CN116468199B - 一种基于u位资产管理系统的智能上架位置预测方法 - Google Patents
一种基于u位资产管理系统的智能上架位置预测方法 Download PDFInfo
- Publication number
- CN116468199B CN116468199B CN202310415386.1A CN202310415386A CN116468199B CN 116468199 B CN116468199 B CN 116468199B CN 202310415386 A CN202310415386 A CN 202310415386A CN 116468199 B CN116468199 B CN 116468199B
- Authority
- CN
- China
- Prior art keywords
- rack
- equipment
- available
- list
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005265 energy consumption Methods 0.000 claims abstract description 121
- 238000009434 installation Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 17
- 230000001174 ascending effect Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 9
- 238000013021 overheating Methods 0.000 abstract description 5
- 238000005057 refrigeration Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
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
-
- 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"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种基于U位资产管理系统的智能上架位置预测方法,通过已有的U位资产管理系统信息,结合拟上架设备的信息,通过智能上架算法,得出所有拟上架设备的安装位置推荐预测,为数据中心设备上架提供更为科学的决策参考,避免发生空间、承重、能耗超限的情况,提高管理效率,避免隐患和风险。通过“优先算法”和“均衡算法”,从而预测出理想的推荐安装位置,高效快速,科学合理。“优先算法”要求优先使用剩余空间、剩余能耗较小的机架,从而提高机架利用率;“均衡算法”要求多个机架能够相对平均地使用空间或能耗,有利于达到数据中心的整体使用均衡性,有助于避免局部过热并提高制冷系统热交换效率。
Description
技术领域
本申请涉及智能上架位置预测技术领域,特别是涉及一种基于U位资产管理系统的智能上架位置预测方法。
背景技术
随着大数据、云计算等计算机技术的发展,应用系统与数据量与日俱增,企业需要在数据中心不断地增加IT设备以满足业务发展需求。数据中心作为IT设备安装运行的基础设施,在建设之初即限定了每个机架所能承载的最大空间、最大承重和最大能耗。在后期使用时,一旦超过了机架的最大空间、最大承重和最大能耗,将会导致机架和设备损坏、供电中断等情况,进而造成大量业务系统宕机和数据丢失,给企业带来巨大的经济损失。因此,在后期使用机架进行设备安装时,需要科学规划,避免发生超限情况。
在数据中心的日常运维管理业务中,当需要给准备安装到机架的多台设备规划具体位置时,通常的方法都是依据个人经验进行判断和规划。
这种方法,往往具有较大的随机性,并存在以下弊端:
(1)考虑的因素较少,通常只考虑了机架的剩余空间资源情况和现有在架设备的集中度情况,忽略了机架空间限制因素、机架承重限制因素、机架能耗限制因素、区域内机架能耗均衡度因素等,规划的科学性得不到保证。
(2)按这种方法将设备上架安装后,可能造成以下后果:机架超重,造成机架变形、抗震能力降低;机架能耗超载,造成整个机架跳闸,该机架所有在运行中的设备掉电,引发重大损失;设备分布不均衡,造成局部过热,并且制冷系统热交换效率降低。
发明内容
基于此,针对上述技术问题,提供一种基于U位资产管理系统的智能上架位置预测方法以解决现有技术中依据个人经验进行判断和规划忽略了机架空间限制因素、承重限制因素、机架能耗限制因素、区域内机架能耗均衡度因素等,规划的科学性得不到保证的问题。
第一方面,一种基于U位资产管理系统的智能上架位置预测方法,所述方法包括:
依次获取拟上架设备信息,并按照获取顺序对所述拟上架设备排序生成拟上架设备列表;
依次选择目标机架并获取所有所述目标机架数据,并将目标机架按照选择顺序排列,其中,所述目标机架为用户选定的机架范围中剩余空间大于0U的机架;
响应于用户输入,判定用户选择上架策略;
若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表;
若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表;
将所述第一预测对应表或所述第二预测对应表作为所述智能上架位置预测结果并输出。
上述方案中,可选地,所述拟上架设备信息包括所述拟上架设备高度信息、重量信息和额定功率信息;
所述目标机架数据包括目标机架空间限制数据、承重限制数据和负载限制数据以及所述目标机架所在机架当前实时空间使用信息、承重使用信息和负载使用信息。
上述方案中,进一步可选地,所述若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表,包括:
步骤1:将所有所述目标机架按剩余可用空间s升序排列生成空间优先排列数据;
将所有所述目标机架按剩余能耗p升序排列生成能耗优先排列数据;
步骤2:获取所有所述目标机架列表,第i个机架的信息为Ri{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述目标机架所在机架整体空间减去已经在架设备占用的总空间,再减去已经被推荐占用的所述拟上架设备的占用总空间后所得的值;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的所述拟上架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架整体额定能耗减去已经在架设备的总额定能耗,,再减去已经被推荐占用的所述拟上架设备的总额定能耗后所得的值;
对所有所述目标机架列表中每个剩余可用目标机架,处理并生成所述可用目标机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为所述可用目标机架的具体可用位置,t为所述可用目标机架的具体可用位置可安装最大高度,所述可用目标机架的剩余可用U位列表按u升序排列;已经被在架设备占用和已经被推荐占用的U位为不可用U位;
所述拟上架设备列表中,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率,所述拟上架设备列表按s降序排列;
步骤3:选择所述拟上架设备列表中的第一个设备,若所述拟上架设备列表为空,则所述第一上架算法结束,生成第一预测对应表。
上述方案中,进一步可选地,所述选择所述拟上架设备列表中的第一个设备之后还包括:若所述拟上架设备列表不为空,则执行以下步骤:
步骤4:从剩余可用目标机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};若没有满足条件的目标机架,则设置该设备为“无可安装位置”;
返回所述步骤2重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
上述方案中,进一步可选地,所述从剩余可用目标机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p}之后还包括:若有满足条件的目标机架则执行以下步骤:
步骤5:若有满足条件的目标机架,则从所述满足条件的目标机架对应的剩余可用U位列表中选择第一个满足以下条件的目标机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足条件的目标机架,重新执行步骤5;若没有满足条件的可用U位,则输出置所述设备为无可安装位置;并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
步骤6:若有满足条件的可用U位,将找到的满足条件的可用U位作为设备的推荐安装U位;返回所述步骤2重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
上述方案中,进一步可选地,所述若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表,包括:
步骤A:将所有所述目标机架按剩余可用空间s降序排列生成空间均衡排列数据;将所有所述目标机架按剩余能耗p降序排列生成能耗均衡排列数据;
步骤B:处理所有目标机架并生成原始可用机架限值列表,其中,所述原始可用机架限值列表中第i个可用机架的信息为Ci{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述目标机架所在机架整体空间减去已经在架设备占用的总空间后所得的值;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架整体额定能耗减去已经在架设备的总额定能耗后所得的值;
步骤C:处理所有目标机架并生成剩余可用机架列表,第i个机架的信息为Ri{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述可用机架的空间使用限值减去已经在架设备占用的总空间,再减去已经被推荐占用的所述拟上架设备的占用总空间后所得的值;
所述可用机架的空间使用限值为:
Mi为第i个所述可用机架中所有已经上架安装的设备高度总和;
ΣMi为全部可用机架所有已经上架安装的设备高度总和;
Ni为第i个拟上架设备高度;
ΣNi为全部拟上架设备高度总和;
n为全部可用机架的总数量;
所述目标机架剩余空间s为:
时
s=0,时
Ki为推荐安装到所述机架的设备高度总和;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的所述拟上架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架能耗使用限值减去已经在架设备的总额定能耗,再减去已经被推荐占用的所述拟上架设备的总额定能耗后所得的值;
目标机架的能耗使用限值为:
Ei为第i个可用机架中当前总能耗;
ΣEi为所有可用机架当前总能耗的总和;
Fi为第i个拟上架设备的额定功率;
ΣFi为全部拟上架设备的额定功率总和;
n为所有可用机架的总数量;
所述目标机架剩余能耗p为:
时
p=0,时
Li为推荐安装到所述机架的设备额定功率总和;
对每个剩余可用机架,处理并生成机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为具体可用位置,t为该位置可安装最大高度;所述剩余可用U位列表按u升序排列;已经被在架设备占用和已经被推荐占用的U位为不可用U位;
生成剩余拟上架设备列表,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率;所述拟上架设备列表按s降序排列;
步骤D:选择拟上架设备列表中的第一个设备,若拟上架设备列表为空,则所述第二上架算法结束,生成第二预测对应表。
上述方案中,进一步可选地,所述选择拟上架设备列表中的第一个设备之后,还包括:若拟上架设备列表不为空则执行以下步骤:
步骤E:从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};若没有满足条件的机架,则执行以下步骤:
步骤J:从剩余可用机架列表中选择第一个满足以下条件的可用机架:C{s}≥D{s},C{w}≥D{w},C{p}≥D{p};如果没有满足条件的可用机架,则标记所述设备为无可安装位置;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
步骤K:从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的该可用机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足步骤J条件的机架,重新执行步骤K;若始终没有满足条件的可用U位,则标记设备为无可安装位置;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
上述方案中,进一步可选地,所述从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};之后还包括:若有满足条件的机架,则执行以下步骤:
步骤F:从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的可用机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足步骤E条件的机架,重新执行步骤F;若始终没有满足条件的可用U位,则执行步骤J和步骤K;
步骤G:将满足步骤F条件的可用U位作为设备的推荐安装U位;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
第二方面,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
依次获取拟上架设备信息,并按照获取顺序对所述拟上架设备排序生成拟上架设备列表;
依次选择目标机架并获取所有所述目标机架数据,并将目标机架按照选择顺序排列,其中,所述目标机架为用户选定的机架范围中剩余空间大于0U的机架;
响应于用户输入,判定用户选择上架策略;
若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表;
若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表;
将所述第一预测对应表或所述第二预测对应表作为所述智能上架位置预测结果并输出。
第三方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
依次获取拟上架设备信息,并按照获取顺序对所述拟上架设备排序生成拟上架设备列表;
依次选择目标机架并获取所有所述目标机架数据,并将目标机架按照选择顺序排列,其中,所述目标机架为用户选定的机架范围中剩余空间大于0U的机架;
响应于用户输入,判定用户选择上架策略;
若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表;
若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表;
将所述第一预测对应表或所述第二预测对应表作为所述智能上架位置预测结果并输出。
本发明至少具有以下有益效果:
本发明基于对现有技术问题的进一步分析和研究,认识到现有技术中依据个人经验进行判断和规划忽略了机架空间限制因素、机架承重限制因素、机架能耗限制因素、区域内机架能耗均衡度因素等,规划的科学性得不到保证的问题。本发明通过依次获取拟上架设备信息,并按照获取顺序对所述拟上架设备排序生成拟上架设备列表;依次选择目标机架并获取所有所述目标机架数据,并将目标机架按照选择顺序排列,其中,所述目标机架为用户选定的机架范围中剩余空间大于0U的机架;响应于用户输入,判定用户选择上架策略;若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表;若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表;将所述第一预测对应表或所述第二预测对应表作为所述智能上架位置预测结果并输出。
本发明通过已有的U位资产管理系统信息,结合拟上架设备的信息,通过智能上架算法,得出所有拟上架设备的安装位置推荐预测,为数据中心设备上架提供更为科学的决策参考,避免发生空间、承重、能耗超限的情况,提高管理效率,避免隐患和风险。智能上架算法结合了空间、承重、能耗多个维度的参数和数据,支持“空间优先”、“能耗优先”、“空间均衡”和“能耗均衡”多种策略下的算法组合,通过“优先算法”和“均衡算法”,从而预测出理想的推荐安装位置,高效快速,科学合理。“优先算法”要求优先使用剩余空间、剩余能耗较小的机架,从而提高机架利用率;“均衡算法”要求多个机架能够相对平均地使用空间或能耗,有利于达到数据中心的整体使用均衡性,有助于避免局部过热并提高制冷系统热交换效率。
附图说明
图1为本发明一个实施例提供的基于U位资产管理系统的智能上架位置预测方法的流程示意图;
图2为本发明一个实施例提供的基于U位资产管理系统的智能上架位置预测方法的处理过程方法流程图;
图3为本发明一个实施例提供的基于U位资产管理系统的智能上架位置预测方法的优先算法实施例流程图;
图4为本发明一个实施例提供的基于U位资产管理系统的智能上架位置预测方法的均衡算法实施例流程图;
图5为一个实施例中计算机设备的内部结构图。
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,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于U位资产管理系统的智能上架位置预测方法,如图1、图2所示,提供了一种基于U位资产管理系统的智能上架位置预测方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
依次获取拟上架设备信息,并按照获取顺序对所述拟上架设备排序生成拟上架设备列表;
依次选择目标机架并获取所有所述目标机架数据,并将目标机架按照选择顺序排列,其中,所述目标机架为用户选定的机架范围中剩余空间大于0U的机架;
响应于用户输入,判定用户选择上架策略;
若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表;
若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表;
将所述第一预测对应表或所述第二预测对应表作为所述智能上架位置预测结果并输出。
在一个实施例中,所述拟上架设备信息包括所述拟上架设备高度信息、重量信息和额定功率信息;
所述目标机架数据包括目标机架空间限制数据、承重限制数据和负载限制数据以及所述目标机架所在机架当前实时空间使用信息、承重使用信息和负载使用信息。
在一个实施例中,如图3所示,所述若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表,包括:
步骤1:将所有所述目标机架按剩余可用空间s升序排列生成空间优先排列数据;
将所有所述目标机架按剩余能耗p升序排列生成能耗优先排列数据;
步骤2:获取所有所述目标机架列表,第i个机架的信息为Ri{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述目标机架所在机架整体空间减去已经在架设备占用的总空间,再减去已经被推荐占用的所述拟上架设备的占用总空间后所得的值;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的所述拟上架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架整体额定能耗减去已经在架设备的总额定能耗,,再减去已经被推荐占用的所述拟上架设备的总额定能耗后所得的值;
对所有所述目标机架列表中每个剩余可用目标机架,处理并生成所述可用目标机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为所述可用目标机架的具体可用位置,t为所述可用目标机架的具体可用位置可安装最大高度,所述可用目标机架的剩余可用U位列表按u升序排列;已经被在架设备占用和已经被推荐占用的U位为不可用U位;
所述拟上架设备列表中,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率,所述拟上架设备列表按s降序排列;
步骤3:选择所述拟上架设备列表中的第一个设备,若所述拟上架设备列表为空,则所述第一上架算法结束,生成第一预测对应表。
在一个实施例中,所述选择所述拟上架设备列表中的第一个设备之后还包括:若所述拟上架设备列表不为空,则执行以下步骤:
步骤4:从剩余可用目标机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};若没有满足条件的目标机架,则设置该设备为“无可安装位置”;
返回所述步骤2重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
在一个实施例中,所述从剩余可用目标机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p}之后还包括:若有满足条件的目标机架则执行以下步骤:
步骤5:若有满足条件的目标机架,则从所述满足条件的目标机架对应的剩余可用U位列表中选择第一个满足以下条件的目标机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足条件的目标机架,重新执行步骤5;若没有满足条件的可用U位,则输出置所述设备为无可安装位置;并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
步骤6:若有满足条件的可用U位,将找到的满足条件的可用U位作为设备的推荐安装U位;返回所述步骤2重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
在一个实施例中,如图4所示,所述若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表,包括:
步骤A:将所有所述目标机架按剩余可用空间s降序排列生成空间均衡排列数据;将所有所述目标机架按剩余能耗p降序排列生成能耗均衡排列数据;
步骤B:处理所有目标机架并生成原始可用机架限值列表,其中,所述原始可用机架限值列表中第i个可用机架的信息为Ci{s,w,p},其中S>0;
s为目标机架剩余可用空间,具体为:所述目标机架所在机架整体空间减去已经在架设备占用的总空间后所得的值;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架整体额定能耗减去已经在架设备的总额定能耗后所得的值;
步骤C:处理所有目标机架并生成剩余可用机架列表,第i个机架的信息为Ri{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述可用机架的空间使用限值减去已经在架设备占用的总空间,再减去已经被推荐占用的所述拟上架设备的占用总空间后所得的值;
所述可用机架的空间使用限值为:
Mi为第i个所述可用机架中所有已经上架安装的设备高度总和;
ΣMi为全部可用机架所有已经上架安装的设备高度总和;
Ni为第i个拟上架设备高度;
ΣNi为全部拟上架设备高度总和;
n为全部可用机架的总数量;
所述目标机架剩余空间s为:
时
s=0,时
Ki为推荐安装到所述机架的设备高度总和;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的所述拟上架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架能耗使用限值减去已经在架设备的总额定能耗,再减去已经被推荐占用的所述拟上架设备的总额定能耗后所得的值;
目标机架的能耗使用限值为:
Ei为第i个可用机架中当前总能耗;
ΣEi为所有可用机架当前总能耗的总和;
Fi为第i个拟上架设备的额定功率;
ΣFi为全部拟上架设备的额定功率总和;
n为所有可用机架的总数量;
所述目标机架剩余能耗p为:
时
p=0,时
Li为推荐安装到所述机架的设备额定功率总和;
对每个剩余可用机架,处理并生成机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为具体可用位置,t为该位置可安装最大高度;所述剩余可用U位列表按u升序排列;已经被在架设备占用和已经被推荐占用的U位为不可用U位;
生成剩余拟上架设备列表,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率;所述拟上架设备列表按s降序排列;
步骤D:选择拟上架设备列表中的第一个设备,若拟上架设备列表为空,则所述第二上架算法结束,生成第二预测对应表。
在一个实施例中,所述选择拟上架设备列表中的第一个设备之后,还包括:若拟上架设备列表不为空则执行以下步骤:
步骤E:从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};若没有满足条件的机架,则执行以下步骤:
步骤J:从剩余可用机架列表中选择第一个满足以下条件的可用机架:C{s}≥D{s},C{w}≥D{w},C{p}≥D{p};如果没有满足条件的可用机架,则标记所述设备为无可安装位置;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
步骤K:从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的该可用机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足步骤J条件的机架,重新执行步骤K;若始终没有满足条件的可用U位,则标记设备为无可安装位置;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
在一个实施例中,所述从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};之后还包括:若有满足条件的机架,则执行以下步骤:
步骤F:从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的可用机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足步骤E条件的机架,重新执行步骤F;若始终没有满足条件的可用U位,则执行步骤J和步骤K;
步骤G:将满足步骤F条件的可用U位作为设备的推荐安装U位;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
上述基于U位资产管理系统的智能上架位置预测方法中,通过已有的U位资产管理系统信息,结合拟上架设备的信息,通过智能上架算法,得出所有拟上架设备的安装位置推荐预测,为数据中心设备上架提供更为科学的决策参考,避免发生空间、承重、能耗超限的情况,提高管理效率,避免隐患和风险。智能上架算法结合了空间、承重、能耗多个维度的参数和数据,支持“空间优先”、“能耗优先”、“空间均衡”和“能耗均衡”多种策略下的算法组合,通过“优先算法”和“均衡算法”,从而预测出理想的推荐安装位置,高效快速,科学合理。“优先算法”要求优先使用剩余空间、剩余能耗较小的机架,从而提高机架利用率;“均衡算法”要求多个机架能够相对平均地使用空间或能耗,有利于达到数据中心的整体使用均衡性,有助于避免局部过热并提高制冷系统热交换效率。
在一个实施例中,如图2所示通过U位资产管理系统获取到当前已经安装到机架的设备基础信息(包括高度、重量信息和当前安装的具体机架和U位信息)和每个机架的基础信息(空间限制、承重限制、负载限制)以及每个机架当前实时空间使用信息、承重使用信息和负载使用信息;以这些信息为依据,根据空间优先、能耗优先、空间均衡、能耗均衡等不同策略,给出对多个拟上架设备的安装位置的预测和推荐。
图1是本发明技术方案的主流程图。如图1所示,本发明提出的基于U位资产管理系统的智能上架位置预测方法包括下列步骤:
(1)对拟上架设备信息进行预处理。对拟上架设备按照设备导入顺序排列。
(2)对可用机架资源进行预处理。从所选定的机架范围中筛选出所有剩余空间>0U的机架为可用机架。将可用机架按照选择顺序排列。
(3)执行智能上架算法。选择具体的策略,策略包括:空间优先、能耗优先、空间均衡、能耗均衡。如果选择“空间优先”和“能耗优先”策略,则执行优先算法,并生成拟上架设备和机架位置预测对应表。如果选择“空间均衡”和“能耗均衡”策略,则执行均衡算法,并生成拟上架设备和机架位置预测对应表。
(4)最终生成设备与推荐位置列表,作为预测结果。
图3是优先算法流程,包括下列步骤:
(1)设置优先属性。
策略为空间优先时,剩余可用机架列表按剩余可用空间s升序排列;策略为空间优先时,剩余可用机架列表按剩余能耗p升序排列。
剩余可用机架为机架整体空间减去已经被在架设备占用的空间和已经推荐给具体拟上架设备占用的空间后所得剩余可用空间>0U的机架。
(2)执行数据初始化。
处理并生成剩余可用机架列表,第i个机架的信息为Ri{s,w,p},其中s>0。
s为剩余可用空间,为该机架整体空间减去已经在架设备占用的总空间,再减去已经被推荐占用的具体拟上架设备的占用总空间后所得的值。
w为剩余可用承重,为该机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的具体拟上架设备的总重量后所得的值。
p为剩余可用能耗,为该机架整体额定能耗减去已经在架设备的总额定能耗,再减去已经被推荐占用的具体拟上架设备的总额定能耗后所得的值。
对每个剩余可用机架,处理并生成该机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为具体可用位置,t为该位置可安装最大高度。列表按u升序排列。
处理并生成剩余拟上架设备列表,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率。列表按s降序排列。
(3)选择拟上架设备列表中的第一个设备。如果拟上架设备列表为空,则智能上架算法结束,汇总生成设备与推荐位置列表。
(4)从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p}。如果没有满足条件的机架,则设置该设备为“无可安装位置”。并回到第(2)步骤重新执行,此时该设备将从剩余拟上架设备列表中去除。
(5)从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的该可用机架的可用U位:U{t}≥D{s}。如果没有满足条件的可用U位,则选择下一个满足第(4)步骤条件的机架,重新执行本步骤。如果始终没有满足条件的可用U位,则设置该设备为“无可安装位置”。并回到第(2)步骤重新执行,此时该设备将从剩余拟上架设备列表中去除。
(6)将找到的满足条件的可用U位作为该设备的推荐安装U位。并回到第(2)步骤重新执行,此时该设备将从剩余拟上架设备列表中去除。
通过以上步骤的循环,所有拟上架设备将具有推荐属性:无可用安装位置或推荐安装U位。
图4是均衡算法流程,包括下列步骤:
(1)设置均衡属性。策略为空间均衡时,剩余可用机架列表按剩余可用空间s降序排列;策略属性为能耗优先时,剩余可用机架列表按剩余能耗p降序排列。
(2)机架限值初始化。对所有可用机架资源,处理并生成原始可用机架限值列表,第i个可用机架的信息为Ci{s,w,p},s为剩余可用空间,w为剩余可用承重,p为剩余可用能耗。
执行数据初始化。
1)处理并生成剩余可用机架列表,第i个机架的信息为Ri{s,w,p},其中s>0。s为剩余可用空间,w为剩余可用承重,p为剩余可用能耗。
如果策略为空间均衡,则可用机架的空间使用限值为:
Mi为第i个可用机架中所有已经上架安装的设备高度总和
ΣMi为全部可用机架所有已经上架安装的设备高度总和
Ni为第i个拟上架设备高度
ΣNi为全部拟上架设备高度总和
n为全部可用机架的总数量
第i个可用机架剩余空间s为:
时
s=0,时
Ki为推荐安装到所述机架的设备高度总和;
如果策略为能耗均衡,则可用机架的能耗使用限值为:
Ei为第i个可用机架中当前总能耗
ΣEi为全部可用机架当前总能耗的总和
Fi为第i个拟上架设备的额定功率
ΣFi为全部拟上架设备的额定功率总和
n为全部可用机架的总数量
第i个可用机架剩余能耗p为:
时
p=0,时
Li为推荐安装到所述机架的设备额定功率总和;
2)对每个剩余可用机架,处理并生成该机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为具体可用位置,t为该位置可安装最大高度。列表按u升序排列。
3)处理并生成剩余拟上架设备列表,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率。列表按s降序排列。
(3)选择拟上架设备列表中的第一个设备。如果拟上架设备列表为空,则智能上架算法结束,汇总生成设备与推荐位置列表。
(4)从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p}。如果没有满足条件的机架,则执行以下第(7)(8)步骤。
(5)从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的该可用机架的可用U位:U{t}≥D{s}。如果没有满足条件的可用U位,则选择下一个满足第(4)步骤条件的机架,重新执行本步骤。如果始终没有满足条件的可用U位,则执行以下第(7)(8)步骤。
(6)将找到的满足条件的可用U位作为该设备的推荐安装U位。并回到第(2)步骤重新执行,此时该设备将从剩余拟上架设备列表中去除。
(7)从剩余可用机架列表中选择第一个满足以下条件的可用机架:C{s}≥D{s},C{w}≥D{w},C{p}≥D{p}。如果没有满足条件的可用机架,则设置该设备为“无可安装位置”。并回到第(2)步骤重新执行,此时该设备将从剩余拟上架设备列表中去除。
(8)从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的该可用机架的可用U位:U{t}≥D{s}。如果没有满足条件的可用U位,则选择下一个满足第(7)步骤条件的机架,重新执行本步骤。如果始终没有满足条件的可用U位,则设置该设备为“无可安装位置”。并回到第(2)步骤重新执行,此时该设备将从剩余拟上架设备列表中去除。
通过以上步骤的循环,所有拟上架设备将具有推荐属性:无可用安装位置或推荐安装U位。
本实施例中,通过已有的U位资产管理系统信息,结合拟上架设备的信息,通过智能上架算法,得出所有拟上架设备的安装位置推荐预测,为数据中心设备上架提供更为科学的决策参考,避免发生空间、承重、能耗超限的情况,提高管理效率,避免隐患和风险。
智能上架算法结合了空间、承重、能耗多个维度的参数和数据,支持“空间优先”、“能耗优先”、“空间均衡”和“能耗均衡”多种策略下的算法组合,通过“优先算法”和“均衡算法”,从而预测出理想的推荐安装位置,高效快速,科学合理。“优先算法”要求优先使用剩余空间、剩余能耗较小的机架,从而提高机架利用率;“均衡算法”要求多个机架能够相对平均地使用空间或能耗,有利于达到数据中心的整体使用均衡性,有助于避免局部过热并提高制冷系统热交换效率。
与现有手段相比,本发明提出的技术方案从空间、承重、能耗多个维度的数据作为拟上架设备位置选择的依据,通过分析、处理,更为科学地对位置选择进行了推荐预测,极大地增强了决策的科学性和正确性,提高了决策效率。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于U位资产管理系统的智能上架位置预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,涉及上述实施例方法中的全部或部分流程。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,涉及上述实施例方法中的全部或部分流程。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (3)
1.一种基于U位资产管理系统的智能上架位置预测方法,其特征在于,所述方法包括:
依次获取拟上架设备信息,并按照获取顺序对所述拟上架设备排序生成拟上架设备列表;
依次选择目标机架并获取所有所述目标机架数据,并将目标机架按照选择顺序排列,其中,所述目标机架为用户选定的机架范围中剩余空间大于0U的机架;
响应于用户输入,判定用户选择上架策略;
若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表;
若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表;
将所述第一预测对应表或所述第二预测对应表作为所述智能上架位置预测结果并输出;
所述若所述用户选择策略为第一策略,则执行第一上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间优先和能耗优先后的所述拟上架设备和所述目标机架位置第一预测对应表,包括:
步骤1:将所有所述目标机架按剩余可用空间s升序排列生成空间优先排列数据;
将所有所述目标机架按剩余能耗p升序排列生成能耗优先排列数据;
步骤2:获取所有所述目标机架列表,第i个机架的信息为Ri{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述目标机架所在机架整体空间减去已经在架设备占用的总空间,再减去已经被推荐占用的所述拟上架设备的占用总空间后所得的值;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的所述拟上架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架整体额定能耗减去已经在架设备的总额定能耗,再减去已经被推荐占用的所述拟上架设备的总额定能耗后所得的值;
对所有所述目标机架列表中每个剩余可用目标机架,处理并生成所述可用目标机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为所述可用目标机架的具体可用位置,t为所述可用目标机架的具体可用位置可安装最大高度,所述可用目标机架的剩余可用U位列表按u升序排列;已经被在架设备占用和已经被推荐占用的U位为不可用U位;
所述拟上架设备列表中,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率,所述拟上架设备列表按s降序排列;
步骤3:选择所述拟上架设备列表中的第一个设备,若所述拟上架设备列表为空,则所述第一上架算法结束,生成第一预测对应表;
所述选择所述拟上架设备列表中的第一个设备之后还包括:若所述拟上架设备列表不为空,则执行以下步骤:
步骤4:从剩余可用目标机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};若没有满足条件的目标机架,则设置该设备为“无可安装位置”;
返回所述步骤2重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
所述从剩余可用目标机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p}之后还包括:若有满足条件的目标机架则执行以下步骤:
步骤5:若有满足条件的目标机架,则从所述满足条件的目标机架对应的剩余可用U位列表中选择第一个满足以下条件的目标机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足条件的目标机架,重新执行步骤5;若没有满足条件的可用U位,则输出置所述设备为无可安装位置;并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
步骤6:若有满足条件的可用U位,将找到的满足条件的可用U位作为设备的推荐安装U位;返回所述步骤2重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
所述若所述用户选择策略为第二策略,则执行第二上架算法,根据所述拟上架设备信息和所述目标机架数据生成空间均衡和能耗均衡后的所述拟上架设备和所述目标机架位置第二预测对应表,包括:
步骤A:将所有所述目标机架按剩余可用空间s降序排列生成空间均衡排列数据;将所有所述目标机架按剩余能耗p降序排列生成能耗均衡排列数据;
步骤B:处理所有目标机架并生成原始可用机架限值列表,其中,所述原始可用机架限值列表中第i个可用机架的信息为Ci{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述目标机架所在机架整体空间减去已经在架设备占用的总空间后所得的值;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架整体额定能耗减去已经在架设备的总额定能耗后所得的值;
步骤C:处理所有目标机架并生成剩余可用机架列表,第i个机架的信息为Ri{s,w,p},其中s>0;
s为目标机架剩余可用空间,具体为:所述可用机架的空间使用限值减去已经在架设备占用的总空间,再减去已经被推荐占用的所述拟上架设备的占用总空间后所得的值;
所述可用机架的空间使用限值为:
;
Mi为第i个所述可用机架中所有已经上架安装的设备高度总和;
ΣMi为全部可用机架所有已经上架安装的设备高度总和;
Ni为第i个拟上架设备高度;
ΣNi为全部拟上架设备高度总和;
n为全部可用机架的总数量;
所述目标机架剩余空间s为:
,
;
Ki为推荐安装到所述机架的设备高度总和;
w为剩余可用承重,具体为:所述目标机架所在机架整体额定承重减去已经在架设备的总重量,再减去已经被推荐占用的所述拟上架设备的总重量后所得的值;
p为剩余可用能耗,具体为:所述目标机架所在机架能耗使用限值减去已经在架设备的总额定能耗,再减去已经被推荐占用的所述拟上架设备的的总额定能耗后所得的值;
目标机架的能耗使用限值为:
;
Ei为第i个可用机架中当前总能耗;
ΣEi为所有可用机架当前总能耗的总和;
Fi为第i个拟上架设备的额定功率;
ΣFi为全部拟上架设备的额定功率总和;
n为所有可用机架的总数量;
所述目标机架剩余能耗p为:
,
;
Li为推荐安装到所述机架的设备额定功率总和;
对每个剩余可用机架,处理并生成机架的剩余可用U位列表,第i个U位的信息为Ui{u,t},u为具体可用位置,t为该位置可安装最大高度;所述剩余可用U位列表按u升序排列;已经被在架设备占用和已经被推荐占用的U位为不可用U位;
生成剩余拟上架设备列表,第i个设备的信息为Di{s,w,p},s为设备高度,w为设备重量,p为设备额定功率;所述拟上架设备列表按s降序排列;
步骤D:选择拟上架设备列表中的第一个设备,若拟上架设备列表为空,则所述第二上架算法结束,生成第二预测对应表;
所述选择拟上架设备列表中的第一个设备之后,还包括:若拟上架设备列表不为空则执行以下步骤:
步骤E:从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};若没有满足条件的机架,则执行以下步骤:
步骤J:从剩余可用机架列表中选择第一个满足以下条件的可用机架:C{s}≥D{s},C{w}≥D{w},C{p}≥D{p};如果没有满足条件的可用机架,则标记所述设备为无可安装位置;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
步骤K:从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的该可用机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足步骤J条件的机架,重新执行步骤K;若始终没有满足条件的可用U位,则标记设备为无可安装位置;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表;
所述从剩余可用机架列表中选择第一个满足以下条件的机架:R{s}≥D{s},R{w}≥D{w},R{p}≥D{p};之后还包括:若有满足条件的机架,则执行以下步骤:
步骤F:从满足条件的机架对应的剩余可用U位列表中选择第一个满足以下条件的可用机架的可用U位:U{t}≥D{s};若没有满足条件的可用U位,则选择下一个满足步骤E条件的机架,重新执行步骤F;若始终没有满足条件的可用U位,则执行步骤J和步骤K;
步骤G:将满足步骤F条件的可用U位作为设备的推荐安装U位;返回所述步骤C重新执行,并将所述设备从所述拟上架设备列表中去除更新拟上架设备列表。
2.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述的方法的步骤。
3.一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,所述计算机程序被处理器执行时实现权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310415386.1A CN116468199B (zh) | 2023-04-18 | 2023-04-18 | 一种基于u位资产管理系统的智能上架位置预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310415386.1A CN116468199B (zh) | 2023-04-18 | 2023-04-18 | 一种基于u位资产管理系统的智能上架位置预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468199A CN116468199A (zh) | 2023-07-21 |
CN116468199B true CN116468199B (zh) | 2024-03-19 |
Family
ID=87181879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310415386.1A Active CN116468199B (zh) | 2023-04-18 | 2023-04-18 | 一种基于u位资产管理系统的智能上架位置预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468199B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09279748A (ja) * | 1996-04-16 | 1997-10-28 | Takenaka Komuten Co Ltd | 正三角形に近い二等辺三角形を基本グリッドとした単層ラチス大ドーム構造の地組建方におけるブロック割 |
CN106651077A (zh) * | 2015-11-04 | 2017-05-10 | 中兴通讯股份有限公司 | 设备存放位置的查找方法及装置 |
CN109889370A (zh) * | 2019-01-10 | 2019-06-14 | 中国移动通信集团海南有限公司 | 一种网络设备位置确定方法、装置及计算机可读存储介质 |
CN110175171A (zh) * | 2019-05-16 | 2019-08-27 | 贵州电网有限责任公司 | 一种it设备智能推荐上架位置的系统 |
CN111967682A (zh) * | 2020-08-24 | 2020-11-20 | 科华恒盛股份有限公司 | 设备上架方案寻优方法、装置及终端设备 |
CN114357668A (zh) * | 2020-09-28 | 2022-04-15 | 中国移动通信集团河北有限公司 | 一种机房设备上架位置的匹配方法和装置 |
CN114896506A (zh) * | 2022-05-27 | 2022-08-12 | 平安银行股份有限公司 | 产品推荐方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169527B (zh) * | 2010-02-26 | 2015-04-08 | 国际商业机器公司 | 一种在数据中心中为设备确定安装机架的方法和系统 |
-
2023
- 2023-04-18 CN CN202310415386.1A patent/CN116468199B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09279748A (ja) * | 1996-04-16 | 1997-10-28 | Takenaka Komuten Co Ltd | 正三角形に近い二等辺三角形を基本グリッドとした単層ラチス大ドーム構造の地組建方におけるブロック割 |
CN106651077A (zh) * | 2015-11-04 | 2017-05-10 | 中兴通讯股份有限公司 | 设备存放位置的查找方法及装置 |
WO2017076297A1 (zh) * | 2015-11-04 | 2017-05-11 | 中兴通讯股份有限公司 | 设备存放位置的查找方法及装置 |
CN109889370A (zh) * | 2019-01-10 | 2019-06-14 | 中国移动通信集团海南有限公司 | 一种网络设备位置确定方法、装置及计算机可读存储介质 |
CN110175171A (zh) * | 2019-05-16 | 2019-08-27 | 贵州电网有限责任公司 | 一种it设备智能推荐上架位置的系统 |
CN111967682A (zh) * | 2020-08-24 | 2020-11-20 | 科华恒盛股份有限公司 | 设备上架方案寻优方法、装置及终端设备 |
CN114357668A (zh) * | 2020-09-28 | 2022-04-15 | 中国移动通信集团河北有限公司 | 一种机房设备上架位置的匹配方法和装置 |
CN114896506A (zh) * | 2022-05-27 | 2022-08-12 | 平安银行股份有限公司 | 产品推荐方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116468199A (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103229125B (zh) | 机箱内的刀片服务器之间的动态功率平衡 | |
US20090293022A1 (en) | Virtual Machine Placement Based on Power Calculations | |
CN106030452B (zh) | 计算系统的备用电源管理 | |
US9426075B2 (en) | Method and system to represent the impact of load variation on service outage over multiple links | |
US11334135B1 (en) | Power supply optimization using backup battery power supplementation | |
CN111506423A (zh) | 一种资源的调度方法、装置、电子设备及存储介质 | |
CN104484233A (zh) | 一种资源分配方法 | |
CN111753442A (zh) | 配电变压器调换决策方法和装置 | |
US20230138636A1 (en) | Resource scheduling method and apparatus for energy storage device pool, device, system, and medium | |
CN107370799A (zh) | 一种混合移动云环境中高能效的多用户在线计算迁移方法 | |
CN108897622A (zh) | 一种任务运行的调度方法以及相关装置 | |
CN105824705A (zh) | 一种任务分配方法和电子设备 | |
CN115514020A (zh) | 跨区域电力调度方法、装置、计算机设备和存储介质 | |
CN116468199B (zh) | 一种基于u位资产管理系统的智能上架位置预测方法 | |
JP2018190115A (ja) | 電力管理装置及びプログラム | |
CN103501509B (zh) | 一种均衡无线网络控制器负载的方法及装置 | |
CN105183537B (zh) | 基于动态阈值窗口的虚拟机迁移处理方法 | |
CN110955513B (zh) | 一种服务资源的调度方法及系统 | |
CN115129466B (zh) | 云计算资源分层调度方法、系统、设备及介质 | |
CN111967682B (zh) | 设备上架方案寻优方法、装置及终端设备 | |
CN110288145A (zh) | 一种计及需求响应资源的微网规划方法及计算设备 | |
CN110209693A (zh) | 高并发数据查询方法、装置、系统、设备及可读存储介质 | |
CN112398172A (zh) | 一种源网荷协调运行控制方法及相关装置 | |
CN115269176A (zh) | 任务分配方法、装置、计算机设备、存储介质和产品 | |
US9507635B2 (en) | Assigning speculative processes to plurality of CPUs based on calculated maximum number of speculative processes capable of being assigned and other processes assigned to each CPU |
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 |