JP2013097713A - 消費電力推定装置、方法及びプログラム - Google Patents

Abstract

【課題】ネットワークに接続されている装置の個々の消費電力を特殊な機器を用いずに推定する。
【解決手段】測定対象機器における電力量及び入出力パケットを受け付けるデータ受信部３２と、データ受信部３２に受け付けられた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル演算部３４と、モデル演算部３４にて生成された学習モデルを保存するモデル保存部３５とを有し、モデル演算部３４は、データ受信部３２にて入出力パケットのみが受け付けられた場合に、モデル保存部３５に保存された学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する。
【選択図】図４

Description

本発明は、ネットワークに接続されている装置の個々の消費電力を特殊な機器を用いずに推定する技術に関する。

ネットワークに接続されている装置の消費電力を分電盤単位で測定することは容易である。ところが、個々の装置の消費電力を一覧するためには、個々の消費電力をそれぞれの電源ケーブル毎に、電流計測器もしくは電力計測器等といった消費電力を測定するための装置を設置して電力をセンシングし、センシングしたデータを例えば収集用の別のネットワーク等を敷設して、収集する必要がある。

従来技術として，データセンタの電力量を把握するため、データセンタ内の個々のサーバ等に電力計測器を接続し、電力計測器にて計測した電力計測値をネットワークを介して収集、蓄積し，可視化するシステム等が存在する（例えば、非特許文献１参照）。

電力可視化システム，産業技術総合研究所，マイコミジャーナル（２０１１年９月５日掲載）http://journal.mycom.co.jp/news/2011/09/05/083/index.html

しかしながら、データセンタ等のような、サーバ機が数千台、数万台ある環境で、個々の消費電力を測定するための機器を導入するには、膨大な設備が必要となる。

本発明は、上述したような従来の技術が有する問題点に鑑みてなされたものであって、ネットワークに接続されている装置の個々の消費電力を特殊な機器を用いずに推定することができる、消費電力推定装置、方法及びプログラムを提供することを目的とする。

上記目的を達成するために本発明は、
ネットワークに接続されている測定対象機器の消費電力を推定する消費電力推定装置であって、
測定対象機器における電力量及び入出力パケットを受け付けるデータ入力手段と、
前記データ入力手段に受け付けられた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル演算手段と、
前記モデル演算手段にて生成された学習モデルを保存するモデル保存手段とを有し、
前記モデル演算手段は、前記データ入力手段にて入出力パケットのみが受け付けられた場合に、前記モデル保存手段に保存された学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する。

また、ネットワークに接続されている測定対象機器の消費電力を推定する消費電力推定方法であって、
測定対象機器における電力量及び入出力パケットを受け付けるデータ入力処理と、
前記データ入力処理にて受け付けた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル生成処理と、
前記モデル生成処理にて生成した学習モデルを保存するモデル保存処理と、
前記データ入力処理にて入出力パケットのみを受け付けた場合に、前記モデル保存処理にて保存した学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する電力推定処理とを有する。

また、ネットワークに接続されている測定対象機器の消費電力を推定するためのコンピュータに実行させるためのプログラムであって、
測定対象機器における電力量及び入出力パケットを受け付けるデータ入力手順と、
前記データ入力手順にて受け付けた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル生成手順と、
前記モデル生成手順にて生成した学習モデルを保存するモデル保存手順と、
前記データ入力手順にて入出力パケットのみを受け付けた場合に、前記モデル保存手順にて保存した学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する電力推定手順とを実行させる。

本発明により、ネットワークに接続されている装置の個々の消費電力を特殊な機器を用いずに推定することができる。

本発明の消費電力推定装置が適用されるシステムの一例を示す図である。 図１に示した学習用モデル設備の構成例を示す図である。 図１に示した一般設備の構成例を示す図である。 図２及び図３に示した学習・分類器の構成例を示す図である。 図１〜図４に示したシステムにおける学習フェーズの処理を説明するためのフローチャートである。 図１〜図４に示したシステムにおける推定フェーズの処理を説明するためのフローチャートである。 図１〜図４に示したシステムにて推定された電流量と電流量の測定値との誤差を示す図である。 図１〜図４に示したシステムにおけるサービスの一例を示す図である。

以下に、本発明の実施の形態について図面を参照して説明する。

図１は、本発明の消費電力推定装置が適用されるシステムの一例を示す図である。

本例は図１に示すように、学習用モデル設備１０ａ，１０ｂと、一般設備２０ａ，２０ｂとのそれぞれ１つ以上の二種類のエンティティが、データ交換機能を用いて通信する。

一般に、サーバ機器、特にクラウド環境において、ネットワークトラフィックのパターンと中のマシンの消費電力には強い相関性がある。この相関性を用いて、学習用モデル設備１０ａ，１０ｂで計測したマシンの消費電力と、ネットワークトラフィックパターンとから学習パターンを生成し、別の一般設備２０ａ，２０ｂのネットワークトラフィックパターンが、学習用モデル設備１０ａ，１０ｂのどの学習パターンに最も近いかをアルゴリズム的に判別することで、個々のマシンの消費電力を推定する。これにより、それぞれのマシンの消費電力を実際に計測することなく、ネットワークトラフィックを監視することだけで消費電力を推定できるため、ワットチェッカー等のマシンをそれぞれ接続する必要なく消費電力を推定できる。

図２は、図１に示した学習用モデル設備１０ａ，１０ｂの構成例を示す図である。

図１に示した学習用モデル設備１０ａ，１０ｂのそれぞれは、例えば図２に示すように、測定対象機器１１−１〜１１−３と、測定対象機器１１−１〜１１−３毎に接続された電流計測器１４−１〜１４−３と、測定対象機器１１−１〜１１−３が繋がっているネットワークルーター１３と、電流計測器１４−１〜１４−３にて計測された測定対象機器１１−１〜１１−３における電流量とネットワークルーター１３を流れている測定対象機器１１−１〜１１−３への入出力パケットとを受け付け、これらに基づいて学習モデルを生成する消費電力推定装置となる学習・分類器１２と、学習モデルを他の学習モデルと交換するデータ交換部１５と、分電盤１６とを備えている。

図３は、図１に示した一般設備２０ａ，２０ｂの構成例を示す図である。

図１に示した一般設備２０ａ，２０ｂのそれぞれは、例えば図３に示すように、測定対象機器２１−１〜２１−３と、測定対象機器２１−１〜２１−３が繋がっているネットワークルーター２３と、ネットワークルーター２３を流れている測定対象機器２１−１〜２１−３への入出力パケットとを受け付け、学習モデルに基づいて、受け付けた入出力パケットを入出力した測定対象機器２１−１〜２１−３の電流量を推定する消費電力推定装置となる学習・分類器２２と、学習モデルを他の学習モデルと交換するデータ交換部２５と、学習・分類器２２にて推定した電流量を出力する電流観測装置２４とを備えている。

図４は、図２及び図３に示した学習・分類器１２，２２の構成例を示す図である。

図２及び図３に示した学習・分類器１２，２２は、互いに同一の構成を有しており、例えば図４に示すように、データ入力手段となるデータ受信部３２及びデータ変換部３３と、モデル演算部３４と、モデル共有部３６と、モデル保存部３５と、モデルデータ設定部３１とを備えている。

データ受信部３２は、電流計測器１４−１〜１４−３にて計測された測定対象機器１１−１〜１１−３における電流量と、測定対象機器１１−１〜１１−３から出された、もしくは対応するサーバに向かって投げられ、ネットワークルーター１３を介したパケットとの組が入力される。具体的には、電力量，[keyとネットワークパケットの組]のセット（学習用データ）もしくは、[keyとネットワークパケットの組]のセットを受信し、データ変換部３３に渡すサーバ機能を有する。例えば、00:12:34:56:78:9A:BC, 192.168.0.1のマシンの電流測定器で出てきた値が２５Ｗだとすると、
25, ["network", ["macaddr" : "00:12:34:56:78:9A:BC", "source ip" : 192.168.0.1, "dest ip" : 192.168.0.2, "protocol" : TCP, "packet" : "HTTP1.0..."],"network", ["macaddr" : "00:12:34:56:78:9A:BC", "source ip" : 192.168.0.1, "dest ip" : 192.168.0.0/24, "protocol" : UDP, "packet" : "DHCP..."], ... ] ...となる。また、一般設備２０ａ，２０ｂにおける学習分類器２２においては、測定対象機器２１−１〜２１−３から出された、もしくは対応するサーバに向かって投げられ、ネットワークルーター２３を介したパケットが入力される。なお、入力されるパケットとは、パケットの大きさや数等の消費電力に対して強い相関性を有する条件を意味する。

データ変換部３３は、データ受信部３２にて受信されたデータをモデルデータ設定部３１に設定されたアルゴリズムに則って、[key,value]の組に変換する。

例えば、
"network/macaddr" : "00:12:34:56:78:9A:BC","network/source ip" : 192.168.0.1,
"network/dest ip" : 192.168.0.2,
"network/protocol" : TCP,
"network/packet" : "HTTP1.0...",
といった形態に変換する。この変換されたデータを、データの組と呼ぶ。

モデル演算部３４は、データ変換部３３から出力されたデータの組が入力され、測定対象機器における電流量と入出力パケットとを測定対象機器毎に対応づけた学習モデルを生成し、また、データ変換部３３から出力されたパケットが入力され、生成された学習モデルについて、どのデータの組が最もらしいかを推定し、測定対象機器の電流量を推定する。これは、例えば、オンライン機械学習アルゴリズムであるPerceptron,PA等を利用したものを想定する。

モデル保存部３５は、モデル演算部３４にて生成された学習モデル、すなわち、電流量に対してどのデータの組が最もらしいかを表現するモデルを保存する。

モデル共有部３６は、モデル保存部３５に保存された学習モデル、すなわち、電流量に対してどのデータの組が最もらしいかを表現するモデルを他の学習・分類器と共有する。

モデルデータ設定部３１は、データ変換部３３で利用する変換ルールを規定し、また、モデル演算部３４における学習モデルの生成及び電流量の推定に用いるアルゴリズムを設定するためのものである。

上記のように構成されたシステムの例としては、測定対象機器１１−１〜１１−３，２１−１〜２１−３として、ＰＣやサーバ、ＮＷ対応テレビ、ＮＷ対応エアコン、ＮＷ対応カメラ等、ネットワークに接続可能なインターフェースを持っている機器が挙げられる。また、電流計測器１４−１〜１４−３にて計測されたデータを学習・分類器１２に入力する機能として、各種有線や無線等のネットワークでの転送が挙げられる。また、ネットワークルーター１３，２３を流れているパケットを学習・分類器１２，２２に入力する機能としては、ＤＰＩ装置等が挙げられる。

以下に、上記のように構成されたシステムにおける消費電力推定方法について説明する。

まず、学習フェーズについて説明する。学習フェーズは、学習用モデル設備１０ａ，１０ｂを用いて行われる。

図５は、図１〜図４に示したシステムにおける学習フェーズの処理を説明するためのフローチャートである。

まず、学習用モデル設備１０ａ，１０ｂの学習・分類器１２を起動し、モデルデータ設定部３１を利用して、データ変換部３３における変換ルール、モデル演算部３４での学習モデルの生成に利用するアルゴリズムを設定する（ステップ１）。

次に、測定対象機器１１−１〜１１−３で電源を入れ、実際の利用を行う。

そして、一定の時間（例えば１秒）毎に、測定対象機器１１−１〜１１−３における電流量を電流計測器１４−１〜１４−３で計測し、その電流量を学習・分類器１２に入力する（ステップ２）。

同時に、その一定時間内に流れた、当該測定対象機器宛、もしくは当該測定対象機器から流れたネットワークパケットからなるデータ群をネットワークルーター１３から学習・分類器１２に入力する（ステップ３）。

学習・分類器１２は、データ受信部３２において、上述した電流量とネットワークパケットからなるデータ群を時間的に同期して受け付ける。

学習・分類器１２は、データ変換部３３において、モデルデータ設定部３１にて指定されたルールに則りデータ群を[key,value]の組に変換し、モデル演算部３４において、モデルデータ設定部３１に設定されたアルゴリズムに従って機械学習し、測定対象機器における電流量と入出力パケットとを測定対象機器毎に対応づけた学習モデルを生成する（ステップ４）。

その後、生成した学習モデルをモデル保存部３５に保存する。

次に、推定フェーズについて説明する。推定フェーズは、一般設備２０ａ，２０ｂを用いて行われる。

図６は、図１〜図４に示したシステムにおける推定フェーズの処理を説明するためのフローチャートである。

まず、一般設備２０ａ，２０ｂの学習・分類器２２を起動し、モデルデータ設定部３１を利用して、データ変換部３３における変換ルール、モデル演算部３４での学習モデルの生成に利用するアルゴリズムを設定する（ステップ１１）。なお、ここで設定されるルール及びアルゴリズムは、ステップ１と同様のものを設定する必要がある。

次に、測定対象機器２１−１〜２１−３で電源を入れ、実際の利用を行う。

そして、一定時間（例えば１秒）毎にその一定時間内に流れた、当該測定対象機器宛、もしくは当該測定対象機器から流れたネットワークパケットからなるデータ群をネットワークルーター２３から学習・分類器２２に入力する（ステップ１２）。

学習・分類器２２は、データ変換部３３において、データ受信部３２にて受信されたデータ群を、モデルデータ設定部３１にて指定されたルールに則りパラメータ化し、モデル演算部３４において、モデル保存部３５に保存されている学習モデルに基づいて、当該測定対象機器における電流量を推定する（ステップ１３）。

その後、推定した電流量を電流観測装置２４を介して出力する。

図７は、図１〜図４に示したシステムにて推定された電流量と電流量の測定値との誤差を示す図である。

図７に示すように、図１〜図４に示したシステムにおいては、推定された電流量と電流量の測定値とが全く同じ値が１２００件程度であり、１Ｗの誤差が４００件程度となった。

次に、データ交換フェーズについて説明する。データ交換フェーズは、１つ以上の学習用モデル設備及び一般設備を用いて行う。

まず、複数の学習用モデル設備１０ａ，１０ｂのデータ交換部１５が連携して、モデル保存部３５に保存されているパラメータの平均を取る。

次に、学習用モデル設備１０ａ，１０ｂのデータ交換部１５から、一般設備２０ａ，２０ｂ内のデータ交換部２５に対してモデル保存部３５に保存されているパラメータを送信する。

上述した３つのフェーズを周期的かつ非同期的に実行することにより、学習モデルの追随性が向上し、推定された電流量と電流量の測定値との誤差が小さくなる。

図８は、図１〜図４に示したシステムにおけるサービスの一例を示す図である。

図８に示すように、図１〜図４に示したシステムによって、世界中のどこかで学習用モデル設備を運用し、モデル保存部に保存されているパラメータを、一般設備に配信するサービスを提供することができる。

なお、上述した実施の形態においては、測定対象機器の電流量を推定するものを例に挙げて説明したが、本発明は、測定対象機器の電流量に関わらず、消費電力量を推定するものである。

また、本発明においては、学習・分類器１２，２２内の処理は上述の専用のハードウェアにより実現されるもの以外に、その機能を実現するためのプログラムを学習・分類器１２，２２にて読取可能な記録媒体に記録し、この記録媒体に記録されたプログラムを学習・分類器１２，２２に読み込ませ、実行するものであっても良い。学習・分類器１２，２２にて読取可能な記録媒体とは、ＩＣカードやメモリカード、あるいは、フロッピーディスク（登録商標）、光磁気ディスク、ＤＶＤ、ＣＤ等の移設可能な記録媒体の他、学習・分類器１２，２２に内蔵されたＨＤＤ等を指す。この記録媒体に記録されたプログラムは、例えば、制御ブロックにて読み込まれ、制御ブロックの制御によって、上述したものと同様の処理が行われる。

１０ａ，１０ｂ 学習用モデル設備
１１−１〜１１−３，２１−１〜２１−３ 測定対象機器
１２，２２ 学習・分類器
１３，２３ ネットワークルーター
１４−１〜１４−３ 電流計測器
１５，２５ データ交換部
２０ａ，２０ｂ 一般設備
２４ 電流観測装置
３１ モデルデータ設定部
３２ データ受信部
３３ データ変換部
３４ モデル演算部
３５ モデル保存部
３６ モデル共有部

Claims (5)

1. ネットワークに接続されている測定対象機器の消費電力を推定する消費電力推定装置であって、
   測定対象機器における電力量及び入出力パケットを受け付けるデータ入力手段と、
   前記データ入力手段に受け付けられた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル演算手段と、
   前記モデル演算手段にて生成された学習モデルを保存するモデル保存手段とを有し、
   前記モデル演算手段は、前記データ入力手段にて入出力パケットのみが受け付けられた場合に、前記モデル保存手段に保存された学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する消費電力推定装置。
2. 請求項１に記載の消費電力推定装置において、
   前記モデル保存手段に保存された学習モデルを他の消費電力推定装置と共有するモデル共有手段を有する消費電力推定装置。
3. 請求項１または請求項２に記載の消費電力推定装置において、
   前記モデル演算手段における学習モデルの生成及び電力量の推定に用いるアルゴリズムを設定するためのモデルデータ設定手段を有する消費電力推定装置。
4. ネットワークに接続されている測定対象機器の消費電力を推定する消費電力推定方法であって、
   測定対象機器における電力量及び入出力パケットを受け付けるデータ入力処理と、
   前記データ入力処理にて受け付けた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル生成処理と、
   前記モデル生成処理にて生成した学習モデルを保存するモデル保存処理と、
   前記データ入力処理にて入出力パケットのみを受け付けた場合に、前記モデル保存処理にて保存した学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する電力推定処理とを有する消費電力推定方法。
5. ネットワークに接続されている測定対象機器の消費電力を推定するためのコンピュータに、
   測定対象機器における電力量及び入出力パケットを受け付けるデータ入力手順と、
   前記データ入力手順にて受け付けた電力量と入出力パケットとを対応づけた学習モデルを生成するモデル生成手順と、
   前記モデル生成手順にて生成した学習モデルを保存するモデル保存手順と、
   前記データ入力手順にて入出力パケットのみを受け付けた場合に、前記モデル保存手順にて保存した学習モデルに基づいて、当該パケットを入出力した測定対象機器の電力量を推定する電力推定手順とを実行させるためのプログラム。