CN104536826B - 一种面向风光多能源数据中心的实时任务绿色调度方法 - Google Patents

Abstract

本发明公开了一种面向风光多能源数据中心的实时任务绿色调度方法，属于计算机领域。目的是解决数据中心系统对风能、太阳能等绿色能源利用率不够，以化石能源为主的电能消耗比较巨大,以及电价运行成本较高的问题。技术方案是根据绿色能源优先利用方法选择实时任务执行小时段和服务器，确定任务开始和结束时间；在找不到合适时间和服务器时，根据电价成本选取方法选择小时段和服务器，确定任务开始和结束时间；最后将实时任务调度至所选的服务器上，根据所确定的开始和结束时间执行任务。通过对实时任务的有效调度，达到提高可再生能源利用率、减少对传统化石能源的依赖，降低数据中心系统碳排放量，降低系统运行成本的效果。

Description

一种面向风光多能源数据中心的实时任务绿色调度方法

技术领域

本发明涉及一种针对太阳能、风能多能源数据中心的实时任务绿色调度方法，属于计算机领域。

背景技术

数据中心，或称为服务器农场(server farm)，指用于集中安置计算机系统以及相关部件的设施(如通信和存储系统)，一般包含冗余和备用电源，冗余数据通信连接，环境控制(如空调、灭火器等)和安全设备(“维基百科”)。随着信息技术的高速发展以及大规模普及应用，数据中心作为信息领域的核心基础设施，其规模同时也在急速扩张。中小型数据中心拥有服务器数量一般达到百千台，而大型数据中心所拥有的服务器规模一般可达到万台以上。如此庞大数量的服务器群，包括支撑其运行的相关环境设备，所产生的电网电能消耗是巨大的，其运营成本也是非常昂贵的。

数据中心对电能的消耗主要集中在系统中的IT设备(庞大数量的服务器群)与空调制冷设备上，而IT设备(庞大数量的服务器群)作为数据中心主要功能(计算与存储)的执行者，所产生的电能消耗已占据了整个系统的主要部分。由于IT设备(庞大数量的服务器群)的电能消耗主要来自于对实时计算任务的执行，因此在数据中心系统中对计算任务的合理优化调度，已成为研究者对降低数据中心系统能耗的重要关注点。

本发明关注的实时计算任务作为数据中心系统计算任务中的一类典型计算任务，具有完成时间限制、到达时间随机的特点；所描述的实时任务调度，是指在数据中心系统中为实时任务分配一个执行任务的服务器，并确定实时任务在所分配服务器上的执行开始时间和结束时间。本发明所关注的数据中心系统环境中，已拥有光伏阵列和风力发电机组为系统运行直接提供绿色能源供应，电网可为之提供电能辅助支撑；数据中心系统优先使用太阳能和风能等可再生能源，若太阳能和风能不能满足数据中心系统实时计算任务运行能量需求，则自动切换为电网支撑能量供应。

传统的数据中心系统任务调度方法研究，从调度目标方面讲可分为：性能为中心的调度——以任务时间跨度最优或者任务完成时间最早作为调度目标；服务质量为中心的调度——增加对用户服务质量的考虑，不仅仅只以系统性能为调度目标；提高资源(服务器或虚拟机)利用率为中心的调度——合理动态分配物理资源(服务器)以达到减少使用物理资源和提高资源利用率；经济原则为中心的调度——考虑云计算等商业计算特性，以收益作为调度关注的重要因素。从调度实现策略上讲，可分为任务先进先出策略、最早截止时间优先策略、轮转调度策略以及启发式调度策略等。而在数据中心系统节能调度方面，主要是针对在以化石能源为主的电网能源支撑下，将以上任务调度方法与数据中心系统相关节能技术(如动态功耗管理、动态电压频率扩展等技术)结合开展的研究。

然而，随着云计算等新兴产业的推动，数据中心对能量需求急剧增长，能源危机与环境保护已成为全球关注的焦点，对可再生能源的利用已成为未来发展必然趋势的情形下，数据中心作为能耗大户，解决数据中心系统的能耗问题最终还是需要考虑对绿色可再生能源的接入。一方面必须减少对传统化石能源的依靠、减轻能源危机影响；另一方面尽可能降低碳排放、增强节能环保效益。而作为应用最广且最具技术前景的太阳能和风能，其具有间歇性、不稳定等绿色可再生能源的典型特点。针对可再生能源直接接入情况下，基于可再生能源供应量，进行实时任务调度与能耗优化方面研究还比较缺乏。但是随着可再生能源逐渐成为未来能源利用的主要趋势，如何提高可再生能源利用率，降低系统对化石能源为主的电能消耗以及系统运行成本，已成为数据中心系统迫切需要解决的重大问题。

发明内容

本发明要解决的技术问题是解决数据中心系统对风能、太阳能等绿色能源利用率不够，以化石能源为主的电能消耗比较巨大,以及电价运行成本较高的问题。

为解决该问题本发明所采取的技术方案是：当实时任务到达数据中心后，首先根据绿色能源优先利用方法选择实时任务执行小时段和服务器，确定实时任务执行开始时间和结束时间；然后在不能找到合适的实时任务执行时间和服务器情况下，再根据电价成本选取方法选择实时任务的执行小时段和服务器，并确定实时任务执行开始时间和结束时间。最后将实时任务调度至选取的服务器上，根据所确定的开始时间和结束时间执行任务，以实现对风光多能源数据中心系统中的实时任务进行有效调度。

具体方案如下：

当实时任务i到达数据中心，该数据中心由执行任务的N台服务器集合{M₁,M₂,…,M_n,…M_N}组成，其中M_n为数据中心系统的第n台服务器，n为数据中心系统中服务器的顺序标识号，1≤n≤N，获取实时任务i到达时的12个小时段内各小时段的太阳能与风能发电量预测输出值k为各小时段的顺序标识号，小时段是指从实时任务到达时刻向下取整的整点时刻起算的每个小时为1小时段，实时任务到达时所在的小时段为第1个小时段，其顺序标识号k＝1，所述12个小时段的顺序标识号k分别为1,..,12。太阳能与风能发电量预测输出值可根据太阳能和风能发电短期预测方法获得，具体预测方法可选用浙江大学2013年出版的《风能及光伏发电功率短期预测方法研究》和东南大学2013年出版的《太阳能光伏电站短期发电预测研究》中的预测方法。

步骤1：根据绿色能源优先利用方法选择实时任务i的执行小时段k*和服务器n*，确定实时任务i的执行开始时间t_i ^s和结束时间t_i ^e；

步骤1.1：计算实时任务i的各小时段k的绿色能源优先利用选取度量函数值f(k,i)₁,k＝1,...,12，若则转至步骤2，

$f{(k,i)}_1=\mathrm{\&alpha;}\&CenterDot;\frac{\stackrel{\&OverBar;}{t_i}-t_0^k}{\stackrel{\&OverBar;}{t_i}-\underset{t_0^k<\stackrel{\&OverBar;}{t_i},k\&Element;T}{\min }\left\{t_0^k\right\}}+\mathrm{\&beta;}\&CenterDot;\frac{v_i^k}{\underset{k\&Element;T}{\max }\left\{v_i^k\right\}}$

α+β＝1,α<β

$v_i^k={\stackrel{\&OverBar;}{v}}^k-e_{-i}^k$

其中，为第k个小时段内实时任务i到达时的风能和太阳能发电预测输出值的剩余量；k为小时段的顺序标识，k＝1,..,12；为实时任务i的完成时限；为第k个小时段的起始时间，例如第1小时段(上午7点钟小时段7:00:00～8:00:00)起始时间为7:00:00；为实时任务i到达时的12个小时段内第k小时段的太阳能与风能发电量预测输出值，为实时任务i之前各实时任务经调度后在k小时段内消耗的风能和太阳能发电总能量，T为风能和太阳能预测时间区间，T＝{1,...,12}即12个小时段；α、β为小于1的权重因子，其取值由决策者设定，α值表示决策者关注实时任务完成时限的程度，β值的大小表示决策者关注可再生能源利用或低电价成本的程度，α<β表示更关注可再生能源利用或低电价成本。

步骤1.2：将计算得到的f(k,i)₁值进行降序排列为{f¹(k,i)₁,...,f^γ(k,i)₁,...,f¹²(k,i)₁}，1≤γ≤12；

步骤1.3：令变量γ＝1；

步骤1.4：选择实时任务i执行的小时段k*：

$k*=\underset{k}{\arg }{f}^{\mathrm{\&gamma;}}{(k,i)}_1$

其中为取得第γ个f(k,i)₁值的小时段顺序标识。

步骤1.5：若则转至步骤2；

若令γ＝γ+1，转至步骤1.4；

其中，为实时任务i到达时第k*小时段内的风能和太阳能发电预测输出值的剩余量；为小时段k*的起始时间。

步骤1.6：选择运行实时任务i的服务器n*：

$n*=\underset{n}{\arg }\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}$

若存在多个服务器取得值，则即n*为取得值中最小顺序标识的服务器；其中，为小时段k*内服务器n队列中已安排任务的总长,单位为kb(千位，1b＝1byte)；为小时段k*内服务器n的运行速度，单位为kbps(千位每秒)；M为数据中心系统中执行实时任务的服务器集合{M₁,M₂,…,M_n,…,M_N}，M_n为数据中心系统的第n台服务器，1≤n≤N，；n为服务器的顺序标识。

步骤1.7：将实时任务i插入服务器n*任务队列最后，计算实时任务i实际执行开始时间及实际执行结束时间

$t_i^s=max\{t_{i-1,}^{e,}{{}^{n*}}_{k*},t_i^{n*}\}$

$t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}}$

其中，为实时任务i到达服务器n*任务队列时间，近似为实时任务i到达数据中心系统时间t_i；为小时段k*内服务器n*任务队列中排在实时任务i前面一个任务的执行结束时间，若小时段k*内服务器n*无实时任务执行，则l_i为实时任务i长度，单位为kb；为小时段k*内服务器n*运行速度，单位为kbps。

步骤1.8：检测任务执行结束时间是否满足任务执行时限——比较任务完成时间与实时任务i完成的时间限制

当则输出n*，t_i ^s和t_i ^e转步骤3；

当令γ＝γ+1，若γ≤12，转至步骤1.4，若γ>12，则转至步骤2。

步骤2：根据电价成本选取方法选择实时任务i的执行小时段k*和服务器n*，确定实时任务i的执行开始时间t_i ^s和结束时间t_i ^e。

步骤2.1：计算实时任务i的各小时段k的电价成本选取度量函数值f(k,i)₂,k＝1,...,12：

$f{(k,i)}_2=\mathrm{\&alpha;}\&CenterDot;\frac{\stackrel{\&OverBar;}{t_i}-t_0^k}{\stackrel{\&OverBar;}{t_i}-\underset{t_0^k<\stackrel{\&OverBar;}{t_i},k\&Element;T}{\min }\left\{t_0^k\right\}}+\mathrm{\&beta;}\&CenterDot;\frac{\underset{k\&Element;T}{\max }\left\{p^k\right\}}{p^k}$

α+β＝1,α<β

其中，p^k为小时段k内的电价，其取值为实时任务i的12个小时段内的市场电价值，其它符号的含义与步骤1相同；

步骤2.2：将计算后的f(k,i)₂值进行降序排列为{f¹(k,i)₂,...,f^γ(k,i)₂,...,f¹²(k,i)₂},1≤γ≤12；

步骤2.3：令变量γ＝1；

步骤2.4：选择实时任务i执行的小时段k*：

$k*=\underset{k}{\arg }{f}^{\mathrm{\&gamma;}}{(k,i)}_2$

其中为取得第γ个f(k,i)₂值的小时段顺序标识。

步骤2.5：若则γ＝γ+1，转至步骤2.4；

为小时段k*的起始时间，为实时任务i的完成时限；

步骤2.6：选择运行实时任务i的服务器n*：

$n*=\underset{n}{\arg }\underset{{}_{n\&Element;M}}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}.$

若存在多个服务器取得值，则即n*为取得值中最小顺序标识的服务器。

步骤2.7：将实时任务i插入服务器n*任务队列最后，计算实时任务i实际执行开始时间及实际执行结束时间

$t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}}$

$t_i^s=max\{t_{i-1,}^{e,}{{}^{n*}}_{k*},t_i^{n*}\}$

其中，为实时任务i到达服务器n*任务队列时间，近似为实时任务i到达数据中心系统时间t_i；为小时段k*内服务器n*任务队列中排在实时任务i前面一个任务的执行结束时间，若小时段k*内服务器n*无实时任务执行，则l_i为实时任务i长度，单位为kb；为小时段k*内服务器n*运行速度，单位为kbps。

步骤2.8：检测任务执行结束时间是否满足任务执行时限——比较与实时任务i完成的时间限制

当则输出n*，t_i ^s和t_i ^e，转步骤3。

当令γ＝γ+1，若γ≤12，转至步骤2.4，若γ>12，则按照γ＝1时，选取小时段确定服务器以及计算开始时间 $t_i^s=max\{t_{i-1,}^{e,}{{}^{n*}}_{k*},t_i^{n*}\}$ 和结束时间 $t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}};$ 输出n*，t_i ^s和t_i ^e。

步骤3：将实时任务i调度至数据中心系统中服务器n*上，在时间t_i ^s开始执行，在时间t_i ^e结束任务执行。

本发明的有益效果是：1、通过运用步骤1，基于可再生能源输出预测量，对实时任务计算需求进行有效匹配调度，可优先提高数据中心系统的可再生能源利用率，从而有效降低以化石能源为主的电能消耗比较巨大的问题。2、通过步骤2，根据实际市场电价成本进行优化调度，还可降低数据中心系统整体的运维成本。本发明既适用于多能源供应的大型数据中心、计算中心，也可运用于有多能源供应的中小型计算机集群。

附图说明

图1是面向风光多能源数据中心的实时任务绿色调度方法流程图。

具体实施方式：

附图1是面向风光多能源数据中心的实时任务绿色调度方法流程图。

下面将结合具体实施例对本发明做进一步详细描述：

本发明所描述的数据中心系统由256台服务器组成，每台服务器配置Athlon-64位双核处理器并使用2GHz频率和1.5V电压，构造了两天内1000个随机到达的实时任务。数据中心系统配备了小型的光伏发电和风力发电系统。

步骤1：当前实时任务到达，根据当前气象数据和太阳能和风能发电历史数据，获得实时任务到达时的12个小时段内太阳能和风能预测输出量。例如，实时任务1、513的任务信息，及其12个小时段的可再生能源(太阳能与风能)预测输出值和任务到达时剩余量分别如表1、2和3所示。

表1实时任务1、513的任务信息

表2实时任务1的相关小时段内可再生能源预测值和剩余量

表3实时任务513到达后相关小时段内可再生能源预测值和剩余量

步骤1.1：计算实时任务i的各小时段k(k＝1,...,12)的绿色能源优先利用选取度量函数值f(k,i)₁。α和β分别取值0.3和0.7，决策者更关注可再生能源利用或低电价成本。实时任务1和513的绿色能源优先利用选取度量函数值信息分别如表4和5所示。

表4实时任务1的绿色能源优先利用选取度量函数值信息

小时	7:00	8:00	9:00	10:00	11:00	12:00	13:00	14:00	15:00	16:00	17:00	18:00
													k	1	2	3	4	5	6	7	8	9	10	11	12
f(k,i)1	0.470	0.357	0.381	0.412	0.386	0.574	0.672	0.650	0.393	0.260	0.177	0.043

表5实时任务513的绿色能源优先利用选取度量函数值信息

小时	14:00	15:00	16:00	17:00	18:00	19:00	20:00	21:00	22:00	23:00	0:00	1:00
													k	1	2	3	4	5	6	7	8	9	10	11	12
f(k,i)1	0.300	0.232	0.170	0.075	0.105	0.206	0.190	0.305	0.001	0.325	0.0014	0.096

步骤1.2：对实时任务的12个小时段，将其f(k,i)₁值进行降序排列为{f¹(k,i)₁,...,f¹²(k,i)₁}。实时任务1和513的相关f(k,i)₁值排列后如表6、7所示。

表6实时任务1的f(k,i)₁值排列

γ	1	2	3	4	5	6	7	8	9	10	11	12
													fγ(k,i)1	0.672	0.650	0.574	0.470	0.412	0.393	0.386	0.381	0.357	0.260	0.177	0.043
k	7	8	6	1	4	9	5	3	2	10	11	12
													小时	13:00	14:00	12:00	7:00	10:00	15:00	11:00	9:00	8:00	16:00	17:00	18:00

表7实时任务513的f(k,i)₁值排列

γ	1	2	3	4	5	6	7	8	9	10	11	12
													fγ(k,i)1	0.325	0.305	0.300	0.232	0.206	0.190	0.170	0.105	0.096	0.075	0.0014	0.001
k	10	8	1	2	6	7	3	5	12	4	11	9
													小时	23:00	21:00	14:00	15:00	19:00	20:00	16:00	18:00	1:00	17:00	0:00	22:00

步骤1.3：选择实时任务执行的小时段k*：对于实时任务1，k*＝7；对于实时任务513，k*＝10。

步骤1.4：对于实时任务1，γ＝1时，k*＝7，γ＝2时， $t_0^{k*}=14:00:00\&GreaterEqual;\stackrel{\&OverBar;}{t_i}=13:00:00;$ γ＝3时， $t_0^{k*}=12:00:00<\stackrel{\&OverBar;}{t_i}=13:00:00,$ 则取γ＝3时k*＝6。

对于实时任务513，γ＝1时，k*＝10，γ＝2时， $t_0^{k*}=21:00:00\&GreaterEqual;\stackrel{\&OverBar;}{t_i}=18:00:00;$ γ＝3时， $t_0^{k*}=14:00:00<\stackrel{\&OverBar;}{t_i}=18:00:00,$ 但 $v_i^{k*}=0,$ 则转至步骤2。

步骤1.5：选择运行实时任务i的服务器n*：由于实时任务1为首个到达数据中心系统的实时任务，此时数据中心系统中各服务器状态信息按升序排列如表8所示，则n*＝1。

表8实时任务1到达时服务器按升序排列

步骤1.6：将实时任务插入服务器n*＝1任务队列最后，计算任务执行开始时间及结束时间。

$\begin{array}{c}{t}_i^s=\max \{t_{i-1,}^{e,}{{}^{n*}}_{k*},t_i^{n*}\}\\ t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}}\end{array}.$

对于实时任务1， $t_i^{n*}=t_i=7:11:32,t_{i-1,}^{e,}{{}^{n*}}_{k*}=12:00:00,$ 其中， $\frac{l_i}{a_{n*}^{k*}}=\frac{45000}{1500}=30s,$ 则 $t_i^s=12:00:00,t_i^e=12:00:30.$

步骤1.7：对于实时任务1，由于符合任务完成时限要求，则输出n*＝1，和转至步骤3。

步骤2：根据电价成本选取规则选择实时任务i的执行小时段和服务器，确定实时任务i的执行开始时间和结束时间。实时任务513到达时的12个小时段的市场电价如表9所示。

表9实时任务513相关小时段内的电价

步骤2.1：计算实时任务i的各小时段k(k＝1,...,12)电价成本选取度量函数值f(k,i)₂。实时任务513的电价成本选取度量函数值信息如表10所示。

表10实时任务513的电价成本选取度量函数值信息

小时	14:00	15:00	16:00	17:00	18:00	19:00	20:00	21:00	22:00	23:00	0:00	1:00
													k	1	2	3	4	5	6	7	8	9	10	11	12
f(k,i)2	1.092	0.974	0.850	0.800	0.822	0.856	0.797	0.740	0.705	0.683	0.745	0.952

步骤2.2：对实时任务i的12个小时段，将其f(k,i)₂值进行降序排列为{f¹(k,i)₂,...,f¹²(k,i)₂}。实时任务513的相关f(k,i)₂值排列后如表11所示。

表11实时任务513的f(k,i)₂值排列

γ	1	2	3	4	5	6	7	8	9	10	11	12
													fγ(k,i)2	1.092	0.974	0.952	0.856	0.850	0.822	0.800	0.797	0.745	0.740	0.705	0.683
k	1	2	12	6	3	5	4	7	11	8	9	10
													小时	14:00	15:00	1:00	19:00	16:00	18:00	17:00	20:00	0:00	21:00	22:00	23:00

步骤2.3：选择实时任务i执行的小时段k*：对于实时任务513，k*＝1。

步骤2.4：对于实时任务513，k*＝1，则k*＝1。

步骤2.5：选择运行实时任务i的服务器n*：实时任务513到达数据中心系统时，各服务器状态信息按升序排列如表12所示，则n*＝10

表12实时任务513到达时服务器按升序排列

步骤2.6：将实时任务插入服务器n*任务队列最后，计算任务执行开始时间及结束时间：

$\begin{array}{c}{t}_i^s=\max \{t_{i-1,}^{e,}{{}^{n*}}_{k*},t_i^{n*}\}\\ t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}}\end{array}.$

对于实时任务513， $t_i^{n*}=t_i=14:43:16,t_{i-1,}^{e,}{{}^{n*}}_{k*}=14:36:00,$ 其中， $\frac{l_i}{a_{n*}^{k*}}=\frac{255000}{1500}=150s,$ 则 $t_i^s=14:43:16,t_i^e=14:45:46.$

步骤2.7：对于实时任务513，符合任务完成时限要求，则输出n*＝10，和转步骤3。

步骤3：对于实时任务1，将其调度至数据中心服务器1上，在第7小时段内(12:00:00～13:00:00)，从开始执行，至结束。

对于实时任务513，将其调度至数据中心服务器10上，在小时段1内(14:00:00～15:00:00)，从开始执行，至结束。

以上所述仅为本发明较佳实施例，并非限定本发明保护范围，凡在本发明技术方案基础上，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种面向风光多能源数据中心的实时任务绿色调度方法，其特征在于所述方法包括以下步骤：

步骤1：实时任务到达数据中心后，根据绿色能源优先利用方法选择实时任务i的执行小时段k*和服务器n*，确定实时任务i的执行开始时间t_i ^s和结束时间t_i ^e；

步骤1.1：计算实时任务i的各小时段k的绿色能源优先利用选取度量函数值f(k,i)₁，k＝1,...,12；若则转至步骤2，

$f{(k,i)}_1=\mathrm{\&alpha;}\&CenterDot;\frac{\stackrel{\&OverBar;}{t_i}-t_0^k}{\stackrel{\&OverBar;}{t_i}-\underset{t_0^k<\stackrel{\&OverBar;}{t_i},k\&Element;T}{min}\left\{t_0^k\right\}}+\mathrm{\&beta;}\&CenterDot;\frac{v_i^k}{\underset{k\&Element;T}{max}\left\{v_i^k\right\}}$

α+β＝1,α<β

$v_i^k={\stackrel{\&OverBar;}{v}}^k-e_{-i}^k$

为实时任务i到达时第k小时段内的风能和太阳能发电预测输出值的剩余量，所述小时段是指从实时任务到达时刻向下取整的整点时刻起算的每个小时为1小时段；

为实时任务i到达时第k小时段内太阳能与风能发电量预测输出值；

为实时任务i之前各实时任务经调度后在k小时段内消耗的风能和太阳能发电总能量；

为实时任务i的完成时限，为第k个小时段的起始时间；T为风能和太阳能预测时间区间，T＝{1,...,12}即12个小时段；

α、β为小于1的权重因子，其取值由决策者设定，α值表示决策者关注实时任务完成时限的程度，β值的大小表示决策者关注可再生能源利用或低电价成本的程度，α<β表示更关注可再生能源利用或低电价成本；

步骤1.2：将计算后的f(k,i)₁值进行降序排列为{f¹(k,i)₁,...,f^γ(k,i)₁,...,f¹²(k,i)₁},1≤γ≤12；

步骤1.3：令变量γ＝1；

步骤1.4：选择实时任务i执行的小时段k*：

$k*=\underset{k}{\arg }{f}^{\mathrm{\&gamma;}}{(k,i)}_1$

其中为取得第γ个f(k,i)₁值的小时段顺序标识；

步骤1.5：若则转至步骤2；

若令γ＝γ+1，转至步骤1.4；

为实时任务i到达时第k*小时段内的风能和太阳能发电预测输出值的剩余量；

为小时段k*的起始时间；

步骤1.6：选择运行实时任务i的服务器n*：

$n*=\underset{n}{\arg }\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}$

若存在多个服务器取得 $\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}$ 值，则 $n*=\min \left\{\underset{n}{\arg }\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}\right\},$ 即n*为取得值中最小顺序标识的服务器；

为小时段k*内服务器n队列中已安排任务的总长，单位为千位kb，1b＝1byte；

为小时段k*内服务器n的运行速度，单位为千位每秒kbps，M为数据中心执行实时任务的服务器集合{M₁,M₂,…,M_n,…,M_N}，M_n为数据中心系统的第n台服务器，n为数据中心系统中服务器的顺序标识号，1≤n≤N；

步骤1.7：将实时任务i插入服务器n*任务队列最后，计算实时任务i实际执行开始时间及实际执行结束时间

$t_i^s=max\{t_{i-1,k*}^{e,n*},t_i^{n*}\}$

$t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}}$

其中，为实时任务i到达服务器n*任务队列时间，近似为实时任务i到达数据中心系统时间t_i；

为小时段k*内服务器n*任务队列中排在实时任务i前面一个任务的执行结束时间，若小时段k*内服务器n*无实时任务执行，则

l_i为实时任务i长度，单位为千位kb，1b＝1byte；

步骤1.8：检测任务执行结束时间是否满足任务执行时限——比较任务完成时间与实时任务i完成的时间限制

当则输出n*，和转步骤3；

当令γ＝γ+1，若γ≤12，转至步骤1.4，若γ>12，则转至步骤2；

步骤2：根据电价成本选取方法选择实时任务i的执行小时段k*和服务器n*，确定实时任务i的执行开始时间和结束时间

步骤2.1：计算实时任务i的各小时段k的电价成本选取度量函数值f(k,i)₂，k＝1,...,12：

$f{(k,i)}_2=\mathrm{\&alpha;}\&CenterDot;\frac{\stackrel{\&OverBar;}{t_i}-t_0^k}{\stackrel{\&OverBar;}{t_i}-\underset{t_0^k<\stackrel{\&OverBar;}{t_i},k\&Element;T}{\min }\left\{t_0^k\right\}}+\mathrm{\&beta;}\&CenterDot;\frac{\underset{k\&Element;T}{max}\left\{p^k\right\}}{p^k}$

α+β＝1,α<β

p^k为小时段k内的电价，其取值为实时任务i的12个小时段内的市场电价值，其它符号的含义与步骤2相同；

步骤2.2：将计算后的f(k,i)₂值进行降序排列为{f¹(k,i)₂,...,f^γ(k,i)₂,...,f¹²(k,i)₂},1≤γ≤12；

步骤2.3：令变量γ＝1；

步骤2.4：选择实时任务i执行的小时段k*：

$k*=\underset{k}{\arg }{f}^{\mathrm{\&gamma;}}{(k,i)}_2$

其中为取得第γ个f(k,i)₂值的小时段顺序标识；

步骤2.5：若则γ＝γ+1，转至步骤2.4；

步骤2.6：选择运行实时任务i的服务器n*：

$n*=\underset{n}{\arg }\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}$

若存在多个服务器取得 $\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}$ 值，则 $n*=min\left\{\underset{n}{\arg }\underset{n\&Element;M}{\min }\left\{\frac{l_n^{k*}}{a_n^{k*}}\right\}\right\},$ 即n*为取得值中最小顺序标识的服务器；

步骤2.7：将实时任务i插入服务器n*任务队列最后，计算实时任务i实际执行开始时间及实际执行结束时间

$t_i^e=t_i^s+\frac{l_i}{a_{n*}^{k*}}$

$t_i^s=max\{t_{i-1,k*}^{e,n*},t_i^{n*}\}$

步骤2.8：检测任务执行结束时间是否满足任务执行时限——比较与实时任务i完成的时间限制

当则输出n*，和转步骤3；

当令γ＝γ+1，若γ≤12，转至步骤2.4，若γ>12，则按照γ＝1时，选取小时段确定服务器以及计算开始时间和结束时间输出n*，和

步骤3：将实时任务i调度至数据中心服务器n*上，在时间开始执行，在时间结束任务执行。