專利名稱：確定優(yōu)化實體利用率和資源功耗的狀態(tài)分配的制作方法
確定優(yōu)化實體利用率和資源功耗的狀態(tài)分配相關公開的交叉引用本申請與待定日提交的美國專利申請S/N.待定(律師案號No. 200802683-1)共享一些主題，其公開內容通過引用整體結合于此。背景功率是企業(yè)服務器和數(shù)據(jù)中心的設計和操作中的關鍵問題，并且預期因對服務器和數(shù)據(jù)中心不斷增加的需求而有繼續(xù)增加的重要性。冷卻設備(例如，風扇和計算機室空調)所消耗的功率也已變成企業(yè)服務器和數(shù)據(jù)中心的設計和操作中的重要組成部分。作為示例，已知大數(shù)據(jù)中心(例如，30，000平方英尺、額定功率10MW)中的冷卻設備僅每年的電力成本即達數(shù)百萬美金。功耗水平增加的相同趨勢還正在變得越來越適用于更小的規(guī)模，例如，集群層級、 或甚至單個服務器層級。更具體地，隨著計算基礎設施越來越密集和處理器越來越強大，已知服務器風扇消耗功率的量也越來越大。例如，已發(fā)現(xiàn)通過風扇和特定的刀片服務器的峰值用電高達2000W，其包括約23%的刀片式服務器的典型系統(tǒng)功率。附圖簡述從以下參考附圖的描述中，本發(fā)明的特征對本領域技術人員將變得顯而易見，在附圖中圖IA示出根據(jù)本發(fā)明一實施例的用于確定多個實體的狀態(tài)分配的系統(tǒng)的簡化框圖，該系統(tǒng)實質性地優(yōu)化了這些實體和被配置成將資源可變地提供給實體的多個資源致動器的總功耗；圖IB示出根據(jù)本發(fā)明一實施例的圖IA中所示系統(tǒng)的更詳細的示意性框圖；圖2示出根據(jù)本發(fā)明一實施例的確定多個實體的狀態(tài)分配的方法的流程圖，該系統(tǒng)實質性地優(yōu)化了多個實體和多個資源致動器的總功耗；圖3A和;3B共同示出根據(jù)本發(fā)明一實施例的采用搜索工具來解決約束優(yōu)化問題并由此標識多個實體的總功耗的狀態(tài)工作負荷的方法的流程圖，該方法導致實質性優(yōu)化；以及圖4示出根據(jù)本發(fā)明一實施例的配置成實現(xiàn)或執(zhí)行圖IA和IB所示的優(yōu)化器的計算裝置的框圖。詳細描述為了簡化和說明的目的，通過主要參考其示例性實施例來描述本發(fā)明。在以下描述中，闡述了許多具體細節(jié)以提供對本發(fā)明的透徹理解。然而，將對本領域技術人員顯而易見的是，可實踐本發(fā)明而不限于這些具體細節(jié)。在其他情況下，眾所周知的方法和結構并未進行詳細描述以免不必要地混淆本發(fā)明。本文中公開了一種用于確定多個實體的狀態(tài)分配的系統(tǒng)和方法，該系統(tǒng)和方法實質性地優(yōu)化多個實體和被配置成將資源可變地提供給實體的多個資源致動器的總功耗。狀態(tài)分配可包括例如工作負荷分配、開/關(οη/ο )設置、休眠/喚醒模式等。另外，如本文中以下更詳細地討論的，通過使用諸如模擬退火、爬坡等搜索工具來確定候選狀態(tài)分配，從而確定對約束優(yōu)化問題的目標函數(shù)的解決方案。此外，至少一個實體功率模型和至少一個資源功率模型用于確定候選狀態(tài)分配對目標函數(shù)的影響。基于關于實體和資源致動器的實時信息，根據(jù)候選狀態(tài)分配確定導致優(yōu)化的總功耗(實體功率和資源功率兩者)的實體的功耗設置。在實體能夠執(zhí)行分配給實體的工作負荷，而基本上未違反任何性能或環(huán)境條件約束，同時滿足預定功耗閾值或者同時針對至少一組候選狀態(tài)分配最小化總功耗時，總功耗被認為是經(jīng)優(yōu)化的。通過實現(xiàn)本文中公開的系統(tǒng)和方法，可優(yōu)化實體在執(zhí)行工作負荷時和資源致動器在將諸如冷卻資源之類的資源提供給實體時所消耗的功率量以滿足預定功耗閾值或最小總功耗水平。該優(yōu)化的總功耗轉換成節(jié)約操作成本和在特定實例中C02排放兩者。另外， 因為通過基于物理學的基于模型的方法來作出工作負荷分配的確定，所以模型可與系統(tǒng)一起發(fā)展，由此導致穩(wěn)健的控制系統(tǒng)。首先參考

圖1A，示出根據(jù)一個示例的用于確定多個實體的狀態(tài)分配的系統(tǒng)100的簡化示意圖，該系統(tǒng)實質性地優(yōu)化實體和被配置成將資源可變地提供給實體的多個資源致動器的總功耗。應當理解，系統(tǒng)100(如圖IA和IB所示)可包括附加元件并且可去除和/ 或修改此處描述的一些元件，而不脫離系統(tǒng)100(如圖IA和IB所示)的范圍。如圖所示，系統(tǒng)100包括優(yōu)化器102，優(yōu)化器102可包括軟件、固件、和/或硬件并且被配置成確定多個實體160a-160n(圖1B)的狀態(tài)分配，該系統(tǒng)實質性地優(yōu)化實體 160a-160n和多個資源120a-120n(圖1B)的總功耗。狀態(tài)分配可包括例如工作負荷分配、 開/關設置、休眠/喚醒模式等。資源致動器120a-120n被配置成影響一個或多個實體 160a-160n處的一個或多個條件。由此，資源致動器120a-120n可被認為將諸如冷卻或其他環(huán)境條件資源之類的共享資源提供給實體160a-160n，實體160a-160n可包括諸如電子芯片、服務器、電源、網(wǎng)聯(lián)設備、存儲設備等任何發(fā)熱設備。雖然資源致動器120a-120n和實體160a-160n可包括任何數(shù)量的不同的元件組合，但是提供以下示例以給予對資源致動器120a-120n和實體160a-160n之間的潛在關系的更清楚理解。作為第一特定示例，資源致動器120a-120n包括風扇并且實體160a-160n 包括服務器，其中風扇和服務器被放置在一個外殼中。作為另一個特定示例，資源致動器 120a-120n包括空調單元并且實體160a-160n包括容納在機架中的服務器，其中空調單元和服務器被容納在諸如數(shù)據(jù)中心之類的室內。作為又一個特定示例，資源致動器120a-120n 包括放置在流體噴射設備的噴嘴中的發(fā)射致動器并且實體之一 160a包括具有多個核的電子芯片。作為再一個特定示例，資源致動器120a-120n包括泵并且實體160a-160n包括空調單元，其中沿著被配置成將冷卻流體提供給空調單元的各個管道來放置泵。根據(jù)一個示例，當實體160a-160n和資源致動器120a-120n能夠被操作以執(zhí)行工作負荷需求而基本上未違反任何性能或環(huán)境條件約束、同時滿足預定功耗閾值，或者同時針對至少一組候選工作負荷分配最小化總功耗時，實體160a-160n和資源致動器 120a-120n的總功耗被認為是實質性地優(yōu)化的。在特定實例中，可放棄一個或多個性能或環(huán)境條件約束。由此，例如，優(yōu)化器102被配置成確定實體160a-160n的狀態(tài)分配，該優(yōu)化器導致實體160a-160n在滿足工作負荷需求時所消耗的功率和資源致動器120a-120n在滿足實體160a-160n的環(huán)境條件需求時所消耗的功率被最小化或滿足預定功耗閾值。如圖IA所示，優(yōu)化器102被描繪為從各個輸入源130接收數(shù)據(jù)，本文中以下參考圖IB更詳細地描述輸入源130。數(shù)據(jù)包括資源致動器120a-120n的功率電平132、資源致動器120a-120n的設置134、工作負荷需求136、實體160a-160n的利用率水平138、實體 160a-160n的功率電平140、實體160a-160n的環(huán)境條件142。優(yōu)化器102 —般被配置成確定實體160a-160n之間的狀態(tài)分配，該優(yōu)化器導致基于從輸入源130接收的數(shù)據(jù)而優(yōu)化的
總功耗。現(xiàn)在轉向圖1B，示出根據(jù)一個示例的圖IA所示的系統(tǒng)100的更詳細示意框圖。如此處所示，優(yōu)化器102包括實體功率模型模塊104、資源功率模型模塊106、條件模型模塊 108、優(yōu)化模塊110、輸入模塊112和輸出模塊114。模塊104-114被設計成使用從輸入源 130獲得的數(shù)據(jù)來執(zhí)行優(yōu)化器102中的各個功能，如下所述。優(yōu)化器102還被描繪為可任選地包括資源控制器180和組控制器182。在優(yōu)化器102包括軟件的實例中，優(yōu)化器102可被存儲在計算機可讀存儲介質上并且由計算設備處理器(未示出)執(zhí)行或實現(xiàn)。在這些實例中，模塊104-114可包括被配置成執(zhí)行下文描述的功能的軟件模塊或者其他程序或算法。在優(yōu)化器102包括固件和/或硬件的實例中，優(yōu)化器102可包括被配置成執(zhí)行下文描述的功能的電路或其他裝置。在這些實例中，模塊104-114可包括被配置成執(zhí)行這些功能的軟件模塊和硬件模塊中的一個或多個。除了優(yōu)化器102、資源致動器120a-120n和實體160a-160n以外，系統(tǒng)100被描繪為包括多個傳感器150a-150n。“η”表示每個先前討論的附圖標記中的大于或等于1的整數(shù)值，并且由此指示系統(tǒng)100可包括一個或多個資源致動器120a-120n、一個或多個傳感器 140a-140n、以及一個或多個實體150a_150b。資源致動器120a-120n中的每一個一般可被定義為任何合理適當?shù)脑O備，該設備能夠改變對實體160a-160n中一個或多個實體的諸如冷卻流體、空氣、水等共享資源的供應。另外，資源致動器120a-120n中的每一個可具有多個設置(例如，除了“開”和“關”以外的設置)，以由此改變共享資源向多個層級的供應。此外，資源致動器120a-120n可包括同類的或非同類設備。作為非同類設備的一個示例，例如，資源致動器之一 120a可被配置成改變氣流的供應，而資源致動器中的另一個120b可被配置成改變提供給實體160a-160n 中的一個或多個的液體冷卻劑的供應。同樣，實體160a-160n中的每一個可被定義為被配置成執(zhí)行工作負荷(諸如， 運行應用程序、執(zhí)行網(wǎng)絡切換功能、執(zhí)行數(shù)據(jù)存儲操作、執(zhí)行冷卻功能(空調單元)等) 的任何設備，該設備被放置成受資源致動器120a-120n中的一個或多個改變資源的供應的影響。另外，傳感器150a-150n被配置成感測實體160a-160n周圍或其中的一個或多個條件，諸如，溫度、流體流量、流體流速、壓力、濕度、熱阻等。傳感器150a-150n可具有與實體160a-160n —對一的相關性，或者可存在比實體160a-160n更多或更少的傳感器 150a-150n。根據(jù)一個示例，傳感器150a_150n中的每一個可與實體160a_160n中的一個或多個相關聯(lián)，并且可由此被配置成檢測提供給各自相關聯(lián)的實體160a-160n的資源的一個或多個條件。由此，例如，第一傳感器150a被配置成檢測提供給第一實體160a的資源的條件， 第二傳感器150b被配置成檢測提供給第二實體160b的資源的條件等。根據(jù)一個示例，第一傳感器150a可被放置在第一實體160a的流體入口，第二傳感器150b可被放置在第二實體160b的流體入口等。在另一個示例中，第一傳感器150a可被放置在第一實體160a內，第二傳感器150b可被放置在第二實體160b內等。在第二示例中，傳感器150a-150n可被放置在相應的實體160a-160n內以例如檢測包含在相應的實體160a-160n中的CPU的溫度。如圖IB進一步所示，實體160a-160n通過各條電源線172從電源170接收功率。雖然未示出，優(yōu)化器102、資源致動器120a-120n和傳感器150a-150n還可從可與電源170相同或不同的電源接收功率。在任何方面，可通過任何適當?shù)囊阎绞絹砀檶嶓w160a-160n 從電源170獲取的功率的量。例如，實體160a-160n中的每一個可配備有被配置成測量實體160a-160n中的每一個消耗的功率量的功率計。作為另一個示例，功率計可沿著電源線 172被放置在實體160a-160n外部以測量提供給實體160a-160n的功率。作為又一個示例， 例如，可基于實體160a-160n正在操作的層級來計算實體160a-160n所消耗的功率量。作為實體160a-160n包括服務器的特定示例，處理器的操作層級可被用于計算服務器的功耗水平。輸入模塊112被配置成從輸入源130接收輸入，在一個示例中，輸入源130包括資源致動器120a-120n、傳感器150a-150n和實體160a-160n。更具體地，輸入模塊112被配置成經(jīng)由致動器輸入線122接收資源致動器120a-120n的設置134、經(jīng)由傳感器輸入線 152接收傳感器150a-150n所感測的條件142、以及經(jīng)由實體輸入線162接收實體利用率 138和功率電平148。輸入模塊112還可被配置成經(jīng)由致動器輸入線122接收資源致動器 120a-120n的功耗水平。另外，優(yōu)化器102被配置成通過輸入模塊112或通過另一個輸入裝置來接收要放置或目前正置于實體160a-160n上的工作負荷的工作負荷需求136的信息。
在其他示例中，輸入模塊112被配置成從被配置成跟蹤資源致動器120a-120n和/ 或實體160a-160n的一個或多個操作條件的設備接收輸入。這些設備可包括例如放置在資源致動器120a-120n內部或外部的設備，這些設備被配置成跟蹤資源致動器120a-120n的設置。作為示例，這些設備可包括檢測諸如天窗、泵組件、風扇組件等各個組件的位置的編碼器，這些編碼器被配置成通過資源致動器120a-120n來改變流體的流動。作為另一個示例，這些設備可包括被放置成檢測通過資源致動器120a-120n所提供的流體流的特性(諸如，速度、壓力、流量速率等)的傳感器，這些傳感器可用于確定資源致動器120a-120n的設置。這些設備還可包括例如放置在實體160a-160n內部或外部的諸如功率計之類的設備，這些設備被配置成測量實體160a-160n的功耗水平。優(yōu)化器102可將通過輸入模塊112所接收的數(shù)據(jù)存儲在數(shù)據(jù)存儲器116中，優(yōu)化器102可在執(zhí)行以下所討論的各個功能時訪問數(shù)據(jù)存儲器116。數(shù)據(jù)存儲器116可包括易失性和/或非易失性存儲器，諸如DRAM、EEPROM、MRAM、閃存等。另外地或替換地，數(shù)據(jù)存儲器 116可包括被配置成從可移動介質讀出并寫入其中的設備，諸如，軟盤、⑶-R0M、DVD-R0M、或者其他光學或磁性介質。實體功率模型模塊104被配置成開發(fā)至少一個實體功率模型，其中該至少一個實體功率模型表征實體160a-160n的利用率水平和功耗水平之間的關系。在實體160a-160n 包括同類實體的實例中，實體功率模型模塊104可開發(fā)單個實體功率模型。在實體 160a-160n包括非同類實體的實例中，實體功率模型模塊104可為每種類型的實體開發(fā)單獨的實體功率模型。在任何方面，實體功率模型模塊104被配置成通過使用任何合理適當?shù)臉藴誓Ｐ蜆嬙旒夹g(諸如，基于物理學的模型、基于實驗數(shù)據(jù)的經(jīng)驗模型、機器學習模型等)，例如通過使用經(jīng)由輸入模塊112所接收的數(shù)據(jù)，來開發(fā)實體功率模型。作為實體160a-160n包括刀片服務器的特定示例，實體功率模型模塊104可開發(fā)實體功率模型，為等式(1)-Pbj = Sb * Utilj + pBjdie °等式(1) 一般涉及基于第j個刀片的利用率(Utilj)和刀片的空閑功率(PB, idle) 的第j個刀片(B)的功耗(P)，它是刀片(B)在空閑狀態(tài)的功耗?？赏ㄟ^在空閑和活動兩個狀態(tài)收集關于實體160a-160n的利用率水平和實體160a-160n的功耗水平的實驗數(shù)據(jù)以及通過使函數(shù)&擬合數(shù)據(jù)來確定系數(shù)&。更具體地，實體功率模型模塊104可通過在不同加載條件下測量實體160a-160n的功耗水平并且使函數(shù)&擬合那些數(shù)據(jù)來為它們開發(fā)功率模型。根據(jù)一個基于實驗數(shù)據(jù)的結果，發(fā)現(xiàn)功耗(P)為實體160a-160n的處理器或CPU的利用率的線性函數(shù)并且&為由數(shù)據(jù)標繪形成的直線的斜率。應當注意，當實體160a-160n包括諸如網(wǎng)絡交換機、存儲陣列等其他類型的實體時，實體功率模型模塊104可開發(fā)一個或多個不同的實體功率模型。由此，例如，等式(1) 中的函數(shù)&可能取決于為其開發(fā)實體功率模型的具體類型的實體而改變。資源功率模型模塊106被配置成開發(fā)至少一個功率模型，該功率模型使資源致動器120a-120n的設置與資源致動器120a-120n的功耗水平相關。在資源致動器120a-120n 包括同類資源致動器的實例中，資源功率模型模塊106可開發(fā)單個資源功率模型。在資源致動器120a-120n包括非同類資源致動器的實例中，資源功率模型模塊106可為每種類型的資源致動器開發(fā)單獨的資源功率模型。在任何方面，資源功率模型模塊104被配置成通過使用任何合理適當?shù)臉藴誓Ｐ蜆嬙旒夹g(諸如，基于物理學的模型、基于實驗數(shù)據(jù)的經(jīng)驗模型、機器學習模型等)來開發(fā)資源功率模型。根據(jù)一個特定示例，資源模型模塊106被配置成通過應用資源致動器120a-120n 所消耗的功率和其設置之間的適當代數(shù)形式的關系來開發(fā)資源功率模型。適當形式的一個示例為等式⑵Pi= (Ai)。在等式O)中，Pi為第i個資源致動器120a-120n所消耗的功率，Ai為第i個資源致動器120a-120n的設置，以及&為Pi與Ai的代數(shù)函數(shù)關系。另外，多個資源致動器 120a-120n的總功耗(P)被定義為資源致動器120a-120n的總功耗水平之和，或者等式(3):Ρ=ΣΡ 。根據(jù)一個示例，資源致動器120a-120n的設置被表達為矢量。另外，可通過收集與資源致動器120a-120n的設置和它們的功耗水平有關的實驗數(shù)據(jù)以及通過使函數(shù)&擬合實驗數(shù)據(jù)來確定函數(shù)fi。應當注意，等式O)中的函數(shù)&可能取決于為其開發(fā)資源功率模型的資源致動器的具體類型而改變。條件模型模塊108被配置成開發(fā)條件模型，該條件模型使多個資源致動器 120a-120n的設置與至少一個實體160a-160n的位置處的環(huán)境條件和至少一個實體 160a-160n的功耗水平相關。在實體160a_160n包括同類實體并且資源致動器120a_120n 包括同類資源致動器的實例中，條件模型模塊108可開發(fā)單個條件功率模型。在實體 160a-160n包括非同類實體和/或資源致動器120a-120n包括非同類資源致動器的實例中，條件模型模塊108可為每種類型的實體和/或資源致動器開發(fā)單獨的條件模型。在任何方面，條件模型模塊108被配置成通過使用任何合理適當?shù)臉藴誓Ｐ蜆嬙旒夹g(諸如，基于物理學的模型、基于實驗數(shù)據(jù)的經(jīng)驗模型、機器學習模型等)來開發(fā)條件功率模型。根據(jù)一特定示例，條件模型模塊108被配置成通過應用資源致動器120a-120n 的設置、所檢測的環(huán)境條件和至少一個實體160a-160n所消耗的功率、至少一個實體 160a-160n的材料特性(諸如，熱阻等)之間的適當代數(shù)形式的關系來開發(fā)條件模型。雖然該形式的關系可取決于任何數(shù)量的各種因素來采用許多形式，但是適當形式的一個示例為等式(4)=ECi = gi (A1, . . . , An, PEi)。在等式中，ECi為第i個實體160a-160n處的條件，Aj為第j個資源致動器 120a-120n的設置，PEi為第i個實體160a-160n所消耗的功率，以及&為使條件與資源致動器設置和第i個實體160a-160n的功耗水平相關的代數(shù)函數(shù)。另外，可通過收集關于資源致動器120a-120n的設置、實體160a-160n的功耗水平和檢測到的條件的實驗數(shù)據(jù)以及通過使函數(shù)gi擬合數(shù)據(jù)來確定函數(shù)gi。應當注意，當實體160a-160n包括諸如刀片服務器、 網(wǎng)絡交換機、存儲陣列等非同類實體時，函數(shù)^將取決于具體類型的實體。優(yōu)化器模塊110被配置成公式化具有目標函數(shù)和至少一個約束的約束優(yōu)化問題。 根據(jù)一個示例，目標函數(shù)被配置成最小化實體160a-160n和資源致動器120a-120n的總功耗。用于最小化包含i個風扇和j個刀片的外殼中的功耗的適當目標函數(shù)的一個示例用以下等式表示
權利要求
1.一種嵌有一個或多個計算機程序的計算機可讀存儲介質，所述一個或多個計算機程序實現(xiàn)一種用于確定多個實體的狀態(tài)分配的方法，所述方法實質性地優(yōu)化所述多個實體和被配置成將資源可變地提供給所述多個實體的多個資源致動器的總功耗，所述一個或多個計算機程序包括一組指令，用以為所述多個實體開發(fā)至少一個實體功率模型；為所述多個資源致動器開發(fā)至少一個資源功率模型；公式化具有目標函數(shù)和至少一個約束的約束優(yōu)化問題；以及通過對所述目標函數(shù)采用搜索工具、所述至少一個實體功率模型和所述至少一個資源功率模型以標識所述多個實體的狀態(tài)分配，來解決所述約束優(yōu)化問題，這導致優(yōu)化的總功率 ο
2.如權利要求1所述的計算機可讀存儲介質，所述一個或多個計算機程序包括另一組指令，用以接收基本上實時的條件；以及其中解決所述約束優(yōu)化問題還包括基于所接收的基本上實時的條件來解決所述約束優(yōu)化問題。
3.如權利要求1和2中任一項所述的計算機可讀存儲介質，其特征在于，解決所述約束優(yōu)化問題還包括采用所述至少一個實體功率模型和至少一個資源功率模型來確定所標識狀態(tài)分配對所述目標函數(shù)的影響，所述一個或多個計算機程序包括另一組指令，用以采用所標識狀態(tài)分配的確定影響來標識狀態(tài)分配，這導致實質性優(yōu)化的總功耗。
4.如權利要求1和2中任一項所述的計算機可讀存儲介質，其特征在于，解決所述優(yōu)化問題還包括標識多個候選狀態(tài)分配、通過應用所述至少一個實體功率模型和至少一個資源功率模型來確定所述多個候選狀態(tài)分配中的每一個的總功耗水平、以及選擇與最小總功耗水平相關聯(lián)的候選狀態(tài)分配作為所標識狀態(tài)分配，這導致實質性優(yōu)化的總功耗。
5.如以上權利要求中任一項所述的計算機可讀存儲介質，所述一個或多個計算機程序包括另一組指令，用以開發(fā)至少一個條件模型，所述至少一個條件模型使所述多個資源致動器的設置與所述多個實體的位置處的環(huán)境條件和所述多個實體的功耗水平相關；以及其中公式化所述約束優(yōu)化問題還包括采用所述至少一個條件模型來公式化所述至少一個約束。
6.如以上權利要求中任一項所述的計算機可讀存儲介質，其特征在于，所述至少一個實體功率模型表征所述多個實體的利用率水平和功耗水平之間的關系，其中所述至少一個資源功率模型使所述多個資源致動器的設置與所述多個資源致動器的功耗水平相關，其中所述目標函數(shù)被配置成最小化實體和資源基礎設施功耗，并且其中所述至少一個約束包括所述多個實體的位置處的設定點環(huán)境條件和最大實體資源利用率水平的至少一個。
7.如以上權利要求中任一項所述的計算機可讀存儲介質，其特征在于，解決所述約束優(yōu)化問題還包括采用模擬退火、爬坡、本地定向搜索和遺傳算法中的至少一個作為所述搜索工具。
8.如以上權利要求中任一項所述的計算機可讀存儲介質，所述一個或多個計算機程序包括另一組指令，用以將所述多個實體設置成具有根據(jù)所標識狀態(tài)分配的功耗設置；基于所述多個實體的狀態(tài)分配來確定所述多個資源致動器的最優(yōu)設置；以及將所述多個資源致動器設置成所確定的最優(yōu)設置。
9.一種用于確定多個實體的狀態(tài)分配的計算機實現(xiàn)的優(yōu)化器，所述優(yōu)化器實質性地優(yōu)化所述多個實體和被配置成將資源可變地提供給所述多個實體的多個資源致動器的總功耗，所述計算機實現(xiàn)的優(yōu)化器包括輸入模塊，所述輸入模塊用于接收來自多個輸入源的數(shù)據(jù)；實體功率模型模塊，所述實體功率模型模塊被配置成根據(jù)所接收的數(shù)據(jù)開發(fā)所述多個實體的至少一個實體功率模型；資源功率模型模塊，所述資源功率模型模塊被配置成根據(jù)所接收的數(shù)據(jù)開發(fā)所述多個資源致動器的至少一個資源功率模型；以及優(yōu)化模塊，所述優(yōu)化模塊被配置成公式化具有目標函數(shù)和至少一個約束的約束優(yōu)化問題，其中所述優(yōu)化模塊還被配置成通過對所述目標函數(shù)采用搜索工具、所述至少一個實體功率模型和至少一個資源功率模型以標識所述多個實體的狀態(tài)分配來解決所述約束優(yōu)化問題，這導致優(yōu)化的總功耗。
10.如權利要求9所述的計算機實現(xiàn)的優(yōu)化器，還包括 輸出模塊，所述輸出模塊被配置成輸出所標識狀態(tài)分配。
11.如權利要求9和10中任一項所述的計算機實現(xiàn)的優(yōu)化器，其特征在于，所述優(yōu)化模塊還被配置成通過采用所述至少一個實體功率模型和至少一個資源功率模型以確定所標識狀態(tài)分配對所述目標函數(shù)的影響并且采用所確定的所標識狀態(tài)分配的影響以標識狀態(tài)分配來解決所述約束優(yōu)化問題，這導致實質性優(yōu)化的總功耗。
12.如權利要求9-11中任一項所述的計算機實現(xiàn)的優(yōu)化器，其特征在于，所述優(yōu)化模塊還被配置成標識多個候選狀態(tài)分配、通過應用所述至少一個實體功率模型和至少一個資源功率模型來確定所述多個候選狀態(tài)分配中的每一個的總功耗水平、以及選擇與最小總功耗水平相關聯(lián)的候選狀態(tài)分配作為所標識狀態(tài)分配，這導致實質性優(yōu)化的總功耗。
13.如權利要求9-12中任一項所述的計算機實現(xiàn)的優(yōu)化器，還包括組控制器，所述組控制器被配置成將所述多個實體設置成具有根據(jù)所標識狀態(tài)分配的功耗設置；以及資源控制器，所述資源控制器被配置成基于所述多個實體的狀態(tài)分配來確定所述多個資源致動器的最優(yōu)設置，并且將所述多個資源致動器設置成所確定的最優(yōu)設置。
14.如權利要求9-13中任一項所述的計算機實現(xiàn)的優(yōu)化器，其特征在于，所述至少一個實體功率模型表征所述多個實體的利用率水平和功耗水平之間的關系，其中所述至少一個資源功率模型使所述多個資源致動器的設置與所述多個資源致動器的功耗水平相關，其中所述目標函數(shù)被配置成最小化實體和資源基礎設施功耗，并且其中所述至少一個約束包括所述多個實體的位置處的設定點環(huán)境條件和最大實體資源利用率水平的至少一個。
15.一種計算裝置，包括 存儲器存儲代碼，用以為所述多個實體開發(fā)至少一個實體功率模型； 為所述多個資源致動器開發(fā)至少一個資源功率模型；公式化具有目標函數(shù)和至少一個約束的約束優(yōu)化問題；以及通過對所述目標函數(shù)采用搜索工具、所述至少一個實體功率模型和至少一個資源功率模型以標識所述多個實體的狀態(tài)分配來解決所述約束優(yōu)化問題，這導致優(yōu)化的總功耗；以及處理器，所述處理器用于執(zhí)行存儲在所述存儲器中的代碼以確定多個實體的狀態(tài)分配，所述代碼實質性地優(yōu)化所述多個實體和被配置成將資源可變地提供給所述多個實體的多個資源致動器的總功耗。
全文摘要
在一種確定多個實體的狀態(tài)分配的方法中，開發(fā)了實體的至少一個實體功率模型和資源致動器的至少一個資源功率模型，該方法實質性地優(yōu)化多個實體和多個資源致動器的總功耗。另外，公式化具有目標函數(shù)和至少一個約束的約束優(yōu)化問題，并且通過對目標函數(shù)采用搜索工具、至少一個實體功率模型和至少一個資源功率模型以標識實體的狀態(tài)分配來解決該問題，這導致優(yōu)化的總功耗。
文檔編號G06F9/00GK102388350SQ200980158747
公開日2012年3月21日 申請日期2009年3月13日 優(yōu)先權日2009年3月13日
發(fā)明者C·巴什, M·馬爾萬, N·托里阿, P·蘭甘納坦, 朱曉蕓, 王志奎 申請人:惠普發(fā)展公司，有限責任合伙企業(yè)