CN112463292A - 一种多工作模式的服务器集群管理方法、装置及介质 - Google Patents

一种多工作模式的服务器集群管理方法、装置及介质 Download PDF

Info

Publication number
CN112463292A
CN112463292A CN202011283700.8A CN202011283700A CN112463292A CN 112463292 A CN112463292 A CN 112463292A CN 202011283700 A CN202011283700 A CN 202011283700A CN 112463292 A CN112463292 A CN 112463292A
Authority
CN
China
Prior art keywords
load
cluster
working
data
load pressure
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.)
Withdrawn
Application number
CN202011283700.8A
Other languages
English (en)
Inventor
贾欣欣
李锋
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.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
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 Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202011283700.8A priority Critical patent/CN112463292A/zh
Publication of CN112463292A publication Critical patent/CN112463292A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • 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]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
    • 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
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45595—Network integration; Enabling network access in virtual machine instances
    • 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)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明公开了一种多工作模式的服务器集群管理方法、装置及介质，将服务器集群分为固定工作集群和灵活工作集群，分别对固定工作集群和灵活工作集群设定工作模式，对服务器集群设定其最大负载阈值和相应工作模式下的限制访问量；选取若干时间段，采集若干服务器集群在数据中心的所选时间段内的运行数据，将所述运行数据进行处理得到服务器集群的负载数据，根据负载数据计算出服务器集群的负载压力阈值，根据负载数据预测出服务器集群的负载压力值，将负载压力值与所述负载压力阈值进行对比，根据对比结果对灵活工作集群的工作模式进行调整；本发明能够充分利用服务器的性能，不仅可以降低服务器集群的能耗还可以保证服务器的工作质量。

Description

一种多工作模式的服务器集群管理方法、装置及介质
技术领域
本发明涉及服务器集群管理领域，特别是涉及一种多工作模式的服务器集群管理方法、装置及介质。
背景技术
随着网络用户的越来越广泛，应用程序占用的负载越来越大，数据中心的服务器规模和配置也扩展的越来越多，但随着配置的扩展，进而产生了一些不可避免的问题。
第一方面，数据中心的服务器在使用期间需要不断的消耗能源，服务器消耗能源的同时也会产生许多的热能，为了去对服务器进行散热来保持服务器的运行质量，需要为每个服务器增加散热设备，而大量的散热设备又消耗了更多的能源，这样不仅造成大量的能源消耗，也会带来更多的环境污染。
第二方面，数据中心的服务器设备需要满足大量用户访问和不同类型的市场需求，因此一般服务器都会使用很高的配置进行高频工作，但是服务器并不是在每个时间段都会有这么多的用户访问，因此会造成配置资源的浪费。
发明内容
本发明主要解决的技术问题是提供一种多工作模式的服务器集群管理方法、装置及介质，能够解决数据中心服务器单一工作模式导致的大量能源浪费以及配置资源浪费的问题。
为解决上述技术问题，本发明采用的一个技术方案是：一种多工作模式的服务器集群管理方法，包括：
将服务器集群分为固定工作集群和灵活工作集群，分别对固定工作集群和灵活工作集群设定工作模式，对服务器集群设定其最大负载阈值和相应工作模式下的限制访问量；
选取若干时间段，采集若干服务器集群在数据中心的所选时间段内的运行数据，将所述运行数据进行处理得到服务器集群的负载数据，根据负载数据计算出服务器集群的负载压力阈值，根据负载数据预测出服务器集群的负载压力值，将负载压力值与所述负载压力阈值进行对比，根据对比结果对灵活工作集群的工作模式进行调整；
所述固定工作集群为工作模式固定的服务器集群，所述灵活工作集群为工作模式随对比结果变化的服务器集群。
进一步，所述工作模式包括：休眠工作模式、低频工作模式和高频工作模式；所述固定工作集群的工作模式为高频工作模式；所述高频工作模式下的限制访问量为高频限制访问量；所述低频工作模式下的限制访问量为低频限制访问量。
进一步，所述负载压力阈值包括：低频负载压力阈值和高频负载压力阈值。
进一步，所述对比结果包括：当所述负载压力值小于低频负载压力阈值时，将灵活工作集群的工作模式调整为休眠工作模式；
当所述负载压力值大于低频负载压力阈值且负载压力值小于高频负载压力阈值时，将灵活工作集群的工作模式调整为低频工作模式；
当所述负载压力值大于高频负载压力阈值且负载压力小于最大负载阈值时，将灵活工作集群的工作模式调整为高频工作模式；
当所述负载压力值大于高频负载压力阈值且负载压力值大于最大负载阈值时，发出预警信号。
进一步，所述运行数据包括数据请求地址、服务器集群地址、服务器集群在所选时间段内对应的负载请求数和负载响应时间。
进一步，当对所述运行数据处理时，将运行数据发送至数据中心的数据库，根据数据请求地址和服务器集群地址将服务器集群在所选时间段内对应的负载请求数和负载响应时间通过集合进行排列，通过集合的置信区间得到服务器集群的负载数据。
进一步，所述数据中心设有负载因子；所述低频负载压力阈值为固定工作集群中服务器数量与所述高频限制访问量及负载因子的积；
所述高频负载压力阈值为固定工作集群中服务器数量与所述高频限制访问量的积与灵活工作集群中服务器数量与所述低频限制访问量及负载因子的积的和。
进一步，当预测服务器集群的负载压力值时，将所述负载数据代入自回归预测模型公式得出服务器集群在未来时间段内对应的未来负载请求数和未来负载响应时间；所述负载压力值为所述未来负载请求数和所述未来负载响应时间的积。
一种多工作模式的服务器集群管理装置，包括：
管理模块，管理模块上设有网络显示模块、负载采集模块、数据处理模块、预算法模块和调度模块；
所述管理模块通过以太网与用户端进行数据交互，管理模块通过交换机与服务器集群进行数据交互；
所述网络显示模块与所述负载采集模块连接，负载采集模块与所述数据处理模块连接，数据处理模块与所述预算法模块连接，预算法模块与所述调度模块连接；
所述网络显示模块用于使管理人员对服务器集群的最大负载阈值和相应工作模式下的限制访问量进行设定；
所述负载采集模块用于选取若干时间段，并对数据中心的若干服务器集群在所选时间段内的运行数据进行采集，并将采集到的运行数据发送给数据处理模块和数据中心的数据库；
所述数据处理模块用于将所述运行数据进行处理得到服务器集群的负载数据，并根据负载数据计算出服务器集群的负载压力阈值且将负载数据发送给预算法模块；
所述预算法模块用于根据负载数据预测出服务器集群的负载压力值，并将负载压力值发送给调度模块；
所述调度模块用于将所述负载压力值与所述负载压力阈值进行对比，并根据对比结果对灵活工作集群的工作模式进行调整；
所述管理模块用于控制上述模块与服务器集群进行数据交互。
一种计算机存储介质，用于储存为所述多工作模式的服务器集群管理方法所用的计算机软件指令，其包含用于执行上述为多工作模式的服务器集群管理方法所设计的程序。
本发明的有益效果是：本发明能够充分利用服务器的性能，不仅可以降低服务器集群的能耗还可以保证服务器的工作质量。
附图说明
图1是本发明提供的一种多工作模式的服务器集群管理方法的流程示意图；
图2是一种多工作模式的服务器集群管理装置中的管理模块与服务器集群的交互示意图；
图3是一种多工作模式的服务器集群管理装置的结构示意图；
图4是一种多工作模式的服务器集群管理装置中的管理模块的工作逻辑示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
本发明实施例包括：
第一方面，见图1和图4，一种多工作模式的服务器集群管理方法，包括：
将服务器集群设备分为两个工作集群：固定工作集群和灵活工作集群，固定工作集群一直保持唤醒状态并进行高频工作，灵活工作集群分为休眠工作、低频工作、高频工作三种不同的工作模式；灵活工作集群根据调整模块的指令进行工作模式的切换；
将网络显示模块、负载采集模块、数据处理模块、预算法模块和调度模块整合到管理模块中，将管理模块接入服务器集群的数据中心，管理模块通过其中各个模块的配合预测服务器集群的实时负载情况，并根据负载情况对服务器集群进行管理；
将服务器集群和数据中心部署在一个网络环境中，网络显示模块负责和用户及管理人员进行交互操作，以及显示数据中心中所有服务器集群和服务器集群中所有设备的运行情况、工作消耗和配置参数，其主要功能在于，管理人员通过网络显示模块进行和服务器集群之间的交互，对服务器集群的最大负载阈值C和相应工作模式下服务器的限制访问量进行设置；
在数据中心外网入口搭建采集模块，采集模块选取一时间段并使用代理服务器对所选时间段内的服务器集群的请求数p和响应时间s进行采集，并将此运行数据发送给数据处理模块；
数据处理模块将采集到的数据根据其数据请求地址以及服务器集群地址通过集合进行处理，数据中心的n个服务器集群用C＝{c1,c2…cj…cn}来表示，Cj表示第j个服务器集群，设定一天的有m个时间段，整个时间段集群用T＝{t1,t2…tj…tm}表示，tj表示第j个时间段，将采集到的集群的请求数p和响应时间s根据服务器集群C和时间段集群T进行分类统计，最后得到第j个集群在第i个时间段的请求数p和响应时间s的集合，用dij＝(Pij,Si,)来表示，整个采集数据集合阵列为：
Figure BDA0002781628480000061
Pij表示第j个集群在第i个时间段的请求数，Sij表示第j个集群在第i个时间段的相应时间，对于集合中采集到的数据采用置信区间去统计相应时间段的负载情况，数据处理模块先计算Pij的平均值Xp和Sij的平均值Xs，根据Xp和Xs计算两个集合的标准方差σp和σs，在确定置信区间时，根据统计学概念，因为显著性水平越低，数据的置信度越高，所以数据模块按照预先设有的显著水平αp和αs，通过置信区间数据得到置信区间(pl，ph)和(sl，sh)，按照最优保障选取最小相应时间和最大的请求数得到该时间段的负载数据，即dij＝(pij,si,j)。
数据处理模块根据采集数据集合阵列D，对服务器集群的灵活工作集群进行不同工作模式的阈值设定，数据处理模块设定负载因子为M，若固定工作集群中服务器数量为n(n＝1,2，....)，灵活工作集群中服务器数量为m(m＝1,2，....)，灵活工作集群高频工作模式下的限制访问量为Bh，低频工作模式下的限制访问量为B1，低频负载压力阈值A和高频负载压力阈值B，则A＝n*Bh*M，B＝n*Bh+m*Bl*M。
预算法模块根据采集到的集群j的当前时间段ti的负载数据预测下一个时间段t的负载情况，通过ARMA(即Auto regressive Moving Average Mode，自回归模型)，计算得到公式：
Figure BDA0002781628480000071
Figure BDA0002781628480000072
所述公式中，Pjt为集群j在下个时间段t的请求数，sjt为集群j在下个时间段t的响应时间，μ为常数项，p为阶数，γi为自相关系数，∈t为误差；根据Pjt和sjt，最终计算出集群j在下个时间段t的负载压力Yjt＝pjt*sjt。
预算法模块将预算出的负载压力Yjt发送给调度模块，调度模块将负载压力Yjt和低频负载压力阈值A和高频负载压力阈值B进行对比，当负载压力Yjt小于低频负载压力阈值A时，调度模块控制灵活工作集群的工作模式为休眠工作模式，当负载压力Yjt大于低频负载压力阈值A时，调度模块再次判断负载压力Yjt是否大于高频负载压力阈值B，若是，则调度模块控制灵活工作集群的工作模式为高频工作模式，若否，则调度模块控制灵活工作集群的工作模式为低频模式，当灵活工作集群的工作模式为高频工作模式时，调度模块再次判断负载压力Yjt是否大于最大阈值C，若是，则向网络显示模块发送预警信息让用户端控制人员得知，若否，则不发送预警信息。
第二方面，见图2和图3，基于与前述实施例中一种多工作模式的服务器集群管理方法同样的发明构思，本说明书实施例还提供一种多工作模式的服务器集群管理装置，包括：管理模块，管理模块上设有网络显示模块、负载采集模块、数据处理模块、预算法模块和调度模块；管理模块通过交换机与服务器集群连接，用户端通过以太网访问管理模块的网络显示模块，网络显示模块与负载采集模块连接，负载采集模块与数据处理模块连接，数据处理模块和预算法模块连接，预算法模块和调度模块连接，调度模块通过管理模块向服务器集群发送控制信息并对服务器集群中的服务器进行控制。
第三方面，基于与前述实施例中一种多工作模式的服务器集群管理方法同样的发明构思，本说明书实施例还提供一种计算机存储介质，用于储存为所述多工作模式的服务器集群管理方法所用的计算机软件指令，其包含用于执行上述为多工作模式的服务器集群管理方法所设计的程序。
区别于现有技术，采用本申请一种多工作模式的服务器集群管理方法、装置及介质可以使服务器集群分为两个不同工作模式的工作集群，根据对服务器负载情况的预测结果对服务器集群工作集群的工作模式进行调整，使服务器的利用率达到最大化，并保持服务器的运行质量且降低服务器的能源浪费。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种多工作模式的服务器集群管理方法，其特征在于，包括：将服务器集群分为固定工作集群和灵活工作集群，分别对固定工作集群和灵活工作集群设定工作模式，对服务器集群设定其最大负载阈值和相应工作模式下的限制访问量；
选取若干时间段，采集若干服务器集群在数据中心的所选时间段内的运行数据，将所述运行数据进行处理得到服务器集群的负载数据，根据负载数据计算出服务器集群的负载压力阈值，根据负载数据预测出服务器集群的负载压力值，将负载压力值与所述负载压力阈值进行对比，根据对比结果对灵活工作集群的工作模式进行调整；
所述固定工作集群为工作模式固定的服务器集群，所述灵活工作集群为工作模式随所述对比结果变化的服务器集群。
2.根据权利要求1中所述的一种多工作模式的服务器集群管理方法，其特征在于，所述工作模式包括：休眠工作模式、低频工作模式和高频工作模式；所述固定工作集群的工作模式为高频工作模式；所述高频工作模式下的限制访问量为高频限制访问量；所述低频工作模式下的限制访问量为低频限制访问量；所述负载压力阈值包括：低频负载压力阈值和高频负载压力阈值。
3.根据权利要求2中所述的一种多工作模式的服务器集群管理方法，其特征在于，所述对比结果包括：
当所述负载压力值小于低频负载压力阈值时，将灵活工作集群的工作模式调整为休眠工作模式；
当所述负载压力值大于低频负载压力阈值且负载压力值小于高频负载压力阈值时，将灵活工作集群的工作模式调整为低频工作模式；
当所述负载压力值大于高频负载压力阈值且负载压力小于最大负载阈值时，将灵活工作集群的工作模式调整为高频工作模式；
当所述负载压力值大于高频负载压力阈值且负载压力值大于最大负载阈值时，发出预警信号。
4.根据权利要求3中所述的一种多工作模式的服务器集群管理方法，其特征在于，所述运行数据包括数据请求地址、服务器集群地址、服务器集群在所选时间段内对应的负载请求数和负载响应时间。
5.根据权利要求4中所述的一种多工作模式的服务器集群管理方法，其特征在于，当对所述运行数据处理时，将运行数据发送至数据中心的数据库，根据数据请求地址和服务器集群地址将服务器集群在所选时间段内对应的负载请求数和负载响应时间通过集合进行排列，通过集合的置信区间得到服务器集群的负载数据。
6.根据权利要求5中所述的一种多工作模式的服务器集群管理方法，其特征在于，所述数据中心设有负载因子；所述低频负载压力阈值为固定工作集群中服务器数量与所述高频限制访问量及负载因子的积；所述高频负载压力阈值为固定工作集群中服务器数量与所述高频限制访问量的积与灵活工作集群中服务器数量与所述低频限制访问量及负载因子的积的和。
7.根据权利要求1～6中任一项所述的一种多工作模式的服务器集群管理方法，其特征在于，当预测服务器集群的负载压力值时，将所述负载数据代入自回归预测模型公式得出服务器集群在未来时间段内对应的未来负载请求数和未来负载响应时间；所述负载压力值为所述未来负载请求数和所述未来负载响应时间的积。
8.一种多工作模式的服务器集群管理装置，其特征在于，包括：管理模块，管理模块上设有网络显示模块、负载采集模块、数据处理模块、预算法模块和调度模块；
所述网络显示模块与所述负载采集模块连接，负载采集模块与所述数据处理模块连接，数据处理模块与所述预算法模块连接，预算法模块与所述调度模块连接；
所述网络显示模块用于使管理人员对服务器集群的最大负载阈值和相应工作模式下的限制访问量进行设定；
所述负载采集模块用于选取若干时间段，并对数据中心的若干服务器集群在所选时间段内的运行数据进行采集，并将采集到的运行数据发送给数据处理模块和数据中心的数据库；
所述数据处理模块用于将所述运行数据进行处理得到服务器集群的负载数据，并根据负载数据计算出服务器集群的负载压力阈值且将负载数据发送给预算法模块；
所述预算法模块用于根据负载数据预测出服务器集群的负载压力值，并将负载压力值发送给调度模块；
所述调度模块用于将所述负载压力值与所述负载压力阈值进行对比，并根据对比结果对灵活工作集群的工作模式进行调整。
9.根据权利要求8中所述的一种多工作模式的服务器集群管理装置，其特征在于，所述管理模块通过以太网与用户端进行数据交互，管理模块通过交换机与服务器集群进行数据交互；所述管理模块用于控制所述调度模块与服务器集群进行数据交互。
10.一种计算机存储介质，其特征在于，用于储存为上述权利要求7中所述多工作模式的服务器集群管理方法所用的计算机软件指令，其包含用于执行上述为多工作模式的服务器集群管理方法所设计的程序。
CN202011283700.8A 2020-11-17 2020-11-17 一种多工作模式的服务器集群管理方法、装置及介质 Withdrawn CN112463292A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011283700.8A CN112463292A (zh) 2020-11-17 2020-11-17 一种多工作模式的服务器集群管理方法、装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011283700.8A CN112463292A (zh) 2020-11-17 2020-11-17 一种多工作模式的服务器集群管理方法、装置及介质

Publications (1)

Publication Number Publication Date
CN112463292A true CN112463292A (zh) 2021-03-09

Family

ID=74836261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011283700.8A Withdrawn CN112463292A (zh) 2020-11-17 2020-11-17 一种多工作模式的服务器集群管理方法、装置及介质

Country Status (1)

Country Link
CN (1) CN112463292A (zh)

Similar Documents

Publication Publication Date Title
Femal et al. Boosting data center performance through non-uniform power allocation
CN101488098B (zh) 基于虚拟计算技术的多核计算资源管理系统
JP4768082B2 (ja) 情報処理システムの運用管理装置
US7783907B2 (en) Power management of multi-processor servers
US7587621B2 (en) Computer system management and throughput maximization in the presence of power constraints
WO2023015788A1 (zh) 一种面向能耗优化的无服务器计算资源分配系统
US8341439B2 (en) Power management apparatus and method thereof and power control system
CN104991830A (zh) 基于服务等级协议的yarn资源分配和节能调度方法及系统
JP2012506597A (ja) 認識可能な電力管理を実現する方法
CN111625080B (zh) 一种服务器节能方法、装置及电子设备和存储介质
US20230229216A1 (en) System and methods for server power management
CN115220900B (zh) 一种基于作业功耗预测的节能调度方法及系统
CN101316280A (zh) 基于反馈的网格资源智能监控方法
CN102339233A (zh) 云计算集中管理平台
CN114710563A (zh) 一种集群节能方法及装置
Wolski et al. QPRED: Using quantile predictions to improve power usage for private clouds
CN107203256B (zh) 一种网络功能虚拟化场景下的节能分配方法与装置
CN112463292A (zh) 一种多工作模式的服务器集群管理方法、装置及介质
CN110618861A (zh) 一种Hadoop集群节能系统
CN113992687B (zh) 智能业务集群调度方法、装置、电子设备及存储介质
CN115168042A (zh) 监控集群的管理方法及装置、计算机存储介质、电子设备
CN114090256A (zh) 一种基于云计算的应用交付负载管理方法及其系统
Saxe Power-Efficient Software: Power-manageable hardware can help save energy, but what can software developers do to address the problem?
CN106293000B (zh) 一种面向云环境的虚拟机存储子系统节能方法
Jin et al. Risk management for virtual machines consolidation in data centers

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210309

WW01 Invention patent application withdrawn after publication