CN105577796A - 集群的功耗控制方法及装置 - Google Patents
集群的功耗控制方法及装置 Download PDFInfo
- Publication number
- CN105577796A CN105577796A CN201510993841.1A CN201510993841A CN105577796A CN 105577796 A CN105577796 A CN 105577796A CN 201510993841 A CN201510993841 A CN 201510993841A CN 105577796 A CN105577796 A CN 105577796A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- server
- cluster
- power
- running parameter
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] networks
- H04L67/1074—Peer-to-peer [P2P] networks for supporting data block transmission mechanisms
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Sources (AREA)
Abstract
本发明提出了一种集群的功耗控制方法及装置,该功耗控制方法包括:采集集群中服务器各元件的工作参数;根据工作参数建立功耗模型;通过功耗模型,计算服务器的功耗;根据功耗制定功耗策略,并执行功耗策略。本发明的功耗控制方法通过采集服务器的工作参数并对参数进行合理分析从而建立功耗模型,通过该功耗模型计算出服务器的实际功耗,进而根据服务器的实际功耗,能够制定合理的策略,通过执行该策略,从而调节服务器以及集群的功耗,实现了服务器集群整体能耗的合理分配,进而达到提高效能的目的。
Description
技术领域
本发明涉及服务器领域,具体来说,涉及一种集群的功耗控制方法及装置。
背景技术
随着世界范围内能源问题的日益突出,如何打造节能环保、高可靠可用的绿色数据中心成为计算机行业的重大挑战。据统计,至2012年全球数据中心每年在电力成本上的花费高达260亿美元,相当于全世界能源的1.5%,而这一数字在2014年还将翻倍。研究显示,数据中心消耗的所有电能中,平均仅6%至12%用于为服务器供电以执行计算任务,而剩余电能主要是被服务器处于闲置状态,并应对可能随时出现的新任务所消耗。
一般情况下,数据中心中各个集群运行的应用不尽相同且一般不会频繁改变。不同类型应用的负载特点是不相同的,例如高性能计算通常CPU利用率较高,对节点间通讯延迟敏感,而WEB应用往往更关心数据的快速读写,CPU利用率并不很高。也就是说不同应用对服务器各关键部件的压力差别很大,即使两个应用在服务器节点层面所消耗的功耗是相同的,各部件的实际功耗也会有较大的差异。实验数据显示,CPU和内存的功耗约占服务器总功耗的50%,风扇、电源、外接板卡占40%左右。数据中心的设备通常情况下是按照服务器的最大负载进行配置和部署的。因此对于运行不同应用的节点来说,若应用长期处于低负载的情况,将会造成服务器计算能力及供电能力的很大浪费。综上所述,根据应用的特点对服务器不同部件进行实时地调整,可以在不影响应用的前提下节省服务器的能耗。
通过对计算机硬件、网络、数据中心等的能耗的研究,目前提出了许多节约能耗的有效措施。服务器厂商主要通过执行冷却技术、芯片节能技术、软件调度和管理技术等来降低服务器的能耗。从硬件方面讲,通过对标准服务器系统能耗分布状况的分析,CPU、电源、硬盘、内存、散热风扇、主板芯片的能耗是服务器能耗的关键因素。节能服务器产品的设计方向是对它们的能耗现状进行优化,结合当前服务器产品的技术状况,主要是采用低功耗CPU、高效率电源、2.5寸硬盘或固态硬盘,以及散热优化设计实现节能目标。这是服务器节能的关键,但这需要从设计服务器产品时就开始考虑,无法很好地解决现有数据中心中现有的复杂多样的服务器的节能问题。从软件调度和管理技术出发,通过电源管理设置和模式转换设置,在系统不工作的情况下,关掉不必要的程序和进程,迅速在不同模式下进行转换,从而进入能耗更低的模式,降低系统消耗,从而降低整机能耗。目前对软件节能技术的研究主要有虚拟化技术、多核调度和资源管理优化、静态和动态功耗管理与优化技术等。
为解决集群节能问题,现有的一些节能技术通过建模对服务器状态进行切换控制来实现节能,但是它仅仅引入了休眠状态;模型的输入为时刻等待客户请求,没有考虑服务器的实际应用;它主要对选择状态策略的算法方面做了研究,但没有充分考虑服务器整体及部件的相互关系和影响。另外,一种现有技术提出了多层次的集群功耗管理方法,该管理方法通过集群层次和本地节点层次进行功耗管理。集群层次的功耗管理基于自学习负载预测的按需启动策略,根据作业的负载提供计算资源。本地节点层次的功耗管理利用动态电压与频率调节DVFS技术进行CPU调频降低功耗,但是它没有考虑到其他部件的功耗问题;另一种现有技术提出了基于资源调度的集群节能系统,对服务器的空闲状态进行监控,从而关闭或休眠空闲服务器,该系统的节能手段比较单一,没有考虑到服务器各个部件的实时调控。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种集群的功耗控制方法及装置,能够自动调节服务器以及集群的功耗,实现了服务器集群整体能耗的合理分配,进而达到提高效能的目的。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种集群的功耗控制方法。
该功耗控制方法包括:
采集集群中服务器各元件的工作参数;
根据工作参数建立功耗模型;
通过功耗模型,计算服务器的功耗;
根据功耗制定功耗策略,并执行功耗策略。
在一个优选的实施例中,工作参数包括:
元件的利用率和/或负载状态。
在一个优选的实施例中,功耗模型包括服务器中各元件的额定最大功率和服务器在指定时间内的实际功率。
在一个优选的实施例中,根据功率制定功耗策略包括:
将服务器按照应用类型进行分类,其中,应用类型包括:计算密集型、磁盘密集型、空闲型;
根据计算得到的功耗以及服务器的分类,制定功耗策略。
在一个优选的实施例中,所述方法进一步包括:
显示工作参数以及服务器的功耗。
根据本发明的另一方面,提供了一种集群的功耗控制装置。
该功耗控制装置包括:
信息采集模块,用于采集集群中服务器各元件的工作参数;
功耗监控模块,用于根据工作参数建立功耗模型,以及,进一步用于通过功耗模型,计算服务器的功耗;
功耗控制模块,用于根据功耗制定功耗策略,并执行功耗策略。
在一个优选的实施例中,工作参数包括:
元件的利用率和/或负载状态。
在一个优选的实施例中,功耗模型包括服务器中各元件的额定最大功率和服务器在指定时间内的实际功率。
在一个优选的实施例中,功耗控制模块进一步用于将服务器按照应用类型进行分类,其中,应用类型包括:计算密集型、磁盘密集型、空闲型;以及根据计算得到的功耗以及服务器的分类,制定功耗策略。
在一个优选的实施例中,功耗监控模块进一步用于显示工作参数以及服务器的功耗。
本发明通过采集服务器的工作参数并对参数进行合理分析从而建立功耗模型,通过该功耗模型计算出服务器的实际功耗,进而根据服务器的实际功耗,能够制定合理的策略,通过执行该策略,从而调节服务器以及集群的功耗,实现了服务器集群整体能耗的合理分配,进而达到提高效能的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的集群的功耗控制方法的流程图;
图2是根据本发明的集群的功耗控制装置的框图。
图3是根据本发明的集群的功耗控制方法的周期性策略和非周期性策略示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种集群的功耗控制方法。
如图1所示,根据本发明实施例的集群的功耗控制方法包括:
步骤S101,采集集群中服务器各元件的工作参数。具体的,在一个优选的实施例中,工作参数包括:元件的利用率和/或负载状态。
步骤S103,根据工作参数建立功耗模型。在一个优选的实施例中,功耗模型包括服务器中各元件的额定最大功率和服务器在指定时间内的实际功率。在一个实施例中,根据功率制定功耗策略具体为:将服务器按照应用类型进行分类,其中,应用类型包括:计算密集型、磁盘密集型、空闲型;然后,根据计算得到的功耗以及服务器的分类,制定功耗策略。在一个实施例中,所述功耗控制方法还包括显示服务器的工作参数以及功耗等信息。
步骤S105,通过功耗模型,计算服务器的功耗
步骤S107,根据功耗制定功耗策略,并执行功耗策略。
通过本发明的上述方案,能够自动调节服务器以及集群的功耗,实现了服务器集群整体能耗的合理分配,进而达到提高效能的目的。
根据本发明的实施例,还提供了一种集群的功耗控制装置。
如图2所示,根据本发明实施例的集群的功耗控制装置包括:
信息采集模块21,用于采集集群中服务器各元件的工作参数;
功耗监控模块22,用于根据工作参数建立功耗模型,以及,进一步用于通过功耗模型,计算服务器的功耗;
功耗控制模块23,用于根据功耗制定功耗策略,并执行功耗策略。
在一个优选的实施例中,工作参数包括:
元件的利用率以及负载状态。
在一个优选的实施例中,功耗模型包括服务器中各元件的额定最大功率和服务器在指定时间内的实际功率。
在一个优选的实施例中,功耗控制模块23进一步用于将服务器按照应用类型进行分类,其中,应用类型包括:计算密集型、磁盘密集型、空闲型;以及根据计算得到的功耗以及服务器的分类,制定功耗策略。
在一个优选的实施例中,功耗监控模块22进一步用于显示工作参数以及服务器的功耗。
为了更好的理解本发明的技术方案,下面以具体实施例进行详细阐述。
在本实施例中,集群的功耗控制装置主要由信息采集、功耗监控、功耗控制功能模块构成。其中,信息采集模块实现了基于采集框架的所有资源数据的采集;功耗监控模块主要是对系统中的所有资源的数据信息进行展示与查询,构建和完善功耗模型;功耗控制模块主要是实现策略的制定和执行。
下面主要针对三个模块进行详细阐述:
信息采集模块:
准确监控服务器各部件的参数信息和状态信息是对服务器能耗进行动态管理的前提。传统的信息采集方式通过代理程序对服务器进行控制,该方式虽然对服务器的要求不高且具有较高的扩展性,但是其在实施和部署的过程中需要对所有服务器进行完全的授权,对于安全性要求较高的业务系统来说,部署难度较大,而且影响业务评估的准确性。为了克服传统信息采集方式的缺陷,本发明所涉及的集群功耗控制方法通过标准的协议和管理工具来实现数据的采集,并结合运用多种方式实现对服务器的全面管理和可控。
对于集群来说,通常通过在被管理端的服务器上安装代理程序或通过标准的协议来获取数据,目前的方式主要有部署代理采集、通过SNMP管理、IPMI外带管理方式、SSH管理方式等。通过对上述各种管理方式的调研,分析其实现的可行性和部署的方便性,使用多种采集方法相结合的方式满足不同的环境需求:(1)代理管理方式基于已有平台的采集框架进行实现,本身对代理的实现已经成型,可直接应用于系统中;(2)IPMI管理方式是通用的标准接口,本发明的方法通过采用采集插件中集成IPMI接口的方式实现了对服务器的管理;(3)SSH是当前集群的主流管理和配置方式。在不允许安装代理的集群环境中,同时结合IPMI和SSH两种管理方式,进而提高实现监控和控制的准确度和可靠性。对于IPMI接口采集服务器信息时存在的规范不一致及延迟问题,采用多线程处理,同时使用缓存机制和时间戳的方式解决,一方面可以保证采集数据的实时性,另一方面可保证数据统计的有效性。
功耗监控模块:
服务器内部关键部件负载的实时监控和分析是实现服务器功耗管理的基础。由于采集数据的不完整性等因素,已采集的服务器性能指标需要通过功耗模型进行适当地矫正,再根据大量的实际测试数据,推算出准确率较高的服务器能耗。功耗模型依据其目标作用范围的大小依次可分为服务器部件级、服务器整机级、集群整体级。从作用效果来看,功耗模型可分为实际功耗和初始功耗,其中初始功耗是指服务器设备的额定最大功率,而实际功耗是指服务器在特定时间的实际功率。
功耗模型主要是对服务器的功耗指标进行矫正,该过程需要在用户的干预下才能完成,即用户录入服务器出厂时各部件标定的各种负载条件下的额定功率,然后根据模型推算出服务器的功率。该方式采用软硬件结合的方式,可支持机架式服务器和刀片服务器。若无法获取服务器部件在各负载条件下的额定功耗,功耗指标的校正过程如下所述:
步骤1对服务器的负载状态进行分级,如从满负载100%开始,分别取90%、80%...10%,并逐级递减到0%闲置负载状态;
步骤2通过模拟测试获取各个不同负载条件下各服务器部件的功率,并以此作为服务器部件功率的初始值;
步骤3用户根据各个服务器部件的实际运行状况对各负载下的各个服务器部件的功率进行修正,使其更接近现实条件下的服务器部件功率;
步骤4通过功耗模型进行估算,获取较高精度的服务器功率。
步骤3中,对于不同配置服务器的具体部件功耗,可以使用功耗记录仪对其变化进行记录。对于各个部件准确采集到的数据,给定权值为1;对于测试所得的数据,根据型号及配置的匹配度赋予0.5到1不等的权值;对于未知的指标,使用历史参数作为输入值,最终推算出该指标的值;对于用户输入的值,作为校验参考值,重新根据用户的输入值调整功耗模型的参数。其中服务器部件功耗主要以额定功率或实测功率为基准,服务器整机功耗主要通过服务器的负载进行评测,而集群整体功耗则以服务器整机功耗进行推算。
功耗控制模块:
功耗模型对功耗指标的矫正过程中,用户的干预和实时数据的反馈使功耗模型具备了自学习的能力。随着系统使用时间的延长,功耗模型对于用户的依赖会逐渐变弱,更多的依赖于对历史数据分析,及时根据实时数据对未来的功耗趋势进行预测并制定出相应的控制策略,然后反馈给用户,供其选择和使用。
表1模式预定义表
对于模式和策略的关系,主要影响因素为:小作用域的策略将屏蔽上层作用域的策略,例如,若节点设置了某特定的策略,则包含该节点的分组或集群在执行策略的时候将默认将该节点排除;对于每一个节点,在一个特定的时间段内只能对应于一个策略;为了保证应用的稳定性,每个策略的模式间不允许时间嵌套,且两个模式之间的时间间隔必须大于等于1小时。
由于用户对服务请求可能具有周期性,因此策略按照执行时间是否具有周期性可以分为非周期性策略和周期性策略两类。用户根据业务的需求自定义策略,并为其指定相应时间段内的模式,如图3所示。
如图3中(a)所示,“策略0”为非周期性策略,为其指定“模式00”。在t0时刻“策略0”被激活并立即执行“模式00”,直到t1时刻“策略1”被激活并开始执行“模式10”。如图3中(b)所示,“策略2”为周期性策略,在一个周期内分别在时间点“tp0”、“tp1”指定了两个模式“模式20”、“模式21”。在t0时刻“策略2”被激活,从t0开始经过时间tp0开始执行“模式20”,再经过时间tp1开始执行“模式21”;一直执行“模式21”,直到“策略2”的下一个周期被激活同时“模式20”被再次执行为止。由上述可知,非周期性策略有且仅有一个模式,策略被激活的同时模式开始执行,直到节点开始执行下一个策略的第一个模式。而周期性策略的每一个周期被划分为不同的时间段,每个时间段有且仅有一个模式,策略被激活后,根据时间段的设置依次执行各个模式,循环往复,直到该资源开始执行下一个策略的第一个模式。需要注意的是,为策略指定模式时,两者的作用范围必须一致。
策略的执行过程主要包括策略模式分析、控制分配、执行控制等三个步骤,该过程描述如下:(1)扫描资源与策略的对应关系,获取每个资源在当前时间所要执行的策略;(2)对各个策略进行解析,获取模式及模式参数信息;(3)遍历系统资源,计算各个节点的最大节能限度和控制方法;(4)根据计算结果集功耗模型预测出各节点的节能空间和可控级别;(5)根据各节点的负载进行节能控制分配;(6)执行控制。
综上所述,借助于本发明的上述技术方案,通过采用合理的采集方式获取服务器的部件信息,进而建立具有自学习特征的功耗模型;在对采集数据进行分析的基础上确定了应用的特征和类型,并通过对功耗指标和应用特征之间关系的分析制定合理的策略,实现了服务器集群整体能耗的合理分配,进而达到提高效能的目的。
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、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种集群的功耗控制方法,其特征在于,包括:
采集集群中服务器各元件的工作参数;
根据所述工作参数建立功耗模型;
通过所述功耗模型,计算所述服务器的功耗;
根据所述功耗制定功耗策略,并执行所述功耗策略。
2.根据权利要求1所述的功耗控制方法,其特征在于,所述工作参数包括:
元件的利用率和/或负载状态。
3.根据权利要求1所述的功耗控制方法,其特征在于,所述功耗模型包括所述服务器中各元件的额定最大功率和所述服务器在指定时间内的实际功率。
4.根据权利要求1所述的功耗控制方法,其特征在于,根据所述功率制定功耗策略包括:
将所述服务器按照应用类型进行分类,其中,应用类型包括:计算密集型、磁盘密集型、空闲型;
根据计算得到的所述功耗以及所述服务器的分类,制定所述功耗策略。
5.根据权利要求1所述的功耗控制方法,其特征在于,进一步包括:
显示所述工作参数以及所述服务器的功耗。
6.一种集群的功耗控制装置,其特征在于,包括:
信息采集模块,用于采集集群中服务器各元件的工作参数;
功耗监控模块,用于根据所述工作参数建立功耗模型,以及,进一步用于通过所述功耗模型,计算所述服务器的功耗;
功耗控制模块,用于根据所述功耗制定功耗策略,并执行所述功耗策略。
7.根据权利要求6所述的功耗控制装置,其特征在于,所述工作参数包括:
元件的利用率和/或负载状态。
8.根据权利要求6所述的功耗控制装置,其特征在于,所述功耗模型包括所述服务器中各元件的额定最大功率和所述服务器在指定时间内的实际功率。
9.根据权利要求6所述的功耗控制装置,其特征在于,
所述功耗控制模块进一步用于将所述服务器按照应用类型进行分类,其中,应用类型包括:计算密集型、磁盘密集型、空闲型;以及根据计算得到的所述功耗以及所述服务器的分类,制定所述功耗策略。
10.根据权利要求6所述的功耗控制装置,其特征在于,
所述功耗监控模块进一步用于显示所述工作参数以及所述服务器的功耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510993841.1A CN105577796A (zh) | 2015-12-25 | 2015-12-25 | 集群的功耗控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510993841.1A CN105577796A (zh) | 2015-12-25 | 2015-12-25 | 集群的功耗控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105577796A true CN105577796A (zh) | 2016-05-11 |
Family
ID=55887440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510993841.1A Pending CN105577796A (zh) | 2015-12-25 | 2015-12-25 | 集群的功耗控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105577796A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107241440A (zh) * | 2017-07-28 | 2017-10-10 | 曙光信息产业(北京)有限公司 | 一种确定集群的节能策略的方法 |
CN110022246A (zh) * | 2019-04-15 | 2019-07-16 | 苏州浪潮智能科技有限公司 | 分布式集群设备功耗监控方法、装置、系统及相关组件 |
CN111209158A (zh) * | 2019-12-25 | 2020-05-29 | 曙光信息产业(北京)有限公司 | 服务器集群的挖矿监控方法及集群监控系统 |
CN111625080A (zh) * | 2020-05-22 | 2020-09-04 | 苏州浪潮智能科技有限公司 | 一种服务器节能方法、装置及电子设备和存储介质 |
WO2021042368A1 (zh) * | 2019-09-06 | 2021-03-11 | 阿里巴巴集团控股有限公司 | 功耗控制与方案生成方法、设备、系统及存储介质 |
CN113748398A (zh) * | 2019-09-06 | 2021-12-03 | 阿里巴巴集团控股有限公司 | 数据处理与任务调度方法、设备、系统及存储介质 |
CN113742072A (zh) * | 2021-09-06 | 2021-12-03 | 慧镕电子系统工程股份有限公司 | 一种绿色节能型服务器及其控制策略 |
CN113759833A (zh) * | 2020-06-05 | 2021-12-07 | 航天科工惯性技术有限公司 | 一种多传感器采集任务调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7570975B2 (en) * | 2005-10-26 | 2009-08-04 | Motorola, Inc. | Method and apparatus for management of low-battery mobile stations |
CN103092316A (zh) * | 2013-01-22 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种基于数据挖掘的服务器功耗管理系统 |
CN103605418A (zh) * | 2013-10-23 | 2014-02-26 | 曙光信息产业(北京)有限公司 | 集群服务器的功耗调节方法和装置 |
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 |
CN104049716A (zh) * | 2014-06-03 | 2014-09-17 | 中国科学院计算技术研究所 | 一种结合温度感知的计算机节能方法及系统 |
CN104516470A (zh) * | 2013-09-26 | 2015-04-15 | 鸿富锦精密工业(深圳)有限公司 | 服务器功耗控制方法及系统 |
-
2015
- 2015-12-25 CN CN201510993841.1A patent/CN105577796A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7570975B2 (en) * | 2005-10-26 | 2009-08-04 | Motorola, Inc. | Method and apparatus for management of low-battery mobile stations |
CN103092316A (zh) * | 2013-01-22 | 2013-05-08 | 浪潮电子信息产业股份有限公司 | 一种基于数据挖掘的服务器功耗管理系统 |
CN104516470A (zh) * | 2013-09-26 | 2015-04-15 | 鸿富锦精密工业(深圳)有限公司 | 服务器功耗控制方法及系统 |
CN103605418A (zh) * | 2013-10-23 | 2014-02-26 | 曙光信息产业(北京)有限公司 | 集群服务器的功耗调节方法和装置 |
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 |
CN104049716A (zh) * | 2014-06-03 | 2014-09-17 | 中国科学院计算技术研究所 | 一种结合温度感知的计算机节能方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107241440A (zh) * | 2017-07-28 | 2017-10-10 | 曙光信息产业(北京)有限公司 | 一种确定集群的节能策略的方法 |
CN107241440B (zh) * | 2017-07-28 | 2020-12-22 | 曙光信息产业(北京)有限公司 | 一种确定集群的节能策略的方法 |
CN110022246A (zh) * | 2019-04-15 | 2019-07-16 | 苏州浪潮智能科技有限公司 | 分布式集群设备功耗监控方法、装置、系统及相关组件 |
WO2021042368A1 (zh) * | 2019-09-06 | 2021-03-11 | 阿里巴巴集团控股有限公司 | 功耗控制与方案生成方法、设备、系统及存储介质 |
CN113728294A (zh) * | 2019-09-06 | 2021-11-30 | 阿里巴巴集团控股有限公司 | 功耗控制与方案生成方法、设备、系统及存储介质 |
CN113748398A (zh) * | 2019-09-06 | 2021-12-03 | 阿里巴巴集团控股有限公司 | 数据处理与任务调度方法、设备、系统及存储介质 |
CN111209158A (zh) * | 2019-12-25 | 2020-05-29 | 曙光信息产业(北京)有限公司 | 服务器集群的挖矿监控方法及集群监控系统 |
CN111209158B (zh) * | 2019-12-25 | 2023-06-23 | 曙光信息产业(北京)有限公司 | 服务器集群的挖矿监控方法及集群监控系统 |
CN111625080A (zh) * | 2020-05-22 | 2020-09-04 | 苏州浪潮智能科技有限公司 | 一种服务器节能方法、装置及电子设备和存储介质 |
CN113759833A (zh) * | 2020-06-05 | 2021-12-07 | 航天科工惯性技术有限公司 | 一种多传感器采集任务调度方法 |
CN113759833B (zh) * | 2020-06-05 | 2023-06-06 | 航天科工惯性技术有限公司 | 一种多传感器采集任务调度方法 |
CN113742072A (zh) * | 2021-09-06 | 2021-12-03 | 慧镕电子系统工程股份有限公司 | 一种绿色节能型服务器及其控制策略 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105577796A (zh) | 集群的功耗控制方法及装置 | |
US10289184B2 (en) | Methods of achieving cognizant power management | |
Vasan et al. | Worth their watts?-an empirical study of datacenter servers | |
Wong et al. | Knightshift: Scaling the energy proportionality wall through server-level heterogeneity | |
Mahadevan et al. | On energy efficiency for enterprise and data center networks | |
Liu et al. | Sleepscale: Runtime joint speed scaling and sleep states management for power efficient data centers | |
Li et al. | Tapa: Temperature aware power allocation in data center with map-reduce | |
Gmach et al. | Profiling sustainability of data centers | |
Gu et al. | Energy efficient scheduling of servers with multi-sleep modes for cloud data center | |
Shen et al. | Stochastic modeling of dynamic right-sizing for energy-efficiency in cloud data centers | |
US20140278333A1 (en) | Systems, methods, and media for modeling transient thermal behavior | |
Wang et al. | A green-aware virtual machine migration strategy for sustainable datacenter powered by renewable energy | |
Kumar et al. | Heterogeneity and thermal aware adaptive heuristics for energy efficient consolidation of virtual machines in infrastructure clouds | |
CN103926994A (zh) | 一种基于me的服务器动态能耗管理及修正方法 | |
WO2016078268A1 (zh) | 节能方法及装置 | |
CN105676996A (zh) | 一种龙芯服务器的功耗控制方法和装置 | |
Zhang et al. | Two-phase industrial manufacturing service management for energy efficiency of data centers | |
Khan et al. | A goal programming based energy efficient resource allocation in data centers | |
Aksanli et al. | Using datacenter simulation to evaluate green energy integration | |
US20230229216A1 (en) | System and methods for server power management | |
Lent | Analysis of an energy proportional data center | |
Zhang et al. | A new energy efficient VM scheduling algorithm for cloud computing based on dynamic programming | |
Li et al. | Dynamic virtual machine consolidation algorithm based on balancing energy consumption and quality of service | |
CN113849365B (zh) | 服务器性能功耗比调控方法、系统、终端及存储介质 | |
Kaushar et al. | Comparison of SLA based energy efficient dynamic virtual machine consolidation algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160511 |