CN113849365A - 服务器性能功耗比调控方法、系统、终端及存储介质 - Google Patents
服务器性能功耗比调控方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN113849365A CN113849365A CN202110956592.4A CN202110956592A CN113849365A CN 113849365 A CN113849365 A CN 113849365A CN 202110956592 A CN202110956592 A CN 202110956592A CN 113849365 A CN113849365 A CN 113849365A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- configuration
- system pressure
- optimal
- server
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012216 screening Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 230000001105 regulatory effect Effects 0.000 claims abstract description 11
- 230000001276 controlling effect Effects 0.000 claims abstract description 8
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Power Sources (AREA)
Abstract
本发明提供一种服务器性能功耗比调控方法、系统、终端及存储介质,包括:设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;将对应的系统配置作为相应系统压力等级下的最优配置模板;监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。本发明通过前期功耗采样、业务运行的功耗评估,通过自动优化模块对服务器整机系统的调整,最终实现了自动调控应用服务器系统的性能功耗比,达到优化应用性能及节能的目的。
Description
技术领域
本发明涉及服务器技术领域,具体涉及一种服务器性能功耗比调控方法、系统、终端及存储介质。
背景技术
当今高科技发展突飞猛进,物联网、大数据以及AI应用的普及,意味着高计算力的需求越来越多,高计算力背后的支撑---服务器的需求量也越来越大。服务器性能功耗比是指性能功耗比(Performance per watt)是一种测量计算机系统结构或电脑硬件能量转换效率的方法。效能功耗比有非常多种算法,不过大多使用热能来计算。所使用的性能和功耗指标取决于定义[1];合理的性能衡量标准是FLOPS,MIPS或任何性能基准的得分。取决于度量的目的,可以采用几种用电量度量;例如,度量标准可能只考虑直接传递给机器的电力,而另一个可能包括运行计算机所需的全部电力,例如冷却和监控系统。功率测量通常是运行基准时使用的平均功率,但也可以采用其他功率使用度量(例如峰值功率,空闲功率)。计算机使用的大部分功率都转换为热量,因此需要较少瓦特来完成工作的系统将需要较少的冷却来维持给定的工作温度。降低冷却需求可以使计算机更安静。降低能耗还可以降低运行成本,并减少为计算机供电带来的环境影响(请参阅绿色计算)。如果安装在气候控制有限的地方,较低功率的计算机将在较低的温度下运行,这可能使其更加可靠。在气候控制的环境中,减少直接用电也可能节省气候控制能源。计算能耗有时也通过报告运行特定基准所需的能量来衡量,例如EEMBC(嵌入式微处理器基准联盟)能量基准。标准工作负荷的能耗数据可能会更容易判断电效率。性能功耗比作为服务器的一个评价指标,该值越大说明服务器状态越好。影响服务器性能功耗比的因素有服务器配置参数和服务器压力水平。
大多数服务器应用企业,在服务器部署完应用后,可能没有一套专业的方法来评估服务器系统资源利用率是否发挥了服务器高性能功耗比的特性。即后续无论服务器的压力水平在何种状态,都不会再对服务器配置参数进行修改。而初始的服务器部署配置由人工配置完成,可能并不是最佳配置,再加上服务器系统压力对性能功耗比的影响,导致服务器大多时候并没有达到最佳的性能功耗比。
现有服务器配置方法存在以下问题:一、服务器为应对未知的资源利用率,一直跑在高性能模式,造成电能等资源的浪费。二、服务器处于低功耗模式,无法应对应用对于服务器高性能的需求。
发明内容
针对现有技术存在的服务器性能功耗比无法实现最佳导致服务器无法更好地应对业务需求的不足,本发明提供一种服务器性能功耗比调控方法、系统、终端及存储介质,以解决上述技术问题。
第一方面,本发明提供一种服务器性能功耗比调控方法,包括:
设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;
将对应的系统配置作为相应系统压力等级下的最优配置模板;
监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
进一步的,设置多个系统压力等级,包括:
设置十个系统压力等级,分别为10%、20%、30%、40%、50%、60%、70%、80%、90%、100%;所述系统压力包括计算资源占用率与存储资源占用率的加权和。
进一步的,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,包括:
从所有系统压力等级中随机选取目标等级;
利用业务模拟工具将服务器系统压力增加至目标等级;
利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,所述系统配置包括BIOS配置参数和系统配置参数。
进一步的,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,包括:
标记已经存在最优配置模板的系统压力等级;
从未标记的系统压力等级中随机选取目标等级,直至不存在未标记的系统压力等级。
进一步的,利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,包括:
初始化种群,设定种群规模和迭代次数;
将系统配置方案作为个体,并将系统配置对应的性能功耗比作为个体的适应度;
通过种群迭代进化筛选出最优性能功耗比对应的系统配置。
进一步的,监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入系统配置,包括:
在指定期限内通过基板管理控制器监控业务服务器的实时压力值,并从实时压力值中筛选出最大压力值;
对所述最大压力值进行系统压力等级匹配,得到最大压力值所属的系统压力等级;
调取最大压力值所属的系统压力等级对应的最优配置模板,将最优配置模板中的各项配置参数值导入业务服务器的相应配置项。
第二方面,本发明提供一种服务器性能功耗比调控系统,包括:
等级设置单元,用于设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;
模板保存单元,用于将对应的系统配置作为相应系统压力等级下的最优配置模板;
配置调整单元,用于监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
进一步的,等级设置单元用于:
设置十个系统压力等级,分别为10%、20%、30%、40%、50%、60%、70%、80%、90%、100%;所述系统压力包括计算资源占用率与存储资源占用率的加权和。
进一步的,等级设置单元用于:
从所有系统压力等级中随机选取目标等级;
利用业务模拟工具将服务器系统压力增加至目标等级;
利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,所述系统配置包括BIOS配置参数和系统配置参数。
进一步的,等级设置单元用于:
标记已经存在最优配置模板的系统压力等级;
从未标记的系统压力等级中随机选取目标等级,直至不存在未标记的系统压力等级。
进一步的,等级设置单元用于:
初始化种群,设定种群规模和迭代次数;
将系统配置方案作为个体,并将系统配置对应的性能功耗比作为个体的适应度;
通过种群迭代进化筛选出最优性能功耗比对应的系统配置。
进一步的,配置调整单元用于:
在指定期限内通过基板管理控制器监控业务服务器的实时压力值,并从实时压力值中筛选出最大压力值;
对所述最大压力值进行系统压力等级匹配,得到最大压力值所属的系统压力等级;
调取最大压力值所属的系统压力等级对应的最优配置模板,将最优配置模板中的各项配置参数值导入业务服务器的相应配置项。
第三方面,提供一种终端,包括:
处理器、存储器,其中,
该存储器用于存储计算机程序,
该处理器用于从存储器中调用并运行该计算机程序,使得终端执行上述的终端的方法。
第四方面,提供了一种计算机存储介质,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各方面所述的方法。
本发明的有益效果在于,
本发明提供的服务器性能功耗比调控方法、系统、终端及存储介质,通过设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,将对应的系统配置作为相应系统压力等级下的最优配置模板,实现各种系统压力等级的最优配置模板的预先存储;监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器,由此实现根据服务器的实际最大压力值为服务器配置最优方案,由此可以实现根据服务器的实际业务需求为服务器配置最优的参数组合,从而实现服务器一直保持最优的性能功耗比。本发明通过前期功耗采样、业务运行的功耗评估,通过自动优化模块对服务器整机系统的调整,最终实现了自动调控应用服务器系统的性能功耗比,达到优化应用性能及节能的目的。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
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,对于本领域普通技术人员而言,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是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的系统的示意性框图。
图3为本发明实施例提供的一种终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,所描述的实施例仅仅是本发明一部分实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
鉴于现有服务器的配置参数无法适应业务需求,导致服务器的性能功耗值无法调节,进一步导致服务器存在要么为应对未知的资源利用率,一直跑在高性能模式,造成电能等资源的浪费;要么处于低功耗模式,无法应对应用对于服务器高性能的需求。
图1是本发明一个实施例的方法的示意性流程图。其中,图1执行主体可以为一种服务器性能功耗比调控系统。
如图1所示,该方法包括:
步骤110,设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;
步骤120,将对应的系统配置作为相应系统压力等级下的最优配置模板;
步骤130,监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
为了便于对本发明的理解,下面以本发明服务器性能功耗比调控方法的原理,结合实施例中对服务器性能功耗比进行自动调控的过程,对本发明提供的服务器性能功耗比调控方法做进一步的描述。
具体的,所述服务器性能功耗比调控方法包括:
S1、设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置。
设置十个系统压力等级,分别为10%、20%、30%、40%、50%、60%、70%、80%、90%、100%;所述系统压力包括计算资源占用率与存储资源占用率的加权和。从所有系统压力等级中随机选取目标等级;利用业务模拟工具将服务器系统压力增加至目标等级;利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,所述系统配置包括BIOS配置参数和系统配置参数。其中,基于遗传算法的筛选方法包括:初始化种群,设定种群规模和迭代次数;将系统配置方案作为个体,并将系统配置对应的性能功耗比作为个体的适应度;通过种群迭代进化筛选出最优性能功耗比对应的系统配置。标记已经存在最优配置模板的系统压力等级;从未标记的系统压力等级中随机选取目标等级,直至不存在未标记的系统压力等级。
假设服务器有三个配置项是影响性能功耗比的,分别为配置项1、配置项2和配置项3,其中配置项1的参数值范围为0-a,配置项2的参数值范围为0-b,配置项3的参数值范围为0-c。
以下以服务器系统压力为100%等级为例,利用业务模拟工具模拟实际业务运行的系统,包含web访问、业务订单等,将服务器的压力等级调整至100%,即将服务器的计算资源和存储资源的占用率提升至100%,完成压力环境的构建。设定种群规模为100,迭代次数为50,从配置项1、配置项2和配置项3的参数范围内随机选取参数值,构成100个随机组合的方案,方案作为种群个体,例如(x1,x2,x3),其中x1∈(0-a),x2∈(0-b),x3∈(0-c)。计算每个个体对应的性能功耗比,将性能功耗比作为个体的适应度。筛选出适应度最高的个体,然后对筛选出的个体进行交叉变异处理,进行迭代筛选。迭代次数达到50后,停止迭代,输出最优个体作为系统压力等级为100%时的最优系统配置。
以此类推,遍历所有系统压力等级,获取所有系统压力等级对应的最优系统配置。
在本发明的其他实施方式中,也可以不采用遗传算法筛选最优系统配置,而是采用生成各参数项的所有配置组合方案,然后采集各配置组合方案对应的性能功耗值,筛选出最大性能功耗值对应的配置组合方案作为最优系统配置。
例如,模拟实际业务运行的系统,包含web访问、业务订单等,系统运行结果以性能得分及功耗均值形式出现,最后系统会将性能得分与功耗均值取比值,得到性能功耗比得分。模型设计取10个性能功耗比点,依次为100%系统压力及性能、90%系统压力及性能…10%系统压力及性能。在每个性能功耗比点的第一次运行时,如100%性能功耗比点,系统会将运行系统的包含BIOS设置、系统设置以及运行100%系统压力时的功耗均值,记录为一个临时基准模板,称为BASE。之后基于经验的手动或自动采取提前输入的经验优化来调整BIOS设置及系统设置后,再次运行系统测试性能功耗时记录为临时MODE1,如多次调整记录分别为临时MODE2…MODEn。系统通过自动对比n个临时MODE所得的性能功耗比,取最高性能功耗比值下的BIOS设置及系统设置以及功耗采样均值,并将此作为100%性能功耗比的模板,记录为MODE-100。至此100%性能功耗比模板定义完毕,删除临时记录MODE1…MODEn。之后的9个性能功耗比点依次按照100%功能功耗比的模板形成过程进行,分别记录为MODE-90…MODE-10。
S2、将对应的系统配置作为相应系统压力等级下的最优配置模板。
将步骤S1中各系统压力等级对应的最优系统配置保存为系统压力等级对应的最优配置模板,将最优配置模板保存至数据库,并且将对应的系统压力等级作为最优配置模板的文件名。
S3、监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
在指定期限内通过基板管理控制器监控业务服务器的实时压力值,并从实时压力值中筛选出最大压力值;对所述最大压力值进行系统压力等级匹配,得到最大压力值所属的系统压力等级;调取最大压力值所属的系统压力等级对应的最优配置模板,将最优配置模板中的各项配置参数值导入业务服务器的相应配置项。
管理员通过在服务器系统搭建需运行的业务系统,并运行系统。管理员输入分析周期,如24小时。启动功耗监测功能,利用服务器底层BMC的功耗监控,周期采样并记录功耗样本。在分析周期结束后,形成分析报表,将功耗样本落入百分比最多的区间点作为最终的功耗取样结果,如功耗取样的60%落在性能功耗比MODE-50时,则业务系统功耗分析模块在运行完24小时采样周期后,得出MODE-50的结果。在业务系统功耗分析模块运行完毕后,去获取其得出的MODE结果,之后根据MODE结果,从数据库提取相应MODE文件,并将建议主动发送管理员邮箱。此时管理员只需确认是否要应该优化,即可达到自动优化服务器系统或BIOS的目的。在本发明的其他实施方式中,设定服务器为自动调节模式,无需经过管理员确认,服务器自动根据相应MODE文件进行系统配置更新。
本实施例通过设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,将对应的系统配置作为相应系统压力等级下的最优配置模板,实现各种系统压力等级的最优配置模板的预先存储;监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器,由此实现根据服务器的实际最大压力值为服务器配置最优方案,由此可以实现根据服务器的实际业务需求为服务器配置最优的参数组合,从而实现服务器一直保持最优的性能功耗比。本实施例通过前期功耗采样、业务运行的功耗评估,通过自动优化模块对服务器整机系统的调整,最终实现了自动调控应用服务器系统的性能功耗比,达到优化应用性能及节能的目的。
如图2所示,该系统200包括:
等级设置单元210,用于设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;
模板保存单元220,用于将对应的系统配置作为相应系统压力等级下的最优配置模板;
配置调整单元230,用于监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
可选地,作为本发明一个实施例,等级设置单元用于:
设置十个系统压力等级,分别为10%、20%、30%、40%、50%、60%、70%、80%、90%、100%;所述系统压力包括计算资源占用率与存储资源占用率的加权和。
可选地,作为本发明一个实施例,等级设置单元用于:
从所有系统压力等级中随机选取目标等级;
利用业务模拟工具将服务器系统压力增加至目标等级;
利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,所述系统配置包括BIOS配置参数和系统配置参数。
可选地,作为本发明一个实施例,等级设置单元用于:
标记已经存在最优配置模板的系统压力等级;
从未标记的系统压力等级中随机选取目标等级,直至不存在未标记的系统压力等级。
可选地,作为本发明一个实施例,等级设置单元用于:
初始化种群,设定种群规模和迭代次数;
将系统配置方案作为个体,并将系统配置对应的性能功耗比作为个体的适应度;
通过种群迭代进化筛选出最优性能功耗比对应的系统配置。
可选地,作为本发明一个实施例,配置调整单元用于:
在指定期限内通过基板管理控制器监控业务服务器的实时压力值,并从实时压力值中筛选出最大压力值;
对所述最大压力值进行系统压力等级匹配,得到最大压力值所属的系统压力等级;
调取最大压力值所属的系统压力等级对应的最优配置模板,将最优配置模板中的各项配置参数值导入业务服务器的相应配置项。
图3为本发明实施例提供的一种终端300的结构示意图,该终端300可以用于执行本发明实施例提供的服务器性能功耗比调控方法。
其中,该终端300可以包括:处理器310、存储器320及通信单元330。这些组件通过一条或多条总线进行通信,本领域技术人员可以理解,图中示出的服务器的结构并不构成对本发明的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,该存储器320可以用于存储处理器310的执行指令,存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。当存储器320中的执行指令由处理器310执行时,使得终端300能够执行以下上述方法实施例中的部分或全部步骤。
处理器310为存储终端的控制中心,利用各种接口和线路连接整个电子终端的各个部分,通过运行或执行存储在存储器320内的软件程序和/或模块,以及调用存储在存储器内的数据,以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit,简称IC)组成,例如可以由单颗封装的IC所组成,也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说,处理器310可以仅包括中央处理器(Central Processing Unit,简称CPU)。在本发明实施方式中,CPU可以是单运算核心,也可以包括多运算核心。
通信单元330,用于建立通信信道,从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
因此,本发明设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,将对应的系统配置作为相应系统压力等级下的最优配置模板,实现各种系统压力等级的最优配置模板的预先存储;监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器,由此实现根据服务器的实际最大压力值为服务器配置最优方案,由此可以实现根据服务器的实际业务需求为服务器配置最优的参数组合,从而实现服务器一直保持最优的性能功耗比。本发明通过前期功耗采样、业务运行的功耗评估,通过自动优化模块对服务器整机系统的调整,最终实现了自动调控应用服务器系统的性能功耗比,达到优化应用性能及节能的目的,本实施例所能达到的技术效果可以参见上文中的描述,此处不再赘述。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中如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,包括若干指令用以使得一台计算机终端(可以是个人计算机,服务器,或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于终端实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种服务器性能功耗比调控方法,其特征在于,包括:
设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;
将对应的系统配置作为相应系统压力等级下的最优配置模板;
监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
2.根据权利要求1所述的方法,其特征在于,设置多个系统压力等级,包括:
设置十个系统压力等级,分别为10%、20%、30%、40%、50%、60%、70%、80%、90%、100%;所述系统压力包括计算资源占用率与存储资源占用率的加权和。
3.根据权利要求1所述的方法,其特征在于,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,包括:
从所有系统压力等级中随机选取目标等级;
利用业务模拟工具将服务器系统压力增加至目标等级;
利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,所述系统配置包括BIOS配置参数和系统配置参数。
4.根据权利要求3所述的方法,其特征在于,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置,包括:
标记已经存在最优配置模板的系统压力等级;
从未标记的系统压力等级中随机选取目标等级,直至不存在未标记的系统压力等级。
5.根据权利要求3所述的方法,其特征在于,利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,包括:
初始化种群,设定种群规模和迭代次数;
将系统配置方案作为个体,并将系统配置对应的性能功耗比作为个体的适应度;
通过种群迭代进化筛选出最优性能功耗比对应的系统配置。
6.根据权利要求1所述的方法,其特征在于,监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入系统配置,包括:
在指定期限内通过基板管理控制器监控业务服务器的实时压力值,并从实时压力值中筛选出最大压力值;
对所述最大压力值进行系统压力等级匹配,得到最大压力值所属的系统压力等级;
调取最大压力值所属的系统压力等级对应的最优配置模板,将最优配置模板中的各项配置参数值导入业务服务器的相应配置项。
7.一种服务器性能功耗比调控系统,其特征在于,包括:
等级设置单元,用于设置多个系统压力等级,在不同系统压力等级下,筛选出最优性能功耗比对应的系统配置;
模板保存单元,用于将对应的系统配置作为相应系统压力等级下的最优配置模板;
配置调整单元,用于监控业务服务器的最大压力值,并根据最大压力值所属的系统压力等级将对应的最优配置模板导入业务服务器。
8.根据权利要求7所述的系统,其特征在于,所述等级设置单元用于:
从所有系统压力等级中随机选取目标等级;
利用业务模拟工具将服务器系统压力增加至目标等级;
利用遗传算法筛选出在目标等级下,最优性能功耗比对应的系统配置,所述系统配置包括BIOS配置参数和系统配置参数。
9.一种终端,其特征在于,包括:
处理器;
用于存储处理器的执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-6任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956592.4A CN113849365B (zh) | 2021-08-19 | 2021-08-19 | 服务器性能功耗比调控方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110956592.4A CN113849365B (zh) | 2021-08-19 | 2021-08-19 | 服务器性能功耗比调控方法、系统、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113849365A true CN113849365A (zh) | 2021-12-28 |
CN113849365B CN113849365B (zh) | 2023-08-22 |
Family
ID=78976054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110956592.4A Active CN113849365B (zh) | 2021-08-19 | 2021-08-19 | 服务器性能功耗比调控方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113849365B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442794A (zh) * | 2022-01-20 | 2022-05-06 | 苏州浪潮智能科技有限公司 | 服务器功耗控制方法、系统、终端及存储介质 |
CN116755982A (zh) * | 2023-05-15 | 2023-09-15 | 合芯科技(苏州)有限公司 | 一种服务器能耗比计算方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737086A (zh) * | 2020-06-24 | 2020-10-02 | 苏州浪潮智能科技有限公司 | 一种监控方式的调整方法、装置和计算机可读存储介质 |
CN112947734A (zh) * | 2021-03-04 | 2021-06-11 | 山东英信计算机技术有限公司 | 一种服务器电源功耗控制方法、系统、终端及存储介质 |
CN113076231A (zh) * | 2021-03-26 | 2021-07-06 | 山东英信计算机技术有限公司 | 服务器应用场景设置方法、系统、终端及存储介质 |
-
2021
- 2021-08-19 CN CN202110956592.4A patent/CN113849365B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737086A (zh) * | 2020-06-24 | 2020-10-02 | 苏州浪潮智能科技有限公司 | 一种监控方式的调整方法、装置和计算机可读存储介质 |
CN112947734A (zh) * | 2021-03-04 | 2021-06-11 | 山东英信计算机技术有限公司 | 一种服务器电源功耗控制方法、系统、终端及存储介质 |
CN113076231A (zh) * | 2021-03-26 | 2021-07-06 | 山东英信计算机技术有限公司 | 服务器应用场景设置方法、系统、终端及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114442794A (zh) * | 2022-01-20 | 2022-05-06 | 苏州浪潮智能科技有限公司 | 服务器功耗控制方法、系统、终端及存储介质 |
CN114442794B (zh) * | 2022-01-20 | 2023-07-18 | 苏州浪潮智能科技有限公司 | 服务器功耗控制方法、系统、终端及存储介质 |
CN116755982A (zh) * | 2023-05-15 | 2023-09-15 | 合芯科技(苏州)有限公司 | 一种服务器能耗比计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113849365B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Characterizing and synthesizing task dependencies of data-parallel jobs in alibaba cloud | |
Wang et al. | Towards thermal aware workload scheduling in a data center | |
US7689384B1 (en) | Managing the performance of an electronic device | |
CN102959510B (zh) | 用于计算机功率和资源消耗建模的方法和系统 | |
US8392147B2 (en) | Monitoring the performance of a computer | |
US7110913B2 (en) | Apparatus and method for managing the performance of an electronic device | |
US20170322241A1 (en) | Non-intrusive fine-grained power monitoring of datacenters | |
US20190097425A1 (en) | A method and system for optimizing and predicting demand response | |
Cheng et al. | Heterogeneity-aware workload placement and migration in distributed sustainable datacenters | |
CN113849365B (zh) | 服务器性能功耗比调控方法、系统、终端及存储介质 | |
US7831695B1 (en) | System and method for it system migration management | |
Shoukourian et al. | Monitoring power data: A first step towards a unified energy efficiency evaluation toolset for HPC data centers | |
US20190033945A1 (en) | Data center total resource utilization efficiency (true) system and method | |
Aksanli et al. | Using datacenter simulation to evaluate green energy integration | |
US20160283844A1 (en) | Load predictor for a cooling system | |
Davis et al. | Accounting for variability in large-scale cluster power models | |
Cao et al. | Data-driven flexibility assessment for internet data center towards periodic batch workloads | |
Islam et al. | Distributed temperature-aware resource management in virtualized data center | |
Tang et al. | NIPD: Non-intrusive power disaggregation in legacy datacenters | |
CN114064809A (zh) | 碳数据处理方法、电子设备和存储介质 | |
Quintiliani et al. | Understanding “workload-related” metrics for energy efficiency in Data Center | |
CN110955513B (zh) | 一种服务资源的调度方法及系统 | |
Fanara et al. | The state of energy and performance benchmarking for enterprise servers | |
Liu et al. | FEMCRA: Fine-grained elasticity measurement for cloud resources allocation | |
CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 |
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 |