CN112235131B - 一种基于清洁能源时间窗口的数据中心网络业务配置方法 - Google Patents
一种基于清洁能源时间窗口的数据中心网络业务配置方法 Download PDFInfo
- Publication number
- CN112235131B CN112235131B CN202011024031.2A CN202011024031A CN112235131B CN 112235131 B CN112235131 B CN 112235131B CN 202011024031 A CN202011024031 A CN 202011024031A CN 112235131 B CN112235131 B CN 112235131B
- Authority
- CN
- China
- Prior art keywords
- bandwidth
- clean energy
- path
- data center
- formula
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明请求保护一种基于清洁能源时间窗口的数据中心网络业务配置方法,属于通信网技术领域。针对数据中心网络业务配置过程中对清洁能源和网络带宽资源的优化利用问题,提出基于清洁能源时间窗口的业务配置方法。本发明根据不同数据中心的清洁能源时间窗口分布,以及业务带宽和持续时间需求,设计相应的数据中心清洁能耗代价,以及接入通路能耗与接入带宽资源代价,采用模拟退火算法思想构建路由带宽配置模型,通过对不同的数据中心清洁能耗、接入通路能耗,以及接入带宽配置的迭代优化,有效降低业务持续期间的总能耗,并提高数据中心清洁能耗占比和网络带宽资源利用率。
Description
技术领域
本发明属于通信网技术领域,具体涉及一种基于清洁能源时间窗口的数据中心网络业务配置方法。
背景技术
随着云计算和信息技术的快速发展,各种大型数据中心建设和运营使得数据中心网络的电量消耗不断增加。据统计,全球通信网络的总耗电量正以每年百分之十左右的速度增长,远高于整体电力需求的增长速度。由于煤炭和石油等非清洁能源的大量使用会产生严重的温室效应,造成自然环境的破坏,如何有效降低信息与通信领域的能耗,并提高清洁能源使用占比已成为信息与通信行业健康发展的重要问题。
目前,以太阳能、水能、风能为代表的混合清洁能源已逐渐在信息与通信行业得到应用。然而,清洁能源供应的持续性和稳定性问题尚未完全解决,人类对于清洁能源的利用依然面临许多挑战。特别是在数据中心网络中,由于地理位置的不同,每个数据中心在不同时段的清洁能源供应也各不相同,这使得单个数据中心难以为大量业务提供持续的清洁能源供应。现有关于绿色数据中心网络的相关研究大多采用基于固定清洁能源总量的绿色节能方案,而对清洁能源供应随时间波动的实际情况缺乏深入考虑,可能导致实际的清洁能耗占比低于预期。
为解决以上问题,本发明采用图2所示细粒度时间窗口模型,动态记录数据中心可用清洁能源的日内窗口分布,实现对数据中心清洁能源供应波动性的准确刻画,在此基础上提出一种基于清洁能源时间窗口的数据中心网络业务配置方法,有效降低数据中心业务总能耗,并提高清洁能耗占比和网络带宽资源利用率。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种有效降低业务持续期间的总能耗,并提高数据中心清洁能耗占比和网络带宽资源利用率的方法。本发明的技术方案如下:
一种基于清洁能源时间窗口的数据中心网络业务配置方法,其包括以下步骤:
101、根据网络带宽资源状态和业务r的请求带宽br,更新链路能耗和带宽资源代价cl,分别在业务请求节点s和各数据中心节点dk之间为业务r计算一条最小代价通路pk,并加入备选通路集合Z中,如果跳转到步骤102,否则,算法结束;
103、采用模拟退火算法思想建立路由带宽配置模型,初始化当前状态S,终止状态S′和状态转移系数ε,以及当前状态下的迭代计数门限θs和未更新当前解计数门限μs,当前状态下的迭代计数变量θ=0,未更新当前解计数变量μ=0,当前解目标函数值scur=+∞,最优解目标函数值sopt=+∞;
104、在当前状态S下,根据各数据中心dk的清洁能耗代价及相应的接入通路代价分别为Z中每条通路pk计算选择概率Uk(S),并产生一个相应的随机数Qpk,其中,0<Qpk<1,将Uk(S)>Qpk的通路pk加入集合Z′;
106、根据集合Z′中各通路pk的可用带宽bk,更新相应通路的带宽分配概率并产生随机数Qc,其中,0<Qc<1,为对应的通路pk分配一个单位带宽,如果跳转到步骤106,其中,表示业务r在通路pk上分配的带宽,否则,计算新的目标函数值snew;
107、如果snew<scur,令scur=snew,sopt=scur,μ=0,跳转到步骤109,否则,根据snew与scur的差值,计算当前解更新概率UA,并产生随机数QΔ,其中,0<QΔ<1,跳转到步骤108;
108、如果UA>QΔ,令scur=snew,μ=0,跳转到109,否则,令μ=μ+1,跳转到步骤109;
109、如果θ>θs或μ>μs,根据状态转移系数ε更新当前状态S,跳转到步骤110,否则,令θ=θ+1,跳转到步骤106;
110、如果S>S′,令θ=0,μ=0,跳转到步骤104,否则,输出sopt对应的最优路由带宽配置方案。
进一步的,所述步骤101中链路能耗和带宽资源代价cl的定义如式(1)所示。
式(2)中,tr表示业务请求r的持续时间,表示业务r在数据中心dk内的总功耗,且其中,λ表示服务器运行及冷却开销常数,表示业务r在通路pk上分配的带宽,Ps表示服务器单位时间处理数据量所需的额定功耗,i表示数据中心dk的清洁能源时间窗口序号,表示在第i个时间窗口内数据中心dk的可用清洁能源功率值,Δti表示业务r在第i个时间窗口内所占时长,且
进一步的,步骤103中目标函数定义如式(3)所示。
式(3)中,k|pk∈Z′表示集合Z′内通路pk对应的k值,表示业务r在通路pk上的功耗代价如式(4)所示,表示数据中心dk的可用清洁能源代价如式(2)所示,表示业务r在通路pk上的带宽资源代价如式(5)所示,α,β和γ表示权重系数。
式(5)中,hk表示通路pk的跳数,H表示通路最大跳数。
进一步的,步骤104中通路pk的选择概率Uk(S)的定义如式(6)所示。
式(6)中,S表示当前状态。
本发明的优点及有益效果如下:
针对数据中心网络业务配置过程中对清洁能源和网络带宽资源的优化利用问题,提出基于清洁能源时间窗口的业务配置方法。为了真实反映数据中心清洁能源日内供应的实际情况,本发明采用图2所示细粒度时间窗口模型,动态记录数据中心可用清洁能源的日内窗口分布,实现对数据中心清洁能源供应波动性的准确刻画。在此基础上,根据不同数据中心的清洁能源时间窗口分布,以及业务带宽和持续时间需求,设计相应的数据中心清洁能耗代价,以及接入通路能耗与接入带宽资源代价,可为不同配置方案下的能耗和资源利用率提供更加准确的量化依据。采用模拟退火算法思想构建路由带宽配置模型,通过对不同的数据中心清洁能耗、接入通路能耗,以及接入带宽配置的迭代优化,从而能够有效降低业务持续期间的总能耗,并提高数据中心清洁能耗占比和网络带宽资源利用率。
附图说明
图1是本发明提供优选实施例基于清洁能源时间窗口的数据中心网络业务配置方法流程图。
图2是本发明提供优选实施例数据中心可用清洁能源的日内时间窗口分布图。
具体实施方式
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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本发明内容所涉及的概念和模型如下:
1.网络模型
假设数据中心网络为G(N,D,L),其中,N为节点集合,D为数据中心节点集合,L为链路集合。每个数据中心节点均采用混合能源供电,即包含清洁能源和非清洁能源。其中,清洁能源包含由太阳能、水能、风能组成的混合清洁能源,且清洁能源供应量随时间波动,非清洁能源供应量不限。当清洁能源不足时,使用非清洁能源供电。数据中心接入通路采用非清洁能源供电。
2.本发明内容所涉及的其他符号说明如下:
cl:链路l的能耗和带宽资源代价
i:时间窗口编号
br:业务r的请求带宽
Uk(S):通路pk的选择概率
本发明的技术方案说明如下:
1、为真实准确反映数据中心清洁能源供应的实际情况,采用细粒度时间窗口模型动态,记录数据中心可用清洁能源的日内窗口分布如图2所示。在后续方案说明中,i表示时间窗口编号,时间窗口粒度可根据需要设定,通常,清洁能源供应的波动程度越剧烈,时间窗口粒度越小。
2、根据网络带宽资源状态和业务r请求带宽br,更新链路能耗和带宽资源代价cl,在业务请求节点s和各数据中心节点dk之间为业务r计算一条最小代价通路pk。cl的定义如式(1)所示。
式(2)中,tr表示业务请求r的持续时间,表示业务r在数据中心dk内的总功耗,且其中,λ表示服务器运行及冷却开销常数,表示业务r在通路pk上分配的带宽,Ps表示服务器单位时间处理数据量所需的额定功耗,i表示数据中心dk的清洁能源时间窗口序号,表示在第i个时间窗口内数据中心dk的可用清洁能源功率值,Δti表示业务r在第i个时间窗口内所占时长,且
式(3)中,k|pk∈Z′表示集合Z′内通路pk对应的k值,表示业务r在通路pk上的功耗代价如式(4)所示,表示数据中心dk的可用清洁能源代价如式(2)所示,表示业务r在通路pk上的带宽资源代价如式(5)所示,α,β和γ表示权重系数。
式(5)中,hk表示通路pk的跳数,H表示通路最大跳数。
5、在当前状态S下,分别为备选通路集合Z中的每条通路pk计算选择概率Uk(S),并产生一个相应的随机数Qpk,其中,0<Qpk<1,将Uk(S)>Qpk的通路pk加入集合Z′。通路pk的选择概率Uk(S)的定义如式(6)所示。
式(6)中,S表示当前状态。
6、根据集合Z′中各通路pk的可用带宽bk,更新相应通路的带宽分配概率Ubk,并产生随机数Qc,其中,0<Qc<1,为对应的通路pk分配一个单位带宽,按照此方式迭代分配单位带宽,直到所有通路分配的带宽之和满足业务请求带宽br。通路pk的带宽分配概率定义如式(7)所示。
一种基于清洁能源时间窗口的数据中心网络业务配置方法,应用于数据中心网络,其具体实施方法包括以下步骤:
步骤1:根据网络带宽资源状态和业务r的请求带宽br,更新链路能耗和带宽资源代价cl,分别在业务请求节点s和各数据中心节点dk之间为业务r计算一条最小代价通路pk,并加入备选通路集合Z中,如果跳转到步骤2,否则,算法结束;
步骤3:采用模拟退火算法思想建立路由带宽配置模型,初始化当前状态S,终止状态S′和状态转移系数ε,以及当前状态下的迭代计数门限θs和未更新当前解计数门限μs,当前状态下的迭代计数变量θ=0,未更新当前解计数变量μ=0,当前解目标函数值scur=+∞,最优解目标函数值sopt=+∞;
步骤4:在当前状态S下,根据各数据中心dk的清洁能耗代价及相应的接入通路代价分别为Z中每条通路pk计算选择概率Uk(S),并产生一个相应的随机数Qpk,其中,0<Qpk<1,将Uk(S)>Qpk的通路pk加入集合Z′;
步骤6:根据集合Z′中各通路pk的可用带宽bk,更新相应通路的带宽分配概率并产生随机数Qc,其中,0<Qc<1,为对应的通路pk分配一个单位带宽,如果跳转到步骤6,其中,表示业务r在通路pk上分配的带宽,否则,计算新的目标函数值snew;
步骤7:如果snew<scur,令scur=snew,sopt=scur,μ=0,跳转到步骤9,否则,根据snew与scur的差值,计算当前解更新概率UA,并产生随机数QΔ,其中,0<QΔ<1,跳转到步骤8;
步骤8:如果UA>QΔ,令srucwen=s,μ=0,跳转到步骤9,否则,令μ=μ+1,跳转到步骤9;
步骤9:如果θ>θs或μ>μs,根据状态转移系数ε更新当前状态S,跳转到步骤10,否则,令θ=θ+1,跳转到步骤6;
步骤10:如果S>S′,令θ=0,μ=0,跳转到步骤4,否则,输出sopt对应的最优路由带宽配置方案。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (4)
1.一种基于清洁能源时间窗口的数据中心网络业务配置方法,其特征在于,包括以下步骤:
101、根据网络带宽资源状态和业务r的请求带宽br,更新链路能耗和带宽资源代价cl,分别在业务请求节点s和各数据中心节点dk之间为业务r计算一条最小代价通路pk,并加入备选通路集合Z中,如果跳转到步骤102,否则,算法结束;
102、根据不同数据中心内可用清洁能源的日内窗口分布、业务请求时长tr,以及相应的接入通路可用带宽bk,更新各数据中心dk的可用清洁能源代价103、采用模拟退火算法思想建立路由带宽配置模型,初始化当前状态S,终止状态S′和状态转移系数ε,以及当前状态下的迭代计数门限θs和未更新当前解计数门限μs,当前状态下的迭代计数变量θ=0,未更新当前解计数变量μ=0,当前解目标函数值scur=+∞,最优解目标函数值sopt=+∞;
104、在当前状态S下,根据各数据中心dk的清洁能耗代价及相应的接入通路代价分别为Z中每条通路pk计算选择概率Uk(S),并产生一个相应的随机数Qpk,其中,0<Qpk<1,将Uk(S)>Qpk的通路pk加入集合Z′;
106、根据集合Z′中各通路pk的可用带宽bk,更新相应通路的带宽分配概率并产生随机数Qc,其中,0<Qc<1,为对应的通路pk分配一个单位带宽,如果跳转到步骤106,其中,表示业务r在通路pk上分配的带宽,否则,计算新的目标函数值snew;
107、如果snew<scur,令scur=snew,sopt=scur,μ=0,跳转到步骤109,否则,根据snew与scur的差值,计算当前解更新概率UA,并产生随机数QΔ,其中,0<QΔ<1,跳转到步骤108;
108、如果UA>QΔ,令scur=snew,μ=0,跳转到109,否则,令μ=μ+1,跳转到步骤109;
109、如果θ>θs或μ>μs,根据状态转移系数ε更新当前状态S,跳转到步骤110,否则,令θ=θ+1,跳转到步骤106;
110、如果S>S′,令θ=0,μ=0,跳转到步骤104,否则,输出sopt对应的最优路由带宽配置方案;
所述步骤103中目标函数定义如式(3)所示:
式(3)中,k|pk∈Z′表示集合Z′内通路pk对应的k值,表示业务r在通路pk上的功耗代价如式(4)所示,表示数据中心dk的可用清洁能源代价如式(2)所示,表示业务r在通路pk上的带宽资源代价如式(5)所示,α,β和γ表示权重系数;
式(5)中,hk表示通路pk的跳数,H表示通路最大跳数;
步骤104中通路pk的选择概率Uk(S)的定义如式(6)所示:
式(6)中,S表示当前状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011024031.2A CN112235131B (zh) | 2020-09-25 | 2020-09-25 | 一种基于清洁能源时间窗口的数据中心网络业务配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011024031.2A CN112235131B (zh) | 2020-09-25 | 2020-09-25 | 一种基于清洁能源时间窗口的数据中心网络业务配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112235131A CN112235131A (zh) | 2021-01-15 |
CN112235131B true CN112235131B (zh) | 2022-08-23 |
Family
ID=74108710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011024031.2A Active CN112235131B (zh) | 2020-09-25 | 2020-09-25 | 一种基于清洁能源时间窗口的数据中心网络业务配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112235131B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208852A (zh) * | 2013-04-23 | 2013-07-17 | 汕尾芯灵电子科技有限公司 | 一种绿色能源数据中心系统 |
CN104092609A (zh) * | 2014-07-24 | 2014-10-08 | 苏州大学 | 一种IP over WDM网络构建方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8423103B2 (en) * | 2011-07-12 | 2013-04-16 | Michael J. Hennessy | Energy efficient data center |
CN103107954B (zh) * | 2013-02-05 | 2015-08-26 | 上海交通大学 | 一种基于绿色能源感知的调度方法 |
US20150095405A1 (en) * | 2013-09-29 | 2015-04-02 | Jack J. Sun | Self-adaptive workload solar mode computing optimizer system framework for green hybrid servers |
CN104536826B (zh) * | 2015-01-26 | 2015-10-21 | 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 |
CN108629448B (zh) * | 2018-04-24 | 2021-09-07 | 中山大学 | 一种基于Lyapunov优化的数据中心电能开销优化控制方法及系统 |
CN108924196B (zh) * | 2018-06-20 | 2021-01-19 | 南京邮电大学 | 工业互联网绿色能源管理系统 |
-
2020
- 2020-09-25 CN CN202011024031.2A patent/CN112235131B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103208852A (zh) * | 2013-04-23 | 2013-07-17 | 汕尾芯灵电子科技有限公司 | 一种绿色能源数据中心系统 |
CN104092609A (zh) * | 2014-07-24 | 2014-10-08 | 苏州大学 | 一种IP over WDM网络构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112235131A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ning et al. | Deep reinforcement learning for intelligent internet of vehicles: An energy-efficient computational offloading scheme | |
Sharma et al. | Optimal energy management policies for energy harvesting sensor nodes | |
Lin et al. | Optimal scheduling with vehicle-to-grid regulation service | |
CN111953510B (zh) | 一种基于强化学习的智能电网切片无线资源分配方法及系统 | |
Erkal et al. | Optimal offline broadcast scheduling with an energy harvesting transmitter | |
CN109831808A (zh) | 一种基于机器学习的混合供电c-ran的资源分配方法 | |
CN116663854A (zh) | 一种基于智慧园区的资源调度管理方法、系统及存储介质 | |
Koulali et al. | Dynamic power control for energy harvesting wireless multimedia sensor networks | |
Marbukh | Towards fog network utility maximization (FoNUM) for managing fog computing resources | |
CN113747450B (zh) | 一种移动网络中业务部署方法、装置及电子设备 | |
Zhao et al. | Reinforcement learning for resource mapping in 5G network slicing | |
CN109547263B (zh) | 基于近似计算的片上网络优化方法 | |
CN102946443B (zh) | 一种实现大规模数据传输的多任务调度方法 | |
CN112235131B (zh) | 一种基于清洁能源时间窗口的数据中心网络业务配置方法 | |
JP5861701B2 (ja) | ネットワーク制御方法、経路制御装置、ネットワーク制御システムおよび経路制御プログラム | |
Lai et al. | Energy distribution in EV energy network under energy shortage | |
CN107465571B (zh) | 基于统计特性的战术网络模拟训练背景业务流量生成方法 | |
CN113159539A (zh) | 多层边缘计算系统中联合绿色能源调度和动态任务分配方法 | |
Santos et al. | Multimedia microservice placement in hierarchical multi-tier cloud-to-fog networks | |
CN116302569A (zh) | 一种基于用户请求信息的资源分区智能化调度方法 | |
US8797851B2 (en) | Locating traffic reduction utilities in communication networks | |
CN114418232A (zh) | 储能系统运行优化方法、系统、服务器及存储介质 | |
Chen et al. | DDPG-based intelligent rechargeable fog computation offloading for IoT | |
Bera et al. | Cloud-based optimal energy forecasting for enabling green smart grid communication | |
Ge et al. | A hierarchical quantized auction for fog resources |
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 |