CN117519980B - 节能型数据中心 - Google Patents

节能型数据中心 Download PDF

Info

Publication number
CN117519980B
CN117519980B CN202311563161.7A CN202311563161A CN117519980B CN 117519980 B CN117519980 B CN 117519980B CN 202311563161 A CN202311563161 A CN 202311563161A CN 117519980 B CN117519980 B CN 117519980B
Authority
CN
China
Prior art keywords
server
task
transfer
load
coefficient
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
Application number
CN202311563161.7A
Other languages
English (en)
Other versions
CN117519980A (zh
Inventor
余伟雄
程伟
蓝岁森
郭家溢
黄伟灵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Unicom Guangdong Industrial Internet Co Ltd
Original Assignee
China Unicom Guangdong Industrial Internet Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Unicom Guangdong Industrial Internet Co Ltd filed Critical China Unicom Guangdong Industrial Internet Co Ltd
Priority to CN202311563161.7A priority Critical patent/CN117519980B/zh
Publication of CN117519980A publication Critical patent/CN117519980A/zh
Application granted granted Critical
Publication of CN117519980B publication Critical patent/CN117519980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/20—Cooling means
    • G06F1/206—Cooling means comprising thermal management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • 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
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • 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
    • G06F9/505—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 considering the load
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20718—Forced ventilation of a gaseous coolant
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20709—Modifications to facilitate cooling, ventilating, or heating for server racks or cabinets; for data centers, e.g. 19-inch computer racks
    • H05K7/20836—Thermal management, e.g. server temperature control
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Thermal Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Human Computer Interaction (AREA)
  • Power Sources (AREA)

Abstract

本申请实施例公开了一种节能型数据中心，包括：任务迁移模块、分布式热源检测模块、分布式冷却模块、控制模块和IT设备机组；分布式热源检测模块，对IT设备机组进行分布式地热源检测，得到热源分布数据；控制模块，根据热源分布数据、IT设备机组的各服务器的服务器负载值和服务器温度数据，控制任务迁移模块在非高峰时段对服务器之间的任务进行任务迁移操作，控制分布式冷却模块进行降温操作，以及控制服务器负载值与预设的空闲服务器负载值一致的服务器进行休眠。能够在非高峰时段，将低负载服务器上运行的任务迁移至中度负载服务器，使低负载服务器成为空闲服务器，节约服务器消耗电能，同时减少了数据中心的发热量，降低了冷却设备能耗。

Description

节能型数据中心
技术领域
本申请涉及数据中心领域，尤其是涉及一种节能型数据中心。
背景技术
数据中心包含有大量的IT设备，尤其以服务器设备为代表，服务器设备是数据中心的重要组成部分，这些服务器负载数据中心海量数据的计算或存储任务。在这些服务器运行时，会消耗大量的电能，同时还产生大量的热量，而这些热能还需要冷却设备进行散热，冷却设备也需要消耗大量的电能，这使得数据中心成为高耗能场所。并且，在数据中心运行时，并非所有的服务器都一直处于高负载状态，有些服务器可能处于中负载状态或低负载状态，这些中低负载的服务器同样在消耗电能，却并未提供较高的工作效率，同时这些中低负载的服务器也会产生较多的热量，使冷却设备的能耗进一步增加。另一方面，数据中心的冷却设备在节能上也存在不足之处，高负载的服务器在运作时产生的热量往往要大于低负载的服务器，现有的冷却设备却只在全局上对数据中心进行粗放式的冷却降温，由于不同服务器产生的热量不均匀，一些服务器可能会过度冷却，造成冷却资源的浪费。同时，一些高负载的服务器可能无法获得足够的冷却支持，导致其温度升高，影响服务器的性能和可靠性。
因此，降低数据中心耗能，是一个亟待解决的问题。
发明内容
有鉴于此，本申请实施例提供了一种节能型数据中心，能够在非高峰时段，将低负载服务器上运行的任务迁移至中度负载服务器，使低负载服务器成为空闲服务器，然后休眠空闲服务器，来降低服务器耗能，同时还减少了数据中心的总体发热量，进而降低了冷却设备的能耗，以达到对数据中心节能的目的。本申请提供的节能型数据中心的实现如下。
本申请实施例提供的节能型数据中心，包括：任务迁移模块、分布式热源检测模块、分布式冷却模块、控制模块和包括多个服务器的IT设备机组，其中，所述任务迁移模块、所述分布式热源检测模块、所述分布式冷却模块分别可调控地电连接于所述IT设备机组，所述任务迁移模块、所述分布式热源检测模块、所述分布式冷却模块和所述IT设备机组分别被可调控地电连接于所述控制模块；
所述分布式热源检测模块，被配置为对所述IT设备机组进行分布式地热源检测，得到热源分布数据；
所述控制模块，被配置为获取所述热源分布数据，以及获取所述IT设备机组的各服务器的服务器负载值和服务器温度数据，根据所述热源分布数据、所述服务器负载值和所述服务器温度数据，控制所述任务迁移模块在非高峰时段对服务器之间的任务进行任务迁移操作，控制所述分布式冷却模块进行降温操作，以及控制服务器负载值与预设的空闲服务器负载值一致的服务器进行休眠；
所述非高峰时段为所述IT设备机组的至少一台服务器的服务器负载值低于预设的负载阈值的时间段。
通过采用上述技术方案，本申请实施例提供的节能型数据中心能够在控制模块的控制下，通过任务迁移模块将低负载服务器上的任务迁移至中负载服务器，使低负载服务器空闲，然后休眠空闲服务器，来节约服务器消耗的电能和提高服务器利用率，同时还减少了整体发热量，降低了制冷设备的能耗，达到了节能的目的；另一方面，分布式热源检测模块可以较精确地定位热源位置，然后通过分布式冷却模块对热源进行准确降温，对运行中的服务器进行准确降温，还能够避免大规模的全局散热，降低用制冷降温的电能消耗。
在一些实施例中，所述任务迁移模块被配置有任务迁移策略，所述任务迁移策略根据各服务器的服务器负载值分别对各服务器进行任务转出优先级和任务转入优先级的计算和排序，以确定执行任务转出的转出服务器和执行任务转入的转入服务器；
所述任务迁移策略包括：根据预设的等待时长间歇地获取各服务器的服务器负载值和CPU核心数，并根据各服务器对应的服务器负载值和CPU核心数计算各服务器的负载系数；根据所述各服务器的负载系数，计算各服务器的任务转出优先级系数，并根据预设的排序算法对各服务器的任务转出优先级系数由大到小进行排序生成转出优先级列表；根据所述各服务器的负载系数，计算各服务器的任务转入优先级系数，并根据所述排序算法对各服务器的任务转入优先级系数由大到小进行排序生成转入优先级列表；
所述任务迁移模块被配置为根据所述任务迁移策略中所述转出优先级列表确定所述转出服务器，根据所述转入优先级列表确定所述转入服务器，将所述转出服务器中的任务迁移到所述转入服务器中，所述转出服务器包括所述IT设备机组中的多个执行任务转出的服务器，所述转入服务器包括所述IT设备机组中的多个执行任务转入的服务器。
通过采用上述技术方案，通过任务迁移策略可以参考各服务器的服务器负载值对各服务器分别进行任务转出优先级和任务转入优先级的计算和排序，以确定需要进行任务转出的转出服务器和任务转入的转入服务器。
在一些实施例中，所述任务迁移模块根据被配置的所述任务迁移策略，计算各服务器的任务转出优先级系数和任务转入优先级系数，包括：
各服务器的任务转出优先级系数的计算算法为：
其中，Pout为各服务器的任务转出优先级系数，BL为预设的低负载基数，L为各服务器的负载系数，N为各服务器的CPU核心数；
各服务器的任务转入优先级系数的计算算法为：
其中，Pin为各服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数。
通过采用上述技术方案，计算得到各服务器的任务转出优先级系数和任务转入优先级系数，低负载且低核心的服务器上的任务可以快速地被迁移出去，进而可以快速地形成空闲服务器并进行休眠，达成节能环保的效果。
在一些实施例中，所述任务迁移模块根据被配置的所述任务迁移策略，计算各服务器的任务转出优先级系数和任务转入优先级系数，包括：
获取各服务器的服务器温度数据，根据所述热源分布数据和各服务器的服务器温度数据通过预设的温度系数计算算法得出各服务器的温度系数，根据各服务器的服务器平均负载系数和服务器平均能耗以预设的能效系数计算算法得出各服务器的能效系数，并对所述任务转出优先级系数计算算法进行更新以获得新的任务转出优先级系数计算算法，新的任务转出优先级系数的计算算法为：
其中，Pout为各服务器的任务转出优先级系数，BL为预设的低负载基数，L为各服务器的负载系数，N为各服务器的CPU核心数，T为各服务器的温度系数，E为各服务器的能效系数；
对各服务器的任务转入优先级系数计算算法进行更新以获得新的任务转入优先级系数计算算法，新的任务转入优先级系数的计算算法为：
其中，Pin为各服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数；
各服务器的服务器平均负载系数和服务器平均能耗由所述控制模块统计得出。
通过采用上述技术方案，优先转出低负载、低CPU核心数且温度较高的服务器中的任务，在减少制冷能耗上有着一定效果；优先将任务转入温度较低的服务器，也有利于控制整体的发热量，减少制冷能耗。优先将低能效系数服务器上的任务转出，可以适当降低所述IT设备机组的整体耗电量，进而节约电能。优先将任务转入高能效系数的服务器，也可以适当降低所述IT设备机组的整体耗电量，进而节约电能。
在一些实施例中，所述任务迁移模块还被配置有对所述任务迁移策略中对所述预设的等待时长进行计算调节得到新的等待时长，包括：
获取所有服务器的负载系数；
统计负载系数不为预设的负载基值的服务器的负载系数的平均值并得出机组负载平均值；
根据所述机组负载平均值和所述预设的等待时长对等待时长进行计算调节，得到新的等待时长，调节计算算法为：
其中，St为新的等待时长，S0为所述预设的等待时长，AL为所述IT设备机组的机组负载平均值，BH为预设的高负载基数，BM为预设的中负载基数。
通过采用上述技术方案，当全体服务器都处于较高负载状态时，调节等待时长，延长迁移周期，避免在迁移任务时进一步消耗服务器资源，当全体服务器都处于较低负载时，缩短等待时长，可以快速产生空闲服务器并进行修休眠，以节约电能。服务器负载越低，服务器用于迁移任务的闲置资源越丰富，任务迁移操作更快。
在一些实施例中，所述任务迁移策略包括任务分配子策略；所述任务迁移模块将所述转出服务器中的任务迁移到所述转入服务器中，包括：
根据所述分配子策略将目标转出服务器上的全部任务分配给至少一个目标转入服务器，将所述目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中，所述目标转出服务器为所述转出服务器中具有最高任务转出优先级系数的转出服务器，所述目标转入服务器为所述转入服务器中被分配所述目标转出服务器上的任务的转入服务器；
所述任务分配子策略包括：
根据所述转出优先级列表，获取当前具有最高任务转出优先级系数的所述目标转出服务器上各任务的资源占用信息；
穷举所述目标转出服务器上各任务的分配排序方式以确定分配类型信息；
根据所述转入优先级列表确定转入排序信息，并根据所述分配类型信息和所述转入排序信息，将所述目标转出服务器上各任务依次匹配各转入服务器，确定分配状态信息；
判断所述分配状态信息是否符合预设的完全分配状态，所述完全分配状态下所述目标转出服务器上的所有任务匹配成功；
在所述分配状态信息符合所述完全分配状态的情况下，将所述分配状态信息所对应的分配类型定义为有效类型，获取各个有效类型对应的占用服务器数量，并确定数值最小的占用服务器数量，根据数值最小的占用服务器数量对应的有效类型，确定至少一个所述目标转入服务器，将所述目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中。
在一些实施例中，所述任务迁移策略还包括迁移顺序子策略；所述将所述目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中，包括：根据所述迁移顺序子策略确定所述目标转出服务器上各任务的迁移顺序；
所述迁移顺序子策略包括：
获取所述目标转出服务器上各任务的占用资源信息；
根据各任务的占用资源信息，计算各任务的任务迁移优先级系数；
根据各任务的任务迁移优先级系数从大到小确定各任务的迁移顺序；
计算各任务的任务迁移优先级系数的计算算法为：
其中，Ptask为各任务的迁移优先级系数，w1为预设的CPU参考权重，Uc为各任务在当前服务器上的CPU占用率，w2为预设的内存参考权重，Ur为各任务在当前服务器上的内存占用率，w3为预设的IO参考权重，Ui为任务在当前服务器上的IO占用率，其中w1+w2+w3=1。
在一些实施例中，所述控制模块用于控制所述分布式冷却模块进行降温操作，所述分布式冷却模块包括制冷器和多个可调节出风口，所述多个可调节出风口设置在所述IT设备机组的各服务器的预设距离内，包括：
所述控制模块根据预设调温规则，对所述热源分布数据、所述服务器负载值和所述服务器温度数据进行处理，得到温度调控指令；
所述分布式冷却模块获取所述温度调控指令，调节各可调节出风口的出风量、以及所述制冷器的总出风量和总制冷强度。
通过采用上述技术方案，分布式冷却模块包括多个可调节出风口和制冷器，各可调节出风口分别被可导气地连接于制冷器，各可调节出风口分别被分布设置于节能型数据中心的各处，各可调节出风口分别被可调节地电连接于控制模块，制冷器被可调节地电连接于控制模块。结合分布式热源检测模块提供的热源分布数据，控制模块通过调节可调节出风口的冷空气流量，可以实现对节能型数据中心各个方位的制冷力度调节，控制模块还可以调节制冷器的总出风量和总制冷强度，进而实现精准地降温调节操作，达到节能减排的效果。
在一些实施例中，分布式热源检测模块包括多个温度传感器和温度统计子模块，各温度传感器分别被可通讯地电连接于温度统计子模块，温度统计子模块被可通讯地连接于控制模块，各温度传感器分别被可测温地分布设置于节能型数据中心的各处，其中，部分温度传感器被对应地相邻设置于IT设备机组的各服务器处。
通过采用上述技术方案，使所述控制模块能够根据热源分布数据对所述分布式冷却模块进行调节和控制，使所述分布式冷却模块能够加大对温度较高区域的制冷功率或是降低对温度较低区域的制冷功率，而避免全局大功率制冷，达到节能的效果。
在一些实施例中，所述任务迁移模块，所述任务迁移模块，根据热源分布数据、各服务器预设距离内的所述分布式冷却模块的可调节出风口的出风量以及预设的制冷效率算法得出各服务器的区域制冷效率系数，并对各服务器的任务转出优先级系数计算算法进行更新以获得新的任务转出优先级系数计算算法，新的任务转出优先级系数的计算算法为：
其中，C为各服务器的区域制冷效率系数；
对各服务器的任务转入优先级系数计算算法进行更新以获得新的任务转入优先级系数的计算算法，新的任务转入优先级系数计算算法：
。
通过采用上述技术方案，可以提高区域制冷效率系数较低的服务器的转出优先级，同时提高区域制冷效率系数较高的服务器的转入优先级，能够根据所述分布式冷却模块的制冷效率，控制任务的迁移，降低所述节能型数据中心的整体制冷能耗。
在一些实施例中，所述根据所述转入优先级列表确定转入排序信息，并根据所述分配类型信息和所述转入排序信息，将所述目标转出服务器上各任务依次匹配各转入服务器，确定分配状态信息，包括：
根据所述分配类型信息，将所述目标转出服务器的各任务进行不同的排序，得到与所述分配类型信息对应的至少两种任务排序；
根据所述至少两种任务排序进行任务匹配处理，分别得到各任务排序中的全部任务根据所述转入排序信息，将任务依次转入各转入服务器的匹配结果；
根据各任务排序对应的全部任务模拟得到的匹配结果，确定分配状态信息，所述分配状态信息包括各任务排序中各任务的匹配结果以及匹配的转入服务器。
本申请实施例提供的节能型数据中心，分布式热源检测模块，被配置为对IT设备机组进行分布式地热源检测，得到热源分布数据，控制模块被配置为根据热源分布数据、IT设备机组的各服务器的服务器负载值和服务器温度数据，控制任务迁移模块在非高峰时段对服务器之间的任务进行任务迁移操作，控制分布式冷却模块进行降温操作，以及控制服务器负载值与预设的空闲服务器负载值一致的服务器进行休眠，非高峰时段为IT设备机组的至少一台服务器的服务器负载值低于预设的负载阈值的时间段。综上所述，本申请具有以下有益技术效果：
1、当节能型数据中心处于非高峰时段时，将低负载服务器上运行的任务迁移至中度负载或较高负载的服务器，使低负载服务器成为空闲服务器，然后通过休眠空闲服务器，来节约服务器消耗的电能，同时还减少了数据中心的发热量，进而降低了制冷设备的能耗，以达到节能的目的，休眠状态的服务器也可以被快速唤醒，以应对高峰时段的性能需求；
2、 节能型数据中心可以较精确地定位热源位置，然后通过分布式冷却模块对热源进行准确地降温，既可以对运行中的服务器进行准确降温，还可以避免大规模的全局散热，降低用于冷却的电能消耗；
3、节能型数据中心能够根据各服务器的负载信息，温度信息和能效信息，进行较准确的任务迁移操作，进而降低数据中心的整体能耗。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
图1是本申请实施例公开的节能型数据中心的一种结构图示；
图2是本申请实施例公开的节能型数据中心的另一种结构图示；
图3是本申请实施例公开的节能型数据中心的服务器间实现任务迁移的一种流程图示；
图4是本申请实施例公开的节能型数据中心中任务迁移模块被配置的任务迁移策略的一种流程图示；
图5是本申请实施例公开的节能型数据中心中更改任务迁移模块被配置的任务迁移策略的等待时长的一种流程图示；
图6是本申请实施例公开的节能型数据中心中任务迁移策略包括的任务分配子策略的一种流程图示；
图7是本申请实施例公开的节能型数据中心中任务迁移策略包括的迁移顺序子策略的一种流程图示。
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的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
需要指出，本申请实施例所涉及的术语“第一\第二\第三”用以区别类似或不同的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
目前，数据中心是现代网络技术中非常普遍的应用，数据中心的使用让大量的数据运算或数据存储得到了支持。然而，数据中心也是一种典型的高耗能场所，其为保障IT设备机组的正常运行需要耗费大量电能，同时运行过程中伴随产生的热量又需要制冷设备进行降温处理，进一步消耗增加了能耗。
因此，如何对数据中心的资源进行高效和经济地管理，降低其运行时的能耗，减少运营成本和对环境的污染，成为了一个亟待解决的问题。设计合理的节能型数据中心，降低能耗，对降低运行成本、减少环境污染具有十分重要的意义。
有鉴于此，本申请实施例提供一种节能型数据中心。通过在非高峰时段，运用虚拟化技术把分布于不同服务器上的多个任务合并到一个或几个其他服务器上，将低负载服务器上运行的任务迁移至中度负载或较高负载的服务器，使低负载服务器成为空闲服务器并休眠，节约服务器消耗的电能，同时减少发热量，降低了制冷设备的能耗，实现节能效果。休眠状态的服务器也可以被快速唤醒，以应对高峰时段的性能需求。
此处服务器上的任务可以被理解为被运行于各个服务器上的各个虚拟机，通过动态迁移的方法，能够较为简单地实现虚拟机在各个物理服务器之间的迁移。
动态迁移，就是将一个虚拟机从一个物理服务器移动到另一个物理服务器的过程。该过程不会对最终用户造成明显的影响，从而使得管理员能够在不影响用户正常使用的情况下，对物理服务器进行休眠或关闭。
迁移的前期阶段，任务在源主机的虚拟机上运行，当迁移进行到一定阶段，目的主机已经具备了运行虚拟机系统的资源，经过一个短暂的切换，源主机将控制权转到目的主机，虚拟机系统在目的主机上继续运行。对于虚拟机服务本身而言，由于切换的时间较短，用户感觉不到服务的中断，因而迁移过程对用户是透明的，几乎不会对用户产生负面影响。
为更清楚地说明本申请实施例公开的节能型数据中心。请参阅图1，图1是本申请实施例公开的节能型数据中心的一种结构图示。如图1所述，节能型数据中心100可以包括：任务迁移模块110、分布式热源检测模块120、分布式冷却模块130、控制模块140和IT设备机组150，其中IT设备机组150包括多个服务器151。
在本申请实施例中，任务迁移模块110、分布式热源检测模块120、分布式冷却模块130分别可调控地电连接于IT设备机组150。任务迁移模块110、分布式热源检测模块120、分布式冷却模块130和IT设备机组150分别被可控地电连接于控制模块140。
在本申请实施例中，所述分布式热源检测模块120，被配置为对所述IT设备机组150进行分布式地热源检测，得到热源分布数据；所述控制模块140，被配置为获取所述热源分布数据，以及获取所述IT设备机组150的各服务器的服务器负载值和服务器温度数据，进而根据所述热源分布数据、所述服务器负载值和所述服务器温度数据，控制所述任务迁移模块110在非高峰时段对服务器之间的任务进行任务迁移操作，控制所述分布式冷却模块130进行降温操作，以及控制服务器负载值与预设的空闲服务器负载值一致的服务器进行休眠。
需要说明的是，空闲服务器负载值的预设值可以设置为0，当一个服务器的服务器负载值为0的情况下，则可以判断该服务器为空闲服务器，进行休眠。但是因为服务器自身一些程序的运行，空闲服务器负载值的预设值可以根据实际情况设置为大于且接近0的数值，以符合服务器的实际工作情况，在此不作限定。
在所述控制模块140的控制下，所述任务迁移模块110能够对所述IT设备机组150包括的多个服务器151中的低负载状态的服务器进行任务迁移。可以理解的是，在所述节能型数据中心100进入非高峰时段的情况下，部分服务器处于较低的负载，此时，如果保持所有服务器都处于运行状态，会使大量的服务器资源未能充分利用，而且在所有服务器都处于运行状态的情况下，会消耗大量的电能，不节能环保，另一方面，全部服务器运行时，还会产生大量的热量，也会增加降温所需的耗能。
在本申请实施例中，所述非高峰时段为所述IT设备机组150的至少一台服务器的服务器负载值低于预设的负载阈值的时间段。该负载阈值可以根据实际情况进行设定，该值表示服务器当前处于负载较低的状态。预设的负载阈值可以是一个通过经验得出的值，也可以是通过统计历史负载的分布情况得出，在此不作限定。
所述任务迁移模块110在所述控制模块140的控制下，将负载较低服务器上的任务迁移至负载中等或较高的服务器上，进而使低负载服务器成为空闲服务器，然后所述控制模块140控制空闲服务器休眠，达到节能的目的同时也提高了服务器的利用率，休眠的服务器不再产生热量，可以进一步减少降温所述的电能，实现双向节能。
请参阅图2，图2是本申请实施例公开的节能型数据中心的另一种结构图示。如图2所示，节能型数据中心100可以包括：任务迁移模块110、分布式热源检测模块120、分布式冷却模块130、控制模块140和IT设备机组150，其中，分布式热源检测模块120包括多个温度传感器121和温度统计子模块122，分布式冷却模块130包括多个可调节出风口131和制冷器132，IT设备机组150包括多个服务器151。
在一些实施例中，分布式热源检测模块120包括多个温度传感器121和温度统计子模块122，所述多个温度传感器121分别被可通讯地电连接于所述温度统计子模块122，所述温度统计子模块122被可通讯地电连接于所述控制模块140，所述多个温度传感器121被可测温地分布设置于所述节能型数据中心100的预设测温位置。
通过在所述节能型数据中心100中分布式地设置所述多个温度传感器121，所述温度统计子模块122能够较准确地获得所述节能型数据中心100的热源分布数据，然后所述温度统计子模块122将热源分布数据传送至所述控制模块140，使所述控制模块140能够根据热源分布数据对所述分布式冷却模块130进行调节和控制，使所述分布式冷却模块130能够加大对温度较高区域的制冷功率或是降低对温度较低区域的制冷功率，而避免全局大功率制冷，达到节能的效果。
可以理解的是，当所述节能型数据中心100的所述IT设备机组150中部分服务器处于休眠状态，且部分服务器处于负载较高状态的情况下，这使得所述节能型数据中心100的热源分布必定处于不均匀的状态，此时，如果采用常规的制冷设备进行大范围的全局式降温，一方面对运行中的服务器的制冷效果不佳，另一方面也会消耗大量的电能。因此，采用所述分布式热源检测模块120和所述分布式冷却模块130能够实现对所述节能型数据中心100的分布式温度检测及降温处理，降低总体的能耗。
在一些实施例中，所述多个温度传感器121中各温度传感器被对应地相邻设置于所述IT设备机组150的各服务器的预设测温距离内。
被相邻设置于各服务器的温度传感器可以准确地获取对应服务器的外部温度，进而使所述控制模块140能够获取各服务器的外部温度数据，结合各服务器自身提供的服务器内部的服务器温度数据，可以使所述控制模块140根据这些温度数据做出较优的应对决策。
在一些实施例中，所述控制模块140用于控制所述分布式冷却模块130进行降温操作，所述分布式冷却模块130包括制冷器132和多个可调节出风口131，所述多个可调节出风口131设置在所述IT设备机组150的预设距离内，包括：
所述控制模块140根据预设调温规则，对所述热源分布数据、所述服务器负载值和所述服务器温度数据进行处理，得到温度调控指令；
所述分布式冷却模块130获取所述温度调控指令，调节各可调节出风口的出风量、以及所述制冷器132的总出风量和总制冷强度。
需要说明的是，所述分布式冷却模块130包括多个可调节出风口131和制冷器132，所述多个可调节出风口131被可导气地电连接于所述制冷器132，各所述可调节出风口分别被分布设置于所述节能型数据中心100的预设降温位置，各所述可调节出风口分别被可调节地电连接于所述控制模块140，所述制冷器132被可调节地电连接于所述控制模块140。
结合所述分布式热源检测模块120提供的热源分布数据，所述控制模块140通过调节所述多个可调节出风口131的冷空气流量，可以实现对所述节能型数据中心100不同位置的制冷力度调节，所述控制模块140还可以调节所述制冷器132的总出风量和总制冷强度，进而实现精准地降温调节，达到节能减排的效果。
当所述节能型数据中心100处于非高峰时段时，在所述任务迁移模块110的迁移下，部分服务器处于休眠状态，部分服务器处于较高的负载状态，休眠状态的各服务器不产生热量，而较高负载的服务器处发热状态。此时，在所述总出风量和总制冷强度不变的情况下，通过减小或关停休眠服务器附近的可调节出风口的出风量，其他方位的可调节出风口的出风量会得到增加，进而提高其他方位的制冷效率。
在一些实施例中，当所述节能型数据中心100只存在低于预设数目的服务器在运行状态时，还可以降低所述制冷器132的总出风量和总制冷强度，并根据热源分布数据只打开处于运行状态的服务器附近的可调节出风口，可以对这些服务器进行精确地降温，而较低的总出风量和总制冷强度，代表着较低的制冷能耗，能够达到节能环保的效果。同时，冷空气会向周围缓慢扩散，也可以对已经休眠的服务器的余热进行降温，因休眠的服务器不再产生新的热量，通过这种扩散的散热方式，无需进行额外的操作便能够降低它们的余热，以便在被重新唤醒时能够有较好的性能表现。
所述控制模块140被配置为对所述节能型数据中心100中其他各模块进行数据的获取、传输和统筹控制。
控制模块140实时地从IT设备机组150获取各服务器的服务器负载值和服务器温度数据，以及从分布式热源检测模块120获取热源分布数据，根据热源分布数据获取各服务器的服务器外部温度数据，然后根据热源分布数据对分布式冷却模块130进行调节控制。
其中，服务器负载值可通过控制模块140向各服务器发送服务器负载状态的查询指令实时获得，其以数值反应服务器的当前负载情况，即繁忙程度。服务器温度数据可通过控制模块140向各服务器发送服务器温度状态的查询指令实时获得，其数值反应各服务器工作时内部的温度情况。服务器外部温度数据可从分布式热源检测模块120生成的热源分布数据中处理获得，其数值反应了各服务器外部的一定距离内的温度情况。
在一些实施例中，所述控制模块140将服务器负载值和服务器温度数据以及服务器外部信息传输至所述任务迁移模块110，根据服务器负载值为主要参考数据，所述任务迁移模块110能够合理地对所述IT设备机组150的各服务器之间进行任务的迁移操作。当所述控制模块140实时地检测到空闲服务器时，即对空闲服务器进行休眠处理。
所述控制模块140可以通过简单地命令获取所述IT设备机组150的各服务器的负载相关数据和CPU核心数的信息，并计算得出每个服务器的负载状态。
请参阅图3，图3是本申请实施例公开的节能型数据中心的服务器间实现任务迁移的一种流程图示。如图3所述，可以包括如下步骤301至步骤304。
步骤301，分布式热源检测模块，对IT设备机组进行分布式地热源检测，得到热源分布数据。
步骤302，控制模块，获取热源分布数据，以及获取IT设备机组的各服务器的服务器负载值和服务器温度数据。
步骤303，控制模块，根据热源分布数据、服务器负载值和服务器温度数据，控制任务迁移模块在非高峰时段对服务器之间的任务进行任务迁移操作。
步骤304，控制模块，根据热源分布数据、服务器负载值和服务器温度数据，控制分布式冷却模块进行降温操作，以及控制服务器负载值与预设的空闲服务器负载值一致的服务器进行休眠。
本申请实施例提供的节能型数据中心的各模块的功能在上述对图1及图2的附图描述中已经进行相应说明，在此不再赘述，通过本申请实施例提供的节能型数据中心，能够在非高峰时段，将低负载服务器上运行的任务迁移至中度负载的服务器，使低负载服务器成为空闲服务器，然后通过休眠空闲服务器，来节约服务器消耗的电能，同时还减少了数据中心的发热量，进而降低了冷却设备的能耗，以达到节能的目的。
在一些实施例中，任务迁移模块被配置有任务迁移策略，任务迁移策略根据各服务器的服务器负载值对各服务器分别进行任务转出优先级和任务转入优先级的计算和排序，以确定执行任务转出的转出服务器和执行任务转入的转入服务器；任务迁移模块被配置为根据任务迁移策略中转出优先级列表确定转出服务器，根据转入优先级列表确定转入服务器，将转出服务器中的任务迁移到转入服务器中，转出服务器包括IT设备机组包中的多个执行任务转出的服务器，转入服务器包括IT设备机组包中的多个执行任务转入的服务器。
下面将结合附图，对任务迁移模块被配置有的任务迁移策略进行说明。
请参阅图4，图4是本申请实施例公开的节能型数据中心中任务迁移模块被配置的任务迁移策略的一种流程图示。如图4所示可以包括如下步骤401至步骤403。
步骤401，根据预设的等待时长间歇地获取各服务器的服务器负载值和CPU核心数，并根据各服务器对应的服务器负载值和CPU核心数计算各服务器的负载系数。
任务迁移模块通过控制模块获取IT设备机组的各服务器的服务器负载值和CPU核心数，并根据任务迁移策略和给定的服务器负载值和核心数，计算得出各服务器的负载系数。
需要说明的是，根据任务迁移策略进行任务迁移需要等待一段等待时长，该等待时长为两次任务迁移之间的时间间隔，因为任务迁移也会消耗一定的服务器资源，如果持续不停地进行任务迁移会导致大量服务器资源被占用，引起服务器大量发热，这就显得有些本末倒置，达不到节能的目的，且会造成计算资源的浪费。
以现有的常规服务器为例，当向某一服务器查询该服务器负载情况时，通常会返回一组反应服务器负载状态的数值，这组数值一般3个为一组，它们分别表示该服务器在过去1分钟、5分钟及15分钟内的平均负载值，平均负载值综合考虑了一台服务器的CPU使用情况、内存（RAM）的使用情况以及输入或输出（IO）的消耗情况，可以较好地反应一台服务器的繁忙程度。
将平均负载值除以服务器的CPU核心数就能得到一个服务器负载系数，即各服务器的负载系数等于各服务器负载值除以对应各服务器的CPU核心数。
其中，通过15分钟内的平均负载值计算得出的负载系数可以较好地反应服务器的当前负载程度。因此在一些实施例中可以选定15分钟内服务器的平均负载值作为服务器负载值。
因此，任务迁移模块可以依据计算各服务器的负载系数来确定从哪些服务器中转出任务，又确定将那些任务转入哪些服务器中。
在一些实施例中则有，各服务器的负载系数计算式为：
其中，L为某一服务器的负载系数，D15为该台服务器的15分钟内的平均负载值，N为该服务器的CPU核心数。
通常一台服务器的负载系数在0-1之间，负载系数越低，说明其负载越低，资源利用率越低，负载系数越高，说明其负载越高，资源利用率越高，本领域的常规经验来说，负载系数在0.7左右表示服务器处于合理的较高负载状态，当负载系数为0或非常接近0时，说明服务器处于空闲状态，当负载系数接近1或超过1时，说明服务器已经满负荷或超负荷运转。
在一些实施例中，通过设定负载系数低于0.2的服务器具有较高的任务转出优先级；负载系数在0.5左右的服务器具有较高的转入优先级。通过将低负载系数服务器上的任务转出至中负载系数服务器上，可以快速地使低负载系数服务器成为空闲服务器，进而可以进行休眠节省电源，而中负载系数服务器也不会因为任务转入而变得负载过高。
在一些实施例中，在同等负载系数下，将核心数较低的服务器设置为具有较高的转出优先级，而核心数较多的服务器设置为具有较高的转入优先级；因核心数较低的服务器上的现存任务量可能较少，在转出时会效率会更高，而核心数较高的服务器的资源较充分，可以承担更多的任务量，故将任务转入这类核心数较高的服务器，可以较好地承接任务而不使其负载参数提升过高。
步骤402，根据各服务器的负载系数，计算各服务器的任务转出优先级系数，并根据预设的排序算法对各服务器的任务转出优先级系数由大到小进行排序生成转出优先级列表。
所述任务迁移策略根据服务器负载系数和服务器核心数计算得到各服务器的任务转出优先级系数，并通过预设的排序算法对各服务器进行排序生产转出优先级列表。任务迁移模块可以根据转出优先级列表对服务器依次执行任务转出操作。
其中，预设的排序算法可以是冒泡排序、选择排序、插入排序和并归排序等算法，可根据实际情况选用，在此不作限定。
本申请公开的节能型数据中心提供了多种各服务器的任务转出优先级系数和任务转入优先级系数的计算方法。
在一些实施例中，设定高负载基数（BH）为0.7，中负载基数（BM）为0.5，低负载基数（BL）为0.2，以上负载基数用于做为服务器负载程度的参考值，在此只作为例举，在实际情况时可根据数据中心的不同运行状况进行调节和改变，在此不作限定。
在一些实施例中，各服务器的任务转出优先级系数 =（低负载基数-服务器负载系数）/ 服务器核心数，则有，各服务器的任务转出优先级系数的计算算法为：
其中，Pout为各服务器的任务转出优先级系数，BL为预设的低负载基数，L为各服务器的负载系数，N为各服务器的CPU核心数；
若某一服务器的任务转出优先级系数的数值越大，则说明该服务器的任务转出优先级越高。
通过依据各服务器的任务转出优先级系数从大到小排列生成服务器任务转出列表，在任务迁移模块执行任务转出操作时根据服务器任务转出列表依次转出。
上述转出优先级系数的计算算法兼顾考虑了服务器的负载状态和其核心数，即负载系数越低，转出优先级越高，核心越少，转出优先级越高。
通过上述转出优先级系数的计算算法，低负载且低核心的服务器上的任务可以快速地被迁移出去，进而可以快速地形成空闲服务器并进行休眠，达成节能环保的效果。
步骤403，根据各服务器的负载系数，计算各服务器的任务转入优先级系数，并根据排序算法对各服务器的任务转入优先级系数由大到小进行排序生成转入优先级列表。
在一些实施例中，任务转入优先级系数=（高负载基数-服务器负载系数）*（服务器负载系数-中负载基数）* 服务器核心数，则有，各服务器的任务转入优先级系数的计算算法为：
其中，Pin为各服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数。
需要说明的是，若某一服务器的任务转入优先级系数的数值越大，则说明该服务器的任务转入优先级越高。
通过依据各服务器的任务转出优先级系数从大到小排列生成服务器任务转入列表，在任务迁移模块执行任务转入操作时根据服务器任务转入列表依次转入。
需要说明的是，当核心数相同的情况时，任务迁移策略会优先对服务器负载系数处于中负载基数与高负载基数之间的服务器进入转入操作，即以上例举的负载系数在0.5-0.7之间。而当服务器负载系数相同时，任务迁移策略会优先对核心数较多的服务器进行任务转入操作，因核心数较多的服务器具有较好的任务承载能力。
在一些实施例中，温度因素也应成为服务器任务转出和转入的参考因素，获取各服务器的服务器温度数据，根据所述热源分布数据和各服务器的服务器温度数据通过预设的温度系数计算算法得出各服务器的温度系数，根据各服务器的服务器平均负载系数和服务器平均能耗以预设的能效系数计算算法得出各服务器的能效系数，并对所述任务转出优先级系数计算算法进行更新以获得新的任务转出优先级系数计算算法。
例如，在两台负载系数相同、核心数相同的低负载服务器中，优先转出温度较高的服务器中的任务，在减少制冷能耗上有着一定效果；而在两台负载系数相同、核心数相同的高负载服务器中，优先将任务转入温度较低的服务器，也有利于控制整体的发热量，减少制冷能耗。
任务迁移模块可以通过从控制模块获取热源分布数据和各服务器的服务器温度数据，通过各服务器与分布式热源检测模块的多个温度传感器的位置关系可以从热源分别信息得到各服务器的服务器外部温度数据；
在一些实施例中，设置温度系数为服务器内部温度与服务器外部温度的总和，即温度系数的计算公式为：
其中，T为某一服务器的温度系数，Tin为该服务器的内部温度，Tout为该服务器的外部温度。
需要说明的是，温度系数可有不同的计算方法或是其参数可以各有不同的权重，以贴合实际情况。
进而，在一些实施例中提供了一种考虑了温度因素的服务器任务转出优先级系数的计算算法，任务转出优先级系数=温度系数 *（低负载基数-服务器负载系数）/ 服务器核心数 ，则有，新的任务转入优先级系数的计算算法为：
其中，Pout为某一服务器的任务转出优先级系数，T为该服务器的温度系数，BL为预设的低负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数。
在考虑了温度因素的情况下，而其他因素相同的情况下，服务器自身和周围的温度越高，该任务转出优先级系数越大，服务器的转出优先级越高。
在一些实施例中，任务转入优先级系数=（高负载基数-服务器负载系数）*（服务器负载系数-中负载基数）*服务器核心数/温度系数，则有，对各服务器的任务转入优先级系数计算算法进行更新以获得新的任务转入优先级系数计算算法，新的任务转入优先级系数的计算算法为：
其中，Pin为某一服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数，T为该服务器的温度系数。
在考虑了温度因素的情况下，而其他因素相同的情况下，服务器自身和周围的温度越低，该任务转入优先级系数越大，服务器的转出优先级越高。
通过考虑温度数据进行任务迁移，可以适当降低制冷能耗，能更进一步地节能减排。
再进一步地，数据中心的各服务器通常都有着不同的能耗，有的服务器能耗偏高，有的服务器能耗偏低，在相同服务器负载下，高能耗的服务器会消耗更多的电能。
那么在服务器之间转出任务和转入任务，能耗因素也应成为一个考虑因素。
在一些实施例中设定服务器能效系数等于服务器平均负载系数除以服务器平均能耗，则有：
其中，E为某一服务器的能效系数，La为该服务器的在某一时间段内的服务器平均负载系数，Wa为该服务器在该时间段内的平均能耗。
服务器的平均能耗可以通过所述控制模块在预设的一段时间内统计得出。
服务器能效系数可以较客观地反应一台服务器在进行相同工作时的耗能情况，能效系数越高，说明服务器越省电。
本申请提供了一种虑能效因素的服务器任务转出优先级系数的计算算法，在一些实施例中，任务转出优先级系数=（低负载基数-服务器负载系数）/ 服务器核心数 / 能效系数，则有：
其中，Pout为某一服务器的任务转出优先级系数，BL为预设的低负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数，E为该服务器的能效系数。
在其他条件不变的情况下，优先将低能效系数服务器上的任务转出，可以适当降低所述IT设备机组的整体耗电量，进而节约电能。
相似地，在其他条件不变的情况下，优先将任务转入高能效系数的服务器，也可以适当降低所述IT设备机组的整体耗电量，进而节约电能。
本申请提供了一种虑能效因素的服务器任务转入优先级系数的计算方法，任务转入优先级系数 =（高负载基数-服务器负载系数）*（服务器负载系数-中负载基数）* 服务器核心数 * 能效系数，则有：
其中，Pin为某一服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数，E为该服务器的能效系数。
在其他条件不变的情况下，优先将任务转入高能效系数的服务器，可以适当降低所述IT设备机组的整体耗电量，进而节约电能。
基于以上，结合温度因素和能效因素，本申请还提供了一种考虑温度因素和能效因素的服务器任务转出优先级系数的计算算法，任务转出优先级系数 = 温度系数*（低负载基数-服务器负载系数）/服务器核心数/能效系数，则有：
其中，Pout为各服务器的任务转出优先级系数，BL为预设的低负载基数，L为各服务器的负载系数，N为各服务器的CPU核心数，T为各服务器的温度系数，E为各服务器的能效系数。
本申请还提供了一种考虑温度因素和能效因素的服务器任务转入优先级系数的计算方法，任务转入优先级系数=（高负载基数-服务器负载系数）*（服务器负载系数-中负载基数）*服务器核心数/温度系数*能效系数，则有：
其中，Pin为各服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数，T为该服务器的温度系数，E为该服务器的能效系数。
在一些实施例中，所述分布式冷却模块的制冷能耗也可以成为服务器任务转出和转入的参考因素，可用做优化各服务器上的任务的转出优先级和转入优先级的计算参数，以求进一步降低本申请公开的节能型数据中心的能耗。
可以理解的是，对于分布式冷却模块，因服务器的不同型号、服务器的不同位置分布、放置服务器的机房的整体结构、室外温度等各种因素，都可能导致所述分布式冷却模块对IT设备机组内各服务器所处区域的制冷效率有所不同，综合以上因素，所述分布式冷却模块对机房内不同的区域的制冷效率是存在差异的，而不同的制冷效率直接导致了不同的制冷能耗。
可以理解的是，如果能够优先将位于低制冷效率区域的服务器上的任务迁移至位于高制冷效率区域的服务器上，则可减少低制冷效率区域的发热量，增加高制冷效率区域的发热量，从而可整体提升所述分布式冷却模块的制冷效率，从而降低节能型数据中心的整体能耗。
因影响各区域的制冷效率的因素过多，较难一一统计并进行计算，在分布式冷却模块的总制冷强度不变的情况下，可根据热源分布数据以及各服务器预设距离内的多个可调节出风口的出风量来估算各服务器所处区域的制冷效率。
根据热源分布数据可以获得各个区域的温度数据，而根据各服务器预设距离内的多个可调节出风口的出风量可以估计各服务器所在区域的制冷强度。
在分布式冷却模块的总制冷强度不变的情况下，当根据分布式热源检测模块得到的热源分布数据发现某一服务器所处区域的温度比其他服务器区域高，而对应的可调节出风口的出风量又比其他区域大的情况下，则可以初步判断所述分布式冷却模块对该区域的制冷效率较低。
进一步考虑，因各服务器在某个时刻存在负载不同而发热量也不同的情况，则可以在一段较长的采样时间内统计热源分布数据以获得各服务器外部温度的平均值和各服务器预设距离内的可调节出风口的平均出风量，通过参考各服务器外部温度的平均值和对应的平均出风量，可以较准确地判断分布式冷却模块对该服务器所在区域的制冷效率。
在一些实施例中，可通过以下计算式计算各服务器所在区域的制冷效率，区域制冷效率系数的数值等于区域平均温度除以区域平均出风量。
而近似地，各服务器的服务器外部温度可近似地看作服务器所在区域的温度，则可以根据服务器外部温度于一定时间内统计获得服务器所在区域的区域平均温度，区域平均出风量可通过在可调节出风口处设置传感器或相似功能的元器件在一定时间内测量统计获得数据，再测量的数据传递至控制模块进行数据处理，则有：C =Tout/ F。
其中，C为某一服务器对应的某一区域制冷效率系数，反应分布式冷却模块对该服务器所在区域的制冷情况，Tout为该服务器的外部温度，F为该区域平均出风量。
需要说明的是，区域制冷效率系数可有不同的计算方法或是其参数可以各有不同的权重，以贴合实际情况，在此不作限定。
通过将制冷效率系数较低区域的服务器上的任务迁移至制冷效率较高区域的服务器，可以在整体上提升分布式冷却模块的制冷效率，进而可以降低所述节能型数据中心因制冷而消耗的电能，降低整体的能耗。
综上所述，本申请提供了一种考虑温度因素和能效因素以及分布式冷却模块的制冷效率因素的服务器任务转出优先级系数的计算算法。
转出优先级系数 = 温度系数*（低负载基数-服务器负载系数）/服务器核心数/能效系数/区域制冷效率系数，则有：
其中，Pout为某一服务器的任务转出优先级系数，T为该服务器的温度系数，BL为预设的低负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数，E为该服务器的能效系数，C为该服务器的区域制冷效率系数。
本申请还提供了一种考虑温度因素和能效因素以及分布式冷却模块的制冷效率因素的服务器任务转入优先级系数的计算方法。任务转入优先级系数 =（高负载基数-服务器负载系数）*（服务器负载系数-中负载基数）*服务器核心数/温度系数*能效系数*区域制冷效率系数，则有：
其中，Pin为某一服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数，L为该服务器的负载系数，N为该服务器的CPU核心数，T为该服务器的温度系数，E为该服务器的能效系数，C为该服务器的区域制冷效率系数。
通过以上计算式，可以提高区域制冷效率系数较低的服务器的转出优先级，同时提高区域制冷效率系数较高的服务器的转入优先级，进而可以提升分布式冷却模块的制冷效率，降低制冷能耗。
在获取所有服务器的负载系数后，可以根据所有负载系数不为预设的负载基值的服务器的负载系数的平均值并得出机组负载平均值，然后根据机组负载平均值对等待时长进行更新，以使等待时长适应IT设备机组的不同工作状态。
请参阅图5，图5是本申请实施例公开的节能型数据中心中更改任务迁移模块被配置的任务迁移策略的等待时长的一种流程图示。如图5所示，可以包括如下步骤501至步骤503。
步骤501，获取所有服务器的负载系数。
步骤502，统计负载系数不为预设的负载基值的服务器的负载系数的平均值并得出机组负载平均值。
步骤503，根据机组负载平均值和预设的等待时长对等待时长进行计算调节，得到新的等待时长。
简单地来说，以上步骤通过根据当前全部非休眠状态的服务器的负载情况来调节等待时长。其中，负载基值通常预设为0，表示该服务器处于休眠状态。
在一些实施例中，预设该等待时长（S0）为10分钟，该等待时长的预设值只为例举，在实际工作环境中该标准等待时长的值可以根据其他各方面因素进行自己设定和调节。该标准等待时长为10分钟的含义是，不考虑其他因素的前提下，控制模块控制任务迁移模块进行任一任务迁移后需要等待10分钟，才开始执行下一次的转出转入优先级的计算和任务迁移。
在数据中心中除休眠服务器外的活动服务器负载较高时，延长迁移时间间隔，可以避免活动服务器资源被过度占用，而在数据中心除休眠服务器外的活动服务器的负载较低时，缩短迁移时间间隔，可以快速使低负载服务器成为空闲服务器进而被休眠，实现节能效果。
本申请提供了一种根据当前所有活动服务器的负载因素而进行持续调节的等待时长计算方法：
其中，St为新的等待时长，S0为所述预设的等待时长，AL为所述IT设备机组的机组负载平均值，BH为预设的高负载基数，BM为预设的中负载基数，机组负载平均值可通过统计全体未休眠服务器的负载系数的平均值得到。
基于以上计算方法，当全体活动服务器都处于较高负载时，延长迁移周期，可避免频繁迁移任务而进一步消耗服务器资源，当全体活动服务器都处于较低负载时，缩短等待时长，可以快速产生空闲服务器并进行修休眠，以节约电能，当服务器负载越低时，服务器用于迁移任务的闲置资源越丰富，任务迁移操作更快。
通常一台物理服务器上会根据其性能，运行着一个或多个任务，而在任务迁移过程中的转出操作时，而任务转出的顺序，也会对数据中心的整体能耗存在着一定影响。因为不同的任务，所占用的资源不同，它们通常占用CPU资源用作运算，内存（RAM）资源用作运算时的存储，IO资源用作输入输出。通常，在需要频繁进行虚拟机迁移的数据中心，会配备有共享的储存设备，如共享的硬盘等数据储存设备，使得虚拟机在迁移时，无需迁移其硬盘中的储存内容，达到快速迁移的目的，故本申请将不考虑硬盘等储存设备上的数据迁移。
在将某一台服务器上的多个任务转出时，还需要考虑转入的目标服务器是否有足够的CPU资源、内存资源和IO资源来容纳全部的这些任务，当具有最高转入优先系数的服务器上的资源不足以容纳全部的这些任务时，则需要将这些任务分配迁移至不同的目标服务器。如将部分任务分配至第二高转入优先系数的服务器上，依次类推，直至任务都能被确实迁移。
但是，只是这样简单地往后选择服务器，并不能找到较好的解决方式。
下面通过示例进行说明，如果目前有可用于转入的A、B、C三台转入服务器，这三台转入服务器转入优先级依次递减，A服务器剩余9计算资源，B服务器剩余17计算资源，C服务器剩余9计算资源，而需要转出的转出服务器上有X、Y、Z三个任务，X任务需要占用6计算资源，Y任务需要占用8计算资源，Z任务需要10。
如果只是随意地分配这些任务，如首先将任务X（资源占用6）分配至服务器A，此时A服务器剩余计算资源3（9-6），在分配任务Y（资源占用8）时，因A服务器的剩余资源不足以容纳任务Y，则需要将其分配至服务器B，此时服务器B剩余计算资源9（17-8），最后在分配Z任务时，会出现A、B、C这个三台服务器的剩余资源都无法容纳任务Z的情况，这会使得任务Z无法进行迁移，这将导致任务无法被全部迁移出去，而该服务器无法被休眠，使其无法达到节能的目的。
而将X任务和Z任务一同转入B服务器，Y任务转入A服务器就能解决该问题，可见如何较好地分配迁移任务的服务器，也是需要进行考虑的一步。
基于以上考虑，任务迁移模块被配置的任务迁移策略包括任务分配子策略，用于分配各任务的目标转入服务器，下面将结合附图对任务分配进行说明。
请参阅图6，图6是本申请实施例公开的节能型数据中心中任务迁移策略包括的任务分配子策略的一种流程图示。如图6所示，可以包括步骤601至步骤605。
最理想的分配方式是将转出服务器上的所有任务能够被转入单一的转入服务器，但是实际应用中可能是单个的转入服务器无法全部承接这些任务，故需要将各任务根据转入优先级列表的排序与各转入服务器进行逐一匹配。
步骤601，根据转出优先级列表，获取当前具有最高任务转出优先级系数的目标转出服务器上各任务的资源占用信息。
需要说明的是，目标转出服务器为所有需要任务转出的转出服务器中具有最高任务转出优先级系数的转出服务器，资源占用信息反馈包括各任务的CPU资源、内存资源和IO资源占用情况，可通过控制模块查询各服务器获得，根据各任务的资源占用信息可以对各任务进行合理匹配转入服务器，避免出现任务无法被分配的情况出现，最优的分配方法是转出服务器上的所有任务都能够被单个的转入服务器接收，而实际情况可能出现单个的转入服务器无法全部接受被转出的任务。故需要事先获取各转出服务器上的各任务的资源占用信息，已备在后续步骤中进行匹配。
步骤602，穷举目标转出服务器上各任务的分配排序方式以确定分配类型信息。
通过穷举，通过排序的方式确定所有的排列组合方式来确定分配类型信息，分配类型信息即为不同的排列组合的集合。
下面通过示例进行说明，若需要转出的服务器上有X、Y、Z三个任务，X、Y、Z三个任务有着一共六种排序方式，也就是六个分配类型信息，分别为 [X，Y，Z]、[X，Z，Y]、[Y，X，Z]、[Y，Z，X]、[Z，X，Y]和[Z，Y，X]，各分配类型信息用于后续步骤中与转入服务器进行匹配。
步骤603，根据转入优先级列表确定转入排序信息，并根据分配类型信息和转入排序信息，将目标转出服务器上各任务依次匹配各转入服务器，确定分配状态信息。
在一些实施例中，所述根据所述转入优先级列表确定转入排序信息，并根据所述分配类型信息和所述转入排序信息，将所述目标转出服务器上各任务依次匹配各转入服务器，确定分配状态信息，包括：
根据所述分配类型信息，将所述目标转出服务器的各任务进行不同的排序，得到与所述分配类型信息对应的至少两种任务排序；
根据所述至少两种任务排序进行任务匹配处理，分别得到各任务排序中的全部任务根据所述转入排序信息，将任务依次转入各转入服务器的匹配结果；
根据各任务排序对应的全部任务模拟得到的匹配结果，确定分配状态信息，所述分配状态信息包括各任务排序中各任务的匹配结果以及匹配的转入服务器。
需要说明的是，将任务依照不同排序方式对应的分配类型信息去模拟匹配各转入服务器，可以确定每种排序方式需要多少个服务器才能容纳所有任务。首先通过转入优先级列表可以确定各服务器的优先级排序，即转入排序信息，依据转入排序信息，可以在具有最高优先级服务器无法容纳被转出的任务时，向具有第二高优先级的服务器迁移任务，依次递延。
然后，根据转入排序信息将各分配类型信息分别与转入服务器匹配，引用上述例子，当匹配[Y，Z，X]时，首先将任务Y与具有最高转入优先级的服务器A进行资源匹配来模拟任务转入，如果匹配不成功，则将任务Y与次高优先级的服务器B进行资源匹配，依次直到任务Y被成功匹配；再对任务Z与服务器A，B，C进行相同方式的匹配，最后是任务X，直到最后所有任务都进行过匹配，并返回分配状态信息。分配状态信息包括了各任务是否被成功匹配以及被匹配的转入服务器。
步骤604，判断分配状态信息是否符合预设的完全分配状态，完全分配状态下目标转出服务器上的所有任务匹配成功。
步骤605，在分配状态信息符合完全分配状态的情况下，将分配类型信息所对应的分配类型定义为有效类型，获取各个有效类型对应的占用服务器数量，并确定数值最小的占用服务器数量，且根据数值最小的占用服务器数量对应的有效类型，确定至少一个目标转入服务器，将目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中。
将分配状态信息与完全分配状态一致的分配类型信息所对应的类型定义为有效类型，有效类型即为各任务可以被成功地模拟匹配到服务器的分配状态信息，最后通过找到所占用服务器数量最小的，来确定较优的分配状态信息，并进行任务转入分配。
当模拟匹配无法找到可用的有效类型，说明全部的活动服务器都已经处于较高的负载，无法再通过迁移任务来休眠更多的服务器，则终止进行当前次的任务迁移。
需要指出的是，以上方法通过穷举排序来进行模拟匹配服务器，是为了寻找合适的任务分配方式，而非寻找任务的迁移顺序。
任务迁移策略还包括迁移顺序子策略，用于确定具有最高任务转出优先级系数的目标转出服务器上各任务的迁移顺序。请参阅图7，图7是本申请实施例公开的节能型数据中心中任务迁移策略包括的迁移顺序子策略的一种流程图示。如图7所示，迁移顺序子策略包括如下步骤701至步骤703。
步骤701，获取目标转出服务器上各任务的占用资源信息。
在一些实施例中，各任务的占用资源信息包括CPU资源、内存资源以及IO资源。
步骤702，根据各任务的占用资源信息，计算各任务的任务迁移优先级系数。
通常CPU资源的消耗会带来较多电能的消耗，同时还伴随着服务器温度升高，进而还影响着制冷电能的消耗，快速迁移高CPU占用的任务，可以快速降低当前服务的制冷需求，进而使所述分布式冷却模块能够集中制冷方位，避免大范围制冷，可以节省一定的制冷能耗，故CPU资源的占用情况可以做个一个较为重要的参考数据；另一方面，占用内存（RAM）较小的任务，因其数据体量较小，可以被较快地迁移，尤其是从低能效的服务器向高能效的服务器迁移任务时，快速迁移，可以让任务尽早运行于高能效的服务，以带来节能效果，故内存资源的占用情况也可以作为一个参考数据；再者，IO资源使用较多的任务，表明其可能在频繁地传输数据，可能有相对较多的用户在访问该任务，而IO资源的耗电量较低，应当延后这些IO资源占用较多的任务的迁移，因在用户访问较多的时候进行任务迁移，可能会影响到用户的体验，故IO资源的占用情况也应作为一个参考数据。
本申请提供了一种根据CPU、内存和IO占用信息决定的各任务迁移优先级计算方法，
任务迁移优先级系数 = CPU权重*任务CPU占用率 - 内存权重*任务内存占用率- IO权重*IO占用率，其中，CPU权重、内存权重以及IO权重的总和为1。
可以理解的是某一任务的任务迁移优先级系数越大，则该任务的迁移优先级越高，会被越早被迁移出当前服务器，则有：
其中，Ptask为各任务的迁移优先级系数，w1为预设的CPU参考权重，Uc为各任务在当前服务器上的CPU占用率，w2为预设的内存参考权重，Ur为各任务在当前服务器上的内存占用率，w3为预设的IO参考权重，Ui为任务在当前服务器上的IO占用率，其中w1+w2+w3=1。
可以通过预设不同的各参考权重，以匹配数据中心的实际工作状况。基于以上计算方法，计算出各任务的任务迁移优先级系数，然后从大到小依次进行任务迁移。
步骤703，根据各任务的任务迁移优先级系数从大到小确定各任务的迁移顺序。
通过所述迁移顺序子策略，所述任务迁移模块能够以节能为目标进行任务迁移，且能较稳妥地将各个任务转入至其他服务器。
应该理解的是，虽然上述各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，上述各流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，实际实现时可以有另外的划分方式。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理模块；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能模块可以全部集成在一个处理单元中，也可以是各模块分别单独作为一个单元，也可以两个或两个以上模块集成在一个单元中；上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（Read Only Memory，ROM）、磁碟或者光盘等各种可以存储程序代码的介质。或者，本申请上述集成的单元如果以软件功能模块形式实现并作为独立产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得电子设备执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种节能型数据中心，其特征在于，包括：任务迁移模块、分布式热源检测模块、分布式冷却模块、控制模块和包括多个服务器的IT设备机组，其中，所述任务迁移模块、所述分布式热源检测模块、所述分布式冷却模块分别可调控地电连接于所述IT设备机组，所述任务迁移模块、所述分布式热源检测模块、所述分布式冷却模块和所述IT设备机组分别被可调控地电连接于所述控制模块；
所述分布式热源检测模块，被配置为对所述IT设备机组进行分布式地热源检测，得到热源分布数据；
所述控制模块，被配置为获取所述热源分布数据，以及获取所述IT设备机组的各服务器的服务器负载值和服务器温度数据，根据所述热源分布数据、所述服务器负载值和所述服务器温度数据，控制所述任务迁移模块在非高峰时段对服务器之间的任务进行任务迁移操作，控制所述分布式冷却模块进行降温操作，以及控制服务器负载值与预设的空闲服务器负载值一致的服务器进行休眠；
所述非高峰时段为所述IT设备机组的至少一台服务器的服务器负载值低于预设的负载阈值的时间段；
所述任务迁移模块被配置有任务迁移策略，所述任务迁移策略根据各服务器的服务器负载值分别对各服务器进行任务转出优先级和任务转入优先级的计算和排序，以确定执行任务转出的转出服务器和执行任务转入的转入服务器；
所述任务迁移策略包括：根据预设的等待时长间歇地获取各服务器的服务器负载值和CPU核心数，并根据各服务器对应的服务器负载值和CPU核心数计算各服务器的负载系数；根据所述各服务器的负载系数，计算各服务器的任务转出优先级系数，并根据预设的排序算法对各服务器的任务转出优先级系数由大到小进行排序生成转出优先级列表；根据所述各服务器的负载系数，计算各服务器的任务转入优先级系数，并根据所述排序算法对各服务器的任务转入优先级系数由大到小进行排序生成转入优先级列表；
所述任务迁移模块被配置为根据所述任务迁移策略中所述转出优先级列表确定所述转出服务器，根据所述转入优先级列表确定所述转入服务器，将所述转出服务器中的任务迁移到所述转入服务器中，所述转出服务器包括所述IT设备机组中的多个执行任务转出的服务器，所述转入服务器包括所述IT设备机组中的多个执行任务转入的服务器；
所述任务迁移模块根据被配置的所述任务迁移策略，计算各服务器的任务转出优先级系数和任务转入优先级系数，包括：
各服务器的任务转出优先级系数的计算算法为：
其中，Pout为各服务器的任务转出优先级系数，BL为预设的低负载基数，L为各服务器的负载系数，N为各服务器的CPU核心数；
各服务器的任务转入优先级系数的计算算法为：
Pin＝(BH-L)*(L-BM)*N，
其中，Pin为各服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数；
所述任务迁移模块根据被配置的所述任务迁移策略，计算各服务器的任务转出优先级系数和任务转入优先级系数，包括：
获取各服务器的服务器温度数据，根据所述热源分布数据和各服务器的服务器温度数据通过预设的温度系数计算算法得出各服务器的温度系数，根据各服务器的服务器平均负载系数和服务器平均能耗以预设的能效系数计算算法得出各服务器的能效系数，并对所述任务转出优先级系数计算算法进行更新以获得新的任务转出优先级系数计算算法，新的任务转出优先级系数的计算算法为：
其中，Pout为各服务器的任务转出优先级系数，BL为预设的低负载基数，L为各服务器的负载系数，N为各服务器的CPU核心数，T为各服务器的温度系数，E为各服务器的能效系数；
对各服务器的任务转入优先级系数计算算法进行更新以获得新的任务转入优先级系数计算算法，新的任务转入优先级系数的计算算法为：
其中，Pin为各服务器的任务转入优先级系数，BH为预设的高负载基数，BM为预设的中负载基数；
各服务器的服务器平均负载系数和服务器平均能耗由所述控制模块统计得出。
2.根据权利要求1所述的节能型数据中心，其特征在于，所述任务迁移模块还被配置有对所述任务迁移策略中对所述预设的等待时长进行计算调节得到新的等待时长，包括：
获取所有服务器的负载系数；
统计负载系数不为预设的负载基值的服务器的负载系数的平均值并得出机组负载平均值；
根据所述机组负载平均值和所述预设的等待时长对等待时长进行计算调节，得到新的等待时长，调节计算算法为：
St＝S0*[2AL/(BH+BM)]2，
其中，St为新的等待时长，S0为所述预设的等待时长，AL为所述IT设备机组的机组负载平均值，BH为预设的高负载基数，BM为预设的中负载基数。
3.根据权利要求1所述的节能型数据中心，其特征在于，所述任务迁移策略包括任务分配子策略；所述任务迁移模块将所述转出服务器中的任务迁移到所述转入服务器中，包括：
根据所述分配子策略将目标转出服务器上的全部任务分配给至少一个目标转入服务器，将所述目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中，所述目标转出服务器为所述转出服务器中具有最高任务转出优先级系数的转出服务器，所述目标转入服务器为所述转入服务器中被分配所述目标转出服务器上的任务的转入服务器；
所述任务分配子策略包括：
根据所述转出优先级列表，获取当前具有最高任务转出优先级系数的所述目标转出服务器上各任务的资源占用信息；
穷举所述目标转出服务器上各任务的分配排序方式以确定分配类型信息；
根据所述转入优先级列表确定转入排序信息，并根据所述分配类型信息和所述转入排序信息，将所述目标转出服务器上各任务依次匹配各转入服务器，确定分配状态信息；
判断所述分配状态信息是否符合预设的完全分配状态，所述完全分配状态下所述目标转出服务器上的所有任务匹配成功；
在所述分配状态信息符合所述完全分配状态的情况下，将所述分配状态信息所对应的分配类型定义为有效类型，获取各个有效类型对应的占用服务器数量，并确定数值最小的占用服务器数量，根据数值最小的占用服务器数量对应的有效类型，确定至少一个所述目标转入服务器，将所述目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中。
4.根据权利要求3所述的节能型数据中心，其特征在于，所述任务迁移策略还包括迁移顺序子策略；所述将所述目标转出服务器中的任务分别迁移到各任务被分配的目标转入服务器中，包括：根据所述迁移顺序子策略确定所述目标转出服务器上各任务的迁移顺序；
所述迁移顺序子策略包括：
获取所述目标转出服务器上各任务的占用资源信息；
根据各任务的占用资源信息，计算各任务的任务迁移优先级系数；
根据各任务的任务迁移优先级系数从大到小确定各任务的迁移顺序；
计算各任务的任务迁移优先级系数的计算算法为：
Ptask＝w1*Uc-w2*Ur-w3Ui，
其中，Ptask为各任务的迁移优先级系数，w1为预设的CPU参考权重，Uc为各任务在当前服务器上的CPU占用率，w2为预设的内存参考权重，Ur为各任务在当前服务器上的内存占用率，w3为预设的IO参考权重，Ui为任务在当前服务器上的IO占用率，其中w1+w2+w3＝1。
5.根据权利要求1所述的节能型数据中心，其特征在于，所述控制模块用于控制所述分布式冷却模块进行降温操作，所述分布式冷却模块包括制冷器和多个可调节出风口，所述多个可调节出风口设置在所述IT设备机组的各服务器的预设距离内，包括：
所述控制模块根据预设调温规则，对所述热源分布数据、所述服务器负载值和所述服务器温度数据进行处理，得到温度调控指令；
所述分布式冷却模块获取所述温度调控指令，调节各可调节出风口的出风量、以及所述制冷器的总出风量和总制冷强度。
6.根据权利要求1或5所述的节能型数据中心，其特征在于，所述任务迁移模块，根据热源分布数据、各服务器预设距离内的所述分布式冷却模块的可调节出风口的出风量以及预设的制冷效率算法得出各服务器的区域制冷效率系数，并对各服务器的任务转出优先级系数计算算法进行更新以获得新的任务转出优先级系数计算算法，新的任务转出优先级系数的计算算法为：
其中，C为各服务器的区域制冷效率系数；
对各服务器的任务转入优先级系数计算算法进行更新以获得新的任务转入优先级系数的计算算法，新的任务转入优先级系数计算算法：
7.根据权利要求3所述的节能型数据中心，其特征在于，所述根据所述转入优先级列表确定转入排序信息，并根据所述分配类型信息和所述转入排序信息，将所述目标转出服务器上各任务依次匹配各转入服务器，确定分配状态信息，包括：
根据所述分配类型信息，将所述目标转出服务器的各任务进行不同的排序，得到与所述分配类型信息对应的至少两种任务排序；
根据所述至少两种任务排序进行任务匹配处理，分别得到各任务排序中的全部任务根据所述转入排序信息，将任务依次转入各转入服务器的匹配结果；
根据各任务排序对应的全部任务模拟得到的匹配结果，确定分配状态信息，所述分配状态信息包括各任务排序中各任务的匹配结果以及匹配的转入服务器。
CN202311563161.7A 2023-11-22 2023-11-22 节能型数据中心 Active CN117519980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311563161.7A CN117519980B (zh) 2023-11-22 2023-11-22 节能型数据中心

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311563161.7A CN117519980B (zh) 2023-11-22 2023-11-22 节能型数据中心

Publications (2)

Publication Number Publication Date
CN117519980A CN117519980A (zh) 2024-02-06
CN117519980B true CN117519980B (zh) 2024-04-05

Family

ID=89764117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311563161.7A Active CN117519980B (zh) 2023-11-22 2023-11-22 节能型数据中心

Country Status (1)

Country Link
CN (1) CN117519980B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096461A (zh) * 2011-01-13 2011-06-15 浙江大学 基于虚拟机迁移和负载感知整合的云数据中心节能方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10664324B2 (en) * 2018-05-30 2020-05-26 Oracle International Corporation Intelligent workload migration to optimize power supply efficiencies in computer data centers

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096461A (zh) * 2011-01-13 2011-06-15 浙江大学 基于虚拟机迁移和负载感知整合的云数据中心节能方法
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

Also Published As

Publication number Publication date
CN117519980A (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN104698843B (zh) 一种基于模型预测控制的数据中心节能控制方法
Cheng et al. An energy-saving task scheduling strategy based on vacation queuing theory in cloud computing
Pakbaznia et al. Temperature-aware dynamic resource provisioning in a power-optimized datacenter
CN102326134B (zh) 能量感知服务器管理
CN108361885B (zh) 一种冰蓄冷空调系统动态规划方法
Gu et al. Energy efficient scheduling of servers with multi-sleep modes for cloud data center
Kim et al. Free cooling-aware dynamic power management for green datacenters
US9274585B2 (en) Combined dynamic and static power and performance optimization on data centers
CN103345298A (zh) 一种基于虚拟it资源分配技术的数据中心节能系统及方法
CN101179814A (zh) 基站节能方法及装置
CN105868004B (zh) 一种基于云计算的业务系统的调度方法及调度装置
CN113672383A (zh) 一种云计算资源调度方法、系统、终端以及存储介质
CN102929720A (zh) 一种节能作业调度系统
Wang et al. Powersleep: a smart power-saving scheme with sleep for servers under response time constraint
CN103108039B (zh) 一种低能耗集群环境下的服务质量保证方法
CN101819459B (zh) 一种基于异构对象存储系统的功耗控制方法
CN110830560A (zh) 一种基于强化学习的多用户移动边缘计算迁移方法
CN102387024B (zh) 功耗控制方法、管理节点及数据处理中心
Jin et al. A virtual machine scheduling strategy with a speed switch and a multi-sleep mode in cloud data centers
CN117519980B (zh) 节能型数据中心
CN110008515B (zh) 一种可再生能源数据中心管理方法及装置
Daoud et al. Cloud-IoT resource management based on artificial intelligence for energy reduction
CN102521715B (zh) 一种控制应用系统资源分配的方法及系统
CN110149341B (zh) 基于休眠模式的云系统用户接入控制方法
CN114442768A (zh) 基于信息流特征的数据中心冷负荷分布确定方法及系统

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