CN106170744A - 虚拟机能耗确定方法、物理机和网络系统 - Google Patents

虚拟机能耗确定方法、物理机和网络系统 Download PDF

Info

Publication number
CN106170744A
CN106170744A CN201480038254.0A CN201480038254A CN106170744A CN 106170744 A CN106170744 A CN 106170744A CN 201480038254 A CN201480038254 A CN 201480038254A CN 106170744 A CN106170744 A CN 106170744A
Authority
CN
China
Prior art keywords
energy consumption
physical machine
characteristic information
virtual machine
machine
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.)
Granted
Application number
CN201480038254.0A
Other languages
English (en)
Other versions
CN106170744B (zh
Inventor
黄荷姣
顾崇林
梁良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN106170744A publication Critical patent/CN106170744A/zh
Application granted granted Critical
Publication of CN106170744B publication Critical patent/CN106170744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明实施例提供一种虚拟机能耗确定方法、物理机和网络系统，本发明的方法包括：获取物理机上的特征信息；根据物理机上的特征信息和物理机的非映射基础能耗，确定物理机的能耗模型；非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到特征信息的能耗；根据物理机的能耗模型，确定物理机上运行的虚拟机的能耗。本发明实施例能够提高虚拟机能耗确定的准确度。

Description

虚拟机能耗确定方法、物理机和网络系统 技术领域
本发明实施例涉及信息技术领域，尤其涉及一种虚拟机能耗确定方法、物理机和网络系统。
背景技术
随着云计算技术的不断发展，服务器虚拟化技术得到了广泛应用，基于云计算技术的数据中心为越来越多的用户提供虚拟机服务，数据中心通常是由一组服务器提供虚拟机服务，数据中心需要对虚拟机进行调度管理和监控，以便更好的为用户提供虚拟机服务，并且，虚拟机服务的提供商也需要对每个虚拟机的能耗进行测量，以便对每个用户按照实际能耗进行计费。
现有的虚拟机能耗计算方法，首先是在物理机上选择一些典型的物理资源，如CPU、存储设备、网络I/O作为划分物理机系统能耗的功能单元，根据经验为每个功能单元选择一个或多个能够体现该功能单元的工作量的事件计数器，例如CPU利用率，实时采集物理机上这些事件计数器的统计信息，根据各个功能单元对应的一个或多个事件计数器的汇总的统计信息与物理机的总能耗进行建模，得到每个功能单元的统计信息与物理机能耗的模型，模型中包括每个功能单元的单位工作量对应的能耗系数，然后，根据所有事件计数器的统计信息中包含的虚拟机标识，获得每个虚拟机对应的各种事件计数器的统计信息，按照每个虚拟机的各功能模块对应的事件计数器的统计信息得到每个虚拟机的各功能模块对应的能耗，对每个虚拟机对应的各个功能模块的各个事件计数器的能耗求和，得到每个虚拟机的能耗。
这种方式根据由经验选择特定功能单元对应的事件计数器的汇总的统计信息计算得到的物理机功能单元的能耗不准确，进一步地，根据这些事件计数器的统计信息计算的虚拟机的能耗也是不准确的，因此，由现有技术计算得到的虚拟机能耗的准确度较低。
发明内容
本发明实施例提供一种虚拟机能耗确定方法、物理机和网络系统，用以提解决现有技术中虚拟机能耗确定方法准确度较低的问题。
本发明的第一方面提供一种虚拟机能耗确定方法，包括：
获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗；
根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型，具体包括：
根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子；
将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗，包括：
对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息；
根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗；
根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量；
根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实 现方式中，所述根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量，包括：
获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息；
根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
结合第一方面的第一种至第二种任一种可能的实现方式，在第一方面的第四种可能的实现方式中，所述根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子，具体包括：
获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；
从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
结合第一方面的第一种至第四种任一种可能的实现方式，在第一方面的第五种可能的实现方式中，所述物理机的能耗模型为：
其中，Ptotal为物理机的能耗，Pstatic为物理机的非映射基础能耗；矩阵Rtotal中的元素R1、R2、……、Rn为所述物理机的特征信息；矩阵(Atotal)T中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，其中，a1为特征信息R1对应的能耗参数，a2为特征信息R2对应的能耗参数，……，an为特征信息Rn对应的能耗参数；a0为所述物理机能耗模型中的所述设定的可变能耗因子；所述物理机的能耗模型中的所述设定的参数矩阵中的元素a1、 a2、…、an和所述设定的可变能耗因子a0根据所述物理机的特征信息和所述物理机的非映射基础能耗确定。
结合第一方面的第二种至第三种任一种可能的实现方式，在第一方面的第六种可能的实现方式中，所述根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗，具体包括：
根据计算所述第一虚拟机的特征信息对应的能耗；
其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的能耗，为所述物理机上运行的第j个第一虚拟机的特征信息；a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵中的元素；n为所述特征信息的数量。
结合第一方面的第二种可能的实现方式，在第一方面的第七种可能的实现方式中，所述根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量，具体包括：
根据计算所述第一虚拟机的特征信息对应的可变能耗分量；
其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的可变能耗分量，a0为所述物理机能耗模型中的所述设定的可变能耗因子，为所述物理机上运行的第j个第一虚拟机的第n种特征信息；m为所述物理机上运行的虚拟机的个数，为所述所述物理机的中间层的第i种特征信息，n为所述特征信息的数量。
结合第一方面的第一种至第七种任一种可能的实现方式，在第一方面的第八种可能的实现方式中，若所述物理机和所述物理机上运行的第一虚拟机的CPU资源的值均属于预设的第一CPU资源利用率区间，且所述预设的第一CPU资源利用率区间的最小值不低于50％，或者，
所述物理机和所述物理机上运行的第一虚拟机的内存资源的值均属于预 设的第一内存资源利用率区间，且所述预设的第一内存资源利用率区间的最小值不低于50％，或者，
所述物理机和所述物理机上运行的第一虚拟机的IO资源的值均属于预设的第一IO资源利用率区间，且所述预设的第一IO资源利用率区间的最小值不低于50％；
则所述根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型，还包括：
根据所述物理机上运行的除所述第一虚拟机之外的第二虚拟机的特征信息，确定用于计算所述第二虚拟机的能耗的设定的参数矩阵和设定的可变能耗因子；
将特征矩阵与所述用于计算所述第二虚拟机的设定的参数矩阵的转置矩阵的乘积、用于计算所述第二虚拟机的能耗的设定的可变能耗因子与所述物理机空闲能耗之和，确定为用于计算所述第二虚拟机的能耗的所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数；
所述根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗，还具体包括：
根据所述用于计算所述第二虚拟机的能耗的所述物理机的能耗模型，确定所述物理机上运行的第二虚拟机的能耗。
结合第一方面的第八种可能的实现方式，在第一方面的第九种可能的实现方式中，所述根据所述物理机上运行的除所述第一虚拟机之外的任一第二虚拟机的特征信息，确定用于计算所述第二虚拟机的能耗的设定的参数矩阵和设定的可变能耗因子，具体包括：
获取所述第二虚拟机的特征信息；
从至少一个历史参数矩阵和历史可变能耗因子中，选择与所述物理机上运行的第二虚拟机的特征信息所属的利用率水平区间组合相同的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为用于计算所述第二虚拟机的能耗的物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子；所述利用率区间组合包括所述CPU资源的利用率区间、内存资源的利用 率区间、IO资源的利用率区间，所述CPU资源的利用率区间包括预设的第一CPU资源利用率区间、第二CPU资源利用率区间、第三CPU资源利用率区间，所述内存资源的利用率区间包括预设的第一内存利用率区间、第二内存利用率区间、第三内存利用率区间，所述IO资源的利用率区间包括预设的第一IO资源利用率区间、第二IO资源利用率区间、第三IO资源利用率区间。
结合第一方面的第一种至第九种任一种可能的实现方式，在第一方面的第十种可能的实现方式中，还包括：
根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差；
根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定；
根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
结合第一方面的第十种可能的实现方式，在第一方面的第十一种可能的实现方式中，所述根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差，具体包括：
获取所述物理机的特征信息对应的实测能耗；
根据Pcaculate＝Rtotal·(Atotal)T+a0+Pstatic计算物理机的理论能耗，其中，Pcalculate为所述物理机的理论能耗，Rtotal中的元素R1、R2、……、Rn为所述物理机的n种特征信息，(Atotal)T中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，a0为所述物理机能耗模型中的所述设定的可变能耗因子，Pstatic为所述物理机的非映射基础能耗；根据△P＝Pcalculate-Pmeasure计算第一能耗偏差，其中，△P为第一偏差能耗，Pcalculate为所述物理机的理论能耗，Pmeasure为所述物理机的实测能耗；
所述根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定，具体包括：
根据计算所述物理机上第j个虚拟机的虚拟机修正能耗；其中，第一能耗偏差分配系数分别为所述物理机的能耗模型中的设定的参数矩阵中的元素a1、a2、…、an；
所述根据所述虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正，具体包括：
根据(Pj)′＝Pj+△Pj得到修正后的所述物理机上运行的第j个虚拟机的能耗，其中，(Pj)′为修正后的所述物理机上运行的第j个虚拟机的能耗、Pj为修正前的所述物理机上运行的第j个虚拟机的能耗、△Pj为所述物理机上第j个虚拟机的虚拟机修正能耗。
本发明的第二方面提供一种物理机，包括：
接收器，用于获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
处理器，用于根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗。
所述处理器，还用于根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
结合第二方面，在第二方面的第一种可能的实现方式中，所述处理器，具体用于：
根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子；
将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实 现方式中，所述接收器，还用于对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息；
所述处理器，用于根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗；还用于根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量；以及，还用于根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述接收器，还用于获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息；
所述处理器，还用于根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
结合第二方面的第二种至第三种任一种可能的实现方式，在第二方面的第四种可能的实现方式中，所述接收器，还用于获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；
所述处理器，还用于从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
结合第二方面，第二方面的第一种至第四种任一种可能的实现方式，在第二方面的第五种可能的实现方式中，所述处理器，还用于：根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差；根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定；根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
本发明的第三方面还提供一种网络系统，包括：一个或多个如第二方面任一所述的物理机和多个瘦终端，其中，
所述物理机上运行一个或多个虚拟机，一个所述虚拟机对应一个瘦终端；
所述物理机用于：
获取所述物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗；
根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
本发明实施例提供了一种虚拟机能耗确定方法、物理机和网络系统，提高了虚拟机能耗确定的准确度。
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，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的虚拟机能耗确定方法实施例一的流程图；
图2为图1所示方法实施例一的第二种流程图；
图3为图1所示方法实施例一的第三种流程图；
图4为本发明提供的虚拟机能耗确定方法实施例二的流程图；
图5为本发明提供的虚拟机能耗确定方法实施例三的流程图；
图6为图5所示方法的第二种流程图；
图7为本发明提供的虚拟机能耗确定方法实施例四的流程图；
图8为图7所示方法实施例四的第二种流程图；
图9为本发明提供的虚拟机能耗确定方法实施例五的流程图；
图10为本发明提供的一种虚拟机确定装置的实施例一的结构示意图；
图11为本发明提供的一种物理机的实施例一的结构示意图；
图12为本发明提供的一种网络系统的实施例一的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明提供的虚拟机能耗确定方法实施例一的流程图，图2为图1所示方法实施例一的第二种流程图，图3为图1所示方法实施例一的第三种流程图，如图1至图3所示，本发明实施例的步骤包括：
S101、获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
需要说明的是，所述事件信息可以为指令数、LLC数、中断计数器的计数等事件的值，所述资源信息可以为CPU资源、内存资源、输入输出IO资源和网络流量等资源的值，由于物理机上的特征信息可以包括数十种甚至数百种，在确定虚拟机能耗的过程中通常无法全部采集到所有特征信息的值，因此，本发明实施例确定虚拟机能耗的过程中，选择至少一种特征信息，例如，可以选择能耗权重较大的CPU资源的值。
S102、根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗。
需要说明的是，所述物理机的能耗可以映射为两部分，其中一部分与物理机上的特征信息有关，并且，特征信息的组合会影响到各个资源或事件的单位能耗，另一部分与特征信息无关，例如，风扇的能耗。
当物理机未运行虚拟机时，物理机的能耗可以称为物理机的基础能耗，可以包括映射至特征信息的能耗和与特征信息无关的能耗，其中，映射至特征信息的能耗包括两部分：映射至采集的所述至少一种特征信息对应的能耗，以及未映射至采集的所述至少一种特征信息对应的能耗；与特征信息无关的能耗即为非映射基础能耗。
在S102根据所述物理机上的特征信息，以及所述物理机的非映射基础能 耗，确定所述物理机的能耗模型之前，包括：
根据物理机空闲状态时的能耗和物理机空闲状态时的特征信息，确定物理机的非映射基础能耗。
需要说明的是，物理机的能耗可以采用电表测量得到。
可选的，可参考图2，上述步骤S102可以具体包括S1021和S1022：
S1021、根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子。
S1022、将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型。
其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
需要说明的是，所述特征矩阵中的元素可以为代表至少一种资源信息或者至少至少一种事件信息的变量。举例来说，所述物理机的能耗模型可以为：
其中，Ptotal为物理机的能耗，Pstatic为物理机的非映射基础能耗；矩阵Rtotal中的元素R1、R2、……、Rn为所述物理机的特征信息；矩阵(Atotal)T中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，其中，a1为特征信息R1对应的能耗参数，a2为特征信息R2对应的能耗参数，……，an为特征信息Rn对应的能耗参数；a0为所述物理机能耗模型中的所述设定的可变能耗因子；所述物理机的能耗模型中的所述设定的参数矩阵中的元素a1、a2、…、an和所述设定的可变能耗因子a0根据所述物理机的特征信息和所述物理机的非映射基础能耗确定。
需要说明的是，可参考图3，S1021所述根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子，可以具体采用S1021-01和S1021-02的步骤实现：
S1021-01、获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；
S1021-02、从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
其中，所述预设的匹配条件可以是偏差的平方和最小。
可选的，历史特征信息和物理机的历史能耗可以在与待确定虚拟机能耗的虚拟机所归属的物理机的硬件系统和操作系统配置相同的另一台物理机上预先确定，用于获取物理机能耗的物理机上需要配置电功率计。这样，待确定虚拟机能耗的虚拟机所归属的物理机上可以不需要配置电功率计。
在确定物理机能耗模型之后，本发明实施例还包括：
S103、根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
可选的，可参考图2，S103可以采用S1031-S1034实现：
S1031、对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息。
需要说明的是，所述物理机上运行的第一虚拟机的特征信息，可以包括至少一种事件信息或者至少一种资源信息，所述特征信息可以通过物理机的中间层(hypervisor)采集得到。
S1032、根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗。
举例来说，可以根据设定的参数矩阵和第一虚拟机的特征信息，采用计算所述第一虚拟机的特征信息对应的能耗；其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的能耗， 为所述物理机上运行的第j个第一虚拟机的特征信息；a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵中的元素；n为所述特征信息的数量。
S1033、根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第 一虚拟机的特征信息对应的可变能耗分量。
其中，可参考图3，S1033可以采用S1033-1和S1033-2实现：
S1033-1、获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息。
需要说明的是，所述物理机的中间层的特征信息是指物理机为了运行虚拟机而运行的中间层本身所消耗的特征信息。
S1033-2、根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
举例来说，可以根据计算所述第一虚拟机的特征信息对应的可变能耗分量。
其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的可变能耗分量，a0为所述物理机能耗模型中的所述设定的可变能耗因子，为所述物理机上运行的第j个第一虚拟机的第n种特征信息；m为所述物理机上运行的虚拟机的个数，为所述所述物理机的中间层的第i种特征信息，n为所述特征信息的数量。
S1034、根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
需要说明的是，将所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量求和确定为所述第一虚拟机的能耗。
本发明实施例提供的虚拟机能耗确定方法，通过根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型，所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗，并根据所述物理机能耗模型确定所述物理机上运行的虚拟机的能耗，由于该物理机能耗模型中与特征信息对应的能耗参数矩阵的确定考虑了物理机的基础能耗中的特征信息对特征信息的水平变化对物理机总能耗的影响，物理机能耗中与特征信息有关的能耗参数更准确，因此，本发明实施 例提供了一种更准确的虚拟机能耗确定方法。进一步地，采用本发明实施例的确定虚拟机能耗的方法，在物理机运行阶段可以不必在物理机安装电表等能耗测量设备获取物理机的实时能耗，降低了物理机供应商的设备投资成本。
图4为本发明提供的虚拟机能耗确定方法实施例二的流程图，在图1至图3所示方法的基础上，如图4所示，本发明实施例的步骤包括：
与图1至图3所示方法不同的是，若所述物理机上的特征信息中可以包括CPU资源的值、内存资源的值、IO资源的值，
则S1021-01所述获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定，可以具体包括：
S1021-11、获取至少一组历史参数矩阵和历史可变能耗因子，所述至少一组历史参数矩阵和历史可变能耗因子根据满足预设的特征信息的利用率区间组合条件的至少一组物理机的历史特征信息、物理机的历史特征信息对应的历史能耗和物理机的非映射基础能耗确定。
其中，所述预设的特征信息的利用率区间组合条件为预设的物理机的CPU资源的利用率区间、内存资源的利用率区间、IO资源的利用率区间的组合，所述物理机的CPU资源的利用率区间包括预设的第一CPU资源利用率区间、第二CPU资源利用率区间、第三CPU资源利用率区间，所述内存资源的利用率区间包括预设的第一内存利用率区间、第二内存利用率区间、第三内存利用率区间，所述IO资源的利用率区间包括预设的第一IO资源利用率区间、第二IO资源利用率区间、第三IO资源利用率区间。
S1021-02所述从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子，可以具体包括：
S1021-12、从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息中的CPU资源的值、内存资源的值、IO资源的值所属的利用率区间的组合相同的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和所述设定的可 变能耗因子。
需要说明的是，所述预设的第一、第二和第三CPU资源利用率区间可以是分别是CPU资源利用率为50％至100％、30％至50％，0％至30％，相应的，所述预设的内存资源利用率区间和所述预设的IO资源利用率区间的设置可以参考CPU资源利用率区间的设置，本发明不做限制。当物理机的CPU资源利用率为50％至100％时，可以称之为物理机的能耗状态为CPU密集型，当物理机的内存资源利用率为50％至100％时，可以称之为物理机的能耗状态为内存密集型，当物理机的IO资源利用率为50％至100％时，可以称之为物理机的能耗状态为IO密集型。
本发明实施例通过划分利用率水平区间的历史特征信息确定的历史参数矩阵和历史可变能耗因子确定虚拟机能耗，并选择与当前物理机的特征信息的历史特征信息所述的利用率水平区间组合相同的历史参数矩阵和历史可变能耗因子确定物理机能耗模型，并进一步根据该物理机能耗模型确定虚拟机的能耗，由于该物理机能耗模型体现的物理机的能耗状态更接近物理机当前的特征信息对应的能耗状态，使得虚拟机能耗的确定更准确。
图5为本发明提供的虚拟机能耗确定方法实施例三的流程图，图6为图5所示方法的第二种流程图，在图1至图4所示方法的基础上，如图5所示，本发明实施例的步骤包括：
与图1至图4所示方法不同的是，若所述物理机和所述物理机上运行的第一虚拟机的CPU资源的值均属于预设的第一CPU资源利用率区间，且所述预设的第一CPU资源利用率区间的最小值不低于50％，或者，
所述物理机和所述物理机上运行的第一虚拟机的内存资源的值均属于预设的第一内存资源利用率区间，且所述预设的第一内存资源利用率区间的最小值不低于50％，或者，
所述物理机和所述物理机上运行的第一虚拟机的IO资源的值均属于预设的第一IO资源利用率区间，且所述预设的第一IO资源利用率区间的最小值不低于50％；
则S102所述根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型，还可以包括S1023和S1024：
S1023、根据所述物理机上运行的除所述第一虚拟机之外的第二虚拟机的特征信息，确定用于计算所述第二虚拟机的能耗的设定的参数矩阵和设定的可变能耗因子；
需要说明的是，所述第一虚拟机的CPU资源的值与所述物理机的CPU资源的值均是相对于所述物理机总的CPU可用资源而言的，举例来说，所述物理机的CPU资源的值为80％，所述物理机上运行有两个虚拟机，两个虚拟机的CPU资源的值可以是30％和50％。进一步地，当第一虚拟机的CPU资源的值和物理机的CPU资源的值分别为70％和80％，预设的第一CPU利用率区间为50％至100％，则所述物理机和所述第一虚拟机的CPU资源的值均属于第一CPU资源利用率区间，这种情况实际上表面物理机处于CPU密集型的能耗状态，而这种能耗状态是由该第一虚拟机造成的。因此，对该第一虚拟机继续使用根据物理机的特征信息确定的物理机能耗模型确定该第一虚拟机的能耗，而对物理机上除所述第一虚拟机之外的其他虚拟机，可称为第二虚拟机，使用根据第二虚拟机的特征信息确定的物理机的能耗模型确定其能耗将更准确。
具体的，可参考图6，S1023可以具体包括：
S1023-1、获取所述第二虚拟机的特征信息；
S1023-2、从至少一个历史参数矩阵和历史可变能耗因子中，选择与所述物理机上运行的第二虚拟机的特征信息所属的利用率水平区间组合相同的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为用于计算所述第二虚拟机的能耗的物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
其中，所述利用率区间组合包括所述CPU资源的利用率区间、内存资源的利用率区间、IO资源的利用率区间，所述CPU资源的利用率区间包括预设的第一CPU资源利用率区间、第二CPU资源利用率区间、第三CPU资源利用率区间，所述内存资源的利用率区间包括预设的第一内存利用率区间、第二内存利用率区间、第三内存利用率区间，所述IO资源的利用率区间包括预设的第一IO资源利用率区间、第二IO资源利用率区间、第三IO资源利用率区间。
S1024、将特征矩阵与所述用于计算所述第二虚拟机的设定的参数矩阵的转置矩阵的乘积、用于计算所述第二虚拟机的能耗的设定的可变能耗因子与 所述物理机空闲能耗之和，确定为用于计算所述第二虚拟机的能耗的所述物理机的能耗模型。
其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
相应地，S103所述根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗，还具体包括：
S1035、根据所述用于计算所述第二虚拟机的能耗的所述物理机的能耗模型，确定所述物理机上运行的第二虚拟机的能耗。
其中，S1035计算第二虚拟机的能耗的方法与S1032和S1033类似，所不同的是，S1032和S1033中所述物理机能耗模型中的所述设定的参数矩阵和设定的可变能耗因子，采用S1023确定的用于计算所述第二虚拟机的能耗的物理机能耗模型中的所述设定的参数矩阵和设定的可变能耗因子计算。
本发明实施例的其他技术方案和技术效果与图1至图2所示方法相同，此处不再赘述。
图7为本发明提供的虚拟机能耗确定方法实施例四的流程图，图8为图7所示方法实施例四的第二种流程图，在图1至图6所示方法的基础上，如图7至图8所示，本发明实施例的步骤包括：
在步骤S103之后，还包括：
S104、根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差。
其中，可参考图8，S104可以具体包括S1041和S1042。
S1041、获取所述物理机的特征信息对应的实测能耗。
S1042、根据Pcaculate＝Rtotal·(Atotal)T+a0+Pstatic计算物理机的理论能耗。
其中，Pcalculate为所述物理机的理论能耗，Rtotal中的元素R1、R2、……、Rn为所述物理机的n种特征信息，(Atotal)T中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，a0为所述物理机能耗模型中的所述设定的可变能耗因子，Pstatic为所述物理机的非映射基础能耗
S1043、根据△P＝Pcalculate-Pmeasure计算第一能耗偏差。
其中，△P为第一偏差能耗，Pcalculate为所述物理机的理论能耗，Pmeasure为所述物理机的实测能耗。
其中，所述第一能耗偏差可以为正值，也可以为负值。
S105、根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定。
举例来说，可以根据计算所述物理机上第j个虚拟机的虚拟机修正能耗；其中，第一能耗偏差分配系数分别为所述物理机的能耗模型中的设定的参数矩阵中的元素a1、a2、…、an。
S106、根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
举例来说，可以采用(Pj)′＝Pj+△Pj得到修正后的所述物理机上运行的第j个虚拟机的能耗，其中，(Pj)′为修正后的所述物理机上运行的第j个虚拟机的能耗、Pj为修正前的所述物理机上运行的第j个虚拟机的能耗、△Pj为所述物理机上第j个虚拟机的虚拟机修正能耗。
需要说明的是，由于预先采集的历史特征信息数据较少，或者预先采集的历史特征信息未覆盖到物理机当前的特征信息，则预先获取的历史参数矩阵和历史可变能耗因子所对应的历史特征信息与物理机当前的特征信息的匹配程度可能存在偏差，即不能完全匹配，相应的，根据物理机当前的特征信息确定的用于计算虚拟机能耗的物理机的能耗模型中的设定的参数矩阵和设定的可变能耗因子也可能存在偏差。本发明实施例的方法将这部分能耗偏差按照各特征信息对应的能耗参数占总的物理机理论能耗的比例分配给各个虚拟机，即对虚拟机能耗进行修正，使得确定的虚拟机的能耗更准确。进一步地，对于预先获取历史参数矩阵和历史可变能耗因子数据较少的场景，也能更准确的确定虚拟机的能耗，减少了确定虚拟机能耗前的对物理机的历史特征信息的数据采集工作和根据大量历史特征信息确定历史参数矩阵和历史可变能耗因子的工作。
下面采用几个具体的例子对本发明提供的虚拟机能耗确定方法进行具体说明。
图9为本发明提供的虚拟机能耗确定方法实施例五的流程图。
如图9所示，本发明实施例的虚拟机能耗确定方法可以包括：
S501、获取物理机上的至少一种特征信息，记为Rtotal。
其中，可选的，所述特征信息可以是资源信息，如CPU资源、内存资源、IO资源、网络流量等资源的数据，也可以是事件信息，如执行的指令数、LLC数、中断计数器的计数。
S502、获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定。
S503、从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵A和设定的可变能耗因子a0。
S504、将确定为所述物理机的能耗模型。
其中，所述特征矩阵R中的元素R1、R2、……、Rn可以为代表CPU资源、内存资源、输入输出IO资源和网络流量等资源的变量，或者，所述特征矩阵R中的元素R1、R2、……、Rn可以为代表执行的指令数、LLC数、中断计数器的计数等事件的变量。其中，所述物理机的非映射基础能耗Pstatic可以预先根据物理机空闲状态时的能耗和物理机空闲状态时的特征信息获取。
S505、对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息。
S506、根据确定所述第一虚拟机的特征信息对应的能耗
S507、获取所述物理机的中间层的特征信息RHyper和所述物理机上运行的所有虚拟机的特征信息
S508、根据确定所述第一虚拟机的特征信息对应的可变能耗分量
其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的可变能耗分量，a0为所述物理机能耗模型中的所述设定的可变能耗因子，为所述物理机上运行的第j个第一虚拟机的第n种特征信息；m为所述物理机上运行的虚拟机的个数，为所述所述物理机的中间层的第i种特征信息，n为所述特征信息的数量。
S509、将所述第一虚拟机的特征信息对应的能耗与所述第一虚拟机的特征信息对应的可变能耗分量之和确定为所述第一虚拟机的能耗。
可选的，在S509之后，还可以包括：
S510、获取所述物理机的特征信息对应的实测能耗Pmeasure。
S511、根据Pcaculate＝Rtotal·AT+a0+Pstatic计算物理机的理论能耗Pcalculate。
其中，Pcalculate为所述物理机的理论能耗，Rtotal中的元素R1、R2、……、Rn为所述物理机的n种特征信息，AT中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，a0为所述物理机能耗模型中的所述设定的可变能耗因子，Pstatic为所述物理机的非映射基础能耗。
S512、根据△P＝Pcalculate-Pmeasure计算第一能耗偏差△P。
S513、根据计算所述物理机上运行的虚拟机的虚拟机修正能耗△Pj。
其中，所述第一能耗偏差分配系数为所述物理机的能耗模型中的设定的参数矩阵A中的元素a1、a2、…、an。
S514、采用(Pj)′＝Pj+△Pj得到修正后的所述物理机上运行的第j个虚拟机的能耗(Pj)′。
其中，Pj为修正前的所述物理机上运行的第j个虚拟机的能耗、△Pj为所述物理机上第j个虚拟机的虚拟机修正能耗。
本发明实施例的其他技术方案和技术效果与图1至图4所示方法相同，此处不再赘述。
图10为本发明提供的一种虚拟机确定装置的实施例一的结构示意图。
如图10所示，本发明实施例的虚拟机能耗确定装置具体可以执行图1至图9所示的方法，包括：获取模块91和处理模块92。
所述获取模块91，用于获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
所述处理模块92，用于根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗；还用于根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
其中，所述处理模块92，可以具体用于：
根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子；
将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
可选的，所述获取模块91，可以用于对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息；所述处理模块92，用于第一根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗；还用于根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量；以及，还用于根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机 的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
可选的，所述获取模块91，可以用于获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息；所述处理模块92，可以用于根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
可选的，所述获取模块91，还可以用于获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；所述处理模块92，用于从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
可选的，所述获取模块91，还可以用于获取所述物理机的特征信息对应的实测能耗；所述处理模块92，可以用于根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的实测能耗，计算第一能耗偏差；根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定；根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
本发明实施例其他技术方案和技术效果与图1至图5所示方法相同，此处不再赘述。
图11为本发明提供的一种物理机的实施例一的结构示意图。
如图11所示，本发明实施例的物理机具体可以执行图1至图8所示的方法，包括：接收器1和处理器2。
所述接收器1，用于获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
所述处理器2，用于根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理 机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗。
所述处理器2，还用于根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
可选的，所述处理器2，具体用于：
根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子；
将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
在一种可选的实施方式中，所述接收器1，还用于对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息；所述处理器2，用于根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗；还用于根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量；以及，还用于根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
在另一种可选的实施方式中，所述接收器1，还用于获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息；所述处理器2，还用于根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
在第三种可选的实施方式中，所述接收器1，还用于获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；所述处理器2，还用于从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定 的参数矩阵和设定的可变能耗因子。
在第四种可选的实施方式中，所述处理器2，还用于根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差；根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定；根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
本发明实施例其他技术方案和技术效果与图1至图5所示方法相同，此处不再赘述。
图12为本发明提供的一种网络系统的实施例一的结构示意图。
如图12所示，本发明实施例提供的网络系统300，可以包括：一个或多个图11所示任一所述的物理机100和多个瘦终端200，其中，物理机100可以上运行一个或多个虚拟机，一个所述虚拟机对应一个瘦终端200；
所述物理机100可以用于：
获取所述物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗；
根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
本发明实施例其他技术方案和技术效果与图1至图5所示方法相同，此处不再赘述。
可选的，网络系统300可以包括至少两个物理机100。
其中一个物理机100可以用于确定图1至图5所示方法中的历史参数矩阵和历史可变能耗因子，用以确定图1至图5所示方法中设定的参数矩阵和设定的可变能耗因子，以使所述网络系统300中其他的物理机可以直接使用历史参数矩阵和历史可变能耗因子确定所述设定的参数矩阵和所述设定的可变能耗因子，并根据所述设定的参数矩阵和所述设定的可变能耗因子确定的物理机能耗模型，确定待确定的虚拟机能耗的具体方法具体可参见图1至图 5所示方法实施例的说明，此处不再赘述。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (19)

  1. 一种虚拟机能耗确定方法，其特征在于，包括：
    获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
    根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗；
    根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
  2. 根据权利要求1所述的方法，其特征在于，所述根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型，具体包括：
    根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子；
    将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
  3. 根据权利要求2所述的方法，其特征在于，所述根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗，包括：
    对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息；
    根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗；
    根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量；
    根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
  4. 根据权利要求3所述的方法，其特征在于，所述根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量，包括：
    获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息；
    根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
  5. 根据权利要求2或3所述的方法，其特征在于，所述根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子，具体包括：
    获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；
    从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
  6. 根据权利要求2-5任一项所述的方法，其特征在于，所述物理机的能耗模型为：
    其中，Ptotal为物理机的能耗，Pstatic为物理机的非映射基础能耗；矩阵Rtotal中的元素R1、R2、……、Rn为所述物理机的特征信息；矩阵(Atotal)T中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，其中，a1为特征信息R1对应的能耗参数，a2为特征信息R2对应的能耗参数，……，an为特征信息Rn对应的能耗参数；a0为所述物理机能耗模型中的所述设定的可变能耗因子；所述物理机的能耗模型中的所述设定的参数矩阵中的元素a1、a2、…、an和所述设定的可变能耗因子a0根据所述物理机的特征信息和所述物理机的非映射基础能耗确定。
  7. 根据权利要求3或4所述的方法，其特征在于，所述根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗，具体包括：
    根据计算所述第一虚拟机的特征信息对应的能耗；
    其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的能耗，为所述物理机上运行的第j个第一虚拟机的特征信息；a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵中的元素；n为所述特征信息的数量。
  8. 根据权利要求4所述的方法，其特征在于，所述根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量，具体包括：
    根据计算所述第一虚拟机的特征信息对应的可变能耗分量；
    其中，所述为所述物理机上运行的第j个第一虚拟机的特征信息对应的可变能耗分量，a0为所述物理机能耗模型中的所述设定的可变能耗因子，为所述物理机上运行的第j个第一虚拟机的第n种特征信息；m为所述物理机上运行的虚拟机的个数，为所述所述物理机的中间层的第i种特征信息，n为所述特征信息的数量。
  9. 根据权利要求2-8任一项所述的方法，其特征在于，若所述物理机和所述物理机上运行的第一虚拟机的CPU资源的值均属于预设的第一CPU资源利用率区间，且所述预设的第一CPU资源利用率区间的最小值不低于50％，或者，
    所述物理机和所述物理机上运行的第一虚拟机的内存资源的值均属于预设的第一内存资源利用率区间，且所述预设的第一内存资源利用率区间的最小值不低于50％，或者，
    所述物理机和所述物理机上运行的第一虚拟机的IO资源的值均属于预设的第一IO资源利用率区间，且所述预设的第一IO资源利用率区间的最小值不低于50％；
    则所述根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型，还包括：
    根据所述物理机上运行的除所述第一虚拟机之外的第二虚拟机的特征信息，确定用于计算所述第二虚拟机的能耗的设定的参数矩阵和设定的可变能耗因子；
    将特征矩阵与所述用于计算所述第二虚拟机的设定的参数矩阵的转置矩阵的乘积、用于计算所述第二虚拟机的能耗的设定的可变能耗因子与所述物理机空闲能耗之和，确定为用于计算所述第二虚拟机的能耗的所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数；
    所述根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗，还具体包括：
    根据所述用于计算所述第二虚拟机的能耗的所述物理机的能耗模型，确定所述物理机上运行的第二虚拟机的能耗。
  10. 根据权利要求9所述的方法，其特征在于，所述根据所述物理机上运行的除所述第一虚拟机之外的任一第二虚拟机的特征信息，确定用于计算所述第二虚拟机的能耗的设定的参数矩阵和设定的可变能耗因子，具体包括：
    获取所述第二虚拟机的特征信息；
    从至少一个历史参数矩阵和历史可变能耗因子中，选择与所述物理机上运行的第二虚拟机的特征信息所属的利用率水平区间组合相同的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为用于计算所述第二虚拟机的能耗的物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子；所述利用率区间组合包括所述CPU资源的利用率区间、内存资源的利用率区间、IO资源的利用率区间，所述CPU资源的利用率区间包括预设的第一CPU资源利用率区间、第二CPU资源利用率区间、第三CPU资源利用率区间，所述内存资源的利用率区间包括预设的第一内存利用率区间、第二内存利用率区间、第三内存利用率区间，所述IO资源的利用率区间包括预设的第一IO资源利用率区间、第二IO资源利用率区间、第三IO资源利用率区间。
  11. 根据权利要求1-10任一项所述的方法，其特征在于，还包括：
    根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差；
    根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定；
    根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
  12. 根据权利要求11所述的方法，其特征在于，
    所述根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差，具体包括：
    获取所述物理机的特征信息对应的实测能耗；
    根据Pcaculate＝Rtotal·(Atotal)T+a0+Pstatic计算物理机的理论能耗，其中，Pcalculate为所述物理机的理论能耗，Rtotal中的元素R1、R2、……、Rn为所述物理机的n种特征信息，(Atotal)T中的元素a1、a2、…、an为所述物理机能耗模型中的所述设定的参数矩阵，a0为所述物理机能耗模型中的所述设定的可变能耗因子，Pstatic为所述物理机的非映射基础能耗；根据ΔP＝Pcalculate-Pmeasure计算第一能耗偏差，其中，ΔP为第一偏差能耗，Pcalculate为所述物理机的理论能耗，Pmeasure为所述物理机的实测能耗；
    所述根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定，具体包括：
    根据计算所述物理机上第j个虚拟机的虚拟机修正能耗；其中，第一能耗偏差分配系数分别为所述物理机的能耗模型中的设定的参数矩阵中的元素a1、a2、…、an；
    所述根据所述虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正，具体包括：
    根据(Pj)′＝Pj+ΔPj得到修正后的所述物理机上运行的第j个虚拟机的能 耗，其中，(Pj)′为修正后的所述物理机上运行的第j个虚拟机的能耗、Pj为修正前的所述物理机上运行的第j个虚拟机的能耗、ΔPj为所述物理机上第j个虚拟机的虚拟机修正能耗。
  13. 一种物理机，其特征在于，包括：
    接收器，用于获取物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
    处理器，用于根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗。
    所述处理器，还用于根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
  14. 根据权利要求13所述的物理机，其特征在于，所述处理器，具体用于：
    根据所述物理机上的特征信息、所述物理机的非映射基础能耗确定设定的参数矩阵和设定的可变能耗因子；
    将特征矩阵与所述设定的参数矩阵的转置矩阵的乘积、设定的可变能耗因子与所述物理机空闲能耗之和，确定为所述物理机的能耗模型；其中，所述特征矩阵包括以下至少一种矩阵元素：CPU资源、内存资源、输入输出IO资源和网络流量，或者，所述特征矩阵包括以下至少一种矩阵元素：执行的指令数、LLC数、中断计数器的计数。
  15. 根据权利要求14所述的物理机，其特征在于，
    所述接收器，还用于对于所述物理机上运行的第一虚拟机，获取所述第一虚拟机的特征信息；
    所述处理器，用于根据所述物理机能耗模型中的设定的参数矩阵和所述第一虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的能耗；还用于根据所述物理机能耗模型中的设定的可变能耗因子，确定所述第一虚拟机的特征信息对应的可变能耗分量；以及，还用于根据所述第一虚拟机的特征信息对应的能耗和所述第一虚拟机的特征信息对应的可变能耗分量，确定所述第一虚拟机的能耗。
  16. 根据权利要求15所述的物理机，其特征在于，
    所述接收器，还用于获取所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息；
    所述处理器，还用于根据所述物理机能耗模型中的所述设定的可变能耗因子、所述第一虚拟机的特征信息、所述物理机的中间层的特征信息和所述物理机上运行的所有虚拟机的特征信息，确定所述第一虚拟机的特征信息对应的可变能耗分量。
  17. 根据权利要求13或14所述的物理机，其特征在于，
    所述接收器，还用于获取至少一组历史参数矩阵和历史可变能耗因子，每组所述历史参数矩阵和历史可变能耗因子根据一组历史特征信息和物理机的历史能耗和物理机的非映射基础能耗确定；
    所述处理器，还用于从至少一组历史参数矩阵和历史可变能耗因子中，选择与所述物理机的特征信息满足预设的匹配条件的历史特征信息对应的历史参数矩阵和历史可变能耗因子，作为所述物理机的能耗模型中的所述设定的参数矩阵和设定的可变能耗因子。
  18. 根据权利要求13-17任一项所述的物理机，其特征在于，所述处理器，还用于：根据所述物理机的特征信息、所述物理机的能耗模型和所述物理机的能耗，计算第一能耗偏差；根据第一能耗偏差和第一能耗偏差分配系数，计算所述物理机上运行的虚拟机的虚拟机修正能耗，所述第一能耗偏差分配系数根据所述物理机的能耗模型确定；根据所述第一虚拟机修正能耗对所述物理机上运行的虚拟机的能耗进行第一修正。
  19. 一种网络系统，包括：一个或多个如权利要求13-18任一所述的物理机和多个瘦终端，其中，
    所述物理机上运行一个或多个虚拟机，一个所述虚拟机对应一个瘦终端；
    所述物理机用于：
    获取所述物理机上的特征信息，所述特征信息包括至少一种事件信息或至少一种资源信息；
    根据所述物理机上的特征信息，以及所述物理机的非映射基础能耗，确定所述物理机的能耗模型；所述非映射基础能耗为物理机的未运行虚拟机时的能耗中未映射到所述特征信息的能耗；
    根据所述物理机的能耗模型，确定所述物理机上运行的虚拟机的能耗。
CN201480038254.0A 2014-12-31 2014-12-31 虚拟机能耗确定方法、物理机和网络系统 Active CN106170744B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2014/096057 WO2016106747A1 (zh) 2014-12-31 2014-12-31 虚拟机能耗确定方法、物理机和网络系统

Publications (2)

Publication Number Publication Date
CN106170744A true CN106170744A (zh) 2016-11-30
CN106170744B CN106170744B (zh) 2019-07-19

Family

ID=56284017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480038254.0A Active CN106170744B (zh) 2014-12-31 2014-12-31 虚拟机能耗确定方法、物理机和网络系统

Country Status (2)

Country Link
CN (1) CN106170744B (zh)
WO (1) WO2016106747A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107369122A (zh) * 2017-08-18 2017-11-21 潘金文 一种高效的建筑能耗分析系统
CN109144231A (zh) * 2018-09-11 2019-01-04 联想(北京)有限公司 一种虚拟化电力管理方法及设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111488213B (zh) * 2020-04-16 2024-04-02 中国工商银行股份有限公司 容器部署方法及装置、电子设备和计算机可读存储介质
CN112379766B (zh) * 2020-11-25 2024-04-26 航天通信中心 数据处理方法、装置、非易失性存储介质和处理器
CN114363185B (zh) * 2022-03-17 2022-10-04 阿里云计算有限公司 虚拟资源处理方法以及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907917A (zh) * 2010-07-21 2010-12-08 中国电信股份有限公司 一种测量虚拟机能耗的方法和系统
US7856549B2 (en) * 2007-01-24 2010-12-21 Hewlett-Packard Development Company, L.P. Regulating power consumption
US20110213997A1 (en) * 2010-02-26 2011-09-01 Microsoft Corporation Virtual machine power consumption measurement and management
CN102662750A (zh) * 2012-03-23 2012-09-12 上海交通大学 基于弹性虚拟机池的虚拟机资源优化控制方法及其系统
CN102759979A (zh) * 2011-04-29 2012-10-31 国际商业机器公司 一种虚拟机能耗估计方法及装置
CN103001992A (zh) * 2011-09-19 2013-03-27 中兴通讯股份有限公司 虚拟桌面实现系统及其使用方法
US20130080805A1 (en) * 2011-09-23 2013-03-28 Qualcomm Incorporated Dynamic partitioning for heterogeneous cores
CN103034525A (zh) * 2012-12-07 2013-04-10 湖南工程学院 云计算环境中一种基于性能计数器的虚拟机功耗测量方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101266421B1 (ko) * 2011-05-31 2013-05-22 국립대학법인 울산과학기술대학교 산학협력단 클라우드 시스템에서 가상 머신의 에너지 기반 과금 및 스케줄링 장치 및 방법
CN103914119B (zh) * 2014-04-17 2017-01-18 江苏省电力公司盐城供电公司 一种虚拟机能耗电力计量方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7856549B2 (en) * 2007-01-24 2010-12-21 Hewlett-Packard Development Company, L.P. Regulating power consumption
US20110213997A1 (en) * 2010-02-26 2011-09-01 Microsoft Corporation Virtual machine power consumption measurement and management
CN101907917A (zh) * 2010-07-21 2010-12-08 中国电信股份有限公司 一种测量虚拟机能耗的方法和系统
CN102759979A (zh) * 2011-04-29 2012-10-31 国际商业机器公司 一种虚拟机能耗估计方法及装置
CN103001992A (zh) * 2011-09-19 2013-03-27 中兴通讯股份有限公司 虚拟桌面实现系统及其使用方法
US20130080805A1 (en) * 2011-09-23 2013-03-28 Qualcomm Incorporated Dynamic partitioning for heterogeneous cores
CN102662750A (zh) * 2012-03-23 2012-09-12 上海交通大学 基于弹性虚拟机池的虚拟机资源优化控制方法及其系统
CN103034525A (zh) * 2012-12-07 2013-04-10 湖南工程学院 云计算环境中一种基于性能计数器的虚拟机功耗测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AMAN KANSAL等: "Virtual Machine Power Metering and Provisioning", 《ACM》 *
顾崇林等: "Power Metering for Virtual Machine in Cloud", 《IEEE ACCESS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107369122A (zh) * 2017-08-18 2017-11-21 潘金文 一种高效的建筑能耗分析系统
CN109144231A (zh) * 2018-09-11 2019-01-04 联想(北京)有限公司 一种虚拟化电力管理方法及设备

Also Published As

Publication number Publication date
CN106170744B (zh) 2019-07-19
WO2016106747A1 (zh) 2016-07-07

Similar Documents

Publication Publication Date Title
CN106170744A (zh) 虚拟机能耗确定方法、物理机和网络系统
US8806487B2 (en) Calculating virtual machine resource utilization information
EP2625615A2 (en) Systems and methods for power consumption profiling and auditing
CN112088365A (zh) 将不同计算资源的使用量化为单个测量单元
CN108038040A (zh) 计算机集群性能指标检测方法、电子设备及存储介质
CN110896357B (zh) 流量预测方法、装置和计算机可读存储介质
CN110633194B (zh) 一种硬件资源在特定环境下的性能评估方法
CN105808347B (zh) 集群服务器部署计算方法及装置
US20150269053A1 (en) Operation management apparatus and operation management method
US10282272B2 (en) Operation management apparatus and operation management method
Narayan et al. Smart metering of cloud services
CN104407688A (zh) 基于树回归的虚拟化云平台能耗测量方法及系统
Shahin Using multiple seasonal holt-winters exponential smoothing to predict cloud resource provisioning
CN113544647A (zh) 云计算系统中使用虚拟机系列建模的容量管理
Kulshrestha et al. An efficient host overload detection algorithm for cloud data center based on exponential weighted moving average
US8180716B2 (en) Method and device for forecasting computational needs of an application
CN114500339A (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
US11461210B2 (en) Real-time calculation of data center power usage effectiveness
KR102574166B1 (ko) 스마트 미터의 결측치 대체 방법 및 이를 이용하는 스마트 미터 제어 시스템
CN109116183B (zh) 谐波模型参数辨识方法、装置、存储介质及电子设备
WO2015127664A1 (zh) 能耗监控方法及装置
AU2015201403A1 (en) Methods for predicting customer satisfaction and devices thereof
Lučanin et al. Performance-based pricing in multi-core geo-distributed cloud computing
CN109936465A (zh) 一种云平台资源利用率评估方法及装置
US20140351436A1 (en) Endpoint management based on endpoint type

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