CN117234883A - 一种电力业务应用的性能评估方法及系统 - Google Patents
一种电力业务应用的性能评估方法及系统 Download PDFInfo
- Publication number
- CN117234883A CN117234883A CN202311286576.4A CN202311286576A CN117234883A CN 117234883 A CN117234883 A CN 117234883A CN 202311286576 A CN202311286576 A CN 202311286576A CN 117234883 A CN117234883 A CN 117234883A
- Authority
- CN
- China
- Prior art keywords
- application
- resources
- resource
- cpu
- power
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 43
- 238000003860 storage Methods 0.000 claims abstract description 107
- 238000012360 testing method Methods 0.000 claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 51
- 230000006870 function Effects 0.000 claims abstract description 40
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 13
- 230000001939 inductive effect Effects 0.000 claims abstract description 12
- 230000005012 migration Effects 0.000 claims abstract description 9
- 238000013508 migration Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 75
- 230000008901 benefit Effects 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 11
- 230000006872 improvement Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
本发明公开了一种电力业务应用的性能评估方法及系统，通过构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型。本发明可有效指导电力业务应用向国产化自主可控超算平台的迁移。
Description
技术领域
本发明涉及电力业务应用性能评估技术领域，尤其公开了一种电力业务应用的性能评估方法及系统。
背景技术
随着“配网计算”“数字孪生”“知识图谱计算”等关键数字应用对管控精度和时效性的不断提升，算力需求呈指数级增加，传统的数据中心建设模式和技术架构已无法适应未来需求，而超算平台以融合架构计算系统为平台，以数据为资源，能够以强大算力驱动模型对数据进行深度加工，源源不断地产生各种智能计算服务，并通过网络以云服务形式向电网内部及外部提供高算力资源供应，为新型电力系统下的电网建设提供技术支撑，助力新型电力系统发展。
现在大多数电力应用都是运行在X86架构的超算平台上，这将可能给我国的能源基础设施建设差生极为不利的重要影响。因此我国实现技术“自主可控”的信创战略目标加速推进。而能源作为人类文明进步的基础和动力，攸关国计民生和国家安全，电力行业作为能源领域最关键环节，是信创最关注的应用方向之一。同时关键信息基础设施作为重要的战略资源，是经济社会运行的神经中枢，其安全稳定运行关系国计民生、公共利益和国家安全，加快推进电力行业软硬件国产化，是保障电力关键信息基础设施本质安全的必然要求，也是推进电力行业数字化转型的必由之路。
由于电力行业涉及国家工业生产、居民生活等各个方面，电力业务应用类型纷繁复杂，不同类型的电力业务应用的运行特征不同，并且对计算资源的需求不同，同时由于基于X86架构的超算平台与基于ARM架构的国产自主可控超算平台之间，无论是系统架构还是软件生态环境上都存在较大差异，因此电力业务应用的移植不可能是一蹴而就的工作，这就需要对电力业务应用从X86架构迁移到ARM架构平台的性能优化效果进行评估，从而确定电力业务应用移植的顺序。
因此，现有技术没有对电力业务应用从X86架构迁移到ARM架构平台的性能评估方法，是目前亟待解决的技术问题。
发明内容
本发明提供了一种电力业务应用的性能评估方法及系统，旨在解决现有技术没有对电力业务应用从X86架构迁移到ARM架构平台的性能评估方法的技术问题。
本发明的一方面涉及一种电力业务应用的性能评估方法，包括以下步骤：
构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；
归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；
构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；
对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；
根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；
根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。
进一步地，构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型的步骤包括：
对每个层次的元素进行两两比较，判断每个层次的元素之间的相对重要性；
将比较的结果以比较判断矩阵的形式表示；对比较判断矩阵A的每一列向量进行归一化，然后计算权向量并对权向量/>进行归一化得到/>
计算求出最大特征值λmax，最大特征值λmax通过以下公式计算出：
其中，λmax为最大特征值，n为判断矩阵A的行维度，A为矩阵，为表示权向量归一化后的结果，/>为表示/>向量中的第i项；
进而根据求得的最大特征值λmax，计算出CI，CI通过以下公式计算出：
其中，CI为计算一致性指标，λmax为最大特征值，n表示判断矩阵A的行维度；
根据CI，计算出CR，CR通过以下公式计算出：
其中，CR表示计算一致性比例，CI为计算一致性指标，RI表示平均随机一致性指标，RI的值通过查层次分析法提供的表可知；
若CR＜0.1时，则表示则该判别矩阵通过一致性检验。
进一步地，构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型的步骤中，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型；电力业务应用的指标权重函数形式如下，根据不同的准则结构有所不同：
其中，Y1为电力业务应用的指标权重函数，m表示所要考虑的不同计算资源的数量，nj表示第j种计算资源的指标数量；θ表示准则层权向量，θj则表示准则层权向量θ中的第j项元素取值；Wij表示第j种计算资源的第i项指标的权重值；Aij表示第j种计算资源的第i项指标的取值。
进一步地，根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求的步骤中，评估电力业务应用规模为Scale时所需的资源。假设某一电力业务应用规模为Scale1时，占用的CPU资源数量为Tcpu、内存资源数量为Tmem、存储资源数量为Tstorage、网络带宽资源数量为Tnet，对于业务规模为Scale的电力业务应用，需要占用CPU资源、内存资源、存储资源和网络带宽资源如下公式所示：
xcpu＝(Tcpu/Scale1)×Scale
Xmem＝(Tmem/Scale1)×Scale
Xstorage＝(Tstorage/Scale1)×Scale
Xnet＝(Tnet/Scale1)×Scale
其中，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Tcpu为CPU资源数量，Scale1为基准测试的电力业务应用的业务规模，Scale为待移植的电力业务应用的业务规模，Tmem为内存资源数量，Tstorage为存储资源数量，Tnet为网络带宽资源数量。
进一步地，根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益的步骤中，当识别到电力业务应用的类型为数据事务密集型应用时，则性能的决定性因素为CPU资源和内存资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为资源稳健型应用时，则性能的决定性因素为各类资源的有效数量提升的最小值，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xstorage_x86为电力业务应用在原始平台上有效利用的存储资源，αstorage为存储资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为数据流吞吐型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为计算密集型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为交互密集型应用时，则性能的决定性因素为内存资源和网络带宽资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
本发明的另一方面涉及一种电力业务应用的性能评估系统，包括：
构建模块，用于构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；
分析模块，用于归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；
检验模块，用于构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；
测试模块，用于对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；
第一评估模块，用于根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；
第二评估模块，用于根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。
进一步地，检验模块包括：
比较单元，用于对每个层次的元素进行两两比较，判断每个层次的元素之间的相对重要性；
归一化单元，用于将比较的结果以比较判断矩阵的形式表示；对比较判断矩阵A的每一列向量进行归一化，然后计算权向量并对权向量/>进行归一化得到/>
第一计算单元，用于计算求出最大特征值λmax，最大特征值λmax通过以下公式计算出：
其中，λmax为最大特征值，n为判断矩阵A的行维度，A为矩阵，为表示权向量归一化后的结果，/>为表示/>向量中的第i项；
第二计算单元，用于根据求得的最大特征值λmax，计算出CI，CI通过以下公式计算出：
其中，CI为计算一致性指标，λmax为最大特征值，n表示判断矩阵A的行维度；
第三计算单元，用于根据CI，计算出CR，CR通过以下公式计算出：
其中，CR表示计算一致性比例，CI为计算一致性指标，RI表示平均随机一致性指标，RI的值通过查层次分析法提供的表可知；
判断单元，用于若CR＜0.1时，则表示则该判别矩阵通过一致性检验。
进一步地，检验模块中，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型；电力业务应用的指标权重函数形式如下，根据不同的准则结构有所不同：
其中，Y1为电力业务应用的指标权重函数，m表示所要考虑的不同计算资源的数量，nj表示第j种计算资源的指标数量；θ表示准则层权向量，θj则表示准则层权向量θ中的第j项元素取值；Wij表示第j种计算资源的第i项指标的权重值；Aij表示第j种计算资源的第i项指标的取值。
进一步地，第一评估模块中，评估电力业务应用规模为Scale时所需的资源，假设某一电力业务应用规模为Scalel时，占用的CPU资源数量为Tcpu、内存资源数量为Tmem、存储资源数量为Tstorage、网络带宽资源数量为Tnet，对于业务规模为Scale的电力业务应用，需要占用CPU资源、内存资源、存储资源和网络带宽资源如下公式所示：
Xcpu＝(Tcpu/Scale1)×Scale
Xmem＝(Tmem/Scale1)×Scale
Xstorage＝(Tstorage/Scale1)×Scale
Xnet＝(Tnet/Scale1)×Scale
其中，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Tcpu为CPU资源数量，Scale1为基准测试的电力业务应用的业务规模，Scale为待移植的电力业务应用的业务规模，Tmem为内存资源数量，Tstorage为存储资源数量，Tnet为网络带宽资源数量。
进一步地，第二评估模块中，当识别到电力业务应用的类型为数据事务密集型应用时，则性能的决定性因素为CPU资源和内存资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为资源稳健型应用时，则性能的决定性因素为各类资源的有效数量提升的最小值，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xstorage_x86为电力业务应用在原始平台上有效利用的存储资源，αstorage为存储资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为数据流吞吐型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为计算密集型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到电力业务应用的类型为交互密集型应用时，则性能的决定性因素为内存资源和网络带宽资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
本发明所取得的有益效果为：
本发明提供一种电力业务应用的性能评估方法及系统，通过构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。本发明提供的电力业务应用的性能评估方法及系统，(1)对电力业务应用从X86架构迁移到ARM架构平台的性能优化收益进行了量化评估，可以有效的指导电力业务应用向国产化自主可控超算平台的迁移；(2)对电力业务应用在ARM架构平台的资源需求提供了量化评估方法，能够有效指导ARM架构平台的资源建设。
附图说明
图1为本发明提供的电力业务应用的性能评估方法的流程示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
如图1所示，本发明提出一种电力业务应用的性能评估方法，包括以下步骤：
步骤S100、构建电力业务应用在ARM架构平台上资源占用量化评价指标体系。
分析ARM架构平台的资源特征，归纳ARM架构平台应用资源占用量化参数，建立应用资源占用量化指标评价层次结构图。采用层次分析法(AHP，Analytic HierarchyProcess)根据电力应用的资源使用特征对电力应用进行分类：数据事务密集型、资源稳健型、数据流吞吐型、计算密集型、交互密集型。其中，层次分析法根据问题的性质和需达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将各因素按不同层次聚集组合，形成一个多层次的分析结构模型。
步骤S200、归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分。
不同计算资源包括CPU资源、内存资源、存储资源和网络带宽资源。
CPU计算资源的关键指标：CPU平均使用率：指应用程序在运行过程中占用的CPU时间百分比；用户CPU使用率：指应用程序在用户态运行过程中占用的CPU时间百分比；系统CPU使用率：指应用程序在系统态运行过程中占用的CPU时间百分比；CPU峰值使用率：指应用程序在运行过程中占用的最高CPU时间百分比。
内存资源的关键指标：内存占用：指应用程序在运行过程中占用的物理内存空间的大小；内存峰值：指应用程序在运行过程中占用的最大内存空间；内存平均使用率：指应用程序在运行过程中使用的内存占总可用内存的比例；内存交换率：指内存交换操作所占的比例。
存储资源的关键指标：存储占用：指应用程序在运行过程中占用的存储空间的大小；存储峰值：指应用程序在运行过程中占用的最大存储空间；存储平均使用率：指应用程序在运行过程中使用的存储资源占总可用存储资源的比例；存储I/O：指应用程序对存储设备的输入/输出操作频率和带宽的占用比例。
网络带宽资源的关键指标：带宽占用：指特定时间段内网络中被应用程序使用的带宽总量；带宽峰值：指在网络高峰时段应用程序占用的最大带宽值；带宽使用率：指应用程序使用的网络带宽占总可用带宽的比例。网络带宽吞吐量表示在单位时间内通过某个网络、信道或接口的数据量。
采集的数据是指采用Staay层级分析法1-9标度值，对上述关键指标的重要性程度进行成对对比打分。
步骤S300、构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型。
构造比较判断矩阵，计算各层权重结果；计算资源占有量化评价结果，进行一致性检验，若一致性检验不通过时，则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过时，则构造应用类型的指标权重函数，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型。
步骤S400、对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系。
对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系，这里的资源包括CPU资源、内存资源、存储资源和网络带宽资源。
就是根据选择不同类型的电力应用进行测试，通过变换电力业务应用要处理的业务量来观察资源变更量的情况，从而通过拟合的方式构造电力业务应用所占用资源的变更量与应用规模之间的关系。
步骤S500、根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求。
根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估电力业务应用规模为c时所需的资源。
步骤S600、根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。
根据电力业务应用的类型和在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益λ。
进一步地，本实施例提出的电力业务应用的性能评估方法，步骤S300包括：
步骤S310、对每个层次的元素进行两两比较，判断每个层次的元素之间的相对重要性。
步骤S320、将比较的结果以比较判断矩阵的形式表示；对比较判断矩阵A的每一列向量进行归一化，然后计算权向量并对权向量/>进行归一化得到/>
步骤S330、计算求出最大特征值λmax，最大特征值λmax通过以下公式计算出：
公式(1)中，λmax为最大特征值，n为判断矩阵A的行维度，A为矩阵，为表示权向量归一化后的结果，/>为表示/>向量中的第i项。
步骤S340、进而根据求得的最大特征值λmax，计算出CI，CI通过以下公式计算出：
公式(2)中，CI为计算一致性指标，λmax为最大特征值，n表示判断矩阵A的行维度。
步骤S350、根据CI，计算出CR，CR通过以下公式计算出：
公式(3)中，CR表示计算一致性比例，CI为计算一致性指标，RI表示平均随机一致性指标，RI的值通过查层次分析法提供的表可知。
步骤S360、若识别到CR＜0.1时，则表示则该判别矩阵通过一致性检验。
优选地，步骤S300中，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型；电力业务应用的指标权重函数形式如下，根据不同的准则结构有所不同：
其中，Y1为电力业务应用的指标权重函数，m表示所要考虑的不同计算资源的数量，nj表示第j种计算资源的指标数量；θ表示准则层权向量，θj则表示准则层权向量θ中的第j项元素取值；Wij表示第j种计算资源的第i项指标的权重值；Aij表示第j种计算资源的第i项指标的取值。
同理得出，另4种类型应用的指标权重函数。
“其中值最大的”指的就是“指标权重函数结果”中最大的值。
优选地，步骤S500中，评估电力业务应用规模为Scale时所需的资源，假设某一电力业务应用规模为Scale1时，占用的CPU资源数量为Tcpu、内存资源数量为Tmem、存储资源数量为Tstorage、网络带宽资源数量为Tnet，对于业务规模为Scale的电力业务应用，需要占用CPU资源、内存资源、存储资源和网络带宽资源如下公式所示：
Xcpu＝(Tcpu/Scale1)×Scale (5)
Xmem＝(Tmem/Scale1)×Scale (6)
Xstorage＝(Tstorage/Scale1)×Scale (7)
Xnet＝(Tnet/Scale1)×Scale (8)
公式(5)～(8)中，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Tcpu为CPU资源数量，Scale1为基准测试的电力业务应用的业务规模，Scale为待移植的电力业务应用的业务规模，Tmem为内存资源数量，Tstorage为存储资源数量，Tnet为网络带宽资源数量。
进一步地，步骤S600中，当识别到电力业务应用的类型为数据事务密集型应用时，由于这类应用对CPU资源和内存资源的消耗量都比较大，则性能的决定性因素为CPU资源和内存资源的有效数量提升，性能优化收益λ的取值为：
公式(9)中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为资源稳健型应用时，由于这类应用对各类资源的消耗都比较稳定，则性能的决定性因素为各类资源的有效数量提升的最小值，性能优化收益λ的取值为：
公式(10)中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xstorage_x86为电力业务应用在原始平台上有效利用的存储资源，αstorage为存储资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为数据流吞吐型应用时，由于这类应用对网络带宽资源消耗很大，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
公式(11)中，λ为性能优化收益，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为计算密集型应用时，由于这类应用对CPU资源的消耗很大，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
公式(12)中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为交互密集型应用时，由于这类应用消耗大量的内存资源，同时对网络带宽资源非常敏感，则性能的决定性因素为内存资源和网络带宽资源的有效数量提升，性能优化收益λ的取值为：
公式(13)中，λ为性能优化收益，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
本发明涉及一种电力业务应用的性能评估系统，包括构建模块、分析模块、检验模块、测试模块、第一评估模块和第二评估模块，其中，构建模块，用于构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；分析模块，用于归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；检验模块，用于构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；测试模块，用于对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；第一评估模块，用于根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；第二评估模块，用于根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。
构建模块分析ARM架构平台的资源特征，归纳ARM架构平台应用资源占用量化参数，建立应用资源占用量化指标评价层次结构图。采用层次分析法(AHP，AnalyticHierarchy Process)根据电力应用的资源使用特征对电力应用进行分类：数据事务密集型、资源稳健型、数据流吞吐型、计算密集型、交互密集型。其中，层次分析法根据问题的性质和需达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将各因素按不同层次聚集组合，形成一个多层次的分析结构模型。
分析模块中，不同计算资源包括CPU资源、内存资源、存储资源和网络带宽资源。
CPU计算资源的关键指标：CPU平均使用率：指应用程序在运行过程中占用的CPU时间百分比；用户CPU使用率：指应用程序在用户态运行过程中占用的CPU时间百分比；系统CPU使用率：指应用程序在系统态运行过程中占用的CPU时间百分比；CPU峰值使用率：指应用程序在运行过程中占用的最高CPU时间百分比。
内存资源的关键指标：内存占用：指应用程序在运行过程中占用的物理内存空间的大小；内存峰值：指应用程序在运行过程中占用的最大内存空间；内存平均使用率：指应用程序在运行过程中使用的内存占总可用内存的比例；内存交换率：指内存交换操作所占的比例。
存储资源的关键指标：存储占用：指应用程序在运行过程中占用的存储空间的大小；存储峰值：指应用程序在运行过程中占用的最大存储空间；存储平均使用率：指应用程序在运行过程中使用的存储资源占总可用存储资源的比例；存储I/O：指应用程序对存储设备的输入/输出操作频率和带宽的占用比例。
网络带宽资源的关键指标：带宽占用：指特定时间段内网络中被应用程序使用的带宽总量；带宽峰值：指在网络高峰时段应用程序占用的最大带宽值；带宽使用率：指应用程序使用的网络带宽占总可用带宽的比例。网络带宽吞吐量表示在单位时间内通过某个网络、信道或接口的数据量。
分析模块采集的数据是指采用Staay层级分析法1-9标度值，对上述关键指标的重要性程度进行成对对比打分。
检验模块构造比较判断矩阵，计算各层权重结果；计算资源占有量化评价结果，进行一致性检验，若一致性检验不通过时，则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过时，则构造应用类型的指标权重函数，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型。
测试模块对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系，这里的资源包括CPU资源、内存资源、存储资源和网络带宽资源。
就是根据选择不同类型的电力应用进行测试，通过变换电力业务应用要处理的业务量来观察资源变更量的情况，从而通过拟合的方式构造电力业务应用所占用资源的变更量与应用规模之间的关系。
第一评估模块根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估电力业务应用规模为c时所需的资源。
第二评估模块根据电力业务应用的类型和在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益λ。
进一步地，本实施例提出的电力业务应用的性能评估系统，检验模块包括比较单元、归一化单元、第一计算单元、第二计算单元、第三计算单元和判断单元，其中，
比较单元，用于对每个层次的元素进行两两比较，判断每个层次的元素之间的相对重要性。
归一化单元，用于将比较的结果以比较判断矩阵的形式表示；对比较判断矩阵A的每一列向量进行归一化，然后计算权向量并对权向量/>进行归一化得到/>
第一计算单元，用于计算求出最大特征值λmax，最大特征值λmax通过以下公式计算出：
公式(14)中，λmax为最大特征值，n为判断矩阵A的行维度，A为矩阵，为表示权向量归一化后的结果，/>为表示/>向量中的第i项。
第二计算单元，用于根据求得的最大特征值λmax，计算出CI，CI通过以下公式计算出：
公式(15)中，CI为计算一致性指标，λmax为最大特征值，n表示判断矩阵A的行维度。
第三计算单元，用于根据CI，计算出CR，CR通过以下公式计算出：
公式(16)中，CR表示计算一致性比例，CI为计算一致性指标，RI表示平均随机一致性指标，RI的值通过查层次分析法提供的表可知。
判断单元，用于若识别到CR＜0.1时，则表示则该判别矩阵通过一致性检验。
优选地，检验模块中，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型；电力业务应用的指标权重函数形式如下，根据不同的准则结构有所不同：
公式(17)中，Y1为电力业务应用的指标权重函数，m表示所要考虑的不同计算资源的数量，nj表示第j种计算资源的指标数量；θ表示准则层权向量，θj则表示准则层权向量θ中的第j项元素取值；Wij表示第j种计算资源的第i项指标的权重值；Aij表示第j种计算资源的第i项指标的取值。
同理得出，另4种类型应用的指标权重函数。
“其中值最大的”指的就是“指标权重函数结果”中最大的值。
进一步地，本实施例提供的电力业务应用的性能评估系统，第一评估模块中，评估电力业务应用规模为Scale时所需的资源。假设某一电力业务应用规模为Scale1时，占用的CPU资源数量为Tcpu、内存资源数量为Tmem、存储资源数量为Tstorage、网络带宽资源数量为Tnet，对于业务规模为Scale的电力业务应用，需要占用CPU资源、内存资源、存储资源和网络带宽资源如下公式所示：
Xcpu＝(Tcpu/Scale1)×Scale (18)
Xmem＝(Tmem/Scale1)×Scale (19)
Xstorage＝(Tstorage/Scale1)×Scale (20)
Xnet＝(Tnet/Scale1)×Scale (21)
公式(18)～(21)中，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Tcpu为CPU资源数量，Scale1为基准测试的电力业务应用的业务规模，Scale为待移植的电力业务应用的业务规模，Tmem为内存资源数量，Tstorage为存储资源数量，Tnet为网络带宽资源数量。
优选地，本实施例提供的电力业务应用的性能评估系统，第二评估模块中，当识别到电力业务应用的类型为数据事务密集型应用时，则性能的决定性因素为CPU资源和内存资源的有效数量提升，性能优化收益λ的取值为：
公式(22)中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为资源稳健型应用时，由于这类应用对各类资源的消耗都比较稳定，则性能的决定性因素为各类资源的有效数量提升的最小值，性能优化收益λ的取值为：
公式(23)中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xstorage_x86为电力业务应用在原始平台上有效利用的存储资源，αstorage为存储资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为数据流吞吐型应用时，由于这类应用对网络带宽资源消耗很大，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
公式(24)中，λ为性能优化收益，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为计算密集型应用时，由于这类应用对CPU资源的消耗很大，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益入的取值为：
公式(25)中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
当识别到电力业务应用的类型为交互密集型应用时，由于这类应用消耗大量的内存资源，同时对网络带宽资源非常敏感，则性能的决定性因素为内存资源和网络带宽资源的有效数量提升，性能优化收益λ的取值为：
公式(26)中，λ为性能优化收益，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
本实施例提的电力业务应用的性能评估方法及系统，同现有技术相比，通过构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；根据电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；根据电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。本实施例提供的电力业务应用的性能评估方法及系统，(1)对电力业务应用从X86架构迁移到ARM架构平台的性能优化收益进行了量化评估，可以有效的指导电力业务应用向国产化自主可控超算平台的迁移；(2)对电力业务应用在ARM架构平台的资源需求提供了量化评估方法，能够有效指导ARM架构平台的资源建设。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种电力业务应用的性能评估方法，其特征在于，包括以下步骤：
构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；
归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；所述不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，所述采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；
构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；
对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；
根据所述电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；
根据所述电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。
2.如权利要求1所述的电力业务应用的性能评估方法，其特征在于，所述构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型的步骤包括：
对每个层次的元素进行两两比较，判断每个层次的元素之间的相对重要性；
将比较的结果以比较判断矩阵的形式表示；对所述比较判断矩阵A的每一列向量进行归一化，然后计算权向量并对权向量/>进行归一化得到/>
计算求出最大特征值λmax，所述最大特征值λmax通过以下公式计算出：
其中，λmax为最大特征值，n为判断矩阵A的行维度，A为矩阵，为表示权向量归一化后的结果，/>为表示/>向量中的第i项；
进而根据求得的所述最大特征值λmax，计算出CI，所述CI通过以下公式计算出：
其中，CI为计算一致性指标，λmax为最大特征值，n表示判断矩阵A的行维度；
根据所述CI，计算出CR，所述CR通过以下公式计算出：
其中，CR表示计算一致性比例，CI为计算一致性指标，RI表示平均随机一致性指标，RI的值通过查层次分析法提供的表可知；
若CR<0.1时，则表示则该判别矩阵通过一致性检验。
3.如权利要求1所述的电力业务应用的性能评估方法，其特征在于，所述构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型的步骤中，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型；电力业务应用的指标权重函数形式如下，根据不同的准则结构有所不同：
其中，Y1为电力业务应用的指标权重函数，m表示所要考虑的不同计算资源的数量，nj表示第j种计算资源的指标数量；θ表示准则层权向量，θj则表示准则层权向量θ中的第j项元素取值；Wij表示第j种计算资源的第i项指标的权重值；Aij表示第j种计算资源的第i项指标的取值。
4.如权利要求1所述的电力业务应用的性能评估方法，其特征在于，所述根据所述电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求的步骤中，评估电力业务应用规模为Scale时所需的资源，假设某一电力业务应用规模为Scale1时，占用的CPU资源数量为Tcpu、内存资源数量为Tmem、存储资源数量为Tstorage、网络带宽资源数量为Tnet，对于规模为c的电力业务应用，需要占用CPU资源、内存资源、存储资源和网络带宽资源如下公式所示：
Xcpu＝(Tcpu/Scale1)×Scale
Xmem＝(Tmem/Scale1)×Scale
Xstorage＝(Tstorage/Scale1)×Scale
Xnet＝(Tnet/Scale1)×Scale
其中，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Tcpu为CPU资源数量，Scale1为基准测试的电力业务应用的业务规模，Scale为待移植的电力业务应用的业务规模，Tmem为内存资源数量，Tstorage为存储资源数量，Tnet为网络带宽资源数量。
5.如权利要求1所述的电力业务应用的性能评估方法，其特征在于，所述根据所述电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益的步骤中，当识别到所述电力业务应用的类型为数据事务密集型应用时，则性能的决定性因素为CPU资源和内存资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为资源稳健型应用时，则性能的决定性因素为各类资源的有效数量提升的最小值，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xstorage_x86为电力业务应用在原始平台上有效利用的存储资源，αstorage为存储资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为数据流吞吐型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为计算密集型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为交互密集型应用时，则性能的决定性因素为内存资源和网络带宽资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
6.一种电力业务应用的性能评估系统，其特征在于，包括：
构建模块，用于构建电力业务应用在ARM架构平台上资源占用量化评价指标体系；
分析模块，用于归纳分析ARM架构平台上不同计算资源的关键指标，整理分析采集的数据；所述不同计算资源的关键指标包括CPU计算资源的关键指标、内存资源的关键指标、存储资源的关键指标和网络带宽资源的关键指标，所述采集的数据指对不同计算资源的关键指标的重要程度进行对比打分；
检验模块，用于构造比较判断矩阵，计算各层权重结果，并进行一致性检验，若一致性检验不通过则重新归纳分析关键指标，整理分析采集的数据；若一致性检验通过则构造应用类型的指标权重函数，判断应用类型；
测试模块，用于对待迁移的电力业务应用进行基准测试，确定在电力超算平台资源上电力业务应用所占用资源的变更量与应用规模之间的关系；
第一评估模块，用于根据所述电力业务应用所占用资源的变更量与应用规模之间的关系，评估设定规模的电力业务应用的资源需求；
第二评估模块，用于根据所述电力业务应用的类型、以及在X86架构和ARM架构平台上的资源情况，评估电力业务应用从X86架构迁移到ARM架构平台上所能获得的性能优化收益。
7.如权利要求6所述的电力业务应用的性能评估系统，其特征在于，所述检验模块包括：
比较单元，用于对每个层次的元素进行两两比较，判断每个层次的元素之间的相对重要性；
归一化单元，用于将比较的结果以比较判断矩阵的形式表示；对所述比较判断矩阵A的每一列向量进行归一化，然后计算权向量并对权向量/>进行归一化得到/>
第一计算单元，用于计算求出最大特征值λmax，所述最大特征值λmax通过以下公式计算出：
其中，λmax为最大特征值，n为判断矩阵A的行维度，A为矩阵，为表示权向量归一化后的结果，/>为表示/>向量中的第i项；
第二计算单元，用于根据求得的所述最大特征值λmax，计算出CI，所述CI通过以下公式计算出：
其中，CI为计算一致性指标，λmax为最大特征值，n表示判断矩阵A的行维度；
第三计算单元，用于根据所述CI，计算出CR，所述CR通过以下公式计算出：
其中，CR表示计算一致性比例，CI为计算一致性指标，RI表示平均随机一致性指标，RI的值通过查层次分析法提供的表可知；
判断单元，用于若CR＜0.1时，则表示则该判别矩阵通过一致性检验。
8.如权利要求6所述的电力业务应用的性能评估系统，其特征在于，所述检验模块中，计算电力业务应用的指标权重函数结果，其中值最大的即为所属的应用类型；电力业务应用的指标权重函数形式如下，根据不同的准则结构有所不同：
其中，Y1为电力业务应用的指标权重函数，m表示所要考虑的不同计算资源的数量，nj表示第j种计算资源的指标数量；θ表示准则层权向量，θj则表示准则层权向量θ中的第j项元素取值；Wii表示第j种计算资源的第i项指标的权重值；Aij表示第j种计算资源的第i项指标的取值。
9.如权利要求6所述的电力业务应用的性能评估系统，其特征在于，所述第一评估模块中，评估电力业务应用规模为Scale时所需的资源，假设某一电力业务应用规模为Scale1时，占用的CPU资源数量为Tcpu、内存资源数量为Tmem、存储资源数量为Tstorage、网络带宽资源数量为Tnet，对于业务规模为Scale的电力业务应用，需要占用CPU资源、内存资源、存储资源和网络带宽资源如下公式所示：
Xcpu＝(Tcpu/Scale1)×Scale
Xmem＝(Tmem/Scale1)×Scale
Xstorage＝(Tstorage/Scale1)×Scale
Xnet＝(Tnet/Scale1)×Scale
其中，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Tcpu为CPU资源数量，Scale1为基准测试的电力业务应用的业务规模，Scale为待移植的电力业务应用的业务规模，Tmem为内存资源数量，Tstorage为存储资源数量，Tnet为网络带宽资源数量。
10.如权利要求6所述的电力业务应用的性能评估系统，其特征在于，所述第二评估模块中，当识别到所述电力业务应用的类型为数据事务密集型应用时，则性能的决定性因素为CPU资源和内存资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为资源稳健型应用时，则性能的决定性因素为各类资源的有效数量提升的最小值，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xstorage为电力业务应用在ARM架构平台上有效利用的存储资源，Xstorage_x86为电力业务应用在原始平台上有效利用的存储资源，αstorage为存储资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为数据流吞吐型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为计算密集型应用时，则性能的决定性因素为CPU资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xcpu为电力业务应用在ARM架构平台上有效利用的CPU资源，Xcpu_x86为电力业务应用在原始平台上有效利用的CPU资源，αcpu为CPU资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度；
当识别到所述电力业务应用的类型为交互密集型应用时，则性能的决定性因素为内存资源和网络带宽资源的有效数量提升，性能优化收益λ的取值为：
其中，λ为性能优化收益，Xmem为电力业务应用在ARM架构平台上有效利用的内存资源，Xmem_x86为电力业务应用在原始平台上有效利用的内存资源，αmem为内存资源在X86架构和ARM架构平台上性能的对比，Xnet为电力业务应用在ARM架构平台上有效利用的网络带宽资源，Xnet_x86为电力业务应用在原始平台上有效利用的网络带宽资源，αnet为网络带宽资源在X86架构和ARM架构平台上性能的对比，P为电力业务应用的并行度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311286576.4A CN117234883B (zh) | 2023-10-07 | 2023-10-07 | 一种电力业务应用的性能评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311286576.4A CN117234883B (zh) | 2023-10-07 | 2023-10-07 | 一种电力业务应用的性能评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117234883A true CN117234883A (zh) | 2023-12-15 |
| CN117234883B CN117234883B (zh) | 2024-06-04 |
Family
ID=89085950
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311286576.4A Active CN117234883B (zh) | 2023-10-07 | 2023-10-07 | 一种电力业务应用的性能评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117234883B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102222034A (zh) * | 2011-07-15 | 2011-10-19 | 浙江大学 | 基于程序轮廓分析的虚拟化平台性能评测方法 |
| CN106656630A (zh) * | 2017-01-13 | 2017-05-10 | 北京中电普华信息技术有限公司 | 一种电力营销业务应用系统及其构建方法、平台 |
| CN112184008A (zh) * | 2020-09-27 | 2021-01-05 | 科大国创云网科技有限公司 | 一种基于层次分析法的基站智慧节能模型评估方法及系统 |
| US20210258265A1 (en) * | 2020-12-26 | 2021-08-19 | Intel Corporation | Resource management for components of a virtualized execution environment |
| WO2022139879A1 (en) * | 2020-12-24 | 2022-06-30 | Intel Corporation | Methods, systems, articles of manufacture and apparatus to optimize resources in edge networks |
| CN115907539A (zh) * | 2022-11-25 | 2023-04-04 | 国网宁夏电力有限公司 | 电力市场新能源利用评价指标体系构建方法、系统及装置 |
| CN116016221A (zh) * | 2023-01-05 | 2023-04-25 | 中国联合网络通信集团有限公司 | 业务处理方法、装置及存储介质 |
| CN116362909A (zh) * | 2023-03-16 | 2023-06-30 | 昆明理工大学 | 一种矿产资源动态执法监察系统 |
| CN116645006A (zh) * | 2023-06-08 | 2023-08-25 | 合肥迈思泰合信息科技有限公司 | 一种基于层次分析法的电力数据评估方法 |
-
2023
- 2023-10-07 CN CN202311286576.4A patent/CN117234883B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102222034A (zh) * | 2011-07-15 | 2011-10-19 | 浙江大学 | 基于程序轮廓分析的虚拟化平台性能评测方法 |
| CN106656630A (zh) * | 2017-01-13 | 2017-05-10 | 北京中电普华信息技术有限公司 | 一种电力营销业务应用系统及其构建方法、平台 |
| CN112184008A (zh) * | 2020-09-27 | 2021-01-05 | 科大国创云网科技有限公司 | 一种基于层次分析法的基站智慧节能模型评估方法及系统 |
| WO2022139879A1 (en) * | 2020-12-24 | 2022-06-30 | Intel Corporation | Methods, systems, articles of manufacture and apparatus to optimize resources in edge networks |
| US20210258265A1 (en) * | 2020-12-26 | 2021-08-19 | Intel Corporation | Resource management for components of a virtualized execution environment |
| CN115907539A (zh) * | 2022-11-25 | 2023-04-04 | 国网宁夏电力有限公司 | 电力市场新能源利用评价指标体系构建方法、系统及装置 |
| CN116016221A (zh) * | 2023-01-05 | 2023-04-25 | 中国联合网络通信集团有限公司 | 业务处理方法、装置及存储介质 |
| CN116362909A (zh) * | 2023-03-16 | 2023-06-30 | 昆明理工大学 | 一种矿产资源动态执法监察系统 |
| CN116645006A (zh) * | 2023-06-08 | 2023-08-25 | 合肥迈思泰合信息科技有限公司 | 一种基于层次分析法的电力数据评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄家明;李冠广;乔英良;班华堂;梁锐;: "融合架构云服务器体系结构和关键技术", 计算机工程与应用, no. 14, 15 July 2018 (2018-07-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117234883B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bi et al. | A big data clustering algorithm for mitigating the risk of customer churn | |
| CN110852881B (zh) | 风险账户识别方法、装置、电子设备及介质 | |
| CN110309840A (zh) | 风险交易识别方法、装置、服务器及存储介质 | |
| CN110826618A (zh) | 一种基于随机森林的个人信用风险评估方法 | |
| CN111681022A (zh) | 一种网络平台数据资源价值评估方法 | |
| CN116737360A (zh) | 面向混合负载的多基准驱动调参服务器能效调优方法及装置 | |
| Sun et al. | A multi-objective adaptive surrogate modelling-based optimization algorithm for constrained hybrid problems | |
| Dong | Application of Big Data Mining Technology in Blockchain Computing | |
| CN117234883B (zh) | 一种电力业务应用的性能评估方法及系统 | |
| CN117196808A (zh) | 一种同业业务的流动性风险预测方法及相关装置 | |
| CN116611911A (zh) | 基于支持向量机的信用风险预测方法及装置 | |
| CN117172381A (zh) | 基于大数据的风险预测方法 | |
| CN115953036A (zh) | 基于跨模态分解和深度学习的网络风险预测方法及系统 | |
| Wang et al. | Enhanced soft subspace clustering through hybrid dissimilarity | |
| CN115098674A (zh) | 基于云erp供应链生态圈的生成对抗网络生成数据的方法 | |
| Guo et al. | Transductive Semi-Supervised Metric Network for Reject Inference in Credit Scoring | |
| CN116861226A (zh) | 一种数据处理的方法以及相关装置 | |
| CN114066075A (zh) | 一种基于深度学习的客户流失预测方法 | |
| Xue et al. | Tsc-gcn: A face clustering method based on gcn | |
| CN106997472A (zh) | 用户信用模型的用户特征分类方法、用户信用评估方法及装置 | |
| Havishya et al. | An innovative performance analysis for banking transaction using support vector machine algorithm and compare with convolutional neural network | |
| Gong et al. | Research on customer churn prediction method based on variable precision rough set and BP neural network | |
| Jinjuan | Research on enterprise credit risk assessment method based on improved genetic algorithm | |
| Chen et al. | An efficient and effective approach for mining a group stock portfolio using mapreduce | |
| CN115829144B (zh) | 电网业务优化模型的建立方法及电子设备 |
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 |