CN109871268A - 一种面向数据中心的基于气流组织的节能调度方法 - Google Patents
一种面向数据中心的基于气流组织的节能调度方法 Download PDFInfo
- Publication number
- CN109871268A CN109871268A CN201910021395.6A CN201910021395A CN109871268A CN 109871268 A CN109871268 A CN 109871268A CN 201910021395 A CN201910021395 A CN 201910021395A CN 109871268 A CN109871268 A CN 109871268A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- data center
- servers
- node
- server
- 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 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 100
- 238000001816 cooling Methods 0.000 claims abstract description 30
- 238000004378 air conditioning Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000008520 organization Effects 0.000 claims description 19
- 238000005057 refrigeration Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 239000012530 fluid Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- 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
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种面向数据中心的基于气流组织的节能调度方法，该方法根据数据中心布局以及热循环建立制冷能耗与计算能耗之间的关系，得出数据中心总能耗模型；依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列；对到来的任务首先存储在任务队列，然后按照启发式贪心序列里的服务器启动排序分配各项任务到对应的服务器当中；对当前时间周期已分配任务的服务器的分布进行计算，得到所需要的冷气供应温度，并对空调装置设置对应的冷却温度。本发明为数据中心任务调度提供一种节能调度方法，通过对工作负载的分配与调度，计算设备的资源能被共享利用，使得空调制冷设备能够工作在一个较高温度，能够有效节约计算能耗和制冷能耗。
Description
技术领域
本发明涉及计算机系统结构技术领域，具体涉及一种面向数据中心的基于气流组织的节能调度方法。
背景技术
信息技术的迅猛发展使得数据量呈爆炸式增长，云计算技术的不断成熟使得数据中心也随之发展。海量数据的存储与计算使得数据中心的规模在不断扩大，碳排放量和电费的不断激增。数据中心的能耗问题也日益突出。
数据的增长趋势在不断上涨，数据中心如何有效地节约数据中心能耗成为一个热点。对于数据中心来说，节约能耗不能影响现有的业务。
现有的应用技术在节约能耗上主要通过动态调节服务器处理器电压，关闭闲置服务器和虚拟机共享资源的方式进行，也有部分技术结合了气流组织通过最小化热循环通过任务调度对空调制冷系统能耗方面进行节能措施。但是这些方法在同时节约计算能耗和制冷能耗方面的效果欠佳，会造成局部机器过热问题或者任务过于分散增加了计算能耗问题，在计算量上也较为复杂使得线上应用起来有诸多限制。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷，提供一种面向数据中心的基于气流组织的节能调度方法，改善传统算法的计算复杂问题，同时兼顾计算能耗和制冷能耗的平衡。
本发明的目的可以通过采取如下技术方案达到：
一种面向数据中心的基于气流组织的节能调度方法，应用于数据中心任务调度，所述的节能调度方法包括下列步骤：
根据数据中心布局以及热循环建立制冷能耗与计算能耗之间的关系，得出数据中心总能耗模型；
依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列；
对到来的任务进行存储和调度分配，对到来的任务首先存储在任务队列，然后按照启发式贪心序列里的服务器启动排序分配各项任务到对应的服务器当中；
对当前时间周期已分配任务的活跃服务器的分布进行计算，得到所需要的冷气供应温度，并对空调装置设置对应的冷却温度，使得各节点的机器入口温度不高于指定的温度警戒值。
进一步地，所述的根据数据中心布局以及热循环建立制冷能耗与计算能耗之间的关系，得出数据中心总能耗模型过程如下：
首先对服务器根据物理摆放位置进行分区域，分成若干个节点，并通过流体动力学CFD对数据中心气流进行建模，得到计算系统和冷却系统的能耗模型，并根据模型得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。
进一步地，所述的对服务器根据物理放置位置进行分区域，分成若干个节点中，依据物理放置位置的区域性，以及服务器的电源共享状态，将处于同一放置位置区域且共享电源的服务器归为同一节点。
进一步地，所述的通过流体动力学CFD对数据中心气流进行建模中，依据得到的服务器区域，模拟流体动力学CFD并计算区域之间的热传播影响的系数，确定热循环影响系数矩阵。
进一步地，所述的根据模型得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型中，根据得到的热循环影响系数矩阵，计算冷却能耗与计算能耗之间的依赖关系，首先由热循环影响系数矩阵和计算能耗的分布，得出热量的分布；然后根据热量的分布计算得到冷却系统的供应温度，并由冷却系统的供应温度和冷却系统能耗之间的函数关系得到冷却系统的能耗，求得数据中心总能耗计算式，得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。
进一步地，所述的依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列中，假设一开始数据中心中所有的节点都没有活跃服务器，依次增加活跃服务器数目，开始分配活跃服务器的位置所属的节点，计算方法包括以下步骤：
T1、分配第一个的活跃服务器所属于的节点的时候，枚举所有的节点，找出对应能耗模型中数据总能耗最低的分配节点位置，记下该分配的节点位置；
T2、分配第x个活跃服务器时，假定前面的x-1个服务器都固定在之前的步骤中分配的位置里了，寻找第x个服务器对应的数据中心能耗最低的位置，若该节点已经分配的任务数目等于节点中拥有的服务器数目，则重新寻找分配，否则记下该分配的节点位置，其中x代表2到数据中心最大服务器数目；
T3、依次增加活跃服务器数目并按照步骤T2进行分配，直到分配到数据中心最大的服务器数目为止，所有记录下来的服务器分配节点位置形成了一个启发式贪心序列。
进一步地，所述的对到来的任务进行存储和调度分配的过程如下：
S1、将时间按一定的长度划分为多个时间周期；
S2、将当前时间周期内到来的任务存储在任务等待队列；
S3、在每一个时间周期的开头，根据任务等待队列的长度，决定这一时间周期需要完成的任务数目n，并根据计算出的启发式贪心序列分配这一时间周期的活跃服务器，将n个任务分配给启发式贪心序列的前n位节点里的空闲服务器，并将服务器置为活跃状态。
进一步地，所述的数据中心总能耗模型根据气流组织建模，得到以下最小化能耗模型：
其中，
P＝prunX+pidleλ
其中，假定数据中心有m个节点，每个节点有k个服务器，工作负载的执行调度需要n个服务器来运行n个子任务，用Xi来表示数据中心的每个节点的活跃服务器数目，X表示Xi组成的向量，P为计算设备能耗向量，Pi表示P向量里的第i个，代表每个节点的计算能耗，COP为空调制冷设备的性能系数，tsup为空调设备供应的冷却温度，λi为0或1的二值变量表示第i节点是否处于活跃状态，0表示否，1表示是，λ为λi组成的向量，闲置的活跃节点能耗用pidle来表示，prun表示单个节点内每启动一个活跃服务器需要额外增加的能耗，温度警戒值为tcritical表示计算等设备需要在该温度下才能正常工作，热量循环矩阵D表示节点间热量相互影响的系数和节点的功耗之间的关系。
本发明相对于现有技术具有如下的优点及效果：
(1)本发明采用兼顾计算能耗和冷却能耗的能耗模型来计算数据中心总能耗，能够较充分地利用气流组织提高制冷效率降低制冷能耗的同时减少对计算能耗增加的影响。
(2)本发明中采用的启发式贪心序列降低了计算的复杂度。对于一种数据中心布局仅需要计算一次。
(3)本发明中采用的启发式贪心序列能很好地保证数据中心利用率变化时活跃服务器变化的连续性。
附图说明
图1是本发明数据中心任务调度器的架构示意图；
图2是本发明提出的启发式贪心序列的计算方法流程图；
图3是本发明数据中心任务调度流程图。
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做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。
实施例
本实施例公开了一种面向数据中心的基于气流组织的节能调度方法，包括以下步骤：
步骤P1、建立一种启发式贪心序列计算所需要的能耗模型，首先需要对服务器根据物理摆放位置进行分区域，分成若干个节点，并通过流体动力学CFD对数据中心气流进行建模，得到计算系统和冷却系统的能耗模型，并根据模型得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。
对服务器根据物理放置位置进行分区域，分成若干个节点。服务器分区域主要依据物理放置位置的区域性，以及服务器的电源共享状态，将处于同一放置位置区域且共享电源的服务器归为同一节点。
通过流体动力学CFD对数据中心气流进行建模，主要依据上述步骤得到的服务器区域，模拟流体动力学CFD并计算区域之间的热传播影响的系数，确定了热循环影响系数矩阵。
根据模型得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。由上述步骤得出的热循环影响系数矩阵，来计算冷却能耗与计算能耗之间的依赖关系，由热循环影响系数矩阵和计算能耗的分布，可以得出热量的分布。根据热量的分布进一步可以计算得到冷却系统的供应温度，并由冷却系统的供应温度和冷却系统能耗之间的函数关系得到冷却系统的能耗，从而求得数据中心总能耗计算式，得到了数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。
假定在某一个时间周期里，需要执行n个任务，这些任务是是仅仅与CPU相关的，也就是说，每个任务可以在一个提供计算能力的服务器下运行。对于n个任务来说，由于被分配到任意服务器都可以执行，所以在计算上仅对最后提供服务的活跃服务器的数目满足要求即可，用Xi来表示节点的活跃服务器数目，X表示Xi组成的向量，则需要满足
由于与每个节点不能提供多余自身服务器数目的服务器，所以满足以下条件，
根据气流组织建模，得到以下最小化能耗模型：
其中，
P＝prunX+pidleλ
其中，假定数据中心有m个节点，每个节点有k个服务器，工作负载的执行调度需要n个服务器来运行n个子任务。P为计算设备能耗向量，Pi表示P向量里的第i个，代表了每个节点的计算能耗。COP为空调制冷设备的性能系数，tsup为空调设备供应的冷却温度。λi为0或1的二值变量表示第i节点是否处于活跃状态，0表示否，1表示是；λ为λi组成的向量。闲置的活跃节点能耗用pidle来表示，prun表示单个节点内每启动一个活跃服务器需要额外增加的能耗。温度警戒值为tcritical表示计算等设备需要在该温度下才能正常工作。热量循环矩阵D表示了节点间热量相互影响的系数和节点的功耗之间的关系。
如图1所示，本发明数据中心任务调度器的架构图如图所示，该任务调度器包括：
1)任务等待队列此组件是任务调度器正在处理的任务流的入口点。它将当前时间段到达的任务存储到预定义的顺序队列中。一旦到达的任务被存储，等待队列的信息将被更新，并被发送到系统利用率设置器和任务分配计算器。任务分配计算器将在当前时间周期结束时协助决定任务负载的分配。队列中的任务将会转发到任务分配器，并路由到指定的服务器以执行。
2)系统利用率设置器此组件决定下一个时间段中数据中心的利用率。它收集有关等待队列的长度的信息来做出决定。将会应用一些策略以避免数据中心利用率受乒乓效应的影响(比如，利用率突然跳上或跳下)。例如，该策略不允许在下一时间段中使用数据中心增加/减少超过5％。
3)任务分配计算器
这个组件是任务分配决策的核心。它执行任务负载调度算法来分配任务。它被要求在每个时间周期结束的时候输出分配的结果，既可以是在每个时间周期运行计算算法得到的结果，也可以在确定了数据中心的配置后预计算后在整个生命周期中使用的结果。注意，在该组件中执行的算法也消耗时间。算法的执行应在下一时间段开始之前完成。
4)任务分配器此组件根据任务分配计算器做出的决定分派工作负载。它检索存储在等待队列中的任务，找出指定的服务器并将任务发送到指定的服务器。
5)供应温度设置器
此组件收集计算机室制冷设备(CRAC，Computer Room Air Conditioning)单元的实时温度信息，并接收由任务分配计算器计算的当前可以设置的理想温度信息，然后确定最佳供应温度并将其发送到CRAC。
步骤P2、依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列；
如图2所示，数据中心服务器的启发式贪心序列计算方法，根据能耗模型，假定一开始数据中心中所有的节点都没有活跃服务器，依次增加活跃服务器数目，开始分配活跃服务器的位置所属的节点。包括以下步骤：
T1、分配第一个的活跃服务器所属于的节点的时候，枚举所有的节点，找出对应能耗模型中数据总能耗最低的分配节点位置，记下该分配的节点位置。
T2、分配第x个活跃服务器时，假定前面的x-1个服务器都固定在之前的步骤中分配的位置里了，寻找第x个服务器对应的数据中心能耗最低的位置，若该节点已经分配的任务数目等于节点中拥有的服务器数目，则重新寻找分配，否则记下该分配的节点位置。其中x代表2到数据中心最大服务器数目。
T3、依次增加活跃服务器数目并按照步骤T2进行分配，直到分配到数据中心最大的服务器数目为止。所有记录下来的服务器分配节点位置形成了一个启发式贪心序列。
步骤P3、对到来的任务进行存储和调度分配，对到来的任务首先存储在任务队列，然后按照启发式贪心序列里的服务器启动排序分配各项任务到对应的服务器当中；
如图3所示，一种数据中心节能的任务调度方法如下：
假定数据中心已经配置和布局完成后，即可计算出对应的服务器启发式序列，进而对到来的任务进行分配。
R1、首先将到来的任务存储在任务等待队列。处理到来的任务将按时间周期进行。
R2、如果当前处于一个时间周期的开头，则根据当前任务等待队列的长度设置系统利用率，并执行步骤R3，否则则等待下一个时间周期的到来并继续将到来的任务存储在任务等待队列，执行步骤R1。
R3、根据启发式贪心序列的活跃服务器顺序分配任务到活跃服务器。
R4、判断是否处于时间周期的结束，如果处于时间周期的结束则执行步骤R5，否则等待一段时间并重新判断是否处于时间周期的结束。
R5、如果上一个时间周期结束，则判断任务调度器有没有终止执行任务，如果终止执行任务则停止，否则执行R1。
步骤P4、对当前时间周期已分配任务的活跃服务器的分布进行计算，得到所需要的冷气供应温度，并对空调装置设置对应的冷却温度，使得各节点的机器入口温度不高于指定的温度警戒值。
综上所述，本发明采用兼顾计算能耗和冷却能耗的能耗模型来计算数据中心总能耗，能够较充分地利用气流组织提高制冷效率降低制冷能耗的同时减少对计算能耗增加的影响；采用启发式贪心序列降低了计算的复杂度，对于一种数据中心布局仅需要计算一次；采用启发式贪心序列能很好地保证数据中心利用率变化时活跃服务器变化的连续性。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (8)
1.一种面向数据中心的基于气流组织的节能调度方法，应用于数据中心任务调度，其特征在于，所述的节能调度方法包括下列步骤：
根据数据中心布局以及热循环建立制冷能耗与计算能耗之间的关系，得出数据中心总能耗模型；
依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列；
对到来的任务进行存储和调度分配，首先对到来的任务存储在任务队列，然后按照启发式贪心序列里的服务器启动排序分配各项任务到对应的服务器当中；
对当前时间周期已分配任务的服务器的分布进行计算，得到所需要的冷气供应温度，并对空调装置设置对应的冷却温度。
2.根据权利要求1所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的根据数据中心布局以及热循环建立制冷能耗与计算能耗之间的关系，得出数据中心总能耗模型过程如下：
首先对服务器根据物理摆放位置进行分区域，分成若干个节点，并通过流体动力学CFD对数据中心气流进行建模，得到计算系统和冷却系统的能耗模型，并根据模型得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。
3.根据权利要求2所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的对服务器根据物理放置位置进行分区域，分成若干个节点中，依据物理放置位置的区域性，以及服务器的电源共享状态，将处于同一放置位置区域且共享电源的服务器归为同一节点。
4.根据权利要求2所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的通过流体动力学CFD对数据中心气流进行建模中，依据得到的服务器区域，模拟流体动力学CFD并计算区域之间的热传播影响的系数，确定热循环影响系数矩阵。
5.根据权利要求2所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的根据模型得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型中，根据得到的热循环影响系数矩阵，计算冷却能耗与计算能耗之间的依赖关系，首先由热循环影响系数矩阵和计算能耗的分布，得出热量的分布；然后根据热量的分布计算得到冷却系统的供应温度，并由冷却系统的供应温度和冷却系统能耗之间的函数关系得到冷却系统的能耗，求得数据中心总能耗计算式，得到数据中心总能耗与每个节点里活跃服务器数量之间关系的模型。
6.根据权利要求1所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列中，假设一开始数据中心中所有的节点都没有活跃服务器，依次增加活跃服务器数目，开始分配活跃服务器的位置所属的节点，计算方法包括以下步骤：
T1、分配第一个的活跃服务器所属于的节点的时候，枚举所有的节点，找出对应能耗模型中数据总能耗最低的分配节点位置，记下该分配的节点位置；
T2、分配第x个活跃服务器时，假定前面的x-1个服务器都固定在之前的步骤中分配的位置里了，寻找第x个服务器对应的数据中心能耗最低的位置，若该节点已经分配的任务数目等于节点中拥有的服务器数目，则重新寻找分配，否则记下该分配的节点位置，其中x代表2到数据中心最大服务器数目；
T3、依次增加活跃服务器数目并按照步骤T2进行分配，直到分配到数据中心最大的服务器数目为止，所有记录下来的服务器分配节点位置形成了一个启发式贪心序列。
7.根据权利要求1所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的对到来的任务进行存储和调度分配的过程如下：
S1、将时间按一定的长度划分为多个时间周期；
S2、将当前时间周期内到来的任务存储在任务等待队列；
S3、在每一个时间周期的开头，根据任务等待队列的长度，决定这一时间周期需要完成的任务数目n，并根据计算出的启发式贪心序列分配这一时间周期的活跃服务器，将n个任务分配给启发式贪心序列的前n位节点里的空闲服务器，并将服务器置为活跃状态。
8.根据权利要求1所述的一种面向数据中心的基于气流组织的节能调度方法，其特征在于，所述的数据中心总能耗模型根据气流组织建模，得到以下最小化能耗模型：
其中，
P＝prunX+pidleλ
其中，假定数据中心有m个节点，每个节点有k个服务器，工作负载的执行调度需要n个服务器来运行n个子任务，用Xi来表示数据中心的每个节点的活跃服务器数目，X表示Xi组成的向量，P为计算设备能耗向量，Pi表示P向量里的第i个，代表每个节点的计算能耗，COP为空调制冷设备的性能系数，tsup为空调设备供应的冷却温度，λi为0或1的二值变量表示第i节点是否处于活跃状态，0表示否，1表示是，λ为λi组成的向量，闲置的活跃节点能耗用pidle来表示，prun表示单个节点内每启动一个活跃服务器需要额外增加的能耗，温度警戒值为tcritical表示计算等设备需要在该温度下才能正常工作，热量循环矩阵D表示节点间热量相互影响的系数和节点的功耗之间的关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910021395.6A CN109871268A (zh) | 2019-01-10 | 2019-01-10 | 一种面向数据中心的基于气流组织的节能调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910021395.6A CN109871268A (zh) | 2019-01-10 | 2019-01-10 | 一种面向数据中心的基于气流组织的节能调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109871268A true CN109871268A (zh) | 2019-06-11 |
Family
ID=66917612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910021395.6A Pending CN109871268A (zh) | 2019-01-10 | 2019-01-10 | 一种面向数据中心的基于气流组织的节能调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109871268A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110941396A (zh) * | 2019-11-22 | 2020-03-31 | 暨南大学 | 一种面向云数据中心的基于气流组织的副本放置方法 |
| CN111124605A (zh) * | 2019-12-06 | 2020-05-08 | 暨南大学 | 利用气流组织分布方式进行数据中心虚拟机放置与调度的方法 |
| CN111174375A (zh) * | 2019-12-11 | 2020-05-19 | 西安交通大学 | 面向数据中心能耗最小化的作业调度和机房空调调控方法 |
| CN111859615A (zh) * | 2020-06-12 | 2020-10-30 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于cfd仿真的微模块数据中心空调设计方法 |
| CN114063545A (zh) * | 2022-01-14 | 2022-02-18 | 宁波亮控信息科技有限公司 | 融合边缘计算的数据中心能耗管控系统、方法及控制器 |
| CN115789854A (zh) * | 2022-12-01 | 2023-03-14 | 广东省建筑设计研究院有限公司 | 空调房间气流组织有效系数的测量调节方法及系统 |
| CN116321999A (zh) * | 2023-05-15 | 2023-06-23 | 广州豪特节能环保科技股份有限公司 | 一种云计算数据中心的空调智能调控方法、系统和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
| CN103428282A (zh) * | 2013-08-06 | 2013-12-04 | 浪潮(北京)电子信息产业有限公司 | 一种云计算数据中心的在线节能控制方法及装置 |
| CN104142850A (zh) * | 2014-07-03 | 2014-11-12 | 浙江大学 | 数据中心的节能调度方法 |
| US20160234972A1 (en) * | 2015-02-09 | 2016-08-11 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
-
2019
- 2019-01-10 CN CN201910021395.6A patent/CN109871268A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
| CN103428282A (zh) * | 2013-08-06 | 2013-12-04 | 浪潮(北京)电子信息产业有限公司 | 一种云计算数据中心的在线节能控制方法及装置 |
| CN104142850A (zh) * | 2014-07-03 | 2014-11-12 | 浙江大学 | 数据中心的节能调度方法 |
| US20160234972A1 (en) * | 2015-02-09 | 2016-08-11 | Schneider Electric It Corporation | System and methods for simulation-based optimization of data center cooling equipment |
Non-Patent Citations (2)
| Title |
|---|
| RUIHONG LIN等: "Allocating workload to minimize the power consumption of data centers", 《FRONTIERS OF COMPUTER SCIENCE》 * |
| 李翔等: "绿色数据中心的热量管理方法研究", 《计算机学报》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110941396A (zh) * | 2019-11-22 | 2020-03-31 | 暨南大学 | 一种面向云数据中心的基于气流组织的副本放置方法 |
| CN111124605A (zh) * | 2019-12-06 | 2020-05-08 | 暨南大学 | 利用气流组织分布方式进行数据中心虚拟机放置与调度的方法 |
| CN111124605B (zh) * | 2019-12-06 | 2023-03-31 | 暨南大学 | 利用气流组织分布方式进行数据中心虚拟机放置与调度的方法 |
| CN111174375A (zh) * | 2019-12-11 | 2020-05-19 | 西安交通大学 | 面向数据中心能耗最小化的作业调度和机房空调调控方法 |
| CN111174375B (zh) * | 2019-12-11 | 2021-02-02 | 西安交通大学 | 面向数据中心能耗最小化的作业调度和机房空调调控方法 |
| CN111859615A (zh) * | 2020-06-12 | 2020-10-30 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于cfd仿真的微模块数据中心空调设计方法 |
| CN114063545A (zh) * | 2022-01-14 | 2022-02-18 | 宁波亮控信息科技有限公司 | 融合边缘计算的数据中心能耗管控系统、方法及控制器 |
| CN114063545B (zh) * | 2022-01-14 | 2022-06-07 | 宁波亮控信息科技有限公司 | 融合边缘计算的数据中心能耗管控系统、方法及控制器 |
| CN115789854A (zh) * | 2022-12-01 | 2023-03-14 | 广东省建筑设计研究院有限公司 | 空调房间气流组织有效系数的测量调节方法及系统 |
| CN115789854B (zh) * | 2022-12-01 | 2023-08-29 | 广东省建筑设计研究院有限公司 | 空调房间气流组织有效系数的测量调节方法及系统 |
| CN116321999A (zh) * | 2023-05-15 | 2023-06-23 | 广州豪特节能环保科技股份有限公司 | 一种云计算数据中心的空调智能调控方法、系统和介质 |
| CN116321999B (zh) * | 2023-05-15 | 2023-08-01 | 广州豪特节能环保科技股份有限公司 | 一种云计算数据中心的空调智能调控方法、系统和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109871268A (zh) | 一种面向数据中心的基于气流组织的节能调度方法 | |
| Squillante et al. | Using processor-cache affinity information in shared-memory multiprocessor scheduling | |
| Pakbaznia et al. | Temperature-aware dynamic resource provisioning in a power-optimized datacenter | |
| Yang et al. | Stackelberg game approach for energy-aware resource allocation in data centers | |
| Mukherjee et al. | Spatio-temporal thermal-aware job scheduling to minimize energy consumption in virtualized heterogeneous data centers | |
| Pagani et al. | Energy efficiency for clustered heterogeneous multicores | |
| CN107168770B (zh) | 一种低能耗的云数据中心工作流调度与资源供给方法 | |
| Żotkiewicz et al. | Minimum dependencies energy-efficient scheduling in data centers | |
| Niu et al. | Energy minimization for real-time systems with (m, k)-guarantee | |
| KR20110007205A (ko) | 컴퓨트 환경에서 에너지 소비를 관리하기 위한 시스템 및 방법 | |
| Stavrinides et al. | Energy-aware scheduling of real-time workflow applications in clouds utilizing DVFS and approximate computations | |
| Cao et al. | Cooling-aware job scheduling and node allocation for overprovisioned HPC systems | |
| CN115220900B (zh) | 一种基于作业功耗预测的节能调度方法及系统 | |
| CN112433807A (zh) | 面向数据中心全局能耗优化的气流感知型虚拟机调度方法 | |
| Qiu et al. | Towards power-efficient smartphones by energy-aware dynamic task scheduling | |
| Peng et al. | HEA-PAS: A hybrid energy allocation strategy for parallel applications scheduling on heterogeneous computing systems | |
| Kuo et al. | Task assignment with energy efficiency considerations for non-DVS heterogeneous multiprocessor systems | |
| Hu et al. | Adaptive energy-minimized scheduling of real-time applications in vehicular edge computing | |
| Wang et al. | Exploiting dark cores for performance optimization via patterning for many-core chips in the dark silicon era | |
| Xu et al. | Energy-Aware Resource Management in Cloud Computing Considering Load Balance. | |
| Fan et al. | An energy-efficient dynamic scheduling method of deadline-constrained workflows in a cloud environment | |
| Singh et al. | Value and energy optimizing dynamic resource allocation in many-core HPC systems | |
| Zhang et al. | Reliability enhancement strategies for workflow scheduling under energy consumption constraints in clouds | |
| He et al. | Dynamic scheduling of parallel real-time jobs by modelling spare capabilities in heterogeneous clusters | |
| CN111124605B (zh) | 利用气流组织分布方式进行数据中心虚拟机放置与调度的方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190611 |
|
| WD01 | Invention patent application deemed withdrawn after publication |