CN113672392A - 能耗优化的方法及装置、电子设备及计算机可读存储介质 - Google Patents
能耗优化的方法及装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113672392A CN113672392A CN202110981769.6A CN202110981769A CN113672392A CN 113672392 A CN113672392 A CN 113672392A CN 202110981769 A CN202110981769 A CN 202110981769A CN 113672392 A CN113672392 A CN 113672392A
- Authority
- CN
- China
- Prior art keywords
- server
- virtual machine
- time period
- operation time
- target virtual
- 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.)
- Granted
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
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
-
- 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
- G06F1/329—Power saving characterised by the action undertaken by task scheduling
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- 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]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5019—Workload prediction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/508—Monitor
-
- 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
Abstract
本申请提供了一种能耗优化的方法及装置、电子设备及计算机可读存储介质,根据预测到的应用程序的工作负荷,确定虚拟机的运行时间段,在虚拟机的运行时间段的变化程度满足预设条件的情况下,为虚拟机分配对应的服务器,因为虚拟机与服务器对应为服务器的运行时间段至少覆盖目标虚拟机的第一运行时间段,所以在服务器的运行时间段的起始运行时间点开启运行服务器,并在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态,相当于动态的为虚拟机分配对应的服务器,并在虚拟机的非运行时间段,控制服务器属于节能状态,从而达到节能的目的。
Description
技术领域
本申请涉及电子技术领域,尤其涉及一种能耗优化的方法及装置、电子设备及计算机可读存储介质。
背景技术
随着移动应用、物联网、人工智能等新一代信息技术的迅速发展和普及,对云计算数据中心和边缘计算数据中心的信息网络资源的需求也正在不断增加,能源消耗的问题也日益突出。
云计算数据中心和边缘计算数据中心有各种信息技术设备,包括服务器、网络设备和安全设备,其中服务器数量最大,能耗最高。世界范围内大多数的企业、政府部门和公共事业单位都拥有数量众多的中型云计算数据中心或边缘计算数据中心,而它们总体上具有较低的资源利用率和较高的总能耗,所以如何对数据中心的服务器进行能耗优化成为了亟待解决的问题。
发明内容
本申请提供了一种能耗优化的方法及装置、电子设备及计算机可读存储介质,目的在于解决数据中心能的服务器进行能耗优化的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种能耗优化的方法,包括:
预测每个应用程序的工作负荷;
根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖所述目标虚拟机的所述第一运行时间段;
针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
上述的方法,可选的,所述为所述目标虚拟机分配对应的服务器,包括:
判断预先建立的服务器集群是否存在与所述目标虚拟机对应的服务器;
如果存在,则将所述目标虚拟机分配至与所述目标虚拟机对应的服务器;
如果不存在,则添加新的服务器至所述服务器集群,并将所述目标虚拟机分配至所述新的服务器,以及将所述新的服务器的运行时间段设置为所述目标虚拟机的所述第一运行时间段。
上述的方法,可选的,预先建立所述服务器集群的过程包括:
根据预设的所有虚拟机历史的运行时间段,计算任意两个所述虚拟机的运行时间相似度;
按照所述任意两个所述虚拟机的所述运行时间相似度,对所述虚拟机进行分类,得到多个虚拟机分组;每个虚拟机分组中包括的任意两个所述虚拟机的所述运行时间相似度的差值小于或等于第一阈值;
将每个虚拟机分组中包括的虚拟机分配至同一个服务器;
针对每个服务器,依据分配至所述服务器的虚拟机的运行时间段,设置所述服务器的运行时间段,得到服务器集群。
上述的方法,可选的,还包括:
实时监控每个所述服务器的利用率,在所述服务器的利用率低于第二阈值的情况下,将已分配至所述服务器的各个每个虚拟机重新分配至其他服务器,并关闭所述服务器。
上述的方法,可选的,所述预测每个应用程序的工作负荷,包括:
采用多层堆叠的LSTM建立的预测模型预测预测所述每个应用程序的工作负荷。
上述的方法,可选的,还包括:
接收到为新的应用程序分配虚拟机的请求时,将所述新的应用程序分配至当前运行的虚拟机。
一种能耗优化的装置,包括:
预测单元,用于预测每个应用程序的工作负荷;
第一确定单元,用于根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
第二确定单元,用于根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
分配单元,用于为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖所述目标虚拟机的所述第一运行时间段;
调控单元,用于针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
上述的装置,可选的,所述分配单元用于为所述目标虚拟机分配对应的服务器包括,所述分配单元具有用于:
判断预先建立的服务器集群是否存在与所述目标虚拟机对应的服务器;
如果存在,则将所述目标虚拟机分配至与所述目标虚拟机对应的服务器;
如果不存在,则添加新的服务器至所述服务器集群,并将所述目标虚拟机分配至所述新的服务器,以及将所述新的服务器的运行时间段设置为所述目标虚拟机的所述第一运行时间段。
一种电子设备,包括:处理器和存储器,所述存储器用于存储程序;所述处理器用于运行所述程序,以实现上述的能耗优化的方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的能耗优化的方法。
本申请所述的方法及装置,根据预测到的应用程序的工作负荷,确定虚拟机的运行时间段,在虚拟机的运行时间段的变化程度满足预设条件的情况下,为虚拟机分配对应的服务器,因为虚拟机与服务器对应为服务器的运行时间段至少覆盖目标虚拟机的第一运行时间段,所以在服务器的运行时间段的起始运行时间点开启运行服务器,并在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态,相当于动态的为虚拟机分配对应的服务器,并在虚拟机的非运行时间段,控制服务器属于节能状态,从而达到节能的目的。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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获得其他的附图。
图1为本申请实施例公开的能耗优化的方法的流程图;
图2为本申请实施例公开的为虚拟机分配对应的服务器的方法的流程图;
图3为本申请实施例公开的建立服务器集群的方法的流程图;
图4为本申请实施例公开的能耗优化的装置的结构示意图;
图5为本申请实施例公开的电子设备的结构示意图。
具体实施方式
随着云计算数据中心和边缘计算数据中心的信息网络资源的需求不断增加,能源消耗的问题日益突出。云计算数据中心和边缘计算数据中心有各种信息技术设备,包括服务器、网络设备和安全设备,其中服务器数量最大,能耗最高。大多数的企业和组织机构等都拥有数量众多的中型云计算数据中心或边缘计算数据中心,这些数据中心总体上总能耗较高,所以如何服务器进行能耗优化成为了亟待解决的问题。
为了解决上述的问题,本申请实施例提供一种能耗优化的方法,通过动态的预先部署于虚拟机上的应用程序的工作负荷,得到虚拟机的运行时间段,再将虚拟机分配至运行时段覆盖该虚拟机的服务器,并在服务器的运行时间段的起始运行时间点开启运行服务器,在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态,相当于动态的为虚拟机分配对应的服务器,并在虚拟机的非运行时间段,控制服务器属于节能状态,从而达到节能的目的。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1为本申请实施例公开的一种能耗优化的方法,可以包括以下步骤:
S101、预测每个应用程序的工作负荷。
本实施例中,每隔一个预设时长预测应用程序的工作负荷,考虑到一般情况下,应用程序的工作工作负荷具有明显的周期性特征,例如工作日的工作负荷高,非工作日的工作负荷低。为了区分应用程序在工作日和非工作日的工作负荷特征,可以通过建立工作日预测模型和非工作日预测模型,对应用程序各个时间段的工作负荷进行预测。
本实施例中,可以采用多层堆叠的LSTM(Long Short-Term Memory,长短期记忆网络)建立的预测模型,用于预测应用程序各个时间段的工作负荷进行预测。预测模型的输入为上一个时间单位应用程序的工作负荷,输出为下一时间单位的应用程序的工作负荷,其中时间单位可以是一天,也可以是一周,可以结合需求设定。
其中,采用多层堆叠的LSTM建立得到预测模型的具体过程可以参考现有技术,此处不再赘述。
S102、根据每个应用程序的工作负荷,确定预先部署应用程序的每个虚拟机的第一运行时间段。
应用程序预先部署于虚拟机上,不同的虚拟机部署的程序不同。
虚拟机的第一运行时间段至少覆盖部署于该虚拟机的所有应用程序的工作时段,工作时段为应用程序的工作负荷达到预设阈值的时段,预设阈值自行设定。
例如,应用程序A和应用程序B为部署于虚拟机1的应用程序,应用程序A的工作时段为9:00-11:00,15:00-18:00,和20:00-21:00。应用程序B的工作时段为8:00-10:00和16:00-18:00。则虚拟机1的第一运行时间段为8:00-11:00,15:00-18:00和20:00-21:00。当然为了提高应用程序的服务质量,可以延长虚拟机的第一运行时间段。
S103、根据每个虚拟机的第一运行时间段确定目标虚拟机。
目标虚拟机为第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机。第二运行时间段为虚拟机的历史运行时间段,历史运行时间段可以是上一次确定的虚拟机的运行时间段。
第一运行时间段与第二运行时间段的变化程度满足的预设条件可以结合需求自行设定。例如预设条件可以是第一运行时间段和第二运行时间段包括时间段的分段总数不同,例如,第一运行时间段为8:00-11:00,15:00-18:00和20:00-21:00,第二运行时间段为8:00-11:00,15:00-18:00,第一运行时间段包括3个运行时间段,第二运行时间段包括2个运行时间段,则确定第一运行时间段与第二运行时间段的变化程度满足预设条件。
S104、为目标虚拟机分配对应的服务器。
在虚拟机的运行运行时间段发生的变化满足预设条件的情况下,需为该虚拟机分配对应的服务器。其中目标虚拟机与服务器对应为:服务器的运行时间段至少覆盖目标虚拟机的第一运行时间段,在与目标虚拟机对应服务器的情况下,则将目标虚拟机分配至运行时长最短的服务器。
需要说明的是,本步骤可以按照周期执行,并且为避免虚拟机迁移(即为虚拟机重新分配服务器)导致应用程序服务质量受影响,本步骤可以在低工作负载的时间段执行,例如在凌晨时间执行。
具体的为目标虚拟机分配对应的服务器实施方式图2所示此处不再赘述。
S105、针对每个服务器,在服务器的运行时间段的起始运行时间点开启运行服务器,并在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态。
例如服务器的运行时间段为8:00-11:00,15:00-18:00,则第一个起始运行时间点为8:00,第一个关闭运行时间点为11:00,则第二个起始运行时间点为15:00,第二个关闭运行时间点为18:00。在每个起始运行时间点开启运行服务器,使服务器处于正常运行状态,到达关闭运行时间点后则控制服务器属于节能状态。其中,节能状态为休眠状态、关闭状态或低能耗运行状态。在低能耗运行状态中,部署于虚拟机上的应用程序处于可使用状态。
本实施例提供的方法,根据预测到的应用程序各个时间段的工作负荷,确定虚拟机的运行时间段,在虚拟机的运行时间段的变化程度满足预设条件的情况下,为虚拟机分配对应的服务器,因为虚拟机与服务器对应为服务器的运行时间段覆盖目标虚拟机的第一运行时间段,所以在服务器的运行时间段的起始运行时间点开启运行服务器,并在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态,相当于动态的为虚拟机分配对应的服务器,并在虚拟机的非运行时间段,控制服务器属于节能状态,从而达到节能的目的。
上述实施例中,为了达到进一步节能的目的,可选的,实时监控每个服务器的利用率,在服务器的利用率低于第二阈值的情况下,将已分配至服务器的各个每个虚拟机重新分配至其他服务器,并关闭服务器。其中,将虚拟机重新分配至其他服务器的方式可以参考上述实例的S104。
服务器的利用率可通过公式(1)计算得到:
其中,n为服务器分配得到的虚拟机的数量,N是服务器上可以运行的虚拟机的最大数量,是第i个虚拟机的运行时间长度,Tpm为服务器的运行时长,服务器的利用率η的值范围为[0,1]。η值越高表示越节能,η值越低表示越耗能。
进一步的,上述实施例中,还包括,每隔预设时长进行新的应用程序检测,在接收到为新的应用程序分配虚拟机的请求时,将新的应用程序分配至当前运行的虚拟机。
图2为上述实施例S104为目标虚拟机分配对应的服务器的具体实施方式,可以包括以下步骤:
S201、判断预先建立的服务器集群是否存在与目标虚拟机对应的服务器。如果存在,则执行S202,如果不存在,则执行S203。
服务器集群包括多个服务器,每个服务器部署多个虚拟机,且服务器的运行时间段不同。其中预先建立的服务器集群的过程可以参考图3。
S202、将目标虚拟机分配至与目标虚拟机对应的服务器。
S203、添加新的服务器至服务器集群,将目标虚拟机分配至新的服务器。
S204、将新的服务器的运行时间段设置为目标虚拟机的第一运行时间段。
本方案中,在服务器集群是否存在与目标虚拟机对应的服务器下,直接将目标虚拟机分配至与目标虚拟机对应的服务器,否则添加新的服务器至服务器集群,将目标虚拟机分配至新的服务器,并将新的服务器的运行时间段设置为目标虚拟机的第一运行时间段,从而确保了在虚拟机的运行时间段发生较大的改变的情况下,实现对虚拟机进行动态的迁移,从而达到节约能耗的效果。
参考图3,示出了预先建立的服务器集群的具体实施例方式,可以包括以下步骤:
S301、根据预设的所有虚拟机历史的运行时间段,计算任意两个虚拟机的运行时间相似度。
其中,两个虚拟机的运行时间相似度可以根据公式(2)计算得到:
S(vmi,vmj)为两个虚拟机的运行时间相似度,vmi和vmj为虚拟机i和虚拟机j,其中n是虚拟机的运行时间段的总分段数,D(vmi,vmj)是两个虚拟机的每个运行时间段之差的绝对值的平均值,和分别为第一个虚拟机的第j个运行时间段的起始运行时间点和关闭运行时间点,和第二个虚拟机的第j个运行时间段的起始运行时间点和关闭运行时间点。S的取值范围为[0,1],当S为1时,两个虚拟机的运行时间段相同。
S302、按照任意两个虚拟机的运行时间相似度,对虚拟机进行分类,得到多个虚拟机分组。
可以采用K-mean聚类算法对虚拟机进行分类,得到多个虚拟机分组。其中,每个虚拟机分组中包括的任意两个虚拟机的运行时间相似度的差值小于或等于第一阈值,第一阈值可以为零,也可以是其他数值。
S303、将每个虚拟机分组中包括的虚拟机分配至同一个服务器。
S304、针对每个服务器,依据分配至服务器的虚拟机的运行时间段,设置服务器的运行时间段,得到服务器集群。
例如,在第一阈值为零的情况下,可以将服务器的运行时间段设置为服务器分配得到的虚拟机的运行时间段。在第一阈值不是零的情况下,按照服务器的运行时间段覆盖全部虚拟机的工作时段的原则确定服务器的运行时间段。
本方案中,通过对计算虚拟机的运行时间相似度,对虚拟机进行分类,得到多个虚拟机分组,并将每个虚拟机分组中包括的虚拟机分配至同一个服务器,最后依据分配至服务器的虚拟机的运行时间段,设置服务器的运行时间段,得到服务器集群。
图4为本申请实施例提供的能耗优化的装置400的结构示意图,包括:
预测单元401,用于预测每个应用程序的工作负荷;
第一确定单元402,用于根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
第二确定单元403,用于根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
分配单元404,用于为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖所述目标虚拟机的所述第一运行时间段;
调控单元405,用于针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
可选的,上述的装置还包括创建单元406,用于预先建立所述服务器集群,创建单元406预先建立所述服务器集群具体实现方式为:
根据预设的所有虚拟机历史的运行时间段,计算任意两个所述虚拟机的运行时间相似度;
按照所述任意两个所述虚拟机的所述运行时间相似度,对所述虚拟机进行分类,得到多个虚拟机分组;每个虚拟机分组中包括的任意两个所述虚拟机的所述运行时间相似度的差值小于或等于第一阈值;
将每个虚拟机分组中包括的虚拟机分配至同一个服务器;
针对每个服务器,依据分配至所述服务器的虚拟机的运行时间段,设置所述服务器的运行时间段,得到服务器集群。
可选的,上述的装置还包括监控单元407,用于实时监控每个所述服务器的利用率,在所述服务器的利用率低于第二阈值的情况下,将已分配至所述服务器的各个每个虚拟机重新分配至其他服务器,并关闭所述服务器。
可选的,所述分配单元404用于为所述目标虚拟机分配对应的服务器的具体实现方式为:
判断预先建立的服务器集群是否存在与所述目标虚拟机对应的服务器;
如果存在,则将所述目标虚拟机分配至与所述目标虚拟机对应的服务器;
如果不存在,则添加新的服务器至所述服务器集群,并将所述目标虚拟机分配至所述新的服务器,以及将所述新的服务器的运行时间段设置为所述目标虚拟机的所述第一运行时间段。
可选的,预测单元401用于预测应用程序的工作负荷的具体实现方式为:
采用多层堆叠的LSTM建立的预测模型预测预测所述每个应用程序的工作负荷。
可选的,分配单元404,还用于接收到为新的应用程序分配虚拟机的请求时,将所述新的应用程序分配至当前运行的虚拟机。
本申请实施例提供的装置,根据预测到的应用程序的工作负荷,确定虚拟机的运行时间段,在虚拟机的运行时间段的变化程度满足预设条件的情况下,为虚拟机分配对应的服务器,因为虚拟机与服务器对应为服务器的运行时间段至少覆盖目标虚拟机的第一运行时间段,所以在服务器的运行时间段的起始运行时间点开启运行服务器,并在服务器的运行时间段的关闭运行时间点控制服务器属于节能状态,相当于动态的为虚拟机分配对应的服务器,并在虚拟机的非运行时间段,控制服务器属于节能状态,从而达到节能的目的。
本申请还提供了一种电子设备500,其结构示意图如图5所示,包括:处理器501和存储器502,存储器502用于存储应用程序,处理器501用于执行应用程序,以实现本申请的能耗优化的方法,即执行以下步骤:
预测应用程序工作负荷;
根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖目标虚拟机的所述第一运行时间段;
针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
本申请还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执本申请的能耗优化的方法,即执行以下步骤:
预测应用程序工作负荷;
根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖目标虚拟机的所述第一运行时间段;
针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种能耗优化的方法,其特征在于,包括:
预测每个应用程序的工作负荷;
根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖所述目标虚拟机的所述第一运行时间段;
针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
2.根据权利要求1所述的方法,其特征在于,所述为所述目标虚拟机分配对应的服务器,包括:
判断预先建立的服务器集群是否存在与所述目标虚拟机对应的服务器;
如果存在,则将所述目标虚拟机分配至与所述目标虚拟机对应的服务器;
如果不存在,则添加新的服务器至所述服务器集群,并将所述目标虚拟机分配至所述新的服务器,以及将所述新的服务器的运行时间段设置为所述目标虚拟机的所述第一运行时间段。
3.根据权利要求2所述的方法,其特征在于,预先建立所述服务器集群的过程包括:
根据预设的所有虚拟机历史的运行时间段,计算任意两个所述虚拟机的运行时间相似度;
按照所述任意两个所述虚拟机的所述运行时间相似度,对所述虚拟机进行分类,得到多个虚拟机分组;每个虚拟机分组中包括的任意两个所述虚拟机的所述运行时间相似度的差值小于或等于第一阈值;
将每个虚拟机分组中包括的虚拟机分配至同一个服务器;
针对每个服务器,依据分配至所述服务器的虚拟机的运行时间段,设置所述服务器的运行时间段,得到服务器集群。
4.根据权利要求1所述的方法,其特征在于,还包括:
实时监控每个所述服务器的利用率,在所述服务器的利用率低于第二阈值的情况下,将已分配至所述服务器的各个每个虚拟机重新分配至其他服务器,并关闭所述服务器。
5.根据权利要求1所述的方法,其特征在于,所述预测每个应用程序的工作负荷,包括:
采用多层堆叠的LSTM建立的预测模型预测预测所述每个应用程序的工作负荷。
6.根据权利要求1所述的方法,其特征在于,还包括:
接收到为新的应用程序分配虚拟机的请求时,将所述新的应用程序分配至当前运行的虚拟机。
7.一种能耗优化的装置,其特征在于,包括:
预测单元,用于预测每个应用程序的工作负荷;
第一确定单元,用于根据所述每个应用程序的所述工作负荷,确定预先部署所述应用程序的每个虚拟机的第一运行时间段;
第二确定单元,用于根据所述每个虚拟机的所述第一运行时间段确定目标虚拟机,所述目标虚拟机为所述第一运行时间段与第二运行时间段的变化程度满足预设条件的虚拟机;所述第二运行时间段为所述虚拟机的历史运行时间段;
分配单元,用于为所述目标虚拟机分配对应的服务器;所述目标虚拟机与所述服务器对应为:所述服务器的运行时间段至少覆盖所述目标虚拟机的所述第一运行时间段;
调控单元,用于针对每个服务器,在所述服务器的运行时间段的起始运行时间点开启运行所述服务器,并在所述服务器的运行时间段的关闭运行时间点控制所述服务器属于节能状态。
8.根据权利要求7所述的装置,其特征在于,所述分配单元用于为所述目标虚拟机分配对应的服务器包括,所述分配单元具有用于:
判断预先建立的服务器集群是否存在与所述目标虚拟机对应的服务器;
如果存在,则将所述目标虚拟机分配至与所述目标虚拟机对应的服务器;
如果不存在,则添加新的服务器至所述服务器集群,并将所述目标虚拟机分配至所述新的服务器,以及将所述新的服务器的运行时间段设置为所述目标虚拟机的所述第一运行时间段。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储程序;所述处理器用于运行所述程序,以实现权利要求1-6任一项所述的能耗优化的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行权利要求1-6任一项所述的能耗优化的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110981769.6A CN113672392B (zh) | 2021-08-25 | 2021-08-25 | 能耗优化的方法及装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110981769.6A CN113672392B (zh) | 2021-08-25 | 2021-08-25 | 能耗优化的方法及装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113672392A true CN113672392A (zh) | 2021-11-19 |
CN113672392B CN113672392B (zh) | 2023-07-25 |
Family
ID=78546199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110981769.6A Active CN113672392B (zh) | 2021-08-25 | 2021-08-25 | 能耗优化的方法及装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113672392B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010117760A (ja) * | 2008-11-11 | 2010-05-27 | Hitachi Ltd | 仮想マシン移動管理サーバおよび仮想マシン移動方法 |
CN102521052A (zh) * | 2011-12-06 | 2012-06-27 | 北京航空航天大学 | 虚拟化数据中心资源分配方法及虚拟机监控器 |
KR20140083707A (ko) * | 2012-12-26 | 2014-07-04 | 주식회사 케이티 | 가상 머신과 세션을 연결하는 서버 및 방법 그리고, 가상 머신을 생성하는 서버 |
CN104539716A (zh) * | 2015-01-04 | 2015-04-22 | 国网四川省电力公司信息通信公司 | 云桌面管理系统桌面虚拟机调度控制系统及方法 |
CN105224389A (zh) * | 2015-09-23 | 2016-01-06 | 电子科技大学 | 基于线性相关性及分段性装箱理论的虚拟机资源整合方法 |
CN106775933A (zh) * | 2016-11-29 | 2017-05-31 | 深圳大学 | 一种服务器集群上的虚拟机动态放置优化方法及系统 |
CN107608781A (zh) * | 2016-07-11 | 2018-01-19 | 华为软件技术有限公司 | 一种负载预测方法、装置以及网元 |
CN109189523A (zh) * | 2018-08-08 | 2019-01-11 | 广东微云科技股份有限公司 | 一种判断空闲虚拟机的方法、系统及关闭虚拟机的方法 |
CN110362377A (zh) * | 2018-04-09 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 虚拟机的调度方法和装置 |
CN113220466A (zh) * | 2021-06-02 | 2021-08-06 | 神州数码系统集成服务有限公司 | 一种基于长短期记忆模型的云服务负载通用预测方法 |
-
2021
- 2021-08-25 CN CN202110981769.6A patent/CN113672392B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010117760A (ja) * | 2008-11-11 | 2010-05-27 | Hitachi Ltd | 仮想マシン移動管理サーバおよび仮想マシン移動方法 |
CN102521052A (zh) * | 2011-12-06 | 2012-06-27 | 北京航空航天大学 | 虚拟化数据中心资源分配方法及虚拟机监控器 |
KR20140083707A (ko) * | 2012-12-26 | 2014-07-04 | 주식회사 케이티 | 가상 머신과 세션을 연결하는 서버 및 방법 그리고, 가상 머신을 생성하는 서버 |
CN104539716A (zh) * | 2015-01-04 | 2015-04-22 | 国网四川省电力公司信息通信公司 | 云桌面管理系统桌面虚拟机调度控制系统及方法 |
CN105224389A (zh) * | 2015-09-23 | 2016-01-06 | 电子科技大学 | 基于线性相关性及分段性装箱理论的虚拟机资源整合方法 |
CN107608781A (zh) * | 2016-07-11 | 2018-01-19 | 华为软件技术有限公司 | 一种负载预测方法、装置以及网元 |
CN106775933A (zh) * | 2016-11-29 | 2017-05-31 | 深圳大学 | 一种服务器集群上的虚拟机动态放置优化方法及系统 |
CN110362377A (zh) * | 2018-04-09 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 虚拟机的调度方法和装置 |
CN109189523A (zh) * | 2018-08-08 | 2019-01-11 | 广东微云科技股份有限公司 | 一种判断空闲虚拟机的方法、系统及关闭虚拟机的方法 |
CN113220466A (zh) * | 2021-06-02 | 2021-08-06 | 神州数码系统集成服务有限公司 | 一种基于长短期记忆模型的云服务负载通用预测方法 |
Non-Patent Citations (2)
Title |
---|
ARTUR BARUCHI 等: "Improving Virtual Machine live migration via application-level workload analysis", 《10TH INTERNATIONAL CONFERENCE ON NETWORK AND SERVICE MANAGEMENT (CNSM) AND WORKSHOP》, pages 163 - 168 * |
徐思尧 等: "基于负载高峰特征的虚拟机放置算法", 《软件学报》, pages 1876 - 1887 * |
Also Published As
Publication number | Publication date |
---|---|
CN113672392B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khoshkholghi et al. | Energy-efficient algorithms for dynamic virtual machine consolidation in cloud data centers | |
CN102567072B (zh) | 一种资源分配方法、装置及系统 | |
EP2399183B1 (en) | Energy-aware server management | |
CN102103516B (zh) | 基于虚拟cpu的频率和电压调节 | |
Sayadnavard et al. | A reliable energy-aware approach for dynamic virtual machine consolidation in cloud data centers | |
KR101113943B1 (ko) | 워크로드 관리 방법과 장치 및 이를 이용한 분산 컴퓨팅 시스템 | |
WO2011088261A2 (en) | Methods and apparatus for coordinated energy management in virtualized data centers | |
KR102438621B1 (ko) | 공유 컴퓨팅 자원들에 대한 동적 용량 최적화 | |
Adhikary et al. | Energy-efficient scheduling algorithms for data center resources in cloud computing | |
Sato et al. | Dynamic optimization of virtual machine placement by resource usage prediction | |
CN103179048A (zh) | 云数据中心的主机QoS策略变换方法及系统 | |
JP5616523B2 (ja) | 情報処理システム | |
CN112559182A (zh) | 资源分配方法、装置、设备及存储介质 | |
CN112380005A (zh) | 一种数据中心能耗管理方法及系统 | |
CN110442428A (zh) | Docker容器的协调方法 | |
Mehta et al. | Energy conservation in cloud infrastructures | |
Ismaeel et al. | Energy-consumption clustering in cloud data centre | |
CN114880129A (zh) | 资源利用率预测感知的云数据中心虚拟机资源分配方法 | |
CN107203256B (zh) | 一种网络功能虚拟化场景下的节能分配方法与装置 | |
Xilong et al. | An energy-efficient virtual machine scheduler based on CPU share-reclaiming policy | |
CN110825212B (zh) | 节能调度方法及装置、计算机可存储介质 | |
Ghoreyshi | Energy-efficient resource management of cloud datacenters under fault tolerance constraints | |
CN113672392B (zh) | 能耗优化的方法及装置、电子设备及计算机可读存储介质 | |
CN110806918A (zh) | 基于深度学习神经网络的虚拟机运行方法和装置 | |
Salimian et al. | Energy-efficient placement of virtual machines in cloud data centres based on fuzzy decision making |
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 |