CN116881085A - 一种服务器能耗优化的方法 - Google Patents
一种服务器能耗优化的方法 Download PDFInfo
- Publication number
- CN116881085A CN116881085A CN202311135725.7A CN202311135725A CN116881085A CN 116881085 A CN116881085 A CN 116881085A CN 202311135725 A CN202311135725 A CN 202311135725A CN 116881085 A CN116881085 A CN 116881085A
- Authority
- CN
- China
- Prior art keywords
- server
- energy consumption
- real
- load
- power consumption
- 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
- 238000005265 energy consumption Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 20
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000017525 heat dissipation Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000011985 exploratory data analysis Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 description 13
- 238000013468 resource allocation Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- 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
Abstract
本发明属于服务器能耗优化技术领域，具体涉及一种服务器能耗优化的方法，首先对服务器进行能耗监测和数据采集获取实时能耗情况，并进行数据驱动的能耗优化决策以识别能源浪费、改善能源效率，然后基于能耗数据对服务器进行服务器能耗分析和建模深入了解能耗情况以降低能耗成本和实现可持续的能源管理，再对服务器能耗模型采用能耗优化算法获取能耗优化策略以根据实时负载情况、性能需求和能源效率目标，自动调整服务器功耗和配置实现能耗的最佳平衡，最后基于能耗优化策略使用虚拟化技术对服务器进行资源规划，提高资源利用率。该方法在能耗优化过程中配置简单、投入及管理维护成本低、适应性强以及具备高度的可靠性和稳定性。
Description
技术领域
本发明属于服务器能耗优化技术领域，尤其涉及一种服务器能耗优化的方法。
背景技术
随着AI技术的不断突破和应用领域的拓展，其对电力资源的需求也日益增长。令人震惊的是，据最新的报道显示，一台AI服务器仅仅在一天之内就能消耗掉村镇居民一整年的电量，而更令人吃惊的是，这种耗电程度每年以10%的速度递增。为了实现快速计算、大规模数据处理和优化算法等复杂任务，AI服务器需要大量的电力供给。
因此服务器的能耗优化是一直以来都是业界的关注焦点，服务器能耗优化涉及到多个技术和组件的综合应用，包括功耗管理、虚拟化、负载调度等。这些技术的集成和配置可能相当复杂，管理和维护这些技术的系统也需要投入相应的资源和精力。在追求能耗优化的过程中，可能会遇到性能和能耗之间的折衷。例如，通过降低功耗来减少能源消耗可能会导致服务器性能的降低。调整频率、电压等参数可能会影响服务器的计算速度和响应时间。因此，在进行能耗优化时需要仔细权衡性能和能耗之间的关系。
某些能耗优化技术在数据中心范围内更容易实施，而在单个服务器或小规模环境中的应用可能相对有限。例如，负载均衡和虚拟化技术通常需要多个服务器的配合才能发挥最大效益。因此，对于小型服务器环境，某些能耗优化技术可能不太适用或不切实际。能耗优化涉及对实时能耗数据的收集、分析和应用。然而，获取准确的实时能耗数据可能是一项挑战，特别是对于复杂的数据中心环境。不准确的数据可能导致优化策略的误判和不准确的结果。实施和部署服务器能耗优化技术可能需要一定的经济投入。这涉及到购买和配置相关的硬件、软件和设备，需要投入较高的人力和财力成本。
因此，如何对现有的服务器能耗进行优化，以解决现有服务器能耗优化过程中存在的集成和配置复杂、投入及管理维护成本高、性能和能耗之间的折衷、单个服务器或小规模环境中的应用可能相对有限以及不准确的数据可能导致优化策略的误判和不准确的结果的技术问题。
发明内容
本发明的目的在于提供一种服务器能耗优化的方法，用以解决现有服务器能耗优化过程中存在的集成和配置复杂、投入及管理维护成本高、性能和能耗之间的折衷、单个服务器或小规模环境中的应用可能相对有限以及不准确的数据可能导致优化策略的误判和不准确的结果的技术问题。
为解决上述技术问题，本发明采用的技术方案如下：
一种服务器能耗优化的方法，包括以下步骤：
S1：对服务器进行a能耗监测以及能耗数据采集；
S2：基于能耗数据对服务器进行服务器能耗分析和建模；
S3：采用能耗优化算法获取能耗优化策略；
S4：基于能耗优化策略使用虚拟化技术对服务器进行资源规划。
优选的，在步骤S1中还包括以下具体过程：
S11：使用功耗监测器和传感器进行服务器功耗实时监测；
S12：使用数据采集系统从功耗监测器和传感器中读取数据，并存储至数据库；
S13：使用数据分析和可视化工具来对数据进行分析和呈现；
S14：对采集的功耗数据进行深入分析并提供优化建议；
S15：基于历史能耗数据和数据分析结果，预估未来的服务器能耗。
优选的，在步骤S11中，包括以下具体过程：
在对服务器能耗进行实时监测的过程中，同时使用告警系统及时响应异常情况。
优选的，在服务器系统中预设能耗阈值，当采集到的服务器实时能耗超过能耗阈值，通过告警系统发出警报，以使工作人员能够迅速识别能源浪费和故障，及时采取相应措施。
优选的，步骤S2中包括以下具体过程：
S21：对采集到的服务器能耗数据进行预处理；
S22：对预处理后的服务器能耗数据进行探索性分析；
S23：对探索性分析后的服务器能耗数据进行统计分析和效能分析；
S24：基于统计分析和效能分析的结果建立服务器能耗模型；
S25：基于服务器能耗模型制定能源管理策略。
优选的，在步骤S3中，包括以下具体过程：
S31：使用功耗管理策略控制和优化服务器的功耗；
S32：使用负载感知和负载平衡策略根据服务器的实时负载情况来优化能耗；
S33：服务器中预设负载阈值，监测服务器实时负载，当服务器的实时负载低于负载阈值时，使该服务器进入睡眠模式；
S34：当服务器的实时负载低于负载阈值时，调整硬盘驱动器进入低自旋速度、低风扇速度和低内存电压；所述低自旋速度是指硬盘驱动器的自旋速度小于预设的第一自旋速度；低风扇速度是指风扇的速度小于预设的第一风扇速度；所述低内存电压是指小于预设的第一内存电压；
S35：当服务器的实时负载低于负载阈值时，调整散热系统进行低功率运行；所述低功率是指散热系统的功率低于预设的第一散热功率。
优选的，在步骤S4，包括以下具体过程：
S41：当服务器的实时负载低于负载阈值时，通过虚拟机的调度分配低资源；当服务器的实时负载高于负载阈值时，通过虚拟机的调度分配高资源；所述低资源是指低于预设的第一资源量；所述高资源是指高于预设的第一资源量；
S42：当服务器的实时负载低于负载阈值时，通过虚拟机伸缩策略自动调整虚拟机数量为少数量；当服务器的实时负载高于负载阈值时，通过虚拟机伸缩策略自动调整虚拟机数量为多数量；所述少数量是指少于预设的第一虚拟机数量；所述多数量是指多于预设的第一虚拟机数量；
S43：将处于空闲状态的虚拟机进入睡眠模式；
S44：根据服务器的实时负载进行服务器功耗管理和调整，当服务器的实时负载低于负载阈值时，使服务器进入低功耗；当服务器的实时负载高于负载阈值时，使服务器进入高功耗；所述低功耗是指低于预设的第一服务器功耗；所述高功耗是指高于预设的第一服务器功耗。
本发明的有益效果包括：
本发明提供的服务器能耗优化的方法，首先对服务器进行能耗监测以及能耗数据采集获取实时的能源消耗情况，并进行数据驱动的能耗优化决策以识别能源浪费、改善能源效率，然后进行服务器的能耗分析和建模深入了解能耗情况以提高能源效率、降低能耗成本和实现可持续的能源管理，再对服务器能耗模型采用能耗优化算法和策略以根据实时负载情况、性能需求和能源效率目标，自动调整服务器功耗和配置实现能耗的最佳平衡，最后使用虚拟化技术进行资源规划将多个虚拟机运行在单台服务器上，提高资源利用率，通过优化虚拟机的调度和资源分配减少资源浪费，进一步降低能耗。该方法使得在能耗优化过程中配置简单、投入及管理维护成本低、功耗和配置实现能耗平衡，适应性强，具备高度的可靠性和稳定性。
附图说明
图1为本发明的服务器能耗优化的方法的流程图。
图2为本发明的服务器能耗优化的方法的步骤S1的具体流程图。
图3为本发明的服务器能耗优化的方法的步骤S2的具体流程图。
图4为本发明的服务器能耗优化的方法的步骤S3的具体流程图。
图5为本发明的服务器能耗优化的方法的步骤S4的具体流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请将围绕可包括多个设备、组件、模块等的系统来呈现各个方面、实施例或特征。应当理解和明白的是，各个系统可以包括另外的设备、组件、模块等，并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外，还可以使用这些方案的组合。
另外，在本申请实施例中，“示例地”、“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方法呈现概念。
本申请实施例中，“信息（information）”，“信号（signal）”，“消息（message）”，“信道（channel）”、“信令（singaling）”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。“的(of)”，“相应的（corresponding，relevant）”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。
下面结合附图1~图5对本发明作进一步的详细说明：
参见附图1所示，服务器能耗优化的方法，包括以下步骤：
S1：对服务器进行能耗监测以及能耗数据采集，使用传感器、智能电表或电力监测设备等来收集实时的能源数据，通过收集服务器能耗数据，可以了解服务器的实际能耗情况，为后续的能耗分析和优化过程做铺垫；
S2：基于能耗数据对服务器进行服务器能耗分析和建模，服务器智能管理软件利用收集到的能耗数据进行分析和建模，以了解服务器在不同负载和使用情况下的能耗模式和特征。通过分析历史数据和趋势，软件可以识别出能源消耗的高峰时段和能源浪费的原因以及服务器能源利用的潜在瓶颈，通过能耗分析和建模为后续的能耗优化打下良好的基础。
S3：采用能耗优化算法获取能耗优化策略，基于前述的能耗分析结果，服务器智能管理软件采用算法和策略来实现能耗优化，算法和策略可以根据实时负载情况、性能需求和能源效率目标，自动调整服务器的功耗和电源配置。例如，软件可以根据服务器负载的变化，动态地调整CPU频率、电压和功率管理策略，以实现能源消耗的最佳平衡。
S4：基于能耗优化策略使用虚拟化技术对服务器进行资源规划，使用虚拟化技术可以将多个虚拟机运行在单台服务器上，提高服务器资源的利用率，通过优化虚拟机的调度和资源分配减少不必要的资源浪费，从而降低服务器能源消耗。
上述方法在能耗优化过程中具备高效能耗比，能够在提供所需功能的同时，最大程度地减少能源消耗，具备灵活性和适应性，以适应不同的应用场景和变化的工作负载；能够根据实际需求进行动态调整和优化，确保在各种负载条件下都能发挥最佳性能和能源效率；具备高度自动化的能力，以减少人工干预和管理的需求，自动化的功能可以帮助降低操作复杂性、提高效率，并减少人为错误的发生。
能够适应不断增长的数据中心规模和需求，具备良好的可扩展性，能够处理大规模的服务器和复杂的数据中心架构；能够提供综合的能耗管理和集成解决方案，覆盖不同层次和组件；能够与现有的硬件、软件和管理工具进行无缝集成，提供统一的管理界面和控制功能；具备高度的可靠性和稳定性，以确保持续的性能和能源优化效果；能够在各种条件下稳定运行，并具备故障检测和恢复的能力，以最小化服务中断和影响。
参见附图2，在步骤S1中还包括以下具体过程：
S11：使用功耗监测器和传感器进行服务器功耗实时监测，功耗监测器和传感器安装在服务器或数据中心的电源供应单元、电源线路或机柜上，测量服务器或设备的实时功耗，并生成功耗数据；
S12：使用数据采集系统从功耗监测器和传感器中读取数据，并存储至数据库，可以处理大量的实时数据，并提供对数据的访问和查询接口；
S13：使用数据分析和可视化工具来对存储的数据进行分析和呈现，帮助识别能源消耗模式和监测能源使用趋势，并提供可视化报表和图表，以便管理员更好地理解能耗情况；
S14：对采集的功耗数据进行深入分析发现能源消耗的模式和趋势，识别能源浪费的来源和潜在的改进机会，数据分析可以揭示负载波动、低效设备、不合理的资源配置问题并提供基于功耗数据的优化建议；
S15：基于历史能耗数据和数据分析结果使用预测和规划技术来估计未来的能源消耗，预估未来的服务器能耗，帮助管理员制定能源管理策略、调整资源分配，并预测潜在的能源节约效益。
上述过程中通过实施能耗监测和数据收集，组织和数据中心能够获取实时的能源消耗情况，并进行数据驱动的能耗优化决策，以识别能源浪费、改善能源效率，并为可持续发展提供支持。
在步骤S11中，包括以下具体过程：
为了实时监测能源消耗情况并及时响应异常情况，使用实时监测和告警系统，监视功耗数据，并在超过设定阈值或出现异常情况时发出警报，以帮助管理员迅速识别能源浪费或故障，并及时采取相应的措施。
优选的，在服务器系统中预设能耗阈值，当采集到的服务器实时能耗超过能耗阈值，通过告警系统发出警报，以使工作人员能够迅速识别能源浪费和故障，及时采取相应措施。
参见附图3，步骤S2中包括以下具体过程：
S21：进行能耗分析之前，对采集到的服务器能耗数据进行预处理，包括数据清洗、数据去噪和数据归一化处理，以确保数据的准确性和一致性，以便进行后续分析和建模；
S22：对预处理后的服务器能耗数据进行探索性分析，以了解能耗数据的特征和分布，通过绘制图表、计算统计指标和探索数据间的关系，发现数据中的模式、趋势和异常，以便于理解能耗数据的背景和潜在影响因素；
S23：对探索性分析厚的服务器能耗数据进行统计分析和效能分析，统计分析方法用于识别能耗数据中的相关性、因果关系和影响因素，常用的统计方法包括回归分析、相关分析和因子分析。通过上述统计方法帮助确定哪些因素对能耗具有重要影响，并提供定量的关联度和影响程度；通过效能分析评估能源的使用效率和能耗水平，涉及计算关键能耗指标，如能源使用效率（Energy Use Efficiency，EUE）、功率使用效率（Power UsageEffectiveness，PUE），通过对这些指标进行分析了解能源使用的效率和改进潜力，并制定相应的优化策略；
S24：基于统计分析和效能分析的结果建立服务器能耗模型，通过建立能耗模型来描述能耗与各个影响因素之间的关系，能耗模型采用各种数学和统计方法，如线性回归模型、多项式模型和神经网络模型；模型的选择取决于数据的特征和分析目的，能耗模型可用于预测能耗、评估不同因素对能耗的影响，并支持决策和优化；
S25：基于服务器能耗模型制定能源管理策略，基于能耗模型和分析结果，可以制定能源管理策略，如负载调整、功耗调节和资源优化，这些决策支持工具能够帮助管理者制定目标和指标，并监控实施效果。
参见附图4，在步骤S3中，包括以下具体过程：
S31：使用功耗管理策略控制和优化服务器的功耗，以降低能源消耗，包括动态频率调整和动态电压调整，根据负载情况和性能需求，动态地调整处理器的频率和电压，以平衡能耗和性能；
S32：使用负载感知和负载平衡策略根据服务器的实时负载情况来优化能耗，负载感知和负载平衡策略根据服务器的实时负载情况来优化能耗，通过监测服务器的负载水平，根据负载情况自动调整处理器、内存和其他资源的使用，负载平衡可以确保资源的合理分配，避免过度负载和能源浪费；
S33：服务器中预设负载阈值，监测服务器实时负载，当服务器的实时负载低于负载阈值时，使该服务器进入睡眠模式；通过使用睡眠模式和节能策略，可以降低处于空闲状态的服务器的能耗；根据负载需求和实时情况，将处于空闲状态的服务器进入低功耗或睡眠模式，以减少能源消耗，同时确保服务器在需要时可以快速唤醒；
S34：当服务器的实时负载低于负载阈值时，调整硬盘驱动器进入低自旋速度、低风扇速度和低内存电压；所述低自旋速度是指硬盘驱动器的自旋速度小于预设的第一自旋速度；低风扇速度是指风扇的速度小于预设的第一风扇速度；所述低内存电压是指小于预设的第一内存电压；
S35：当服务器的实时负载低于负载阈值时，调整散热系统进行低功率运行；所述低功率是指散热系统的功率低于预设的第一散热功率。
参见附图5，在步骤S4，包括以下具体过程：
S41：当服务器的实时负载低于负载阈值时，通过虚拟机的调度分配低资源；当服务器的实时负载高于负载阈值时，通过虚拟机的调度分配高资源；所述低资源是指低于预设的第一资源量；所述高资源是指高于预设的第一资源量；将虚拟机动态地分配到物理服务器上，以避免服务器过载或负载不平衡的情况；负载平衡算法根据实时负载情况，将虚拟机迁移到负载较低的服务器上，以提高资源利用率并减少能源消耗；
S42：当服务器的实时负载低于负载阈值时，通过虚拟机伸缩策略自动调整虚拟机数量为少数量；当服务器的实时负载高于负载阈值时，通过虚拟机伸缩策略自动调整虚拟机数量为多数量；所述少数量是指少于预设的第一虚拟机数量；所述多数量是指多于预设的第一虚拟机数量；
通过优化虚拟机的资源分配和调整，提高资源利用率和能源效率；通过动态分配和调整虚拟机的CPU、内存和存储资源。例如，根据虚拟机的需求，动态调整虚拟机的CPU分配量，以避免资源浪费和能源消耗
S43：将处于空闲状态的虚拟机进入睡眠模式；通过使用节能模式和睡眠状态，可以降低处于空闲状态的虚拟机的能耗；根据负载需求和实时情况来判断何时进入和退出节能模式，并确保在需要时快速唤醒虚拟机；
S44：根据服务器的实时负载进行服务器功耗管理和调整，当服务器的实时负载低于负载阈值时，使服务器进入低功耗；当服务器的实时负载高于负载阈值时，使服务器进入高功耗；所述低功耗是指低于预设的第一服务器功耗；所述高功耗是指高于预设的第一服务器功耗；通过监测服务器的能耗数据和性能需求，管理员通过优化服务器的功耗设置，以在性能和能源消耗之间达到平衡。
综上所述，本发明提供的服务器能耗优化的方法，首先对服务器进行能耗监测和数据采集获取实时能耗情况，并进行数据驱动的能耗优化决策以识别能源浪费、改善能源效率，然后基于能耗数据对服务器进行服务器能耗分析和建模深入了解能耗情况以降低能耗成本和实现可持续的能源管理，再对服务器能耗模型采用能耗优化算法获取能耗优化策略以根据实时负载情况、性能需求和能源效率目标，自动调整服务器功耗和配置实现能耗的最佳平衡，最后基于能耗优化策略使用虚拟化技术对服务器进行资源规划，提高资源利用率，通过优化虚拟机的调度和资源分配减少资源浪费，进一步降低能耗。该方法在能耗优化过程中配置简单、投入及管理维护成本低、功耗和配置实现能耗平衡、适应性强以及具备高度的可靠性和稳定性。
以上所述实施例仅表达了本申请的具体实施方法，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，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。
Claims (7)
1.一种服务器能耗优化的方法，其特征在于，包括以下步骤：
S1：对服务器进行能耗监测以及能耗数据采集；
S2：基于能耗数据对服务器进行服务器能耗分析和建模；
S3：采用能耗优化算法获取能耗优化策略；
S4：基于能耗优化策略使用虚拟化技术对服务器进行资源规划。
2.根据权利要求1所述的一种服务器能耗优化的方法，其特征在于，在步骤S1中还包括以下具体过程：
S11：使用功耗监测器和传感器进行服务器功耗实时监测；
S12：使用数据采集系统从功耗监测器和传感器中读取数据，并存储至数据库；
S13：使用数据分析和可视化工具来对数据进行分析和呈现；
S14：对采集的功耗数据进行深入分析并提供优化建议；
S15：基于历史能耗数据和数据分析结果，预估未来的服务器能耗。
3.根据权利要求2所述的一种服务器能耗优化的方法，其特征在于，在步骤S11中，包括以下具体过程：
在对服务器能耗进行实时监测的过程中，同时使用告警系统及时响应异常情况。
4.根据权利要求3所述的一种服务器能耗优化的方法，其特征在于，在服务器系统中预设能耗阈值，当采集到的服务器实时能耗超过能耗阈值，通过告警系统发出警报。
5.根据权利要求1所述的一种服务器能耗优化的方法，其特征在于，步骤S2中包括以下具体过程：
S21：对采集到的服务器能耗数据进行预处理；
S22：对预处理后的服务器能耗数据进行探索性分析；
S23：对探索性分析后的服务器能耗数据进行统计分析和效能分析；
S24：基于统计分析和效能分析的结果建立服务器能耗模型；
S25：基于服务器能耗模型制定能源管理策略。
6.根据权利要求1所述的一种服务器能耗优化的方法，其特征在于，在步骤S3中，包括以下具体过程：
S31：使用功耗管理策略控制和优化服务器的功耗；
S32：使用负载感知和负载平衡策略根据服务器的实时负载情况来优化能耗；
S33：服务器中预设负载阈值，监测服务器实时负载，当服务器的实时负载低于负载阈值时，使该服务器进入睡眠模式；
S34：当服务器的实时负载低于负载阈值时，调整硬盘驱动器进入低自旋速度、低风扇速度和低内存电压；所述低自旋速度是指硬盘驱动器的自旋速度小于预设的第一自旋速度；低风扇速度是指风扇的速度小于预设的第一风扇速度；所述低内存电压是指小于预设的第一内存电压；
S35：当服务器的实时负载低于负载阈值时，调整散热系统进行低功率运行；所述低功率是指散热系统的功率低于预设的第一散热功率。
7.根据权利要求1所述的一种服务器能耗优化的方法，其特征在于，在步骤S4，包括以下具体过程：
S41：当服务器的实时负载低于负载阈值时，通过虚拟机的调度分配低资源；当服务器的实时负载高于负载阈值时，通过虚拟机的调度分配高资源；所述低资源是指低于预设的第一资源量；所述高资源是指高于预设的第一资源量；
S42：当服务器的实时负载低于负载阈值时，通过虚拟机伸缩策略自动调整虚拟机数量为少数量；当服务器的实时负载高于负载阈值时，通过虚拟机伸缩策略自动调整虚拟机数量为多数量；所述少数量是指少于预设的第一虚拟机数量；所述多数量是指多于预设的第一虚拟机数量；
S43：将处于空闲状态的虚拟机进入睡眠模式；
S44：根据服务器的实时负载进行服务器功耗管理和调整，当服务器的实时负载低于负载阈值时，使服务器进入低功耗；当服务器的实时负载高于负载阈值时，使服务器进入高功耗；所述低功耗是指低于预设的第一服务器功耗；所述高功耗是指高于预设的第一服务器功耗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311135725.7A CN116881085A (zh) | 2023-09-05 | 2023-09-05 | 一种服务器能耗优化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311135725.7A CN116881085A (zh) | 2023-09-05 | 2023-09-05 | 一种服务器能耗优化的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116881085A true CN116881085A (zh) | 2023-10-13 |
Family
ID=88255413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311135725.7A Pending CN116881085A (zh) | 2023-09-05 | 2023-09-05 | 一种服务器能耗优化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116881085A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117493129A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市兴意腾科技电子有限公司 | 一种计算机控制设备的运行功率监测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105302630A (zh) * | 2015-10-26 | 2016-02-03 | 深圳大学 | 一种虚拟机的动态调整方法及其系统 |
| US20170102757A1 (en) * | 2015-10-07 | 2017-04-13 | Electronics And Telecommunications Research Institute | Device for distributing load and managing power of virtual server cluster and method thereof |
| CN112380005A (zh) * | 2020-11-10 | 2021-02-19 | 深圳供电局有限公司 | 一种数据中心能耗管理方法及系统 |
| CN113515431A (zh) * | 2021-04-08 | 2021-10-19 | 上海安畅网络科技股份有限公司 | 一种基于云平台监控服务器机柜散热状态的方法和系统 |
| CN116627241A (zh) * | 2023-05-19 | 2023-08-22 | 苏州浪潮智能科技有限公司 | 一种优化服务器能耗的方法、系统、设备和存储介质 |
-
2023
- 2023-09-05 CN CN202311135725.7A patent/CN116881085A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170102757A1 (en) * | 2015-10-07 | 2017-04-13 | Electronics And Telecommunications Research Institute | Device for distributing load and managing power of virtual server cluster and method thereof |
| CN105302630A (zh) * | 2015-10-26 | 2016-02-03 | 深圳大学 | 一种虚拟机的动态调整方法及其系统 |
| CN112380005A (zh) * | 2020-11-10 | 2021-02-19 | 深圳供电局有限公司 | 一种数据中心能耗管理方法及系统 |
| CN113515431A (zh) * | 2021-04-08 | 2021-10-19 | 上海安畅网络科技股份有限公司 | 一种基于云平台监控服务器机柜散热状态的方法和系统 |
| CN116627241A (zh) * | 2023-05-19 | 2023-08-22 | 苏州浪潮智能科技有限公司 | 一种优化服务器能耗的方法、系统、设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 杨振兴: "基于云计算环境的资源提供优化策略研究", 中国优秀硕士论文电子期刊网 信息科技辑, pages 30 - 35 * |
| 阮顺领;卢才武;邢雪;: "面向数据中心能效优化的虚拟机迁移调度方法", 计算机应用与软件, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117493129A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市兴意腾科技电子有限公司 | 一种计算机控制设备的运行功率监测系统 |
| CN117493129B (zh) * | 2024-01-02 | 2024-04-26 | 深圳市兴意腾科技电子有限公司 | 一种计算机控制设备的运行功率监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800066B (zh) | 一种数据中心节能调度方法及系统 | |
| CN102326134B (zh) | 能量感知服务器管理 | |
| CN104820630B (zh) | 基于业务变化量的系统资源监控装置 | |
| US7110913B2 (en) | Apparatus and method for managing the performance of an electronic device | |
| CN102193544A (zh) | 一种智能建筑能源管理系统 | |
| CN102959510A (zh) | 用于计算机功率和资源消耗建模的方法和系统 | |
| CN101763598A (zh) | 电能管理系统 | |
| CN116881085A (zh) | 一种服务器能耗优化的方法 | |
| CN117036104B (zh) | 一种基于电力物联网的智慧用电方法和系统 | |
| CN105577796A (zh) | 集群的功耗控制方法及装置 | |
| CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及系统 | |
| CN105872061A (zh) | 一种服务器集群管理方法、装置及系统 | |
| CN103970256A (zh) | 一种基于内存压缩和cpu动态调频的节能方法及系统 | |
| CN103279184A (zh) | 一种基于数据挖掘的云服务器节能系统 | |
| Zhou et al. | An energy-oriented maintenance policy under energy and quality constraints for a multielement-dependent degradation batch production system | |
| Wang et al. | Cloud workload analytics for real-time prediction of user request patterns | |
| CN102761429B (zh) | 一种异常话单处理方法与系统 | |
| CN107742160B (zh) | 一种机电设备维保周期自适应预测方法及装置 | |
| CN107908459B (zh) | 一种云计算调度系统 | |
| CN111914000B (zh) | 一种基于功耗预测模型的服务器功率封顶方法、系统 | |
| CN103457753A (zh) | 一种运维保障中的能耗管控实现方法 | |
| CN116594782A (zh) | 基于智能运维系统的勘探数据中心的资源管理方法及装置 | |
| CN110618861A (zh) | 一种Hadoop集群节能系统 | |
| KR20100008545A (ko) | 통합형 온라인 유지관리시스템 및 그 방법 | |
| Subramaniam et al. | Enabling efficient power provisioning for enterprise applications |
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 |