DE112011100143T5 - Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum - Google Patents

Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum Download PDF

Info

Publication number
DE112011100143T5
DE112011100143T5 DE112011100143T DE112011100143T DE112011100143T5 DE 112011100143 T5 DE112011100143 T5 DE 112011100143T5 DE 112011100143 T DE112011100143 T DE 112011100143T DE 112011100143 T DE112011100143 T DE 112011100143T DE 112011100143 T5 DE112011100143 T5 DE 112011100143T5
Authority
DE
Germany
Prior art keywords
workload
data center
unit
power consumption
cpi
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
Application number
DE112011100143T
Other languages
English (en)
Other versions
DE112011100143B4 (de
Inventor
Nagapramod Mandagere
Seshashayee Sankarshana Murthy
Pin Zhou
Sandeep Madhav Uttamchandani
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.)
Kyndryl Inc
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of DE112011100143T5 publication Critical patent/DE112011100143T5/de
Application granted granted Critical
Publication of DE112011100143B4 publication Critical patent/DE112011100143B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • G06F1/32Means for saving power
    • G06F1/3203Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234Power saving characterised by the action undertaken
    • G06F1/329Power saving characterised by the action undertaken by task scheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • G06F1/32Means for saving power
    • G06F1/3203Power management, i.e. event-based initiation of a power-saving mode
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083Techniques for rebalancing the load in a distributed system
    • G06F9/5088Techniques for rebalancing the load in a distributed system involving task migration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5094Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy 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)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Power Sources (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Ein System und ein zugehöriges Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast. Eine aktuelle Arbeitslastverteilung des Rechenzentrums wird auf eine optimale Arbeitslastlösung umgestellt, die ein vertretbares Dienstniveau mit der geringsten Menge an elektrischer Leistungsaufnahme bereitstellt. Die Summe aus Aufwand für die elektrische Leistungsaufnahme und Migrationsaufwand, die der optimalen Arbeitslastlösung entspricht, ist die niedrigste aller Summen, die den entsprechenden in Frage kommenden Arbeitslastlösungen entsprechen. Der Aufwand für die elektrische Leistungsaufnahme wird aus einer Höchsttemperatur des Rechenzentrums und dem damit einhergehenden Kühlungsaufwand für jede in Frage kommende Arbeitslastlösung ermittelt. Der Migrationsaufwand wird aus der Verschlechterung der Leistungsfähigkeit berechnet, die während des Umstellens einer Arbeitslastverteilung des Rechenzentrums von der aktuellen Arbeitslastverteilung auf jede in Frage kommende Arbeitslastlösung auftritt.

Description

  • TECHNISCHES ANWENDUNGSGEBIET
  • Die vorliegende Erfindung betrifft das Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum.
  • HINTERGRUND
  • Die vorliegende Erfindung legt ein System und ein zugehöriges Verfahren zum fortlaufenden Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslastverteilung innerhalb des Rechenzentrums offen. Da sich herkömmliche Verfahren zum Optimieren der elektrischen Leistungsaufnahme lediglich auf die physische Platzierung und Spitzentemperaturen von Einheiten konzentrieren und dabei von der elektrischen Nennleistung bzw. den Stromaufnahmedaten auf dem Typenschild von Einheiten ausgehen, jedoch nicht die Auslastung der Einheiten berücksichtigen, können die herkömmlichen Optimierungsverfahren die elektrische Leistungsaufnahme nicht dynamisch und fortlaufend gemäß den Arbeitslasten des Rechenzentrums optimieren.
  • ZUSAMMENFASSUNG
  • Gemäß einer Ausführungsform der vorliegenden Erfindung umfasst ein Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast das Empfangen von Eingaben von dem Rechenzentrum, wobei das Rechenzentrum zumindest eine Einheit umfasst, wobei die Eingaben ein Abbild physischer Einheiten und ein aktuelles Anwendungsabbild umfassen, wobei das Abbild physischer Einheiten dreidimensionale Standorte der zumindest einen Einheit innerhalb des Rechenzentrums angibt, und wobei das aktuelle Anwendungsabbild angibt, wie Anwendungsprogramme des Rechenzentrums virtuell auf die zumindest eine Einheit und auf eine aktuelle Arbeitslastverteilung unter den Anwendungsprogrammen abgebildet werden; das Erzeugen zumindest einer in Frage kommenden Arbeitslastlösung für das Rechenzentrum, wobei jede in Frage kommende Arbeitslastlösung der zumindest einen in Frage kommenden Arbeitslastlösung ein entsprechendes Anwendungsabbild darstellt, das eine entsprechende virtuelle Abbildung der Anwendungsprogramme auf die zumindest eine Einheit und auf eine entsprechende Arbeitslastverteilung unter den Anwendungsprogrammen angibt; das Berechnen eines entsprechenden Temperaturprofils für jede in Frage kommende Arbeitslastlösung durch Anwendung eines Wärmemodells, wobei eine entsprechende, dem entsprechenden Temperaturprofil zugehörige Höchsttemperatur des Rechenzentrums einen entsprechenden Aufwand für die elektrische Leistungsaufnahme jeder in Frage kommenden Arbeitslastlösung bestimmt; das Berechnen eines entsprechenden Leistungsfähigkeitsprofils für jede in Frage kommende Arbeitslastlösung, so dass das entsprechende Leistungsfähigkeitsprofil im Vergleich zu den Leistungsfähigkeitsanforderungen des Rechenzentrums ausgewertet wird, wobei das entsprechende Leistungsfähigkeitsprofil einen entsprechenden Migrationsaufwand jeder in Frage kommenden Arbeitslastlösung bestimmt; und das dynamische Anpassen der Arbeitslast des Rechenzentrums von der aktuellen Arbeitslastverteilung auf eine optimale Arbeitslastlösung, wobei die optimale Arbeitslastlösung eine in Frage kommende Arbeitslastlösung ist, welche die niedrigste Summe aus dem entsprechenden Aufwand für die elektrische Leistungsaufnahme und dem entsprechenden Migrationsaufwand aufweist.
  • Gemäß einer Ausführungsform der vorliegenden Erfindung umfasst ein Computerprogrammprodukt eine durch einen Computer lesbare Speichereinheit, die einen durch einen Computer lesbaren Programmcode enthält. Der durch einen Computer lesbare Programmcode enthält Anweisungen, die beim Ausführen durch einen Prozessor eines Computersystems ein Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast umsetzen.
  • Gemäß einer Ausführungsform der vorliegenden Erfindung umfasst ein Computersystem einen Prozessor und eine mit dem Prozessor verbundene, durch einen Computer lesbare Speichereinheit, wobei die durch einen Computer lesbare Speichereinheit Anweisungen enthält, die beim Ausführen durch einen Prozessor ein Verfahren zum Optimieren der elektrischen Leistungsaufnahme des Rechenzentrums durch das dynamische Anpassen der Arbeitslast umsetzen.
  • Gemäß einer Ausführungsform der vorliegenden Erfindung ein Prozess zum Unterstützen einer Computerinfrastruktur, wobei der Prozess das Bereitstellen von zumindest einem Unterstützungsdienst für zumindest entweder das Erstellen, das Einbinden, das Bereitstellen per Hosting, das Pflegen und/oder das Anwenden von durch einen Computer lesbarem Code in einem Datenverarbeitungssystem umfasst, wobei der Code in Kombination mit dem Datenverarbeitungssystem in der Lage ist, ein Verfahren zum Optimieren der elektrischen Leistungsaufnahme des Rechenzentrums durch das dynamische Anpassen der Arbeitslast durchzuführen.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • Ausführungsformen der Erfindung werden nun lediglich beispielhaft unter Bezugnahme auf die beigefügten Zeichnungen beschrieben. Es zeigen:
  • 1A ein System zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß Ausführungsformen der vorliegenden Erfindung.
  • 1B die Temperaturvorhersageeinrichtung aus 1A gemäß Ausführungsformen der vorliegenden Erfindung.
  • 2 einen Ablaufplan, der ein durch einen Leistungsaufnahmeoptimierer des Systems aus 1A durchgeführtes Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß den Ausführungsformen der vorliegenden Erfindung darstellt.
  • 3 einen Ablaufplan, der ein durch eine Temperaturvorhersageeinrichtung des Leistungsaufnahmeoptimierers durchgeführtes Verfahren zum Vorhersagen der Wärmekennwerte von Einheiten eines Rechenzentrums gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • 3A einen Ablaufplan, der die Wärmemodellbildungsphase der Temperaturvorhersageeinrichtung des Leistungsaufnahmeoptimierers gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • 3B einen Ablaufplan, der die Temperaturvorhersagephase der Temperaturvorhersageeinrichtung des Leistungsaufnahmeoptimierers gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • 4 einen Ablaufplan, der ein durch eine Leistungsfähigkeits-Vorhersageeinrichtung des Leistungsaufnahmeoptimierers durchgeführtes Verfahren zum Vorhersagen der Leistung von Einheiten eines Rechenzentrums gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • 5 einen Ablaufplan, der ein durch eine Arbeitslast-Anpassungseinrichtung des Leistungsaufnahmeoptimierers durchgeführtes Verfahren zum dynamischen Anpassen von Arbeitslasten unter Einheiten eines Rechenzentrums gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • 6 ein Computersystem, das zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß Ausführungsformen der vorliegenden Erfindung verwendet wird.
  • AUSFÜHRLICHE BESCHREIBUNG
  • 1A veranschaulicht ein System 10 zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß Ausführungsformen der vorliegenden Erfindung.
  • Das System 10 umfasst ein Rechenzentrum 11, die Eingaben 20, einen Leistungsaufnahmeoptimierer 30 sowie die Ausgaben 80. Die Eingaben 20 und die Ausgaben 80 sind in einem durch einen Computer lesbaren Speichermedium gespeichert. Siehe Beschreibungen einer Speichereinheit 94, 95 in 6 unten für Einzelheiten über das durch einen Computer lesbare Speichermedium. In dieser Beschreibung wird der Begriff „Leistungsaufnahme” austauschbar mit „Elektrizität” und/oder „elektrischer Energie” verwendet.
  • Das Rechenzentrum 11 ist als physischer Raum und eine Sammlung von Hardware und Software definiert, die sich in dem physischen Raum befinden und dort betrieben werden. In dieser Beschreibung werden die Begriffe „Hardware”, „Einheit”, „Ausstattungsgegenstand”, „Maschinen” und „Ressourcen” austauschbar verwendet, um mindestens ein Exemplar physischer Maschinen in dem Rechenzentrum 11 wie einen Server, eine Speichereinheit, eine Datenübertragungseinheit und Kombinationen daraus anzugeben. Das Rechenzentrum 11 wird allgemein zum Bereitstellen von Systemdiensten wie Web-Hosting, Data-Warehousing usw. verwendet. Computerraum-Klimaanlageneinheiten (CRACs, Computer Room Air Conditioning units) beziehen sich auf eine oder mehrere Kühleinheiten, die das Rechenzentrum 11 kühlen. Die CRACs nehmen eine beträchtliche Menge elektrischer Leistung auf und tragen demzufolge einen erheblichen Anteil zu dem Gesamtaufwand für die elektrische Leistungsaufnahme des Rechenzentrums 11 bei. Eine Raumtemperatur innerhalb des Rechenzentrums 11 schwankt in Abhängigkeit von mehreren Faktoren von einem Standort zu einem anderen.
  • Das Rechenzentrum 11 umfasst eine Datenerfassungsinfrastruktur 12, die Informationen erfasst, welche die Eingaben 20 von verschiedenen Überwachungs-/Verwaltungsanwendungen des Rechenzentrums 11 umfassen. Die Datenerfassungsinfrastruktur 12 verfolgt auch Informationen über die Benutzung des Rechenzentrums 11, um die Benutzer darüber zu informieren, ob das Rechenzentrum 11 gemäß Zielen zum Dienstniveau (SLO, Service Level Objectives) funktioniert. Das SLO legt für entsprechende durch das Rechenzentrum 11 unter einer Vereinbarung zum Dienstniveau (SLA, Service Level Agreement) durchgeführte Dienste benötigte Dienstdurchführungsniveaus fest. Zu Beispielen für die Datenerfassungsinfrastruktur 12 gehören unter anderem eine herkömmliche Verwaltungssoftware wie IBM® Maximo® Asset Management, ein Temperatursensornetzwerk, die Datenerfassungsinfrastruktur IBM TotalStorage® Productivity Center (TPC) und Kombinationen daraus. (IBM, Maximo und TotalStorage sind eingetragene Marken von International Business Machines Corporation in den USA).
  • Die Eingaben 20 stellen Faktoren dar, die von einem Leistungsaufnahmeoptimierer 30 zum Erstellen der Ausgaben 80 verwendet werden. Die Eingaben 20 umfassen die Abbilder physischer Einheiten 21, die Temperaturprofile der Einheiten 22, die Einheitenkonfigurationen 23 sowie die Anwendungsabbilder 24.
  • Die Abbilder physischer Einheiten 21 stellen eine physische Anordnung/Platzierung sämtlicher Einheiten des Rechenzentrums 11 in einer dreidimensionalen (3D-)Koordinatenform (x, y, z) dar. Die 3D-Koordinate wird benötigt, um jede senkrecht in Gestellen innerhalb des Rechenzentrums 11 gestapelte Einheit präzise zu lokalisieren. Die durch die Abbilder physischer Einheiten 21 dargestellte physische Anordnung von Einheiten in dem Rechenzentrum 11 wirkt sich auf die Wärmedynamik und die Betriebstemperatur des Rechenzentrums 11 aus und beeinflusst folglich die für die Temperatursteuerung des Rechenzentrums 11 aufgenommene Menge an elektrischer Leistung.
  • Die Temperaturprofile der Einheiten 22 stellen eine Sammlung von an einer entsprechenden Eintrittsöffnung jeder Einheit des Rechenzentrums 11 gemessenen Temperaturen dar. Die Temperaturprofile der Einheiten 22 werden in einer entsprechenden 3D-Matrix T(x, y, z) = t dargestellt, wobei t eine Temperatur einer Eintrittsöffnung einer Einheit (x, y, z) darstellt.
  • Die Einheitenkonfigurationen 23 stellen die jeweilige Konfiguration jeder Einheit des Rechenzentrums 11 dar. In einer Ausführungsform der vorliegenden Erfindung umfassen die Einheitenkonfigurationen 23 {ID, TEMP}, wobei ID eine Kennung ist, die anzeigt, ob es sich bei jeder Einheit um einen Server oder eine Speichereinheit handelt, und wobei TEMP eine entsprechende Temperatur der Einheit für einzelne Auslastungsgrade ist, die für jede Einheit {ungenutzt, ausgelastet} umfassen. Wobei die Einheit eine Grundtemperatur aufweist, wenn die Einheit einen ersten Auslastungsgrad „ungenutzt” aufweist. Wobei die Einheit eine Spitzentemperatur aufweist, wenn die Einheit einen zweiten Auslastungsgrad „ausgelastet” aufweist.
  • Die Anwendungsabbilder 24 stellen Informationen darüber dar, wie Anwendungen virtuell auf Server und Speichereinheiten abgebildet werden und wie Arbeitslasten von Anwendungen unter den Einheiten des Rechenzentrums 11 aufgeteilt werden. Die Anwendungsabbilder 24 werden auch Abbild virtueller Maschinen (VM) genannt. Die Anwendungsabbilder 24 stellen die Nutzung der Einheiten als Funktion der gesamten Anwendungsarbeitslast dar. Bei Änderungen der Konfiguration und/oder der Platzierung der Anwendungen werden die Abbildungswerte geändert.
  • Der Leistungsaufnahmeoptimierer 30 verwendet die Eingaben 20 aus dem Rechenzentrum 11 und erzeugt die Ausgaben 80, welche die optimierten Anwendungsabbilder 81 und die erwarteten Einsparungen bei der Leistungsaufnahme 82 umfassen. Der Leistungsaufnahmeoptimierer 30 umfasst einen Erzeuger einer in Frage kommenden Arbeitslastlösung 35, einen Modellerzeuger 40 und eine Arbeitslast-Anpassungseinrichtung 70. Siehe Beschreibung der 2 unten für von dem Leistungsaufnahmeoptimierer 30 durchgeführte Schritte.
  • Der Erzeuger einer in Frage kommenden Arbeitslastlösung 35 erzeugt zumindest eine in Frage kommende Arbeitslastlösung Xcandidate die eine Abbildung einer Reihe von Arbeitslasten auf eine Kombination aus Servern und Speichereinrichtungen darstellt. Die Reihe von Arbeitslasten wird für sämtliche in Frage kommenden Arbeitslastlösungen festgelegt, und für eine spezifische Kombination aus Server und Speichereinrichtungen umfassende Ressourcen wird eine entsprechende Abbildung angefertigt. Der Leistungsaufnahmeoptimierer 30 wertet die in Frage kommenden Arbeitslastlösungen aus und erzeugt eine Arbeitslastverteilung der Ausgaben 80.
  • Der Modellerzeuger 40 verwendet die Eingaben 20 aus dem Rechenzentrum 11 und erzeugt Vorhersagemodelle. Die Vorhersagemodelle umfassen ein Wärmemodell, ein Einheiten-Leistungsaufnahmemodell und ein Einheiten-Leistungsfähigkeitsmodell. Jedes Vorhersagemodell wird als eine Reihe von durch einen Computer ausführbaren Regeln gespeichert, die von dem Leistungsaufnahmeoptimierer 30 dazu verwendet werden, aus einer Reihe von vorher festgelegten Parametern für jedes Vorhersagemodell ein entsprechend vorhergesagtes Ergebnis zu berechnen. Der Modellerzeuger 40 erzeugt das Einheiten-Leistungsaufnahmemodell und ein Einheiten-Leistungsfähigkeitsmodell unter Verwendung der Einheitenkonfigurationen 23 und der Anwendungsabbilder 24 der Eingaben 20. Der Modellerzeuger 40 umfasst eine Temperaturvorhersageeinrichtung 50 und eine Leistungsfähigkeits-Vorhersageeinrichtung 60.
  • Die Temperaturvorhersageeinrichtung 50 erstellt das Wärmemodell, bei dem es sich um ein mathematisches Modell handelt, das die Temperatur des Rechenzentrums 11 dynamisch vorhersagt. Zu Beispielen für in dem Wärmemodell berücksichtigte wärmebedingte Faktoren gehören unter anderem eine entsprechende Temperatur der Eintrittsöffnung einer Einheit usw. Die höchste Temperatur der Eintrittsöffnung einer Einheit in dem Temperaturprofil für Einheiten 22 bestimmt die Betriebseinstellungen der Kühleinheiten in dem Rechenzentrum 11, die Wirtschaftlichkeit der Kühleinheiten und folglich die für das Kühlen des Rechenzentrums 11 erforderlichen Kühlungsaufwände und die dafür aufgenommene elektrische Leistung. Jede Temperatur der Eintrittsöffnung einer Einheit wird unter anderem durch eine in den Abbildern physischer Einheiten 21 dargestellte physische Anordnung von Einheiten in dem Rechenzentrum 11, die Einheitenkonfigurationen 23 und eine in den Anwendungsabbildern 24 dargestellte Arbeitslastverteilung beeinflusst. Siehe Beschreibungen von 1B unten für Komponenten der Temperaturvorhersageeinrichtung 50 sowie 3 unten für durch die Temperaturvorhersageeinrichtung 50 durchgeführte Schritte.
  • Die Leistungsfähigkeits-Vorhersageeinrichtung 60 verwendet das durch den Modellerzeuger 40 erzeugte Einheiten-Leistungsfähigkeitsmodell und die durch den Erzeuger einer in Frage kommenden Arbeitslastlösung 35 erzeugte in Frage kommenden Arbeitslastlösungen als Eingaben. Die Leistungsfähigkeits-Vorhersageeinrichtung 60 erzeugt Ausgaben, die eine entsprechende erwartete Leistung jeder in Frage kommenden Arbeitslastlösung umfassen. Siehe Beschreibung der 4 unten für von der Leistungsfähigkeits-Vorhersageeinrichtung 60 durchgeführte Schritte.
  • Die Arbeitslast-Anpassungseinrichtung 70 wertet entsprechende Leistungen, elektrische Leistungsaufnahmen und Temperaturen jeder in Frage kommenden Arbeitslastlösung unter Verwendung der Vorhersagemodelle und eines Migrationsaufwandsmodells aus und erzeugt die Ausgaben 80, welche die optimierten Anwendungsabbilder 81 und die erwarteten Einsparungen bei der elektrischen Leistungsaufnahme 82 umfassen. Die optimierten Anwendungsabbilder 81 stellen zumindest eine Arbeitslastverteilung dar, welche die elektrische Leistungsaufnahme des Rechenzentrums 11 optimiert. Bei den erwarteten Einsparungen bei der elektrischen Leistungsaufnahme 82 handelt es sich um mehrere Mengen verringerter elektrischer Leistungsaufnahme, die entsprechend jedem Beispiel der optimierten Anwendungsabbilder 81 zugehörig sind.
  • In der Arbeitslast-Anpassungseinrichtung 70 erfasst das Migrationsaufwandsmodell die Abwägung in Bezug auf Leistungsfähigkeit, elektrische Leistungsaufnahme und Verfügbarkeit und beziffert die Leistungsfähigkeitsverschlechterung beim Übergang von einer aktuellen Arbeitslastverteilung auf eine ausgewählte in Frage kommende Arbeitslastlösung, um eine Arbeitslastverteilung zu finden, welche die Leistungsfähigkeitsanforderungen des Rechenzentrums 11 erfüllt und die geringste Menge an elektrischer Leistung aufnimmt. In dieser Beschreibung bedeutet der Begriff „Optimierung” das dynamische Anpassen von Arbeitslast unter virtualisierten Ausstattungsgegenständen des Rechenzentrums 11, um weniger Wärme zu erzeugen, während dasselbe Leistungsniveau bereitgestellt wird, und folglich die Menge an für die Temperatursteuerung in dem Rechenzentrum 11 benötigter Elektrizität zu verringern. Siehe Beschreibung der 5 unten für von der Arbeitslast-Anpassungseinrichtung 70 durchgeführte Schritte.
  • 1B veranschaulicht die Temperaturvorhersageeinrichtung 50 aus 1A oben gemäß Ausführungsformen der vorliegenden Erfindung.
  • Die Temperaturvorhersageeinrichtung erzeugt zumindest ein Abtastwertdatenelement aus den Abbildern physischer Einheiten, den Einheitenkonfigurationen und den Anwendungsabbildern aus dem Rechenzentrum. Ein erstes Paar Abtastwertdaten (P1, F1) des zumindest einen Abtastwertdatenelements umfasst ein erstes Abtastwert-Leistungsaufnahmeprofil P1 und ein erstes Abtastwert-Flussprofil F1. Das erste Abtastwert-Leistungsaufnahmeprofil P1 stellt ein Abtastwertbeispiel der elektrischen Leistungsaufnahme des Rechenzentrums dar und umfasst die Menge der elektrischen Leistungsaufnahme pro einzelner Einheit des Rechenzentrums. Das erste Abtastwert-Flussprofil F1 stellt einen abgetasteten Wärmefluss innerhalb des Rechenzentrums beruhend auf der Nutzung von Einheiten des Rechenzentrums dar. Das erste Abtastwertdatenpaar (P1, F1) wird innerhalb eines entsprechenden Bereichs von realistischen Werten zufällig erzeugt, um die Wärmedynamik zu simulieren.
  • Ein Simulator der numerischen Strömungsmechanik (CFD, Computational Fluid Dynamics) 51 verwendet mehrere Abtastwertdatenpaare (Pn, Fn) als Eingaben und erzeugt mehrere Abtastwerttemperaturprofile Tn, die jedem Paar Abtastwertdaten (Pn, Fn) entsprechen. Ein erstes Abtastwerttemperaturprofil T1 stellt eine Reihe von simulierten Temperaturen an einer Eintrittsöffnung von einzelnen Einheiten in dem Rechenzentrum dar, wobei die elektrische Leistungsaufnahme und der Wärmefluss des Rechenzentrums durch das erste Abtastwertdatenpaar (P1, F1) bereitgestellt werden. Jedes Abtastwerttemperaturprofil wird in einem Format dargestellt, das identisch zu dem Einheitentemperaturprofil der Eingaben von dem Rechenzentrum ist, wobei an Stelle der Messung von tatsächlichen Temperaturen in dem Rechenzentrum, wie es bei den Einheitentemperaturprofilen der Fall ist, Temperaturen durch den CFD-Simulator 51 simuliert werden. Der CFD-Simulator 51 verwendet mehrere Abtastwertdatenpaare und simuliert mehrere Temperaturprofile, die jeweils jedem Abtastwertdatenpaar entsprechen, um einen Datensatz zu erstellen, der groß genug für die Wärmedynamik-Modellbildung ist.
  • Eine Stützvektormaschinen-(SVM, Support Vector Machine)Lerneinrichtung 52 erzeugt aus den erzeugten Abtastwertdaten (Pn, Fn) und aus dem den erzeugten Abtastwertdaten entsprechenden simulierten Temperaturprofil Tn ein Wärmemodell 53. Sämtliche Abtastwertdatenpaare und das entsprechende Abtastwerttemperaturprofil werden gemeinschaftlich Einarbeitungsdaten für die SVM-Lerneinrichtung 52 genannt. Das Wärmemodell 53 modelliert wie von der SVM-Lerneinrichtung 52 aus den Einarbeitungsdaten gelernt, wie die elektrische Leistungsaufnahme und der Wärmefluss des Rechenzentrums insgesamt Temperaturen an Eintrittsöffnungen von einzelnen Einheiten in dem Rechenzentrum beeinflussen.
  • Ein Paar tatsächlicher Daten (P, F) umfasst ein Leistungsaufnahmeprofil P und ein entsprechendes Flussprofil F. Das Leistungsaufnahmeprofil P stellt ein tatsächliches Beispiel der elektrischen Leistungsaufnahme des Rechenzentrums dar und umfasst Mengen der elektrischen Leistungsaufnahme, die in einzelnen Einheiten des Rechenzentrums gemessen wurden. Das Flussprofil F stellt ein tatsächliches Beispiel eines in dem Rechenzentrum gemessenen Wärmeflusses dar, das aus der Nutzung von Einheiten des Rechenzentrums entsprechend dem Leistungsaufnahmeprofil P ermittelt wurde.
  • Eine Stützvektormaschinen-(SVM, Support Vector Machine)Vorhersageeinrichtung 54 wendet das Wärmemodell 53 auf das Paar tatsächlicher Daten (P, F) an und erzeugt ein Temperaturprofil T, das entsprechende wie von dem Wärmemodell 53 vorhergesagte Temperaturen an Eintrittsöffnungen von einzelnen Einheiten des Rechenzentrums darstellt, wenn die elektrische Leistungsaufnahme und der Wärmefluss des Rechenzentrums durch das Paar tatsächlicher Daten (P, F) dargestellt werden.
  • 2 zeigt einen Ablaufplan, der ein durch einen Leistungsaufnahmeoptimierer des Systems aus 1A oben durchgeführtes Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch dynamisches Anpassen der Arbeitslast gemäß den Ausführungsformen der vorliegenden Erfindung darstellt.
  • In Schritt 300 empfängt der Leistungsaufnahmeoptimierer Eingaben von dem Rechenzentrum und erzeugt mit einem Modellerzeuger mindestens ein Einheiten-Leistungsaufnahmemodell und mindestens ein Einheiten-Leistungsfähigkeitsmodell. Die von dem Rechenzentrum erfassten Eingaben umfassen die Abbilder der physischen Einheiten, die Temperaturprofile der Einheiten, die Einheitenkonfigurationen und die Anwendungsabbilder wie in 1A oben beschrieben. Der Modellerzeuger erzeugt das zumindest eine Leistungsaufnahmemodell der Einheiten durch Verwendung herkömmlicher Verfahren zur Leistungsaufnahme-Modellbildung aus den Einheitenkonfigurationen und den Anwendungsabbildern der Eingaben. Der Modellerzeuger erstellt auf der Grundlage von herkömmlichen Verfahren zur Leistungsfähigkeits-Modellbildung auch zumindest ein Einheiten-Leistungsfähigkeitsmodell für jeden Einheitentyp. Siehe Beschreibungen einer Leistungsfähigkeits-Vorhersageeinrichtung in 4 unten bezüglich der Nutzung des Einheiten-Leistungsfähigkeitsmodells in einer spezifischen Plattform, die durch die Einheitenkonfigurationen und die Anwendungsabbilder der Eingaben dargestellt wird. Dann fährt der Leistungsaufnahmeoptimierer mit Schritt 310 fort.
  • In einer Ausführungsform der vorliegenden Erfindung erstellt der Modellerzeuger zwei Einheiten-Leistungsaufnahmemodelle, die ein Datenverarbeitungseinheiten-Leistungsaufnahmemodell und ein Speichereinheiten-Leistungsaufnahmemodell umfassen. In dieser Beschreibung gibt der Begriff „Auslastung” ein Verhältnis zwischen einer aktuellen Arbeitslast und einer von einer Einheit bewältigbaren Höchstarbeitslast an. Die Auslastung einer Einheit kann einen Wert aufweisen, der in Abhängigkeit von einer Spanne des Verhältnisses aus {ungenutzt, ausgelastet} ausgewählt wird. Das Datenverarbeitungseinheiten-Leistungsaufnahmemodell stellt die elektrische Leistungsaufnahme von Datenverarbeitungseinheiten in Bezug auf die Auslastung der hauptsächlich die Berechnung durchführenden Datenverarbeitungseinheiten dar. Zu einem Beispiel der Datenverarbeitungseinheiten kann unter anderem ein Server usw. zählen. Während die elektrische Leistungsaufnahme der Datenverarbeitungseinheiten 100 beträgt, wenn die Auslastung der Datenverarbeitungseinheit „ungenutzt” ist, beziffert das Datenverarbeitungseinheiten-Leistungsaufnahmemodell die elektrische Leistungsaufnahme der Datenverarbeitungseinheiten mit einer Zahl in einer Spanne von 130 bis 140, wenn die Datenverarbeitungseinheit „ausgelastet” ist. Das Speichereinheiten-Leistungsaufnahmemodell stellt die elektrische Leistungsaufnahme von Speichereinheiten in Bezug auf die Auslastung der hauptsächlich den Datenbetrieb durchführenden Speichereinheiten dar. Zu einem Beispiel der Speichereinheiten kann unter anderem eine Anordnung von Festplatten usw. zählen. Während die elektrische Leistungsaufnahme der Speichereinheiten 100 beträgt, wenn die Auslastung der Speichereinheit „ungenutzt” ist, beziffert das Speichereinheiten-Leistungsaufnahmemodell die elektrische Leistungsaufnahme der Speichereinheiten mit einer Zahl in einer Spanne von 110 bis 130, wenn die Speichereinheit „ausgelastet” ist.
  • In derselben Ausführungsform weist jedes Einheiten-Leistungsaufnahmemodell mindestens zwei Komponenten auf, die einen statischen Wert, der die elektrische Leistungsaufnahme darstellt, wenn die entsprechende Einheit „ungenutzt” ist, und eine zweite Variable umfassen, welche die elektrische Leistungsaufnahme darstellt, wenn die entsprechende Einheit eine Operation durchführt, d. h., wenn die entsprechende Einheit „ausgelastet” ist, was linear mit der Auslastung der entsprechenden Einheit schwankt.
  • In Schritt 310 erzeugt der Leistungsaufnahmeoptimierer in Frage kommende Arbeitslastlösungen, die unter Verwendung des Erzeugers der in Frage kommenden Arbeitslastlösung eine Reihe von Arbeitslasten für eine aktuelle Arbeitslastverteilung auf mehrere verschiedene Einheitenkonfigurationen abbilden. Es können alle möglichen Kombinationen verschiedener Mengen von in einer Plattform verfügbaren Server-Speicher-Paaren als eine Einheitenkonfiguration einer in Frage kommenden Arbeitslastlösung eingesetzt werden. Der Erzeuger von in Frage kommenden Arbeitslastlösungen verwendet auch heuristische bzw. auf besten Vorgehensweisen beruhende Einheitenkonfigurationen auf der Grundlage von Fachwissen zum Erzeugen der in Frage kommenden Arbeitslastlösungen. Die in Frage kommenden Arbeitslastlösungen werden für die Temperaturvorhersageeinrichtung und die Leistungsfähigkeits-Vorhersageeinrichtung verfügbar gemacht. Dann fährt der Leistungsaufnahmeoptimierer mit den Schritten 320 und 330 fort, die gleichzeitig ablaufen können.
  • In Schritt 320 führt der Leistungsaufnahmeoptimierer die Temperaturvorhersageeinrichtung aus. Die Temperaturvorhersageeinrichtung verwendet Eingaben von Abbildern physischer Einheiten, Dateien über Temperaturen von Einheiten sowie das Einheiten-Leistungsaufnahmemodell und erzeugt für jede in Frage kommende Arbeitslastlösung ein entsprechendes Rechenzentrums-Temperaturprofil. Siehe Beschreibungen der 3 unten für Einzelheiten über die Temperaturvorhersageeinrichtung. Dann fährt der Leistungsaufnahmeoptimierer mit Schritt 340 fort.
  • In Schritt 330 führt der Leistungsaufnahmeoptimierer die Leistungsfähigkeits-Vorhersageeinrichtung aus. Die Leistungsfähigkeits-Vorhersageeinrichtung erzeugt das Einheiten-Leistungsfähigkeitsmodell und erstellt für jede in Frage kommende Arbeitslastlösung eine Leistungsfähigkeits-Vorhersageformel sowie eine entsprechende vorhergesagte Leistungsfähigkeit. Siehe Beschreibungen der 4 unten für Einzelheiten über die Leistungsfähigkeits-Vorhersageeinrichtung. Dann fährt der Leistungsaufnahmeoptimierer mit Schritt 340 fort.
  • In Schritt 340 führt der Leistungsaufnahmeoptimierer die Arbeitslast-Anpassungseinrichtung aus. Die Arbeitslast-Anpassungseinrichtung verwendet das entsprechende Rechenzentrums-Temperaturprofil und die entsprechende vorhergesagte Leistungsfähigkeit für jede in Frage kommende Arbeitslastlösung und erzeugt Ausgaben, die zumindest eine optimierte Arbeitslastverteilung sowie der entsprechenden optimierten Arbeitslastverteilung entsprechende Einsparungen bei der elektrischen Leistungsaufnahme umfassen. Siehe Beschreibungen der 5 unten für Einzelheiten über die Arbeitslast-Anpassungseinrichtung. Dann fährt der Leistungsaufnahmeoptimierer mit Schritt 350 fort.
  • In Schritt 350 speichert der Leistungsaufnahmeoptimierer die durch die Arbeitslast-Anpassungseinrichtung erzeugten Ausgaben und sendet diese an einen Benutzer. Bei dem Benutzer kann es sich unter anderem um einen Systemverwalter des Rechenzentrums usw. handeln. Der Benutzer verwendet anschließend die Ausgaben unter anderem durch Anpassen der Arbeitslastverteilung, Aktualisieren von einen aktuellen Status des Rechenzentrums widerspiegelnde Eingaben umfassenden Informationen in dem Rechenzentrum usw. Dann wird der Leistungsaufnahmeoptimierer beendet.
  • 3 zeigt einen Ablaufplan, der ein durch eine Temperaturvorhersageeinrichtung des Leistungsaufnahmeoptimierers durchgeführtes Verfahren zum Vorhersagen der Wärmekennwerte von Einheiten eines Rechenzentrums gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • Die Temperaturvorhersageeinrichtung wird in zwei Phasen betrieben. In Schritt 500 stellt die Temperaturvorhersageeinrichtung fest, ob für den Leistungsaufnahmeoptimierer bereits ein Wärmemodell erstellt wurde. Wenn die Temperaturvorhersageeinrichtung feststellt, dass das Wärmemodell noch nicht existiert, fährt die Temperaturvorhersageeinrichtung mit Schritt 510 fort und beginnt mit einer ersten Phase, in der das Wärmemodell aus Einarbeitungsabtastwerten erstellt wird. Wenn die Temperaturvorhersageeinrichtung feststellt, dass das Wärmemodell bereits existiert, fährt die Temperaturvorhersageeinrichtung mit Schritt 550 fort und beginnt mit einer zweiten Phase, in der Temperaturen für die in Frage kommenden Arbeitslastlösungen aus Schritt 310 oben vorhergesagt werden.
  • In Schritt 510 führt die Temperaturvorhersageeinrichtung Arbeitsschritte der ersten Phase durch, die Wärmemodellbildungsphase genannt wird. Siehe Beschreibung der 3A unten für Einzelheiten über die Wärmemodellbildungsphase.
  • In Schritt 550 führt die Temperaturvorhersageeinrichtung Arbeitsschritte der zweiten Phase durch, die Temperaturvorhersagephase genannt wird. Siehe Beschreibung der 3B unten für Einzelheiten über die Temperaturvorhersagephase.
  • 3A zeigt einen Ablaufplan, der die Wärmemodellbildungsphase der Temperaturvorhersageeinrichtung des Leistungsaufnahmeoptimierers gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • In Schritt 520 ruft die Temperaturvorhersageeinrichtung Abbilder physischer Einheiten, Temperaturprofile der Einheiten aus Eingaben sowie ein Leistungsaufnahmemodell des Rechenzentrums aus dem Modellerzeuger ab. Die Abbilder der physischen Einheiten und die Temperaturprofile der Einheiten werden für den Leistungsaufnahmeoptimierer aus den Eingaben verfügbar gemacht. Das Leistungsaufnahmemodell des Rechenzentrums beruht auf einer Simulation bzw. einem analytischen Ansatz, die jeweils die Nutzung der entsprechenden Einheiten kombiniert mit den Leistungsaufnahmeprofilen berücksichtigen. Das Leistungsaufnahmemodell ist für das Rechenzentrum als dreidimensionale Matrix festgelegt, welche die von verschiedenen Einheiten des Rechenzentrums aufgenommene elektrische Leistung gemäß einem entsprechenden Leistungsaufnahmemodell der Einheiten darstellt. Nach Schritt 520 fährt die Temperaturvorhersageeinrichtung mit Schritt 530 fort.
  • In Schritt 530 erzeugt die Temperaturvorhersageeinrichtung Einarbeitungsabtastwerte, die ein Abtastwertdatenpaar umfassen, welche ein Abtastwert-Leistungsaufnahmeprofil und ein Abtastwert-Flussprofil umfassen, sowie ein Abtastwert-Eintrittsöffnungs-Temperaturprofil, das jeweils dem Abtastwertdatenpaar entspricht. Die Temperaturvorhersageeinrichtung erzeugt zunächst mehrere Abtastwertdatenpaare (Leistungsaufnahmeprofil Pn, Flussprofil Fn) durch Abtastung und erzeugt dann die entsprechenden Abtastwert-Eintrittsöffnungs-Temperaturprofile durch Simulierung der Abtastwert-Leistungsaufnahmeprofile sowie der Abtastwert-Flussprofile mit einem herkömmlichen Simulator der numerischen Strömungsmechanik (CFD). Jedes Abtastwert-Leistungsaufnahmeprofil stellt eine entsprechende elektrische Leistungsaufnahme des Rechenzentrums dar. Die entsprechende elektrische Leistungsaufnahme kann als von jeder Einheit des Rechenzentrums erzeugte Wärmemenge dargestellt werden. Jedes Abtastwert-Flussprofil stellt eine entsprechende Flussrate von Lüftern in jeder Einheit des Rechenzentrums dar. Die Einarbeitungsabtastwerte werden für Schritt 540 verfügbar gemacht. Dann fährt die Temperaturvorhersageeinrichtung mit Schritt 540 fort.
  • In einer Ausführungsform der vorliegenden Erfindung nutzt die Temperaturvorhersageeinrichtung einen FloVENT® Simulator der numerischen Strömungsmechanik (CFD) zum Erzeugen der Abtastwert-Eintrittsöffnungs-Temperaturprofile aus den Abtastwert-Leistungsaufnahmeprofilen und den Abtastwert-Flussprofilen. (FloVENT ist eine eingetragene Marke von Mentor Graphics Corporation in den USA.)
  • In Schritt 540 erstellt die Temperaturvorhersageeinrichtung das Wärmemodell durch Anwenden eines Maschinenlernprozesses auf die in Schritt 530 erzeugten Einarbeitungsabtastwerte. Das Wärmemodell zeigt ein simuliertes gemeinschaftliches Wärmeverhalten sämtlicher Einheiten in dem Rechenzentrum. Das Wärmemodell wird als eine Reihe von Funktionen dargestellt, die Parameter in einem Leistungsaufnahmeprofil und einem Flussprofil auf jede Eintrittsöffnungstemperatur in dem Eintrittsöffnungstemperaturprofil abbilden. Dann fährt die Temperaturvorhersageeinrichtung mit Schritt 550 aus 3 oben für die zweite Phase der Temperaturvorhersageeinrichtung fort.
  • In einer Ausführungsform der vorliegenden Erfindung handelt es sich bei dem Maschinenlernprozess aus Schritt 530 um eine Stützvektormaschinen-(SVM)Lerneinrichtung, die aus einer großen Reihe von unter Verwendung der oben genannten Flovent-Simulationen abgeleiteten Daten mathematische Funktionen des Wärmemodells entwickelt.
  • 3B zeigt einen Ablaufplan, der die Temperaturvorhersagephase der Temperaturvorhersageeinrichtung des Leistungsaufnahmeoptimierers gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • In Schritt 560 empfängt die Temperaturvorhersageeinrichtung in Frage kommende Arbeitslastlösungen, die in Schritt 310 aus 2 oben erstellt wurden. Dann fährt die Temperaturvorhersageeinrichtung mit Schritt 570 fort.
  • In Schritt 570 berechnet die Temperaturvorhersageeinrichtung das Temperaturprofil des Rechenzentrums für die in Frage kommenden Arbeitslastlösungen unter Verwendung einer Stützvektormaschinen-(SVM)Vorhersageeinrichtung gemäß dem in Schritt 510 oben erstellten Wärmemodell. Bei Stützvektormaschinen handelt es sich um eine Reihe verwandter überwachter herkömmlicher Lernmethoden, die zur Klassenbildung und Regression verwendet werden, wobei Eingabedaten als zwei Datenreihen von Vektoren in einem n-dimensionalen Raum angesehen werden und in dem n-dimensionalen Raum eine trennende Hyperebene erstellt wird, so dass die trennende Hyperebene eine Spanne zwischen den beiden Datenreihen maximiert. Die Temperaturvorhersageeinrichtung modelliert das Temperaturprofil des Rechenzentrums als eine Funktion der Abbildung der Anwendung und/oder der virtuellen Maschine auf physische Ressourcen, so dass die Temperaturvorhersageeinrichtung das Temperaturprofil des Rechenzentrums aus Arbeitslastwerten der in Frage kommenden Arbeitslastlösungen im Vergleich zu Einheiten des Rechenzentrums und den Abbildern der physischen Einheiten berechnet. Dann schaltet sich die Temperaturvorhersageeinrichtung ab, und der Leistungsaufnahmeoptimierer fährt mit der Arbeitslast-Anpassungseinrichtung aus Schritt 340 in 2 oben fort.
  • 4 zeigt einen Ablaufplan, der ein durch eine Leistungsfähigkeits-Vorhersageeinrichtung des Leistungsaufnahmeoptimierers durchgeführtes Verfahren zum Vorhersagen der Leistung von Einheiten eines Rechenzentrums gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • In Schritt 610 ruft die Leistungsfähigkeits-Vorhersageeinrichtung in Schritt 300 erzeugte Einheiten-Leistungsfähigkeitsmodelle sowie auf Leistungsfähigkeitskennwerte bezogene Eingaben ab, welche die Einheitenkonfigurationen sowie die Anwendungsabbilder des Rechenzentrums umfassen. Die Einheitenkonfigurationen sowie die Anwendungsabbilder, welche die Leistungsfähigkeit einer Anwendung auf einer Plattform beeinflussen, werden zum Erstellen eines Leistungsfähigkeits-Vorhersagemodells der Anwendung auf der Plattform verwendet. Die Plattform umfasst zumindest einen Server und zumindest eine Speichereinheit. Der Begriff „Server” wird in dieser Beschreibung austauschbar mit dem Begriff „Datenverarbeitungseinheit” verwendet. Die Einheitenkonfigurationen beschreiben die Konfigurationen von Einheiten in der Plattform, und die Anwendungsabbilder beschreiben die Verteilung von Arbeitslasten der Anwendung über die Plattform. Jede Komponenteneinheit der Plattform entspricht einem entsprechenden in Schritt 300 aus 2 oben erzeugten Einheiten-Leistungsfähigkeitsmodell. Dann fährt die Leistungsfähigkeits-Vorhersageeinrichtung mit Schritt 620 fort.
  • In Schritt 620 erstellt die Leistungsfähigkeits-Vorhersageeinrichtung das Leistungsfähigkeits-Vorhersagemodell, das aus den Leistungsfähigkeitskennwert-Eingaben der Plattform und den Einheiten-Leistungsfähigkeitsmodellen abgeleitet wird. Das Leistungsfähigkeits-Vorhersagemodell kann auf Abwandlungen der Leistungsfähigkeitskennwert-Eingaben der Plattform angewendet werden. Wenn eine Einheitenkonfiguration der Plattform zum Beispiel (zwei Server, zwei Datenspeicher) aufweist, wird das aus der Einheitenkonfiguration abgeleitete Leistungsfähigkeits-Vorhersagemodell dazu verwendet, die Leistungsfähigkeit aller möglichen Einheitenkonfigurationen der Plattform vorherzusagen, unter anderem (ein Server, ein Datenspeicher), (ein Server, zwei Datenspeicher), (zwei Server, ein Datenspeicher) sowie (zwei Server, zwei Datenspeicher). Der Leistungsaufnahmeoptimierer verwendet das Leistungsfähigkeits-Vorhersagemodell bei der Auswertung einer Leistungsfähigkeit jeder in Frage kommenden Arbeitslastlösung, die in Schritt 310 aus 2 oben erzeugt wird. Siehe Beschreibungen der 5 unten für Einzelheiten über die Auswertung jeder in Frage kommenden Leistungsaufnahmeoptimiererlösung. Dann fährt die Leistungsfähigkeits-Vorhersageeinrichtung mit Schritt 630 fort.
  • Das Leistungsfähigkeits-Vorhersagemodell der vorliegenden Erfindung, Gleichung 1 bis Gleichung 4 unten, berücksichtigt bei der Vorhersage der Leistungsfähigkeit des Rechenzentrums Arbeitslastkennwerte, was auch wie folgt als eine Geschwindigkeit der Ausführung der Arbeitslast bezeichnet wird:
    Figure 00250001
    wobei IPS(W) Anweisungen pro Sekunde (Instructions Per Second) der Arbeitslast W, frequency eine Betriebsfrequenz einer Einheit, CPI(W) Taktzyklen pro Anweisung (Cycles Per Instruction) der Arbeitslast W, CPIcore in einem Kern eines Prozessors, einschließlich einem Cachespeicher, benötigte Taktzyklen pro Anweisung und CPImemory beim Speicherzugriff benötigte Taktzyklen pro Anweisung darstellen. Die in IPS(W) gemessene Leistungsfähigkeit ist eine durch eine Vereinbarung zum Dienstniveau (SLA, Service Level Agreement) bestimmte Metrik. Sobald beim Konfigurieren einer Plattform die Betriebsfrequenz einer Einheit für eine entsprechende Einheit bestimmt wurde, wird IPS(W) durch CPI(W) bestimmt. CPIcore ist unabhängig von der Betriebsfrequenz des Prozessors, wobei CPImemory aber wie folgt durch die Betriebsfrequenz einer Speichereinheit beeinflusst wird: CPIcore = CPI(f1)(W) = CPIcore(f1) + MPI × Mlatency × BF(f1) [Gleichung 3] CPImemory = CPI(f2)(W) = CPIcore(f1) + MPI × Mlatency × (f2/f1) × BF(f1) [Gleichung 4] wobei f1 eine erste Betriebsfrequenz eines Servers ist, f2 eine zweite Betriebsfrequenz einer Speichereinheit ist, MPI eine Anzahl von Speicherzugriffen pro Anweisung (Memory accesses Per Instruction) angibt, Mlatency eine Speicherlatenzzeit ist, bei der es sich um eine Zeitspanne zwischen dem Ausgeben einer Speicheradresse für einen Speicherzugriff und dem Zurverfügunghaben von Daten von der Speicheradresse handelt, und BF ein Blockfaktor ist, der Parallelismus beim Speicherzugriff und bei der Kernverarbeitung beziffert und eine Anzahl von Einträgen einer festen Größe in einem einzelnen Speicherblock darstellt.
  • Die Leistungsfähigkeits-Vorhersageeinrichtung verwendet das Leistungsfähigkeits-Vorhersagemodell aus Gleichung 1 bis Gleichung 4 oben zum Vorhersagen des Arbeitslastverhaltens für verschiedene Plattformen durch Konfigurieren verschiedener Speichertypen, Cachespeichergrößen usw. Herkömmliche Leistungsfähigkeitsmodelle konzentrieren sich auf das Vorhersagen des Ausführens einer gleichen homogenen berechnungsgebundenen Arbeitslast auf verschiedenen Systemkonfigurationen, die spezifische Prozessoren mit unterschiedlichen Taktgeschwindigkeiten, verschiedenen Speichergrößen und Cachespeichergrößen umfassen.
  • Außer den Arbeitslast- und Betriebsfrequenzen von Einheiten berücksichtigt die Leistungsfähigkeits-Vorhersageeinrichtung auch mehrere spezifische Server-Systeme, die sich in Bezug auf bauliche Einzelheiten unterscheiden, kombiniert mit verschiedenen Arten von Speichereinheiten für die entsprechenden Server-Systeme, wie sie durch die Einheitenkonfiguration aus den Eingaben bereitgestellt werden. Die Leistungsfähigkeits-Vorhersageeinrichtung wählt eine begrenzte Anzahl von Server-Architekturen aus und wendet auf das Leistungsfähigkeits-Vorhersagemodell der Gleichung 1 bis Gleichung 4 oben eine entsprechende Server-Architektur an. Die entsprechende ausgewählte Server-Architektur kann mehrere Server aufweisen. Das Leistungsfähigkeits-Vorhersagemodell für heterogene Kombinationen aus Servern und Speichereinheiten wird wie folgt aufgestellt:
    Figure 00270001
    wobei IPS(W)(s, di) Anweisungen pro Sekunde (Instruction Per Second) mit einer Arbeitslast W in einer Plattform mit einer festen Server-Konfiguration s und einer i-ten Speichereinheitenkonfiguration di ist, wobei CPI(W)(s, di) Taktzyklen pro Anweisung (Cycles Per Instruction) mit der Arbeitslast W in der Plattform mit der festen Server-Konfiguration s und der i-ten Speichereinheitenkonfiguration di, ist, und wobei sfrequency eine dritte Betriebsfrequenz von in der festen Serverkonfiguration s dargestellten Servern angibt.
  • In Gleichung 2A stellt CPI(W) die Taktzyklen pro Anweisung der Arbeitslast W dar, was als eine Summe aus CPIserver und CPIstorage in einer Plattform aufgestellt wird, die mit der festen Server-Konfiguration s und der i-ten Speichereinheitenkonfiguration di für sämtliche Konfigurationen von Speichereinheiten in der Plattform konfiguriert ist. CPIserver stellt von Servern in der Plattform benötigte Taktzyklen dar, wenn die Arbeitslast W ohne Festplattenzugriff vollständig in dem Speicher ausgeführt werden kann. CPIserver gibt Taktzyklen pro Anweisung CPIserver für jede beliebige Arbeitslast an, die unabhängig von der Systemfrequenz und der Speicherkonfiguration ist. CPIstorage stellt durch Speichereinheiten in der Plattform benötigte Taktzyklen dar. CPIstorage stellt die Auswirkung von Speichereigenschaften auf die Anzahl von Taktzyklen zum Verarbeiten der Arbeitslast CPI(W) dar. Die in CPIstorage berücksichtigten Speichereigenschaften können unter anderem die Latenzzeit, die Bandbreite, in Festplattenblockfaktor gemessener Parallelismus usw. sein. Die Leistungsfähigkeits-Vorhersageeinrichtung charakterisiert CPIstorage zunächst für unterschiedliche Arbeitslasten, um die Leistungsfähigkeit derselben Arbeitslast W auf einem gleichen Server mit unterschiedlichen Speicherkonfigurationen vorherzusagen.
  • In einer Ausführungsform der vorliegenden Erfindung werden durch Server benötigte Taktzyklen und durch Speichereinheiten benötigte Taktzyklen wie folgt festgelegt: CPIserver(s, di) = CPIserver(s) [Gleichung 3A] CPIstorage(s, di) = DIOPI × Avg(LUNlatency(di)(W)) × DBF [Gleichung 4A] wobei DIOPI eine Anzahl von Festplatteneingaben/-ausgaben pro Anweisung (Disk Input/Output Per Instruction) angibt, wobei Avg(LUNlatency(di)(W)) eine durchschnittliche Latenzzeit der entsprechenden logischen Datenträgereinheit in der i-ten Speichereinheitenkonfiguration di mit der Arbeitslast W angibt.
  • Die Latenzzeit der entsprechenden logischen Datenträgereinheit (LUNlatency) ist eine Funktion von Speicherkonfigurationsparametern und Kennwerten der Arbeitslast. Zu Beispielen für die Speicherkonfigurationsparameter können unter anderem eine zugehörige Festplattenlatenzzeit, eine Anzahl von zugehörigen Festplatten, eine zufällige/sequenzielle Bandbreite von zugehörigen Festplatten, eine Cachespeichergröße usw. zählen. Zu Beispielen für die Kennwerte einer Arbeitslast können unter anderem die Zufälligkeit, die Sequenzialität, das Cachetrefferverhältnis usw. zählen. LUNLatency ist ein die Leistungsfähigkeit der Plattform beeinflussender Hauptkonfigurationsparameter, und ein Regressionsmodell von LUNLatency wird von der Leistungsfähigkeits-Vorhersageeinrichtung verwendet.
  • In einer anderen Ausführungsform der vorliegenden Erfindung können die Schritte 610 und 620 durch den Modellerzeuger durchgeführt werden. In derselben Ausführungsform verwendet die Leistungsfähigkeits-Vorhersageeinrichtung das zumindest eine von dem Modellerzeuger erzeugte Leistungsfähigkeits-Vorhersagemodell als Eingabe und erzeugt erwartete Leistungsfähigkeitswerte des Rechenzentrums wie unten in Schritt 630 beschrieben.
  • In Schritt 630 sagt die Leistungsfähigkeits-Vorhersageeinrichtung eine entsprechende Leistungsfähigkeit jeder in Frage kommenden Arbeitslastlösung vorher, die einer entsprechenden Plattformkonfiguration zugehörig ist. Die Leistungsfähigkeits-Vorhersageeinrichtung wendet das Leistungsfähigkeits-Vorhersagemodell auf die Leistungsfähigkeitskennwerte der Eingaben, die in Frage kommenden Arbeitslastlösungen und die entsprechende Plattformkonfiguration jeder in Frage kommenden Arbeitslastlösung an. Die vorhergesagte Leistungsfähigkeit wird in Anweisungen pro Sekunde (IPS, Instructions Per Second) usw. beziffert. Dann fährt die Leistungsfähigkeits-Vorhersageeinrichtung mit Schritt 640 fort.
  • In Schritt 640 speichert die Leistungsfähigkeits-Vorhersageeinrichtung die vorhergesagten Leistungsfähigkeiten für sämtliche in Frage kommenden Arbeitslastlösungen in Speichereinheiten und stellt diese der Arbeitslast-Anpassungseinrichtung zur Verfügung. Dann schaltet sich die Leistungsfähigkeits-Vorhersageeinrichtung ab, und der Leistungsaufnahmeoptimierer fährt mit Schritt 340 aus 2 oben fort.
  • 5 zeigt einen Ablaufplan, der ein durch eine Arbeitslast-Anpassungseinrichtung des Leistungsaufnahmeoptimierers durchgeführtes Verfahren zum dynamischen Anpassen von Arbeitslasten unter Einheiten eines Rechenzentrums gemäß Ausführungsformen der vorliegenden Erfindung darstellt.
  • In Schritt 710 ruft die Arbeitslast-Anpassungseinrichtung die vorhergesagte Leistungsfähigkeit für sämtliche in Frage kommenden Arbeitslastlösungen von der Leistungsfähigkeits-Vorhersageeinrichtung ab. Die Arbeitslast-Anpassungseinrichtung fährt mit Schritt 720 fort.
  • In Schritt 720 schätzt die Arbeitslast-Anpassungseinrichtung den Aufwand für die elektrische Leistungsaufnahme jeder in Schritt 310 aus 2 oben erzeugten in Frage kommenden Arbeitslastlösung sowie den Migrationsaufwand für jede in Frage kommende Arbeitslastlösung aus einer aktuellen Arbeitslastverteilung Xcurrent. Dann fährt die Arbeitslast-Anpassungseinrichtung mit Schritt 730 fort.
  • Der Aufwand für die elektrische Leistungsaufnahme einer in Frage kommenden Arbeitslastlösung Xcandidate wird als Summe aus kumulativem Energieverbrauchspegel von Komponenten sämtlicher Komponenteneinheiten in der in Frage kommenden Arbeitslastlösung Xcandidate und vorhergesagtem Kühlungsaufwand für die in Frage kommende Arbeitslastlösung Xcandidate berechnet, das heißt, PowerCost(Xcandidate) = TotalComponentPowerUsage(Xcandidate) + CoolingCost(Xcandidate), wobei TotalComponentPowerUsage(Xcandidate) eine Summe des Energieverbrauchs sämtlicher Komponenten der in Frage kommenden Arbeitslastlösung Xcandidate beruhend auf dem Auslastungsgrad von in der in Frage kommenden Arbeitslastlösung Xcandidate eingesetzten Einheiten gemäß einem entsprechenden Einheiten-Leistungsaufnahmemodell ist, und wobei CoolingCost(Xcandidate) aus einer vorhergesagten Höchsttemperatur des Rechenzentrums für die in Frage kommende Arbeitslastlösung Xcandidate gemäß der Temperaturvorhersageeinrichtung aus 3 oben berechnet wird.
  • Der Migrationsaufwand der in Frage kommenden Arbeitslastlösung Xcandidate von der aktuellen Arbeitslastverteilung Xcurrent wird aus einem Übergangsaufwandsmodell in Bezug auf Arbeitslastkennwerte der in Frage kommenden Arbeitslastlösung Xcandidate und aus den Einheiten-Leistungsaufnahmemodellen für in der in Frage kommenden Arbeitslastlösung Xcandidate eingesetzte Einheiten berechnet. Der Migrationsaufwand beziffert die Verschlechterung der Leistungsfähigkeit und/oder den Verlust von Diensten während einer Migration von der aktuellen Arbeitslastverteilung Xcurrent auf die in Frage kommende Arbeitslastlösung Xcandidate beruhend auf den Einheiten-Leistungsaufnahmemodellen und den Einheiten-Leistungsfähigkeitsmodellen. Zu den Arbeitslastkennwerten können unter anderem Anforderungen bezüglich der Ziele zum Dienstniveau (SLO), die den zulässigen Grad der Verschlechterung der Leistungsfähigkeit während der Migration festlegen, Anforderungen bezüglich der Verfügbarkeit und Leistungsfähigkeit von Arbeitslasten usw. gehören. Die Arbeitslastkennwerte werden als spezifische Anforderungen bezüglich der Leistungsfähigkeit für verschiedene Arten von beteiligten Arbeitslasten und Anwendungen widerspiegelnd angesehen.
  • In einer Ausführungsform der vorliegenden Erfindung ist die Arbeitslastmigration auf Grund einer im Vergleich zu einem Produktionssystem des Rechenzentrums höheren Anforderung bezüglich der Leistungsfähigkeit stärker beschränkt. Eine Anwendung des Produktionssystems kann möglicherweise auf Grund der Erfordernis einer nahezu perfekten Verfügbarkeit keine Verschlechterung der Leistungsfähigkeit während der Migration zulassen.
  • In Schritt 730 berechnet die Arbeitslast-Anpassungseinrichtung den Gesamtaufwand für jede in Frage kommende Arbeitslastlösung. Dann fährt die Arbeitslast-Anpassungseinrichtung mit Schritt 740 fort. Der Gesamtaufwand einer in Frage kommenden Arbeitslastlösung Xcandidate wird als Summe aus Aufwand für die elektrische Leistungsaufnahme der in Frage kommenden Arbeitslastlösung Xcandidate und dem Migrationsaufwand der in Frage kommenden Arbeitslastlösung Xcandidate berechnet, das heißt: OverallCost(Xcandidate) = PowerCost(Xcandidate) + MigrationCost(Xcandidate)
  • In Schritt 740 wählt die Arbeitslast-Anpassungseinrichtung eine optimale Arbeitslastlösung Xoptimal aus, die den geringsten Gesamtaufwand unter allen in Frage kommenden Arbeitslastlösungen aufweist. In einer anderen Ausführungsform wird die optimale Arbeitslastlösung Xoptimal beruhend auf dem geringsten Migrationsaufwand ausgewählt, um die Verschlechterung der Leistungsfähigkeit während der Migration beruhend auf Details der Anforderungen bezüglich der Ziele zum Dienstniveau (SLO) auf ein Mindestmaß zu beschränken. Dann fährt die Arbeitslast-Anpassungseinrichtung mit Schritt 750 fort.
  • In Schritt 750 erzeugt die Arbeitslast-Anpassungseinrichtung ein optimiertes Anwendungsabbild aus der optimalen Arbeitslastlösung und erwarteten Einsparungen bei der elektrischen Leistungsaufnahme für das optimierte Anwendungsabbild. Dann schaltet sich die Arbeitslast-Anpassungseinrichtung ab, und der Leistungsaufnahmeoptimierer fährt mit Schritt 350 aus 2 oben fort.
  • 6 veranschaulicht ein Computersystem, das zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß Ausführungsformen der vorliegenden Erfindung verwendet wird.
  • Das Computersystem 90 umfasst einen Prozessor 91, eine mit dem Prozessor 91 verbundene Eingabeeinheit 92, eine mit dem Prozessor 91 verbundene Ausgabeeinheit 93 und durch einen Computer lesbare Speichereinheiten, welche die jeweils mit dem Prozessor 91 verbundenen Speichereinheiten 94 und 95 umfassen. Bei der Eingabeeinheit 92 kann es sich unter anderem um eine Tastatur, eine Maus, einen Ziffernblock, einen berührungsempfindlichen Bildschirm, eine Spracherkennungseinheit, einen Sensor, eine Netzwerkschnittstellenkarte (NIC), einen Adapter für Sprache/Video über Internet (VOIP, Voice/video over Internet Protocol), einen Adapter für drahtlose Netze, einen Telefonadapter, einen Adapter für fest geschaltete Leitungen usw. handeln. Bei der Ausgabeeinheit 93 kann es sich unter anderem um einen Drucker, einen Plotter, einen Computerbildschirm, Magnetband, eine austauschbare Festplatte, eine Floppy-Disk, eine Netzwerkschnittstellenkarte (NIC), einen VOIP-Adapter, einen Adapter für drahtlose Netze, einen Telefonadapter, einen Adapter für fest geschaltete Leitungen, einen Erzeuger eines akustischen und/oder optischen Signals, eine Leuchtdiode (LED, light emitting diode) usw. handeln. Bei den Speichereinheiten 94 und 95 kann es sich unter anderem um Cachespeicher, dynamischen Direktzugriffsspeicher (DRAN), Nur-Lese-Speicher (ROM), eine Festplatte, eine Floppy-Disk, Magnetband, einen optischen Speicher wie eine Kompaktspeicherplatte (CD) oder eine digitale Videoplatte (DVD) usw. handeln. Die Speichereinheit 95 enthält einen Computercode 97, bei dem es sich um einen Computerprogrammcode handelt, der auf einem Computer ausführbare Anweisungen umfasst. Der Computercode 97 enthält unter anderem einen zum Optimieren der elektrischen Leistungsaufnahme des Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß der vorliegenden Erfindung verwendeten Algorithmus. Der Prozessor 91 führt den Computercode 97 aus. Die Speichereinheit 94 enthält die Eingabedaten 96. Die Eingabedaten 96 enthalten von dem Computercode 97 benötigte Eingaben. Die Ausgabeeinheit 93 zeigt Ausgaben von dem Computercode 97 an. Eine oder beide der Speichereinheiten 94 und 95 (bzw. eine oder mehrere zusätzliche nicht in 6 gezeigte Speichereinheiten) können als ein durch einen Computer lesbares Speichermedium (oder ein durch einen Computer verwendbares Speichermedium oder eine Programmspeichereinheit) verwendet werden, die einen durch einen Computer lesbaren Programmcode enthalten und/oder andere Daten darauf gespeichert haben, wobei der durch einen Computer lesbare Programmcode den Computercode 97 umfasst. Allgemein kann ein Computerprogrammprodukt (oder alternativ ein Herstellungsprodukt) des Computersystems 90 das durch einen Computer lesbare Speichermedium (bzw. die Programmspeichereinheit) umfassen.
  • Jede beliebige der Komponenten der vorliegenden Erfindung kann durch einen Dienstanbieter eingesetzt, verwaltet, betreut usw. werden, der anbietet, eine Datenverarbeitungsinfrastruktur im Hinblick auf einen Prozess zum Optimieren der elektrischen Leistungsaufnahme des Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß der vorliegenden Erfindung einzusetzen oder zu integrieren. Somit legt die vorliegende Erfindung einen Prozess zum Unterstützen einer Computerinfrastruktur dar, der das Einbinden, das Bereitstellen per Hosting, das Pflegen und das Einsetzen von durch einen Computer lesbaren Code in einem Datenverarbeitungssystem (z. B. dem Datenverarbeitungssystem 90) umfasst, wobei der Code in Kombination mit dem Datenverarbeitungssystem in der Lage ist, ein Verfahren zum Optimieren der elektrischen Leistungsaufnahme des Rechenzentrums durch das dynamische Anpassen der Arbeitslast durchzuführen.
  • In einer anderen Ausführungsform stellt die Erfindung ein Verfahren bereit, das die Prozessschritte der Erfindung auf der Grundlage eines Abonnements, einer Werbung und/oder einer Gebühr durchführt. Das heißt, dass ein Dienstanbieter wie ein Lösungsintegrator (Solution Integrator) das Erzeugen, Pflegen, Unterstützen usw. eines Prozesses zum Optimieren der elektrischen Leistungsaufnahme des Rechenzentrums durch das dynamische Anpassen der Arbeitslast gemäß der vorliegenden Erfindung anbieten kann. In diesem Fall kann der Dienstanbieter eine Computerinfrastruktur erzeugen, pflegen, unterstützen usw., welche die Prozessschritte der Erfindung für einen oder mehrere Kunden durchführt. Im Gegenzug kann der Dienstanbieter im Rahmen eines Abonnements und/oder einer Gebührenvereinbarung eine Zahlung von dem/den Kunden erhalten, und/oder der Dienstanbieter kann eine Zahlung aus dem Verkauf von Werbeinhalten an einen oder mehrere Dritte erhalten.
  • Obwohl 6 das Computersystem 90 als eine bestimmte Konfiguration aus Hardware und Software zeigt, kann jede beliebige Konfiguration aus Hardware und Software für die in Zusammenhang mit dem bestimmten Computersystem 90 aus 6 oben aufgeführten Zwecke verwendet werden, wie einem Fachmann bekannt sein dürfte. Die Speichereinheiten 94 und 95 können zum Beispiel Teile einer einzelnen Speichereinheit an Stelle von separaten Speichereinheiten sein.
  • Der Fachmann wird verstehen, dass die vorliegende Erfindung als System, Verfahren oder Computerprogrammprodukt ausgeführt werden kann. Entsprechend können Aspekte der vorliegenden Erfindung die Form einer vollständigen Hardware-Ausführungsform, einer vollständigen Software-Ausführungsform (darunter Firmware, im Speicher befindlicher Software, Mikro-Code, usw.) oder einer Software- und Hardware-Aspekte kombinierenden Ausführungsform annehmen, die hierin alle allgemein als „Schaltkreis”, „Modul” oder „System” bezeichnet sein können. Des Weiteren kann die vorliegende Erfindung die Form eines Computerprogrammprodukts annehmen, das auf einem beliebigen physischen Ausdrucksmedium enthalten ist, wobei auf dem Medium auf einem Computer verwendbarer Programmcode enthalten ist.
  • Es kann jede Kombination aus einem oder mehreren auf einem Computer verwendbaren bzw. durch einen Computer lesbaren Medien 94, 95 verwendet werden. Der Begriff auf einem Computer verwendbares oder durch einen Computer lesbares Medium bezieht sich gemeinschaftlich auf das auf einem Computer verwendbare/durch einen Computer lesbares Speichermedium 94, 95. Bei dem auf einem Computer verwendbaren bzw. durch einen Computer lesbaren Speichermedium 94, 95 kann es sich zum Beispiel um ein elektronisches, magnetisches, optisches, elektromagnetisches, Infrarot- oder Halbleitersystem, eine derartige Vorrichtung oder Einheit oder jede geeignete Kombination daraus handeln, ohne darauf beschränkt zu sein. Zu konkreteren Beispielen (eine nicht erschöpfende Liste) des durch einen Computer lesbaren Mediums 94, 95 gehören die folgenden: eine elektrische Verbindung mit einer oder mehreren Leitungen, eine tragbare Computerdiskette, eine Festplatte, ein Direktzugriffsspeicher (RAM), ein Nur-Lese-Speicher (ROM), ein löschbarer programmierbarer Nur-Lese-Speicher (EPROM bzw. Flash-Speicher), ein Lichtwellenleiter, ein tragbarer Kompaktspeicherplatte-Nur-Lese-Speicher [CD-ROM], eine optische Speichereinheit, eine magnetische Speichereinheit oder jede geeignete Kombination daraus. Man beachte, dass es sich bei dem auf einem Computer verwendbaren bzw. durch einen Computer lesbaren Medium 94, 95 sogar um Papier oder ein anderes geeignetes Medium handeln kann, auf dem das Programm gedruckt ist, da das Programm zum Beispiel über optisches Scannen des Papiers bzw. des anderen Mediums elektronisch erfasst, dann falls nötig kompiliert, ausgewertet oder anderweitig auf geeignete Weise verarbeitet werden kann, und dann in einem Computerspeicher gespeichert werden kann. In dem Kontext dieses Dokuments kann es sich bei dem auf einem Computer verwendbaren bzw. durch einen Computer lesbaren Medium 94, 95 um jedes beliebige Medium handeln, das ein Programm enthalten bzw. speichern kann, das von oder in Verbindung mit einem System, einer Vorrichtung oder einer Einheit, die Anweisungen ausführen, verwendet werden kann.
  • Der Computercode 97 für das Ausführen der Arbeitsschritte der vorliegenden Erfindung kann in einer beliebigen Kombination aus einer oder mehreren Programmiersprachen geschrieben werden, darunter objektorientierte Programmiersprachen wie Java, Smalltalk, C++ o. ä. sowie herkömmliche prozedurale Programmiersprachen wie die „C”-Programmiersprache oder ähnliche Programmiersprachen. Der Computercode 97 kann vollständig auf dem Computer des Benutzers, teilweise auf dem Computer des Benutzers, als eigenständiges Software-Paket, teilweise auf dem Computer des Benutzers und teilweise auf einem entfernt angeordneten Computer oder vollständig auf dem entfernt angeordneten Computer oder Server ausgeführt werden. In letzterem Fall kann der entfernt angeordnete Computer mit dem Computer des Benutzers durch eine beliebige Art Netzwerk verbunden sein, darunter ein lokales Netzwerk (LAN) oder ein Weitverkehrsnetz (WAN), oder die Verbindung kann mit einem externen Computer hergestellt werden (zum Beispiel über das Internet unter Verwendung eines Internet-Dienstanbieters).
  • Die vorliegende Erfindung wird unter Bezugnahme auf Ablaufpläne und/oder Blockschaltbilder bzw. Schaubilder von Verfahren, Vorrichtungen (Systemen) und Computerprogrammprodukten gemäß Ausführungsformen der Erfindung beschrieben. Es wird darauf hingewiesen, dass jeder Block der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder sowie Kombinationen von Blöcken in den Ablaufplänen und/oder den Blockschaltbildern bzw. Schaubildern durch Computerprogrammanweisungen ausgeführt werden können. Der Begriff „Computerprogrammanweisungen” ist in dieser Beschreibung austauschbar mit dem Begriff „Computercode 97”. Diese Computerprogrammanweisungen können dem Prozessor eines Universalcomputers, eines Spezialcomputers oder einer anderen programmierbaren Datenverarbeitungsvorrichtung bereitgestellt werden, um eine Maschine zu erzeugen, so dass die über den Prozessor des Computers bzw. der anderen programmierbaren Datenverarbeitungsvorrichtung ausgeführten Anweisungen ein Mittel zur Umsetzung der in dem Block bzw. den Blöcken der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktionen/Schritte erzeugen.
  • Diese Computerprogrammanweisungen können auch auf dem durch einen Computer lesbaren Medium 94, 95 gespeichert sein, das einen Computer oder eine andere programmierbare Datenverarbeitungsvorrichtung so steuern kann, dass sie auf eine bestimmte Art funktionieren, so dass die auf dem durch einen Computer lesbaren Medium gespeicherten Anweisungen ein Herstellungsprodukt herstellen, darunter Anweisungsmittel, welche die in dem Block bzw. den Blöcken der Ablaufpläne und/oder des Blockschalt- bzw. des Funktionsschaubilds festgelegte Funktion/den Schritt umsetzen.
  • Die Computerprogrammanweisungen können auch auf einen Computer oder eine andere programmierbare Datenverarbeitungsvorrichtung geladen werden, um das Ausführen einer Reihe von Prozessschritten auf dem Computer bzw. der anderen programmierbaren Vorrichtung zu verursachen, um einen auf einem Computer ausgeführten Prozess zu erzeugen, so dass die auf dem Computer oder einer anderen programmierbaren Vorrichtung ausgeführten Anweisungen Prozesse zur Umsetzung der in dem Block bzw. den Blöcken der Ablaufpläne und/oder der Blockschaltbilder bzw. Schaubilder festgelegten Funktionen/Schritte erzeugen.
  • Die Ablaufpläne und die Blockschaltbilder bzw. Funktionsschaubilder in den Figuren veranschaulichen die Architektur, die Funktionalität und den Betrieb möglicher Ausführungen der Systeme, Verfahren und Computerprogrammprodukte gemäß verschiedenen Ausführungsformen der vorliegenden Erfindung. In diesem Zusammenhang kann jeder Block in den Ablaufplänen oder Blockschaltbildern bzw. Schaubildern ein Modul, ein Segment oder einen Teil eines Codes darstellen, die eine oder mehrere ausführbare Anweisungen zur Ausführung der bestimmten logischen Funktion(en) umfassen. Es sei auch angemerkt, dass in einigen alternativen Ausführungen die in dem Block angegebenen Funktionen in einer anderen Reihenfolge als in den Figuren gezeigt stattfinden können. Zwei nacheinander gezeigte Blöcke können zum Beispiel in Wirklichkeit im Wesentlichen gleichzeitig ausgeführt werden, oder die Blöcke können manchmal je nach entsprechender Funktionalität in umgekehrter Reihenfolge ausgeführt werden. Es ist ferner anzumerken, dass jeder Block der Blockschalt- bzw. Funktionsschaubilder und/oder der Ablaufpläne sowie Kombinationen aus Blöcken in den Blockschalt- bzw. Funktionsschaubildern und/oder den Ablaufplänen durch spezielle auf Hardware beruhende Systeme umgesetzt werden können, welche die festgelegten Funktionen oder Schritte durchführen, oder durch Kombinationen aus Spezial-Hardware und Computeranweisungen.
  • Die entsprechenden Strukturen, Werkstoffe, Schritte und Entsprechungen aller Mittel bzw. Step-plus-function-Elemente in den Ansprüchen sollen jede beliebige Struktur, jedes beliebige Material bzw. jeden beliebigen Schritt zur Durchführung der Funktion in Kombination mit anderen beanspruchten Elementen wie spezifisch beansprucht beinhalten. Die Beschreibung der vorliegenden Erfindung wurde zum Zwecke der Veranschaulichung und Beschreibung aufgeführt, soll jedoch nicht gesamthaft stehen für bzw. begrenzt sein auf die Erfindung in der offengelegten Form. Für Fachleute werden viele Abänderungen und Abweichungen ersichtlich sein, ohne von dem Umfang und dem Geist der Erfindung abzuweichen. Die Ausführungsform wurde gewählt und beschrieben, um die Grundgedanken der Erfindung und die praktische Anwendung bestmöglich zu erläutern und um es anderen Fachleuten zu ermöglichen, die Erfindung für verschiedene Ausführungsformen mit verschiedenen Abänderungen, die für eine bestimmte vorgesehene Verwendung geeignet sind, zu verstehen.

Claims (8)

  1. Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast, wobei das Verfahren Folgendes umfasst: einen Prozessor eines Computersystems, der Eingaben von dem Rechenzentrum empfängt, wobei das Rechenzentrum zumindest eine Einheit umfasst, wobei die Eingaben ein Abbild physischer Einheiten und ein aktuelles Anwendungsabbild umfasst, wobei das Abbild physischer Einheiten dreidimensionale Standorte der zumindest einen Einheit innerhalb des Rechenzentrums angibt, und wobei das aktuelle Anwendungsabbild angibt, wie Anwendungsprogramme des Rechenzentrums virtuell auf die zumindest eine Einheit und auf eine aktuelle Arbeitslastverteilung unter den Anwendungsprogrammen abgebildet werden; wobei der Prozessor zumindest eine in Frage kommende Arbeitslastlösung für das Rechenzentrum erzeugt, wobei jede in Frage kommende Arbeitslastlösung der zumindest einen in Frage kommenden Arbeitslastlösung ein entsprechendes Anwendungsabbild darstellt, das eine entsprechende virtuelle Abbildung der Anwendungsprogramme auf die zumindest eine Einheit und auf eine entsprechende Arbeitslastverteilung unter den Anwendungsprogrammen angibt; wobei der Prozessor ein entsprechendes Temperaturprofil für jede in Frage kommende Arbeitslastlösung durch Anwendung eines Wärmemodells berechnet, wobei eine entsprechende, dem entsprechenden Temperaturprofil zugehörige Höchsttemperatur des Rechenzentrums einen entsprechenden Aufwand für die elektrische Leistungsaufnahme jeder in Frage kommenden Arbeitslastlösung bestimmt; wobei der Prozessor ein entsprechendes Leistungsfähigkeitsprofil für jede in Frage kommende Arbeitslastlösung berechnet, so dass das entsprechende Leistungsfähigkeitsprofil im Vergleich zu den Leistungsfähigkeitsanforderungen des Rechenzentrums ausgewertet wird, wobei das entsprechende Leistungsfähigkeitsprofil einen entsprechenden Migrationsaufwand jeder in Frage kommenden Arbeitslastlösung bestimmt; und wobei der Prozessor die Arbeitslast des Rechenzentrums von der aktuellen Arbeitslastverteilung auf eine optimale Arbeitslastlösung dynamisch anpasst, wobei die optimale Arbeitslastlösung eine in Frage kommende Arbeitslastlösung ist, welche die niedrigste Summe aus dem entsprechenden Aufwand für die elektrische Leistungsaufnahme und dem entsprechenden Migrationsaufwand aufweist.
  2. Verfahren nach Anspruch 1, bei dem das dynamische Anpassen Folgendes umfasst: Schätzen eines entsprechenden Gesamtaufwands jeder in Frage kommenden Arbeitslastlösung, wobei der entsprechende Gesamtaufwand eine Summe aus dem entsprechenden Aufwand für die elektrische Leistungsaufnahme und dem entsprechenden Migrationsaufwand ist, wobei der entsprechende Aufwand für die elektrische Leistungsaufnahme aus der Menge an Elektrizität berechnet wird, die von dem Rechenzentrum beim Einsetzen jeder in Frage kommenden Arbeitslastlösung zum Durchführen von Diensten des Rechenzentrums innerhalb von Betriebstemperaturen verbraucht wird, und wobei der entsprechende Migrationsaufwand aus der Verschlechterung der Leistungsfähigkeit berechnet wird, die während des Anpassens der Arbeitslast des Rechenzentrums von der aktuellen Arbeitslastverteilung auf die in Frage kommende Arbeitslastlösung auftritt; Auswählen einer optimalen Arbeitslastlösung aus der zumindest einen in Frage kommenden Arbeitslastlösung, wobei die optimale Arbeitslastlösung den niedrigsten Gesamtaufwand von der Schätzung aufweist; und Übertragen der optimalen Arbeitslastlösung auf Einheiten des Computersystems, um eingesetzt zu werden.
  3. Verfahren nach Anspruch 1, bei dem das Berechnen des entsprechenden Temperaturprofils Folgendes umfasst: Feststellen, dass das Wärmemodell des Rechenzentrums nicht verfügbar ist, wobei das Wärmemodell das Berechnen eines aktuellen Temperaturprofils des Rechenzentrums aus den empfangenen Eingaben ermöglicht; Erstellen des Wärmemodells des Rechenzentrums aus dem Abbild physischer Einheiten, aus Temperaturprofilen der Einheiten und aus Einheitenkonfigurationen des Rechenzentrums, wobei die Temperaturprofile der Einheiten eine entsprechende Temperatur darstellen, die an einer entsprechenden Eintrittsöffnung jeder Einheit der zumindest einen Einheit des Rechenzentrums gemessen wird, und wobei jedes Temperaturprofil der Einheiten der Temperaturprofile der Einheiten jeder entsprechenden Einheitenkonfiguration der Einheitenkonfigurationen zugehörig ist, wobei jede Einheitenkonfiguration eine entsprechende Kennung jeder Einheit und einen entsprechenden Betriebsstatus jeder aus der aus ungenutzt und ausgelastet bestehenden Gruppe ausgewählten Einheit umfasst; und Erzeugen des entsprechenden Temperaturprofils durch Anwenden des Wärmemodells auf jede in Frage kommende Arbeitslastlösung.
  4. Verfahren nach Anspruch 1, bei dem das Berechnen des entsprechenden Leistungsfähigkeitsprofils Folgendes umfasst: Erstellen eines Leistungsfähigkeits-Vorhersagemodells, das eine Geschwindigkeit der Ausführung der Arbeitslast W in Anweisungen pro Sekunde ermittelt, wobei die Geschwindigkeit als IPS(W) angegeben wird, wobei die Geschwindigkeit als
    Figure 00450001
    berechnet wird, wobei frequency eine Betriebsfrequenz einer Einheit der zumindest einen Einheit angibt, wobei CPI(W) Taktzyklen pro Anweisung der Arbeitslast W darstellt, wobei CPIcore bei dem Ausführen einer Anweisung in einem Kern der Einheit benötigte Taktzyklen pro Anweisung darstellt, wobei CPIcore als CPIcore(f1) + MPI × Mlatency × BF(f1) berechnet wird, wobei CPImemory bei dem Zugreifen auf einen Speicher der Einheit zum Ausführen der Anweisung benötigte Taktzyklen pro Anweisung darstellt, wobei CPImemory als CPIcore(f1) + MPI × Mlatency × (f2/f1) × BF(f1) berechnet wird, wobei f1 eine erste Betriebsfrequenz des Kerns ist, f2 eine zweite Betriebsfrequenz des Speichers ist, MPI eine Anzahl von Speicherzugriffen pro Anweisung angibt, Mlatency eine Speicherlatenzzeit ist, und BF ein Blockfaktor ist; und Erzeugen des entsprechenden Leistungsfähigkeitsprofils durch Anwenden des Leistungsfähigkeits-Vorhersagemodells auf jede in Frage kommende Arbeitslastlösung.
  5. Verfahren nach Anspruch 1, bei dem das Berechnen des entsprechenden Leistungsfähigkeitsprofils Folgendes umfasst: Erstellen eines Leistungsfähigkeits-Vorhersagemodells, das eine Geschwindigkeit des Ausführens der Arbeitslast W in Anweisungen pro Sekunde auf einer Plattform mit einer Server-Konfiguration s und einer i-ten Speichereinheitenkonfiguration di ermittelt, wobei die Geschwindigkeit als IPS(W)(s, di) angegeben wird, wobei die Geschwindigkeit als
    Figure 00460001
    berechnet wird, wobei sfrequency eine Betriebsfrequenz von in der Server-Konfiguration s dargestellten Servern angibt, wobei CPI(W) Taktzyklen pro Anweisung mit der Arbeitslast W in der Plattform darstellt, wobei ΣiCPI(W)(s, di) = Σi(CPIserver(s, di) + CPIstorage(s, di)), wobei CPIserver(s, di) eine erste Anzahl von Taktzyklen darstellt, die von Servern in der Plattform benötigt werden, wenn die Arbeitslast W ohne Festplattenzugriff vollständig in dem Speicher ausgeführt wird, wobei CPIserver(s, di) als CPIserver(s) berechnet wird, wobei CPIstorage(s, di) eine zweite Anzahl von Taktzyklen darstellt, die von Speichereinheiten in der Plattform beim Ausführen der Arbeitslast W in der Plattform benötigt werden, wobei CPIstorage(s, di) als DIOPI × Avg(LUNlatency(di)(W)) × DBF berechnet wird, wobei DIOPI eine Anzahl von Festplatteneingaben/-ausgaben pro Anweisung angibt, wobei Avg(LUNlatency(di)(W)) eine durchschnittliche Latenzzeit der entsprechenden logischen Datenträgereinheit in der i-ten Speichereinheitenkonfiguration di mit der Arbeitslast W angibt, und wobei DBF ein Festplattenblockfaktor ist; und Erzeugen des entsprechenden Leistungsfähigkeitsprofils durch Anwenden des Leistungsfähigkeits-Vorhersagemodells auf jede in Frage kommende Arbeitslastlösung.
  6. Computerprogrammprodukt, das Folgendes umfasst: ein durch einen Computer lesbares Speichermedium, das einen durch einen Computer lesbaren Programmcode enthält, wobei der durch einen Computer lesbare Programmcode Anweisungen enthält, die beim Ausführen durch einen Computer ein Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast nach einem der Ansprüche 1 bis 5 durchführen.
  7. Computersystem, das einen Prozessor und eine mit dem Prozessor verbundene, durch einen Computer lesbare Speichereinheit umfasst, wobei die durch einen Computer lesbare Speichereinheit Anweisungen enthält, die beim Ausführen durch einen Prozessor das Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast nach einem der Ansprüche 1 bis 5 umsetzen.
  8. Prozess zum Unterstützen einer Computerinfrastruktur, wobei der Prozess das Bereitstellen von zumindest einem Unterstützungsdienst für zumindest entweder das Erstellen, das Einbinden, das Bereitstellen per Hosting, das Pflegen und/oder das Einsetzen von durch einen Computer lesbaren Code in einem Datenverarbeitungssystem umfasst, wobei der Code in Kombination mit dem Datenverarbeitungssystem in der Lage ist, das Verfahren zum Optimieren der elektrischen Leistungsaufnahme eines Rechenzentrums durch das dynamische Anpassen der Arbeitslast nach einem der Ansprüche 1 bis 5 durchzuführen.
DE112011100143.6T 2010-02-26 2011-02-07 Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum Active DE112011100143B4 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/713,776 2010-02-26
US12/713,776 US8489745B2 (en) 2010-02-26 2010-02-26 Optimizing power consumption by dynamic workload adjustment
PCT/EP2011/051751 WO2011104108A1 (en) 2010-02-26 2011-02-07 Optimizing power consumption in a data center

Publications (2)

Publication Number Publication Date
DE112011100143T5 true DE112011100143T5 (de) 2012-10-04
DE112011100143B4 DE112011100143B4 (de) 2015-01-22

Family

ID=43875209

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112011100143.6T Active DE112011100143B4 (de) 2010-02-26 2011-02-07 Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum

Country Status (5)

Country Link
US (3) US8489745B2 (de)
JP (1) JP5756478B2 (de)
CN (1) CN102770847B (de)
DE (1) DE112011100143B4 (de)
WO (1) WO2011104108A1 (de)

Families Citing this family (84)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2147585B1 (de) 2007-05-15 2016-11-02 Schneider Electric IT Corporation System und verfahren zur auswertung des kühlverhaltens eines geräteracks
US8209056B2 (en) 2008-11-25 2012-06-26 American Power Conversion Corporation System and method for assessing and managing data center airflow and energy usage
US9904331B2 (en) * 2009-04-01 2018-02-27 Schneider Electric It Corporation Method for computing cooling redundancy at the rack level
US8219362B2 (en) 2009-05-08 2012-07-10 American Power Conversion Corporation System and method for arranging equipment in a data center
US10346775B1 (en) 2015-11-16 2019-07-09 Turbonomic, Inc. Systems, apparatus and methods for cost and performance-based movement of applications and workloads in a multiple-provider system
US11386371B2 (en) * 2009-06-26 2022-07-12 Turbonomic, Inc. Systems, apparatus and methods for cost and performance-based movement of applications and workloads in a multiple-provider system
US8397088B1 (en) 2009-07-21 2013-03-12 The Research Foundation Of State University Of New York Apparatus and method for efficient estimation of the energy dissipation of processor based systems
US8489745B2 (en) 2010-02-26 2013-07-16 International Business Machines Corporation Optimizing power consumption by dynamic workload adjustment
US20110265982A1 (en) * 2010-04-29 2011-11-03 International Business Machines Corporation Controlling coolant flow to multiple cooling units in a computer system
US8707300B2 (en) * 2010-07-26 2014-04-22 Microsoft Corporation Workload interference estimation and performance optimization
US8509959B2 (en) * 2010-08-12 2013-08-13 Schneider Electric It Corporation System and method for predicting transient cooling performance for a data center
US8306953B2 (en) * 2010-08-31 2012-11-06 International Business Machines Corporation Online management of historical data for efficient reporting and analytics
US9442771B2 (en) 2010-11-24 2016-09-13 Red Hat, Inc. Generating configurable subscription parameters
US9563479B2 (en) * 2010-11-30 2017-02-07 Red Hat, Inc. Brokering optimized resource supply costs in host cloud-based network using predictive workloads
US8825451B2 (en) 2010-12-16 2014-09-02 Schneider Electric It Corporation System and methods for rack cooling analysis
US8510170B2 (en) * 2010-12-22 2013-08-13 Toshiba Global Commerce Solutions Holdings Corporation Powering a point of sale printer and coupon printer from a shared power supply
KR101894282B1 (ko) * 2011-07-29 2018-09-03 삼성전자 주식회사 단말기 온도 제어 방법 및 이를 지원하는 단말기
US8751054B2 (en) * 2011-09-02 2014-06-10 Sharp Laboratories Of America, Inc. Energy prediction system
FR2982386B1 (fr) * 2011-11-08 2016-05-27 Bull Sas Procede, programme d'ordinateur et dispositif d'allocation de ressources informatiques d'un cluster pour l'execution d'un travail soumis audit cluster
CN102567076B (zh) * 2011-12-12 2014-12-17 华中科技大学 一种基于能耗的服务器整合方案选择方法
CN104137660B (zh) 2011-12-22 2017-11-24 施耐德电气It公司 用于在电子系统中预测温度值的系统和方法
AU2011384046A1 (en) 2011-12-22 2014-07-17 Schneider Electric It Corporation Analysis of effect of transient events on temperature in a data center
US20130204593A1 (en) * 2012-01-31 2013-08-08 Panduit Corp. Computational Fluid Dynamics Systems and Methods of Use Thereof
US8930736B2 (en) 2012-03-01 2015-01-06 Microsoft Corporation Inferred electrical power consumption of computing devices
US10013725B2 (en) * 2012-04-02 2018-07-03 Carrier Corporation Architecture for energy management of multi customer multi time zone distributed facilities
US10114982B2 (en) * 2012-05-18 2018-10-30 Tata Consultancy Services Limited Method and system for determining and implementing a viable containment design of a data center
US20150261898A1 (en) * 2012-07-23 2015-09-17 Arizona Board Of Regents, For And On Behalf Of, Arizona State University Systems, methods, and media for energy usage simulators
US9104498B2 (en) 2012-07-31 2015-08-11 Hewlett-Packard Development Company, L.P. Maximizing server utilization within a datacenter
US9748770B2 (en) * 2012-12-07 2017-08-29 Battelle Memorial Institute Using demand side resources to provide frequency regulation
CN103064741B (zh) * 2012-12-24 2015-08-05 浙江工业大学 一种基于能量模型的可分负荷调度方法
US9195285B2 (en) * 2012-12-27 2015-11-24 Intel Corporation Techniques for platform duty cycling
US10162687B2 (en) * 2012-12-28 2018-12-25 Intel Corporation Selective migration of workloads between heterogeneous compute elements based on evaluation of migration performance benefit and available energy and thermal budgets
US9021439B2 (en) * 2013-04-25 2015-04-28 Centurylink Intellectual Property Llc Green software applications
US20150032283A1 (en) * 2013-07-29 2015-01-29 International Business Machines Corporation Data center cooling
US9529641B2 (en) * 2013-08-26 2016-12-27 Cisco Technology, Inc. Data center thermal model
US10088891B2 (en) * 2013-09-23 2018-10-02 Cornell University Multi-core computer processor based on a dynamic core-level power management for enhanced overall power efficiency
CN104597937A (zh) * 2013-10-31 2015-05-06 富泰华工业(深圳)有限公司 具有智能调温功能的电子设备
US20150193246A1 (en) * 2014-01-06 2015-07-09 Siegfried Luft Apparatus and method for data center virtualization
US10102480B2 (en) 2014-06-30 2018-10-16 Amazon Technologies, Inc. Machine learning service
WO2016004075A1 (en) * 2014-06-30 2016-01-07 Amazon Technologies, Inc. Interactive interfaces for machine learning model evaluations
US10001761B2 (en) 2014-12-30 2018-06-19 Schneider Electric It Corporation Power consumption model for cooling equipment
US10635446B2 (en) * 2015-09-24 2020-04-28 Qualcomm Incorporated Reconfiguring execution pipelines of out-of-order (OOO) computer processors based on phase training and prediction
US9820409B1 (en) * 2015-09-28 2017-11-14 Amazon Technologies, Inc. Rack cooling system
US9959146B2 (en) * 2015-10-20 2018-05-01 Intel Corporation Computing resources workload scheduling
US10158694B1 (en) 2015-11-19 2018-12-18 Total Resource Management, Inc. Method and apparatus for modifying asset management software for a mobile device
US11803926B2 (en) 2015-12-10 2023-10-31 Kyndryl, Inc. Workload distribution optimizer
WO2017147131A1 (en) * 2016-02-22 2017-08-31 The Joan and Irwin Jacobs Technion-Cornell Institute Techniques for self-tuning of computing systems
US10955884B2 (en) * 2016-03-16 2021-03-23 Advanced Micro Devices, Inc. Method and apparatus for managing power in a thermal couple aware system
WO2017171973A1 (en) * 2016-04-01 2017-10-05 Intel Corporation Method and apparatus to optimize power settings for a workload
US20170286252A1 (en) * 2016-04-01 2017-10-05 Intel Corporation Workload Behavior Modeling and Prediction for Data Center Adaptation
US10034407B2 (en) * 2016-07-22 2018-07-24 Intel Corporation Storage sled for a data center
US11463526B2 (en) * 2016-08-25 2022-10-04 Intel Corporation Future proofing and prototyping an internet of things network
CN108390765B (zh) * 2017-02-03 2020-06-05 中国移动通信有限公司研究院 一种数据中心整机柜服务器的温度定位方法与装置
US10834182B2 (en) * 2017-03-29 2020-11-10 International Business Machines Corporation Managing idle and active servers in cloud data centers
US10887176B2 (en) * 2017-03-30 2021-01-05 Hewlett Packard Enterprise Development Lp Predicting resource demand in computing environments
US10620959B2 (en) 2017-12-01 2020-04-14 International Business Machines Corporation Optimized multi-processor instruction scheduler
US10817033B2 (en) 2017-12-14 2020-10-27 Schneider Electric It Corporation Method and system for predicting effect of a transient event on a data center
CN108304262A (zh) * 2018-01-18 2018-07-20 福州瑞芯微电子股份有限公司 动态调整数字信号处理器性能的方法、存储介质及计算机
US11347679B2 (en) 2018-02-08 2022-05-31 Alibaba Group Holding Limited Hybrid system-on-chip for power and performance prediction and control
US10579093B2 (en) 2018-03-01 2020-03-03 At&T Intellectual Property I, L.P. Workload prediction based CPU frequency scaling
WO2019173203A1 (en) * 2018-03-05 2019-09-12 Virtual Power Systems, Inc. Dynamic tiering of datacenter power for workloads
WO2019186243A1 (en) * 2018-03-29 2019-10-03 Telefonaktiebolaget Lm Ericsson (Publ) Global data center cost/performance validation based on machine intelligence
US11093266B2 (en) * 2018-10-15 2021-08-17 Microsoft Technology Licensing, Llc Using a generative model to facilitate simulation of potential policies for an infrastructure as a service system
CN109002947A (zh) * 2018-10-29 2018-12-14 哈尔滨工业大学 一种区域多能源系统热电负荷分配优化方法
CN113170592B (zh) * 2018-11-19 2023-11-10 阿里云计算有限公司 基于监测/控制机制的热控制优化
US11079820B2 (en) * 2019-01-15 2021-08-03 Microsoft Technology Licensing, Llc Method and apparatus for improving removable storage performance
EP3683677A1 (de) * 2019-01-15 2020-07-22 Siemens Aktiengesellschaft Verfahren und chip zur zuweisung von computerressourcen zwischen einer vielzahl von vorrichtungen in einem netzwerk
US11023287B2 (en) * 2019-03-27 2021-06-01 International Business Machines Corporation Cloud data center with reduced energy consumption
US11645533B2 (en) * 2019-04-09 2023-05-09 Nvidia Corp. IR drop prediction with maximum convolutional neural network
CN110111814B (zh) * 2019-05-20 2021-09-21 国家计算机网络与信息安全管理中心 网络类型识别方法及装置
US11520311B2 (en) 2019-07-25 2022-12-06 Microsoft Technology Licensing, Llc High performance removable storage devices
CN113748398B (zh) * 2019-09-06 2023-01-17 阿里云计算有限公司 数据处理与任务调度方法、设备、系统及存储介质
US11782755B2 (en) * 2019-12-02 2023-10-10 Intel Corporation Methods, systems, articles of manufacture, and apparatus to optimize thread scheduling
EP4139773A4 (de) * 2020-04-20 2024-05-01 Zuta-Core Ltd. System und verfahren zur serverleistungsverwaltung
US20210397476A1 (en) * 2020-06-18 2021-12-23 International Business Machines Corporation Power-performance based system management
US20220035659A1 (en) * 2020-07-29 2022-02-03 Mythics, Inc. Migration evaluation system and method
CN111967682B (zh) * 2020-08-24 2023-12-01 科华恒盛股份有限公司 设备上架方案寻优方法、装置及终端设备
WO2022133690A1 (en) * 2020-12-21 2022-06-30 Intel Corporation Efficient resource allocation for service level compliance
CN113157438A (zh) * 2021-03-10 2021-07-23 电子科技大学 一种高能效比多核微处理器的动态热管理方法
US20230046403A1 (en) * 2021-08-11 2023-02-16 International Business Machines Corporation Multi-device processing activity allocation
KR20230037757A (ko) 2021-09-09 2023-03-17 삼성전자주식회사 주파수 클램핑 및 아이들 인젝션을 이용한 동적 발열 제어를 위한 장치 및 방법
US11915061B2 (en) 2021-10-26 2024-02-27 Dell Products L.P. Datacenter efficiency management system for migrating workload across nodes based on workload performance efficiency ranking
US20240129380A1 (en) * 2022-09-30 2024-04-18 Nvidia Corporation Data center job scheduling using machine learning
CN118519784A (zh) * 2024-07-22 2024-08-20 超云数字技术集团有限公司 服务器功耗均衡处理方法、装置及电子设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4523124B2 (ja) 2000-07-14 2010-08-11 日立アプライアンス株式会社 エネルギサービス事業システム
US7171668B2 (en) 2001-12-17 2007-01-30 International Business Machines Corporation Automatic data interpretation and implementation using performance capacity management framework over many servers
US7127625B2 (en) 2003-09-04 2006-10-24 Hewlett-Packard Development Company, L.P. Application management based on power consumption
US7644148B2 (en) 2005-05-16 2010-01-05 Hewlett-Packard Development Company, L.P. Historical data based workload allocation
JP4895266B2 (ja) * 2005-12-28 2012-03-14 富士通株式会社 管理システム、管理プログラムおよび管理方法
US7549070B2 (en) 2006-06-30 2009-06-16 Sun Microsystems, Inc. Method and apparatus for generating a dynamic power-flux map for a set of computer systems
US7856549B2 (en) 2007-01-24 2010-12-21 Hewlett-Packard Development Company, L.P. Regulating power consumption
JP5151203B2 (ja) * 2007-03-26 2013-02-27 日本電気株式会社 ジョブスケジューリング装置及びジョブスケジューリング方法
JP2009100122A (ja) 2007-10-15 2009-05-07 Toshiba Corp 携帯電話機
JP4930909B2 (ja) * 2008-02-19 2012-05-16 日本電気株式会社 コンピュータ環境最適化システム、コンピュータ環境最適化方法、及びコンピュータ環境最適化プログラム
JP4724730B2 (ja) * 2008-04-09 2011-07-13 株式会社日立製作所 情報処理システムの運用管理方法、運用管理プログラム、および運用管理装置、ならびに情報処理システム
US8782234B2 (en) 2008-05-05 2014-07-15 Siemens Industry, Inc. Arrangement for managing data center operations to increase cooling efficiency
JP4922255B2 (ja) * 2008-06-30 2012-04-25 株式会社日立製作所 情報処理システムおよびそのシステムにおける省電力制御方法
US8489745B2 (en) 2010-02-26 2013-07-16 International Business Machines Corporation Optimizing power consumption by dynamic workload adjustment

Also Published As

Publication number Publication date
JP5756478B2 (ja) 2015-07-29
US9501115B2 (en) 2016-11-22
US8489745B2 (en) 2013-07-16
WO2011104108A1 (en) 2011-09-01
US20130261826A1 (en) 2013-10-03
JP2013520734A (ja) 2013-06-06
US20170031423A1 (en) 2017-02-02
DE112011100143B4 (de) 2015-01-22
US10175745B2 (en) 2019-01-08
US20110213508A1 (en) 2011-09-01
CN102770847A (zh) 2012-11-07
CN102770847B (zh) 2016-05-18

Similar Documents

Publication Publication Date Title
DE112011100143B4 (de) Optimieren der elektrischen Leistungsaufnahme in einem Rechenzentrum
Tuli et al. HUNTER: AI based holistic resource management for sustainable cloud computing
CN106020715B (zh) 存储池容量管理
Moreno et al. Improved energy-efficiency in cloud datacenters with interference-aware virtual machine placement
US8738333B1 (en) Capacity and load analysis in a datacenter
US10354201B1 (en) Scalable clustering for mixed machine learning data
US9274850B2 (en) Predictive and dynamic resource provisioning with tenancy matching of health metrics in cloud systems
DE112016004801T5 (de) Arbeitslastzuweisung für computerressourcen
US20200125973A1 (en) Data Centre Utilisation Forecasting System And Method
CN105786681B (zh) 数据中心的服务器性能评估及服务器更新方法
US20150271023A1 (en) Cloud estimator tool
Farias et al. Regression based performance modeling and provisioning for NoSQL cloud databases
DE112021003294T5 (de) Systemverwaltung auf grundlage von leistung und leistungsfähigkeit
Almeida et al. Energy monitoring as an essential building block towards sustainable ultrascale systems
CN112132384A (zh) 工作效率评估方法、装置、存储介质及计算机设备
Gupta et al. Long range dependence in cloud servers: a statistical analysis based on google workload trace
US20210263718A1 (en) Generating predictive metrics for virtualized deployments
Wang et al. An efficient energy-aware and service quality improvement strategy applied in cloud computing
Ismaeel et al. Real-time energy-conserving vm-provisioning framework for cloud-data centers
Zhou et al. Analysis of energy consumption model in cloud computing environments
Betke et al. Footprinting parallel I/O–machine learning to classify application’s I/O behavior
CN116126415A (zh) 一种基于场景的上云组件配置推荐方法及系统
Forshaw et al. Trace-driven simulation for energy consumption in high throughput computing systems
Ismaeel et al. A novel host readiness factor for energy-efficient VM consolidation in cloud data centers
CN113177060A (zh) 一种管理sql语句的方法、装置及设备

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R084 Declaration of willingness to licence
R020 Patent grant now final
R081 Change of applicant/patentee

Owner name: KYNDRYL, INC., NEW YORK, US

Free format text: FORMER OWNER: INTERNATIONAL BUSINESS MACHINES CORPORATION, ARMONK, N.Y., US