CN109377408A - 一种提高可再生能源利用率的资源调度方法及系统 - Google Patents
一种提高可再生能源利用率的资源调度方法及系统 Download PDFInfo
- Publication number
- CN109377408A CN109377408A CN201811145309.4A CN201811145309A CN109377408A CN 109377408 A CN109377408 A CN 109377408A CN 201811145309 A CN201811145309 A CN 201811145309A CN 109377408 A CN109377408 A CN 109377408A
- Authority
- CN
- China
- Prior art keywords
- physical machine
- utilization rate
- machine
- physical
- availability ratio
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 17
- 238000010248 power generation Methods 0.000 claims abstract description 35
- 238000005265 energy consumption Methods 0.000 claims description 24
- 230000008901 benefit Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000005012 migration Effects 0.000 description 13
- 238000013508 migration Methods 0.000 description 13
- 230000035772 mutation Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000011800 void material 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种提高可再生能源利用率的资源调度方法及系统,其方法包括如下步骤:S1,获取当前时间段的太阳能发电量;S2,根据所述太阳能发电量确定允许开启物理机的最大数量;S3,建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量;S4,获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。通过根据当前时间段的太阳能发电量来决定启动物理机的数量,可极大程度上提升太阳能发电量的利用率,并且通过根据物理机的适应度调度物理机的开闭,保证了物理机负载的均衡。
Description
技术领域
本发明涉及资源调度领域,尤其涉及一种提高可再生能源利用率的资源调度方法及系统。
背景技术
随着当今社会云计算的快速发展,数据中心的规模开始逐渐扩大,由此带来的环境污染问题也日益严峻,将可再生能源作为数据中心的能量供给成为一种新的趋势。
然而,目前无法较好地调度可再生能源,一是无法每时每刻保证可再生能源的较好利用率,二是不能实现可再生能源在较好利用率的条件下保证数据中心的负载均衡。
发明内容
本发明为了解决上述技术问题提供一种提高可再生能源利用率的资源调度方法。
本发明解决上述技术问题的技术方案如下:一种提高可再生能源利用率的资源调度方法,包括如下步骤:
S1,获取当前时间段的太阳能发电量。
S2,根据所述太阳能发电量确定允许开启物理机的最大数量。
S3,建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量。
S4,获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。
本发明的有益效果是,通过根据当前时间段的可再生能源产电量,例如太阳能发电量、风能发电量、水能发电量,来决定启动物理机的数量,可极大程度地提升可再生能源产电量的利用率,降低数据中心的运营成本,并且通过根据物理机的内存利用率、带宽利用率、CPU使用率等调度物理机的开闭,保证了物理机负载的均衡和良好的适应度。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述S2的具体实现为:通过如下公式计算出允许开启物理机的最大数量。
其中,maxHostnumber为允许开启物理机的最大数量;powerThreshold为当前时间段的太阳能发电量;curr_energy为每台物理机的最大耗能量。
采用上述进一步方案的有益效果是,通过上述公式可精确计算出允许开启物理机的最大数量,以便后续能最大程度上提高太阳能发电量的利用率。
进一步,所述S4具体包括:
S41,获取每个所述物理机的内存利用率和带宽利用率,并开启所述内存利用率和所述带宽利用率均为符合预定要求的所述物理机。
S42,获取开启的每个所述物理机的CPU使用率,并关闭所述CPU使用率为0的所述物理机。
S43,使经过S41和S42后开启的所述物理机数量始终等于所述最大数量。
采用上述进一步方案的有益效果是,通过根据内存利用率和带宽利用率选取出适应度较好的物理机,保证这两种资源的利用率都保持在一定范围,使物理机组成的系统中计算资源得到充分利用,避免负载出现不均衡的状况;通过关闭COU为使用率为O的物理机,尽力最小化数据中心中存储、计算带来的能源消耗,做到节能减排以降低运营成本;通过比较每个解方案的虚拟机迁移次数,力求寻找迁移最少的优化方案,避免了虚拟机的迁移会占用大量的带宽和计算资源,容易造成网络拥塞的问题。
进一步,所述S41具体包括:
S411,通过如下公式获取所述物理机的内存利用率;
其中,每个所述物理机上部署了至少一个虚拟机;Pi为第i个物理机的内存,Vij为部署到第i个物理机上的第j个虚拟机的内存;Mi为第i个物理机的内存利用率;其中,1≤i≤N,N为所述最大数量。
S412,通过如下公式获取第i个所述物理机的带宽利用率。
其中,Yi为第i个物理机的带宽,Xij为部署到第i个物理机上的第j个虚拟机的带宽;Qi为第i个物理机的带宽利用率,
S413,判断第i个所述物理机的内存利用率是否属于所述第一预设范围内,若否,则关闭所述第i个所述物理机,
S414,若是,则判断所述第i个所述物理机的带宽利用率是否属于第二预设范围内,若是,则维持所述第i个所述物理机开启状态;若否,则关闭所述第i个所述物理机。
采用上述进一步方案的有益效果是,通过上述公式实现带宽利用率和内存利用率的精准计算,以便后续能够更好地实现负载均衡。
进一步,所述第一预设范围为0.5-0.9;所述第二预设范围为0.5-0.9。
本发明为了解决上述技术问题还提供一种提高可再生能源利用率的资源调度系统。
采用上述进一步方案的有益效果是,通过将内存利用率和带宽利用率维持在50%以上,能够更好地使物理机组成的系统中计算资源得到充分利用,避免负载不均衡的状况。
本发明解决上述技术问题的技术方案如下:一种提高可再生能源利用率的资源调度系统,包括:
发电量获取模块,用于获取当前时间段的太阳能发电量。
开机数计算模块,用于根据所述太阳能发电量确定允许开启物理机的最大数量。
数据中心建立模块,用于建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量。
调度模块,用于获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。
进一步,所述开机数计算模块的具体用于通过如下公式计算出允许开启物理机的最大数量;
其中,maxHostnumber为允许开启物理机的最大数量,powerThreshold为当前时间段的太阳能发电量,curr_energy为每台物理机的最大耗能量。
进一步,所述调度模块具体包括:
利用率判断单元,用于获取每个所述物理机的内存利用率和带宽利用率,并开启所述内存利用率和所述带宽利用率均为符合预定要求的所述物理机。
CPU使用率判断单元,用于获取开启的每个所述物理机的CPU使用率,并关闭所述CPU使用率为0的所述物理机。
物理机调度单元,使经过所述利用率判断单元和所述CPU使用率判断单元处理后开启的所述物理机数量始终等于所述最大数量。
进一步,所述利用率判断模块具体用于:
通过如下公式获取所述物理机的内存利用率。
其中,每个所述物理机上部署了至少一个虚拟机;Pi为第i个物理机的内存,Vij为部署到第i个物理机上的第j个虚拟机的内存;Mi为第i个物理机的内存利用率;其中,1≤i≤N,N为所述最大数量。
通过如下公式获取第i个所述物理机的带宽利用率;
其中,Yi为第i个物理机的带宽,Xij为部署到第i个物理机上的第j个虚拟机的带宽;Qi为第i个物理机的带宽利用率。
判断第i个所述物理机的内存利用率是否属于所述第一预设范围内,若否,则关闭所述第i个所述物理机。
若是,则判断所述第i个所述物理机的带宽利用率是否属于第二预设范围内,若是,则维持所述第i个所述物理机开启状态;若否,则关闭所述第i个所述物理机。
进一步,所述第一预设范围为0.5-0.9;所述第二预设范围为0.5-0.9。
附图说明
图1为本发明实施例的提高可再生能源利用率的资源调度方法的方法流程图;
图2为本发明实施例的云数据中心利用动态算法的能耗对比图;
图3为本发明实施例的云数据中心利用启发式调度算法的能耗对比图;
图4为本发明实施例的云数据中心利用静态算法的能耗对比图;
图5为本发明实施例的云数据中心三种算法下传统能源的使用量示意图;
图6为本发明实施例的三种算法下利用的太阳能百分比变化图;
图7为本发明实施例的提高可再生能源利用率的资源调度系统的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,本发明实施例提供的一种提高可再生能源利用率的资源调度方法,包括如下步骤:
S1,获取当前时间段的太阳能发电量。
S2,根据所述太阳能发电量确定允许开启物理机的最大数量。
S3,建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量。
S4,获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。
在实际应用场景中,首先,获取当前时间段的太阳能发电量,并根据所述太阳能发电量计算出允许开启物理机的最大数量,具体地,通过如下公式计算出允许开启物理机的最大数量;
其中,maxHostnumber为允许开启物理机的最大数量;powerThreshold为当前时间段的太阳能发电量;curr_energy为每台物理机的最大耗能量。
在通过上述方法开启最大数量的物理机可保证太阳能发电量的充分利用,在此条件下,还必须满足开启的物理机的负载均匀,因此需要保证基于性能的负载均衡,即最大化系统的吞吐量、资源利用率。其次是基于成本的负载均衡。即在系统性能优化的基础上,尽力最小化数据中心中存储、计算带来的能源消耗。最后是基于虚拟机迁移的负载均衡,虚拟机的迁移代价是巨大的,会占用大量的带宽和计算资源,容易造成网络拥塞,所以应该减少负载均衡带来的虚拟机迁移次数。
因此,接下来需要通过所述S4,获取每个所述物理机的适应度,且根据所适应度决定与所述适应度对应的所述物理机的开闭,以保证物理机的负载均匀。
需要说明的是,这里的引入物理机的适应度是基于遗传算法的资源调度策略,具体地,引入的是遗传算法中的适应度函数,适应度函数是实现物理机优胜劣汰的根本依据,它可以通过种群中的每个个体对环境的适应程度来来评估从而得出最佳的值,如果该值越符合预定要求则说明适应性越好。本实施例中是以物理机的内存利用率、带宽利用率、CPU使用率等作为适应度反映物理机对环境的适应程度。
具体地,所述S4的具体步骤如下:
S41,获取每个所述物理机的内存利用率和带宽利用率,并开启所述内存利用率和所述带宽利用率均为符合预定要求的所述物理机。
S42,获取开启的每个所述物理机的CPU使用率,并关闭所述CPU使用率为0的所述物理机。
S43,使经过S41和S42后开启的所述物理机数量始终等于所述最大数量。
通过上述步骤,尽力最小化数据中心中存储、计算带来的能源消耗,做到节能减排以降低企业运营成本。降低成本的做法一般是在不影响性能的条件下将所有虚拟机运行在集群物理机的一个子集上,然后将不使用的物理机关闭,以减低能源消耗。其中,需要记录CPU使用率为零的集群节点,这些节点表征可以关闭的物理机,使用物理机数量较小的个体将获得更高的适应值。
可选地,此处可以用多个解方案运行所述物理机,得到每个解方案下所述物理机的虚拟机迁移次数,选取所述虚拟机迁移次数最少的解方案运行所述物理机。其中,解方案具体可为物理机的遗传算法编码方案。
由于虚拟机的迁移代价是巨大的,会占用大量的带宽和计算资源,容易造成网络拥塞,所以应当减少负载均衡带来的虚拟机迁移次数。上述步骤通过比较每个解方案的虚拟机迁移次数,可寻找迁移最少的优化方案。
上述是三个步骤即从物理机的性能的适应度、成本的适应度以及最小化迁移代价的适应度三个方面去保证负载均匀。
具体地,
所述S41具体包括:
S411,通过如下公式获取所述物理机的内存利用率;
其中,每个所述物理机上部署了至少一个虚拟机;Pi为第i个物理机的内存,Vij为部署到第i个物理机上的第j个虚拟机的内存;Mi为第i个物理机的内存利用率;其中,1≤i≤N,N为所述最大数量。
S412,通过如下公式获取第i个所述物理机的带宽利用率。
其中,Yi为第i个物理机的带宽,Xij为部署到第i个物理机上的第j个虚拟机的带宽;Qi为第i个物理机的带宽利用率,
S413,判断第i个所述物理机的内存利用率是否属于所述第一预设范围内,若否,则关闭所述第i个所述物理机,
S414,若是,则判断所述第i个所述物理机的带宽利用率是否属于第二预设范围内,若是,则维持所述第i个所述物理机开启状态;若否,则关闭所述第i个所述物理机。
通过上述步骤可保证这两种资源的利用率都保持在一定范围,使系统中计算资源得到充分利用,不存在不均衡的状况。其中,内存、带宽的使用率在0.5-0.9的主机数目则表示性能优化。
接下来,为了验证本实施例的资源调度方法的有效性,将本实施例得到的结果分别与启发式调度算法(HS,Heuristic Scheduling,以下简称HS)和静态算法(Static以下简称ST)所得到的结果做进一步比较,其中,评估实验中采用了云计算仿真工具CloudSim。
需要说明的是,本实施的资源调度方法属于动态调度算法(Dynamic Scheduling,以下简称DS)。调度分配问题一个NP完全问题,本实施的资源调度方法中采用遗传算法,即在多维解空间中并行搜索调度分配问题的最优解。动态算法首先是通过太阳能的发电量测算能够开启的物理机的个数,再通过虚拟机的调度。
需要说明的是,启发式调度算法(HS)中,不进行虚拟机的迁移,也就是不考虑系统的吞吐量、资源利用率以及数据中心中存储、计算带来的能源消耗。启发式算法首先是通过太阳能的发电量测算能够开启的物理机的个数。首先计算当前产能下允许的最大主机数,如果产能过剩时的时候,再计算允许添加的主机个数,之后打开相应的主机数。启发式算法与DS算法相比较只是在充分的考虑太阳能的变化,而忽略了数据中心的能耗。
需要说明的是,静态算法(ST)中不进行任何动态调整,即在主机个数固定、虚拟机个数固定的情况下一直运行。在本实施例中设定主机的个数为800,虚拟机的个数为1052。
具体地,本实施提出的三种算法的虚拟机的个数均为1052。其中动态调度算法(DS)和启发式调度算法(HS)的主机个数不定,是随着太阳能的变化量动态开启的。再给出了太阳能发电量的数据,然后利用Cloudsim进行仿真,设置模拟时间为30分钟,所以太阳能发电量也给出每半小时的数据。
如图2所示:为利用Cloudsim进行动态调度算法(DS)的能耗对比图,图中面积的部分是云数据中心的太阳能发电量,柱状变化的部分是利用动态调度算法(DS)时云数据中心的能耗变化情况。
如图3所示:为云数据中心利用启发式调度算法的能耗对比图,图中面积部分是所供给的太阳能发电量,柱状变化的部分是利用启发式调度算法(HS)时云数据中心的能耗变化情况。
图中柱状变化部分是对太阳能发电量的利用量,可以发现启发式调度算法(HS)跟动态调度算法(DS)相比较对可再生能源的利用率低一些,而且最明显的是启发式调度算法(HS)下的能耗比利用动态调度算法下的能耗整体要高。从图中可以发现早上7:00左右的时候太阳能的发电量非常少,所以这段时间系统主要利用互补的非可再生能源给数据中心供电其中,图中的梯形面积为太阳能发电量,柱形面积为物理机耗能量。
如图4所示:为云数据中心利用静态算法(ST)时的能耗对比图,图中面积部分是所供给的太阳能发电量,柱状变化的部分是利用启发式调度算法(HS)时云数据中心的能耗变化情况。从图中可以发现,只有在中午的时候,当太阳能的发电量足够多的时候才能够给数据中心供电,实验结果表明动态算法和启发式算法比静态算法更加节能,能够充分的利用可再生能源,节约能源。
如图5所示:为云数据中心三种算法下消耗的市电供应量,通过比较,静态算法(ST)下数据中心消耗的传统能源量最多,而本文提出的动态调度算法(DS)会充分利用可再生能源,只利用了少量的传统能源,所以通过对比算法可知本文提出的动态调度算法(DS)在充分利用可再生能源的同时,也达到了节能减排的目的。
如图6所示:为云数据中心中三种算法下利用的太阳能百分比变化图,通过比较三种算法,启发式调度算法(HS)和动态调度算法(DS)能够更好的利用可再生能源供电,而静态算法(ST)并不能很好的利用可再生能源,而消耗了大量的传统非可再生能源,而通过基于本实施例资源调度方法的动态调度算法(DS)对太阳能的利用率高达了91.68%。
综上所述,本实施例的提高可再生能源利用率的资源调度方法,通过根据当前时间段的可再生能源产电量,例如太阳能发电量、风能发电量、水能发电量,来决定启动物理机的数量,可极大程度地提升可再生能源产电量的利用率,并且通过根据物理机的内存利用率、带宽利用率、CPU使用率等调度物理机的开闭,保证了物理机负载的均衡和良好的适应度。
如图7所示:本发明实施例提供的一种提高可再生能源利用率的资源调度系统,包括:
发电量获取模块,用于获取当前时间段的太阳能发电量。
开机数计算模块,用于根据所述太阳能发电量确定允许开启物理机的最大数量。
数据中心建立模块,用于建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量。
调度模块,用于获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。
可选地,所述开机数计算模块的具体用于通过如下公式计算出允许开启物理机的最大数量;
其中,maxHostnumber为允许开启物理机的最大数量,powerThreshold为当前时间段的太阳能发电量,curr_energy为每台物理机的最大耗能量。
可选地,所述调度模块具体包括:
利用率判断单元,用于获取每个所述物理机的内存利用率和带宽利用率,并开启所述内存利用率和所述带宽利用率均为符合预定要求的所述物理机。
CPU使用率判断单元,用于获取开启的每个所述物理机的CPU使用率,并关闭所述CPU使用率为0的所述物理机。
物理机调度单元,使经过所述利用率判断单元和所述CPU使用率判断单元处理后开启的所述物理机数量始终等于所述最大数量。
可选地,所述利用率判断模块具体用于:
通过如下公式获取所述物理机的内存利用率。
其中,每个所述物理机上部署了至少一个虚拟机;Pi为第i个物理机的内存,Vij为部署到第i个物理机上的第j个虚拟机的内存;Mi为第i个物理机的内存利用率。
通过如下公式获取第i个所述物理机的带宽利用率;
其中,Yi为第i个物理机的带宽,Xij为部署到第i个物理机上的第j个虚拟机的带宽;Qi为第i个物理机的带宽利用率。
判断第i个所述物理机的内存利用率是否属于所述第一预设范围内,若否,则关闭所述第i个所述物理机。
若是,则判断所述第i个所述物理机的带宽利用率是否属于第二预设范围内,若是,则维持所述第i个所述物理机开启状态;若否,则关闭所述第i个所述物理机。
可选地,所述第一预设范围为0.5-0.9;所述第二预设范围为0.5-0.9。
以上所述仅为本发明的较佳实施例,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)
1.一种提高可再生能源利用率的资源调度方法,其特征在于,包括如下步骤:
S1,获取当前时间段的太阳能发电量;
S2,根据所述太阳能发电量确定允许开启物理机的最大数量;
S3,建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量;
S4,获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。
2.根据权利要求1所述的提高可再生能源利用率的资源调度方法,其特征在于,所述S2的具体实现为:通过如下公式计算出允许开启物理机的最大数量;
其中,maxHostnumber为允许开启物理机的最大数量,powerThreshold为当前时间段的太阳能发电量,curr_energy为每台物理机的最大耗能量。
3.根据权利要求1所述的提高可再生能源利用率的资源调度方法,其特征在于,所述S4具体包括:
S41,获取每个所述物理机的内存利用率和带宽利用率,并开启所述内存利用率和所述带宽利用率均为符合预定要求的所述物理机;
S42,获取开启的每个所述物理机的CPU使用率,并关闭所述CPU使用率为0的所述物理机;
S43,使经过S41和S42后开启的所述物理机数量始终等于所述最大数量。
4.根据权利要求3所述的提高可再生能源利用率的资源调度方法,其特征在于,所述S41具体包括:
S411,通过如下公式获取所述物理机的内存利用率;
其中,每个所述物理机上部署了至少一个虚拟机;Pi为第i个物理机的内存,Vij为部署到第i个物理机上的第j个虚拟机的内存;Mi为第i个物理机的内存利用率;
S412,通过如下公式获取第i个所述物理机的带宽利用率;
其中,Yi为第i个物理机的带宽,Xij为部署到第i个物理机上的第j个虚拟机的带宽;Qi为第i个物理机的带宽利用率;
S413,判断第i个所述物理机的内存利用率是否属于所述第一预设范围内,若否,则关闭所述第i个所述物理机;
S414,若是,则判断所述第i个所述物理机的带宽利用率是否属于第二预设范围内,若是,则维持所述第i个所述物理机开启状态;若否,则关闭所述第i个所述物理机。
5.根据权利要求4所述的提高可再生能源利用率的资源调度方法,其特征在于,所述第一预设范围为0.5-0.9;所述第二预设范围为0.5-0.9。
6.一种提高可再生能源利用率的资源调度系统,其特征在于,包括:
发电量获取模块,用于获取当前时间段的太阳能发电量;
开机数计算模块,用于根据所述太阳能发电量确定允许开启物理机的最大数量;
数据中心建立模块,用于建立一个包括多个物理机的数据中心,所述物理机的数量大于所述最大数量;
调度模块,用于获取每个所述物理机的适应度,并开启所述适应度为符合预定要求的所述物理机,且开启的所述物理机的数量等于所述最大数量;所述适应度包括所述物理机的内存利用率、带宽利用率、CPU使用率。
7.根据权利要求6所述的提高可再生能源利用率的资源调度系统,其特征在于,所述开机数计算模块的具体用于:通过如下公式计算出允许开启物理机的最大数量;
其中,maxHostnumber为允许开启物理机的最大数量,powerThreshold为当前时间段的太阳能发电量,curr_energy为每台物理机的最大耗能量。
8.根据权利要求6所述的提高可再生能源利用率的资源调度系统,其特征在于,所述调度模块具体包括:
利用率判断单元,用于获取每个所述物理机的内存利用率和带宽利用率,并开启所述内存利用率和所述带宽利用率均为符合预定要求的所述物理机;
CPU使用率判断单元,用于获取开启的每个所述物理机的CPU使用率,并关闭所述CPU使用率为0的所述物理机;
物理机调度单元,使经过所述利用率判断单元和所述CPU使用率判断单元处理后开启的所述物理机数量始终等于所述最大数量。
9.根据权利要求8所述的提高可再生能源利用率的资源调度系统,其特征在于,所述利用率判断模块具体用于:
通过如下公式获取所述物理机的内存利用率;
其中,每个所述物理机上部署了至少一个虚拟机;Pi为第i个物理机的内存,Vij为部署到第i个物理机上的第j个虚拟机的内存;Mi为第i个物理机的内存利用率;
通过如下公式获取第i个所述物理机的带宽利用率;
其中,Yi为第i个物理机的带宽,Xij为部署到第i个物理机上的第j个虚拟机的带宽;Qi为第i个物理机的带宽利用率;
判断第i个所述物理机的内存利用率是否属于所述第一预设范围内,若否,则关闭所述第i个所述物理机;
若是,则判断所述第i个所述物理机的带宽利用率是否属于第二预设范围内,若是,则维持所述第i个所述物理机开启状态;若否,则关闭所述第i个所述物理机。
10.根据权利要求9所述的提高可再生能源利用率的资源调度系统,其特征在于,所述第一预设范围为0.5-0.9;所述第二预设范围为0.5-0.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811145309.4A CN109377408A (zh) | 2018-09-29 | 2018-09-29 | 一种提高可再生能源利用率的资源调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811145309.4A CN109377408A (zh) | 2018-09-29 | 2018-09-29 | 一种提高可再生能源利用率的资源调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109377408A true CN109377408A (zh) | 2019-02-22 |
Family
ID=65402471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811145309.4A Pending CN109377408A (zh) | 2018-09-29 | 2018-09-29 | 一种提高可再生能源利用率的资源调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377408A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008515A (zh) * | 2019-03-07 | 2019-07-12 | 青海大学 | 一种可再生能源数据中心管理方法及装置 |
CN112925228A (zh) * | 2021-02-04 | 2021-06-08 | 柴冬梅 | 一种南水北调智能控制供水系统及调度方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102232282A (zh) * | 2010-10-29 | 2011-11-02 | 华为技术有限公司 | 一种实现数据中心资源负载均衡的方法及装置 |
CN105740051A (zh) * | 2016-01-27 | 2016-07-06 | 北京工业大学 | 基于改进的遗传算法的云计算资源调度实现方法 |
-
2018
- 2018-09-29 CN CN201811145309.4A patent/CN109377408A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102232282A (zh) * | 2010-10-29 | 2011-11-02 | 华为技术有限公司 | 一种实现数据中心资源负载均衡的方法及装置 |
CN105740051A (zh) * | 2016-01-27 | 2016-07-06 | 北京工业大学 | 基于改进的遗传算法的云计算资源调度实现方法 |
Non-Patent Citations (1)
Title |
---|
张国晶: ""面向可再生能源利用的云数据中心资源调度算法研究"", 《中国优秀硕士学位论文全文数据库-信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008515A (zh) * | 2019-03-07 | 2019-07-12 | 青海大学 | 一种可再生能源数据中心管理方法及装置 |
CN110008515B (zh) * | 2019-03-07 | 2021-07-13 | 青海大学 | 一种可再生能源数据中心管理方法及装置 |
CN112925228A (zh) * | 2021-02-04 | 2021-06-08 | 柴冬梅 | 一种南水北调智能控制供水系统及调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271015B (zh) | 一种降低大规模分布式机器学习系统能耗的方法 | |
Cheng et al. | An energy-saving task scheduling strategy based on vacation queuing theory in cloud computing | |
CN102446115B (zh) | 一种虚拟机的动态部署方法 | |
CN110231976B (zh) | 一种基于负载预测的边缘计算平台容器部署方法及系统 | |
CN106598733A (zh) | 一种云计算能耗关键的三维度虚拟资源调度方法 | |
WO2022165914A1 (zh) | 分布式电压源变流器协同控制方法及交直流混联微电网 | |
CN111900719B (zh) | 考虑柔性可控负荷的电网充裕度评估方法、装置及系统 | |
WO2013097396A1 (zh) | 一种虚拟化集群整合方法、装置及系统 | |
CN109377408A (zh) | 一种提高可再生能源利用率的资源调度方法及系统 | |
CN106656555A (zh) | 一种云计算系统的服务资源动态调节方法 | |
CN109062668A (zh) | 一种基于5g接入网络的多优先级的虚拟网络功能迁移方法 | |
CN107017625A (zh) | 用于独立微电网的能量动态调度的方法和设备 | |
CN108390415A (zh) | 一种区域电网新能源消纳容量计算方法和系统 | |
Yao et al. | Data-driven resource allocation with traffic load prediction | |
CN110970939B (zh) | 一种分布式能源集群优化方法及系统 | |
Jiang et al. | Network-aware virtual machine migration based on gene aggregation genetic algorithm | |
CN109617086A (zh) | 一种电网动态无功补偿设备协调控制系统及方法 | |
CN113075995A (zh) | 基于混合群智能的虚拟机节能整合方法、系统和存储介质 | |
CN109687441A (zh) | 一种基于场景分解-协调的独立微电网灵活性资源容量配置方法 | |
CN108073449B (zh) | 一种虚拟机动态放置方法 | |
CN111160618A (zh) | 一种结合电动汽车充电场站的建筑能量优化调度方法 | |
CN116865300A (zh) | 适应新能源配电网的柔性资源集群配置方法、装置及介质 | |
CN116431281A (zh) | 一种基于鲸鱼优化算法的虚拟机迁移方法 | |
CN114552634B (zh) | 一种分布式电源规模化并网多目标动态集群划分方法及装置 | |
CN114138102A (zh) | 一种基于多区域划分的云计算数据中心能耗优化方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |