CN113673837A - 一种云数据中心减碳排方法、系统、终端以及存储介质 - Google Patents
一种云数据中心减碳排方法、系统、终端以及存储介质 Download PDFInfo
- Publication number
- CN113673837A CN113673837A CN202110866162.3A CN202110866162A CN113673837A CN 113673837 A CN113673837 A CN 113673837A CN 202110866162 A CN202110866162 A CN 202110866162A CN 113673837 A CN113673837 A CN 113673837A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- data center
- total
- energy consumption
- response time
- 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.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 86
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 86
- 230000009467 reduction Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 79
- 230000004044 response Effects 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 28
- 239000000126 substance Substances 0.000 claims description 13
- 238000001816 cooling Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000006229 carbon black Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013508 migration Methods 0.000 abstract description 3
- 230000005012 migration Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 3
- 238000007596 consolidation process Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance 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
- 238000005457 optimization Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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]
- G06F9/5094—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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06F2209/5013—Request control
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Power Sources (AREA)
Abstract
本申请涉及一种云数据中心减碳排方法、系统、终端以及存储介质。所述方法包括：收集云数据中心的资源信息，并接收用户请求；所述资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；根据资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；所述总花费为云数据中心的总碳排放量与平均响应时间之和；基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。本申请实施例利用负载迁移技术将请求优先分配在绿色能源充足的云数据中心，对绿色能源进行了充分利用，大大提升了减碳排的效果。
Description
技术领域
本申请属于云计算技术领域，特别涉及一种云数据中心减碳排方法、系统、终端以及存储介质。
背景技术
云计算技术采用即付即用模型，使用户的开支得以节省，而服务提供商可以将他们的服务部署在云数据中心以减少维护工作量。随着云数据中心的快速发展，数据中心的能源消耗会导致大量的碳排放，并对环境造成影响。
目前，云数据中心碳减排技术主要包括以下几种：
(1)动态电压频率调整(Dynamic Voltage Frequency Scaling，简称DVFS)；DVFS是一种节能的电源管理技术，能够动态调节机器组件的频率和电压，根据机器所运行的应用程序对计算能力的不同需要，动态调节机器组件的运行频率和电压(对于同一芯片，频率越高，需要的电压也越高)，从而达到节能的目的。例如当系统处于空闲状态且负载较小时，降低工作频率和电压可以减少能源消耗。
(2)服务器整合(VM consolidation)；该技术通过将服务器整合到更少的机器上，从而将更多的活动机器转换为低功耗模式，以实现云数据中心的节能。
(3)管制(Brownout)技术；管制技术是一种云数据中心的节能技术，通过动态控制云计算系统中应用程序的可选部分运行状态来管理资源使用，也可应用于微服务，以对资源进行细粒度的控制。
综上所述，现有的云数据中心碳减排技术主要存在以下不足：
1、动态电压频率调整技术存在电压频率模式切换带来的响应时间增加的问题。
2、服务器整合和管制技术主要针对单个地理位置或单个云数据中心，并没有将不同地区的碳排放强度、绿色能源可用性、响应时间进行综合考虑，且无法利用不同地区的绿色能源优势。
发明内容
本申请提供了一种云数据中心减碳排方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题，本申请提供了如下技术方案：
一种云数据中心减碳排方法，包括：
收集云数据中心的资源信息，并接收用户请求；所述资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；
根据所述资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；所述总花费为云数据中心的总碳排放量与平均响应时间之和；
基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。
本申请实施例采取的技术方案还包括：所述根据资源信息计算云数据中心的能源消耗总量具体为：
所述云数据中心的能源消耗总量为所有服务器和冷却设备的能源消耗量之和：
其中，
是云数据中心dj的能源消耗量，T是总时间间隔，
是云数据中心dj的物理机集合，
是服务器si在t时间间隔内的能源消耗量，
表示为：
其中，
是服务器si的功率，
是用在服务器si上的冷却功率。
本申请实施例采取的技术方案还包括：所述根据资源信息计算云数据中心处理所有请求的总花费具体为：
CT＝CF+CR#
其中，CT为处理所有请求的总花费，D是所有云数据中心的集合，
是云数据中心dj中的服务器集合，Wi,j是云数据中心dj中服务器si所有请求的集合，Ck,i,j是处理服务器si上的请求rk的花费；CF为云数据中心的总碳排放量，CR为平均响应时间。
本申请实施例采取的技术方案还包括：所述云数据中心的总碳排放量CF为所有云数据中心的碳排放量之和：
云数据中心dj的碳排放量
为：
其中，
为云数据中心dj的棕色能源消耗量，
为云数据中心dj的碳排放强度；
所述棕色能源消耗量为：
其中，
表示数据中心dj的绿色能源可使用量，如果
小于处理请求所需要的能源量，则
为正值；如果
大于处理请求所需要的能源量，则
为0。
本申请实施例采取的技术方案还包括：所述平均响应时间CR计算方式为：
假设将分配到云数据中心dj的请求k的响应时间记作
如果请求需要被转发到另外一个云数据中心d′j所额外产生的响应时间记作
则总的响应时间
为：
则平均响应时间CR为：
其中，W为所有请求的集合。
本申请实施例采取的技术方案还包括：所述基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心包括：
判断距离请求源最近的云数据中心dnearest的能源消耗总量是否小于绿色能源可使用量，如果是，
将所述距离请求源最近的云数据中心dnearest作为分配请求的目的地数据中心，并将数据中心dnearest内能源消耗增量最小的服务器si作为分配请求的目的地服务器；
如果不是，从除云数据中心dnearest以外的其他云数据中心中查找能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心；
其中，所述距离请求源最近的云数据中心为对于请求源拥有最短时延的云数据中心。
本申请实施例采取的技术方案还包括：所述从除云数据中心dnearest以外的其他云数据中心中查找能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心具体包括：
对云系统中除云数据中心dnearest以外的其他云数据中心的绿色能源可用量进行降序排序，并根据排序结果判断其他云数据中心是否存在能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心dsufficient，如果存在，
将所述云数据中心dsufficient作为分配请求的目的地数据中心，并将云数据中心dsufficient内能源消耗增量最小的服务器作为分配请求的目的地服务器；
如果不存在，
触发管制算法，关闭所述请求中的可选微服务，并将距离请求源最近的云数据中心dnearest作为分配请求的目的地数据中心。
本申请实施例采取的另一技术方案为：一种云数据中心减碳排系统，包括：
信息收集模块：用于收集云数据中心的资源信息，并接收用户请求；所述资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；
数据计算模块：用于根据所述资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；所述总花费为云数据中心的总碳排放量与平均响应时间之和；
请求分配模块：用于基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。
本申请实施例采取的又一技术方案为：一种终端，所述终端包括处理器、与所述处理器耦接的存储器，其中，
所述存储器存储有用于实现所述云数据中心减碳排方法的程序指令；
所述处理器用于执行所述存储器存储的所述程序指令以控制云数据中心减碳排。
本申请实施例采取的又一技术方案为：一种存储介质，存储有处理器可运行的程序指令，所述程序指令用于执行所述云数据中心减碳排方法。
相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的云数据中心减碳排方法、系统、终端以及存储介质充分考虑了分布在不同地理位置的碳排放强度、绿色能源可用性以及响应时间代价，利用负载迁移技术将请求优先分配在绿色能源充足的云数据中心，并在碳排代价和响应时间代价过高时，采取管制措施，关闭请求的可选微服务，从而减少高能源消耗量和高碳排强度云数据中心的工作负载，对绿色能源进行了充分利用，大大提升了减碳排的效果，解决了现有技术只局限单个云数据中心的节能，未综合考虑绿色能源可用性、碳排放强度以及响应时间等因素，导致减少的碳排放量有限的问题。
附图说明
图1是本申请第一实施例的云数据中心减碳排方法的流程图；
图2是本申请第二实施例的云数据中心减碳排方法的流程图；
图3为本申请实施例的云数据中心减碳排系统结构示意图；
图4为本申请实施例的终端结构示意图；
图5为本申请实施例的存储介质的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
请参阅图1，是本申请第一实施例的云数据中心减碳排方法的流程图。本申请第一实施例的云数据中心减碳排方法包括以下步骤：
S10：收集云数据中心的资源信息，并接收用户请求；资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；
S11：根据资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；总花费为云数据中心的总碳排放量与平均响应时间之和；
S12：基于能源消耗总量以及处理所有请求的总花费，将用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。
请参阅图2，是本申请第二实施例的云数据中心减碳排方法的流程图。本申请第二实施例的云数据中心减碳排方法包括以下步骤：
S20：通过云调度器收集云系统中各个云数据中心的资源信息，并接收用户请求；
本步骤中，云系统由多个具有不同时区不同位置的云数据中心组成，每个云数据中心分别包括多个服务器，收集的资源信息包括各个云数据中心中可用服务器资源信息、碳排放强度、能源消耗量、绿色能源可用量等信息。云调度器连接云数据中心中的资源信息和用户提交的请求，根据资源信息和用户请求的资源需求做出调度决策，将来自不同地理位置的用户请求分发到不同的云数据中心进行处理。云数据中心可以使用棕色能源或绿色能源为服务器、网络设备、冷却系统和其他设备供电。其中，棕色能源为来自以煤为发电燃料的发电设施的电力能源，绿色能源为来自以绿色能源为发电能源的发电设施的电力能源。
S21：根据云数据中心的资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；
本步骤中，云数据中心的能源消耗总量可以表示为所有服务器和冷却设备的能源消耗量之和：
其中，
是云数据中心dj的能源消耗量，T是总时间间隔，
是云数据中心dj的物理机集合，
是服务器si在t时间间隔内的能源消耗量。服务器的能源消耗量主要来自于服务器功率与服务器冷却功率，
可以表示为：
其中，
是服务器si的功率，
是用在服务器si上的冷却功率。
处理所有请求的总花费CT为：
其中，D是所有云数据中心的集合，
是云数据中心dj中的服务器集合，Wi,j是云数据中心dj中服务器si所有请求的集合，Ck,i,j是处理服务器si上的请求rk的花费。
具体的，总花费CT包括云数据中心的总碳排放量CF和平均响应时间CR两部分，表示如下：
CT＝CF+CR#(4)
云数据中心的总碳排放量CF为所有云数据中心的碳排放量之和：
云数据中心dj的碳排放量与处理请求所使用的棕色能源消耗量和云数据中心的碳排放强度有关，云数据中心dj的碳排放量
可以表示为：
其中，
为云数据中心dj的碳排放量，
为棕色能源消耗量，
为云数据中心dj的碳排放强度。
棕色能源消耗量可以表示为：
其中，
表示云数据中心dj的棕色能源消耗量，
表示数据中心dj的绿色能源可使用量。如果绿色能源可使用量
小于处理请求所需要的能源量，则棕色能源消耗量
便会为正值。反之，如果绿色能源可使用量大于处理请求所需要的能源量，则棕色能源消耗量为0。
假设将分配到云数据中心dj的请求k的响应时间记作
如果请求需要被转发到另外一个云数据中心d′j，会产生额外的响应时间，记作
则总的响应时间
可表示为：
平均响应时间CR可表示为：
其中，W表示所有请求的集合。
另外，物理机和服务器容量需满足一下约束：
约束一：总的用于处理请求的服务器利用率不能超过物理机的容量。将单个物理机的满容量设为1.0，此约束表示为：
其中,
为运行在服务器si上的服务器集合,
为服务器vml的利用率。
约束二：单个服务器上运行的微服务总数不能超过服务器的容量：
其中
为运行在服务器l上的微服务的集合。
最终，云调度器的优化目标为在满足上述约束条件的情况下最小化总花费CT，即：
S22：基于能源消耗总量以及处理所有请求的总花费，判断距离请求源最近的云数据中心dnearest的绿色能源可用量是否充足，如果充足，执行S23；否则，执行S24；
本步骤中，距离请求源最近的云数据中心为对于请求源而言拥有最短时延的云数据中心。如果云数据中心dnearest的绿色能源可用量充足，表示云数据中心dnearest的能源消耗总量小于绿色能源可使用量。反之，如果云数据中心dnearest的绿色能源可用量不足，即表示数据中心dnearest能源消耗总量大于绿色能源可用量。
S23：将云数据中心dnearest作为分配请求的目的地数据中心，将数据中心dnearest内能源消耗增量最小的服务器si作为分配请求的目的地服务器，并执行S27；
本步骤中，将请求分配到最近的云数据中心dnearest可以减少响应时间。
S24：对云系统中除云数据中心dnearest以外的其他云数据中心的绿色能源可用量进行降序排序，并根据排序结果判断其他云数据中心是否存在绿色能源可用量充足且平均响应时间小于设定的响应时间上限的云数据中心dsufficient，如果存在，执行S25；否则，执行S26；
本步骤中，如果在其他云数据中心没有找到合适的云数据中心，意味着违背了响应时间约束或数据中心的绿色能源可用量不足。在这种情况下，则触发管制，关闭该请求的可选微服务以减少能源消耗和碳排放量，并仍将请求分配给最近的数据中心dnearest。
S25：将云数据中心dsufficient作为分配请求的目的地数据中心，将云数据中心dsufficient内能源消耗增量最小的服务器作为分配请求的目的地服务器，并执行S27；
S26：触发管制算法，关闭请求中的可选微服务，以减少能源消耗和碳排放量，并重新执行S23；
S27：根据请求分配结果更新云数据中心的能源消耗量以及总花费等信息。
基于上述，本申请实施例的云数据中心减碳排方法充分考虑了分布在不同地理位置的碳排放强度、绿色能源可用性以及响应时间代价，利用负载迁移技术将请求优先分配在绿色能源充足的云数据中心，并在碳排代价和响应时间代价过高时，采取管制措施，关闭请求的可选微服务，从而减少高能源消耗量和高碳排强度云数据中心的工作负载，对绿色能源进行了充分利用，大大提升了减碳排的效果，解决了现有技术只局限单个云数据中心的节能，未综合考虑绿色能源可用性、碳排放强度以及响应时间等因素，导致减少的碳排放量有限的问题。
请参阅图3，为本申请实施例的云数据中心减碳排系统结构示意图。本申请实施例的云数据中心减碳排系统40包括：
信息收集模块41：用于收集云数据中心的资源信息，并接收用户请求；资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；
数据计算模块42：用于根据资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；总花费为云数据中心的总碳排放量与平均响应时间之和；
请求分配模块43：用于基于能源消耗总量以及处理所有请求的总花费，将用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。
请参阅图4，为本申请实施例的终端结构示意图。该终端50包括处理器51、与处理器51耦接的存储器52。
存储器52存储有用于实现上述云数据中心减碳排方法的程序指令。
处理器51用于执行存储器52存储的程序指令以控制云数据中心减碳排。
其中，处理器51还可以称为CPU(Central Processing Unit，中央处理单元)。处理器51可能是一种集成电路芯片，具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参阅图5，为本申请实施例的存储介质的结构示意图。本申请实施例的存储介质存储有能够实现上述所有方法的程序文件61，其中，该程序文件61可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式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，或者是计算机、服务器、手机、平板等终端设备。
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，本申请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申请所示的这些实施例，而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种云数据中心减碳排方法，其特征在于，包括：
收集云数据中心的资源信息，并接收用户请求；所述资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；
根据所述资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；所述总花费为云数据中心的总碳排放量与平均响应时间之和；
基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。
2.根据权利要求1所述的云数据中心减碳排方法，其特征在于，所述根据资源信息计算云数据中心的能源消耗总量具体为：
所述云数据中心的能源消耗总量为所有服务器和冷却设备的能源消耗量之和：
其中，
是云数据中心dj的能源消耗量，T是总时间间隔，
是云数据中心dI的物理机集合，
是服务器si在t时间间隔内的能源消耗量，
表示为：
其中，
是服务器si的功率，
是用在服务器si上的冷却功率。
3.根据权利要求2所述的云数据中心减碳排方法，其特征在于，所述根据资源信息计算云数据中心处理所有请求的总花费具体为：
CT＝CF+CR#
其中，CT为处理所有请求的总花费，D是所有云数据中心的集合，
是云数据中心dj中的服务器集合，Wi,j是云数据中心dj中服务器si所有请求的集合，Ck,i,j是处理服务器si上的请求rk的花费；CF为云数据中心的总碳排放量，CR为平均响应时间。
4.根据权利要求3所述的云数据中心减碳排方法，其特征在于，所述云数据中心的总碳排放量CF为所有云数据中心的碳排放量之和：
云数据中心dj的碳排放量
为：
其中，
为云数据中心dj的棕色能源消耗量，
为云数据中心dj的碳排放强度；
所述棕色能源消耗量为：
其中，
表示数据中心dj的绿色能源可使用量，如果
小于处理请求所需要的能源量，则
为正值；如果
大于处理请求所需要的能源量，则
为0。
5.根据权利要求4所述的云数据中心减碳排方法，其特征在于，所述平均响应时间CR计算方式为：
假设将分配到云数据中心dj的请求k的响应时间记作
如果请求需要被转发到另外一个云数据中心d′j所额外产生的响应时间记作
则总的响应时间
为：
则平均响应时间CR为：
其中，W为所有请求的集合。
6.根据权利要求1至5任一项所述的云数据中心减碳排方法，其特征在于，所述基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心包括：
判断距离请求源最近的云数据中心dnearest的能源消耗总量是否小于绿色能源可使用量，如果是，
将所述距离请求源最近的云数据中心dnearest作为分配请求的目的地数据中心，并将数据中心dnearest内能源消耗增量最小的服务器si作为分配请求的目的地服务器；
如果不是，从除云数据中心dnearest以外的其他云数据中心中查找能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心；
其中，所述距离请求源最近的云数据中心为对于请求源拥有最短时延的云数据中心。
7.根据权利要求6所述的云数据中心减碳排方法，其特征在于，所述从除云数据中心dnearest以外的其他云数据中心中查找能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心具体包括：
对云系统中除云数据中心dnearest以外的其他云数据中心的绿色能源可用量进行降序排序，并根据排序结果判断其他云数据中心是否存在能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心dsufficient，如果存在，
将所述云数据中心dsufficient作为分配请求的目的地数据中心，并将云数据中心dsufficient内能源消耗增量最小的服务器作为分配请求的目的地服务器；
如果不存在，
触发管制算法，关闭所述请求中的可选微服务，并将距离请求源最近的云数据中心dnearest作为分配请求的目的地数据中心。
8.一种云数据中心减碳排系统，其特征在于，包括：
信息收集模块：用于收集云数据中心的资源信息，并接收用户请求；所述资源信息包括云数据中心的可用服务器资源信息、碳排放强度、能源消耗量以及绿色能源可用量；
数据计算模块：用于根据所述资源信息分别计算云数据中心的能源消耗总量以及处理所有请求的总花费；所述总花费为云数据中心的总碳排放量与平均响应时间之和；
请求分配模块：用于基于所述能源消耗总量以及处理所有请求的总花费，将所述用户请求分配至能源消耗总量小于绿色能源可使用量且平均响应时间小于设定的响应时间上限的云数据中心。
9.一种终端，其特征在于，所述终端包括处理器、与所述处理器耦接的存储器，其中，
所述存储器存储有用于实现权利要求1-7任一项所述的云数据中心减碳排方法的程序指令；
所述处理器用于执行所述存储器存储的所述程序指令以控制云数据中心减碳排。
10.一种存储介质，其特征在于，存储有处理器可运行的程序指令，所述程序指令用于执行权利要求1至7任一项所述云数据中心减碳排方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110866162.3A CN113673837A (zh) | 2021-07-29 | 2021-07-29 | 一种云数据中心减碳排方法、系统、终端以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110866162.3A CN113673837A (zh) | 2021-07-29 | 2021-07-29 | 一种云数据中心减碳排方法、系统、终端以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113673837A true CN113673837A (zh) | 2021-11-19 |
Family
ID=78540721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110866162.3A Pending CN113673837A (zh) | 2021-07-29 | 2021-07-29 | 一种云数据中心减碳排方法、系统、终端以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113673837A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100283606A1 (en) * | 2009-05-08 | 2010-11-11 | Boris Tsypin | Building energy consumption analysis system |
| CN104657215A (zh) * | 2013-11-19 | 2015-05-27 | 南京鼎盟科技有限公司 | 云计算中虚拟化节能系统 |
| WO2016101638A1 (zh) * | 2014-12-23 | 2016-06-30 | 国家电网公司 | 一种电力系统云仿真平台的运营管理方法 |
| CN110134094A (zh) * | 2019-06-07 | 2019-08-16 | 广州远正智能科技股份有限公司 | 一种工业企业能源消耗监测管理系统 |
| CN110189053A (zh) * | 2019-06-07 | 2019-08-30 | 广州远正智能科技股份有限公司 | 一种公共建筑能源消耗监测管理系统 |
| CN110689175A (zh) * | 2019-09-16 | 2020-01-14 | 北京工业大学 | 混沌多重宇宙的分布式绿色云数据中心能耗优化方法 |
| CN112256402A (zh) * | 2020-10-30 | 2021-01-22 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及系统 |
| CN112395161A (zh) * | 2020-11-26 | 2021-02-23 | 国网天津市电力公司 | 大数据中心能耗分析方法及计算设备 |
-
2021
- 2021-07-29 CN CN202110866162.3A patent/CN113673837A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100283606A1 (en) * | 2009-05-08 | 2010-11-11 | Boris Tsypin | Building energy consumption analysis system |
| CN104657215A (zh) * | 2013-11-19 | 2015-05-27 | 南京鼎盟科技有限公司 | 云计算中虚拟化节能系统 |
| WO2016101638A1 (zh) * | 2014-12-23 | 2016-06-30 | 国家电网公司 | 一种电力系统云仿真平台的运营管理方法 |
| CN110134094A (zh) * | 2019-06-07 | 2019-08-16 | 广州远正智能科技股份有限公司 | 一种工业企业能源消耗监测管理系统 |
| CN110189053A (zh) * | 2019-06-07 | 2019-08-30 | 广州远正智能科技股份有限公司 | 一种公共建筑能源消耗监测管理系统 |
| CN110689175A (zh) * | 2019-09-16 | 2020-01-14 | 北京工业大学 | 混沌多重宇宙的分布式绿色云数据中心能耗优化方法 |
| CN112256402A (zh) * | 2020-10-30 | 2021-01-22 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及系统 |
| CN112395161A (zh) * | 2020-11-26 | 2021-02-23 | 国网天津市电力公司 | 大数据中心能耗分析方法及计算设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arshad et al. | Utilizing power consumption and SLA violations using dynamic VM consolidation in cloud data centers | |
| CN102546700B (zh) | 一种资源调度以及资源迁移的方法及设备 | |
| US9405572B2 (en) | Optimized resource allocation and management in a virtualized computing environment | |
| CN113672383A (zh) | 一种云计算资源调度方法、系统、终端以及存储介质 | |
| US20170212581A1 (en) | Systems and methods for providing power efficiency via memory latency control | |
| WO2015051685A1 (zh) | 一种任务调度方法、装置及系统 | |
| Li et al. | Data locality optimization based on data migration and hotspots prediction in geo-distributed cloud environment | |
| CN107861796A (zh) | 一种支持云数据中心能耗优化的虚拟机调度方法 | |
| JP3896352B2 (ja) | 分散コンピューティングシステム | |
| CN110633152A (zh) | 用于实现业务集群水平伸缩的方法和装置 | |
| CN111857977B (zh) | 弹性伸缩方法、装置、服务器和存储介质 | |
| CN105847385B (zh) | 一种基于运行时长的云计算平台虚拟机调度方法 | |
| CN103023802B (zh) | 一种面向web集群的低能耗调度系统和方法 | |
| CN101819459B (zh) | 一种基于异构对象存储系统的功耗控制方法 | |
| Li et al. | Cost-aware automatic scaling and workload-aware replica management for edge-cloud environment | |
| CN111459648B (zh) | 面向应用程序的异构多核平台资源优化方法和装置 | |
| CN110308991B (zh) | 一种基于随机任务的数据中心节能优化方法及系统 | |
| CN110825212B (zh) | 节能调度方法及装置、计算机可存储介质 | |
| CN113673837A (zh) | 一种云数据中心减碳排方法、系统、终端以及存储介质 | |
| US8281159B1 (en) | Systems and methods for managing power usage based on power-management information from a power grid | |
| Gao et al. | Energy-aware load balancing in heterogeneous cloud data centers | |
| CN110888713A (zh) | 一种针对异构云数据中心的可信虚拟机迁移算法 | |
| CN110689175A (zh) | 混沌多重宇宙的分布式绿色云数据中心能耗优化方法 | |
| CN110806918A (zh) | 基于深度学习神经网络的虚拟机运行方法和装置 | |
| Fan et al. | GreenSleep: a multi-sleep modes based scheduling of servers for cloud data center |
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 |