CN114357668A - 一种机房设备上架位置的匹配方法和装置 - Google Patents
一种机房设备上架位置的匹配方法和装置 Download PDFInfo
- Publication number
- CN114357668A CN114357668A CN202011044554.3A CN202011044554A CN114357668A CN 114357668 A CN114357668 A CN 114357668A CN 202011044554 A CN202011044554 A CN 202011044554A CN 114357668 A CN114357668 A CN 114357668A
- Authority
- CN
- China
- Prior art keywords
- equipment
- space
- data
- pue
- matching
- 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
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种机房设备上架位置的匹配方法和装置,该方法包括:获取待上架设备的业务需求数据,查找机房内与业务需求数据相匹配的多个上架位置;获取多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据;针对每个上架位置,利用设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。本发明实现了机房设备自动匹配最佳上架位置,有效避免机房设备上架后产生局部热点和资源均衡性分配不合理的问题。
Description
技术领域
本发明涉及数据中心基础设施管理技术领域,具体涉及一种机房设备上架位置的匹配方法和装置。
背景技术
目前大型数据中心建设初期机房配电、暖通和单机柜功耗均按标准化设计建设,现有技术中数据机房新设备的上架过程一般为:接收ESOP前端需求;将ESOP前端需求分解为空间需求、功率需求和暖通制冷需求;依据空间需求、功率需求和暖通制冷需求通过人工确认上架位置;上架施工。可见,目前数据机房新设备的上架过程对空间、功率和暖通制冷的需求满足情况处于人工确认的粗放模式,缺乏对数据机房或整列机柜空间的容量、配电、功耗的科学计算,以及针对数据机房配电、暖通和机柜功耗环境的合理化规划,上架过程处于无序或不可控状态,由于缺乏科学合理的数据依据,容易导致数据中心局部热点和局部空间电源使用效率(Power Usage Effectiveness,PUE)过高,随着资产入驻率上升,还容易导致机柜空间、配电、制冷、网络、IT、传输资源的使用不均衡,形成均衡短板资源,无法容纳更多业务,后期评估搬迁成本代价高,造成资源浪费。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种机房设备上架位置的匹配方法和装置。
根据本发明的一个方面,提供了一种机房设备上架位置的匹配方法,包括:
获取待上架设备的业务需求数据,查找机房内与所述业务需求数据相匹配的多个上架位置;
获取多个上架位置所在空间的机房运行数据以及与所述待上架设备具有相同型号的设备的设备历史运行数据;
针对每个上架位置,利用所述设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;
将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
根据本发明的另一方面,提供了一种机房设备上架位置的匹配装置,包括:
查找模块,用于获取待上架设备的业务需求数据,查找机房内与所述业务需求数据相匹配的多个上架位置;
数据获取模块,用于获取多个上架位置所在空间的机房运行数据以及与所述待上架设备具有相同型号的设备的设备历史运行数据;
模拟模块,用于针对每个上架位置,利用所述设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;
匹配模块,用于将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述机房设备上架位置的匹配方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述机房设备上架位置的匹配方法对应的操作。
根据本发明的一种机房设备上架位置的匹配方法和装置,通过获取待上架设备的业务需求数据,查找机房内与业务需求数据相匹配的多个上架位置;获取多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据;针对每个上架位置,利用设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。本发明通过获取待上架设备的业务需求数据,从而自动匹配上架范围,结合多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据,通过模拟运算后与预先训练的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置,从而实现机房设备自动匹配最佳上架位置,有效避免机房设备上架后产生局部热点和资源均衡性分配不合理的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种机房设备上架位置的匹配方法流程图;
图2a示出了本发明实施例提供的一种机房设备上架位置的匹配方法的总流程示意图;
图2b示出了本发明实施例提供的一种机房设备上架位置的匹配方法的空间模型数据示意图;
图3示出了本发明实施例提供的一种机房设备上架位置的匹配装置的结构示意图;
图4示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明一种机房设备上架位置的匹配方法实施例的流程图,如图1所示,该方法包括以下步骤:
步骤S110:获取待上架设备的业务需求数据,查找机房内与业务需求数据相匹配的多个上架位置。
在一种可选的方式中,业务需求数据包括:机架高度、功率需求、端口需求和/或设备重量等。
在本步骤中,获取待上架设备的业务需求数据,根据业务需求数据中的机架高度、功率需求、端口需求和/或设备重量等进行容量匹配,查找机房内与业务需求数据相匹配的多个上架位置,其中,容量匹配可包括:空间容量、电力容量以及制冷容量等方面的匹配。
图2a为本发明实施例提供的一种机房设备上架位置的匹配方法的总流程示意图,如图2a所示,为了机房设备设计预占更加合理,针对每个待上架设备,进入模型匹配中心进行匹配,具体包括业务场景(包括视频业务等)匹配、策略权重匹配、空间匹配、电力匹配、制冷匹配、称重匹配、UPS负载匹配以及电源分配单元(Power Distribution Unit,PDU)电压匹配等,经过匹配得出多个上架位置包括:上架位置A、上架位置B、……、上架位置X,多个上架位置应与待上架设备的业务需求数据满足理论依据,该理论依据包括:多个上架位置应满足待上架设备多维度的基础设施支持,如冗余支持、机架负载、机架PDU负载、可用端口、空间支持等。
例如,可以规定待上架设备与待上架位置总功率必须小于空间额定功率的设定的固定阈值等,对于业务需求数据匹配可以采用如下算法(1)-(2),得出较佳的多个上架位置:
(1)业务需求数据匹配上架空间算法如下:
输入数据为:
待上架设备的业务需求数据约束的集合C={c1,c2,...,cq},j=1,2,...,Q;
与业务需求数据约束有关的空间属性的集合Pj={pj1,pj2,...,pjK},表示第j个空间的相关属性,j=1,2,...,J,共J个空间,这里的空间是可以是本实施例后述算法描述的空间,也可以认为是机架的集合,也可以认为是封闭冷空间的集合;硬件匹配初步得到的待上架位置D,按照匹配程度从高到底,分k个级别,对每个分级有相应的业务权重W={w1,w2,...,wk};
输出数据:S={s1,s2,...,si},即i个最佳的空间。
(2)基于业务需求数据匹配多个上架位置集合步骤包括下述步骤a)-步骤d):
a)根据待上架设备的业务需求数据约束的集合C,排除相应属性P中不满足待上架设备的业务需求数据约束的空间,得到S(1);
b)上述硬件匹配初步得到的待上架位置D,按照业务需求数据约束的集合C指定的多个级别k进行分级,得到d1,d2,...,dk个级别;
c)以S(1)为基础,使用加权的K最近邻(K-NearestNeighbor,KNN)分类算法,具体地说,首先第一步,根据如下公式(1)计算S(1)中各个样本属性与待上架位置D相应的硬件属性的距离;
其中,p和c分别是空间属性和约束相对应的属性;
第二步,将计算出的硬件属性的距离降序排列,选择硬件属性的距离相对较小的N个样本;第三步,对N个样本按照属性,按照下述公式(2)分别与相应的权重进行计算,得到计算值:
f(d,w)=|dn|*w; (2)
将该计算值最大的级别作为,对S(1)中相应样本的级别。
d)对S(1)中的级别进行降序排列,前i个构成多个待上架位置的集合S={s1,s2,...,si}。
步骤S120:获取多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据。
在一种可选的方式中,机房运行数据包括:基础设施运行数据和IT设备运行数据。
在本步骤中,获取多个上架位置所在空间的机房运行数据,进行IT设备功率预估计算以及机房热负荷分析,其中IT设备功率预估计算包括额定功率和实际功率采集计算:额定功率计算公式为:设备额定功率=设备总负载功率;实际功率采集计算包括:设备实时功率采集:实时功率P=电流*电压;
其中,通过智能PDU采集IT设备实时电流、电压,通过智能平台管理(IntelligentPlatform Management Interface,IPMI)接口采集IT设备的电流、电压。
机房热负荷分析包括计算机设备热负荷、照明设备热负荷、人体热负荷、围护结构传导热、新风热负荷以及其他热负荷等。
具体地,计算机设备热负荷计算公式为:Q1=860×P×η1η2η3(Kcal/h);
其中,Q1表示计算机设备热负荷;P表示机房内各种设备总功耗;η1为同时使用系数;η2为利用系数;η3为负荷工作均匀系数。通常,η1、η2和η3的取值范围为0.6至0.8,本设计考虑容量变化要求较小,可取值为0.6。
照明设备热负荷计算公式为:Q2=C×P(Kcal/h);其中,Q2表示照明设备热负荷;P表示照明设备标定输出功率;C表示每输出1W放热量Kcal/hw(白炽灯O.86口光灯1),根据国家标准《计算站场地技术要求》要求,机房照度应大于2001×,其功耗大约为20W/M2,在后续计算中,照明功耗可以以20W/M2为依据计算。
人体热负荷Q3=P×N(Kcal/h);其中,Q3表示人体热负荷;N表示机房常有人员数量;P表示人体发热量,轻体力工作人员热负荷显热与潜热之和,在室温为21℃和24℃时均为102Kcal。
围护结构传导热Q4=K×F×(t1-t2)(Kcal/h);其中,Q4表示围护结构传导热;K表示围护结构导热系数,普通混凝土为1.4-1.5;F表示围护结构面积;t1表示机房内内温度(℃);t2表示机房外的计算温度(℃),在后续计算中,t1-t2可以定为10℃参与计算。屋顶与地板根据修正系数0.4计算。
新风热负荷计算较为复杂,在此方案中,我们以空调本身的设备余量来平衡,不另外计算。
其他热负荷Q5的计算:除上述热负荷外,在工作中使用的示波器、电烙铁、吸尘器等也将成为热负荷,由于这些设备功耗小,只粗略根据其输入功率与热功当量之积计算。那么机房总的热负荷Q=Q1+Q2+Q3+Q4+Q5。
步骤S130:针对每个上架位置,利用设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据。
步骤S140:将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
在一种可选的方式中,步骤S140之前,该方法还包括:采集机房各个空间的机房运行数据;对各个空间的机房运行数据进行分析,得到各个空间的设备能耗与制冷PUE数据;对各个空间的设备能耗与制冷PUE数据进行模型训练,生成空间设备能耗与制冷最佳配比曲线。
在一种可选的方式中,模拟PUE数据包括PUE值和PUE波动对;空间设备能耗与制冷最佳配比曲线中包含有各个空间对应的最佳PUE值和最佳PUE波动对。
具体地说,机房运行数据包括:基础设施运行数据和IT设备运行数据,采集机房各个空间的机房运行数据,数据组织形式如下:空间描述(如XXX封闭冷通道)、对空间采用的主要模型算法(如粒子群算法特征权重优化)以及空间模型数据,图2b示出了本发明实施例提供的一种机房设备上架位置的匹配方法的空间模型数据采集页面示意图,如图2b所示,其中,空间模型数据包括制冷能耗数据、办公能耗数据、电力能耗数据、累计PUE数据、IT能耗数据以及其他能耗数据。基于不同时间段的基础设施运行数据和IT设备运行数据形成不同时间段的样本数据,对各个空间的机房运行数据样本数据进行联动分析,得到各个空间的设备能耗与制冷PUE数据,具体包括:上架位置A所在空间的设备能耗与制冷PUE数据、上架位置B所在空间的设备能耗与制冷PUE数据、……、上架位置X所在空间的设备能耗与制冷PUE数据,如图2a所示。具体地,基于基础设施运行数据和IT设备运行数据联动分析是指根据某特定空间(按一定规则划分)同一个指定时间段内的基础设施运行数据和IT设备运行数据进行综合分析。为多个局部空间的设备能耗与制冷PUE数据计算提供基础数据。
进一步地,如图2a所示,根据各个空间的设备能耗与制冷PUE数据分析得到各个空间的设备能耗与制冷计算PUE曲线,例如以英文字母A-X命名各个空间,则根据各个空间的设备能耗与制冷PUE数据分析得到A空间的设备能耗与制冷计算PUE曲线、B空间的设备能耗与制冷计算PUE曲线、……、X空间的设备能耗与制冷计算PUE曲线,汇总A-X空间的设备能耗与制冷计算PUE曲线,放入模型训练平台进行模型训练,经过模型训练得出空间设备能耗与制冷最佳配比曲线;该模型训练平台是集数据访问、数据处理、分析建模、模型发布和管理为一体的一站式机器学习平台,包括交互式编程、拖拽式实验、模型服务部署等,兼顾机器学习、深度学习等多样算法框架,支持分布式计算,其内置丰富算法库,支持多种计算框架,具体包括聚类分析算法、质心算法、XGBoost算法、多项式回归算法、k均值聚类(kmeans)算法、一类支持向量机(One-Class Support Victor Machine,OCSVM)算法、欧式距离算法、随机森林算法、Adaboost迭代算法以及梯度提升迭代决策树(GradientBoostingDecisionTree,GBDT)算法等多种算法;支持可视化流程编排建模、交互式编码、向导式建模满足不同用户需求;提供全生命周期监控。
在本实施例中,空间设备能耗与制冷最佳配比曲线计算过程如下(1)-(2):
(1)输入数据包括:
每个空间的计算设备数Ai,数据集Sit,即
Sit={pit (1),pit (2),...,pit (N)}
其中,i=1,2,...,M;t=1,2,...,T。
其中,Sit表示的是第i个空间在t时间段内的数据,pit (n)表示的第i个空间在t时间段内的第n个采样点的PUE值,空间的总数为M,每个空间在t时间段内的采样点个数为N,每个空间的采样时间段个数为T;PUE=Ptotal/Pdevice,即总能耗与计算设备能耗之比,是理论上大于或等于1的数值。
输出数据包括:最佳Ebest和Dbest对,即所有空间在采样时间段内具有最佳PUE值和最佳PUE波动对;
最佳Ebest和Dbest对,对应的空间就是Sbest。
(2)空间设备能耗与制冷最佳配比曲线计算步骤包括下述步骤a)-步骤d):
a)对每个Sit,计算集合的Eit和Dit,第1个空间t时刻得到T个(E1t,D1t)对,同理第2个空间t时刻也得到T个(E2t,D2t),依次类推;
b)对第i个空间的每个(Eit,Dit)中的E和D进行归一化处理,具体公式如下式(3)和(4):
得到M个(Eit′,Dit′)对;
c)根据如下公式(5),判断出每个空间具有最小数值的对fi(E,D):
其中ζ为经验参数,根据实际情况偏较低PUE还是PUE稳定性,以定其大于或小于0.5;
d)对于每个fi(E,D),按照如下公式(6)和公式(7),计算得到最佳的Ebest和Dbest对PUEE,D:
min{gi(E,D)}; (6)
步骤S140进一步包括:针对每个上架位置,计算该上架位置所在空间的PUE值和PUE波动对与空间设备能耗与制冷最佳配比曲线中该空间对应的最佳PUE值和最佳PUE波动对之间的距离作为该上架位置对应的匹配偏差度;从多个上架位置对应的匹配偏差度中选取最小的匹配偏差度,将最小的匹配偏差度对应的上架位置确定为目标上架位置,即最佳上架位置。
具体地说,最佳上架位置判定原理和算法如下:
输入数据为:上述最佳Ebest和Dbest对;业务需求数据;匹配算法得到的N个位置及相应的空间S,S相应的最近若干周期的数据;
输出:最佳上架位置。
最佳上架位置判定算法具体步骤包括下述步骤a)-步骤d):
a)对每个上架位置所在的空间,将业务需求数据加入到相应采样点的数据上;
b)对形成的模拟PUE数据,按照前述空间设备能耗与制冷最佳配比曲线计算步骤计算E和D,这样形成N个E和D的对;
c)计算N个E和D的对与最佳Ebest和Dbest对之间的距离作为该上架位置对应的匹配偏差度,计算公式如下式(8);
d)多个上架位置对应的匹配偏差度进行比较,选取最小的匹配偏差度,将最小的匹配偏差度对应的上架位置确定为目标上架位置。
采用本实施例提供的方法,通过获取待上架设备的业务需求数据,分析机房高低压配电设备容量、机房/机柜空间、机柜容量、现有用电设备用电量和列头柜三相平衡度,根据待上架设备用电能耗,通过模型匹配确定上架范围,结合多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据,通过模拟运算后与预先训练的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置,从而实现机房设备自动匹配最佳上架位置,有效避免机房设备上架后产生局部热点和资源均衡性分配不合理的问题。
图3示出了本发明一种机房设备上架位置的匹配装置实施例的结构示意图。如图3所示,该装置包括:查找模块310、数据获取模块320、模拟模块330、匹配模块340和模型训练模块350。
查找模块310,用于获取待上架设备的业务需求数据,查找机房内与业务需求数据相匹配的多个上架位置。
数据获取模块320,用于获取多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据。
在一种可选的方式中,业务需求数据包括:机架高度、功率需求、端口需求和/或设备重量。
模拟模块330,用于针对每个上架位置,利用设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据。
在一种可选的方式中,机房运行数据包括:基础设施运行数据和IT设备运行数据。
匹配模块340,用于将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
在一种可选的方式中,该装置还包括:模型训练模块350,用于采集机房各个空间的机房运行数据;对各个空间的机房运行数据进行分析,得到各个空间的设备能耗与制冷PUE数据;对各个空间的设备能耗与制冷PUE数据进行模型训练,生成空间设备能耗与制冷最佳配比曲线。
在一种可选的方式中,模拟PUE数据包括PUE值和PUE波动对;空间设备能耗与制冷最佳配比曲线中包含有各个空间对应的最佳PUE值和最佳PUE波动对。匹配模块340进一步用于:针对每个上架位置,计算该上架位置所在空间的PUE值和PUE波动对与空间设备能耗与制冷最佳配比曲线中该空间对应的最佳PUE值和最佳PUE波动对之间的距离作为该上架位置对应的匹配偏差度;从多个上架位置对应的匹配偏差度中选取最小的匹配偏差度,将最小的匹配偏差度对应的上架位置确定为目标上架位置。
采用本实施例提供的装置,通过获取待上架设备的业务需求数据,分析机房高低压配电设备容量、机房/机柜空间、机柜容量、现有用电设备用电量和列头柜三相平衡度,根据待上架设备用电能耗,通过模型匹配确定上架范围,结合多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据,通过模拟运算后与预先训练的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置,从而实现机房设备自动匹配最佳上架位置,有效避免机房设备上架后产生局部热点和资源均衡性分配不合理的问题。
本发明实施例提供了一种非易失性计算机存储介质,计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的机房设备上架位置的匹配方法。
可执行指令具体可以用于使得处理器执行以下操作:
获取待上架设备的业务需求数据,查找机房内与业务需求数据相匹配的多个上架位置;
获取多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据;
针对每个上架位置,利用设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;
将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
图4示出了本发明计算设备实施例的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备可以包括:
处理器(processor)、通信接口(Communications Interface)、存储器(memory)、以及通信总线。
其中:处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口,用于与其它设备比如客户端或其它服务器等的网元通信。处理器,用于执行程序,具体可以执行上述机房设备上架位置的匹配方法实施例中的相关步骤。
具体地,程序可以包括程序代码,该程序代码包括计算机操作指令。
处理器可能是中央处理器CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。服务器包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器,用于存放程序。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序具体可以用于使得处理器执行以下操作:
获取待上架设备的业务需求数据,查找机房内与业务需求数据相匹配的多个上架位置;
获取多个上架位置所在空间的机房运行数据以及与待上架设备具有相同型号的设备的设备历史运行数据;
针对每个上架位置,利用设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;
将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种机房设备上架位置的匹配方法,其特征在于,包括:
获取待上架设备的业务需求数据,查找机房内与所述业务需求数据相匹配的多个上架位置;
获取多个上架位置所在空间的机房运行数据以及与所述待上架设备具有相同型号的设备的设备历史运行数据;
针对每个上架位置,利用所述设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;
将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
2.根据权利要求1所述的方法,其特征在于,在所述将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置之前,所述方法还包括:
采集机房各个空间的机房运行数据;
对各个空间的机房运行数据进行分析,得到各个空间的设备能耗与制冷PUE数据;
对各个空间的设备能耗与制冷PUE数据进行模型训练,生成空间设备能耗与制冷最佳配比曲线。
3.根据权利要求1所述的方法,其特征在于,所述模拟PUE数据包括PUE值和PUE波动对;所述空间设备能耗与制冷最佳配比曲线中包含有各个空间对应的最佳PUE值和最佳PUE波动对;
所述将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置进一步包括:
针对每个上架位置,计算该上架位置所在空间的PUE值和PUE波动对与所述空间设备能耗与制冷最佳配比曲线中该空间对应的最佳PUE值和最佳PUE波动对之间的距离作为该上架位置对应的匹配偏差度;
从多个上架位置对应的匹配偏差度中选取最小的匹配偏差度,将最小的匹配偏差度对应的上架位置确定为目标上架位置。
4.根据权利要求1-3任一项中所述的方法,其特征在于,所述机房运行数据包括:基础设施运行数据和IT设备运行数据。
5.根据权利要求1-3任一项中所述的方法,其特征在于,所述业务需求数据包括:机架高度、功率需求、端口需求和/或设备重量。
6.一种机房设备上架位置的匹配装置,其特征在于,包括:
查找模块,用于获取待上架设备的业务需求数据,查找机房内与所述业务需求数据相匹配的多个上架位置;
数据获取模块,用于获取多个上架位置所在空间的机房运行数据以及与所述待上架设备具有相同型号的设备的设备历史运行数据;
模拟模块,用于针对每个上架位置,利用所述设备历史运行数据以及该上架位置所在空间的机房运行数据进行模拟运算,得到该上架位置所在空间的模拟PUE数据;
匹配模块,用于将多个上架位置所在空间的模拟PUE数据分别与预先训练得到的空间设备能耗与制冷最佳配比曲线进行匹配,确定目标上架位置。
7.根据权利要求6所述的装置,其特征在于,该装置还包括:
模型训练模块,用于采集机房各个空间的机房运行数据;对各个空间的机房运行数据进行分析,得到各个空间的设备能耗与制冷PUE数据;对各个空间的设备能耗与制冷PUE数据进行模型训练,生成空间设备能耗与制冷最佳配比曲线。
8.根据权利要求6所述的装置,其特征在于,所述模拟PUE数据包括PUE值和PUE波动对;所述空间设备能耗与制冷最佳配比曲线中包含有各个空间对应的最佳PUE值和最佳PUE波动对;
所述匹配模块进一步用于:
针对每个上架位置,计算该上架位置所在空间的PUE值和PUE波动对与所述空间设备能耗与制冷最佳配比曲线中该空间对应的最佳PUE值和最佳PUE波动对之间的距离作为该上架位置对应的匹配偏差度;
从多个上架位置对应的匹配偏差度中选取最小的匹配偏差度,将最小的匹配偏差度对应的上架位置确定为目标上架位置。
9.一种计算设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的机房设备上架位置的匹配方法对应的操作。
10.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-5中任一项所述的机房设备上架位置的匹配方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044554.3A CN114357668A (zh) | 2020-09-28 | 2020-09-28 | 一种机房设备上架位置的匹配方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044554.3A CN114357668A (zh) | 2020-09-28 | 2020-09-28 | 一种机房设备上架位置的匹配方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114357668A true CN114357668A (zh) | 2022-04-15 |
Family
ID=81090069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011044554.3A Pending CN114357668A (zh) | 2020-09-28 | 2020-09-28 | 一种机房设备上架位置的匹配方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114357668A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115378823A (zh) * | 2022-08-22 | 2022-11-22 | 中国建设银行股份有限公司 | 一种公有云的落位规划方法及装置、电子设备、存储介质 |
CN116468199A (zh) * | 2023-04-18 | 2023-07-21 | 北京众谊越泰科技有限公司 | 一种基于u位资产管理系统的智能上架位置预测方法 |
-
2020
- 2020-09-28 CN CN202011044554.3A patent/CN114357668A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115378823A (zh) * | 2022-08-22 | 2022-11-22 | 中国建设银行股份有限公司 | 一种公有云的落位规划方法及装置、电子设备、存储介质 |
CN115378823B (zh) * | 2022-08-22 | 2024-05-24 | 中国建设银行股份有限公司 | 一种公有云的落位规划方法及装置、电子设备、存储介质 |
CN116468199A (zh) * | 2023-04-18 | 2023-07-21 | 北京众谊越泰科技有限公司 | 一种基于u位资产管理系统的智能上架位置预测方法 |
CN116468199B (zh) * | 2023-04-18 | 2024-03-19 | 北京众谊越泰科技有限公司 | 一种基于u位资产管理系统的智能上架位置预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Manganelli et al. | Strategies for improving the sustainability of data centers via energy mix, energy conservation, and circular energy | |
CN106713083B (zh) | 基于知识图谱的智能家居设备控制方法、装置及系统 | |
JP5904488B2 (ja) | データ・センタの効率分析及び最適化のための方法、システム、コンピュータ・プログラム | |
CN112888268B (zh) | 数据中心机房节能控制方法、装置、设备及存储介质 | |
US9111054B2 (en) | Data center design tool | |
CN114357668A (zh) | 一种机房设备上架位置的匹配方法和装置 | |
CN105452984B (zh) | 计算数据中心中的电源使用效率 | |
CN109492264A (zh) | 一种跨云数据中心的能效预测方法 | |
US11765869B1 (en) | Self-sustained, scalable, efficient data center facility and method | |
CN111612273A (zh) | 一种区域级综合能源系统分区设计方法及系统 | |
CN112183826A (zh) | 基于深度级联生成对抗网络的建筑能耗预测方法及相关产品 | |
Tashiro et al. | Application of convolutional neural network to prediction of temperature distribution in data centers | |
CN116954329A (zh) | 制冷系统的状态调节方法、装置、设备、介质及程序产品 | |
JP2018060271A (ja) | 管理装置、管理装置の制御方法、管理装置の制御プログラム及び情報処理システム | |
Levy et al. | Data center modeling using a cyber-physical systems lens | |
CN111967682B (zh) | 设备上架方案寻优方法、装置及终端设备 | |
CN112232479B (zh) | 基于深度级联神经网络的建筑能耗时空因子表征方法及相关产品 | |
CN114267440A (zh) | 医疗订单信息处理方法、装置和计算机可读存储介质 | |
Han et al. | Optimization of workload distribution of data centers based on a self-learning in situ adaptive tabulation model | |
Takeuchi et al. | Performance comparison of conventional and local computer room air-conditioning systems in data centres by CFD analysis | |
CN111915105A (zh) | 一种区域内用电量的预测方法及装置 | |
CN109598454A (zh) | 一种温控负荷可调度容量分析方法、装置和设备 | |
CN111046321A (zh) | 光伏电站运维策略优化方法和装置 | |
Levy | Modeling and simulation of data centers to predict behavior | |
CN109376290A (zh) | 房屋数据的处理显示方法及处理显示装置 |
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 |