システム、その省電力制御方法、及び装置 |
US8914497B1 (en) * | 2011-12-15 | 2014-12-16 | Amazon Technologies, Inc. | System and method for throttling service requests having non-uniform workloads |
JP5736302B2 (ja) | 2011-12-15 | 2015-06-17 | 株式会社日立製作所 | 情報処理システム、情報処理システムの運用管理方法、およびデータセンタ |
US9223630B2 (en) * | 2011-12-22 | 2015-12-29 | Alcatel Lucent | Method and apparatus for energy efficient distributed and elastic load balancing |
JP5801732B2 (ja) * | 2012-01-24 | 2015-10-28 | 株式会社日立製作所 | 情報処理システムの運用管理方法 |
GB2499237A (en) * | 2012-02-10 | 2013-08-14 | Ibm | Managing a network connection for use by a plurality of application program processes |
JP5983728B2 (ja) * | 2012-03-08 | 2016-09-06 | 日本電気株式会社 | 仮想マシン管理装置及び仮想マシン管理方法 |
US9857858B2 (en) | 2012-05-17 | 2018-01-02 | Intel Corporation | Managing power consumption and performance of computing systems |
US9107327B2 (en) | 2012-07-18 | 2015-08-11 | International Business Machines Corporation | Data center cooling method |
US8706417B2 (en) * | 2012-07-30 | 2014-04-22 | GM Global Technology Operations LLC | Anchor lane selection method using navigation input in road change scenarios |
US10652318B2 (en) * | 2012-08-13 | 2020-05-12 | Verisign, Inc. | Systems and methods for load balancing using predictive routing |
US20140052304A1 (en) * | 2012-08-16 | 2014-02-20 | Infosys Limited | Dynamic enforcement of power management policy and methods thereof |
US9218008B2 (en) | 2012-12-06 | 2015-12-22 | International Business Machines Corporation | Effectiveness-weighted control of cooling system components |
US9122528B2 (en) * | 2012-12-13 | 2015-09-01 | Telefonaktiebolaget L M Ericsson (Publ) | Energy conservation and hardware usage management for data centers |
US9563216B1 (en) * | 2013-03-14 | 2017-02-07 | Google Inc. | Managing power between data center loads |
JP2015021661A (ja) * | 2013-07-18 | 2015-02-02 | 日本電信電話株式会社 | 空調制御方法および空調制御システム |
US10145903B2 (en) | 2013-08-09 | 2018-12-04 | Abb Schweiz Ag | Methods and systems for monitoring devices in a power distribution system |
US9851726B2 (en) | 2013-09-04 | 2017-12-26 | Panduit Corp. | Thermal capacity management |
FR3010552B1 (fr) * | 2013-09-10 | 2016-12-09 | Commissariat Energie Atomique | Gestion de la consommation energetique d'un parc de calculateurs |
US10395198B2 (en) | 2013-10-04 | 2019-08-27 | International Business Machines Corporation | Forecasting a time series based on actuals and a plan |
US10318970B2 (en) | 2013-10-04 | 2019-06-11 | International Business Machines Corporation | Generating a succinct approximate representation of a time series |
JP2015082224A (ja) * | 2013-10-23 | 2015-04-27 | 日本電信電話株式会社 | 確率的なサーバ負荷量推定方法およびサーバ負荷量推定装置 |
US20150128145A1 (en) * | 2013-11-05 | 2015-05-07 | Avaya Inc. | System and method for routing work requests to minimize energy costs in a distributed computing system |
JP6349982B2 (ja) | 2014-06-06 | 2018-07-04 | 富士通株式会社 | 情報処理装置、情報処理装置の制御方法および情報処理装置の制御プログラム |
US20160011607A1 (en) * | 2014-07-11 | 2016-01-14 | Microsoft Technology Licensing, Llc | Adaptive cooling of computing devices |
JP6413517B2 (ja) | 2014-09-04 | 2018-10-31 | 富士通株式会社 | 管理装置、マイグレーション制御プログラム、情報処理システム |
KR101608859B1 (ko) * | 2014-09-17 | 2016-04-04 | (주)엔키아 | 클라우드 기반의 지능형 전력제어 시스템 |
US10339467B2 (en) | 2015-06-02 | 2019-07-02 | International Business Machines Corporation | Quantitative discovery of name changes |
US9703664B1 (en) * | 2015-06-24 | 2017-07-11 | EMC IP Holding Company LLC | Self adaptive workload classification and forecasting in multi-tiered storage system using ARIMA time series modeling |
CN106339386B (zh) * | 2015-07-08 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 数据库弹性调度方法以及装置 |
US9852164B2 (en) * | 2015-09-10 | 2017-12-26 | International Business Machines Corporation | Task handling in a multisystem environment |
JP6123926B1 (ja) * | 2016-02-08 | 2017-05-10 | 日本電気株式会社 | 情報処理システム |
US10753632B2 (en) * | 2016-02-25 | 2020-08-25 | Mitsubishi Electric Corporation | Air-conditioning system |
US9915989B2 (en) | 2016-03-01 | 2018-03-13 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Energy efficient workload placement management using predetermined server efficiency data |
US10228973B2 (en) * | 2016-03-08 | 2019-03-12 | Hulu, LLC | Kernel policy optimization for computing workloads |
US10832186B2 (en) | 2016-03-21 | 2020-11-10 | International Business Machines Corporation | Task handling in a master data management system |
CN106371546A (zh) * | 2016-08-30 | 2017-02-01 | 浪潮电子信息产业股份有限公司 | 一种整机柜功耗限制方法及装置 |
US10401940B2 (en) * | 2016-10-10 | 2019-09-03 | International Business Machines Corporation | Power management in disaggregated computing systems |
JP6870312B2 (ja) * | 2016-12-19 | 2021-05-12 | 富士通株式会社 | 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法 |
US11138532B1 (en) * | 2017-05-22 | 2021-10-05 | Applied Underwriters, Inc. | Statistical facility event monitor |
CN111819550B (zh) * | 2018-03-26 | 2022-04-05 | 华为技术有限公司 | 一种数据处理方法及网络设备 |
CN108460157B (zh) * | 2018-03-28 | 2021-09-24 | 深圳市智物联网络有限公司 | 一种数据处理方法以及处理设备 |
JP7020302B2 (ja) * | 2018-06-04 | 2022-02-16 | 日本電信電話株式会社 | 電力消費量算出装置、電力消費量算出方法及びプログラム |
KR101916799B1 (ko) | 2018-06-18 | 2018-11-08 | 주식회사 에프아이티 | 빅데이터 서버 부하 분산 제어 장치 및 방법 |
JP7035858B2 (ja) * | 2018-07-03 | 2022-03-15 | 富士通株式会社 | マイグレーション管理プログラム、マイグレーション方法およびマイグレーションシステム |
JP6989464B2 (ja) * | 2018-08-30 | 2022-01-05 | 株式会社日立製作所 | ソフトウェア生成方法およびソフトウェア生成システム |
JP2020038434A (ja) * | 2018-09-03 | 2020-03-12 | 日本電信電話株式会社 | リソース割当装置、リソース割当方法およびリソース割当プログラム |
US11031787B2 (en) | 2018-09-14 | 2021-06-08 | Lancium Llc | System of critical datacenters and behind-the-meter flexible datacenters |
JP7205150B2 (ja) * | 2018-10-09 | 2023-01-17 | カシオ計算機株式会社 | 電子機器、情報処理方法及び情報処理プログラム |
CN109347094B (zh) * | 2018-10-24 | 2020-10-09 | 珠海格力电器股份有限公司 | 变流器及其分配电能的方法、装置及电能分配系统 |
KR20200101210A (ko) * | 2019-02-19 | 2020-08-27 | 삼성전자주식회사 | 전자 장치 및 프로세서의 동작 주파수를 결정하는 방법 |
JP7251259B2 (ja) * | 2019-03-28 | 2023-04-04 | 富士通株式会社 | 運用管理装置、運用管理システム、および運用管理方法 |
CA3183109A1 (en) | 2019-05-15 | 2020-11-19 | Upstream Data Inc. | Portable blockchain mining system and methods of use |
CN110162907B (zh) * | 2019-05-29 | 2023-04-07 | 包头钢铁(集团)有限责任公司 | 一种利用数值模拟研究得到表征板材成形性各项参数窗口值的方法 |
US11397999B2 (en) | 2019-08-01 | 2022-07-26 | Lancium Llc | Modifying computing system operations based on cost and power conditions |
US11868106B2 (en) | 2019-08-01 | 2024-01-09 | Lancium Llc | Granular power ramping |
JP7111761B2 (ja) * | 2020-03-11 | 2022-08-02 | 株式会社日立製作所 | プラント運転最適化支援装置、プラント運転最適化制御装置並びに方法 |
TWI750623B (zh) * | 2020-03-31 | 2021-12-21 | 技嘉科技股份有限公司 | 電源管理系統以及電源管理方法 |
US11842213B2 (en) * | 2021-04-16 | 2023-12-12 | Dell Products L.P. | Cooling-power-utilization-based workload allocation system |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1643476A (zh) * | 2002-03-18 | 2005-07-20 | 国际商业机器公司 | 管理多计算机服务器的功耗的方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6795928B2 (en) * | 2002-03-18 | 2004-09-21 | International Business Machines Corporation | Method for managing power consumption of multiple computer servers |
WO2003083693A1 (fr) | 2002-04-03 | 2003-10-09 | Fujitsu Limited | Planificateur de taches dans un systeme de traitement distribue |
US20030193777A1 (en) * | 2002-04-16 | 2003-10-16 | Friedrich Richard J. | Data center energy management system |
US6996728B2 (en) * | 2002-04-26 | 2006-02-07 | Hewlett-Packard Development Company, L.P. | Managing power consumption based on utilization statistics |
US20040054938A1 (en) * | 2002-09-17 | 2004-03-18 | Belady Christian L. | Controlling a computer system based on an environmental condition |
JP2004126968A (ja) * | 2002-10-03 | 2004-04-22 | Fujitsu Ltd | 並列計算機のジョブスケジューリング装置 |
JP2004240669A (ja) | 2003-02-05 | 2004-08-26 | Sharp Corp | ジョブスケジューラおよびマルチプロセッサシステム |
US7272732B2 (en) * | 2003-06-30 | 2007-09-18 | Hewlett-Packard Development Company, L.P. | Controlling power consumption of at least one computer system |
JP3896352B2 (ja) * | 2003-08-08 | 2007-03-22 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 分散コンピューティングシステム |
US7127625B2 (en) * | 2003-09-04 | 2006-10-24 | Hewlett-Packard Development Company, L.P. | Application management based on power consumption |
US7197433B2 (en) * | 2004-04-09 | 2007-03-27 | Hewlett-Packard Development Company, L.P. | Workload placement among data centers based on thermal efficiency |
JP2005312142A (ja) | 2004-04-20 | 2005-11-04 | Hitachi Ltd | 消費電力量管理システム |
US8156490B2 (en) | 2004-05-08 | 2012-04-10 | International Business Machines Corporation | Dynamic migration of virtual machine computer programs upon satisfaction of conditions |
JP2006285317A (ja) | 2005-03-31 | 2006-10-19 | Tokyo Electric Power Co Inc:The | 負荷判定システム、負荷分散システムおよび異常検出システム |
US7461273B2 (en) * | 2005-05-16 | 2008-12-02 | Hewlett-Packard Development Company, L.P. | Power distribution among servers |
US7644148B2 (en) | 2005-05-16 | 2010-01-05 | Hewlett-Packard Development Company, L.P. | Historical data based workload allocation |
JP4476876B2 (ja) | 2005-06-10 | 2010-06-09 | 三菱電機株式会社 | 並列計算装置 |
JP4895266B2 (ja) * | 2005-12-28 | 2012-03-14 | 富士通株式会社 | 管理システム、管理プログラムおよび管理方法 |
JP4905950B2 (ja) * | 2006-11-22 | 2012-03-28 | 株式会社Nttファシリティーズ | 空調システムの診断方法 |
US8037329B2 (en) * | 2007-01-31 | 2011-10-11 | Hewlett-Packard Development Company, L.P. | Systems and methods for determining power consumption profiles for resource users and using the profiles for resource allocation |
US7818594B2 (en) * | 2007-03-21 | 2010-10-19 | Intel Corporation | Power efficient resource allocation in data centers |
-
2009
- 2009-03-05 EP EP09823362.0A patent/EP2343649B1/en not_active Not-in-force
- 2009-03-05 JP JP2010535694A patent/JP4768082B2/ja not_active Expired - Fee Related
- 2009-03-05 CN CN2009801276800A patent/CN102099790B/zh not_active Expired - Fee Related
- 2009-03-05 US US13/003,675 patent/US8127298B2/en not_active Expired - Fee Related
- 2009-03-05 WO PCT/JP2009/054190 patent/WO2010050249A1/ja active Application Filing
-
2010
- 2010-09-28 JP JP2010216623A patent/JP2011008822A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1643476A (zh) * | 2002-03-18 | 2005-07-20 | 国际商业机器公司 | 管理多计算机服务器的功耗的方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2343649B1 (en) | 2017-10-25 |
US8127298B2 (en) | 2012-02-28 |
JP2011008822A (ja) | 2011-01-13 |
JP4768082B2 (ja) | 2011-09-07 |
JPWO2010050249A1 (ja) | 2012-03-29 |
CN102099790A (zh) | 2011-06-15 |
EP2343649A4 (en) | 2012-08-22 |
US20110126206A1 (en) | 2011-05-26 |
WO2010050249A1 (ja) | 2010-05-06 |
EP2343649A1 (en) | 2011-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102099790B (zh) | 信息处理系统的运用管理装置 | |
CN101436155B (zh) | 用于功率使用的实时预测的方法和系统 | |
CN101556493B (zh) | 信息处理系统的运用管理方法及运用管理装置 | |
CN102099791B (zh) | 信息处理系统的运用管理方法 | |
Li et al. | Towards optimal electric demand management for internet data centers | |
US7197433B2 (en) | Workload placement among data centers based on thermal efficiency | |
CN103062861B (zh) | 用于中央空调的节能监控方法及系统 | |
US11385605B2 (en) | Building control system with features for operating under intermittent connectivity to a cloud computation system | |
US20210173366A1 (en) | Systems and methods for maintaining occupant comfort for various environmental conditions | |
CN101995072A (zh) | 用户能量管理系统 | |
Zhang et al. | TEStore: Exploiting thermal and energy storage to cut the electricity bill for datacenter cooling | |
EP3732401B1 (en) | Responsive power steering and redundancy | |
CN114489307A (zh) | 针对互联网数据中心的能效优化方法及装置 | |
Banerjee et al. | Towards a net-zero data center | |
CN103216919A (zh) | 一种基于动态环境控制制冷效率的空调系统及控制方法 | |
CN111678246B (zh) | 空调设备、控制方法、诊断方法、控制装置和存储介质 | |
US11125790B2 (en) | Method for operating a power consumption metering system and power consumption metering system | |
JPH10300167A (ja) | 空調熱源設備の管理制御装置 | |
Watson et al. | Integrated design and management of a sustainable data center | |
US20210055698A1 (en) | Central plant control system with device geometric modeling and control | |
CN111720954A (zh) | 产品的节能方法及节能运算系统 | |
JP2013058257A (ja) | 情報処理システムの運用管理方法、運用管理プログラムおよび運用管理装置、ならびに情報処理システム | |
Huang et al. | Electric Power-grid Friendly Characteristic Data Center Energy Consumption Optimization Method | |
CN214406424U (zh) | 一种基于大数据分析的冷却水优化控制系统 | |
US11144020B2 (en) | Central plant control system with geometric modeling of operational sequences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121219 |
|
CF01 | Termination of patent right due to non-payment of annual fee |