CN117852707A - 利用虚拟容量和优选位置实时调度进行计算负载的整形 - Google Patents

利用虚拟容量和优选位置实时调度进行计算负载的整形 Download PDF

Info

Publication number
CN117852707A
CN117852707A CN202410034318.5A CN202410034318A CN117852707A CN 117852707 A CN117852707 A CN 117852707A CN 202410034318 A CN202410034318 A CN 202410034318A CN 117852707 A CN117852707 A CN 117852707A
Authority
CN
China
Prior art keywords
monomer
time intervals
prediction
carbon intensity
geographic area
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
Application number
CN202410034318.5A
Other languages
English (en)
Inventor
阿纳·拉多万诺维奇
亚历山大·诺布雷加·杜阿尔特
比纳亚克·罗伊
肖迪月
瓦尔弗雷多·达·科斯塔·切尔纳·菲尔奥
玛雅·哈里达桑
罗斯·科宁斯坦
埃里克·亚历山大·穆伦
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.)
Google LLC
Original Assignee
Google LLC
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 Google LLC filed Critical Google LLC
Publication of CN117852707A publication Critical patent/CN117852707A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06314—Calendaring for a resource
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
    • 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]
    • G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

方法、系统和装置，包括在计算机存储介质上编码的计算机程序，用于利用虚拟容量来对计算负载进行整形。在一个方面，一种方法包括以下操作：获取负载预测，该负载预测指示单体的预测的未来计算负载；获取电力模型，该电力模型对单体的电力使用和计算使用之间的关系进行建模；获取碳强度预测，该碳强度预测指示电池所在地理区域的碳强度预测；基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量，并将单体的虚拟容量提供给单体。

Description

利用虚拟容量和优选位置实时调度进行计算负载的整形
本申请为下述申请的分案申请：
原申请的申请号：202011031517.9
原申请的申请日：2020年09月27日
原申请的发明名称：利用虚拟容量和优选位置实时调度进行计算负载的整形
技术领域
本说明书涉及计算负载的管理。
背景技术
计算系统可以处理各种计算。但是，由计算系统执行的计算需要电力，而电力的生产可能会引起碳排放。在某些情况下执行的计算使用的电力还可能造成不期望的耗费，例如，需量电费、随时间变化的费率或特殊状况(例如，强制减电)。
发明内容
计算系统的计算负载可能引起碳排放，对环境造成危害。例如，以75％的容量进行计算的计算系统通常比以25％的容量负载进行计算的系统使用更多的电力。计算负载可以指由计算系统执行的计算。
为提供计算系统使用的电力而产生的碳排放量可能会随时间变化。例如，可以从风电和煤电中获得用于地理区域内的计算系统和其他电力系统的电力，但是如果某一特定时段内风电不足以在为计算系统和其他电力系统提供电力，那么在该时段内就可能需要使用煤来生产更多的电力，从而导致净额外碳排放。
通常来说，白天的电力需求较大，而夜间的电力需求较小。例如，在夜间时段，更多的人在睡觉，用于照明和空调的电力就少一些。考虑一个例子，其中一天所需的额外发电量是由化石燃料提供的：那么，白天使用的电力比晚上使用的电力产生更多的碳排放。预测的电力使用可用于根据一天中的时间来预测计算系统的计算负载的碳排放差异。
系统可以对计算系统的计算负载进行整形，以便在为提供计算系统使用的电力而产生的碳排放量低于其他时间的时候，可以执行非时间敏感性的作业。例如，非时间敏感性的作业可以在晚上执行。作业可以由单个处理标识，并且可以是工作单元或执行单元。
除了计算负载在时间上的灵活性，计算负载在哪里运行也有灵活性。因此，如果负载在空间上是灵活的，而在一个二氧化碳排放量较少的数据中心中有足够的可用容量，那么可能期望建议使该负载在所述数据中心运行。
一天的过程中或不同地点之间的用电成本也可能有所不同。随着一天的时间变化的电价可以是一个函数。原因可能是来自电站的强制减容。例如，在计算负载可能瞬时超过馈入数据中心的电流或电路的额定值的情况下，可能还需要管理用电量限制。
因此，存在诸如减少二氧化碳排放和电力成本的理想目标的组合，以及诸如减少电站要求和/或保持在可接受的操作范围内的电力上限的硬性限制。当使用计算作业的高度动态集(可能具有或不具有空间或时间灵活性)时，其中，完全的预先规划和分配不是可行的策略，一种机制是在特定的数据中心位置灵活地制定硬计算容量和/或保持电力限制。
系统可以通过确定单体(cells)的虚拟容量，然后让单体根据虚拟容量确定何时执行作业来对计算负载进行整形。单体可以指位于一个地理区域中的一个或多个物理计算系统。单体可以是管理计算负载的布置的最低级别的计算系统。单体的虚拟容量可以指虚拟单体的容量。例如，可以将单体的虚拟容量设置为该单体的实际容量的一半，以使该单体的最大资源使用减半，从而有可能减少为该单体供电而产生的碳量。
利用虚拟容量可以使在单体之间分配作业和在单体上执行作业的基础设施基本保持不变，因为系统可能不需要事先确定作业执行的确切位置和一天中的时间。例如，可能不需要针对特定的时间预先安排作业，而每个单体可以根据单体A 150A在该时间的虚拟容量与该单体的资源使用之间的差是否足以执行作业来决定是否执行作业。
基于以上所述，系统可以提供实时的基于碳和基于成本的计算负载整形。因此，该系统可以在支持相同计算总量的情况下减少碳排放。该系统还可以减少单体所需的峰值电力需量，这也可以减少为实现峰值电力使用所需的基础设施成本。例如，较少的峰值电力需量可能造成较少的冷却需求。
一般而言，本说明书中描述的主题的一个创新方面可以体现在以下方法中，这些方法包括以下操作：获取负载预测，该负载预测指示单体的预测的未来计算负载；获取电力模型，该模电力型对单体的电力使用和计算使用之间的关系进行建模；获取碳强度预测，该碳强度预测指示单体所在地理区域的碳强度预测；基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量，并将单体的虚拟容量提供给单体。
该方面的其他实施例包括记录在一个或多个计算机存储设备上的相应的计算机系统、装置和计算机程序，每个计算机存储设备被配置为执行所述方法的动作。一个或多个计算机的系统可以配置为通过在系统上安装软件、固件、硬件或它们的组合来执行特定的操作或动作，这些软件、固件、硬件或它们的组合在操作中致使系统执行这些动作。一个或多个计算机程序可以被配置为通过包括指令来执行特定的操作或动作，所述指令在由数据处理装置执行时使该装置执行动作。
前述和其他实施例可各自独立地或组合地包括一个或多个以下特征。在某些方面，基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量，包括：获取各个负载预测，该各个负载预测指示各个其他多个单体的预测的未来计算负载；获取各个电力模型，该各个电力模型对各个其他单体的电力使用和计算使用之间的关系进行建模；获取各个碳强度预测，该各个碳强度预测指示各个其他单体所在地理区域的碳强度预测；并根据负载预测、电力模型、碳强度预测，各个负载预测、各个电力模型和各个碳强度预测，确定单体的虚拟容量和其他单体的各个虚拟容量。
在一些方面，动作包括接收空间和时间灵活的需求总量的指示，其中，单体的虚拟容量和其他单体的各个虚拟容量是进一步基于空间和时间灵活的需求总量来确定的。在一些实施方式中，动作包括接收空间和时间灵活的需求总量的指示，在其中，确定用于决定作业在哪个单体中运行的优选，以帮助实时负载调度。在某些方面，虚拟容量指示单体在预先确定的时间间隔内的最大计算容量。
在一些实施方式中，虚拟容量指示单体在一天中每个小时的最大计算容量。在某些方面，单体被配置为执行以下操作：接收作业、确定执行该作业所需的计算资源量、确定该单体的虚拟容量与该单体的当前计算使用之间的差满足执行该作业所需的计算资源量，并执行该作业。在一些方面，单体被配置为执行以下操作：接收作业、确定执行该作业所需的计算资源量、确定该单体的虚拟容量与该单体的当前计算使用之间的差不满足执行该作业所需的计算资源量，并推迟执行该作业。
在一些实施例中，基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量包括，基于负载预测、电力模型和碳强度预测来确定虚拟容量，从而使虚拟容量降低单体的负载峰值，并降低单体用电的碳足迹。在某些方面，获取对单体的电力使用和计算使用之间的关系进行建模的电力模型包括，基于单体的历史电力使用和所使用的单体的历史计算容量来训练模型。在一些方面，获取指示单体的预测的未来计算负载的负载预测包括，确定该负载预测的非时间灵活部分，其中，确定单体的虚拟容量包括确定虚拟容量大于负载预测的非时间灵活部分。
本说明书中描述的主题的一个或多个实施例的细节在附图和以下描述中阐述。根据说明书、附图和权利要求书，本主题的其他特征、方面和优点将变得显而易见。
附图说明
图1是利用虚拟容量来对计算负载进行整形的示例系统的框图。
图2A是通过虚拟容量整形的计算负载的示例图。
图2B是空间上移动计算负载的示例图。
图3是用于利用虚拟容量来对计算负载进行整形的处理的示例的流程图。
图4是计算设备的示例的图。
在各个附图中，相同的附图编号和标识指示相同的元件。
具体实施方式
图1是利用虚拟容量来对计算负载进行整形的示例系统100的框图。简要地、并且如将在下面更详细地描述的，系统100包括虚拟容量引擎140以及单体150A和150B(在下文中统称为150)。
虚拟容量引擎140是一个或多个计算设备，其接收单体150的电力模型110、单体150的负载预测120、地理区域的碳强度预测130，并确定单体150的虚拟容量160A和160B(以下统称为160)。单体150分别是执行作业的一个或多个计算设备。虽然系统100示出了两个单体150，但其它系统可以包括三个、五个、二十个或其它数量的单体。
单体的电力模型可以是该单体的电力使用和计算使用之间的关系的模型。例如，单体A 150A的电力模型可以对随着所使用的单体A150A的计算容量的增加、单体A 150A的电力使用如何增加进行建模。单体的负载预测可以指示单体的预测的未来计算负载。例如，单体A 150A的负载预测可以指示对于第二天的每个小时都具有时间敏感性的预测的计算负载的量以及对于第二天不具有时间敏感性的预测的计算负载的量。单体的碳强度预测可以指示该单体所在地理区域的碳强度预测。例如，单体A 150A的碳强度预测可以指示第二天的每个小时的平均碳强度的预测量。
虚拟容量引擎140可以接收每个单体150的电力模型110。例如，虚拟容量引擎140可以接收单体A150A的第一电力模型和单体B 150B的第二不同电力模型。虚拟容量引擎140可以从电力模型引擎接收单体的电力模型110。
电力模型引擎可以监视每个单体A150A的历史电力使用和该单体的历史资源使用，并基于该单体的历史电力使用和历史资源使用来确定每个单体的电力使用和资源使用之间的关系。可以基于前一天、前三天或某个其他时间段的历史电力使用和历史资源使用，每天确定每个单体的电力模型。在一些实施方式中，可以把电力模型引擎并入虚拟容量引擎140中，使得虚拟容量引擎140也执行上述针对电力模型引擎的功能。
虚拟容量引擎140可以接收单体150的负载预测120。例如，虚拟容量引擎140可以接收一条曲线，该曲线代表如图2A所示的第二天的单体A150A的预测的时间敏感负载230和第二天的单体A 150A的预测的负载总量，并且类似地接收另一条曲线，该曲线代表单体B的预测的时间敏感负载和单体B的预测的负载总量。
虚拟容量引擎140接收地理区域的碳强度预测130。例如，虚拟容量引擎140可以接收位于欧洲的单体A150A的第一碳强度预测和位于亚洲的单体B的第二不同碳强度预测。
虚拟容量引擎140可以基于单体150的电力模型110、单体120的负载预测120、地理区域的碳强度预测130来确定每个单体150的虚拟容量160。虚拟容量引擎140可以基于诸如容量约束、合同约束或吞吐量保护约束的其他附加因素来确定单体的虚拟容量。
例如，虚拟容量引擎140可以基于单体A150A所在之处的碳强度预测显示在格林尼治标准时间(GMT)12:00附近具有较高的碳强度而在0:00GMT附近具有较低的碳强度，来确定单体A 150A的虚拟容量160A，其中在0:00GMT附近提供较高的容量而在12:00GMT附近提供较低的容量。
在另一个示例中，虚拟容量引擎140可以基于单体B 150B所在之处的碳强度预测显示在18:00GMT附近具有较高的碳强度而在6:00GMT附近具有较低的碳强度，来确定单体B的虚拟容量160B，其中在18:00GMT附近提供较高的容量。此外，单体B的虚拟容量160B可能比单体A150A的虚拟容量具有更大的变化，因为负载预测可能指示单体B的第二天的预测负载少于单体A150A。
虚拟容量引擎140可以将虚拟容量160提供给相应的单体150。例如，虚拟容量引擎140可以向单体A150A提供虚拟容量160A而不向单体A150A提供虚拟容量160B，以及向单体B150B提供虚拟容量160B而不向单体B 150B提供虚拟容量160A。
然后，每个单体150可以基于该单体的虚拟容量160在该单体上执行作业。每当单体150中的单体接收到作业时，该单体可以确定执行作业所需的计算容量的量，基于接收作业时指示的虚拟容量的该单体可用的计算容量的量，并确定该单体可用的计算容量的量是否满足执行作业所需的计算负载的量。
响应于确定满足，单体可以开始执行作业。响应于确定不满足，单体可以将作业置于作业队列的末尾，其中，作业队列以先入先出的方式运行，并且一旦单体确定基于当前时间指示的虚拟容量的单体可用的计算容量满足执行最旧的作业所需的计算负载的量，则开始执行队列中最旧的作业。
在一些实施方式中，系统100可以是空间灵活的，并且虚拟容量引擎140可以获取地理位置负载优选、并且进一步基于地理位置负载优选来确定单体的虚拟容量。地理位置负载优选可以包括对单体具有灵活性的需求量。在一些实施方式中，虚拟容量引擎140可以在系统100中的不同层级上接收空间和时间灵活的需求总量的指示，然后基于空间和时间灵活的需求来确定单体的虚拟容量。例如，虚拟容量引擎140可以接收在计算负载的计算位置上灵活的每个时间的计算负载量的指示。虚拟容量引擎140可以增加可以优选地计算灵活性需求的单体处的虚拟容量。系统100可能倾向于将作业路由到具有更多可用容量的单体，因此，可能更多灵活性需求会被路由到虚拟容量扩大的单体。因此，虚拟容量引擎140可以在全局上确定所有单体的虚拟容量，以优化碳减排和/或降低电成本。
图2A是通过虚拟容量整形的计算负载的示例图200。曲线图200由沿横轴从12AM(也称为0:00)到11:59PM(也称为23:59)的时间，以及沿纵轴增加的计算容量来表示。曲线图200示出了每千瓦(kWh)排放的二氧化碳克数(gCO2)在午夜前后低而在12PM左右高。曲线图200中的第一直线210示出了单体A150A的默认容量如何比任何时候所需的计算容量都高。
第一曲线220表示没有通过虚拟容量整形的单体A150A的负载。第一曲线220示出，当gCO2/kWh高时，单体A 150A的计算负载高，而当gCO2/kWh低时，单体A 150A的计算负载低。第二曲线230示出了时间敏感负载的计算负载的量。此负载的量不能在时间上迁移，并且可能需要在当时执行。
第三曲线240表示单体A 150A的虚拟容量。如图所示，当gCO2/kWh高时，虚拟容量高，当gCO2/kWh低时，虚拟容量低。在任何时间点上，虚拟容量都高于第二曲线230，所以有足够的计算容量提供给时间敏感负载。
第四曲线250示出通过虚拟容量整形的单体A 150A的负载。通过虚拟容量整形的计算负载在gCO2/kWh高时也高，在gCO2/kWh低时也低，且在任何时间点都低于虚拟容量。因此，在一天中，通过利用虚拟容量对计算负载进行整形，对于一天中执行的相同总量的计算，需要的二氧化碳排放量可能较少。
图2A显示了在清晨，单体如何执行前一天的一些计算负载，这些计算负载是从前一天延迟的，在早上晚些时候，一些本该为单体计算的计算负载反而被推迟到下午晚些时候，而在下午早些时候，一些计算负载被单体推迟计算到第二天。
图2B是空间上移动计算负载的示例图。如图所示，单体X和Y具有不同的日内碳强度预测。单体X的日内碳预测在图中X轴中部附近达到峰值，而单体Y的日内碳预测在X轴中部附近触底。例如，X轴的中部可能是单体X所在之处的中午、单体Y所在之处的午夜。因此，将要在单体X所在之处中午前后进行计算的单体X的计算负载，可以按着地点将其在时间上进行迁移以使其被单体Y进行计算，来减少执行计算而产生的碳量。
图3是用于利用虚拟容量来对计算负载进行整形的处理300的示例的流程图。例如，处理300可以由图1所示的系统100或其他系统使用。尽管在图3中是以特定次序对操作进行了说明，但是不应将其理解为为了获得期望的结果，要求以所示的特定次序或以顺序次序执行这样的操作，或者执行所有示出的操作。在某些情况下，多任务和并行处理可能是有利的。
处理300包括获取负载预测，该负载预测指示单体的预测的未来计算负载(310)。例如，虚拟容量引擎140可以接收单体A 150A的负载预测。在另一个示例中，虚拟容量引擎140可以接收单体B 150B的负载预测。
处理300包括获取电力模型，该电力模型对单体的电力使用和计算使用之间的关系进行建模(320)。例如，虚拟容量引擎140可以接收单体A 150A的电力模型。在另一个示例中，虚拟容量引擎140可以接收单体B 150B的电力模型。
在一些实施方式中，获取对单体的电力使用和计算使用之间的关系进行建模的电力模型包括，基于单体的历史电力使用和所使用的单体的历史计算容量来训练模型。例如，虚拟容量引擎140可以监视过去一周内单体A 150A的电力使用以及过去一周中使用的单体A 150A的计算容量，并且可以基于过去一周内单体A 150A的电力使用以及过去一周中使用的单体A 150A的计算容量来训练模型。
处理300包括获取碳强度预测，该碳强度预测指示单体所处的地理区域的碳强度的预测(330)。例如，虚拟容量引擎140可以接收单体A 150A所处的欧洲的碳强度预测。在另一个示例中，虚拟容量引擎140可以从第三方提供商接收单体B 150B所处的亚洲的碳强度预测。在又一示例中，虚拟容量引擎140可以通过生成单体A150A所处的欧洲的碳强度预测来获取碳强度预测。在又一示例中，虚拟容量引擎140可以从一个或多个第三方提供商获取单体所处的每个地理区域的碳强度预测。
处理300包括基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量(340)。例如，虚拟容量引擎140可以基于单体A 150A的负载预测、单体A150A的电力模型以及单体A 150A所处的欧洲的碳强度预测来确定单体A 150A的虚拟容量。
在一些实施方式中，虚拟容量指示单体在预先确定的时间间隔内的最大计算容量。例如，单体A 150A的虚拟容量可以由在图2A中以单体A 150A的虚拟容量为标记的曲线240表示，该虚拟容量表示在二十四小时中以一小时为间隔的恒定最大容量。在另一个示例中，虚拟容量可以表示在十二小时内以二十分钟为间隔的最大容量。
在一些实施例中，基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量包括，基于负载预测、电力模型和碳强度预测来确定虚拟容量，从而使虚拟容量降低单体的负载峰值，并降低单体用电的碳足迹。例如，虚拟容量引擎140可以使用成本函数，该成本函数增加较高负载峰值的成本，减少较低碳足迹的成本。
在一些实施方式中，获取指示单体的预测的未来计算负载的负载预测包括，确定该负载预测的非时间灵活部分，其中，确定单体的虚拟容量包括，确定虚拟容量大于负载预测的非时间灵活部分。例如，虚拟容量引擎140可以确定每小时的预测负载的一半不是时间灵活的，并且作为响应，确定单体的每小时的虚拟容量为该小时的预测负载的至少一半。
在一些实施方式中，基于负载预测、电力模型和碳强度预测来确定单体的虚拟容量包括，获取各个负载预测，该负载预测指示各个其他多个单体的预测的未来计算负载；获取各个电力模型，电力该模型对各个其他单体的电力使用和计算使用之间的关系进行建模；获取各个碳强度预测，该碳强度预测指示各个其他单体所在地理区域的碳强度预测；并根据负载预测、电力模型、碳强度预测，各个负载预测、各个电力模型和各个碳强度预测，确定单体的虚拟容量和其他单体的各个虚拟容量。例如，虚拟容量引擎140可以确定，在特定时间内，第一单体的资源使用高于第二单体的资源使用会更好，并且作为响应，在特定时间内增加第一单体的虚拟容量，并且在特定时间内减少第二单体的虚拟容量。
在一些实施方式中，处理300包括接收空间和时间灵活的需求总量的指示，其中，单体的虚拟容量和其他单体的各个虚拟容量是进一步基于空间和时间灵活的需求总量来确定的。例如，虚拟容量引擎140可以接收在满足需求的位置上是灵活的第二天的需求量的指示，并且作为响应，通过增加碳强度预测较低的位置中的单体的虚拟容量，使较多的需求由该单体执行，以及通过减少碳强度预测较高的另一位置中的另一单体的虚拟容量，使较少的需求由该单体执行。
处理300包括将单体的虚拟容量提供给单体(350)。例如，虚拟容量引擎140可以将虚拟容量160A提供给单体A 150A。在另一个示例中，虚拟容量引擎140可以将虚拟容量160B提供给单体B 150B。
在一些实施方式中，单体被配置为执行以下操作：接收作业、确定执行该作业所需的计算资源量、确定该单体的虚拟容量与该单体的当前计算使用之间的差满足执行该作业所需的计算资源量，并执行该作业。例如，单体150A可以接收作业，确定该作业需要两个CPU核，单体150A当前小时的虚拟容量为五十五个CPU核，单体150A当前正在使用的单体容量为五十个CPU核，确定五十五个CPU核的虚拟容量与当前正在使用的五十个CPU核的容量之间相差五个CPU核，满足两个CPU核的需求量，并且作为响应，执行该作业。
在一些实施方式中，单体被配置为执行以下操作：接收作业、确定执行该作业所需的计算资源量、确定该单体的虚拟容量与该单体的当前计算使用之间的差不满足执行该作业所需的计算资源量，并推迟执行该作业。例如，单体150A可以接收作业，确定该作业需要八个CPU核，单体150A当前小时的虚拟容量为五十五个CPU核，单体150A当前正在使用的单体容量为五十个CPU核，确定五十五个CPU核的虚拟容量与当前正在使用的五十个CPU核的容量之间相差五个CPU核，不满足八个CPU核的需求量，并且作为响应，将该作业排入作业队列。
图4示出可用于实现本文所述技术的计算设备400的一个例子。计算设备400旨在代表各种形式的数字计算机，例如膝上型计算机、台式计算机、工作站、个人数字助理、服务器、刀片服务器、大型机和其他适当的计算机。
计算设备400包括处理器402、存储器404、存储设备406，连接到存储器404和多个高速扩展端口410的高速接口408，以及连接到低速扩展端口414和存储设备406的低速接口412。组件处理器402、存储器404、存储设备406、高速接口408、高速扩展端口410、低速接口412中的每一个都使用各种总线互连，并且可以安装在公共母板上或者根据情况以其它方式安装。处理器402可以处理用于在计算设备400内运行的指令，包括存储在存储器404中或者存储设备406上用于将图形用户界面(GUI)的图形信息显示在外部输入-输出设备上的指令，外部输入-输出设备诸如耦接到高速接口408的显示器416。在其它实施方式中，可以根据情况连同多个存储器和多种类型的存储器一起使用多个处理器和/或多个总线。而且，可以连接多个计算设备，每个设备提供必要操作的部分(例如，作为服务器库、刀片服务器组或者多处理器系统)。
存储器404存储计算设备400内的信息。在一些实施方式中，存储器404是一个或多个易失性存储单元。在一些实施方式中，存储器404是一个或多个非易失性存储单元。存储器404还可以是其它形式的计算机可读媒介，诸如磁盘或者光盘。
存储设备406能够提供用于计算设备400的大容量存储空间。在一些实施方式中，存储设备406可以是计算机可读媒介或者包含计算机可读媒介，诸如软盘设备、硬盘设备、光盘设备或者磁带设备、闪存或者其它类似固态存储设备，或者设备阵列，包括存储区域网络或者其它构造中的设备。指令可以存储在信息载体中。指令在由一个或多个处理设备(例如，处理器402)执行时，执行一种或多种方法(例如，前述方法)。指令还可以由一个或多个诸如计算机或机器可读介质的存储设备(例如，存储器404、存储设备406或处理器402上的存储器)存储。
高速接口408管理计算设备400的带宽密集型(bandwidth intensive)操作，低速接口412管理较低的带宽密集型操作。这种功能分配仅是示范性的。在一些实施方式中，高速接口408耦接到存储器404、显示器416(例如，通过图形处理器或者加速器)以及耦接到可以接受各种扩展卡(未示出)的高速扩展端口410。在该实施方式中，低速接口412耦接到存储设备406和低速扩展端口414。可以包括各种通信端口(例如，USB、蓝牙、以太网、无线以太网)的低速扩展端口414可以耦接到一个或多个输入-输出设备，诸如键盘、定点设备、扫描仪或者诸如通过网络适配器的交换机或者路由器这样的网络设备。
计算设备400可以以大量不同形式实现，如图中所示。例如，它可以实现为标准服务器420或者许多倍这样的服务器组。另外，它可以在诸如膝上型计算机422的个人计算机中实现。它也可以实现为机架服务器系统424的一部分。可替换地，来自计算设备400的组件可以与移动设备(未示出)中的其它组件组合。这些设备中的每一个可以包含一个或多个计算设备400，并且整个系统可以组成相互通信的多个计算设备。
这里描述的系统和技术的各种实施方式可以在数字电子线路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现。这些各种实施方式可以包括可编程系统上可执行和/或可解释的一个或多个计算机程序中的实施方式，可编程系统包括：耦接用于从存储系统接收数据和指令以及发送数据和指令到存储系统的、可以是专用或者通用的至少一个可编程处理器；存储系统；至少一个输入设备和至少一个输出设备。
这些计算机程序(亦称程序、软件、软件应用或者代码)包括用于可编程处理器的机器指令，并且可以以高级程序语言和/或面向对象的编程语言和/或汇编/机器语言来实现。程序可以存储在保存其他程序或数据的文件的一部分中，例如，存储在标记语言文档中、专用于所讨论程序的单个文件或多个协调文件中的一个或多个脚本，例如，存储一个或多个模块、子程序或部分代码的文件。可以部署计算机程序在一台计算机上、或者在位于一个站点上或分布在多个站点上并通过通信网络互连的多台计算机上执行。
如这里所使用的那样，术语″机器可读媒介″、″计算机可读媒介″指的是用于提供机器指令和/或数据给可编程处理器的任意计算机程序产品、装置和/或设备(例如，磁盘、光盘、存储器、可编程逻辑器件(PLD))，包括接收机器指令作为机器可读信号的机器可读媒介。术语“机器可读信号”指的是用于提供机器指令和/或数据给可编程处理器的任意信号。
为了提供与用户的交互，这里描述的系统和技术可以在具有用于显示信息给用户的显示设备(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)以及用户可以通过其向计算机提供输入的键盘和定点设备(例如，鼠标或者轨迹球)的计算机上实现。其它种类的设备也可用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如(视觉反馈、听觉反馈或者触觉反馈)；以及可以以任何形式接收来自用户的输入，包括声音、语音或者触觉输入。
这里描述的系统和技术可以在计算系统中实现，计算系统包括后端组件(例如，作为数据服务器)、或者包括中间件组件(例如，应用服务器)或者包括前端组件(例如，具有图形用户界面或者浏览器——用户通过它们可以与这里描述的系统和技术的实施方式进行交互——的客户端计算机)或者这些后端、中间件或者前端组件的任意组合。系统的组件可以通过任意形式或者数字数据通信媒介(例如，通信网络)互连。通信网络的例子包括局域网(″LAN″)、广域网(″WAN″)和因特网。
计算系统可以包括客户端和服务器。客户端和服务器通常相互远离并且一般通过通信网络交互。客户端与服务器的关系由于在各个计算机上运行并且相互之间具有客户端-服务器关系的计算机程序而引起。
已经描述了许多实施例。然而，应当理解，在不脱离本发明的范围的条件下可以进行各种修改。例如，可以使用以上展示的流程的各种形式，并对步骤进行重新排序、添加或删除。而且，尽管已经描述了系统和方法的几种应用，但是应当认识到，许多其他应用也是可以被设想到的。因此，其它实施例在后附权利要求的范围内
已经描述了主题的特定实施例。其他实施例在所附权利要求的范围内。例如，权利要求中记载的动作可以以不同的顺序执行而仍然实现期望的结果。作为一个示例，附图中描绘的处理不一定需要以所示的特定次序或顺序次序来实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。

Claims (13)

1.一种计算机实施的方法，其特征在于，所述方法包括：
对于多个单体中的每个单体，所述多个单体中的每个单体位于各自不同的地理位置：
获得未来时间段的负载预测，所述负载预测指示在所述未来时间段的各个间隔期间所述单体的预测的未来计算负载；
获取电力模型，所述电力模型对所述单体的电力使用和计算使用之间的关系进行建模；
获取碳强度预测，所述碳强度预测指示所述单体所处的地理区域的对于所述未来时间段的各个所述间隔的碳强度的预测；
根据所述多个单体中的第一单体的第一碳强度预测和所述多个单体中的第二单体的第二碳强度预测，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度；以及
响应于所述确定，在一个或多个时间间隔中的至少一个时间间隔期间将计算负载从所述第二单体转移到所述第一单体。
2.根据权利要求1所述的方法，其特征在于，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度，包括：确定所述第一单体所在的所述第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的所述第二地理区域的相同的一个或多个时间间隔的碳强度。
3.根据权利要求2所述的方法，其特征在于，在一个或多个时间间隔中的至少一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体，包括：在所述一个或多个时间间隔中的每个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体。
4.根据权利要求1所述的方法，其特征在于，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度，包括：确定所述第一单体所在的所述第一地理区域的多个时间间隔的碳强度小于所述第二单体所在的所述第二地理区域的单个时间间隔的碳强度。
5.根据权利要求4所述的方法，其特征在于，在一个或多个时间间隔中的至少一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体，包括：在第二地理位置的单个时间间隔期间将所述计算负载从从所述第二单体转移到所述第一单体。
6.根据权利要求4所述的方法，其特征在于，在一个或多个时间间隔中的至少一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体，包括：在第一位置的多个时间间隔中的任一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体。
7.一种系统，其特征在于，包括：
存储有可操作指令的一台或多台计算机和一个或多个存储设备，当所述指令由所述一台或多台计算机执行时，使所述一台或多台计算机执行以下操作：
对于多个单体中的每个单体，所述多个单体中的每个单体位于各自不同的地理位置：
获得未来时间段的负载预测，所述负载预测指示在所述未来时间段的各个间隔期间所述单体的预测的未来计算负载；
获取电力模型，所述电力模型对所述单体的电力使用和计算使用之间的关系进行建模；
获取碳强度预测，所述碳强度预测指示所述单体所处的地理区域的对于所述未来时间段的各个所述间隔的碳强度的预测；
根据所述多个单体中的第一单体的第一碳强度预测和所述多个单体中的第二单体的第二碳强度预测，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度；以及
响应于所述确定，在一个或多个时间间隔中的至少一个时间间隔期间将计算负载从所述第二单体转移到所述第一单体。
8.根据权利要求7所述的系统，其特征在于，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度，包括：确定所述第一单体所在的所述第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的所述第二地理区域的相同的一个或多个时间间隔的碳强度。
9.根据权利要求8所述的系统，其特征在于，在一个或多个时间间隔中的至少一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体，包括：在所述一个或多个时间间隔中的每个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体。
10.根据权利要求7所述的系统，其特征在于，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度，包括：确定所述第一单体所在的所述第一地理区域的多个时间间隔的碳强度小于所述第二单体所在的所述第二地理区域的单个时间间隔的碳强度。
11.根据权利要求10所述的系统，其特征在于，在一个或多个时间间隔中的至少一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体，包括：在第二地理位置的单个时间间隔期间将所述计算负载从从所述第二单体转移到所述第一单体。
12.根据权利要求10所述的系统，其特征在于，在一个或多个时间间隔中的至少一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体，包括：在第一位置的多个时间间隔中的任一个时间间隔期间将所述计算负载从所述第二单体转移到所述第一单体。
13.一种非暂时性计算机可读介质，其特征在于，所述计算机可读介质存储软件，所述软件包括可由一台或多台计算机执行的指令，所述指令在执行时使一台或多台计算机执行包括以下内容的操作：
对于多个单体中的每个单体，所述多个单体中的每个单体位于各自不同的地理位置：
获得未来时间段的负载预测，所述负载预测指示在所述未来时间段的各个间隔期间所述单体的预测的未来计算负载；
获取电力模型，所述电力模型对所述单体的电力使用和计算使用之间的关系进行建模；
获取碳强度预测，所述碳强度预测指示所述单体所处的地理区域的对于所述未来时间段的各个所述间隔的碳强度的预测；
根据所述多个单体中的第一单体的第一碳强度预测和所述多个单体中的第二单体的第二碳强度预测，确定所述第一单体所在的第一地理区域的一个或多个时间间隔的碳强度小于所述第二单体所在的第二地理区域的一个或多个时间间隔的碳强度；以及
响应于所述确定，在一个或多个时间间隔中的至少一个时间间隔期间将计算负载从所述第二单体转移到所述第一单体。
CN202410034318.5A 2019-11-14 2020-09-27 利用虚拟容量和优选位置实时调度进行计算负载的整形 Pending CN117852707A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/684,013 US11221595B2 (en) 2019-11-14 2019-11-14 Compute load shaping using virtual capacity and preferential location real time scheduling
US16/684,013 2019-11-14
CN202011031517.9A CN112801331B (zh) 2019-11-14 2020-09-27 利用虚拟容量和优选位置实时调度进行计算负载的整形

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202011031517.9A Division CN112801331B (zh) 2019-11-14 2020-09-27 利用虚拟容量和优选位置实时调度进行计算负载的整形

Publications (1)

Publication Number Publication Date
CN117852707A true CN117852707A (zh) 2024-04-09

Family

ID=72147952

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202011031517.9A Active CN112801331B (zh) 2019-11-14 2020-09-27 利用虚拟容量和优选位置实时调度进行计算负载的整形
CN202410034318.5A Pending CN117852707A (zh) 2019-11-14 2020-09-27 利用虚拟容量和优选位置实时调度进行计算负载的整形

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202011031517.9A Active CN112801331B (zh) 2019-11-14 2020-09-27 利用虚拟容量和优选位置实时调度进行计算负载的整形

Country Status (3)

Country Link
US (3) US11221595B2 (zh)
EP (1) EP3822881A1 (zh)
CN (2) CN112801331B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11221595B2 (en) * 2019-11-14 2022-01-11 Google Llc Compute load shaping using virtual capacity and preferential location real time scheduling
WO2023114668A1 (en) * 2021-12-13 2023-06-22 Commscope Technologies Llc Resource pooling for virtualized radio access network
US11960342B2 (en) * 2022-02-09 2024-04-16 Microsoft Technology Licensing, Llc Sustainability-aware computing device behavior management
CN114744687B (zh) * 2022-06-13 2022-09-23 深圳市科中云技术有限公司 一种虚拟电厂的能源调控方法及系统

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8234876B2 (en) * 2003-10-15 2012-08-07 Ice Energy, Inc. Utility managed virtual power plant utilizing aggregated thermal energy storage
US20140298349A1 (en) 2008-04-21 2014-10-02 Adaptive Computing Enterprises, Inc. System and Method for Managing Energy Consumption in a Compute Environment
US20090281846A1 (en) * 2008-05-06 2009-11-12 Electronic Data Systems Corporation Apparatus, and associated method, for facilitating data-center management
US20100053925A1 (en) * 2008-09-03 2010-03-04 Chao-Tsung Huang Chip mount for data storage device
US20100191998A1 (en) * 2009-01-23 2010-07-29 Microsoft Corporation Apportioning and reducing data center environmental impacts, including a carbon footprint
US8589931B2 (en) 2009-03-18 2013-11-19 International Business Machines Corporation Environment based node selection for work scheduling in a parallel computing system
US20110071867A1 (en) * 2009-09-23 2011-03-24 International Business Machines Corporation Transformation of data centers to manage pollution
US20150278968A1 (en) * 2009-10-23 2015-10-01 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
US9207993B2 (en) * 2010-05-13 2015-12-08 Microsoft Technology Licensing, Llc Dynamic application placement based on cost and availability of energy in datacenters
US20120053925A1 (en) * 2010-08-31 2012-03-01 Steven Geffin Method and System for Computer Power and Resource Consumption Modeling
US8849469B2 (en) * 2010-10-28 2014-09-30 Microsoft Corporation Data center system that accommodates episodic computation
US20120166005A1 (en) * 2010-12-22 2012-06-28 Mayhew David E Shifting of computational load based on power criteria
US8712595B2 (en) * 2011-01-18 2014-04-29 General Electric Company Dynamic load profiling in a power network
US8683479B1 (en) * 2011-02-16 2014-03-25 Hewlett-Packard Development Company, L.P. Shifting information technology workload demands
US20120226922A1 (en) * 2011-03-04 2012-09-06 Zhikui Wang Capping data center power consumption
KR101544482B1 (ko) 2011-03-15 2015-08-21 주식회사 케이티 클라우드센터제어장치 및 그의 클라우드센터선택방법
US20130116803A1 (en) 2011-11-03 2013-05-09 Daniel J. Gmach Managing the carbon footprint of a structure
US20140278692A1 (en) * 2011-12-23 2014-09-18 Manish Marwah Managing a facility
US9218035B2 (en) 2012-02-10 2015-12-22 University Of Florida Research Foundation, Inc. Renewable energy control systems and methods
TR201809822T4 (tr) 2012-02-17 2018-07-23 Lm Wind Power Int Tech Ii Aps Şekil verilmiş bir sürat kaybı kalkanı veya akış saptırıcısı bulunan rüzgar türbini kanadı.
CN103377084B (zh) * 2012-04-11 2017-09-12 李涛 一种基于可再生能源的绿色数据中心的负载调度方法及装置
US10037501B2 (en) * 2013-12-18 2018-07-31 International Business Machines Corporation Energy management costs for a data center
US20150227397A1 (en) * 2014-02-10 2015-08-13 Ca, Inc. Energy efficient assignment of workloads in a datacenter
US9654414B2 (en) 2014-09-18 2017-05-16 International Business Machines Corporation Scheduling cost efficient datacenter load distribution
CN105302632A (zh) * 2015-11-19 2016-02-03 国家电网公司 一种云计算工作负载动态整合方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和系统
CN107623733A (zh) * 2017-09-18 2018-01-23 南昌工程学院 一种基于云平台的电力网络监测系统
CN108845881A (zh) * 2018-05-30 2018-11-20 有米科技股份有限公司 服务器容量动态调整的方法及装置
CN108898282A (zh) * 2018-06-06 2018-11-27 华北电力大学 数据中心资源优化调度方法及计算机存储介质
CN110276485A (zh) * 2019-06-12 2019-09-24 中国能源建设集团广东省电力设计研究院有限公司 一种孤立能源系统的综合能源容量优化方法、装置及设备
US11221595B2 (en) * 2019-11-14 2022-01-11 Google Llc Compute load shaping using virtual capacity and preferential location real time scheduling

Also Published As

Publication number Publication date
US11644804B2 (en) 2023-05-09
US11960255B2 (en) 2024-04-16
EP3822881A1 (en) 2021-05-19
CN112801331A (zh) 2021-05-14
CN112801331B (zh) 2024-02-06
US20210149351A1 (en) 2021-05-20
US20220107612A1 (en) 2022-04-07
US11221595B2 (en) 2022-01-11
US20230288887A1 (en) 2023-09-14

Similar Documents

Publication Publication Date Title
CN112801331B (zh) 利用虚拟容量和优选位置实时调度进行计算负载的整形
CA3032409C (en) Distributed resource electrical demand forecasting system and method
US9207993B2 (en) Dynamic application placement based on cost and availability of energy in datacenters
US8201000B2 (en) Computing load management method and system
CN111466063A (zh) 储能管理及控制方法、系统、计算机设备、存储介质
CN101782803A (zh) 增加移动设备电池的持续时间的优化器方法、系统和装置
EP3238162A1 (en) Forecast for demand of energy
US8683479B1 (en) Shifting information technology workload demands
Aikema et al. Energy-cost-aware scheduling of HPC workloads
CN110609747A (zh) 信息处理方法及电子设备
CN109840141A (zh) 基于云监控的线程控制方法、装置、电子设备及存储介质
CN111492552A (zh) 储能管理及控制方法、系统、计算机设备、存储介质
WO2018203423A1 (ja) 電力管理装置及びプログラム
Ahmed et al. An energy efficient demand-response model for high performance computing systems
CN117394330A (zh) 一种基于配电网储能的能源调度方法、装置、设备及介质
Kim et al. GreenScale: Carbon-Aware Systems for Edge Computing
CN113296907B (zh) 一种基于集群的任务调度处理方法、系统和计算机设备
CN115269176A (zh) 任务分配方法、装置、计算机设备、存储介质和产品
Dou et al. Greening data centers within cost budget
Biran et al. Coordinating green clouds as data-intensive computing
CN115599539A (zh) 基于任务量预测的引擎调度方法以及相关设备
US10320190B2 (en) Load profile selection in adaptive dynamic islanding using batteries
CN118819870A (zh) 基于云计算实现资源调度方法及系统
CN116627652A (zh) 分布式任务部署方法、装置、设备及介质
CN117632414A (zh) 集群资源弹性调度方法、系统、电子设备及存储介质

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