CN103384272B - 一种云服务分布式数据中心系统及其负载调度方法 - Google Patents
一种云服务分布式数据中心系统及其负载调度方法 Download PDFInfo
- Publication number
- CN103384272B CN103384272B CN201310282195.9A CN201310282195A CN103384272B CN 103384272 B CN103384272 B CN 103384272B CN 201310282195 A CN201310282195 A CN 201310282195A CN 103384272 B CN103384272 B CN 103384272B
- Authority
- CN
- China
- Prior art keywords
- cloud service
- service request
- data center
- load
- electricity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000005611 electricity Effects 0.000 claims abstract description 89
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 230000000875 corresponding effect Effects 0.000 claims description 30
- 238000005265 energy consumption Methods 0.000 claims description 23
- 238000004146 energy storage Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 238000012886 linear function Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001934 delay Effects 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000580063 Ipomopsis rubra Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种云服务分布式数据中心系统,包括系统状态监控模块、负载接纳控制模块、负载路由分发模块、负载调度模块和多源供能管理模块,系统状态监控模块用于获取来自不同用户的云服务请求,记录云服务请求与云服务请求相关的信息,并将云服务请求传送到负载接纳控制模块,负载接纳控制模块用于根据接收到的云服务请求的数量选择部分云服务请求,并将这些云服务请求发送到负载路由分发模块,负载路由分发模块用于将接收到的云服务请求分发到对应的数据中心进行处理。本发明能够解决现有系统中存在的数据中心供能系统的长期运营开销大,新能源供应不稳定、电价波动、需要提前获取系统数据或者稳态分布的问题。
Description
技术领域
本发明属于计算机体系结构领域,更具体地,涉及一种云服务分布式数据中心系统及其负载调度方法。
背景技术
随着云计算的繁荣,大量的数据中心在全球各个地区被广泛部署。像Google在全球至少运营40个数据中心,所在地区包括云服务需求密集的美国加州地区、能源便宜的美国南卡罗来纳州和温度较低的芬兰。然而,当前云服务商在运营其数据中心时面临飞涨的能耗和电费,例如Google(每年能耗>1120GWh,电费>$67M),Microsoft(每年能耗>600GWh,电费>$36M)。高能耗也带来了严重的环境污染,IT的碳排放占到了全球碳排放量的2%。
为了减少能耗开销和碳排放量以实现绿色计算,充分利用新能源才是根本途径。新能源一般是指在新技术基础上加以开发利用的可再生能源,包括太阳能、生物质能、风能等。随着常规能源(煤炭、石油、天然气)的有限性以及环境问题的日益突出,环保、可再生的新能源越来越得到各国的重视。使用新能源来给数据中心供电的模式越来越受到工业界和学术界的关注。此前的一些研究尝试探索使用分布式负载均衡技术来促进新能源在数据中心利用率的可行性和优势,但是这些主要针对的是延迟敏感型负载。另外一些研究调度延迟容忍型的批处理任务和储能设备来利用数据中心的现在新能源的利用。但是,这些研究或者仅仅考虑单一的数据中心,或者单一的应用类型,或者没有考虑利用储能设备,或者假设系统未来信息可知可预测。
部分学者也发现储能设备,像不间断电源UPS(UninterruptiblePowerSupply),可以帮助减少数据中心能耗开销。但是这些研究仅仅考虑使用储能设备在电价低的时候充电而在电价高时放电,没有考虑新能源在数据中心的使用。此外,UPS的使用的对数据中心可靠性的影响也常常被忽视。
在过去的数十年内,数据中心的能耗管理一直是研究热点。一个研究方向就是减少数据中心电量的使用。通常有能耗均增技术和降低能耗的开销两个方法来减少电量。能耗均增技术是指电量的消耗与资源利用率成正比,常用技术包括动态调压/调频(DVFS)和动态资源供给(DCP)。数据中心能耗的开销是通过能源使用效率(PUE)来衡量。PUE=数据中心总设备能耗/IT设备能耗。有很多方法可以降低PUE,像先进的冷却方法和直流供电设备等。另一个研究方向地理分布式负载均衡技术来发掘利用各个不同数据中心的电价差异。更多的服务云服务请求会被动态地路由到电价更低的数据中心来处理。但是,目前路由策略没有考虑新能源,也没有考虑带宽费用。储能设备的作用往往被忽视,即使少数研究考虑利用了储能设备,其模型也是理想化的情况,即没有损失,也没有考虑其对数据中心可靠性的影响。为了提高网络的利用率,很多网络流量优化的方法被提出来。但是这些主要关注于虚拟机的放置和迁移优化来减少带宽的消耗。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种云服务分布式数据中心系统,其目的在于解决现有系统中存在的数据中心供能系统的长期运营开销大,新能源供应不稳定、电价波动、需要提前获取系统数据或者稳态分布的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种云服务分布式数据中心系统,包括设置在负载调度器内部的系统状态监控模块、负载接纳控制模块和负载路由分发模块,以及设置在数据中心内部的负载调度模块和多源供能管理模块,系统状态监控模块用于获取来自不同用户的云服务请求,记录云服务请求与云服务请求相关的信息,并将云服务请求传送到负载接纳控制模块,负载接纳控制模块用于根据接收到的云服务请求的数量选择部分云服务请求,并将这些云服务请求发送到负载路由分发模块,负载路由分发模块用于根据各个数据中心的电费、服务性能、带宽费用和环境开销将接收到的云服务请求分发到对应的数据中心进行处理,负载调度模块用于将接收到的云服务请求放入其所属数据中心的作业队列Q(t)中,并根据云服务请求中的云服务完成截止时间将所有云服务请求进行倒序排列,依次从排列后的作业队列Q(t)中取出位于队首的云服务请求对应的任务进行处理,负载调度模块还用于从系统状态监控模块接收新能源供应量,并判断新能源供应量是否大于零,如果新能源供应量大于零,则通知多源供能管理模块供能给云服务请求对应的任务运行,并从多源供能管理模块接收电网的电价,并判断电价是否处于较低水平,如果不是则从多源供能管理模块获得不间断电源UPS中的电量b(t),并判断电量b(t)是否能够供能给云服务运行,如果能则判断云服务请求对应的云服务完成截止时间是否到达,如果截止时间到达,则对云服务请求对应的任务进行处理云服务请求,如果截止时间没有达到,则继续等待以处理云服务请求对应的任务,多源供能管理模块用于管理新能源供应量、数据中心中UPS备用能量,以及从电网获取的能量。
优选地,云服务请求包括云服务到达数据中心的时间、云服务完成截止时间、云服务的SLA、云服务对于资源的需求以及对服务可靠性的要求,与云服务请求相关的信息包括用户所在地区的云服务请求量、电网实时电价波动情况、不同新能源供应量、作业队列的剩余云服务请求量、储能设备备用能源量。
优选地,负载接纳控制模块具体操作为,当云服务请求先后到达,且其数量超过系统能处理的能力,则丢弃最近到达的超额部分的云服务请求,如果所有云服务请求同时到达,则丢弃SLA较低的云服务请求。
优选地,负载调度模块判断电价是否处于较低水平是通过将电价与阈值比较,阈值是由数据中心根据当地的电价水平进行设定,负载调度模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b(t)与数据中心所需的最少UPS电量阈值bmin比较,如果UPS电量b(t)大于该阈值bmin,则表明UPS能够供能给部分云服务运行,阈值bmin是由数据中心运营者根据数据中心对供电可靠性的要求强弱不同进行设定。
按照本发明的另一方面,提供了一种云服务分布式数据中心系统的负载调度方法,包括以下步骤:
(1)接收来自用户的云服务请求,并记录云服务请求数量和云服务请求相关数据;
(2)判断当前云服务系统能否接纳所有云服务请求,如果能接纳所有云服务请求的话,则然后转入步骤(3),如果云服务系统不能接纳所有云服务请求,则丢弃部分云服务请求,将可以接纳的云服务请求传送到云服务系统中,然后再转入步骤(3);
(3)根据各个数据中心的电费、服务性能、带宽费用和环境开销将云服务请求分发到对应的数据中心进行处理;
(4)第j个数据中心将云服务请求λj(t)放入其自身的云服务请求作业队列Qj(t)中,并按照不同作业对应的云服务完成截止时间将云服务请求对应的所有作业进行倒序排列,即将云服务完成截止时间最小的作业排在作业队列的队首,然后数据中心依次取出这些作业进行调度。
(5)各个相应的数据中心根据上述调度结果向云服务请求供给能源,处理任务,然后过程结束。
优选地,在t时刻,第j个数据中心所需的电费Cj power(t)定义为所用电量Gj(t)和电价pj(t)的乘积:Cj power(t)=Gj(t)*pj(t),电量Gj(t)是云服务请求的数量λj(t)的函数,系统总的能耗开销为:服务性能根据服务的延时来衡量,延时由两方面时延决定:(a)数据中心作业队列Q(t)的作业多少;(b)云服务请求负载调度器与将被分发到的数据中心之间的距离,带宽费用Cbandwidth(t)的计算方式为:其中Bij(t)为负载调度器i与第j个数据中心之间的云服务请求的数量λij(t)的线性函数:Bij(t)=bijλij(t),其中bij为负载调度器i与第j个数据中心之间的单位网络带宽费用,λij(t)表示在t时刻从第i个地区分发到第j个数据中心的云服务请求的数量。
优选地,调度时数据中心需要做以下决策:(a)决定每个时刻从Qj(t)处理多少云服务请求;(b)决定从UPS中充或放多少电量;(c)决定从电网获取多少电量。
优选地,决策(a)具体为,第j个数据中心更新其云服务请求作业队列Qj(t):Qj(t+1)=max{Qj(t)-sj(t),0}+λj(t)且保证Qj(t)<Qj max,其中sj(t)是在t时刻为云服务请求提供的能量,Qj max是第j个数据中心的云服务作业队列的最大队列长度,λj max是云服务请求规定的最迟的必须完成截止时间
优选地,决策(b)为,第j个数据中心更新其UPS的电量:其中bj rc(t)为在t时刻UPS充电量,b+dc(t)为在t时刻UPS放电量,ηc和ηd分别为UPS的充电、放电效率。
优选地,决策(c)具体为,首先获取t时刻系统状态队列:Θ(t)=[Q1(t),Q2(t),...,Qj(t);b1(t),b2(t),...,bj(t)],然后获取李雅普诺夫函数其后计算李雅普诺夫偏移:ΔΘ(t)=L(Θ(t+1))-L(Θ(t)),最后根据李雅普诺夫最优化框架最小化如下漂移加开销量:Minimize:Δ(Θ(t))+VΕ{C(t)|Θ(t)}。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明的控制决策都是基于当前实时信息,不需要预先收集任何的系统动态数据或者假设任何的稳态分布,在不稳定的能耗需求与供应的环境下,本发明可以最佳利用产生的绿色新能源和便宜的电价,来最小化分布式云服务系统的运营开销;
(2)本发明能够全面优化能耗开销、服务性能、以及云服务系统可靠性的供能系统控制方案:通过本发明方法的步骤(3)和(4),本发明根据云服务的SLA和完成截止时间调度作业,保证服务性能;同时本发明在不影响性能的前提下,延迟作业的调度运行,等待电网电价较低或者新能源充足时才处理任务,这大大减少了能耗开销;此外,本发明合理使用储能设备,避免了单纯为了节能而导致其他方面(UPS寿命、延迟、数据中心可靠性等)开销增加。云服务商可以根据需求合理调节控制参数,实现期望的能耗、性能和云服务系统可靠性的权衡;
(3)本发明提供严格的理论支持:本发明方法的步骤(4)中,由于李雅普诺夫最优化的性质,本发明方法完全基于当前系统状态信息求解,同时可以证明我们的方法将取得与最优结果相差O(1/V,V)的“开销-延时”权衡(V为算法参数,用以控制能耗开销和队列延时权重);
(4)部署的灵活性:本发明提出的控制方案立足于通用的多目标优化模型,不针对具体的硬件基础架构环境以及上层软件和服务类型,任何集群、云服务系统的负载调度和供能系统均可以采用本方案;
(5)服务的高效性:本方案采用在线的方式,信息收集量小、算法复杂度适中、迭代次数少。求解近似最优方案迅速,实施调度方案高效;
(6)良好的可扩展性和兼容性:实验显示随着系统规模的扩大,本调度方案的结果成线性增长。这表明本发明具有良好的可扩展性。本发明可适用于任何分布式云服务系统,独立于硬件、软件和云服务类型。本发明具有良好的兼容性,系统升级改造不影响方案可行性。
附图说明
图1是本发明云服务分布式数据中心系统的应用环境图。
图2是本发明云服务分布式数据中心系统的模块框图。
图3是本发明云服务分布式数据中心系统的负载调度方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的整体思路为:本发明方法首先根据整个云系统的服务能力决定多少云服务请求能进入云服务分布式数据中心系统,进入系统的云服务请求根据最清洁最佳能耗的方式分发到各个不同数据中心进行处理。具体而言,发云服务请求时会综合考虑各个数据中心的电费、服务性能、带宽费用和环境开销等因素。我们会将云服务请求分发到那些服务性能好,新能量供应量充足,电网电价低廉以及网络带宽费用少的数据中心。然后,本发明方法决定各个数据中心如何让储能设备充电、放电、如何从实时电力市场获得能量。系统等待新能源供应充足或者电价低廉时再运行。本发明方法通过UPS储存多余的新能源或者购买的廉价电网电能,当新能源不足或者电价较高时,再放电支撑系统运行。
如图1所示,本发明云服务分布式数据中心系统是应用在云服务商的分布式系统中,该分布式系统包括N个数据中心和M个负载调度器,为来自M个地区的用户提供服务(其中N和M均为任意正整数)。每个数据中心的电力来于不同的智能电网,包括太阳能、风能、天然气和水力等等,而各个数据中心具有一定容量的储能设备来存储能源,比如一般数据中心都具有的不间断电源(UninterruptedPowerSupply,简称UPS)。不同地区的用户的云服务请求首先被路由到一个当地区的负载调度器上。负载调度器会选择合适的数据中心去处理这个云服务请求。典型的分发选择策略包括选择地理上最临近的数据中心和选择服务性能最好的数据中心等等。负载调度器部署既可以是集中式的又可以是分布式的。比如,大型内容分发网站(ContentDistributionNetwork,简称CDN)系统的负载调度通常是由分布式的域名系统完成。数据中心的总的能耗取决于其云服务请求的数量,而这各个数据中心的云服务请求的数量取决于负载调度器的调度算法。本发明的优化目标包括三方面:(1)最小化数据中心的电费;(2)增加新能源的使用量;(3)改善所有地区的用户服务质量。
如图2所示,本发明云服务分布式数据中心系统包括设置在负载调度器内部的系统状态监控模块、负载接纳控制模块和负载路由分发模块,以及设置在数据中心内部的负载调度模块和多源供能管理模块。
系统状态监控模块用于获取来自不同用户的云服务请求,记录云服务请求与云服务请求相关的信息,并将云服务请求传送到负载接纳控制模块。
云服务请求包括云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求(ServiceLevelAgreement,简称SLA)、云服务对于资源的需求以及对服务可靠性的要求。
系统状态监控模块记录的与云服务请求相关的信息包括用户所在地区的云服务请求量、电网实时电价波动情况、不同新能源供应量、作业队列的剩余云服务请求量、储能设备备用能源量。
负载接纳控制模块用于根据接收到的云服务请求的数量选择部分云服务请求,并将这些云服务请求发送到负载路由分发模块。
具体而言,当云服务请求先后到达,且其数量超过系统能处理的能力,则丢弃最近到达的超额部分的云服务请求;例如,当前系统只能处理100个云服务请求,而用户云服务请求量为110个,那么多余的10个云服务请求将不被接纳,直接丢弃拒绝为其服务;如果所有云服务请求同时到达,则丢弃SLA较低的云服务请求。
负载路由分发模块用于将接收到的云服务请求分发到对应的数据中心进行处理。云服务请求分发云服务请求时,会综合考虑各个数据中心的电费、服务性能、带宽费用和环境开销等因素。直观地,云服务请求会被分发到那些服务性能好,新能量供应量充足,电网电价低廉以及网络带宽费用少的数据中心。
具体而言,电费定义为所用电量和电价的乘积。服务性能根据服务的延时来衡量,而延时由两方面时延决定:(1)数据中心作业队列Q(t)的作业多少。由于作业越多被积压在队列中,作业的平均服务时间和等待时间就会呈线性增长。(2)云服务请求负载调度器与将被分发到的数据中心之间的距离。带宽费用具体为负载调度器与用户、负载调度器与数据中心之间负载的路由通信开销,其计算方式定义为负载的线性函数。环境开销取决于新能源的使用量。当给数据中心供能的新能源量越大,其环境开销就越小。
负载调度模块用于将接收到的云服务请求放入其所属数据中心的作业队列Q(t)中,并根据云服务请求中的云服务完成截止时间将所有云服务请求进行倒序排列,依次从排列后的作业队列Q(t)中取出位于队首的云服务请求对应的任务进行处理。
负载调度模块还用于从系统状态监控模块接收新能源供应量,并判断新能源供应量是否大于零,如果新能源供应量大于零,则通知多源供能管理模块供能给云服务请求对应的任务运行,并从多源供能管理模块接收电网的电价,并判断电价是否处于较低水平,如果不是则从多源供能管理模块获得不间断电源UPS中的电量b(t),并判断电量b(t)是否能够供能给云服务运行,如果能则判断云服务请求对应的云服务完成截止时间是否到达。如果截止时间到达,则对云服务请求对应的任务进行处理云服务请求(不论能源来源以及价格),如果截止时间没有达到,则继续等待合适的时机(比如电网电价低,或者新能量供应量充足时)处理云服务请求对应的任务。
具体而言,负载调度模块判断电价是否处于较低水平是通过将电价与阈值比较,该阈值因地域不同而不同,且是由数据中心根据当地的电价水平进行设定。数据中心需要UPS备用一定量的电量(阈值bmin)来给数据中心断电时供电。负载调度模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b(t)与数据中心所需的最少UPS电量阈值bmin比较,如果UPS电量大于该阈值bmin则表明UPS能够供能给部分云服务运行。阈值bmin是由数据中心运营者根据数据中心对供电可靠性的要求强弱不同进行设定。
多源供能管理模块用于管理新能源供应量、数据中心中UPS备用能量,以及从电网获取的能量。
多源供能系统包括提供实时电力市场的智能电网、现场清洁新能源(例如数据中心旁建的太阳能电厂或者风涡轮发电站)、不间断电源UPS以及紧急备用柴油发电机。其中,现场清洁新能源通过并网设备将新能源和电网的电力合并到同一线路来供能。当数据中心电力出现故障时,首先数据中心使用不间断电源UPS来供电。这时,紧急备用柴油机开始启动发电,等其具有稳定电力时数据中心开始使用柴油机供电。
如图3所示,上述云服务分布式数据中心系统的负载调度方法包括以下步骤:
(1)负载调度器接收来自用户的云服务请求,并记录云服务请求数量和云服务请求相关数据。具体而言,云服务请求包括有云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求SLA、云服务对于资源的需求和对服务可靠性的要求;
本步骤的优点在于,本发明的控制决策都是基于当前实时信息,不需要预先收集任何的云服务系统的动态数据或者假设任何的稳态分布。
(2)负载调度器判断当前云服务系统能否接纳所有云服务请求,如果能接纳所有云服务请求的话,则然后转入步骤(3);如果云服务系统不能接纳所有云服务请求,则丢弃部分云服务请求,将可以接纳的云服务请求传送到云服务系统中,然后再转入步骤(3)。具体而言,假定云服务系统最多能为Dmax个云服务请求同时服务,当前t时刻到达的云服务请求总数为d(t),那么如果d(t)≤Dmax,则所有云服务请求将被服务。如果d(t)>Dmax,则丢弃最近到达的超额部分的云服务请求d(t)-Dmax;如果所有云服务请求同时到达,则丢弃那些服务等级协议SLA较低的云服务请求;
本步骤的优点在于,本发明根据云服务的SLA和完成截止时间调度作业,防止云服务系统过载,保证服务性能。
(3)将云服务请求分发到对应的数据中心进行处理,分发云服务请求时会综合考虑各个数据中心的电费、服务性能、带宽费用和环境开销等因素。云服务请求会被分发到那些服务性能好,新能量供应量充足,电网电价低廉以及网络带宽费用少的数据中心,然后转入步骤(4);
具体而言,λi(t)表示在t时刻从第i个地区用户的云服务请求。λij(t)表示在t时刻从第i个地区分发到第j个数据中心的云服务请求的数量,并且 i为1至M之间的正整数,j为1至N之间的正整数;
在t时刻,第j个数据中心所需的电费Cj power(t)定义为所用电量Gj(t)和电价pj(t)的乘积:Cj power(t)=Gj(t)*pj(t)。电量Gj(t)是云服务请求的数量λj(t)的函数,本发明定义为Gj(t)=f(λj(t)),其通常为线性函数。因此,系统总的能耗开销为:
服务性能根据服务的延时来衡量,本发明定义延时为Cdelay(t)。而延时由两方面时延决定:(a)数据中心作业队列Q(t)的作业多少。由于作业越多被积压在队列中,作业的平均服务时间和等待时间就会呈线性增长;(b)云服务请求负载调度器与将被分发到的数据中心之间的距离。这部分时延主要由距离处理带宽速度来计算。
负载调度器与用户和数据中心之间的负载的路由通信开销定义为带宽费用Cbandwidth(t),其计算方式定义为:其中Bij(t)为负载调度器i与第j个数据中心之间的云服务请求的数量λij(t)的线性函数:Bij(t)=bijλij(t),其中bij为负载调度器i与第j个数据中心之间的单位网络带宽费用。
环境开销取决于新能源的使用量。当给数据中心供能的新能源量越大,其环境开销就越小。为了充分利用新能源,本发明假定新能源是免费的,也即是说新能源电厂建造完成之后,其产生的电能是不需要购买的,是免费可用的。因此,任何优化开销的策略都会尽可能充分地利用新能源(因为新能源免费,所以总体开销会小)。因此,系统分发云服务请求时的总开销定义为:C(t)=Cpower(t)+Cdelay(t)+Cbandwidth(t).通过选择最小化C(t)的方式决定路由策略,其中决策变量为λij(t),该问题可以建模为典型的线性规划问题,并用经典的线性规划算法(比如内点法)求解。决策变量求解完之后根据决策变量λij(t)开始分发云服务请求,然后转入步骤(4);
本步骤的优点在于,本发明能够全面考虑并优化能耗开销、服务性能和带宽开销以及云服务系统可靠性,从而充分利用新能源和低电价来降低云服务系统的开销并减少碳排放。
(4)第j个数据中心将云服务请求λj(t)放入其自身的云服务请求作业队列Qj(t)中,并按照不同作业对应的云服务完成截止时间将云服务请求对应的所有作业进行倒序排列,即将云服务完成截止时间最小的作业排在作业队列的队首,然后数据中心依次取出这些作业进行调度。调度时数据中心需要做3个决策:(a)决定每个时刻从Qj(t)处理多少云服务请求;(b)决定从UPS中充多少电量或者放多少电量;(c)决定从电网获取多少电量。
具体而言:(a)第j个数据中心更新其云服务请求作业队列Qj(t)。云服务请求作业队列Qj(t)更新过程如下:Qj(t+1)=max{Qj(t)-sj(t),0}+λj(t)。其中sj(t)是在t时刻为云服务请求提供的能量。由于作业的处理延时与队列积压的作业量密切相关,所以如果系统保证队列Qj(t)是稳定的,且满足Qj(t)<Qj max,那么就能保证作业的延时小于云服务完成截止时间λj max。其中,Qj max是第j个数据中心的云服务作业队列的最大队列长度(即使队列能够容纳云服务请求的最大数量),λj max是云服务请求规定的最迟的必须完成截止时间。负载调度模块保证所有云服务请求在云服务完成截止时间λj max之前完成。
(b)第j个数据中心更新其UPS的电量。数据中心中不间断电源UPS在能量不足时释放能量,而又可储存多余的能量,本发明定义不间断电源UPS的电量为bj(t),其更新过程如下:其中bj rc(t)为在t时刻UPS充电量,b+dc(t)为在t时刻UPS放电量,ηc和ηd分别为UPS的充电、放电效率。
(c)第j个数据中心构建李雅普诺夫优化函数,求解每个时刻从Qj(t)处理云服务请求数、UPS中充电量/放电量,以及从电网获取电量。本发明定义t时刻系统状态队列为:Θ(t)=[Q1(t),Q2(t),...,Qj(t);b1(t),b2(t),...,bj(t)],则Lyapunov函数定义为:李雅普诺夫偏移为:ΔΘ(t)=L(Θ(t+1))-L(Θ(t))。根据李雅普诺夫最优化框架,为了最小化系统运营开销同时保证系统稳定,系统的优化目标是最小化如下漂移加开销量:Minimize:Δ(Θ(t))+VΕ{C(t)|Θ(t)}。基于李雅普诺夫最优化理论,本发明将上述优化问题转化为各个数据中心的子优化问题。由于每个子优化问题只包含线性函数和约束,本发明可以利用成熟的线性规划算法求解问题,比如内点法。
当以上调度策略求解出来,决定每个时刻从Qj(t)处理多少云服务请求,决定从UPS中充多少电量或者放多少电量,以及决定从电网获取多少电量后,数据中心从多源供能管理模块获取能量处理作业,转入步骤(5);
本步骤的优点在于,本发明根据云服务的SLA和完成截止时间调度作业,保证服务性能;同时本发明在不影响性能的前提下,延迟作业的调度运行,等待电网电价较低或者新能源充足时才处理任务,这大大减少了能耗开销;此外,本发明合理使用储能设备,避免了单纯为了节能而导致其他方面(UPS寿命、延迟、数据中心可靠性等)开销增加。云服务商可以根据需求合理调节控制参数,实现期望的能耗、性能和云服务系统可靠性的权衡。此外,本发明提供严格的理论支持。依据李雅普诺夫最优化的性质,本发明方法完全基于当前系统状态信息求解,同时可以证明我们的方法将取得与最优结果相差O(1/V,V)的“开销-延时”权衡(V为算法参数,用以控制能耗开销和队列延时权重)。
(5)各个相应的数据中心根据上述调度结果向云服务请求供给能源,处理任务,然后过程结束。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种云服务分布式数据中心系统,包括设置在负载调度器内部的系统状态监控模块、负载接纳控制模块和负载路由分发模块,以及设置在数据中心内部的负载调度模块和多源供能管理模块,其特征在于,
系统状态监控模块用于获取来自不同用户的云服务请求,记录云服务请求与云服务请求相关的信息,并将云服务请求传送到负载接纳控制模块;
负载接纳控制模块用于根据接收到的云服务请求的数量选择部分云服务请求,并将这些云服务请求发送到负载路由分发模块;
负载路由分发模块用于根据各个数据中心的电费、服务性能、带宽费用和环境开销将接收到的云服务请求分发到对应的数据中心进行处理;
负载调度模块用于将接收到的云服务请求放入其所属数据中心的作业队列Q(t)中,并根据云服务请求中的云服务完成截止时间将所有云服务请求进行倒序排列,依次从排列后的作业队列Q(t)中取出位于队首的云服务请求对应的任务进行处理;
负载调度模块还用于从系统状态监控模块接收新能源供应量,并判断新能源供应量是否大于零,如果新能源供应量大于零,则通知多源供能管理模块供能给云服务请求对应的任务运行,并从多源供能管理模块接收电网的电价,并判断电价是否处于较低水平,如果不是则从多源供能管理模块获得不间断电源UPS中的电量b(t),并判断电量b(t)是否能够供能给云服务运行,如果能则判断云服务请求对应的云服务完成截止时间是否到达,如果截止时间到达,则对云服务请求对应的任务进行处理云服务请求,如果截止时间没有达到,则继续等待以处理云服务请求对应的任务;具体而言,负载调度模块判断电价是否处于较低水平是通过将电价与阈值比较,阈值是由数据中心根据当地的电价水平进行设定;负载调度模块判断UPS电量是否能够供能给云服务运行是通过将UPS电量b(t)与数据中心所需的最少UPS电量阈值bmin比较,如果UPS电量b(t)大于该阈值bmin,则表明UPS能够供能给部分云服务运行,阈值bmin是由数据中心运营者根据数据中心对供电可靠性的要求强弱不同进行设定;
多源供能管理模块用于管理新能源供应量、数据中心中UPS备用能量,以及从电网获取的能量。
2.根据权利要求1所述的云服务分布式数据中心系统,其特征在于,
云服务请求包括云服务到达数据中心的时间、云服务完成截止时间、云服务的服务等级要求SLA、云服务对于资源的需求以及对服务可靠性的要求;
与云服务请求相关的信息包括用户所在地区的云服务请求量、电网实时电价波动情况、不同新能源供应量、作业队列的剩余云服务请求量、储能设备备用能源量。
3.根据权利要求1所述的云服务分布式数据中心系统,其特征在于,负载接纳控制模块具体操作为,当云服务请求先后到达,且其数量超过系统能处理的能力,则丢弃最近到达的超额部分的云服务请求,如果所有云服务请求同时到达,则丢弃服务等级要求SLA较低的云服务请求。
4.一种根据权利要求1-3中任意一项所述的云服务分布式数据中心系统的负载调度方法,其特征在于,包括以下步骤:
(1)接收来自用户的云服务请求,并记录云服务请求数量和云服务请求相关数据;
(2)判断当前云服务系统能否接纳所有云服务请求,如果能接纳所有云服务请求的话,则然后转入步骤(3),如果云服务系统不能接纳所有云服务请求,则丢弃部分云服务请求,将可以接纳的云服务请求传送到云服务系统中,然后再转入步骤(3);
(3)根据各个数据中心的电费、服务性能、带宽费用和环境开销将云服务请求分发到对应的数据中心进行处理;
(4)第j个数据中心将云服务请求λj(t)放入其自身的云服务请求作业队列Qj(t)中,并按照不同作业对应的云服务完成截止时间将云服务请求对应的所有作业进行倒序排列,即将云服务完成截止时间最小的作业排在作业队列的队首,然后数据中心依次取出这些作业进行调度;
(5)各个相应的数据中心根据上述调度结果向云服务请求供给能源,处理任务,然后过程结束。
5.根据权利要求4所述的负载调度方法,其特征在于,
在t时刻,第j个数据中心所需的电费Cj power(t)定义为所用电量Gj(t)和电价pj(t)的乘积:Cj power(t)=Gj(t)*pj(t),电量Gj(t)是云服务请求的数量λj(t)的函数,系统总的能耗开销为:其中λi(t)表示在t时刻从第i个地区用户的云服务请求,λij(t)表示在t时刻从第i个地区分发到第j个数据中心的云服务请求的数量,i为1至M之间的正整数,j为1至N之间的正整数;
服务性能根据服务的延时来衡量,延时由两方面时延决定:(a)数据中心作业队列Q(t)的作业多少;(b)云服务请求负载调度器与将被分发到的数据中心之间的距离;
带宽费用Cbandwidth(t)的计算方式为:其中Bij(t)为负载调度器i与第j个数据中心之间的云服务请求的数量λij(t)的线性函数:Bij(t)=bijλij(t),其中bij为负载调度器i与第j个数据中心之间的单位网络带宽费用,λij(t)表示在t时刻从第i个地区分发到第j个数据中心的云服务请求的数量。
6.根据权利要求5所述的负载调度方法,其特征在于,调度时数据中心需要做以下决策:(a)决定每个时刻从Qj(t)处理多少云服务请求;(b)决定从UPS中充或放多少电量;(c)决定从电网获取多少电量。
7.根据权利要求6所述的负载调度方法,其特征在于,决策(a)具体为,第j个数据中心更新其云服务请求作业队列Qj(t):Qj(t+1)=max{Qj(t)-sj(t),0}+λj(t)且保证Qj(t)<Qj max,其中sj(t)是在t时刻为云服务请求提供的能量,Qj max是第j个数据中心的云服务作业队列的最大队列长度。
8.根据权利要求7所述的负载调度方法,其特征在于,决策(b)为,第j个数据中心更新其UPS的电量:其中bj rc(t)为在t时刻UPS充电量,为在t时刻UPS放电量,ηc和ηd分别为UPS的充电、放电效率。
9.根据权利要求8所述的负载调度方法,其特征在于,决策(c)具体为,首先获取t时刻系统状态队列:Θ(t)=[Q1(t),Q2(t),...,Qj(t);b1(t),b2(t),...,bj(t)],然后获取李雅普诺夫函数其后计算李雅普诺夫偏移:ΔΘ(t)=L(Θ(t+1))-L(Θ(t)),最后根据李雅普诺夫最优化框架最小化如下漂移加开销量:Minimize:Δ(Θ(t))+VΕ{C(t)|Θ(t)}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310282195.9A CN103384272B (zh) | 2013-07-05 | 2013-07-05 | 一种云服务分布式数据中心系统及其负载调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310282195.9A CN103384272B (zh) | 2013-07-05 | 2013-07-05 | 一种云服务分布式数据中心系统及其负载调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103384272A CN103384272A (zh) | 2013-11-06 |
CN103384272B true CN103384272B (zh) | 2016-01-13 |
Family
ID=49491963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310282195.9A Expired - Fee Related CN103384272B (zh) | 2013-07-05 | 2013-07-05 | 一种云服务分布式数据中心系统及其负载调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103384272B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018030924A1 (en) * | 2016-08-11 | 2018-02-15 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and cloud management node for managing a data processing task |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617210B (zh) * | 2013-11-20 | 2019-03-12 | 国家电网公司 | 一种多目标数据服务层的动态路由系统及其工作方法 |
CN104217111B (zh) * | 2014-09-02 | 2017-07-11 | 华中科技大学 | 一种数据中心的能源调度方法 |
CN104698309B (zh) * | 2014-12-26 | 2017-11-14 | 深圳市兰丁科技有限公司 | 一种用电信息获取的方法及系统 |
CN104811490B (zh) * | 2015-04-16 | 2018-07-06 | 上海逸云信息科技发展有限公司 | 一种云加速负载均衡系统及其应用 |
CN106484499A (zh) * | 2015-09-02 | 2017-03-08 | 李涛 | 一种面向横向扩展的新能源数据中心的云管理平台 |
CN105227674A (zh) * | 2015-10-16 | 2016-01-06 | 广东电网有限责任公司电力调度控制中心 | 互联网数据中心电力成本控制方法及系统 |
CN105471985A (zh) * | 2015-11-23 | 2016-04-06 | 北京农业信息技术研究中心 | 负载均衡方法及云平台计算方法、云平台 |
CN106933868B (zh) * | 2015-12-30 | 2020-04-24 | 阿里巴巴集团控股有限公司 | 一种调整数据分片分布的方法及数据服务器 |
CN106209990A (zh) * | 2016-06-29 | 2016-12-07 | 北京交通大学 | 一种分布异地云数据中心下成本可感知的请求调度方法 |
CN106130013B (zh) * | 2016-07-11 | 2019-03-05 | 上海交通大学 | 主机托管式数据中心参与需求响应工程的优化控制方法 |
CN106056322A (zh) * | 2016-07-30 | 2016-10-26 | 国网河北省电力公司衡水供电分公司 | 基于云计算的智能电网调度系统 |
CN106304308B (zh) * | 2016-09-19 | 2019-06-28 | 南京邮电大学 | 一种多业务并存系统中云业务能耗优化调度方法 |
CN106713055B (zh) * | 2017-02-27 | 2019-06-14 | 电子科技大学 | 一种虚拟cdn的节能部署方法 |
CN108259605B (zh) * | 2018-01-17 | 2021-08-17 | 深圳市和讯华谷信息技术有限公司 | 一种基于多数据中心的数据调用系统及方法 |
CN108629448B (zh) * | 2018-04-24 | 2021-09-07 | 中山大学 | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 |
CN111314123B (zh) * | 2020-02-04 | 2022-11-04 | 国网江苏省电力有限公司南京供电分公司 | 一种面向时延和能耗的电力物联网工作负载分配方法 |
CN113095781B (zh) * | 2021-04-12 | 2022-09-06 | 山东大卫国际建筑设计有限公司 | 一种基于边缘计算的温控设备管控方法、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102752395B (zh) * | 2012-07-13 | 2015-10-28 | 浙江大学 | 一种用于分布式数据中心实时业务分配的在线调度方法 |
CN103152393B (zh) * | 2013-02-05 | 2015-08-05 | 北京邮电大学 | 一种云计算的计费方法和计费系统 |
-
2013
- 2013-07-05 CN CN201310282195.9A patent/CN103384272B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018030924A1 (en) * | 2016-08-11 | 2018-02-15 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and cloud management node for managing a data processing task |
Also Published As
Publication number | Publication date |
---|---|
CN103384272A (zh) | 2013-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103384272B (zh) | 一种云服务分布式数据中心系统及其负载调度方法 | |
Jin et al. | Optimized electric vehicle charging with intermittent renewable energy sources | |
CN103297505B (zh) | 动态云服务请求下数据中心多能源的在线控制方法和系统 | |
Deng et al. | Harnessing renewable energy in cloud datacenters: opportunities and challenges | |
Barik et al. | Integrated resource planning in sustainable energy-based distributed microgrids | |
Toosi et al. | A fuzzy logic-based controller for cost and energy efficient load balancing in geo-distributed data centers | |
He et al. | A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles | |
CN103150003A (zh) | 信息处理系统、该信息处理系统的节电控制方法和装置 | |
CN101510686A (zh) | 基于多代理技术的微电网协调控制系统 | |
JP6520462B2 (ja) | 分散型エネルギーシステムの運転計画作成装置および運転計画作成方法 | |
CN104052820A (zh) | 一种分布式云计算平台的动态节能资源调度系统及方法 | |
Cioara et al. | Data center optimization methodology to maximize the usage of locally produced renewable energy | |
CN109617099B (zh) | 一种虚拟储能协调控制系统及其方法 | |
CN113346558A (zh) | 一种虚拟电厂运行控制系统及控制方法 | |
CN112583030B (zh) | 基于边缘计算风光储一次调频协调控制系统和方法 | |
US20210294406A1 (en) | Datacenter power management using current injection | |
CN114825388A (zh) | 一种基于源网荷储协同的新能源综合消纳调度方法 | |
Alphonse et al. | Simultaneously allocating electric vehicle charging stations (EVCS) and photovoltaic (PV) energy resources in smart grid considering uncertainties: A hybrid technique | |
Zhao et al. | Workload and energy management of geo-distributed datacenters considering demand response programs | |
WO2024109105A1 (zh) | 一种分布式可再生能源集群调度方法和装置 | |
Pahlevan et al. | Joint computing and electric systems optimization for green datacenters | |
Pamuklu et al. | Renewable energy assisted function splitting in cloud radio access networks | |
Yuan et al. | Optimal scheduling of data centers considering renewable energy consumption and temporalspatial load characteristics | |
CN115395525A (zh) | 一种基于多对象多维度的可调度负荷调度方法 | |
CN104298536A (zh) | 基于动态调频调压技术的数据中心节能调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
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: 20160113 |