CN111736968B - 配电系统云数据中心计算资源优化配置方法、装置、设备及介质 - Google Patents
配电系统云数据中心计算资源优化配置方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111736968B CN111736968B CN202010462529.0A CN202010462529A CN111736968B CN 111736968 B CN111736968 B CN 111736968B CN 202010462529 A CN202010462529 A CN 202010462529A CN 111736968 B CN111736968 B CN 111736968B
- Authority
- CN
- China
- Prior art keywords
- task
- cost
- configuration
- distribution system
- cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
-
- 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
-
- 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)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (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
本发明公开了一种配电系统云数据中心计算资源优化配置方法、装置、设备及介质,方法包括:针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案,总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本。本发明可以解决现有配电系统云数据中心计算资源配置经济性差的问题,提升云数据中心的经济性。
Description
技术领域
本发明涉及一种配电系统云数据中心计算资源优化配置方法、装置、设备及介质,属于配电系统云数据中心规划领域。
背景技术
电网规模不断扩大,配电系统运行情况日趋复杂,使得对配电系统内分布广且数量大的设备进行实时监视、分析和控制更加复杂多样化。配电系统数据中心为配电网提供灵活、安全、可靠的信息化基础设施,是配电系统业务任务的基础保障,业务任务复杂多样化的趋势对配电系统数据中心的性能提出了更加严峻的挑战。
云计算主要由基础设施即服务、平台即服务和软件即服务构成,通过构成虚拟化资源池统一管理,赋予数据中心资源可定义、可配置的特性,进而实现数据中心资源按需即用、随需分配。因此,建立云数据中心来解决泛在电力物联网带来的海量数据接入和快速处理的挑战,以满足配电系统监视、分析和控制需要,已经得到广泛关注。然而,为了提高云数据中心服务质量,充分利用云数据中心的资源,降低云数据中心的配置成本,需要制定合理资源配置方法。
发明内容
有鉴于此,本发明提供了一种配电系统云数据中心计算资源优化配置方法、装置、设备及介质,其可以解决现有配电系统云数据中心计算资源配置经济性差的问题,提升云数据中心的经济性。
本发明的第一个目的在于提供一种配电系统云数据中心计算资源优化配置方法。
本发明的第二个目的在于提供一种配电系统云数据中心计算资源优化配置装置。
本发明的第三个目的在于提供一种配电系统云数据中心计算资源优化配置设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种配电系统云数据中心计算资源优化配置方法,所述方法包括:
针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;
在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;
在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本。
进一步的,所述任务处理策略,具体包括:
用二进制变量表示某个时隙内到达云端的任务是否运行在某个云服务器单元;
使每个到达云端的任务仅能分配至一个云服务器单元处理;
将二进制变量构成任务分配矩阵,任务分配矩阵的每行元素求和为运行在各个云服务器单元的任务总数;
通过任务积压量和计算负荷来反映不同时刻云服务器单元的两个排队状态。
进一步的,所述使每个到达云端的任务仅能分配至一个云服务器单元处理,满足下式:
其中,yijr为二进制变量,τ为时隙,Rτ为时隙τ内云端所有投入运行的云服务器单元集合,Aτ为时隙τ内到达云端任务组成的向量。
进一步的,所述任务分配矩阵的每行元素求和为运行在各个云服务器单元的任务总数,如下式:
其中,yijr为二进制变量,Rτ为时隙τ内云端所有投入运行的云服务器单元集合。
进一步的,所述通过任务积压量和计算负荷来反映不同时刻云服务器单元的两个排队状态,如下式:
Qi(τ+1)=max(Qi(τ)+Yi(τ)-Ui(τ),0)
Qwi(τ+1)=max(Qwi(τ)+Ywi(τ)-Uwi,0)
其中,τ为时隙,Qi(τ)为时隙τ内第i个云服务器单元CUi的积压任务数量;Yi(τ)为时隙τ内分配至第i个云服务器单元CUi的任务总数;Ui(τ)为时隙τ内处理完成的任务总数;Qwi(τ)为时隙τ内积压的计算负荷总量,是处理Qi(τ)个任务所需的任务指令数;Ywi(τ)为时隙τ内到达第i个云服务器单元CUi的任务负荷,是Yi(τ)个任务所需的任务指令数;Uwi(τ)是时隙τ内第i个云服务器单元CUi执行的任务指令数,通过第i个云服务器单元CUi计算速率fi得到,即Uwi(τ)=fi×τ。
进一步的,每个到达云端的任务的处理过程包括等待过程和执行过程;
所述等待过程的等待时间,如下式:
所述执行过程的执行时间,如下式:
其中,yijr为二进制变量,Qwi(τ)为时隙τ内积压的计算负荷总量,是处理Qi(τ)个任务所需的任务指令数,Ywi,k(τ)为时隙τ内分配至CUi计算任务集合中第k个被执行的任务计算负荷。
进一步的,所述成本计算公式如下:
其中,yijr为二进制变量,Cres为固定配置成本,Cdemand为动态配置成本,Cope为运行成本;Pres(rk)为投入运行的某一类型的云服务器单元rk的固定配置的价格;Nk为投入某一类型的云服务单元rk的个数;Pctrl(rk)为投入运行的某一类型的云服务器单元rk的动态配置的价格;mk(τ)为在时隙τ内投入运行的某一类型的云服务器单元的数量。
本发明的第二个目的可以通过采取如下技术方案达到:
一种配电系统云数据中心计算资源优化配置装置,所述装置包括:
第一确定单元,用于针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;
第二确定单元,用于在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;
找出单元,用于在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本。
本发明的第三个目的可以通过采取如下技术方案达到:
一种配电系统云数据中心计算资源优化配置设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的配电系统云数据中心计算资源优化配置方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的配电系统云数据中心计算资源优化配置方法。
本发明相对于现有技术具有如下的有益效果:
本发明针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合,在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合,在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案,可以解决现有配电系统云数据中心计算资源配置经济性差的问题,提升云数据中心的经济性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的配电系统云数据中心计算资源优化配置方法的流程图。
图2为本发明实施例2的配电系统云数据中心计算资源优化配置装置的结构框图。
图3为本发明实施例2的计算资源需求解析模块的结构框图。
图4为本发明实施例3的配电系统云数据中心计算资源优化配置设备的结构框图。
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的一部分实施例,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作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1:
如图1所示,本实施例提供了一种配电系统云数据中心计算资源优化配置方法,该方法包括以下步骤:
S101、针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合。
其中,配电系统所有业务在不同运行状态下各时刻的任务指令数集合,如云数据中心进行一次加、减、乘、除、矩阵逆运算等需要的时钟周期数,任务指令数的单位是百万指令数(MI:Million Instructions)。
为了完成配电系统云数据中心计算资源优化配置,首先要确定,针对该配电系统所有开展业务,对配电系统云数据中心计算力的整体需求,本实施例采用时钟周期数来衡量计算力需求,但衡量计算力需求的指标并不局限于时钟周期数,还可以是指令长度等其它衡量指标。
为了保证云数据中心计算能力的可靠性,将极端状态下所有业务在各时刻的任务指令数集合,作为配置云数据中心计算资源的依据;极端状态是指在同一时间段内,各业务同时具有最大任务指令数;极端状态下,所有业务各时刻任务指令数集合用Aij表示,如下式:
其中,m代表业务种类,n代表时刻,jmn表示业务m在时刻n的发起的任务指令数,每列元素之和即为该时刻的任务总数。
S102、在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合。
已有的配电网系统云数据中心规划方法中,任意时隙内数据中心提供的计算资源均大于该时隙内所有任务被执行所需要的计算资源,因此导致数据中心计算资源的浪费,既增加了资源配置的建造成本,也增加了运行时的能耗成本以及维护成本。
本实施例中,考虑到配电系统中不同计算任务的处理时间约束差异,以及任务在时间维度的波动性,某一时隙内,数据中心提供的计算资源可以小于该时隙内所有任务被执行所需要的计算资源,部分任务可以进入下个时隙内去完成,在保障服务质量的同时,使得数据中心具有最低的资源配成本,具体实施方法如下:
(1)用二进制变量表示某个时隙内到达云端的任务是否运行在某个云服务器单元。
云数据中心共设置K种类型云服务器单元供以选择(每种类型云服务器单元的计算速率不同),构成云服务器单元CU(cloud unit),表示集合κ={r1,r2,…,rk}。
时隙τ内云端所有投入运行的云服务器单元CU构成集合为Rτ={r1,…,r1,r2,…,r2,rk,…,rk},其中任一类型rk总数为nrk(τ)+mrk(τ)个,投入运行的云服务器单元CU总数为Nrτ+Mrτ(Nrτ为固定配置总数,Mrτ为动态配置总数),对应计算速率向量为Fτ=[f1,…,f1,f2,…,f2,fK,…,fK]。将τ时隙内到达云内任务组成的向量记为Aτ=[a1,a2,…,aNa],其中任意一个任务均属于H,即aj∈H。
为了对每个任务确定唯一的云服务器单元CU为其服务,本实施例用二进制变量yijτ表示时隙τ内到达云端的任务aj是否在ri上进行计算,如下式:
(2)使每个到达云端的任务仅能分配至一个云服务器单元处理。
每个任务能且仅能分配至一个云服务器单元CU处理,则需满足式(3)约束条件:
其中,yijr为二进制变量,即用yijr表示τ时隙内到达云端的任务aj是否在ri上进行计算,Rτ为时隙τ内云端所有投入运行的云服务器单元集合,Aτ为时隙τ内到达云端任务组成的向量。
(3)将二进制变量构成任务分配矩阵,任务分配矩阵的每行元素求和为运行在各个云服务器单元的任务总数。
二进制变量yijr构成任务分配矩阵任务分配矩阵/>的每行元素求和即为到达各个CU的任务总数,如下式:
(4)通过任务积压量和计算负荷来反映不同时刻云服务器单元的两个排队状态。
通过积压任务数量反映不同时刻云服务器单元CU的两个排队状态,如下式:
Qi(τ+1)=max(Qi(τ)+Yi(τ)-Ui(τ),0) (5)
其中,Qi(τ)为时隙τ内第i个云服务器单元CUi的积压任务数量;Yi(τ)为时隙τ内分配至第i个云服务器单元CUi的任务总数;Ui(τ)为时隙τ内处理完成的任务总数。
通过计算负荷来反映不同时刻云服务器单元的两个排队状态,如下式:
Qwi(τ+1)=max(Qwi(τ)+Ywi(τ)-Uwi,0) (6)
其中,Qwi(τ)为时隙τ内积压的计算负荷总量,是处理Qi(τ)个任务所需的任务指令数;Ywi(τ)为时隙τ内到达第i个云服务器单元CUi的任务负荷,是Yi(τ)个任务所需的任务指令数;Uwi(τ)是时隙τ内第i个云服务器单元CUi执行的任务指令数,通过第i个云服务器单元CUi计算速率可得到,即Uwi(τ)=fi×τ。
本实施例中,每个到达云端的任务的处理过程包括等待过程和执行过程;
所述等待过程的等待时间,如下式:
其中,Ywi,k(τ)为时隙τ内分配至CUi计算任务集合中第k个被执行的任务计算负荷。
所述执行过程的执行时间,如下式:
通过上述公式(2)~(8)确定配电系统云数据中心内云服务器单元CU的固定配置数量和动态配置数量的集合。
S103、在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案。
泛在电力物联网背景下,电网运营商作为云服务提供商和云服务使用者,一方面需要配置合适计算资源提供核心计算服务,另一方面需要合理调用计算资源满足电网日常运行管理任务需要。
(1)固定配置
针对周期或持续使用计算资源的任务服务,云服务会提供长时间段内稳定的计算资源,即固定配置资源。电网运营商作为云服务提供商,针对这部分计算要求,需要投入固定配置的计算资源,以便维系配电系统云数据中心长时间尺度下的可用性和稳定性。
(2)动态配置
根据任务服务需求可以随时开启或停止的计算资源,称为动态配置资源。对于云服务提供商而言,需要任务控制技术实现短时间内计算资源的启停,以应对配网中非周期型业务,突发业务,波动业务等业务的计算需求,由此带来额外的动态配置成本。
总成本包括配置成本与运行成本,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本,总成本的计算如下式:
C=Cbase+Cope (9)
其中,Cbase为配置成本,Cbase=Cres+Cdemand,Cres固定配置成本,Cdemand动态配置成本;Cope为运行成本,在运行过程中使用固定配置资源和动态配置资源所引起的电能能消耗成本。
本实施例的成本计算公式如下:
其中,Pres(rk)为投入运行的某一类型的云服务器单元rk的固定配置的价格;Nk为投入某一类型的云服务单元rk的个数;Pctrl(rk)为投入运行的某一类型的云服务器单元rk的动态配置的价格;mk(τ)为在时隙τ内投入运行的某一类型的云服务器单元的数量。
本实施例在满足固定配置数量和动态配置数量的集合内,通过式(9)找出使得总成本C最小的解,即为该云数据中心在满足配电网计算业务的需求下,云数据中心内计算资源的最优配置方案,能够兼顾云数据中心的配置成本和运行成本最小。
本领域技术人员可以理解,实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述实施例的方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2:
如图2所示,本实施例提供了一种配电系统云数据中心计算资源优化配置装置,该装置包括计算单元库模块201、服务质量库模块202、算法单元库模块203,各个模块的具体说明如下:
计算单元库模块201:主要封装了各种基本运算单元的任务指令数,如数据中心进行一次加、减、乘、除、矩阵逆运算等需要的时钟周期数。
服务质量库模块202:主要封装了不同任务的服务质量需求,如业务的时延要求,可靠性要求等。
算法单元库模块203:主要封装了完成各种业务所使用的算法集合。
数据库模块204:主要为上述模块提供数据存储能力。
运行状态库模块205:主要封装了在不同运行状态下配电系统的需求业务。
计算资源需求解析模块206:可以调用上述五个模块,完成对计算负荷的解析。首先由运行状态库模块,确定配网系统在该运行状态下的所有业务集合。然后逐一确定某一项项业务所采取的算法,并从算法单元库模块得出完成该业务所需的基本运算集合;随后,通过计算单元库模块中,得出各项基本运算对应的任务指令数。
进一步地,计算资源需求解析模块206如图3所示,具体包括:
第一确定单元2061,用于针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合。
第二确定单元2062,用于在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合。
找出单元2063,用于在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本。
本实施例中各个单元的具体实现可以参见上述实施例1,在此不再一一赘述;需要说明的是,本实施例提供的装置仅以上述各功能单元的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能单元完成,即将内部结构划分成不同的功能单元,以完成以上描述的全部或者部分功能。
实施例3:
本实施例提供了一种配电系统云数据中心计算资源优化配置设备,该优化配置设备为计算机,如图4所示,其包括通过系统总线401连接的处理器402、存储器、输入装置403、显示器404和网络接口405,该处理器用于提供计算和控制能力,该存储器包括非易失性存储介质406和内存储器407,该非易失性存储介质406存储有操作系统、计算机程序和数据库,该内存储器407为非易失性存储介质中的操作系统和计算机程序的运行提供环境,处理器402执行存储器存储的计算机程序时,实现上述实施例1的配电系统云数据中心计算资源优化配置方法,如下:
针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;
在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;
在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本。
实施例4:
本实施例提供了一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时,实现上述实施例1的配电系统云数据中心计算资源优化配置方法,如下:
针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;
在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;
在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本。
本实施例中所述的存储介质可以是磁盘、光盘、计算机存储器、随机存取存储器(RAM,Random Access Memory)、U盘、移动硬盘等介质。
综上所述,本发明针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合,在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合,在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案,可以解决现有配电系统云数据中心计算资源配置经济性差的问题,提升云数据中心的经济性。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (8)
1.一种配电系统云数据中心计算资源优化配置方法,其特征在于,所述方法包括:
针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;
在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;
在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本;
所述任务处理策略,具体包括:
用二进制变量表示某个时隙内到达云端的任务是否运行在某个云服务器单元;
使每个到达云端的任务仅能分配至一个云服务器单元处理;
将二进制变量构成任务分配矩阵,任务分配矩阵的每行元素求和为运行在各个云服务器单元的任务总数;
通过任务积压量和计算负荷来反映不同时刻云服务器单元的两个排队状态;
所述成本计算公式如下:
其中,yijr为二进制变量,Cres为固定配置成本,Cdemand为动态配置成本,Cope为运行成本;Pres(rk)为投入运行的某一类型的云服务器单元rk的固定配置的价格;Nk为投入某一类型的云服务单元rk的个数;Pctrl(rk)为投入运行的某一类型的云服务器单元rk的动态配置的价格;mk(τ)为在时隙τ内投入运行的某一类型的云服务器单元的数量。
2.根据权利要求1所述的配电系统云数据中心计算资源优化配置方法,其特征在于,所述使每个到达云端的任务仅能分配至一个云服务器单元处理,满足下式:
其中,yijr为二进制变量,τ为时隙,Rτ为时隙τ内云端所有投入运行的云服务器单元集合,Aτ为时隙τ内到达云端任务组成的向量。
3.根据权利要求1所述的配电系统云数据中心计算资源优化配置方法,其特征在于,所述任务分配矩阵的每行元素求和为运行在各个云服务器单元的任务总数,如下式:
其中,yijr为二进制变量,Rτ为时隙τ内云端所有投入运行的云服务器单元集合。
4.根据权利要求1所述的配电系统云数据中心计算资源优化配置方法,其特征在于,所述通过任务积压量和计算负荷来反映不同时刻云服务器单元的两个排队状态,如下式:
Qi(τ+1)=max(Qi(τ)+Yi(τ)-Ui(τ),0)
Qwi(τ+1)=max(Qwi(τ)+Ywi(τ)-Uwi,0)
其中,τ为时隙,Qi(τ)为时隙τ内第i个云服务器单元CUi的积压任务数量;Yi(τ)为时隙τ内分配至第i个云服务器单元CUi的任务总数;Ui(τ)为时隙τ内处理完成的任务总数;Qwi(τ)为时隙τ内积压的计算负荷总量,是处理Qi(τ)个任务所需的任务指令数;Ywi(τ)为时隙τ内到达第i个云服务器单元CUi的任务负荷,是Yi(τ)个任务所需的任务指令数;Uwi(τ)是时隙τ内第i个云服务器单元CUi执行的任务指令数,通过第i个云服务器单元CUi计算速率fi得到,即Uwi(τ)=fi×τ。
5.根据权利要求1所述的配电系统云数据中心计算资源优化配置方法,其特征在于,每个到达云端的任务的处理过程包括等待过程和执行过程;
所述等待过程的等待时间,如下式:
所述执行过程的执行时间,如下式:
其中,yijr为二进制变量,Qwi(τ)为时隙τ内积压的计算负荷总量,是处理Qi(τ)个任务所需的任务指令数,Ywi,k(τ)为时隙τ内分配至CUi计算任务集合中第k个被执行的任务计算负荷。
6.一种配电系统云数据中心计算资源优化配置装置,其特征在于,所述装置包括:
第一确定单元,用于针对确定规模的配电系统,确定该规模下配电系统所有业务在不同运行状态下各时刻的任务指令数集合;
第二确定单元,用于在确定的任务指令数集合基础上,根据任务处理策略,确定配电系统云数据中心内云服务器单元的固定配置数量和动态配置数量的集合;
找出单元,用于在满足固定配置数量和动态配置数量的集合内,根据成本计算公式,找出使得总成本最小的计算资源最优配置方案;其中,所述总成本为配置成本与运行成本之和,配置成本是指固定配置成本和动态配置成本,运行成本是指预留实例和按需实例的使用成本;
所述任务处理策略,具体包括:
用二进制变量表示某个时隙内到达云端的任务是否运行在某个云服务器单元;
使每个到达云端的任务仅能分配至一个云服务器单元处理;
将二进制变量构成任务分配矩阵,任务分配矩阵的每行元素求和为运行在各个云服务器单元的任务总数;
通过任务积压量和计算负荷来反映不同时刻云服务器单元的两个排队状态;
所述成本计算公式如下:
其中,yijr为二进制变量,Cres为固定配置成本,Cdemand为动态配置成本,Cope为运行成本;Pres(rk)为投入运行的某一类型的云服务器单元rk的固定配置的价格;Nk为投入某一类型的云服务单元rk的个数;Pctrl(rk)为投入运行的某一类型的云服务器单元rk的动态配置的价格;mk(τ)为在时隙τ内投入运行的某一类型的云服务器单元的数量。
7.一种配电系统云数据中心计算资源优化配置设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1-5任一项所述的配电系统云数据中心计算资源优化配置方法。
8.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-5任一项所述的配电系统云数据中心计算资源优化配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462529.0A CN111736968B (zh) | 2020-05-27 | 2020-05-27 | 配电系统云数据中心计算资源优化配置方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010462529.0A CN111736968B (zh) | 2020-05-27 | 2020-05-27 | 配电系统云数据中心计算资源优化配置方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736968A CN111736968A (zh) | 2020-10-02 |
CN111736968B true CN111736968B (zh) | 2023-08-22 |
Family
ID=72647894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010462529.0A Active CN111736968B (zh) | 2020-05-27 | 2020-05-27 | 配电系统云数据中心计算资源优化配置方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736968B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114006816B (zh) * | 2021-11-09 | 2022-11-22 | 湖南大学 | 一种不确定性条件下移动云计算任务卸载与资源分配方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101772092A (zh) * | 2009-01-06 | 2010-07-07 | 大唐移动通信设备有限公司 | 一种动态分配上行控制信道预留资源的方法及设备 |
JP2019082848A (ja) * | 2017-10-30 | 2019-05-30 | ネモ パートナーズ エヌイーシー | 新再生エネルギービジネスモデルの経済性を分析し通知するための装置 |
CN109919398A (zh) * | 2019-04-12 | 2019-06-21 | 东南大学 | 基于图分割算法的含风电电力系统分区备用优化配置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9658785B2 (en) * | 2015-03-25 | 2017-05-23 | Amazon Technologies, Inc. | Dynamic configuration of data volumes |
-
2020
- 2020-05-27 CN CN202010462529.0A patent/CN111736968B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101772092A (zh) * | 2009-01-06 | 2010-07-07 | 大唐移动通信设备有限公司 | 一种动态分配上行控制信道预留资源的方法及设备 |
JP2019082848A (ja) * | 2017-10-30 | 2019-05-30 | ネモ パートナーズ エヌイーシー | 新再生エネルギービジネスモデルの経済性を分析し通知するための装置 |
CN109919398A (zh) * | 2019-04-12 | 2019-06-21 | 东南大学 | 基于图分割算法的含风电电力系统分区备用优化配置方法 |
Non-Patent Citations (1)
Title |
---|
Cloud Computing Placement Optimization Under Ubiquitous Power Internet of Things Background;Ziyi Zhang etal;IEEE;13-18 * |
Also Published As
Publication number | Publication date |
---|---|
CN111736968A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ishii et al. | Elastic stream computing with clouds | |
Selvarani et al. | Improved cost-based algorithm for task scheduling in cloud computing | |
Ge et al. | GA-based task scheduler for the cloud computing systems | |
Singh et al. | EARTH: Energy-aware autonomic resource scheduling in cloud computing | |
Masdari et al. | Efficient task and workflow scheduling in inter-cloud environments: challenges and opportunities | |
US20120060167A1 (en) | Method and system of simulating a data center | |
Huang et al. | Cap3: A cloud auto-provisioning framework for parallel processing using on-demand and spot instances | |
CN108021435B (zh) | 一种基于截止时间的具有容错能力的云计算任务流调度方法 | |
CN103617067A (zh) | 一种基于云计算的电力软件仿真系统 | |
CN109614227A (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
Deng et al. | A data and task co-scheduling algorithm for scientific cloud workflows | |
Passacantando et al. | Service provisioning problem in cloud and multi-cloud systems | |
Jangiti et al. | EMC2: Energy-efficient and multi-resource-fairness virtual machine consolidation in cloud data centres | |
Li et al. | Cost-aware automatic scaling and workload-aware replica management for edge-cloud environment | |
CN111736968B (zh) | 配电系统云数据中心计算资源优化配置方法、装置、设备及介质 | |
Zaidi | Virtual Machine Allocation Policy in Cloud Computing Environment using CloudSim. | |
Liu et al. | Dynamic resource reservation via broker federation in cloud service: A fine-grained heuristic-based approach | |
Kwon et al. | Dynamic scheduling method for cooperative resource sharing in mobile cloud computing environments | |
Kanagasubaraja et al. | Energy optimization algorithm to reduce power consumption in cloud data center | |
Rak et al. | Cost/performance evaluation for cloud applications using simulation | |
CN117311973A (zh) | 计算设备调度方法、装置、非易失性存储介质及电子设备 | |
Islam et al. | A carbon-aware incentive mechanism for greening colocation data centers | |
CN113296907B (zh) | 一种基于集群的任务调度处理方法、系统和计算机设备 | |
CN115658263A (zh) | 一种云计算平台任务调度方法及系统 | |
CN115408061A (zh) | 复数矩阵运算的硬件加速方法、装置、芯片及存储介质 |
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 |