CN103092316B - 一种基于数据挖掘的服务器功耗管理系统 - Google Patents
一种基于数据挖掘的服务器功耗管理系统 Download PDFInfo
- Publication number
- CN103092316B CN103092316B CN201310022639.5A CN201310022639A CN103092316B CN 103092316 B CN103092316 B CN 103092316B CN 201310022639 A CN201310022639 A CN 201310022639A CN 103092316 B CN103092316 B CN 103092316B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- data
- message
- bmc
- power
- 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.)
- Active
Links
- 238000007418 data mining Methods 0.000 title claims abstract description 20
- 238000011217 control strategy Methods 0.000 claims abstract description 21
- 230000003993 interaction Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 34
- 238000007726 management method Methods 0.000 claims description 30
- 108010028984 3-isopropylmalate dehydratase Proteins 0.000 claims description 25
- 230000009471 action Effects 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000005265 energy consumption Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 101150039033 Eci2 gene Proteins 0.000 claims description 6
- 102100021823 Enoyl-CoA delta isomerase 2 Human genes 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 230000002045 lasting effect Effects 0.000 claims description 6
- 238000005201 scrubbing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000001953 sensory effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 claims description 2
- 238000013144 data compression Methods 0.000 claims description 2
- 230000007935 neutral effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 238000012806 monitoring device Methods 0.000 abstract 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 206010020675 Hypermetropia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于数据挖掘的服务器功耗管理系统，包括状态数据库、功耗控制策略库、状态监测器、分析器、计划器、功耗控制器、服务器功耗管理消息接口、人机交互界面等子组件，状态监测器、分析器、计划器和功耗控制器及功耗控制策略库是服务器功耗管理系统的核心，形成了完整的监视—分析—计划—执行控制闭环。该一种基于数据挖掘的服务器功耗管理系统和现有技术相比弥补了现有服务器功耗管理系统中由于只能采用人工预定义策略进行功耗管理，可能存在的功耗控制策略选择有误、对系统配置或外部环境变化适应性差、管理复杂度高等问题。
Description
技术领域
本发明涉及计算机服务器技术领域，具体的说是一种基于数据挖掘的服务器功耗管理系统。
背景技术
自哥本哈根世界气候大会之后，建设低碳社会已经成为全球共识。在低碳目标导引下的信息产业界，绿色计算展示了以功耗为导向的环境友好型计算系统构建模式，具有非常广泛的应用前景，其发展和应用将会给人类生活和生产的各个领域带来深远影响。服务器节能技术，作为绿色计算研究领域的一个分支，正日益受到学术界和工业界的广泛关注。
学术界在功耗建模、功耗评估、功耗控制等研究方向上进行了相关研究并取得了一定进展：提出了基于组件的并行科学计算应用性能和功耗模型、面向于分布式计算系统中对科学计算应用的功耗特性等功耗建模方法及模型；提出了硬件测量、理论计算、软件模拟等功耗测量及评估方法；提出了软件源代码结构级功耗优化技术及编译优化技术；提出了部件工作电压/频率调节等功耗控制方法。
工业界同样在服务器功耗管理方面取得了一定进展：如IBM提出的“Project BigGreen”计划，这个计划的主要部分是主动能源管理，它能够管理数据中心中的服务器、散热、电源等系统；HP、Dell、浪潮、超微等传统服务器厂商也纷纷推出基于Intel或ARM平台的“微服务器”、“低功耗服务器”等产品线；国内互联网企业淘宝也联合Intel完成了低功耗CDN缓存服务器的定制和部署。
综上所述，目前关于服务器功耗管理技术方向的研究已取得初步进展，但这些研究都仅考虑了系统单一层面如处理器、操作系统、编译器、应用程序等的特性，而不能刻画硬件、系统、应用三者之间的综合能效模型；同时，尚缺少高精度、细粒度的运行时功耗测量方法以及系统功耗控制策略演进机制。因此，提出一种能够解决上述问题的服务器功耗管理系统很有必要。
发明内容
本发明的技术任务是解决现有技术的不足，提供一种基于数据挖掘的服务器功耗管理系统。
本发明的技术方案是按以下方式实现的，该一种基于数据挖掘的服务器功耗管理系统，其结构包括
状态数据库：包括功耗数据、负载数据、热能数据三种类型；
功耗控制策略库：存储的具体功耗控制策略是从状态到控制动作的映射关系；
状态监测器：感知系统状态, 将部件功耗、负载、热能状态保存至对应数据库中；
分析器：根据状态数据库中的历史数据进行数据抽取、清理、转换，完成数据预处理工作，并基于数据挖掘方法进行功耗-负载关联模型分析工作，并以此为基础对功耗控制策略库进行更新、演进和完善；
计划器：通过状态数据库中得到状态信息，并基于功耗控制策略库中提供的状态与动作映射关系，调度功耗控制器执行具体功耗控制动作；
功耗控制器：对具体功耗控制策略进行实施；
服务器功耗管理消息接口：提供消息服务，接收外部系统管理消息请求；
人机交互界面：提供对系统功耗、负载、热能各种状态的监控，并以图形化的方式向用户展现。
其结构包括
状态数据库：包括功耗数据、负载数据、热能数据三种类型；
功耗控制策略库：存储的具体功耗控制策略是从状态到控制动作的映射关系；
状态监测器：感知系统状态, 将部件功耗、负载、热能状态保存至对应数据库中；
分析器：根据状态数据库中的历史数据进行数据抽取、清理、转换，完成数据预处理工作，并基于数据挖掘方法进行功耗-负载关联模型分析工作，并以此为基础对功耗控制策略库进行更新、演进和完善；
计划器：通过状态数据库中得到状态信息，并基于功耗控制策略库中提供的状态与动作映射关系，调度功耗控制器执行具体功耗控制动作；
功耗控制器：对具体功耗控制策略进行实施；
服务器功耗管理消息接口：提供消息服务，接收外部系统管理消息请求；
人机交互界面：提供对系统功耗、负载、热能各种状态的监控，并以图形化的方式向用户展现。
所述状态监测器负责采集处理器、内存、系统的功耗数据及部件温度、风扇转速的热能数据，以及处理器利用率、内存利用率、IO吞吐量及网络流量的负载数据，并将其分别存储至功耗、热能、负载数据库中。
所述功耗控制器具体可实施的功耗控制动作包括处理器功耗限额、处理器频率控制、内存频率控制、网络带宽控制、整机功耗限额。
所述分析器基于负载、功耗及热能历史数据，遵循数据预处理、关联规则挖掘、控制策略推导的步骤完成对功耗控制策略的持续演进、优化和完善，其中数据预处理步骤又可细分为数据清理、数据集成、数据变换、数据规约四种类型；计划器通过功耗、负载、热能数据库中得到状态信息，并基于功耗控制策略知识库中提供的状态与动作映射关系，调度功耗控制器完成具体功耗控制动作的执行。
关联规则挖掘过程完成后，得到规范化的负载、功耗关联规则，在此基础上，可基于分类及预测技术实现手段，完成功耗控制策略的推导，最终形成持续演进的功耗控制策略知识库，供计划器使用，这里的分类是指判定树归纳、贝叶斯分类和贝叶斯网络、神经网络或遗传算法，这里的预测是指线性的、非线性的或广义线性回归方法。
所述服务器功耗管理消息接口具体可分为消息接口服务、消息处理器及命令执行器三个子组件，外部管理系统可向消息接口服务发送消息请求，消息接口服务收到消息请求后将其提交至消息处理器处理，消息处理器调用具体命令执行器完成具体状态监测或功耗控制动作，再将执行结果返回至消息接口服务并最终以消息响应的方式发回给外部管理系统。
所述命令执行器进一步细分为功耗监测命令、负载监测命令、热能监测命令、功耗控制命令四种类型。
所述人机交互界面所需的具体功耗、负载、热能数据来源均来自于服务器功耗管理消息接口。
所述人机交互界面采用Web服务的方式以图形化的方式向用户展现。本发明与现有技术相比所产生的有益效果是：
本发明的一种基于数据挖掘的服务器功耗管理系统具备高精度、细粒度的运行时功耗测量方法及自主功耗控制策略演进机制，能够根据监测到的系统功耗、负载、热能状态信息，对功耗控制策略进行持续演进、优化及完善，弥补了现有服务器功耗管理系统中由于只能采用人工预定义策略进行功耗管理，可能存在的功耗控制策略选择有误、对系统配置或外部环境变化适应性差、管理复杂度高等问题，因而具有广阔的发展前景及极高的技术价值。
附图说明
附图1为本发明的整体结构示意图。
附图2为状态监测器工作机制示意图。
附图3为功耗控制器工作机制示意图。
附图4为分析器、计划器工作机制示意图。
附图5为服务器功耗管理消息接口工作机制示意图。
具体实施方式
下面结合附图对本发明的一种基于数据挖掘的服务器功耗管理系统作以下详细说明。
如附图1所示，该一种基于数据挖掘的服务器功耗管理系统，其结构包括：
状态数据库：包括功耗数据、负载数据、热能数据三种类型；
功耗控制策略库：存储的具体功耗控制策略是从状态到控制动作的映射关系；
状态监测器：感知系统状态, 将部件功耗、负载、热能状态保存至对应数据库中；
分析器：根据状态数据库中的历史数据进行数据抽取、清理、转换，完成数据预处理工作，并基于数据挖掘方法进行功耗-负载关联模型分析工作，并以此为基础对功耗控制策略库进行更新、演进和完善；
计划器：通过状态数据库中得到状态信息，并基于功耗控制策略库中提供的状态与动作映射关系，调度功耗控制器执行具体功耗控制动作；
功耗控制器：对具体功耗控制策略进行实施；
服务器功耗管理消息接口：提供消息服务，接收外部系统管理消息请求；
人机交互界面：提供对系统功耗、负载、热能各种状态的监控，并以图形化的方式向用户展现。
如附图2所示，所述状态监测器负责采集功耗、负载、热能等状态数据，并将其分别存储至功耗、负载、热能数据库中。其需要采集的状态数据类型具体如下：
处理器功耗：状态监视器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过PECI接口从处理器获得；
内存功耗：状态监视器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过PECI接口从内存控制器获得；
系统功耗：状态监视器通过IPMI消息接口向BMC发起请求，BMC通过PMBUS总线从系统电源获得；
这里的ME是指移动设备。
系统/部件温度：状态监视器通过IPMI消息接口向BMC发起请求，BMC通过SMBUS总线从系统进风口/出风口/部件温度传感器获得；
风扇转速：状态监视器通过IPMI消息接口向BMC发起请求，BMC通过SMBUS总线从系统风扇获得；
处理器利用率、内存利用率、IO吞吐量、网络流量：状态监视器通过操作系统核心提供的对应计划器获得。
如附图3所示，功耗控制器负责实施具体的功耗控制动作，其需要实施的功耗控制动作具体如下：
处理器功耗限额：功耗控制器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过向系统发送SMI或GPE中断通知BIOS提供的SMI Handler或ASL Code，由SMI Handler或ASL Code具体完成处理器P/T-State的切换以达到处理器功耗限额的目的；
处理器频率控制：功耗控制器调用处理器频率控制模块实现，处理器频率控制模块可采用如Turbo boost（英特尔睿频加速技术）、SpeedStep、demand-based switching(DBS)等方式实现；
内存频率控制：功耗控制器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过PECI接口向内存控制器发出频率调整控制指令；
网络带宽控制：功耗控制器调用网络带宽控制模块实现，网络带宽控制模块可通过调整PCI/PCI-E总线带宽、调整设备工作速率的方式进行实现；
整机功耗限额：功耗控制器通过IPMI消息接口向BMC发起请求，BMC通过PMBUS总线向系统电源发送输出功率限制控制指令。
如附图4所示，所述分析器基于负载、功耗及热能历史数据，遵循数据预处理->关联规则挖掘->控制策略推导的步骤完成对功耗控制策略的持续演进、优化和完善。其中，
数据预处理步骤应当包含如下子类型：
数据清理：数据清理过程即完成从“脏数据”至“干净数据”的过程，具体可采用遗漏值填充、局外者识别、不一致数据纠正等方法进行实现；
数据集成：数据集成即将多个数据源集成至一致的数据仓库的过程，以便于提高后续数据挖掘过程的速度和精度，具体可采用实体识别、冗余数据相关性分析、数据冲突检测等方法进行实现；
数据变换：数据变换即将数据转换成适合于数据挖掘形式的过程，具体实现方法包括平滑（去除数据噪音）、泛化（使用概念分层，用高层次概念替换低层次“原始”数据）、规范化（将属性数据按比例缩放，使之落入一个小的特定区间中）等；
数据规约：数据规约即用来得到数据集的规约表示以减小待挖掘数据集的大小，规约后的数据集比原始数据小很多且仍接近地保持原数据的完整性，在规约后的数据集上进行数据挖掘将更有效，并产生近似的分析结果，可采用数据聚集、维规约、数据压缩等方法进行实现。
完成数据预处理过程后，通过关联规则挖掘过程以规则集的形式输出关联规则挖掘结果，即负载-功耗关联规则。
完成关联规则挖掘过程后，得到规范化的负载-功耗关联规则，在此基础上，可基于分类（如判定树归纳、贝叶斯分类和贝叶斯网络、神经网络、遗传算法等方法）及预测（如线性的、非线性的、广义线性回归等方法）等技术实现手段，完成功耗控制策略的推导，最终形成持续演进的功耗控制策略知识库，供计划器使用。
计划器通过功耗、负载、热能数据库中得到状态信息，并基于功耗控制策略知识库中提供的状态与动作映射关系，调度功耗控制器执行具体功耗控制动作。
如图5所示，所述服务器功耗管理消息接口具体可分为消息接口服务、消息处理器及命令执行器三个子组件，其中命令执行器又可进一步细分为功耗监测命令、负载监测命令、热能监测命令、功耗控制命令四种类型；外部管理系统可向消息接口服务（可基于IPMI规范基础上进行扩展）发送消息请求，消息接口服务收到消息请求后将其提交至消息处理器处理（可基于异步消息队列技术实现），消息处理器调用具体命令执行器（可基于查表法进行实现）完成具体状态监测或功耗控制动作，再将执行结果返回至消息接口服务并最终以消息响应的方式发回给外部管理系统。
所述人机交互界面提供对系统功耗、负载、热能等各种状态的监控，人机交互界面可采用Web服务的方式以图形化的方式向用户展现。
Claims (6)
1.一种基于数据挖掘的服务器功耗管理系统，其特征在于：其结构包括
状态数据库：包括功耗数据、负载数据、热能数据三种类型；
功耗控制策略库：存储的具体功耗控制策略是从状态到控制动作的映射关系；
状态监测器：感知系统状态, 将部件功耗、负载、热能状态保存至对应数据库中；
分析器：根据状态数据库中的历史数据进行数据抽取、清理、转换，完成数据预处理工作，并基于数据挖掘方法进行功耗-负载关联模型分析工作，并以此为基础对功耗控制策略库进行更新、演进和完善；
计划器：通过状态数据库中得到状态信息，并基于功耗控制策略库中提供的状态与动作映射关系，调度功耗控制器执行具体功耗控制动作；
功耗控制器：对具体功耗控制策略进行实施；
服务器功耗管理消息接口：提供消息服务，接收外部系统管理消息请求；
人机交互界面：提供对系统功耗、负载、热能各种状态的监控，并以图形化的方式向用户展现；
状态监测器负责采集功耗、负载、热能状态数据，并将其分别存储至功耗、负载、热能数据库中，其需要采集的状态数据类型具体如下：
处理器功耗：状态监视器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过PECI接口从处理器获得；
内存功耗：状态监视器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过PECI接口从内存控制器获得；
系统功耗：状态监视器通过IPMI消息接口向BMC发起请求，BMC通过PMBUS总线从系统电源获得；
系统/部件温度：状态监视器通过IPMI消息接口向BMC发起请求，BMC通过SMBUS总线从系统进风口/出风口/部件温度传感器获得；
风扇转速：状态监视器通过IPMI消息接口向BMC发起请求，BMC通过SMBUS总线从系统风扇获得；
处理器利用率、内存利用率、IO吞吐量、网络流量：状态监视器通过操作系统核心提供的对应计数器获得；
所述功耗控制器具体实施的功耗控制动作包括处理器功耗限额、处理器频率控制、内存频率控制、网络带宽控制、整机功耗限额，其中：
处理器功耗限额：功耗控制器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过向系统发送SMI或GPE中断通知BIOS提供的SMI Handler或ASL Code，由SMI Handler或ASL Code具体完成处理器P/T-State的切换以达到处理器功耗限额的目的；
处理器频率控制：功耗控制器调用处理器频率控制模块实现；
内存频率控制：功耗控制器通过IPMI消息接口向BMC发起请求，BMC将该请求通过IPMI消息接口转发给ME，ME通过PECI接口向内存控制器发出频率调整控制指令；
网络带宽控制：功耗控制器调用网络带宽控制模块实现，网络带宽控制模块通过调整PCI/PCI-E总线带宽、调整设备工作速率的方式进行实现；
整机功耗限额：功耗控制器通过IPMI消息接口向BMC发起请求，BMC通过PMBUS总线向系统电源发送输出功率限制控制指令；
所述分析器基于负载、功耗及热能历史数据，遵循数据预处理、关联规则挖掘、控制策略推导的步骤完成对功耗控制策略的持续演进、优化和完善，其中数据预处理步骤又细分为数据清理、数据集成、数据变换、数据规约四种类型，其中：
数据清理：数据清理过程即完成从脏数据至干净数据的过程，具体采用遗漏值填充、局外者识别、不一致数据纠正的方法进行实现；
数据集成：数据集成即将多个数据源集成至一致的数据仓库的过程，具体采用实体识别、冗余数据相关性分析、数据冲突检测的方法进行实现；
数据变换：数据变换即将数据转换成适合于数据挖掘形式的过程，具体实现方法包括平滑、泛化、规范化，其中平滑是指去除数据噪音，泛化是指使用概念分层，用高层次概念替换低层次原始数据，规范化是指将属性数据按比例缩放，使之落入一个特定区间中；
数据规约：数据规约即用来得到数据集的规约表示以减小待挖掘数据集的大小，采用数据聚集、维规约、数据压缩的方法进行实现；
计划器通过功耗、负载、热能数据库中得到状态信息，并基于功耗控制策略知识库中提供的状态与动作映射关系，调度功耗控制器完成具体功耗控制动作的执行。
2.根据权利要求1所述的一种基于数据挖掘的服务器功耗管理系统，其特征在于：关联规则挖掘过程完成后，得到规范化的负载、功耗关联规则，在此基础上，基于分类及预测技术实现手段，完成功耗控制策略的推导，最终形成持续演进的功耗控制策略知识库，供计划器使用，这里的分类是指判定树归纳、贝叶斯分类和贝叶斯网络、神经网络或遗传算法，这里的预测是指线性的、非线性的或广义线性回归方法。
3.根据权利要求1所述的一种基于数据挖掘的服务器功耗管理系统，其特征在于：所述服务器功耗管理消息接口具体分为消息接口服务、消息处理器及命令执行器三个子组件，外部管理系统向消息接口服务发送消息请求，消息接口服务收到消息请求后将其提交至消息处理器处理，消息处理器调用具体命令执行器完成具体状态监测或功耗控制动作，再将执行结果返回至消息接口服务并最终以消息响应的方式发回给外部管理系统。
4.根据权利要求3所述的一种基于数据挖掘的服务器功耗管理系统，其特征在于：所述命令执行器进一步细分为功耗监测命令、负载监测命令、热能监测命令、功耗控制命令四种类型。
5.根据权利要求1所述的一种基于数据挖掘的服务器功耗管理系统，其特征在于：所述人机交互界面所需的具体功耗、负载、热能数据来源均来自于服务器功耗管理消息接口。
6.根据权利要求5所述的一种基于数据挖掘的服务器功耗管理系统，其特征在于：所述人机交互界面采用Web服务的方式以图形化的方式向用户展现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310022639.5A CN103092316B (zh) | 2013-01-22 | 2013-01-22 | 一种基于数据挖掘的服务器功耗管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310022639.5A CN103092316B (zh) | 2013-01-22 | 2013-01-22 | 一种基于数据挖掘的服务器功耗管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103092316A CN103092316A (zh) | 2013-05-08 |
| CN103092316B true CN103092316B (zh) | 2017-04-12 |
Family
ID=48204994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310022639.5A Active CN103092316B (zh) | 2013-01-22 | 2013-01-22 | 一种基于数据挖掘的服务器功耗管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103092316B (zh) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104345858B (zh) * | 2013-08-02 | 2017-08-18 | 北京百度网讯科技有限公司 | 服务器硬件设备的功耗管理方法及装置、服务器 |
| CN104423531A (zh) * | 2013-09-05 | 2015-03-18 | 中兴通讯股份有限公司 | 数据中心能耗调度处理方法及装置 |
| CN103902016A (zh) * | 2014-04-28 | 2014-07-02 | 浪潮电子信息产业股份有限公司 | 一种面向场景预测的服务器功耗管理方法 |
| CN104166623A (zh) * | 2014-08-20 | 2014-11-26 | 浪潮电子信息产业股份有限公司 | 一种检测intel平台ME状态的测试方法 |
| EP3219051A4 (en) * | 2014-11-14 | 2018-05-23 | Inc. Bitnobi | Systems and methods of controlled sharing of big data |
| CN104503843A (zh) * | 2014-12-25 | 2015-04-08 | 浪潮电子信息产业股份有限公司 | 一种功耗管理方法及装置 |
| CN106649329A (zh) * | 2015-10-30 | 2017-05-10 | 深圳市华威世纪科技股份有限公司 | 一种安全生产大数据挖掘系统 |
| CN105577796A (zh) * | 2015-12-25 | 2016-05-11 | 曙光信息产业(北京)有限公司 | 集群的功耗控制方法及装置 |
| CN106936616B (zh) * | 2015-12-31 | 2020-01-03 | 伊姆西公司 | 备份通信方法和装置 |
| CN105676996A (zh) * | 2015-12-31 | 2016-06-15 | 曙光信息产业(北京)有限公司 | 一种龙芯服务器的功耗控制方法和装置 |
| CN105791033A (zh) * | 2016-05-09 | 2016-07-20 | 浪潮电子信息产业股份有限公司 | 一种调控服务器运行状态的方法、装置及系统 |
| CN107122163A (zh) * | 2017-04-26 | 2017-09-01 | 郑州云海信息技术有限公司 | 一种SmartRack‑ARM服务器系统性能优化的方法 |
| CN107168859A (zh) * | 2017-05-09 | 2017-09-15 | 中国科学院计算技术研究所 | 用于安卓设备的能耗分析方法 |
| CN107145359A (zh) * | 2017-05-12 | 2017-09-08 | 郑州云海信息技术有限公司 | 一种bmc修改bios选项的优化方法 |
| CN107783888A (zh) * | 2017-10-31 | 2018-03-09 | 济南浪潮高新科技投资发展有限公司 | 一种基于ipmi带数据预测功能的服务器管理实现的方法及装置 |
| CN108280408B (zh) * | 2018-01-08 | 2021-11-02 | 北京联合大学 | 一种基于混合跟踪和广义线性模型的人群异常事件检测方法 |
| CN108803860A (zh) * | 2018-06-26 | 2018-11-13 | 联想(北京)有限公司 | 一种功耗调节方法及电子设备 |
| CN109992477B (zh) * | 2019-03-27 | 2021-07-16 | 联想(北京)有限公司 | 用于电子设备的信息处理方法、系统以及电子设备 |
| CN111240454B (zh) * | 2020-01-18 | 2021-10-22 | 苏州浪潮智能科技有限公司 | 一种基于risc-v的功耗动态调整系统及方法 |
| CN113608971B (zh) * | 2021-10-11 | 2022-02-18 | 苏州浪潮智能科技有限公司 | 一种数据中心的服务器功耗管理方法、装置及设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102016748A (zh) * | 2008-04-21 | 2011-04-13 | 自适应计算企业股份有限公司 | 用于管理计算环境中的能量消耗的系统和方法 |
| CN102063327A (zh) * | 2010-12-15 | 2011-05-18 | 中国科学院深圳先进技术研究院 | 具有功耗意识的数据中心应用服务调度方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8039989B2 (en) * | 2007-11-27 | 2011-10-18 | International Business Machines Corporation | Apparatus, system, and method for a low cost multiple output redundant power supply |
-
2013
- 2013-01-22 CN CN201310022639.5A patent/CN103092316B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102016748A (zh) * | 2008-04-21 | 2011-04-13 | 自适应计算企业股份有限公司 | 用于管理计算环境中的能量消耗的系统和方法 |
| CN102063327A (zh) * | 2010-12-15 | 2011-05-18 | 中国科学院深圳先进技术研究院 | 具有功耗意识的数据中心应用服务调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103092316A (zh) | 2013-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103092316B (zh) | 一种基于数据挖掘的服务器功耗管理系统 | |
| CN102566739B (zh) | 多核处理器系统及其动态电源管理方法与控制装置 | |
| CN103345298B (zh) | 一种基于虚拟it资源分配技术的数据中心节能系统的方法 | |
| US10725524B2 (en) | Method and systems for energy efficiency and energy conservation including on-off keying for power control | |
| WO2021073085A1 (zh) | 面向微服务的纳秒级电力资源分配方法和系统 | |
| CN104991830A (zh) | 基于服务等级协议的yarn资源分配和节能调度方法及系统 | |
| CN102254016B (zh) | 一种面向云计算环境的容错并行Skyline查询方法 | |
| CN102917006B (zh) | 一种实现计算资源和对象权限的统一控制管理方法及装置 | |
| CN103616945A (zh) | 大规模云数据中心中一种服务器节能方法及装置 | |
| CN103902016A (zh) | 一种面向场景预测的服务器功耗管理方法 | |
| CN103595773A (zh) | 一种基于云桌面的系统性能优化的方法 | |
| WO2011106916A1 (zh) | 基于云计算的建筑物能耗预测分析系统及方法 | |
| CN102467217A (zh) | 电源状态同步获取方法 | |
| CN103970256B (zh) | 一种基于内存压缩和cpu动态调频的节能方法及系统 | |
| CN105550238A (zh) | 一种数据库一体机的架构系统 | |
| CN102436297A (zh) | 一种温度融合控制的存储节能降噪方法 | |
| CN111324460A (zh) | 一种基于云计算平台的电力监测控制系统及方法 | |
| CN104391560A (zh) | 云数据中心基于Hopfield神经网络的服务器节能方法及装置 | |
| CN104461941A (zh) | 一种内存系统架构及管理方法 | |
| CN113632132A (zh) | 计算机辅助的能量管理方法和能量管理系统 | |
| CN105975546A (zh) | 一种新型计算机监管系统 | |
| US11475017B2 (en) | Asynchronous data enrichment for an append-only data store | |
| US9052904B1 (en) | System and method for determining whether to reschedule malware scans based on power-availability information for a power grid and power-usage information for the scans | |
| Cai et al. | Energy efficiency optimizing based on characteristics of machine learning in cloud computing | |
| CN104699520B (zh) | 一种基于虚拟机迁移调度的节能方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |