CN109284336A - 一种地理分布式数据中心系统及其调度方法 - Google Patents
一种地理分布式数据中心系统及其调度方法 Download PDFInfo
- Publication number
- CN109284336A CN109284336A CN201811085171.3A CN201811085171A CN109284336A CN 109284336 A CN109284336 A CN 109284336A CN 201811085171 A CN201811085171 A CN 201811085171A CN 109284336 A CN109284336 A CN 109284336A
- Authority
- CN
- China
- Prior art keywords
- data center
- solar power
- task
- data centers
- load
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000005611 electricity Effects 0.000 claims abstract description 72
- 238000010248 power generation Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims description 21
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000003068 static effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000004913 activation Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种地理分布式数据中心系统及其调度方法，数据中心系统包含若干前端节点、调度节点和若干呈地理分布式的数据中心；前端节点接收各个地区的用电请求，将其汇总到调度节点；调度节点根据每个数据中心的太阳能发电量、电价和计算能力，分配任务到各个数据中心，并设置各个数据中心中每个服务器的工作频率来适应其对应的任务；数据中心包含若干同构的支持DVFS动态调频技术的服务器，其所在处设有太阳能发电站，数据中心由其所在地的公用电网、太阳能发电站联合供电。工作时，本发明将用户提交到数据中心的请求分配到太阳能产量高和电价低的数据中心和时间段去处理，以求消耗最少的电费，达到节约能源和保护环境的目的。
Description
技术领域
本发明涉及供电调度领域，尤其涉及一种地理分布式数据中心系统及其调度方法。
背景技术
近年来，国内大型数据中心的建设呈现快速增长的趋势，金融、通信、石化、电力等大型国企、政府机构纷纷建设自己的数据中心。随着大数据、物联网、云计算及移动互联概念的推出，大批资金投入到商业数据中心的建设中，数据中心对电力供应产生了巨大的影响，已经成为一个高耗能的产业。在北京数据中心比较集中的地区，电力供应都出现饱和的问题，已无法再支撑新的数据中心。目前，某些数据中心移至西北等煤炭基地，利用当地电力供应充足、电价低的优势也不失为一个明智的选择。
然而，仅仅转移数据中心治标不治本，因为数据中心的供电系统一般是传统公用电网，传统电网仍然在消耗大量的煤、石油、天然气等化石燃料，巨大的碳排放量给环境带来了严重的污染。据报道，在全球各大网站中，仅数据中心的用电功率就相当于30个核电站的供电功率，而其中约90％的电能被浪费；数据中心效率评估报告显示，300万个数据中心的1200万台计算机服务器为整个美国用户服务，消耗的电能足够供给整个纽约市家庭用户两年的用电量，这相当于34个燃煤发电厂的发电量和带来的环境污染。
未来的数据中心需要重组以接入太阳能发电设备，例如太阳能电池板、风力涡轮机等，使得数据中心既节能又环保。然而，在使用太阳能后，尽管环境问题得到了有效的改善，一些问题却随之而来：首先，与传统电网可控稳定的发电机制不同，太阳能发电具有高度的波动性、不确定性和与天气强烈的相关性，太阳能发电量难以量化，不过这不在本发明的考虑范围内；其次，如何在不违背用户服务请求的前提下，在地理分布式的数据中心上合理调度用户请求来最小化数据中心的电费也是个关键问题。
针对数据中心的任务调度问题，国内外研究的考虑不尽全面，只是单纯通过任务的分配来减少能耗和电费，并没有同时考虑太阳能的使用和DVFS技术，且由于从微观角度考虑问题，过于复杂。
发明内容
本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种地理分布式数据中心系统及其调度方法，以解决数据中心高能耗、高电费、高污染的问题。
本发明为解决上述技术问题采用以下技术方案：
一种地理分布式数据中心系统，包含若干前端节点、调度节点和若干呈地理分布式的数据中心；
所述前端节点用于接收各个地区的用电请求，并将其汇总到调度节点；
所述调度节点用于根据每个数据中心的太阳能发电量、电价和计算能力，分配任务到各个数据中心，并设置各个数据中心中每个服务器的工作频率来适应其对应的任务，以实现最小化数据中心总电费的目标；
所述数据中心包含若干同构的支持DVFS动态调频技术的服务器，其所在处设有太阳能发电站，数据中心由其所在地的公用电网、太阳能发电站联合供电，且优先由太阳能发电站供电。
本发明还公开了一种基于该地理分布式数据中心系统的调度方法，包含以下具体步骤：
步骤1)，调度节点将所有数据中心按照其所在地太阳能发电站的发电量多少降序排列，计算出每个数据中心对应的太阳能发电站的最大负载；
步骤2)，调度节点将汇总的所有任务负载之和与各个数据中心对应的太阳能发电站的最大负载之和作对比，若汇总的所有任务负载之和小于各个数据中心对应的太阳能发电站的最大负载之和，执行步骤3)，否则执行步骤4)；
步骤3)，按照各个数据中心对应的太阳能发电站的最大负载从大到小排序，对其依次分配任务，每个数据中心对应的任务均为其对应的太阳能发电站的最大负载，求出需要多少数据中心、每个数据中心需要开启多少服务器、以及每个服务器的工作频率，即为最优解，并照此进行调度；
步骤4)，按照各个数据中心对应的太阳能发电站的最大负载从大到小排序，对其依次分配任务，每个数据中心对应的任务均为其对应的太阳能发电站的最大负载；并根据汇总的所有任务负载之和与所有数据中心对应的太阳能发电站的最大负载之和计算出需要公用电网供电的剩余任务负载；
步骤5)，获取任务分配的初始解：
步骤5.1)，将数据中心按照电费单价升序排列，将电费最低的数据中心开始作为当前分配对象；
步骤5.2)，对于当前分配对象，除去由太阳能供电开启的服务器外，默认开启其剩余的所有服务器，并求出这些剩余的所有服务器所能处理的最小任务数，记为当前分配对象的剩余最小负载；
步骤5.3)，若当前分配对象的的剩余最小负载小于需要公用电网供电的剩余任务负载，将需要公用电网供电的剩余任务负载减去分配对象的的剩余最小负载作为新的需要公用电网供电的剩余任务负载，按照电费单价升序的排列将下一个数据中心作为当前分配对象，跳转执行步骤5.2)；
步骤6)，通过初始解，求出各个数据中心对应的电费和处理的任务负载，从电费单价最高的数据中心开始，通过二分法依次对半减少开启的服务器数量，作为此时的新解，从而得到新的电费和处理的任务负载，将此时的新电费与上一次迭代得到的电费作对比，若小于上一次迭代得到的电费，继续通过二分法减少开启的服务器数量，否则，在恢复一台上一次迭代关闭的服务器后继续迭代，直到得到最优解为止，并按照最优解进行调度。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明利用M/G/1排队论模型来模拟任务流的到达和服务器的处理过程，考虑了DVFS动态调频技术，然后利用太阳能发电量和电价的时空多样性对数据中心的任务调度进行了合理的设计，保证了太阳能和数据中心的利用率，有效降低了电费，减少了碳排放量，达到了节能减排的目的。
附图说明
图1是数据中心系统的架构示意图；
图2是太阳能和传统电能混合供电示意图；
图3是启发式算法示意图；
图4是分算法(Case I)示意图；
图5是分算法(Case II)示意图；
图6是实验参数设置图；
图7是电费随静态能耗变化的示意图；
图8是服务器激活配置随不同太阳能发电量变化的示意图；
图9是电费随电价变化的示意图；
图10是电费随服务器数量变化的示意图；
图11是电费随用户请求变化的示意图；
图12(a)是24小时内电费随太阳能发电量和电价变化的示意图；
图12(b)是24小时内激活的服务器数量和处理的负载随太阳能发电量和电价变化的示意图；
图13是24小时内服务器工作频率随用户请求变化的示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。
如附图1所示，本发明公开了一种地理分布式数据中心系统，包含若干前端节点、调度节点和若干呈地理分布式的数据中心；前端节点用于接收各个地区的用电请求，并将其汇总到调度节点；调度节点用于根据每个数据中心的太阳能发电量、电价和计算能力，分配任务到各个数据中心，并设置各个数据中心中每个服务器的工作频率来适应其对应的任务，以实现最小化数据中心总电费的目标；数据中心包含若干同构的支持DVFS动态调频技术的服务器，其所在处设有太阳能发电站，数据中心由其所在地的公用电网、太阳能发电站联合供电，且优先由太阳能发电站供电。
1、DVFS技术下的能耗模型
步骤1.1能耗表达式：根据DVFS技术，数据中心中每个服务器的能耗计算公式为P＝Bfα+1+Pstatic，其中，B为常量参数，f表示服务器的工作频率，Pstatic表示服务器的静态能耗，一般由设备和线路的电流泄露导致，α为常量，一般认为α＝2；
步骤1.2通用的能耗表达式：其中，为0-1变量，为0时表示服务器处于休眠状态，为1时表示服务器处于激活状态，B为常量参数，表示数据中心n中第s个服务器的工作频率，表示数据中心n中第s个服务器的任务流到达速率，r为一个常数，表示数据中心n中第s个服务器的忙碌概率，Pstatic表示服务器的静态能耗，一般由设备和线路的电流泄露导致，α为常量，一般认为α＝2。
2、负载模型
根据M/G/1排队论模型，本发明将任务的到达视为泊松过程，即数据中心n中第s个服务器的任务流到达速率为将服务器的处理视为一般分布，即每个服务器的处理速度为
3、电能的供给和需求模型
数据中心可由太阳能发电也可由传统电网供电，必须保证电能的供给不小于需求，即其中，Sn表示数据中心n中活跃服务器的数量，表示数据中心n中第s个服务器的传统能耗，Rn表示数据中心n所在地区的太阳能发电量，表示数据中心n中第s个服务器的总能耗。
4、负载均衡约束
用户提交的所有任务都要被数据中心处理，即其中M表示前端节点的数量，λm表示第m个前端节点的任务到达速率，N表示数据中心的数量。
5、服务质量(QoS)约束
根据M/G/1排队论模型，在稳定状态时，任务流在服务器中的时延分为两部分：平均服务时间和平均等待时间由于任务流的平均服务时间等于任务流的平均大小除以服务器的处理速度即其中k为比例因子，则 为任务大小的期望。因此，每个服务器的时延约束为
6、初始MINLP问题形成
为了构建绿色的数据中心，必须减少供电系统对传统电网的依赖，尽量多的使用太阳能发电，因此，本发明的目标就是在不超过每个数据中心负载和满足用户需求的情况下，最小化数据中心的总电费，即
其中，(1)为数据中心的总电费，也是本发明要优化的目标函数，(2)为负载均衡约束，(3)为时延约束，(4)为电能的供给需求约束，(5)为数据中心中每个服务器的总能耗，(6)为每个服务器的工作频率约束，即不能超过最大频率fmax。
7、简化问题的形成
为了最小化电费，能耗也应该最小化，根据约束(3)，可以获得最小频率(即等号成立)另外，通过杰森不等式，本发明发现将任务流平均分配到每个数据中心中的每个服务器时，数据中心的总能耗最小，令表示数据中心n中活跃的服务器处理的总负载，则 因此，简化的问题模型为：
此时，问题由原来的解空间变为O((Sn+1)N)，复杂度大大降低。
8、算法求解
在本发明中，每个数据中心由太阳能和传统电网混合发电，即每个数据中心的部分服务器由太阳能供电，部分服务器由传统电网供电，示意图见附图2。
简化后的问题模型只含有两个变量，本发明发现，当固定其中一个变量时，问题变成凸问题，可以很容易获得全局最优解。引入服务器激活配置向量据此可设计一个启发式算法，如附图3所示，该算法首先将每个数据中心按太阳能发电量降序排列，求出每个数据中心仅用太阳能发电量可处理的最大负载和激活的最大服务器数量，然后将用户提交的总负载与每个数据中心的最大处理负载作比较，如果前者小于后者，则所有数据中心只需由太阳能供电即可，即case I，否则，数据中心中的部分服务器需从传统电网买电，即case II。Case I的具体步骤见附图4，较简单，Case II的具体步骤见附图5，需要先将每个数据中心按电价升序排列，优先将任务分配到电价低的数据中心进行处理，此时开启了该数据中心的剩余所有服务器，得到初始SAC值，然后通过二分法，从电价最高的数据中心开始，不断减少该数据中心激活的服务器数量，直到获得最小电费为止，此时即为全局最优解，对应的每个数据中心激活的服务器数量、每个服务器的工作频率、每个数据中心处理的负载、每个数据中心消耗的传统能耗都能获得。
具体来说，包含以下步骤：
步骤1)，调度节点将所有数据中心按照其所在地太阳能发电站的发电量多少降序排列，计算出每个数据中心对应的太阳能发电站的最大负载；
步骤2)，调度节点将汇总的所有任务负载之和与各个数据中心对应的太阳能发电站的最大负载之和作对比，若汇总的所有任务负载之和小于各个数据中心对应的太阳能发电站的最大负载之和，执行步骤3)，否则执行步骤4)；
步骤3)，按照各个数据中心对应的太阳能发电站的最大负载从大到小排序，对其依次分配任务，每个数据中心对应的任务均为其对应的太阳能发电站的最大负载，求出需要多少数据中心、每个数据中心需要开启多少服务器、以及每个服务器的工作频率，即为最优解，并照此进行调度；
步骤4)，按照各个数据中心对应的太阳能发电站的最大负载从大到小排序，对其依次分配任务，每个数据中心对应的任务均为其对应的太阳能发电站的最大负载；并根据汇总的所有任务负载之和与所有数据中心对应的太阳能发电站的最大负载之和计算出需要公用电网供电的剩余任务负载；
步骤5)，获取任务分配的初始解：
步骤5.1)，将数据中心按照电费单价升序排列，将电费最低的数据中心开始作为当前分配对象；
步骤5.2)，对于当前分配对象，除去由太阳能供电开启的服务器外，默认开启其剩余的所有服务器，并求出这些剩余的所有服务器所能处理的最小任务数，记为当前分配对象的剩余最小负载；
步骤5.3)，若当前分配对象的的剩余最小负载小于需要公用电网供电的剩余任务负载，将需要公用电网供电的剩余任务负载减去分配对象的的剩余最小负载作为新的需要公用电网供电的剩余任务负载，按照电费单价升序的排列将下一个数据中心作为当前分配对象，跳转执行步骤5.2)；
步骤6)，通过初始解，求出各个数据中心对应的电费和处理的任务负载，从电费单价最高的数据中心开始，通过二分法依次对半减少开启的服务器数量，作为此时的新解，从而得到新的电费和处理的任务负载，将此时的新电费与上一次迭代得到的电费作对比，若小于上一次迭代得到的电费，继续通过二分法减少开启的服务器数量，否则，在恢复一台上一次迭代关闭的服务器后继续迭代，直到得到最优解为止，并按照最优解进行调度。
9.一种实施方案实例
(1)三个基础数据中心分别分布在布鲁塞尔、佛兰德斯和林堡，四个节点都分布在比利时，太阳能发电量来自2017年8月布鲁塞尔地区太阳能发电量的历史数据，电价数据来自2017年8月15日的美国纽约中心，用户请求的到达服从泊松过程，其余相应参数设置见附图6。
(2)在部分文献中，服务器的静态能耗通常被忽略，然而事实证明，静态能耗对整个数据中心的电费有很大的影响。本发明中，静态能耗变化率控制在0.1-0.6，三个数据中心在12点的太阳能发电量和电价已知，在部署和不部署太阳能电池板的两种情况下，本发明分析了电费随静态能耗的变化，结果见附图7，可以看出，随着静态能耗的增加，电费明显增加，而且部署了太阳能电池板的数据中心的电费要低于不部署太阳能电池板的情况。
(3)本发明分析了电费随太阳能发电量和电价的变化，结果见附图8、9。为了更好地对比结果，本发明选取了6个数据中心，静态能耗控制在0.2的比率，并详细设置了各个数据中心的太阳能发电量和电价。从附图8可以看出，太阳能发电量越高的数据中心开启的服务器数目越多，能处理更多的用户请求；从附图9可以看出，大部分用户请求被电价低的数据中心处理了，然而图中蓝色块状图显示，电价低不一定意味着电费低，因为负载增加了。
(4)本发明分析了静态能耗占比分别为0.3和0.5的情况下，电费随服务器数量的变化，结果见附图10。由图可见，电费随着服务器数量的增加先是降低，然后再增加，这是因为当服务器数量增多时，用户请求可以分散地分配到更多服务器进行处理，此时每个数据中心的服务器可以以更低的频率运转，从而产生更低的电费。然而，当服务器数量超过一定范围时，虽然每个服务器的工作频率很低，但是静态能耗增加的更多，会导致电费增加，因此，在处理任务时，存在一个最优的服务器数目，例如0.3时的80000个服务器，和0.5时的45000个服务器。
(5)本发明分析了电费随用户请求数量的变化，结果见附图11，很显然，用户请求越多，负载越多，电费越多。
(6)本发明分析了24小时内的服务器激活配置、已处理的用户请求和服务器工作频率对电费的影响，结果见附图12、13。图12(a)表明，电费的变化趋势和电价的变化趋势基本吻合，除了11-18时隙，因为这8个时隙的电价太高，而且太阳能很充足，足够处理用户提交的任务。由于7-21时隙是有太阳能的时刻，因此太阳能会先被用来处理用户提交的任务，然后剩余的任务会在其截止时间之前被分配到1-6、7-15和20-24时隙中，如图12(b)所示。除此之外，在16-18时隙中，由于电价较高而且太阳能产量较多，由传统电能供电的服务器数量就较少甚至没有，而在别的时隙，电价较低并且太阳能发电量较少，由传统电能供电的服务器数量就较多。图13表明，在用户请求较多的情况下，服务器必须通过DVFS技术提高工作频率来保证服务质量，更重要的是，服务器的工作频率曲线和电费曲线有相似的走势，因此可以证明，本发明能在多级电价市场中通过DVFS技术降低电费。
本发明从软件和服务层面考虑，将用户提交的请求分配到地理分布式的数据中心进行处理，主要实现包括四部分：一是引入了太阳能，即通过部署光伏太阳能板，将太阳能发电和传统电网发电结合起来为数据中心供电；二是考虑电价的地区差异性和时变性；三是运用了DVFS动态调频技术，动态调整服务器的工作频率以适应任务流的大小，四是设计节能的任务调度策略，即在前三部分的基础上，将提交的用户请求分配到太阳能产量高和电价低的数据中心和时间段去处理，以求消耗最少的电费，达到节约能源和保护环境的目的。
本发明通过引入太阳能，使得数据中心不再单独依赖于传统电网。为了从宏观和统计的角度简化问题，本发明使用了M/G/1排队论模型来模拟任务流的到达和服务器的处理过程，并使用DVFS动态调频技术，设计出节能的任务调度策略，将太阳能发电量和电价的波动性有机结合在一起，为数据中心的任务处理制定了节能环保的调度方案。与以往的技术相比，本发明最大的优势就将M/G/1排队论模型应用到数据中心，既实际可行，又能从宏观和统计的角度简化问题，不失一般性和准确性，而且本发明同时考虑了太阳能和DVFS技术，对太阳能的分配和任务的分配做出了联合优化。由于初始问题是一个解空间较为复杂的MINLP问题，本发明通过杰森不等式将其转化为解空间复杂度较低的形式，并设计了一套算法最终获得全局最优解。最后，通过收集真实数据进行实验，结果证明本发明确实将数据中心的任务负载调度到白天太阳能充足的数据中心和相应的时间段进行处理，与此同时，电价低的数据中心和时间段的任务负载要高于电价高的数据中心和时间段，并且对比了只使用传统电网发电和使用太阳能和传统电网混合发电的情况。
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种地理分布式数据中心系统，其特征在于，包含若干前端节点、调度节点和若干呈地理分布式的数据中心；
所述前端节点用于接收各个地区的用电请求，并将其汇总到调度节点；
所述数据中心包含若干同构的支持DVFS动态调频技术的服务器，其所在处设有太阳能发电站，数据中心由其所在地的公用电网、太阳能发电站联合供电，且优先由太阳能发电站供电；
所述调度节点用于根据每个数据中心的太阳能发电量、电价和计算能力，分配任务到各个数据中心，并设置各个数据中心中每个服务器的工作频率来适应其对应的任务，以实现最小化数据中心总电费的目标。
2.根据权利要求1所述的地理分布式数据中心系统的调度方法，其特征在于，包含以下具体步骤：
步骤1），调度节点将所有数据中心按照其所在地太阳能发电站的发电量多少降序排列，计算出每个数据中心对应的太阳能发电站的最大负载；
步骤2），调度节点将汇总的所有任务负载之和与各个数据中心对应的太阳能发电站的最大负载之和作对比，若汇总的所有任务负载之和小于各个数据中心对应的太阳能发电站的最大负载之和，执行步骤3），否则执行步骤4）；
步骤3），按照各个数据中心对应的太阳能发电站的最大负载从大到小排序，对其依次分配任务，每个数据中心对应的任务均为其对应的太阳能发电站的最大负载，求出需要多少数据中心、每个数据中心需要开启多少服务器、以及每个服务器的工作频率，即为最优解，并照此进行调度；
步骤4），按照各个数据中心对应的太阳能发电站的最大负载从大到小排序，对其依次分配任务，每个数据中心对应的任务均为其对应的太阳能发电站的最大负载；并根据汇总的所有任务负载之和与所有数据中心对应的太阳能发电站的最大负载之和计算出需要公用电网供电的剩余任务负载；
步骤5），获取任务分配的初始解：
步骤5.1），将数据中心按照电费单价升序排列，从电费最低的数据中心开始，将其作为当前分配对象；
步骤5.2），对于当前分配对象，除去由太阳能供电开启的服务器外，默认开启其剩余的所有服务器，并求出这些剩余的所有服务器所能处理的最小任务数，记为当前分配对象的剩余最小负载；
步骤5.3），若当前分配对象的的剩余最小负载小于需要公用电网供电的剩余任务负载，将需要公用电网供电的剩余任务负载减去分配对象的的剩余最小负载作为新的需要公用电网供电的剩余任务负载，按照电费单价升序的排列将下一个数据中心作为当前分配对象，跳转执行步骤5.2）；
步骤6），通过初始解，求出各个数据中心对应的电费和处理的任务负载，从电费单价最高的数据中心开始，通过二分法依次对半减少开启的服务器数量，作为此时的新解，从而得到新的电费和处理的任务负载，将此时的新电费与上一次迭代得到的电费作对比，若小于上一次迭代得到的电费，继续通过二分法减少开启的服务器数量，否则，在恢复一台上一次迭代关闭的服务器后继续迭代，直到得到最优解为止，并按照最优解进行调度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811085171.3A CN109284336B (zh) | 2018-09-18 | 2018-09-18 | 一种地理分布式数据中心系统及其调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811085171.3A CN109284336B (zh) | 2018-09-18 | 2018-09-18 | 一种地理分布式数据中心系统及其调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109284336A true CN109284336A (zh) | 2019-01-29 |
| CN109284336B CN109284336B (zh) | 2021-07-27 |
Family
ID=65181643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811085171.3A Active CN109284336B (zh) | 2018-09-18 | 2018-09-18 | 一种地理分布式数据中心系统及其调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109284336B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110308984A (zh) * | 2019-04-30 | 2019-10-08 | 北京航空航天大学 | 一种用于处理地理分布式数据的跨集群计算系统 |
| CN111178734A (zh) * | 2019-12-24 | 2020-05-19 | 东软集团股份有限公司 | 负载均衡的方法、装置、存储介质和电子设备 |
| CN111598430A (zh) * | 2020-05-13 | 2020-08-28 | 国网山东省电力公司平邑县供电公司 | 一种智能电网的跨区域协调信息处理方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102752395A (zh) * | 2012-07-13 | 2012-10-24 | 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 |
| CN104536826A (zh) * | 2015-01-26 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种面向风光多能源数据中心的实时任务绿色调度方法 |
| CN107967536A (zh) * | 2017-11-27 | 2018-04-27 | 南京航空航天大学 | 基于鲁棒优化的绿色数据中心节能任务调度策略 |
| CN108123995A (zh) * | 2017-11-17 | 2018-06-05 | 北京交通大学 | 分布式绿色云数据中心中空间觉察的请求调度与优化方法 |
-
2018
- 2018-09-18 CN CN201811085171.3A patent/CN109284336B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102752395A (zh) * | 2012-07-13 | 2012-10-24 | 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 |
| CN104536826A (zh) * | 2015-01-26 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种面向风光多能源数据中心的实时任务绿色调度方法 |
| CN108123995A (zh) * | 2017-11-17 | 2018-06-05 | 北京交通大学 | 分布式绿色云数据中心中空间觉察的请求调度与优化方法 |
| CN107967536A (zh) * | 2017-11-27 | 2018-04-27 | 南京航空航天大学 | 基于鲁棒优化的绿色数据中心节能任务调度策略 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110308984A (zh) * | 2019-04-30 | 2019-10-08 | 北京航空航天大学 | 一种用于处理地理分布式数据的跨集群计算系统 |
| CN110308984B (zh) * | 2019-04-30 | 2022-01-07 | 北京航空航天大学 | 一种用于处理地理分布式数据的跨集群计算系统 |
| CN111178734A (zh) * | 2019-12-24 | 2020-05-19 | 东软集团股份有限公司 | 负载均衡的方法、装置、存储介质和电子设备 |
| CN111598430A (zh) * | 2020-05-13 | 2020-08-28 | 国网山东省电力公司平邑县供电公司 | 一种智能电网的跨区域协调信息处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109284336B (zh) | 2021-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107967536B (zh) | 基于鲁棒优化的绿色数据中心节能任务调度策略 | |
| CN103441520B (zh) | 微网分布式新能源储能系统 | |
| CN103944175B (zh) | 风光储联合发电系统出力特性优化方法 | |
| CN109284336B (zh) | 一种地理分布式数据中心系统及其调度方法 | |
| CN112395748B (zh) | 考虑供需双侧灵活性资源的电力系统旋转备用容量优化方法 | |
| 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 | |
| CN108876000A (zh) | 一种光伏充电站光、储、变压器容量协调优化配置方法 | |
| CN106532764A (zh) | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 | |
| CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
| CN110994694A (zh) | 计及差异化需求响应的微电网源荷储协调优化调度方法 | |
| CN109634119A (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
| CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
| CN108808737A (zh) | 促进可再生分布式电源消纳的主动配电网优化调度方法 | |
| CN112332450A (zh) | 一种基于光伏储能和路灯照明的微电网控制装置 | |
| Zhao et al. | Workload and energy management of geo-distributed datacenters considering demand response programs | |
| CN114841448A (zh) | 一种基于多代理系统的分层分区负荷优化调控方法 | |
| Wang et al. | Electricity and carbon-aware task scheduling in geo-distributed internet data centers | |
| Li et al. | Micro-grid resource allocation based on multi-objective optimization in cloud platform | |
| CN104201704A (zh) | 一种含小水电群、风电的地区电网备用容量确定方法 | |
| CN107025610A (zh) | 一种数据中心成本优化方法 | |
| Ahammed et al. | Analysis of Energy Consumption for a Hybrid Green Data Center | |
| CN112801349B (zh) | 一种可再生能源供电的数据中心资源优化调度方法 | |
| CN110011351A (zh) | 一种基于约束函数的效率控制方法 | |
| Wang et al. | Application of improved cluster division method in active distribution network | |
| CN114648164A (zh) | 基于SoS架构的多微电网自治协调多层级优化调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |