CN117193509A - 一种数据中心的节能控制管理方法及系统 - Google Patents

Abstract

本发明公开了一种数据中心的节能控制管理方法及系统，涉及数据处理技术领域，该方法包括：采集数据中心处理数据信息，确定数据处理执行设备，获得设备处理特征及设备能耗信息，构建执行设备特征库；对数据进行多维度聚类，确定数据聚类标签；将数据聚类标签与执行设备特征库进行遍历匹配，获得数据－设备匹配关系；根据数据聚类标签确定数据约束条件，基于数据约束条件对数据－设备匹配关系进行寻优，获得节能优化方案，对数据中心各数据处理执行设备进行控制。本发明解决了现有技术中由于数据中心执行设备的管理方式不合理，导致执行设备能耗高的技术问题，达到了通过优化数据中心执行设备的管理方式，降低执行设备能耗的技术效果。

Description

一种数据中心的节能控制管理方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种数据中心的节能控制管理方法及系统。

背景技术

数据中心是全球协作的特定设备网络，用来在网络基础设施上传递、加速、展示、计算、存储数据信息。随着数据中心应用的广泛化，人工智能、网络安全等也相继出现，更多的用户都被带到了网络和手机的应用中。数据中心是由无数计算机硬件组成的，硬件设备数量庞大，但目前的设备管理方式不够灵活，所以还存在运行能耗较高的问题。

发明内容

本申请提供了一种数据中心的节能控制管理方法及系统，用于解决现有技术中由于数据中心执行设备的管理方式不合理，导致执行设备能耗高的技术问题。

本申请的第一个方面，提供了一种数据中心的节能控制管理方法，所述方法包括：采集数据中心处理数据信息，所述处理数据信息包括数据处理类型、数据来源；根据所述处理数据信息与数据中心的数据处理设备进行数据处理类型匹配，确定数据处理执行设备；对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库；基于所述数据来源进行数据特征分析，获得待处理数据特征；根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签；利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系；根据所述数据聚类标签中处理时限性，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案；根据所述节能优化方案生成控制管理信息对数据中心各数据处理执行设备进行控制。

本申请的第二个方面，提供了一种数据中心的节能控制管理系统，所述系统包括：处理数据信息采集模块，所述处理数据信息采集模块用于采集数据中心处理数据信息，所述处理数据信息包括数据处理类型、数据来源；数据处理执行设备确定模块，所述数据处理执行设备确定模块用于根据所述处理数据信息与数据中心的数据处理设备进行数据处理类型匹配，确定数据处理执行设备；执行设备特征库构建模块，所述执行设备特征库构建模块用于对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库；待处理数据特征获得模块，所述待处理数据特征获得模块用于基于所述数据来源进行数据特征分析，获得待处理数据特征；数据聚类标签确定模块，所述数据聚类标签确定模块用于根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签；数据－设备匹配关系获得模块，所述数据－设备匹配关系获得模块用于利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系；节能优化方案获得模块，所述节能优化方案获得模块用于根据所述数据聚类标签中处理时限性、处理能耗，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案；执行设备控制模块，所述执行设备控制模块用于根据所述节能优化方案生成控制管理信息对数据中心各数据处理执行设备进行控制。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供的一种数据中心的节能控制管理方法，涉及数据处理技术领域，通过采集数据中心处理数据信息，确定数据处理执行设备，构建执行设备特征库，对数据进行多维度聚类，确定数据聚类标签，将数据聚类标签与执行设备特征库进行遍历匹配，获得数据－设备匹配关系，根据数据聚类标签确定数据约束条件，对数据－设备匹配关系进行寻优，获得节能优化方案，对数据中心各数据处理执行设备进行控制，解决了现有技术中由于数据中心执行设备的管理方式不合理，导致执行设备能耗高的技术问题，实现了通过优化数据中心执行设备的管理方式，降低执行设备能耗的技术效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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为本申请实施例提供的一种数据中心的节能控制管理方法流程示意图；

图2为本申请实施例提供的一种数据中心的节能控制管理方法中确定数据聚类标签的流程示意图；

图3为本申请实施例提供的一种数据中心的节能控制管理方法中获得数据－设备匹配关系的流程示意图；

图4为本申请实施例提供的一种数据中心的节能控制管理系统结构示意图。

附图标记说明：处理数据信息采集模块11，数据处理执行设备确定模块12，执行设备特征库构建模块13，待处理数据特征获得模块14，数据聚类标签确定模块15，数据－设备匹配关系获得模块16，节能优化方案获得模块17，执行设备控制模块18。

具体实施方式

本申请提供了一种数据中心的节能控制管理方法，用于解决现有技术中由于数据中心执行设备的管理方式不合理，导致执行设备能耗高的技术问题。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

实施例一

如图1所示，本申请提供了一种数据中心的节能控制管理方法，所述方法包括：

S100：采集数据中心处理数据信息，所述处理数据信息包括数据处理类型、数据来源；

具体的，通过登录目标数据中心的信息管理平台，采集目标数据中心的处理数据信息，所述处理数据信息包括目标数据中心的数据处理类型、数据来源，所述数据处理类型就是目标数据中心主要处理的数据的类型，依照不同的划分标准，分为不同的类型，示例性的，按照数据的存储形式可以划分为图片数据、文字数据、表格数据、视频数据等；按照企业的业务模块可以划分为财务数据、业绩数据、人事数据、经营数据等。所述数据来源指的是目标数据中心接收的数据的来源，可以是来源于企业、学校、个人、社会组织等。所述处理数据信息可以用来匹配相应的数据处理执行设备。

S200：根据所述处理数据信息与数据中心的数据处理设备进行数据处理类型匹配，确定数据处理执行设备；

具体而言，根据所述处理数据信息的数据处理类型，分别将不同的数据处理类型与数据中心的数据处理设备进行匹配，为每一种不同的数据类型匹配到相应的数据处理设备，比如为文字数据匹配文字处理装置，为图像数据匹配图像转换设备，确定每一种类型的数据的处理设备，也就是每一种数据类型的数据处理执行设备，所述数据处理执行设备可以用作后续构建执行设备特征库。

S300：对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库；

具体的，通过所述数据处理执行设备的硬件信息，获得所述数据处理执行设备的硬件性能特征，通过提取所述数据处理执行设备的历史工作数据，获取实际应用时所述数据处理执行设备处理数据的类型、数量、速度等特征，将硬件特征和实际应用特征共同作为设备处理特征。然后通过提取所述数据处理执行设备在实际工作时的能耗记录，得到所述数据处理执行设备的设备能耗信息，基于所述设备处理特征及设备能耗信息，以及各设备处理特征与设备能耗信息之间的关联关系，构建执行设备特征库，所述执行设备特征库可以用作后续进行执行设备寻优。

进一步的，本申请实施例步骤S300还包括：

S310：获得数据处理执行设备的设备属性、设备配置参数，根据所述设备属性、设备配置参数，得到设备理论处理数据信息，其中包括数据处理类型、处理任务、处理数据量；

S320：对所述数据处理执行设备进行监测数据提取，根据提取的监测记录数据进行执行任务类型、执行运算速度、执行结果评价分析，确定执行数据特征；

S330：根据所述监测记录数据对各执行任务能耗计算，获得各数据类型任务执行能耗；

S340：根据所述执行数据特征与设备理论处理数据信息进行偏差量计算，获得设备配置参数的损失值；

S350：建立所述数据处理执行设备、执行数据特征、各数据类型任务执行能耗、设备配置参数的损失值之间的映射关系，构建所述执行设备特征库。

具体而言，通过提取数据中心的设备信息数据，获得每一种数据处理执行设备的设备属性和设备配置参数，所述设备属性就是设备的功能和用途，所述设备配置参数是指设备的硬件配置参数，比如电脑的CPU、显卡等的参数。根据每种数据处理执行设备的设备属性、设备配置参数，推导出该设备的设备理论处理数据信息，包括通过设备属性确定数据处理类型和处理任务，通过设备配置参数估算出处理数据量。从目标数据中心的数据库中提取过去一段时间内(可以是一个月、一年等，具体时间可以根据实际情况做适应性调整)所述数据处理执行设备的日常工作监测数据，根据提取到的监测记录数据确定所述数据处理执行设备的实际执行任务类型、实际执行运算速度和实际执行结果，以此作为执行数据特征，也就是所述数据处理执行设备的实际工作数据特征。根据所述监测记录数据中记录的执行各类型任务前后的能耗数据，计算出各数据类型任务的执行能耗，将所述执行数据特征与设备理论处理数据信息进行偏差量计算，也就是计算设备理论处理数据量和实际处理数据量、设备理论执行任务类型和时间执行任务类型等的偏差值，然后根据偏差值判断设备开启时是否充分被使用，计算出设备配置参数的损失值，也就是设备配置参数的富余值。梳理出所述数据处理执行设备、执行数据特征、各数据类型任务执行能耗、设备配置参数的损失值之间的映射关系，也就是关联关系，并依照所述映射关系构建所述数据处理执行设备的执行设备特征库，所述执行设备特征库可以用作后续进行执行设备寻优。

S400：基于所述数据来源进行数据特征分析，获得待处理数据特征；

进一步的，本申请实施例步骤S400还包括：

S410：基于所述数据来源，确定数据来源属性，所述数据来源属性包括固定性属性、随机性属性；

S420：对所述固定性属性的数据来源进行数据参数类型及其更新时间特征分析，获得固定数据来源特征；

S430：对所述随机性属性的数据来源进行数据参数类型及数据量特征分析，获得随机性来源特征；

S440：分别对所述固定数据来源特征、随机性来源特征进行任务处理要求分析，获得任务处理要求，所述任务处理要求包括处理任务类型、处理数据量、处理时限要求；

S450：基于所述固定数据来源特征、随机性来源特征以及对应的任务处理要求，获得所述待处理数据特征。

具体的，基于不同数据的所述数据来源，确定每种数据来源的数据来源属性，包括固定性属性和随机性属性，所述固定性属性就是指数据来源是固定的，有固定的输送线路或输送时间，示例性的，将现场的监测设备与数据中心连接，监测设备的监测数据在固定的时间输出迭代，传输至数据中心，具有规律性，相应的数据中心在进行分析数据时也具有时间性规律。所述随机性属性就是指数据来源是随机的，比如突发情况的应急数据，或是人为输入的数据，通常不具备固定属性。统计所述具有固定性属性的数据来源的数据参数类型及更新时间特征，确定每一个固定数据源的数据参数类型和更新时间，以此作为固定数据来源特征，同样的，统计所有可能出现的具有随机性属性的数据来源，并确定每一个随机数据源的数据参数类型和数据量，以此作为随机性来源特征。基于所述固定数据来源特征和随机性来源特征，分别确定固定数据源和随机数据源的任务处理要求，包括每种数据来源的处理任务类型、处理数据量以及数据处理时限要求，最后将固定来源数据的所述固定数据来源特征、随机来源数据的随机性来源特征，以及每种数据来源对应的任务处理要求，共同作为待处理数据特征，可以作为后续确定数据聚类标签的基础数据。

S500：根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签；

具体而言，基于所述待处理数据特征，从处理类型、处理数据量、处理能耗、处理时限性四个维度对待处理数据进行多维度聚类，所述聚类是将数据分类到不同的类或者簇的过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。本申请将待处理数据从处理类型、处理数据量、处理能耗、处理时限性四个维度分类到不同的类别中，并为每一个类别设置不同的数据聚类标签，所述数据聚类标签可以用来区分待处理数据的种类，便于后续进行执行设备匹配。

进一步的，如图2所示，本申请实施例步骤S500还包括：

S510：根据所述待处理数据特征，确定处理任务类型，对所述处理任务类型进行分类，确定任务类型聚类中心点；

S520：基于所述任务类型聚类中心点对所述待处理数据特征进行聚类，获得任务类型聚类结果；

S530：基于所述任务类型聚类结果，根据各数据类型任务执行能耗，确定各聚类任务能耗信息；

S540：根据所述处理数据量，设定数据量等级阈值，利用数据量等级阈值对待处理数据特征进行聚类，获得数据量聚类结果；

S550：基于所述数据量聚类结果，根据所述各聚类任务能耗信息，计算各任务的处理能耗，确定能耗等级阈值，基于所述能耗等级阈值对所述待处理数据特征进行聚类，获得能耗聚类结果；

S560：根据待处理数据特征的处理时限要求特征，获得时限阈值，基于所述时限阈值确定时限要求聚类中心；

S570：利用所述时限要求聚类中心对所述待处理数据特征进行聚类，获得时限聚类结果；

S580：基于各聚类结果，生成聚类标签对待处理数据进行标记。

具体的，根据所述待处理数据特征中的数据特征，确定需要的数据处理任务类型，按照待处理数据的数据类型等特征，对所述处理任务类型进行分类，并确定任务类型聚类中心点，所述任务类型聚类中心点也就是主要执行的任务类型，基于所述任务类型聚类中心点对所述待处理数据特征中的数据特征进行聚类，得到任务类型聚类结果。基于所述任务类型聚类结果，结合各个数据类型任务的执行能耗，计算出各个任务类型聚类结果的能耗，也就是聚类任务能耗信息，根据所述处理数据量，将不同的数据量范围划分不同的等级，并设定相应的数据量等级阈值，例如，当数据量在0～5000时，数据量等级为一级，当数据量在5000～10000时，数据量等级为二级，利用数据量等级阈值对待处理数据特征进行聚类，将待处理数据的数据量处理值划分为不同的等级，得到数据量聚类结果。

进一步的，基于所述数据量聚类结果，确定每个任务的数据量，结合所述各聚类任务能耗信息，计算各任务的处理能耗，根据不同的能耗范围，设置相应的能耗等级阈值，基于所述能耗等级阈值对所述待处理数据特征进行聚类，将待处理数据的能耗值划分为不同的等级，得到能耗聚类结果。根据待处理数据特征的不同处理时限要求，设置不同的时限阈值，基于所述时限阈值确定时限要求聚类中心，处理时限越紧急，数据处理的优先级越高，时限要求越靠近所述时限要求聚类中心，利用所述时限要求聚类中心对所述待处理数据特征中的数据时限进行聚类，得到时限聚类结果，基于各聚类结果，生成不同的聚类标签对待处理数据进行标记，便于后续作为执行设备匹配的参照数据。

进一步的，本申请实施例步骤S540还包括：

S541：获得所述数据处理执行设备的数据量，判断所述数据量等级阈值的最高等级是否超出所述数据处理执行设备的数据量；

S542：当超出时，基于所述数据处理执行设备的数据量对所述数据量等级阈值的最高等级进行分割，确定分割结果，利用分割结果设定最高等级的分割节点添加至数据量等级阈值中。

具体的，获取所述数据处理执行设备的数据量处理能力范围，判断所述数据量等级阈值的最高等级的数据量是否超出所述数据处理执行设备的数据量处理能力范围，当超出时，以所述数据处理执行设备的数据量为基准，对所述数据量等级阈值的最高等级进行数据量分割，确定分割结果，根据分割结果设定最高等级的数据量的分割节点，添加至对应的数据量等级阈值中，后续可以根据分割节点分配多台数据处理执行设备处理所述数据量等级阈值的最高等级任务。

S600：利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系；

具体而言，分别利用所述数据聚类标签中所有的数据类型与所述执行设备特征库中的执行设备的数据处理特征进行匹配，找到每一个数据类型对应的执行设备，并建立数据与设备之间的匹配关系，构建作为数据－设备匹配关系，所述数据－设备匹配关系可以用作后续进行节能优化方案寻优的寻优空间。

进一步的，如图3所示，本申请实施例步骤S600还包括：

S610：利用所述数据聚类标签中任务类型聚类标签与所述执行设备特征库进行设备处理类型遍历匹配，确定匹配类型设备信息；

S620：基于所述匹配类型设备信息，利用所述数据聚类标签中数据量聚类标签进行数据量遍历匹配，确定匹配数据量设备信息；

S630：基于待处理数据特征与所述匹配类型设备信息、匹配数据量设备信息对应关系，获得数据－设备匹配关系。

具体的，利用所述数据聚类标签中的任务类型聚类标签与所述执行设备特征库中的设备进行遍历匹配，获得多个不同任务类型的设备匹配结果，以此作为匹配类型设备信息。在所述匹配类型设备信息的基础上，利用所述数据聚类标签中的数据量聚类标签进行数据量遍历匹配，获得多个不同数据量的不同任务类型的设备匹配结果，以此作为匹配数据量设备信息，基于待处理数据特征与所述匹配类型设备信息、匹配数据量设备信息对应关系，构建数据－设备匹配关系，可以作为后续进行节能优化方案寻优的寻优空间。

S700：根据所述数据聚类标签中处理时限性，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案；

具体而言，将所述数据聚类标签中的处理时限性作为数据约束条件，也就是将数据处理的时间节点作为约束条件，以能耗最小为目标对所述数据－设备匹配关系进行寻优，找到在规定的时间节点下耗能最少的数据－设备匹配关系，并生成相应的节能优化方案，以达到降低数据中心设备能耗的目的。

进一步的，本申请实施例步骤S700还包括：

S710：根据所述数据－设备匹配关系，确定数据处理任务的能耗特征、匹配执行设备的能耗特征；

S720：基于所述数据处理任务的能耗特征、匹配执行设备的能耗特征，确定能耗系数；

S730：基于所述能耗系数、数据－设备匹配关系，以能耗最小为目标值，构建适应度函数；

S740：将所述数据约束条件加入所述适应度函数，构建寻优空间对待处理数据进行处理执行方案寻优，基于所述数据－设备匹配关系随机获得第一处理执行方案，基于所述适应度函数对所述第一处理执行方案进行适应度计算，得到第一适应度，并将所述第一处理执行方案作为当前最优；

S750：基于所述数据－设备匹配关系随机获得第二处理执行方案，利用所述适应度函数对第二处理执行方案进行适应度计算，获得第二适应度，利用第二适应度与第一适应度进行比较，选择适应度大的为当前最优对最优执行方案进行迭代，依此类推，当达到迭代要求时，获得当前最优处理执行方案；

S760：利用所述设备配置参数的损失值对当前最优处理执行方案进行损失量评估，当损失量评估结果满足预设条件时，将当前最优处理执行方案作为所述节能优化方案，当损失量评估结果不满足预设条件时，返回上一级当前最优处理执行方案重新寻优。

具体的，根据所述数据－设备匹配关系，获得多个不同数据量的不同任务类型的设备匹配结果，进而可以通过任务类型和数据量，确定每个数据处理任务的能耗，以此作为数据处理任务的能耗特征，每个数据处理任务可同时匹配到多台执行设备，因此可以计算出匹配到的每台执行设备的能耗，以此作为匹配执行设备的能耗特征。基于所述数据处理任务的能耗特征、匹配执行设备的能耗特征，将不同的数据处理任务分为不同的能耗等级，并设置相应的能耗系数，基于所述能耗系数和数据－设备匹配关系，以能耗最小为目标值，构建适应度函数，所述适应度函数就是问题中的全体个体与其适应度之间的一个对应关系，本申请的适应度函数就是反映待处理数据特征、执行设备特征与能耗之间的对应关系的函数，能耗越大适应度越低，将时间节点约束条件加入所述适应度函数，构成一个数据处理执行方案寻优空间，基于所述数据－设备匹配关系在所述寻优空间内随机获得一个执行方案，作为第一处理执行方案，使用所述适应度函数对所述第一处理执行方案进行适应度计算，得到第一适应度，并将所述第一处理执行方案作为当前最优方案，然后基于所述数据－设备匹配关系随机在所述寻优空间内获得第二处理执行方案，使用所述适应度函数对第二处理执行方案进行适应度计算，获得第二适应度，将所述第二适应度与第一适应度进行比较，选择适应度大的，也就是能耗低的方案作为当前最优方案，以此类推，对最优执行方案进行迭代，当达到迭代次数或遍历完所有执行方案时，以最后一次保留的执行方案作为当前最优处理执行方案。

进一步的，由于老旧设备实际处理速度相对较慢，能耗也相对较高，所以获取各个执行设备的设备配置参数的损失值，也就是各设备的处理速度减少值和能耗增加值，并以此对当前最优处理执行方案中的设备进行损失量评估，也就是进行数据处理量和能耗的损失量评估，当损失量评估结果满足预设条件时，可以继续将当前最优处理执行方案作为所述节能优化方案，所述预设条件可以是根据数据处理要求设置的损失量阈值，当损失量评估结果不满足预设条件时，返回上一级，对当前最优处理执行方案重新寻优，直至满足预设条件，即可获得所述节能优化方案，所述节能优化方案可以用作后续对数据中心各数据处理执行设备进行控制，以达到降低数据中心设备能耗的目的。

进一步的，本申请实施例步骤S700还包括：

S770：获得数据中心的环境监测信息；

S780：基于所述环境监测信息，进行环境影响时间周期、影响量分析，确定环境影响调整时间及其环境影响系数；

S790：将所述环境影响调整时间及其环境影响系数作为新增变量加入所述寻优空间，对所述节能优化方案进行调整优化。

具体而言，通过室内温度监测设备以及当地的天气预报信息，获取数据中心的环境监测信息，因为温度会影响数据中心设备的能耗和运行效率，因此所述环境监测信息主要关注温度信息，基于所述环境监测信息中的温度变化情况，进行环境影响时间周期、影响量分析，也就是确定目标数据中心的温度变化周期和变化量，进而确定环境影响调整时间及其环境影响系数，所述环境影响调整时间就是温度变化周期，所述环境影响系数是根据不同的温度设置的相应的能耗影响系数，将所述环境影响调整时间及其环境影响系数作为新增变量加入所述寻优空间，基于新增变量，对所述节能优化方案进行调整优化，选出适应当前天气情况的最佳节能方案。

S800：根据所述节能优化方案生成控制管理信息对数据中心各数据处理执行设备进行控制。

具体的，根据所述节能优化方案生成控制管理信息，所述控制管理信息包括设备的型号、编码、每个设备对应的数据处理任务、数据处理时段等，通过所述控制管理信息对数据中心各数据处理执行设备进行控制，以达到通过合理控制数据中心各数据处理执行设备，降低设备能耗的效果。

综上所述，本申请实施例至少具有如下技术效果：

本申请通过采集数据中心处理数据信息，确定数据处理执行设备，获得设备处理特征及设备能耗信息，构建执行设备特征库；对数据进行多维度聚类，确定数据聚类标签；将数据聚类标签与执行设备特征库进行遍历匹配，获得数据－设备匹配关系；根据数据聚类标签确定数据约束条件，基于数据约束条件对数据－设备匹配关系进行寻优，获得节能优化方案，对数据中心各数据处理执行设备进行控制。

达到了通过优化数据中心执行设备的管理方式，降低执行设备能耗的技术效果。

实施例二

基于与前述实施例中一种数据中心的节能控制管理方法相同的发明构思，如图4所示，本申请提供了一种数据中心的节能控制管理系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

处理数据信息采集模块11，所述处理数据信息采集模块11用于采集数据中心处理数据信息，所述处理数据信息包括数据处理类型、数据来源；

数据处理执行设备确定模块12，所述数据处理执行设备确定模块12用于根据所述处理数据信息与数据中心的数据处理设备进行数据处理类型匹配，确定数据处理执行设备；

执行设备特征库构建模块13，所述执行设备特征库构建模块13用于对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库；

待处理数据特征获得模块14，所述待处理数据特征获得模块14用于基于所述数据来源进行数据特征分析，获得待处理数据特征；

数据聚类标签确定模块15，所述数据聚类标签确定模块15用于根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签；

数据－设备匹配关系获得模块16，所述数据－设备匹配关系获得模块16用于利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系；

节能优化方案获得模块17，所述节能优化方案获得模块17用于根据所述数据聚类标签中处理时限性、处理能耗，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案；

执行设备控制模块18，所述执行设备控制模块18用于根据所述节能优化方案生成控制管理信息对数据中心各数据处理执行设备进行控制。

进一步的，所述执行设备特征库构建模块13还用于执行以下步骤：

获得数据处理执行设备的设备属性、设备配置参数，根据所述设备属性、设备配置参数，得到设备理论处理数据信息，其中包括数据处理类型、处理任务、处理数据量；

对所述数据处理执行设备进行监测数据提取，根据提取的监测记录数据进行执行任务类型、执行运算速度、执行结果评价分析，确定执行数据特征；

根据所述监测记录数据对各执行任务能耗计算，获得各数据类型任务执行能耗；

根据所述执行数据特征与设备理论处理数据信息进行偏差量计算，获得设备配置参数的损失值；

建立所述数据处理执行设备、执行数据特征、各数据类型任务执行能耗、设备配置参数的损失值之间的映射关系，构建所述执行设备特征库。

进一步的，所述待处理数据特征获得模块14还用于执行以下步骤：

基于所述数据来源，确定数据来源属性，所述数据来源属性包括固定性属性、随机性属性；

对所述固定性属性的数据来源进行数据参数类型及其更新时间特征分析，获得固定数据来源特征；

对所述随机性属性的数据来源进行数据参数类型及数据量特征分析，获得随机性来源特征；

分别对所述固定数据来源特征、随机性来源特征进行任务处理要求分析，获得任务处理要求，所述任务处理要求包括处理任务类型、处理数据量、处理时限要求；

基于所述固定数据来源特征、随机性来源特征以及对应的任务处理要求，获得所述待处理数据特征。

进一步的，所述数据聚类标签确定模块15还用于执行以下步骤：

根据所述待处理数据特征，确定处理任务类型，对所述处理任务类型进行分类，确定任务类型聚类中心点；

基于所述任务类型聚类中心点对所述待处理数据特征进行聚类，获得任务类型聚类结果；

基于所述任务类型聚类结果，根据各数据类型任务执行能耗，确定各聚类任务能耗信息；

根据所述处理数据量，设定数据量等级阈值，利用数据量等级阈值对待处理数据特征进行聚类，获得数据量聚类结果；

基于所述数据量聚类结果，根据所述各聚类任务能耗信息，计算各任务的处理能耗，确定能耗等级阈值，基于所述能耗等级阈值对所述待处理数据特征进行聚类，获得能耗聚类结果；

根据待处理数据特征的处理时限要求特征，获得时限阈值，基于所述时限阈值确定时限要求聚类中心；

利用所述时限要求聚类中心对所述待处理数据特征进行聚类，获得时限聚类结果；

基于各聚类结果，生成聚类标签对待处理数据进行标记。

进一步的，所述数据聚类标签确定模块15还用于执行以下步骤：

获得所述数据处理执行设备的数据量，判断所述数据量等级阈值的最高等级是否超出所述数据处理执行设备的数据量；

当超出时，基于所述数据处理执行设备的数据量对所述数据量等级阈值的最高等级进行分割，确定分割结果，利用分割结果设定最高等级的分割节点添加至数据量等级阈值中。

进一步的，所述数据－设备匹配关系获得模块16还用于执行以下步骤：

利用所述数据聚类标签中任务类型聚类标签与所述执行设备特征库进行设备处理类型遍历匹配，确定匹配类型设备信息；

基于所述匹配类型设备信息，利用所述数据聚类标签中数据量聚类标签进行数据量遍历匹配，确定匹配数据量设备信息；

基于待处理数据特征与所述匹配类型设备信息、匹配数据量设备信息对应关系，获得数据－设备匹配关系。

进一步的，所述节能优化方案获得模块17还用于执行以下步骤：

根据所述数据－设备匹配关系，确定数据处理任务的能耗特征、匹配执行设备的能耗特征；

基于所述数据处理任务的能耗特征、匹配执行设备的能耗特征，确定能耗系数；

基于所述能耗系数、数据－设备匹配关系，以能耗最小为目标值，构建适应度函数；

将所述数据约束条件加入所述适应度函数，构建寻优空间对待处理数据进行处理执行方案寻优，基于所述数据－设备匹配关系随机获得第一处理执行方案，基于所述适应度函数对所述第一处理执行方案进行适应度计算，得到第一适应度，并将所述第一处理执行方案作为当前最优；

基于所述数据－设备匹配关系随机获得第二处理执行方案，利用所述适应度函数对第二处理执行方案进行适应度计算，获得第二适应度，利用第二适应度与第一适应度进行比较，选择适应度大的为当前最优对最优执行方案进行迭代，依此类推，当达到迭代要求时，获得当前最优处理执行方案；

利用所述设备配置参数的损失值对当前最优处理执行方案进行损失量评估，当损失量评估结果满足预设条件时，将当前最优处理执行方案作为所述节能优化方案，当损失量评估结果不满足预设条件时，返回上一级当前最优处理执行方案重新寻优。

进一步的，所述节能优化方案获得模块17还用于执行以下步骤：

获得数据中心的环境监测信息；

基于所述环境监测信息，进行环境影响时间周期、影响量分析，确定环境影响调整时间及其环境影响系数；

将所述环境影响调整时间及其环境影响系数作为新增变量加入所述寻优空间，对所述节能优化方案进行调整优化。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其他实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种数据中心的节能控制管理方法，其特征在于，所述方法包括：

采集数据中心处理数据信息，所述处理数据信息包括数据处理类型、数据来源；

根据所述处理数据信息与数据中心的数据处理设备进行数据处理类型匹配，确定数据处理执行设备；

对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库；

基于所述数据来源进行数据特征分析，获得待处理数据特征；

根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签；

利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系；

根据所述数据聚类标签中处理时限性，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案；

根据所述节能优化方案生成控制管理信息对数据中心各数据处理执行设备进行控制。

2.如权利要求1所述的方法，其特征在于，对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库，包括：

获得数据处理执行设备的设备属性、设备配置参数，根据所述设备属性、设备配置参数，得到设备理论处理数据信息，其中包括数据处理类型、处理任务、处理数据量；

对所述数据处理执行设备进行监测数据提取，根据提取的监测记录数据进行执行任务类型、执行运算速度、执行结果评价分析，确定执行数据特征；

根据所述监测记录数据对各执行任务能耗计算，获得各数据类型任务执行能耗；

根据所述执行数据特征与设备理论处理数据信息进行偏差量计算，获得设备配置参数的损失值；

建立所述数据处理执行设备、执行数据特征、各数据类型任务执行能耗、设备配置参数的损失值之间的映射关系，构建所述执行设备特征库。

3.如权利要求2所述的方法，其特征在于，基于所述数据来源进行数据特征分析，获得待处理数据特征，包括：

基于所述数据来源，确定数据来源属性，所述数据来源属性包括固定性属性、随机性属性；

对所述固定性属性的数据来源进行数据参数类型及其更新时间特征分析，获得固定数据来源特征；

对所述随机性属性的数据来源进行数据参数类型及数据量特征分析，获得随机性来源特征；

分别对所述固定数据来源特征、随机性来源特征进行任务处理要求分析，获得任务处理要求，所述任务处理要求包括处理任务类型、处理数据量、处理时限要求；

基于所述固定数据来源特征、随机性来源特征以及对应的任务处理要求，获得所述待处理数据特征。

4.如权利要求3所述的方法，其特征在于，根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签，包括：

根据所述待处理数据特征，确定处理任务类型，对所述处理任务类型进行分类，确定任务类型聚类中心点；

基于所述任务类型聚类中心点对所述待处理数据特征进行聚类，获得任务类型聚类结果；

基于所述任务类型聚类结果，根据各数据类型任务执行能耗，确定各聚类任务能耗信息；

根据所述处理数据量，设定数据量等级阈值，利用数据量等级阈值对待处理数据特征进行聚类，获得数据量聚类结果；

基于所述数据量聚类结果，根据所述各聚类任务能耗信息，计算各任务的处理能耗，确定能耗等级阈值，基于所述能耗等级阈值对所述待处理数据特征进行聚类，获得能耗聚类结果；

根据待处理数据特征的处理时限要求特征，获得时限阈值，基于所述时限阈值确定时限要求聚类中心；

利用所述时限要求聚类中心对所述待处理数据特征进行聚类，获得时限聚类结果；

基于各聚类结果，生成聚类标签对待处理数据进行标记。

5.如权利要求4所述的方法，其特征在于，利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系，包括：

利用所述数据聚类标签中任务类型聚类标签与所述执行设备特征库进行设备处理类型遍历匹配，确定匹配类型设备信息；

基于所述匹配类型设备信息，利用所述数据聚类标签中数据量聚类标签进行数据量遍历匹配，确定匹配数据量设备信息；

基于待处理数据特征与所述匹配类型设备信息、匹配数据量设备信息对应关系，获得数据－设备匹配关系。

6.如权利要求4所述的方法，其特征在于，根据所述数据聚类标签中处理时限性、处理能耗，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案，包括：

根据所述数据－设备匹配关系，确定数据处理任务的能耗特征、匹配执行设备的能耗特征；

基于所述数据处理任务的能耗特征、匹配执行设备的能耗特征，确定能耗系数；

基于所述能耗系数、数据－设备匹配关系，以能耗最小为目标值，构建适应度函数；

将所述数据约束条件加入所述适应度函数，构建寻优空间对待处理数据进行处理执行方案寻优，基于所述数据－设备匹配关系随机获得第一处理执行方案，基于所述适应度函数对所述第一处理执行方案进行适应度计算，得到第一适应度，并将所述第一处理执行方案作为当前最优；

基于所述数据－设备匹配关系随机获得第二处理执行方案，利用所述适应度函数对第二处理执行方案进行适应度计算，获得第二适应度，利用第二适应度与第一适应度进行比较，选择适应度大的为当前最优对最优执行方案进行迭代，依此类推，当达到迭代要求时，获得当前最优处理执行方案；

利用所述设备配置参数的损失值对当前最优处理执行方案进行损失量评估，当损失量评估结果满足预设条件时，将当前最优处理执行方案作为所述节能优化方案，当损失量评估结果不满足预设条件时，返回上一级当前最优处理执行方案重新寻优。

7.如权利要求6所述的方法，其特征在于，所述获得节能优化方案，还包括：

获得数据中心的环境监测信息；

基于所述环境监测信息，进行环境影响时间周期、影响量分析，确定环境影响调整时间及其环境影响系数；

将所述环境影响调整时间及其环境影响系数作为新增变量加入所述寻优空间，对所述节能优化方案进行调整优化。

8.如权利要求4所述的方法，其特征在于，所述利用数据量等级阈值对待处理数据特征进行聚类之前，还包括：

获得数据处理执行设备的数据量，判断所述数据量等级阈值的最高等级是否超出所述数据处理执行设备的数据量；

当超出时，基于所述数据处理执行设备的数据量对所述数据量等级阈值的最高等级进行分割，确定分割结果，利用分割结果设定最高等级的分割节点添加至数据量等级阈值中。

9.一种数据中心的节能控制管理系统，其特征在于，所述系统包括：

处理数据信息采集模块，所述处理数据信息采集模块用于采集数据中心处理数据信息，所述处理数据信息包括数据处理类型、数据来源；

数据处理执行设备确定模块，所述数据处理执行设备确定模块用于根据所述处理数据信息与数据中心的数据处理设备进行数据处理类型匹配，确定数据处理执行设备；

执行设备特征库构建模块，所述执行设备特征库构建模块用于对所述数据处理执行设备进行处理特征、能耗特征分析，获得设备处理特征及设备能耗信息，构建执行设备特征库；

待处理数据特征获得模块，所述待处理数据特征获得模块用于基于所述数据来源进行数据特征分析，获得待处理数据特征；

数据聚类标签确定模块，所述数据聚类标签确定模块用于根据所述待处理数据特征对数据进行处理类型、处理数据量、处理能耗、处理时限性多维度聚类，确定数据聚类标签；

数据－设备匹配关系获得模块，所述数据－设备匹配关系获得模块用于利用所述数据聚类标签与所述执行设备特征库进行遍历匹配，获得数据－设备匹配关系；

节能优化方案获得模块，所述节能优化方案获得模块用于根据所述数据聚类标签中处理时限性、处理能耗，确定数据约束条件，基于所述数据约束条件以能耗最小为目标对所述数据－设备匹配关系进行寻优，获得节能优化方案；

执行设备控制模块，所述执行设备控制模块用于根据所述节能优化方案生成控制管理信息对数据中心各数据处理执行设备进行控制。