CN109416772A - 管理计算机集群中的供电的方法 - Google Patents

管理计算机集群中的供电的方法 Download PDF

Info

Publication number
CN109416772A
CN109416772A CN201680087152.7A CN201680087152A CN109416772A CN 109416772 A CN109416772 A CN 109416772A CN 201680087152 A CN201680087152 A CN 201680087152A CN 109416772 A CN109416772 A CN 109416772A
Authority
CN
China
Prior art keywords
computer cluster
power supply
task
management computer
electricity price
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
Application number
CN201680087152.7A
Other languages
English (en)
Inventor
扬尼斯·盖奥吉奥
戴维德·格莱瑟
安德里·拉扎芬贾托沃
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.)
Bull SAS
Original Assignee
Bull SAS
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 Bull SAS filed Critical Bull SAS
Publication of CN109416772A publication Critical patent/CN109416772A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • 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
    • 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
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
    • G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
    • G06F9/3885—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units
    • G06F9/3889—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units controlled by multiple instructions, e.g. MIMD, decoupled access or execute
    • G06F9/3891—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units controlled by multiple instructions, e.g. MIMD, decoupled access or execute organised in groups of units sharing resources, e.g. clusters
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Control Of Conveyors (AREA)

Abstract

本发明涉及管理计算机集群(8)中的供电的方法，包括：对由至少一个电源提供的电价的预测过程(3)、对所述计算机集群(8)中工作负荷的预测过程(4)、基于所述预测过程(3，4)，对所述计算机集群(8)中任务的调度过程(7)。

Description

管理计算机集群中的供电的方法
技术领域
本发明涉及管理计算机集群中的供电的方法，以及包括管理计算机集群中的供电的方法和在该计算机集群中调度任务的方法在内的操作计算机集群的方法。
背景技术
根据现有技术，在管理计算机集群时，由于该集群包括许多计算机，有时至少几百台计算机，乃至至少几千台计算机，所以要对在集群内有待执行的大量任务进行调度是相当困难的。
实际上，要考虑很多参数，比如要执行的任务的数量、这些任务所需的计算资源、与这些任务相关的时间期限，以及在适当的情况下所有这些参数随着时间的变化使得在计算机集群中进行调度任务相当困难。
计算机集群需要至少一个能源来执行所需的任务，该能源是电力。在调度任务时，管理系统必须考虑为计算机集群供电的电力的可用性。例如，这通常包括用于维修和维护的最大可用电力和不可用时隙。
但是，因为调度过程已经相当复杂了，所以就没有考虑电价的补充参数。这种电价的补充参数被认为会干扰调度过程的效率，因此没有使用。
实际上，在高性能计算机集群中调度任务的算法是很难实现的，因为调度决策必须根据多重约束快速完成且应能控制可能的大量计算资源。
那么，考虑电价的变化就会变得更加困难，因为它需要对已经很复杂的调度算法再增加一些约束。
然而，根据本发明，在包括大量计算机的集群中，关注的是根据随着时间变化的供电价格来管理集群操作。此外，当包含变化的供电价格作为参数时，调度的干扰不高。而且，当以正确的方式管理这种补充参数时，这种干扰可大幅度降低乃至消除；同时，由于包含这种补充参数，使得在包括大量计算机的集群中成本节省更显著。
发明内容
本发明的目的旨在至少部分地减轻上述缺点。
更具体而言，本发明的目的是：在计算机集群中调度任务时，尤其是对包括很多计算机的集群来说，将电价变化实时纳入考虑。
这个目的通过管理计算机集群中的供电的方法来实现，所述方法包括：对由至少一个电源提供的电价的预测过程、对所述计算机集群中的工作负荷的预测过程、基于这两个预测过程，对所述计算机集群中任务的调度过程。
根据本发明的优选实施例，实施电力成本感知工作负荷的调度，优选地通过多个能源。然后，在所利用的能量随着时间存在变化的价格的情况下，通过考虑电价来实施在高性能计算集群中工作负荷的调度。
为了以更有效的方式考虑电价，即意味着要减少任务的调度过程中的干扰，可通过增加补充技术特征来实现这个更精确的目的，所述补充技术特征使电力预测过程能够随着时间而改进，直到其变得非常有效，并且与可能不知晓成本的任务的调度过程相比只产生有限的干扰。
这个更精确的目的通过一种管理方法来实现，其中，所述电价的预测过程接收来自所述任务的调度过程的反馈，所述电价的预测过程基于所述反馈进行改进。
为了以更有效的方式考虑电价，这意味着要在任务的调度过程中把干扰减少到非常少，这个更精确的目的通过其它补充技术特征来实现，所述补充技术特征使电预测过程能够随着时间得到改进，直到其变得完全有效，并且与可能不知晓成本的任务的调度过程相比只产生非常有限的干扰。实际上，反馈基于调度性能，而不是基于价格预测的精确度，对调度性能的干扰作用会随着时间很快受到限制。根据本发明的实施例，已经发现，基于调度性能而不是基于价格预测的精确度(因为其看起来更自然)，在整体上惊人地更加有效，而且在电价的预测过程的学习进程能够更加快速有效。
这个更精确的目的通过一种管理方法来实现，其中，针对所述电价的预测过程的所述反馈基于对所述计算机集群中调度性能的评估，而不止基于对电价预测精确度的评估，若如有话。
为了进一步提高电价的预测过程的学习进程的效率，该反馈通过成本函数来实施。
优选地，针对所述电价的预测过程的所述反馈更新所述电价的预测过程的成本函数，所述成本函数基于对所述计算机集群中调度性能的评估，而不止基于对电价预测精确度的评估，若有的话。
为了进一步提高电价的预测过程的学习进程的效率，该反馈完全基于调度性能，并且完全不基于价格预测精确度。
优选地，针对所述电价的预测过程的所述反馈基于对所述计算机集群中的调度性能的评估，而不是基于对电价预测精确度的评估。
根据本发明的实施例，所提出的解决方案有利地对多个不同电源执行电价预测，以及计算需求预测和任务调度，并且这些都是同时进行的。
优选实施例包括以下特征中的一项或多项，所述特征可以单独或者一起采用，部分结合或者完全结合在一起。
优选地，所述电价的预测过程提供由至少两个不同电源提供的电价。
根据本发明的管理方法随着电价变化越来越大而更受关注，尤其是在电力可由随着时间具有不同变化的价格的不同电源来供电的情况下。在这种更为复杂的情况下，通过考虑随着时间的电价变化，使得成本节省变得更为显著。实际上，由不同电源提供的电价是随着时间而变化的价格，该价格在不同电源之间的变化通常大不相同。
优选地，所述任务的调度过程通过推荐所述不同电源中最便宜的电源而将所述计算机集群的电力需求分散到所述不同电源之间。
因此，可以节省更多成本，同时保持较高的供电功率，并因此保持良好的调度性能。最便宜的电力会随着时间而变化，因此所推荐的电源也会随着时间而变化。
优选地，所述不同电源包括至少一个可再生电源和/或至少一个蓄电电源和/或至少一个电网。
例如，可再生能源可以是一个或多个风力涡轮机、一个或多个太阳能板、一个或多个水力保持器。例如，蓄电电源可以是超级电容器或电池，例如，锂离子电池。
优选地，所述电价的预测过程利用天气预报预测由可再生电源提供的电价。
通过在所利用的能量是由价格随着时间变化的不同电源产生的背景下来考虑电价在高性能计算集群中执行工作负荷调度。在典型用例中，电力可以同时由可再生技术、由电力存储设备和由电网来产生。每个时段的电价可根据各个能源的使用百分比来计算。在这种情况下，管理方法有利地基于机器学习、天气预报以及关于准确电价预测的实时传感器监测分析连同其关于工作负荷需求的适当组合。
预测电价会因为电源的不同而不同。实际上，电力成本应该根据来源按照不同的方式计算。例如，太阳能板的电价与昼夜时辰以及天气呈现高度相关，而电网的电价则取决于使用来自电力股票交易所的数据的具体市场。这些预测步骤与相对应的电源相结合并且可以集成于更加全局的电力预测过程之内。
优选地，所述工作负荷的预测过程接收来自所述任务的调度过程的反馈，所述工作负荷的预测过程基于所述反馈进行改进。
在此，从调度过程到工作负荷的预测过程的反馈改善工作负荷的预测过程随时间变化的质量并且有助于计算机集群运行的改进。
优选地，针对所述工作负荷的预测过程的所述反馈基于对所述计算机集群中的调度性能的评估，而不止基于对工作负荷预测精确度的评估，若如有话。
在此，从调度过程到工作负荷的预测过程的反馈，基于调度性能，而不止基于工作负荷预测的精确度，可更迅速、更有效地改善工作负荷的预测过程随时间变化的质量并且有助于对调度性能的改进。
为了进一步提高工作负荷的预测过程的学习进程的效率，该反馈通过成本函数来实施。
优选地，针对所述工作负荷的预测过程的所述反馈更新所述工作负荷的预测过程的成本函数，所述成本函数基于对所述计算机集群的调度性能的评估，而不止基于对工作负荷预测精确度的评估，若如有话。
为了进一步提高电价的预测过程的学习进程的效率，该反馈仅基于调度性能并且完全不基于价格预测精确度。
随着电价实时演变，计算资源需求也会实时演变。不仅任务的数量而且其特性，例如，所需计算资源、优选的时间期限或最终时间期限，也会随着时间而改变。将这些不同方面的预测都包含在根据本发明的实施例的管理方法中能够提高整个系统的性能。
优选地，针对所述工作负荷的预测过程的所述反馈基于对所述计算机集群的调度性能的评估，而不是基于对工作负荷预测精确度的评估。
优选地，管理方法进一步包括感测所述计算机集群中的实际工作负荷，而且，其中，所述计算机集群中的所述任务的调度过程也基于所述感测到的实际工作负荷。
实际工作负荷是有用的参数，首先它有助于任务的调度过程，其次，根据需要可用于实际地实时检查工作负荷预测精确度。
优选地，所述实际工作负荷随着时间而演变，不仅待计算的任务数量随着时间而演变，而且所述任务所需的计算资源和所述任务的时间期限也会随着时间而演变。
因此，实际工作负荷的这项参数完全代表待管理的计算集群的复杂度。
优选地，管理方法进一步包括感测一个或多个实际电价，而且，其中，所述计算机集群中的所述任务的调度过程也基于所述感测到的实际电价。
实际电价是有用的参数，首先有助于任务的调度过程，其次，根据需要可用于实际地实时检查电价预测精确度。
优选地，根据本发明的一个实施例，至少其中一个所述预测过程，优选地，两个所述预测过程都基于使用支持向量机。
优选地，根据本发明的替换实施例，至少其中一个所述预测过程，优选地，两个所述预测过程都基于使用监督学习算法或者基于使用深度学习算法，所述监督学习算法优选地为最近邻算法或随机森林算法。
优选地，根据本发明的一个实施例，所述任务的调度过程基于贪婪算法，优选为回填算法。
优选地，根据本发明的替换实施例，所述任务的调度过程基于使用整数编程算法。
优选地，所述任务的调度过程考虑到总体电力限制的约束。
因此，根据本发明实施例的管理方法更为安全，因为所述管理方法不会执行由于在给定时间不能获得足够数量的电力而不可能实现的优化任务调度。
优选地，所述任务的调度过程既考虑到降低平台总体电力成本的目标，同时又保持较高的计算机集群利用率。
因此，一方面可以在向计算机集群提供电力的平台所使用的电力的总体成本与另一方面在计算集群使用率之间找到更好的折衷。其结果是，计算机集群仍然被彻底使用，但是对于提供给该计算机集群的电力，实现了显著的成本节省。
本发明的其它特征和优点通过作为非限制性实例所列出的本发明实施例的以下说明及参考附图而显而易见。
附图说明
图1显示了系统的一个实例，显示了根据本发明的一个实施例的管理方法所使用的过程及其交互的进程。
具体实施方式
图1显示了系统的一个实例，显示了根据本发明的一个实施例的管理方法所使用的过程及其交互的进程。
根据本发明的实施例的管理方法使用两个数据库1和2，即用于电价的预测过程3的数据库1和用于工作负荷的预测过程4的数据库2。数据库1可包括传感器数据和历史数据。数据库2可仅包括历史数据。任务的调度过程7利用通过电价的预测过程3作出的电价预测以及通过工作负荷的预测过程4作出的工作负荷预测，以及通过实际工作负荷感测5得到的实际工作负荷，以及通过实际电价感测6得到的分别来自一个或多个不同电源的一个或多个电价。
任务的调度过程7给电价的预测过程3和工作负荷的预测过程4提供反馈，两个反馈都基于调度性能，而不是基于预测精确度。例如，调度性能可包括已经执行的所需任务的百分比和已经执行所述这些任务的延迟(或者，在适当情况下，提前的周期)，以及执行所述这些任务的完整性。
任务的调度过程7在计算机集群8内调度任务并测量或确定在给定时间范围内已经执行的一批任务的调度性能。
可以包括两个预测过程(或算法)3和4以及调度过程(或算法)7。预测过程3和4预测电价和计算资源需求。这些预测过程3和4与调度过程7进行双向通信。
调度过程7考虑两个预测过程3和4以及要作调度决策的系统的实际状态。
对根据本发明的实施例的管理方法的良好进程来说重点是所有过程之间的通信。预测过程3和4不仅提供预测，而且从调度过程7接收所述预测对调度性能有多大帮助，从而提高所述调度性能。
预测过程3和4可以是支持向量机，其中输入是各个电源的电价的历史值和历史计算需求。这种类型的预测过程3或4通过把新输入分配到一个类或另一个类而从历史值中获得学习。所述类的数量可以非常大，使得所述预测过程3和4能够以良好的精确度来预测实际数值。
所述预测过程3和4的成本函数基于对调度性能的评估，而不是基于其预测精确度。
作为选择，预测过程3和4可以采用监督学习算法，比如最近邻算法或随机森林算法。也可以采用深度学习算法。
调度过程7可以是回填算法的修改版本。这一系列贪婪算法足够快速和强大，以满足根据本发明的实施例的管理方法的要求。
作为选择，调度过程7在某些情况下使用整数编程算法，虽然该算法明显慢一些。
已经参考优选实施例对本发明进行了说明。当然，在本发明的范围内可能有许多变体。

Claims (22)

1.管理计算机集群(8)中的供电的方法，包括：
对由至少一个电源提供的电价的预测过程(3)，
对所述计算机集群(8)中工作负荷的预测过程(4)，
基于所述预测过程(3，4)，对所述计算机集群(8)中任务的调度过程(7)。
2.根据权利要求1所述的管理计算机集群中的供电的方法，其特征在于：
所述电价的预测过程(3)接收来自所述任务的调度过程(7)的反馈，
所述电价的预测过程(3)基于所述反馈进行改进。
3.根据权利要求2所述的管理计算机集群中的供电的方法，其特征在于，针对所述电价的预测过程(3)的所述反馈基于对所述计算机集群(8)中调度性能的评估，而不止基于对电价预测精确度的评估，若有的话。
4.根据权利要求3所述的管理计算机集群中的供电的方法，其特征在于，针对所述电价的预测过程(3)的所述反馈更新所述电价的预测过程(3)的成本函数，所述成本函数基于对所述计算机集群(8)中调度性能的评估，而不止基于对电价预测精确度的评估，若有的话。
5.根据权利要求3或4所述的管理计算机集群中的供电的方法，其特征在于，针对所述电价的预测过程(3)的所述反馈基于对所述计算机集群(8)中的调度性能的评估，而不是基于对电价预测精确度的评估。
6.根据上述权利要求中任一项所述的管理计算机集群中的供电的方法，其特征在于，所述电价的预测过程(3)提供由至少两个不同电源提供的电价。
7.根据权利要求6所述的管理计算机集群中的供电的方法，其特征在于，所述任务的调度过程(7)通过推荐所述不同电源中最便宜的电源而将所述计算机集群(8)的电力需求分散到所述不同电源之间。
8.根据权利要求6或7所述的管理计算机集群中的供电的方法，其特征在于，所述不同电源包括至少一个可再生电源和/或至少一个蓄电电源和/或至少一个电网。
9.根据权利要求8所述的管理计算机集群中的供电的方法，其特征在于，所述电价的预测过程(3)利用天气预报预测由可再生电源提供的电价。
10.根据上述权利要求中任一项所述的管理计算机集群中的供电的方法，其特征在于：
所述工作负荷的预测过程(4)接收来自所述任务的调度过程(7)的反馈，
所述工作负荷的预测过程(4)基于所述反馈进行改进。
11.根据权利要求10所述的管理计算机集群中的供电的方法，其特征在于，针对所述工作负荷的预测过程(4)的所述反馈基于对所述计算机集群(8)中的调度性能的评估，而不止基于对工作负荷预测精确度的评估，若有的话。
12.根据权利要求11所述的管理计算机集群中的供电的方法，其特征在于，针对所述工作负荷的预测过程(4)的所述反馈更新所述工作负荷的预测过程(4)的成本函数，所述成本函数基于对所述计算机集群(8)的调度性能的评估，而不止基于对工作负荷预测精确度的评估，若有的话。
13.根据权利要求11或12所述的管理计算机集群中的供电的方法，其特征在于，针对所述工作负荷的预测过程(4)的所述反馈基于对所述计算机集群(8)的调度性能的评估，而不是基于对工作负荷预测精确度的评估。
14.根据上述权利要求中任一项所述的管理计算机集群中的供电的方法，其特征在于，该方法进一步包括：
感测所述计算机集群(8)中的实际工作负荷(5)，而且，其中：
所述计算机集群(8)中的所述任务的调度过程(7)也基于所述感测到的实际工作负荷。
15.根据权利要求14所述的管理计算机集群中的供电的方法，其特征在于，所述实际工作负荷随着时间而演变，不仅待计算的任务数量随着时间而演变，而且所述任务所需的计算资源以及所述任务的时间期限也随着时间而演变。
16.根据上述权利要求中任一项所述的管理计算机集群中的供电的方法，其特征在于，该方法进一步包括：
感测(6)一个或多个实际电价，而且，其中：
所述计算机集群(8)中的所述任务的调度过程(7)也基于所述感测到的实际电价。
17.根据权利要求1至16中任一项所述的管理计算机集群中的供电的方法，其特征在于，至少其中一个所述预测过程(3，4)，优选地，两个所述预测过程(3，4)都基于使用支持向量机。
18.根据权利要求1至16中任一项所述的管理计算机集群中的供电的方法，其特征在于，至少其中一个所述预测过程(3，4)，优选地，两个所述预测过程(3，4)都基于使用监督学习算法或者使用深度学习算法，所述监督学习算法优选地为最近邻算法或随机森林算法。
19.根据权利要求1至18中任一项所述的管理计算机集群中的供电的方法，其特征在于，所述任务的调度过程(7)基于贪婪算法，优选地为回填算法。
20.根据权利要求1至18中任一项所述的管理计算机集群中的供电的方法，其特征在于，所述任务的调度过程(7)基于使用整数编程算法。
21.根据上述权利要求中任一项所述的管理计算机集群中的供电的方法，其特征在于，所述任务的调度过程(7)考虑到总体电力限制的约束。
22.根据上述权利要求中任一项所述的管理计算机集群中的供电的方法，其特征在于，所述任务的调度过程(7)既考虑到降低平台总体电力成本的目标，同时又保持较高的计算机集群(8)利用率。
CN201680087152.7A 2016-06-16 2016-06-16 管理计算机集群中的供电的方法 Pending CN109416772A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2016/001047 WO2017216596A1 (en) 2016-06-16 2016-06-16 Method of managing electricity providing in a computers cluster

Publications (1)

Publication Number Publication Date
CN109416772A true CN109416772A (zh) 2019-03-01

Family

ID=56609874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680087152.7A Pending CN109416772A (zh) 2016-06-16 2016-06-16 管理计算机集群中的供电的方法

Country Status (6)

Country Link
US (1) US20200183742A1 (zh)
EP (1) EP3472763A1 (zh)
JP (1) JP2019522281A (zh)
CN (1) CN109416772A (zh)
BR (1) BR112018075919A2 (zh)
WO (1) WO2017216596A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222290B (zh) * 2021-06-03 2022-11-15 玲珑集团有限公司 一种空压机与密炼机集群的用电负荷协同优化方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110987A (zh) * 2009-12-23 2011-06-29 通用电气公司 从电池供给电网能量的系统和方法
US20120180055A1 (en) * 2011-01-10 2012-07-12 International Business Machines Corporation Optimizing energy use in a data center by workload scheduling and management
CN103489044A (zh) * 2013-09-26 2014-01-01 华东交通大学 一种面向智能电网的竞价发电风险控制方法
US20140075222A1 (en) * 2008-04-21 2014-03-13 Adaptive Computing Enterprises, Inc. System and Method for Managing Energy Consumption in a Compute Environment
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
CN105375479A (zh) * 2015-12-14 2016-03-02 东南大学 一种基于模型预测控制的分布式能源能量管理方法
CN106489221A (zh) * 2014-07-11 2017-03-08 微软技术许可有限责任公司 服务器装置的功率管理

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005250823A (ja) * 2004-03-04 2005-09-15 Osaka Gas Co Ltd 複数コンピュータ運用システム
JP4920995B2 (ja) * 2006-03-03 2012-04-18 エヌイーシーコンピュータテクノ株式会社 コンピュータシステム
KR20110007205A (ko) * 2008-04-21 2011-01-21 어댑티브 컴퓨팅 엔터프라이즈 인코포레이티드 컴퓨트 환경에서 에너지 소비를 관리하기 위한 시스템 및 방법
JP5684629B2 (ja) * 2011-03-31 2015-03-18 日本電気株式会社 ジョブ管理システム及びジョブ管理方法
JP6373645B2 (ja) * 2014-06-04 2018-08-15 株式会社Ｎｔｔファシリティーズ 電力管理装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140075222A1 (en) * 2008-04-21 2014-03-13 Adaptive Computing Enterprises, Inc. System and Method for Managing Energy Consumption in a Compute Environment
CN102110987A (zh) * 2009-12-23 2011-06-29 通用电气公司 从电池供给电网能量的系统和方法
US20120180055A1 (en) * 2011-01-10 2012-07-12 International Business Machines Corporation Optimizing energy use in a data center by workload scheduling and management
CN103489044A (zh) * 2013-09-26 2014-01-01 华东交通大学 一种面向智能电网的竞价发电风险控制方法
CN106489221A (zh) * 2014-07-11 2017-03-08 微软技术许可有限责任公司 服务器装置的功率管理
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
CN105375479A (zh) * 2015-12-14 2016-03-02 东南大学 一种基于模型预测控制的分布式能源能量管理方法

Also Published As

Publication number Publication date
EP3472763A1 (en) 2019-04-24
WO2017216596A1 (en) 2017-12-21
JP2019522281A (ja) 2019-08-08
BR112018075919A2 (pt) 2019-03-26
US20200183742A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
RU2747281C2 (ru) Иерархический неявный контроллер для экранированной системы в энергосети
JP2023129546A (ja) エネルギ貯蔵システムを最適に制御するためのシステム及び方法
US11594884B2 (en) Site controllers of distributed energy resources
Huang et al. Matching EV charging load with uncertain wind: A simulation-based policy improvement approach
US12015275B2 (en) Hybrid power plant
US9705335B2 (en) Method and system for allocating energy
US9887544B2 (en) System and method for mathematical predictive analytics and computational energy modeling
Chen et al. Feature-driven economic improvement for network-constrained unit commitment: A closed-loop predict-and-optimize framework
EP2685417A1 (en) System, method, and computer program for energy consumption management
JP2020501491A (ja) 動的エネルギーストレージシステム制御のためのシステムおよび方法
CN102436630A (zh) 电力需求/供应计划装置以及用于该装置的方法
US10474177B2 (en) System and method for stability monitoring, analysis and control of electric power systems
US20240044986A1 (en) Systems and method for managing dispatch and lifecycle of energy storage systems on an electrical grid, including management of energy storage systems for provisioning of multiple services
Petersen et al. Heuristic optimization for the discrete virtual power plant dispatch problem
US11764580B2 (en) Systems and apparatuses to aggregate distributed energy resources
US11695298B2 (en) Electrical system control with user input, and related systems, apparatuses, and methods
CN108346009B (zh) 一种基于用户模型自学习的电力生产配置方法和装置
Feng et al. Scenario reduction for stochastic unit commitment with wind penetration
Maghsoudlou et al. A framework for preemptive multi-skilled project scheduling problem with time-of-use energy tariffs
Baslis et al. Simulation of optimal medium-term hydro-thermal system operation by grid computing
KR101517996B1 (ko) 멀티에이전트 기반의 가상발전기 운영시스템
Petri et al. Ensemble-based network edge processing
CN109416772A (zh) 管理计算机集群中的供电的方法
Küster et al. Distributed optimization of energy costs in manufacturing using multi-agent system technology
Shuvo et al. Optimal dispatch for a microgrid with distributed generations and ev charging load

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190301