CN116016537A - 优化对算力网络资源的选择的方法和装置 - Google Patents
优化对算力网络资源的选择的方法和装置 Download PDFInfo
- Publication number
- CN116016537A CN116016537A CN202211728369.5A CN202211728369A CN116016537A CN 116016537 A CN116016537 A CN 116016537A CN 202211728369 A CN202211728369 A CN 202211728369A CN 116016537 A CN116016537 A CN 116016537A
- Authority
- CN
- China
- Prior art keywords
- node
- energy efficiency
- score
- power network
- following formula
- 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 42
- 238000005265 energy consumption Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 6
- 238000007726 management method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- ZFXYFBGIUFBOJW-UHFFFAOYSA-N theophylline Chemical compound O=C1N(C)C(=O)N(C)C2=C1NC=N2 ZFXYFBGIUFBOJW-UHFFFAOYSA-N 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
技术领域
本发明涉及一种对算力网络资源进行评价的方法和装置,具体地涉及一种优化对算力网络资源的选择的方法和装置。
背景技术
运营商拥有丰富的算力资源,其核心是数据中心、云资源(公有云、私有云或混合云)以及边缘节点,可通过业务编排系统,实现资源池的管理与业务编排。传统方法选择资源节点提供服务的时候,仅考虑网络需求和计算需求,即节点需要提供多少算力,服务带宽,服务时延等因素。但是设备的能耗也尤为重要。如负载率的增加,会使得设备发热,长时间运作的情况,使得能效率降低,同时会增加设备故障概率,影响用户业务和体验。
发明内容
为了解决上述问题,本发明提供一种优化对算力网络资源的选择的方法和装置,该方法和该装置能够实现算力网络中节点选择的优化。
本发明提供一种优化对算力网络资源的选择的方法,所述方法包括:步骤S1,根据以下公式获取算力网络中各节点的能效评分Vm:Em为耗能率,Lm为损耗率,Pm为非故障率,其中a+b+c=1,其中a,b,c为常数;步骤S2,综合各节点的能效评分Vm和非能效评分Wm,以得到各节点的综合评分Fm;以及步骤S3,根据各节点的综合评分Fm选择最优节点,以实现算力网络中节点的选择优化。
根据本发明的方法,其中通过以下公式获取非故障率Pm:Pm=设备正常运行的时间/设备工作运行时间*出厂非故障率;设备工作运行时间=设备正常运行时间+故障造成的停机时间。
本发明提供一种优化对算力网络资源的选择的装置,所述装置包括:能效评分获取模块,根据以下公式获取算力网络中各节点的能效评分Vm:Em为耗能率,Lm为损耗率,Pm为非故障率,其中a+b+c=1,其中a,b,c为常数;综合评分获取模块,综合各节点的能效评分Vm和非能效评分Wm,以得到各节点的综合评分Fm;以及算力节点优化模块,根据各节点的综合评分Fm选择最优节点,以实现算力网络中节点的选择优化。
根据本发明的装置,其中所述能效评分获取模块构造成通过以下公式获取非故障率Pm:Pm=设备正常运行的时间/设备工作运行时间*出厂非故障率;设备工作运行时间=设备正常运行时间+故障造成的停机时间。
本发明提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行本发明的优化对算力网络资源的选择的方法。
本发明提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时,所述处理器执行本发明的优化对算力网络资源的选择的方法。
本申请提供一种优化对算力网络资源的选择的方法和装置,通过在增加能效评分指标,依据节点评分及能效评分综合评判来选择合适的节点,这样能实现算力网络中节点选择优化。
附图说明
下面,结合下列附图对本发明的各个实施例进行描述,其中:
图1示出了现有技术中常规的业务编排系统的结构示意图。
图2是示出根据本申请的一种优化对算力网络资源的选择的方法的处理步骤的流程图。
图3是示出根据本申请的一种优化对算力网络资源的选择的装置的组成部分的结构图。
具体实施方式
一个算力节点可以是指运营商的数据中心,边缘节点或者端侧节点,可以由单台高性能服务器组成,也可以由多台普通服务器组成。
运营商拥有丰富的算力资源,其核心是数据中心、云资源(公有云、私有云或混合云)以及边缘节点,运营商可通过业务编排系统,实现资源池的管理与业务编排,为用户提供服务。
如图1所示,常规的业务编排系统中核心模块包含需求分析模块,资源选择模块,业务配置模块,故障管理模块;
需求分析模块获取用户业务需求,并将各需求拆分作为资源选择的依据;
资源选择模块基于需求分析模块的需求信息,选择合适的节点资源;
业务配置模块基于资源选择模块的选择结果,生成业务链接,完成业务配置,提供服务;
故障管理模块,对节点及业务进行监督,当出现故障的情况,进行节点维护或业务调整。
本文中创新地将影响能效的因素作为资源选择的一个指标,以此来优化能耗。即在资源选择模块中增加能效评分,依据节点评分及能效评分综合评判来选择合适的节点,这样能实现算力网络中节点选择优化。
下面,参照附图对本发明的优化对算力网络资源的选择的方法和装置的实施例作具体描述。
第一实施例
如图2所示,本申请提供一种优化对算力网络资源的选择的方法,该方法包括:
其中,同一型号的设备,其初始耗能率、损耗率、非故障率都是相同。
步骤S2,综合各节点的能效评分Vm和非能效评分Wm,以得到各节点的综合评分Fm;以及
步骤S3,根据各节点的综合评分Fm选择最优节点,以实现算力网络中节点的选择优化。
(1)耗能率(Em)计算方式
负载率对耗能的影响:负载率的增加,会使得设备发热,长时间运作的情况,使得能效率降低;
示例如图:
(0,20%] | (20%,40%] | (40%,60%] | (60%,80%] | (80%,100%] |
<![CDATA[K<sub>1</sub>]]> | <![CDATA[K<sub>2</sub>]]> | <![CDATA[K<sub>3</sub>]]> | <![CDATA[K<sub>4</sub>]]> | <![CDATA[K<sub>5</sub>]]> |
K为常数且大于1,且K1<K2<K3<K4<K5,其值与负载率ln有关,根据以往情况获取相关数值,本文中为了举例方便,假设K1-K5的上述取值分别为1、1.2、1.4、1.6、1.8;
耗能率Em计算的方法:
负载率=已承载任务所需要的算力资源/算力节点的算力能力,一个节点中可能包含多台设备,这里在计算的时候,是按照所有设备的算力能力,以及所有设备已承载任务所需要的算力资源;如果执行过程中有多个任务进行,且运行时长不一致,则分段计算,每种负载率下的工作时长,以此累积估算。
(2)损耗率(Lm)计算方式
节点的损耗是指节点长时间提供服务,会导致节点可提供服务时长减少,如果高负载运行时间越长,节点可提供服务时长越短。
负载率为ln时,分段损耗率为Ln=loga(ln+1),其中a>1,根据以往情况获取相关数值。于是,通过以下公式计算损耗率Lm:
(3)非故障率(Pm)计算方式
m为该节点内算力设备的个数,节点内算力设备为全连接方式,故该节点内连接各设备间的链路个数为利用以往数据进行大数据分析,每个设备的非故障率为dn1,dn2,......dnm,每条链路的非故障率为因此该节点的非故障率为
初始的非故障率为设备的出厂非故障率,使用中的设备非故障率Pm计算方式为:
Pm=设备正常运行的时间/设备工作运行时间*出厂非故障率;
设备工作运行时间=设备正常运行时间+故障造成的停机时间。
假设基于传统方式,在不考虑能效损耗(耗能率、损耗率、非故障率等参数)的情况下获取的各节点的非能效评分记为W。如果评分为大于1的数,则将评分记为max(Wn)是指W1,W2,……Wn之间最大的值;这样可以得到(0,1]的非能效评分值Wm。
在本申请中,根据耗能率、损耗率、非故障率计算算力网络中各节点的能效评分,并且综合能效评分和非能效评分,计算各节点的综合评分。在对算力网络资源进行选择时,选择综合评分最高的最优网络计算节点,能够实现算力网络资源中节点选择的优化。
第二实施例
如图3所示,本申请还提供一种优化对算力网络资源的选择的装置,该装置包括:
能效评分获取模块1,根据以下公式获取算力网络中各节点的能效评分Vm:
综合评分获取模块2,综合各节点的能效评分Vm和非能效评分Wm,以得到各节点的综合评分Fm;以及
算力节点优化模块3,根据各节点的综合评分Fm选择最优节点,以实现算力网络中节点的选择优化。
在本实施例中,能效评分获取模块1构造成通过以下公式获取非故障率Pm:Pm=设备正常运行的时间/设备工作运行时间*出厂非故障率;设备工作运行时间=设备正常运行时间+故障造成的停机时间。
在本申请中,根据耗能率、损耗率、非故障率计算算力网络中各节点的能效评分,并且综合能效评分和非能效评分,计算各节点的综合评分。在对算力网络资源进行选择时,选择综合评分最高的最优网络计算节点,能够实现算力网络资源中节点选择的优化。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
因此,本发明还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行本发明的优化对算力网络资源的选择的方法。
因此,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被处理器执行时,所述处理器执行本发明的优化对算力网络资源的选择的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。本发明的范围也应当涵盖这些修改和变化。
Claims (12)
4.根据权利要求1所述的方法,其中通过以下公式获取非故障率Pm:Pm=设备正常运行的时间/设备工作运行时间*出厂非故障率;设备工作运行时间=设备正常运行时间+故障造成的停机时间。
9.根据权利要求6所述的装置,其中所述能效评分获取模块构造成通过以下公式获取非故障率Pm:Pm=设备正常运行的时间/设备工作运行时间*出厂非故障率;设备工作运行时间=设备正常运行时间+故障造成的停机时间。
11.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据权利要求1至5中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序被处理器执行时,所述处理器执行根据权利要求1至5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211728369.5A CN116016537B (zh) | 2022-12-30 | 2022-12-30 | 优化对算力网络资源的选择的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211728369.5A CN116016537B (zh) | 2022-12-30 | 2022-12-30 | 优化对算力网络资源的选择的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116016537A true CN116016537A (zh) | 2023-04-25 |
CN116016537B CN116016537B (zh) | 2024-03-01 |
Family
ID=86036924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211728369.5A Active CN116016537B (zh) | 2022-12-30 | 2022-12-30 | 优化对算力网络资源的选择的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116016537B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113448721A (zh) * | 2020-03-27 | 2021-09-28 | 中国移动通信有限公司研究院 | 算力处理的网络系统及算力处理方法 |
CN113743768A (zh) * | 2021-08-30 | 2021-12-03 | 国网上海市电力公司 | 一种多站融合的改进方法 |
CN114911621A (zh) * | 2022-05-20 | 2022-08-16 | 中国科学院计算技术研究所 | 一种用于分布式训练计算阶段的自动优化方法 |
-
2022
- 2022-12-30 CN CN202211728369.5A patent/CN116016537B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113448721A (zh) * | 2020-03-27 | 2021-09-28 | 中国移动通信有限公司研究院 | 算力处理的网络系统及算力处理方法 |
WO2021190482A1 (zh) * | 2020-03-27 | 2021-09-30 | 中国移动通信有限公司研究院 | 算力处理的网络系统及算力处理方法 |
CN113743768A (zh) * | 2021-08-30 | 2021-12-03 | 国网上海市电力公司 | 一种多站融合的改进方法 |
CN114911621A (zh) * | 2022-05-20 | 2022-08-16 | 中国科学院计算技术研究所 | 一种用于分布式训练计算阶段的自动优化方法 |
Non-Patent Citations (1)
Title |
---|
马玮良;彭轩;熊倩;石宣化;金海;: "深度学习中的内存管理问题研究综述", 大数据, no. 04, 15 July 2020 (2020-07-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN116016537B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10289451B2 (en) | Method, apparatus, and system for adjusting deployment location of virtual machine | |
US10354201B1 (en) | Scalable clustering for mixed machine learning data | |
WO2021004063A1 (zh) | 一种缓存服务器的带宽调度方法及装置 | |
CN111131379B (zh) | 一种分布式流量采集系统和边缘计算方法 | |
US9805140B2 (en) | Striping of directed graphs and nodes with improved functionality | |
CN108279974B (zh) | 一种云资源分配方法及装置 | |
CN111966289B (zh) | 基于Kafka集群的分区优化方法和系统 | |
CN112764920B (zh) | 一种边缘应用部署方法、装置、设备和存储介质 | |
CN110213203B (zh) | 网络调度方法、装置及计算机存储介质 | |
CN108717661B (zh) | 一种金融业风险预警的集群存储与分析方法 | |
US9043535B1 (en) | Minimizing application response time | |
CN116016537B (zh) | 优化对算力网络资源的选择的方法和装置 | |
CN114186750A (zh) | 面向智能电网电力业务分级需求的路由规划方法及装置 | |
US11374869B2 (en) | Managing bandwidth based on user behavior | |
CN113191505A (zh) | 一种地理分布式机器学习参数服务器放置方法 | |
CN112579576B (zh) | 一种数据处理方法、装置、介质和计算设备 | |
CN117203944A (zh) | 算力网络的资源调度方法 | |
CN112748850B (zh) | 用于存储管理的方法、设备和计算机程序产品 | |
CN113869920A (zh) | 一种商机阶段划分方法、系统、计算机设备和存储介质 | |
CN110554916A (zh) | 基于分布式集群的风险指标计算方法及装置 | |
KR102054068B1 (ko) | 그래프 스트림에 대한 실시간 분산 저장을 위한 분할 방법 및 분할 장치 | |
CN115065685B (zh) | 云计算资源调度方法、装置、设备及介质 | |
CN113608909B (zh) | 数据处理方法、装置、设备、系统、存储介质及程序产品 | |
CN111382196B (zh) | 分布式账务处理方法及系统 | |
CN115314500B (zh) | 基于改进topsis模型的动态负载均衡方法 |
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 |