CN110008515B - 一种可再生能源数据中心管理方法及装置 - Google Patents
一种可再生能源数据中心管理方法及装置 Download PDFInfo
- Publication number
- CN110008515B CN110008515B CN201910171263.1A CN201910171263A CN110008515B CN 110008515 B CN110008515 B CN 110008515B CN 201910171263 A CN201910171263 A CN 201910171263A CN 110008515 B CN110008515 B CN 110008515B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- data center
- host
- calculating
- model
- 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.)
- Active
Links
Images
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
-
- 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
- G06F1/3234—Power saving characterised by the action undertaken
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种可再生能源数据中心负载管理方法及装置,包括:S401,建立用于计算数据中心的功耗计算模型并计算功耗;S402,建立用于调节数据中心的管理任务的功耗管理模型;S403,建立温度感知模型,用于感知计算数据中心的环境温度变化,在确定数据中心的主机最大入口温度Tmax的前提下,确定制冷所述主机需要的最大耗电量;其中,所述数据中心包括多台主机、以及制冷机;S404,通过所述最大耗电量,数据中心的资源和功耗管理控制,实现数据中心负载管理控制,控制在所述数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
Description
技术领域
本发明涉及可再生能源技术领域,特别涉及一种可再生能源数据中心管理方法及装置。
背景技术
在当今大数据时代,随着云计算技术在全世界的快速普及和发展。数据中心大量的计算和存储操作需要快速及时的响应,以保证数据中心的正常运转。然而,对云基础设施不断增长的需求导致数据中心的能耗急剧增加,这已成为一个关键问题。大型数据中心用电量极大,而且需要稳定、可靠的电力供应。每年世界各地的数据中心都消耗了大量的电能,平均每一个数据中心消耗的电能等于美国25000个家庭消耗的电能[1]。数据中心电能的消耗除了用于计算,主要的电能也消耗在冷却服务器。能耗成本已经达到了数据中心总运营成本的50%以上。因为数据中心在运行过程中存在一定比例的静态能耗,即空闲能耗。主机即使在利用率很低的情况下,比如10%的CPU使用率,所消耗的电量也超过峰值电量的50%。事实证明,在一些利用率较低的服务器上动态迁移或合并任务或关闭空闲服务器是一种更节能的策略。但是,这些策略只考虑了服务器的功耗,没有考虑冷却功耗。
在工业界和学术界,考虑使用太阳能、风能、潮汐能等新型能源构建绿色数据中心成为一个重要趋势和发展方向[7-9]。然而,风能、太阳能、潮汐能等可再生能源的一个重要特点是间断性和剧烈的变化特性,具有不稳定性。但是相比于传统电能,绿色能源有天然、可再生、清洁和低成本等优点。在最近几年,著名的IT公司如微软、谷歌、亚马逊、和IBM都在世界各地运行大型数据中心来应对日益增长的计算需求。为了减少传统的能源消耗,一些计算机公司采取措施提供可再生能源作为能源供应的一部分是至关重要的。那么,如何在这些数据中心充分利用可再生能源成为一个重要的问题。
发明内容
为了解决上述的技术问题,第一方面,本发明提供了一种可再生能源数据中心管理方法,包括:
S401,建立用于计算数据中心的功耗计算模型并计算功耗,包含以下输入参数:第t个时间段的计算功耗Pi t、每一个时间段内的计算功耗PCt和制冷设备消耗的功耗PACt;
S402,建立用于调节数据中心的管理任务的功耗管理模型,包含以下输入参数:主机在当前功耗模式下的最大功耗Pmax、太阳能发电量St和一天能提供的太阳能发电量Stotal;
S403,建立温度感知模型,用于感知计算数据中心的环境温度变化,在确定数据中心的主机最大入口温度Tmax的前提下,确定制冷所述主机需要的最大耗电量;其中,所述数据中心包括多台主机、以及制冷机;
S404,通过所述最大耗电量,数据中心的资源和功耗管理控制,实现数据中心负载管理控制,控制在所述数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
进一步,在所述S401中,所述功耗计算模型包括:
所述主机i的负载如下:
式中MIPS是CPU速度的度量,表示每秒处理的机器语言指令的数量,其中Mcurri t是在第t个时间间隔内分配给当前所述主机i上的所有虚拟机所需的MIPS之和,Mtotali是主机i能够提供的所有MIPS,i为自然数;
用符号Pi t来表示所述主机i在第t个时间段的计算功耗,根据主机负载和主机功率模型计算Pi t,用符号u表示当前主机使用率,u1和u2分别为u的向下取整和向上取整的值;
根据u1和u2的值可以从功耗模型中得到两个功耗值,分别记为P1和P2;
然后此模型中根据P1和P2定义一个变量delta,delta的值由下式计算:
采用功耗模型计算数据中心功耗的过程包括:
其中,t=0,1,…,M;M表示一天的时段总数;
采用CoP衡量系数模型,该模型是从实验数据中心的一个水冷式CRAC单元中得到的,如下所示:所述制冷机包括多个水冷式CRAC单元;
CoP=0.0068Tsup 2+0.0008Tsup+0.458
其中,Tsup是制冷设备向数据中心提供的温度,制冷设备消耗的功耗PACt由下式计算:
则数据中心在一个时间段内消耗的总功耗PTt为:
PTt=PCt+PACt。
进一步,在所述S402中,
太阳能发电量为St,t=0,1,…M,则一天能提供的太阳能发电量Stotal为:
根据每个时刻太阳能发电量计算当前时刻提供的主机个数Nt:
其中,Pmax为主机在当前功耗模式下的最大功耗,目标是传统电能使用最少,即目标函数Gbest可表达为:
满足约束条件:Gbest≥0。
进一步,在所述S403中,
主机功耗与入口温度之间的关系为:
Tin=Tsup+D×P
其中,Tin和Tsup分别是主机入口温度向量和制冷设备提供温度向量,D为热转移矩阵,且不能调节,P是数据中心主机的功耗向量,符号Tmax表示为最大入口温度,数据中心的操作必须遵循以下约束:
Tin≤Tmax
其中Tin={T1,T2,…,Tn}代表每个主机的最高温度,在确定主机最大入口温度Tmax的前提下,利用提前制冷计算主机的最大耗电量:
ΔT=Tmax-Tsup
温度差与功率向量的关系如下:
ΔT=D×P
在ΔT和D已知的前提下,通过上式计算功率向量P。
进一步,在所述S404中,
在第t个时间段内用于计算的太阳能,如果有过剩的太阳就进行提前制冷,制冷设备提供的温度由过剩的太阳能进行动态调整,采用符号Et表示过剩太阳能,Et的计算公式如下:
Et=St-PTt
其中,t=1,2...,M,M表示一天的时段总数。
第二方面,本发明提供了一种可再生能源数据中心管理装置,包括:
功耗计算模型构建模块,用于建立用于计算数据中心的功耗计算模型并计算功耗,包含以下输入参数:第t个时间段的计算功耗Pi t、每一个时间段内的计算功耗PCt和制冷设备消耗的功耗PAC;
功耗管理模型构建模块,用于建立用于调节数据中心的管理任务的功耗管理模型,包含以下输入参数:主机在当前功耗模式下的最大功耗Pmax、太阳能发电量St和一天能提供的太阳能发电量Stotal;
温度感知模型构建模块,用于感知计算数据中心的环境温度变化,在确定数据中心的主机最大入口温度Tmax的前提下,确定制冷所述主机需要的最大耗电量;其中,所述数据中心包括多台主机、以及制冷机;
数据中心负载管理模块,用于通过所述最大耗电量,数据中心的资源和功耗管理控制,实现数据中心负载管理控制,控制在所述数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
进一步,所述功耗计算模型构建模块具体包括:
所述主机i的负载如下:
式中MIPS是CPU速度的度量,表示每秒处理的机器语言指令的数量,其中Mcurri t是在第t个时间间隔内分配给当前所述主机i上的所有虚拟机所需的MIPS之和,Mtotali是主机i能够提供的所有MIPS,i为自然数;
用符号Pi t来表示所述主机i在第t个时间段的计算功耗,根据主机负载和主机功率模型计算Pi t,用符号u表示当前主机使用率,u1和u2分别为u的向下取整和向上取整的值;
根据u1和u2的值可以从功耗模型中得到两个功耗值,分别记为P1和P2;
然后此模型中根据P1和P2定义一个变量delta,delta的值由下式计算:
采用功耗模型计算数据中心功耗的过程包括:
其中,t=0,1,…,M;M表示一天的时段总数;
采用CoP衡量系数模型,该模型是从实验数据中心的一个水冷式CRAC单元中得到的,如下所示:所述制冷机包括多个水冷式CRAC单元;
CoP=0.0068Tsup 2+0.0008Tsup+0.458
其中,Tsup是制冷设备向数据中心提供的温度,制冷设备消耗的功耗PACt由下式计算:
则数据中心在一个时间段内消耗的总功耗PTt为:
PTt=PCt+PACt。
进一步,所述功耗管理模型构建模块具体包括:
太阳能发电量为St,t=0,1,…M,则一天能提供的太阳能发电量Stotal为:
根据每个时刻太阳能发电量计算当前时刻提供的主机个数Nt:
其中,Pmax为主机在当前功耗模式下的最大功耗,目标是传统电能使用最少,即目标函数Gbest可表达为:
满足约束条件:Gbest≥0。
进一步,所述温度感知模型构建模块具体包括:
主机功耗与入口温度之间的关系为:
Tin=Tsup+D×P
其中,Tin和Tsup分别是主机入口温度向量和制冷设备提供温度向量,D为热转移矩阵,且不能调节,P是数据中心主机的功耗向量,符号Tmax表示为最大入口温度,数据中心的操作必须遵循以下约束:
Tin≤Tmax
其中Tin={T1,T2,…,Tn}代表每个主机的最高温度,在确定主机最大入口温度Tmax的前提下,利用提前制冷计算主机的最大耗电量:
ΔT=Tmax-Tsup
温度差与功率向量的关系如下:
ΔT=D×P
在ΔT和D已知的前提下,通过上式计算功率向量P。
进一步,所述数据中心负载管理模块具体包括:
在第t个时间段内用于计算的太阳能,如果有过剩的太阳就进行提前制冷,制冷设备提供的温度由过剩的太阳能进行动态调整,采用符号Et表示过剩太阳能,Et的计算公式如下:
Et=St-PTt
其中,t=1,2...,M,M表示一天的时段总数。
本发明的有益效果是:本发明一种可再生能源利用的温度感知的数据中心负载管理方法,数据中心提供的绿色能源,使传统能源消耗最小化。在考虑了制冷设备的高能耗问题和数据中心任务的特点之后,本发明提出的TATM策略,在数据中心的每个时间间隔内保持活跃的主机数量和任务量都可以根据太阳能提供量动态分配和动态调节制冷设备的供应温度,通过实验结果表明,TATM策略可以更好地实现节能目标,从而使数据中心的总功耗成本降至最低。
附图说明
图1为本发明的可再生能源数据中心管理方法的流程图;
图2为本发明实施例的数据中心架构示意图;
图3为本发明实施例TATM方法相较于现有技术的ST方法和DTAS方法的太阳能使用率的对比示意图;
图4为本发明实施例TATM方法的功耗示意图;
图5为现有技术的DTAS方法的功耗示意图;
图6为现有技术的ST方法的功耗示意图;
图7为本发明实施例TATM方法相较于现有技术的ST方法和DTAS方法的制冷功耗的对比示意图;
图8为本发明实施例TATM方法相较于现有技术的ST方法和DTAS方法的单位时间任务执行数量的对比示意图;
图9为本发明实施例TATM方法相较于现有技术的ST方法和DTAS方法的总任务数量的对比示意图;
图10为本发明实施例TATM方法,制冷设备在各个时间段动态调节温度的情况示意图以及
图11本发明的可再生能源数据中心管理装置的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定装备结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
图2为本发明实施例的数据中心架构示意图;如图2所示,展示了由绿色能源同时供电的可持续数据中心的架构,电网和可再生能源通过自动转换开关组合在一起为数据中心提供电源。
如图1所示,一种可再生能源数据中心管理方法,包括:
步骤S401,建立功耗计算模型,用于计算数据中心的功耗;
步骤S402,建立功耗管理模型,用于调节数据中心的管理任务;
步骤S403,建立温度感知模型,用于感知数据中心的环境温度变化,在确定数据中心的主机最大入口温度Tmax的前提下,确定制冷所述主机需要的最大耗电量;
步骤S404,通过温度感知,用于数据中心的资源和功耗管理,实现数据中心负载管理,在数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
假设数据中心系统由N台主机组成,记为主机1到主机N。这些主机独立或协同的完成分布的任务。一个任务被分配给一个虚拟机进行处理。本发明模拟数据中心一天的运行情况,用符号M表示一天的时段总数。为了调度任务和调整每个时间段制冷设备提供的温度,本发明假设有些任务是延迟容忍性的任务,制冷设备的供应温度可以根据需要动态设置。
通常,计算功耗是数据中心功耗的主要组成部分。服务器的操作包括各种各样的硬件设备。服务器的功耗与电源电压、工作频率有关,负载的变化对服务器功耗影响很大。因此,本发明采用负载调节方法来保持节能效果,服务器上的负载主要由服务器上运行的虚拟机引起。因此,主机的计算功耗与主机上运行的虚拟机数量有很大关系。所以,本发明定义主机i的负载如下:
MIPS是CPU速度的度量,表示每秒处理的机器语言指令的数量。其中Mcurri t是在第t个时间间隔内分配给当前主机i上的所有虚拟机所需的MIPS之和,Mtotali是主机i能够提供的所有MIPS,一般在主机配置信息中规定了一个主机能提供的MIPS值。
用符号Pi t来表示主机i在第t个时间段的计算功耗。根据主机负载和主机功率模型计算Pi t。本发明中采用的主机功耗模型是powermodelspecpowerhpantml110g5xeon3075。在此模型中,定义了一组功耗值,包括主机的空闲功耗和最大功耗。用符号u表示当前主机使用率,u1和u2分别为u的向下取整和向上取整的值。根据u1和u2的值可以从功耗模型中得到两个功耗值,分别记为P1和P2。然后此模型中根据P1和P2定义一个变量delta,delta的值由公式(2)计算:
最后,根据公式3计算Pi t。在本发明中,本发明使用公式(1)中的Li t作为主机的利用率。
因此,用符号PCt来表示在每一个时间段内的计算功耗,由式(4)计算,
其中t=0,1,…,M。
非业务设备中,制冷设备的功耗可变性及可控性较大,并且占数据中心总功耗的比例也比较高。本发明服务器采用传统的风冷技术进行冷却。制冷所需的功耗通常与其所能驱散的热量多少有关,常用的一种衡量系数称为CoP(Coefficient of Performance),一般定义为要驱散的热量与制冷设备自身功耗的比例,这个系数越高表示制冷效率越高。而CoP则受到供冷温度的直接影响,一般来说供冷温度越高CoP值越高,即制冷设备自身功耗相对更少。本发明采用了CoP模型,该模型是从HP实验数据中心的一个水冷式CRAC(computer room air conditioner空调机组)单元中得到的,如下所示:
CoP=0.0068Tsup 2+0.0008Tsup+0.458 (5)
其中Tsup是制冷设备向数据中心提供的温度。那么,制冷设备消耗的功耗由式(6)计算。
则数据中心在一个时间段内消耗的总功耗为:
PTt=PCt+PACt (7)
本发明是在有太阳能提供的数据中心的前提下,调节数据中心的任务,达到节能的效果的同时充分利用太阳能。本发明假定数据中心的一部分任务是具有时延容忍性的特点,所以为达到节能的效果将一部分时延容忍性较强的任务延迟到白天太阳能充足的时候运行。本发明中定义当前时刻能提供的太阳能发电量为St,i=0,1,…M。则一天能提供的太阳能发电量为:
由于主机的功耗模型中定义了主机的最大功耗值。因此,本发明根据每个时刻太阳能发电量计算当前时刻提供的主机个数:
其中Pmax为主机在当前功耗模式下的最大功耗。本发明中的目标是传统电能使用最少,即目标函数可表达为:
满足约束条件:Gbest≥0.
服务器的功耗会因为热量的再循环而使周边环境温度升高。通过CFD(计算流体动力学)分析,之前有关研究提出了主机功耗与入口温度之间的关系为:
Tin=Tsup+D×P (11)
其中Tin和Tsup分别是主机入口温度向量和制冷设备提供温度向量。D为热转移矩阵,且不能调节。P是数据中心主机的功耗向量。为了避免主机过热和保持主机的高性能,一般规定主机的最大入口温度。本发明中将符号Tmax表示为最大入口温度。数据中心的操作必须遵循以下约束:
Tin≤Tmax (12)
其中Tin={T1,T2,…,Tn}代表每个主机的最高温度。实际上,对于每个主机最大温度约束通常是相同的,这意味着T1=T2=…=Tn。因此,在确定主机最大入口温度Tmax的前提下,利用提前制冷计算主机的最大耗电量。
ΔT=Tmax-Tsup (13)
那么,温度差与功率向量的关系如下:
ΔT=D×P (14)
因此,在ΔT和D已知的前提下,通过(14)计算功率向量P。
本发明提出了一种温度感知的方法,用于数据中心的资源和功耗管理,并实现了另外两种方法进行比较。本发明规定在数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
一种静态方法(ST)中,对数据中心的任务和制冷设备提供的温度都不做任何调整。数据中心每个时间段内保持活跃的主机数都一样,且个数都保持在数据中心要求的最小个数,即在任何一个时间段内活跃的主机个数为nactive。
一种动态任务分配策略(DTAS)中,本发明考虑了数据中心中不同任务的特性。将任务分为两类:一类是具有较强时延容忍性的任务,另一类是普通的任务。推迟一些时延容忍性较强的任务在太阳能充足时执行。数据中心在该时间段内所能提供的最大主机数量通过式(9)计算,本发明中一台主机可以支持同时运行两个任务。然后根据主机数量动态分配任务。该策略只考虑数据中心的计算能耗来充分利用太阳能,以节约更多的棕色能源,而不考虑冷却能耗。
本发明温度感知任务管理方法(TATM)同时考虑了数据中心任务的特点和温度调节情况。采用了提前制冷的方式,以便在未来太阳能不足的情况下处理更多的任务。如果除了在第t个时间段内用于计算的太阳能,如果有过剩的太阳就进行提前制冷。在此策略下,制冷设备提供的温度由过剩的太阳能进行动态调整。采用符号Et为过剩太阳能,如下:
Et=St-PTt (15)
其中t=1,2...,M.本发明使用式(4),(5),(6),(15)来计算制冷设备应该提供的温度。用式(11),(12),(13),(14)估计主机的最大功耗。然后使用式(9)计算根据提前制冷温度添加的主机数量和任务数量。与前两种方法相比,本发明即考虑了计算设备的功耗也考虑了冷却设备的功耗。
实验结果
通过进行实验模拟来比较三种方法的性能。本发明使用CloudSim工具模拟数据中心。数据中心的主机配置和VM配置分别在表1和表2中给出。本发明对本发明提出的三种方法进行了仿真,其中主机的功耗模型为powermodelspecpowerhpantml110g5xeon3075。在静态方法和动态任务分配策略中设定制冷设备提供的温度为25℃。而在温度感知的任务管理方法中在,制冷设备提供的温度时动态调整的。每个主机的入口温度设定为50℃,即Tmax=50℃和保持活跃的主机个数为设置为10,即nactive=10。太阳能数据来源于网站:http://www.lvsedianli.com/。
表1主机配置信息
表2虚拟机配置信息
三种方法的功耗和太阳能利用情况。如图3所示,蓝色的柱子表示三种策略下的太阳能使用量。很显然,TATM策略的太阳能利用率达到最高,而ST的太阳能利用率最低。这足以证明本发明提出的TATM策略可以节省大量的传统电能,以降低数据中心的功耗成本。
图4为TATM方法的总功耗。绿色区域为提供给数据中心的太阳能,柱状部分分别代表计算功耗和冷却功耗。从图中可以看出,TATM的能耗可以很好地随太阳能的变化而变化。当没有太阳能可用时,数据中心的计算和冷却功耗保持在非常低的状态。随着太阳能的增加,数据中心的计算功耗和冷却功耗也随之增加。相反,当太阳能下降到不足的水平时,TATM可以减少任务的执行并动态提高制冷设备的温度,以降低功耗。
图5为DTAS方法的总功耗。很明显,太阳能在9:00到13:00之间或多或少被浪费了,并且没有达到充分利用太阳能的目的。功耗也可以随太阳能的变化而变化,但效果明显不如TATM。这一策略并没有达到节省传统能源和充分利用太阳能的目标。
ST方法的功耗如图6所示。计算功耗和冷却功耗一直保持不变。它不跟随太阳能发电的变化,因为这个策略没有任何调整。
本发明也用讨论了本发明提出的三种策略的制冷功耗情况。如图7所示,TATM可以使制冷设备在9:00-15:00之间消耗更多的能量,显示出其随太阳能供应的变化而变化的能力。TATM可以通过过剩的太阳能更好的调节冷却设备提供的温度。虽然策略DTAS的冷却功耗可以跟随太阳能的变化,但并没有充分利用剩余的绿色能源。
如图8所示,ST方法下各时段的任务数保持不变。然而,DTAS和TATM下的任务数量会随着太阳能的变化而变化。在11:00之前,在DTAS和TATM方法下,任务数量保持相等。但是,TATM在11:00后可以比DTAS执行更多的任务,因为当太阳能不足时,TATM因为在太阳能充足的时候提前制冷,而在太阳能不充足时运行更多的任务。
本发明还分别举例说明了三种方法的任务总数。如图9所示,与DTAS和ST策略相比,TATM策略可以在一天内完成最多的任务。这是因为这个方法使用了预冷的方法,这样在太阳能不足的情况下可以运行更多的任务。而其DTAS方法只考虑了太阳能、ST方法没有做任何调整,所以总任务量并不多。
图10为使用TATM策略时,制冷设备在各个时间段中动态调节温度的情况。从图10可以看出,当太阳能充足时,例如,在11点时制冷设备可以使用多余的太阳能向数据中心提供的温度为19℃。在一定程度上,该策略可以充分考虑到制冷设备的功耗消耗,并对未来的温度需求进行提前制冷,从而充分利用太阳能而达到减少对传统能源的使用。
综上,本发明管理方法实施例具体的步骤是:
(1)根据当前时刻的太阳能发电量通过上述式(9)计算出当前时刻数据中心能提供的最多主机个数,如果当前时刻太阳能发电量为0,那么数据中心必须保持活跃的主机个数为nactive;
(2)一个主机可以同时支持运行两个任务,根据主机数分配任务数量;
(3)根据上述式(15)计算,在第t个时间段内除了用于计算的太阳能之外过剩的太阳能;
(4)利用过剩的太阳能进行提前制冷,使用上述式(4),(5),(6),(15)来计算制冷设备应该提供的温度;
(5)然后,用上述式(11),(12),(13),(14)计算当前时刻主机可以消耗的最大功耗。然后使用上述式(9)计算根据提前制冷温度可以额外添加的主机数量和任务数量。
如图11所示,本发明还提供了一种可再生能源数据中心管理装置,包括:
功耗计算模型构建模块100,用于建立功耗计算模型;
功耗管理模型构建模块200,用于建立功耗管理模型;
温度感知模型构建模块300,用于建立温度感知模型;
数据中心负载管理模块400,用于通过温度感知,用于数据中心的资源和功耗管理,实现数据中心负载管理,在数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
在一些说明性实施例中,所述功耗计算模型构建模块100具体包括:
主机i的负载如下:
式中MIPS是CPU速度的度量,表示每秒处理的机器语言指令的数量,其中Mcurri t是在第t个时间间隔内分配给当前主机i上的所有虚拟机所需的MIPS之和,Mtotali是主机i能够提供的所有MIPS,
用符号Pi t来表示主机i在第t个时间段的计算功耗,根据主机负载和主机功率模型计算Pi t,用符号u表示当前主机使用率,u1和u2分别为u的向下取整和向上取整的值;
根据u1和u2的值可以从功耗模型中得到两个功耗值,分别记为P1和P2;
然后此模型中根据P1和P2定义一个变量delta,delta的值由下式计算:
其中,t=0,1,…,M;
非业务设备中,采用CoP(衡量系数)模型,该模型是从HP实验数据中心的一个水冷式CRAC单元中得到的,如下所示:
CoP=0.0068Tsup 2+0.0008Tsup+0.458
其中,Tsup是制冷设备向数据中心提供的温度,那么,制冷设备消耗的功耗下式计算:
则数据中心在一个时间段内消耗的总功耗为:
PTt=PCt+PACt。
在一些说明性实施例中,所述功耗管理模型构建模块200具体包括:
当前时刻能提供的太阳能发电量为St,t=0,1,…M,则一天能提供的太阳能发电量Stotal为:
根据每个时刻太阳能发电量计算当前时刻提供的主机个数:
其中,Pmax为主机在当前功耗模式下的最大功耗,目标是传统电能使用最少,即目标函数可表达为:
满足约束条件:Gbest≥0。
在一些说明性实施例中,所述温度感知模型构建模块300具体包括:
主机功耗与入口温度之间的关系为:
Tin=Tsup+D×P
其中,Tin和Tsup分别是主机入口温度向量和制冷设备提供温度向量,D为热转移矩阵,且不能调节,P是数据中心主机的功耗向量,符号Tmax表示为最大入口温度,数据中心的操作必须遵循以下约束:
Tin≤Tmax
其中Tin={T1,T2,…,Tn}代表每个主机的最高温度,在确定主机最大入口温度Tmax的前提下,利用提前制冷计算主机的最大耗电量:
ΔT=Tmax-Tsup
温度差与功率向量的关系如下:
ΔT=D×P
在ΔT和D已知的前提下,通过上式计算功率向量P。
在一些说明性实施例中,所述数据中心负载管理模块400具体包括:
在第t个时间段内用于计算的太阳能,如果有过剩的太阳就进行提前制冷,制冷设备提供的温度由过剩的太阳能进行动态调整,采用符号Et为过剩太阳能,如下:
Et=St-PTt
其中,t=1,2...,M。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种可再生能源数据中心管理方法,其特征在于,包括:
S401,建立用于计算数据中心的功耗计算模型并计算功耗,包含以下输入参数:主机i在第t个时间段的计算功耗Pi t、每一个时间段内的计算功耗PCt和制冷设备消耗的功耗PACt;
所述功耗计算模型包括:
所述主机i的负载如下:
式中Mcurri t是在第t个时间间隔内分配给当前所述主机i上的所有虚拟机所需的MIPS之和,Mtotali是主机i能够提供的所有MIPS,i为自然数;MIPS是CPU速度的度量,表示每秒处理的机器语言指令的数量;
根据主机负载和在Cloudsim中提供的主机功率模型计算Pi t,用符号u表示当前主机i使用率,u1和u2分别为u的向下取整和向上取整的值;
根据u1和u2的值从所述主机功率模型中得到两个功耗值,分别记为P1和P2;
根据P1和P2定义一个变量delta,delta的值由下式计算:
采用所述功耗计算模型计算数据中心功耗的过程包括:
其中,t=0,1,…,M;M表示一天的时段总数,N为主机个数;
采用CoP衡量系数模型计算制冷设备消耗的功耗PACt,该模型是从实验数据中心的一个水冷式CRAC单元中得到的,如下所示:CoP=0.0068Tsup 2+0.0008Tsup+0.458
其中,Tsup是制冷设备向数据中心提供的温度,制冷设备消耗的功耗PACt由下式计算:
则数据中心在一个时间段内消耗的总功耗PTt为:
PTt=PCt+PACt;
S402,建立用于调节数据中心的功耗管理任务的功耗管理模型,包含以下输入参数:主机在当前功耗模式下的最大功耗Pmax、太阳能发电量St和一天能提供的太阳能发电量Stotal;
S403,建立温度感知模型,用于感知计算数据中心的环境温度变化,在确定数据中心的主机最大入口温度Tmax的前提下,确定所述主机制冷需要的最大耗电量;其中,所述数据中心包括多台主机以及制冷机;所述制冷机包括多个水冷式CRAC单元;
S404,通过最大耗电量、数据中心的资源和功耗管理控制,实现数据中心负载管理控制,控制在所述数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
3.根据权利要求2所述的可再生能源数据中心管理方法,其特征在于,在所述S404中,
如果有过剩的太阳能就进行提前制冷,制冷设备提供的温度由过剩的太阳能进行动态调整,采用符号Et表示过剩太阳能,Et的计算公式如下:
Et=St-PTt
其中,t=0,1,2...,M,M表示一天的时段总数。
4.一种可再生能源数据中心管理装置,其特征在于,包括:
功耗计算模型构建模块,用于建立计算数据中心的功耗计算模型并计算功耗,包含以下输入参数:主机i在第t个时间段的计算功耗Pi t的计算功耗Pi t、每一个时间段内的计算功耗PCt和制冷设备消耗的功耗PACt;
所述功耗计算模型构建模块具体包括:
所述主机i的负载如下:
式中Mcurri t是在第t个时间段内分配给当前所述主机i上的所有虚拟机所需的MIPS之和,Mtotali是所述主机i能够提供的所有MIPS,i为自然数,MIPS是CPU速度的度量,表示每秒处理的机器语言指令的数量;
根据主机负载和主机功率模型计算Pi t,用符号u表示当前主机i使用率,u1和u2分别为u的向下取整和向上取整的值;
根据u1和u2的值从所述主机功率模型中得到两个功耗值,分别记为P1和P2;
然后根据P1和P2定义一个变量delta,delta的值由下式计算:
采用所述功耗计算模型计算数据中心功耗的过程包括:
其中,t=0,1,…,M;M表示一天的时段总数,N为主机个数;
采用CoP衡量系数模型计算制冷设备消耗的功耗PACt,该模型是从实验数据中心的一个水冷式CRAC单元中得到的,如下所示:
CoP=0.0068Tsup 2+0.0008Tsup+0.458
其中,Tsup是制冷设备向数据中心提供的温度,制冷设备消耗的功耗PACt由下式计算:
则数据中心在一个时间段内消耗的总功耗PTt为:
PTt=PCt+PACt;
功耗管理模型构建模块,用于建立调节数据中心的管理任务的功耗管理模型,包含以下输入参数:主机在当前功耗模式下的最大功耗Pmax、太阳能发电量St和一天能提供的太阳能发电量Stotal;
温度感知模型构建模块,用于感知计算数据中心的环境温度变化,在确定数据中心的主机最大入口温度Tmax的前提下,确定所述主机制冷需要的最大耗电量;其中,所述数据中心包括多台主机以及制冷机;所述制冷机包括多个水冷式CRAC单元;
数据中心负载管理模块,用于通过最大耗电量、数据中心的资源和功耗管理控制,实现数据中心负载管理控制,控制在所述数据中心的每个时间间隔中必须保持活跃的主机数量为nactive。
6.根据权利要求5中所述的可再生能源数据中心管理装置,其特征在于,所述数据中心负载管理模块具体包括:
如果有过剩的太阳能就进行提前制冷,制冷设备提供的温度由过剩的太阳能进行动态调整,采用符号Et表示过剩太阳能,Et的计算公式如下:
Et=St-PTt
其中,t=0,1,2...,M,M表示一天的时段总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910171263.1A CN110008515B (zh) | 2019-03-07 | 2019-03-07 | 一种可再生能源数据中心管理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910171263.1A CN110008515B (zh) | 2019-03-07 | 2019-03-07 | 一种可再生能源数据中心管理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110008515A CN110008515A (zh) | 2019-07-12 |
CN110008515B true CN110008515B (zh) | 2021-07-13 |
Family
ID=67166584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910171263.1A Active CN110008515B (zh) | 2019-03-07 | 2019-03-07 | 一种可再生能源数据中心管理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110008515B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159632B (zh) * | 2020-01-10 | 2023-04-25 | 中国科学院广州能源研究所 | 一种数据中心冷却能效与经济性计算方法 |
CN113515150B (zh) * | 2021-04-12 | 2022-05-03 | 天津大学 | 一种实现数据中心即时消纳光伏发电的变温控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104158754A (zh) * | 2014-07-08 | 2014-11-19 | 上海交通大学 | 基于热负载均衡的数据中心自适应性耗能管理方法 |
CN109377408A (zh) * | 2018-09-29 | 2019-02-22 | 青海大学 | 一种提高可再生能源利用率的资源调度方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8145929B2 (en) * | 2011-07-01 | 2012-03-27 | Intel Corporation | Stochastic management of power consumption by computer systems |
US20150277410A1 (en) * | 2014-03-25 | 2015-10-01 | Arizona Board Of Regents On Behalf Of Arizona State University | Power delivery system management |
-
2019
- 2019-03-07 CN CN201910171263.1A patent/CN110008515B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104158754A (zh) * | 2014-07-08 | 2014-11-19 | 上海交通大学 | 基于热负载均衡的数据中心自适应性耗能管理方法 |
CN109377408A (zh) * | 2018-09-29 | 2019-02-22 | 青海大学 | 一种提高可再生能源利用率的资源调度方法及系统 |
Non-Patent Citations (3)
Title |
---|
Agreen-aware virtual machine migration strategy for sustainable data center powered by renewable energy;Xiaoying Wang .ect;《Simulation Modelling Practiceand Theory》;20150207;第5-9页 * |
Load Management for Multiple Datacenters towards Demand Response in the Smart Grid Integrating Renewable Energy;Xiaoying Wang .ect;《ACM Digital Library》;20180111;第140-144页 * |
数据中心间歇性绿色能源供给管理策略研究;解辉 等;《微型机与应用》;20150825(第16期);第55-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110008515A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8001403B2 (en) | Data center power management utilizing a power policy and a load factor | |
Pakbaznia et al. | Temperature-aware dynamic resource provisioning in a power-optimized datacenter | |
CN103150003B (zh) | 信息处理系统、该信息处理系统的节电控制方法和装置 | |
Liu et al. | Renewable and cooling aware workload management for sustainable data centers | |
Femal et al. | Boosting data center performance through non-uniform power allocation | |
Fang et al. | Thermal-aware energy management of an HPC data center via two-time-scale control | |
Wan et al. | Joint cooling and server control in data centers: A cross-layer framework for holistic energy minimization | |
CN113672383A (zh) | 一种云计算资源调度方法、系统、终端以及存储介质 | |
EP3885879B1 (en) | Server rack fuel cell | |
Gu et al. | Energy efficient scheduling of servers with multi-sleep modes for cloud data center | |
CN103076870B (zh) | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 | |
CN110008515B (zh) | 一种可再生能源数据中心管理方法及装置 | |
CN103823718A (zh) | 一种面向绿色云计算的资源配置方法 | |
Khargharia et al. | Autonomic power & performance management for large-scale data centers | |
CN103902016A (zh) | 一种面向场景预测的服务器功耗管理方法 | |
Cao et al. | Cooling-aware job scheduling and node allocation for overprovisioned HPC systems | |
Feng et al. | Towards heat-recirculation-aware virtual machine placement in data centers | |
Achar | How adopting a cloud-based architecture has reduced the energy consumptions levels | |
Ahmed et al. | Electrical energy consumption model of internal components in data centers | |
JP2005063066A (ja) | 分散コンピューティングシステム | |
Yuan et al. | An Online Energy Saving Resource Optimization Methodology for Data Center. | |
Peng et al. | Energy-efficient management of data centers using a renewable-aware scheduler | |
Chen et al. | Power and thermal-aware virtual machine scheduling optimization in cloud data center | |
Ji et al. | Energy efficient scheduling based on marginal cost and task grouping in data centers | |
Kant et al. | Enhancing data center sustainability through energy-adaptive computing |
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 |