本發(fā)明屬于計算機(jī)領(lǐng)域，尤其涉及一種用于數(shù)據(jù)中心的能效控制方法及裝置。

背景技術(shù)：

隨著互聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展，社交網(wǎng)絡(luò)、人工智能、電子商務(wù)、物聯(lián)網(wǎng)等等一系列新興互聯(lián)網(wǎng)業(yè)務(wù)均依賴于大規(guī)模、高流量、多功能的數(shù)據(jù)存儲與計算。而數(shù)據(jù)中心作為大規(guī)模服務(wù)器集群的組織和互聯(lián)形式，逐漸成為支撐現(xiàn)代it產(chǎn)業(yè)的基礎(chǔ)設(shè)施。隨著數(shù)據(jù)中心規(guī)模的逐漸增大和硬件架構(gòu)的日趨多樣化，數(shù)據(jù)中心的能源管理正在逐漸成為數(shù)據(jù)中心建設(shè)和運(yùn)營的一個重要問題。

根據(jù)美國自然資源保護(hù)理事會(naturalresourcesdefensecouncil)的統(tǒng)計，2013年，全美國的數(shù)據(jù)中心約消耗了910億千瓦時的電量，相當(dāng)于34個大型火力發(fā)電廠一年的發(fā)電量，根據(jù)environmentalresearchletters的預(yù)測，全球數(shù)據(jù)中心的功耗有可能每5年翻一番，截至2020年，全美的it企業(yè)每年要在數(shù)據(jù)中心的供能上花費(fèi)130億美元，并排放大約1億噸二氧化碳。如此龐大的功耗開銷已經(jīng)成為數(shù)據(jù)中心的設(shè)計和運(yùn)營過程中不可忽略的問題。

數(shù)據(jù)中心目前主要的單元是機(jī)柜，機(jī)柜內(nèi)的能效pue一直居高不下是能耗過高的重要原因，影響pue的因素有很多，之間的關(guān)系也是復(fù)雜非線性系統(tǒng)，難以建模，即使建模之后，也因為無法摸清影響因素之間的關(guān)系導(dǎo)致聯(lián)動控制不精確。

因此，迫切需要提供一種用于數(shù)據(jù)中心的能效控制技術(shù)，以降低能效值，為數(shù)據(jù)中心節(jié)能。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種用于數(shù)據(jù)中心的能效控制方法及裝置，以解決上述問題。

本發(fā)明提供一種用于數(shù)據(jù)中心的能效控制方法。上述方法包括根據(jù)所述數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型；

監(jiān)控所述數(shù)據(jù)中心的所述各能效影響參數(shù)；

在所述各能效影響參數(shù)中任一參數(shù)發(fā)生變化時，根據(jù)所述能效聯(lián)動控制模型調(diào)整所述能效影響參數(shù)中的其他參數(shù)，以使輸出的所述能效保持在預(yù)設(shè)范圍內(nèi)。

本發(fā)明還提供用于數(shù)據(jù)中心的能效控制裝置，包括：模型創(chuàng)建模塊、監(jiān)控模塊、調(diào)整模塊，其中，所述模型創(chuàng)建模塊與所述監(jiān)控模塊連接，所述調(diào)整模塊與所述模型創(chuàng)建模塊連接；

模型創(chuàng)建模塊，用于根據(jù)所述數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型；

監(jiān)控模塊，用于監(jiān)控所述數(shù)據(jù)中心的所述各能效影響參數(shù)；

調(diào)整模塊，用于在所述各能效影響參數(shù)中任一參數(shù)發(fā)生變化時，根據(jù)所述能效聯(lián)動控制模型調(diào)整所述能效影響參數(shù)中的其他參數(shù)，以使輸出的所述能效保持在預(yù)設(shè)范圍內(nèi)。

通過以下方案：根據(jù)數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型；監(jiān)控數(shù)據(jù)中心的所述各能效影響參數(shù)；在各能效影響參數(shù)中任一參數(shù)發(fā)生變化時，根據(jù)能效聯(lián)動控制模型調(diào)整能效影響參數(shù)中的其他參數(shù)，以使輸出的能效保持在預(yù)設(shè)范圍內(nèi)。根據(jù)模型自動地生成適用當(dāng)前環(huán)境狀態(tài)的負(fù)載聯(lián)動節(jié)能控制策略，動態(tài)調(diào)整負(fù)載運(yùn)行模式，自動降低能耗。解決了由于能效過高導(dǎo)致的能耗大的問題。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1所示為本發(fā)明實施例1的用于數(shù)據(jù)中心的能效控制方法處理流程圖；

圖2所示為本發(fā)明實施例2的神經(jīng)網(wǎng)絡(luò)示意圖；

圖3所示為本發(fā)明實施例3的能效控制示意圖；

圖4所示為本發(fā)明實施例3的用于數(shù)據(jù)中心的能效控制裝置結(jié)構(gòu)圖。

具體實施方式

下文中將參考附圖并結(jié)合實施例來詳細(xì)說明本發(fā)明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。

圖1所示為本發(fā)明實施例1的用于數(shù)據(jù)中心的能效控制方法處理流程圖，包括以下步驟：

步驟102：根據(jù)所述數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型。

步驟104：監(jiān)控所述數(shù)據(jù)中心的所述各能效影響參數(shù)。

步驟106：在所述各能效影響參數(shù)中任一參數(shù)發(fā)生變化時，根據(jù)所述能效聯(lián)動控制模型調(diào)整所述能效影響參數(shù)中的其他參數(shù)，以使輸出的所述能效保持在預(yù)設(shè)范圍內(nèi)。

上述方案通過bp神經(jīng)網(wǎng)絡(luò)對能效與機(jī)柜內(nèi)關(guān)鍵指標(biāo)進(jìn)行建模，預(yù)測能效并進(jìn)而反饋，對負(fù)載進(jìn)行聯(lián)動控制。

根據(jù)所述數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型，包括：

通過神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)中心中的各能效影響參數(shù)與能效進(jìn)行建模，生成所述能效聯(lián)動控制模塊。

將所述各能效影響參數(shù)通過神經(jīng)網(wǎng)絡(luò)的輸入層輸入，并通過隱層計算由輸出層輸出；

若輸出值與標(biāo)記值有誤差，則將誤差反向由所述輸出層向輸入層傳播，并利用梯度下降算法對所述神經(jīng)網(wǎng)絡(luò)的神經(jīng)元權(quán)值進(jìn)行調(diào)整，以生成所述能效聯(lián)動控制模塊。

通過上述算法能夠準(zhǔn)確建模出能效聯(lián)動控制模型，使能效輸出在預(yù)設(shè)范圍內(nèi)，進(jìn)一步降低能耗。

進(jìn)一步地，所述各能效影響參數(shù)包括以下至少一種：

性能數(shù)據(jù)、負(fù)載數(shù)據(jù)和功耗數(shù)據(jù)。

其中，所述數(shù)據(jù)中心包括機(jī)柜，所述功耗數(shù)據(jù)包括空調(diào)運(yùn)行數(shù)據(jù)、水泵速度數(shù)據(jù)。

圖2所示為本發(fā)明實施例2的神經(jīng)網(wǎng)絡(luò)示意圖。

bp神經(jīng)網(wǎng)絡(luò)的輸入信號經(jīng)輸入層輸入，通過隱層計算由輸出層輸出，輸出值與標(biāo)記值比較，若有誤差，將誤差反向由輸出層向輸入層傳播，在這個過程中，利用梯度下降算法對神經(jīng)元權(quán)值進(jìn)行調(diào)整。

模型訓(xùn)練：參考圖2，將這些數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡(luò)的輸入層參數(shù)進(jìn)行輸入。通過引入多層神經(jīng)網(wǎng)絡(luò)，以有效地減小隨機(jī)因素的擾動和抑制系統(tǒng)運(yùn)行策略的抖動作為終止神經(jīng)網(wǎng)絡(luò)訓(xùn)練的必要條件，以pue值為輸出。由于神經(jīng)網(wǎng)絡(luò)不需要用戶預(yù)設(shè)模型的交互特征，而是在特征中尋找模式和交互，可以自動生成最佳匹配模型。

模型應(yīng)用：一旦訓(xùn)練結(jié)束，采用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對能效進(jìn)行預(yù)測，并挖掘能效與負(fù)載、功耗和性能之間的關(guān)系。

pue＝f(l，e，p)

當(dāng)系統(tǒng)負(fù)載發(fā)生變化時，可以根據(jù)神經(jīng)網(wǎng)絡(luò)輸出的能效預(yù)測值，去動態(tài)調(diào)整功耗以及性能，保證機(jī)房的能效一直能夠在一個比較穩(wěn)定的范圍。例如，如果要下線幾臺服務(wù)器，也就是在it負(fù)載降低時，通過神經(jīng)網(wǎng)絡(luò)預(yù)測，模型可以自動調(diào)整功耗里面的空調(diào)控制、水泵速度等因素來降低pue的值，達(dá)到為數(shù)據(jù)中心節(jié)能的目的。

如圖3所示，采集設(shè)備資源信息數(shù)據(jù)，該數(shù)據(jù)即影響能效的因素，包括負(fù)載信息、功耗信息和性能信息。通過過程、特性識別和預(yù)測并借助人工神經(jīng)網(wǎng)絡(luò)方法建立功耗模型，根據(jù)當(dāng)前采集的設(shè)備資源信息，生成相應(yīng)的節(jié)能控制策略，進(jìn)而調(diào)整負(fù)載運(yùn)行模式，實現(xiàn)對負(fù)載、功耗和性能之間的聯(lián)動控制。

圖4所示為本發(fā)明實施例3的用于數(shù)據(jù)中心的能效控制裝置結(jié)構(gòu)圖。

如圖4所示，根據(jù)本發(fā)明實施例的一種用于數(shù)據(jù)中心的能效控制裝置，包括：模型創(chuàng)建模塊402、監(jiān)控模塊404、調(diào)整模塊406，其中，所述模型創(chuàng)建模塊402與所述調(diào)整模塊406連接，所述調(diào)整模塊406與所述監(jiān)控模塊404連接；

模型創(chuàng)建模塊402，用于根據(jù)所述數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型；

監(jiān)控模塊404，用于監(jiān)控所述數(shù)據(jù)中心的所述各能效影響參數(shù)；

調(diào)整模塊406，用于在所述各能效影響參數(shù)中任一參數(shù)發(fā)生變化時，根據(jù)所述能效聯(lián)動控制模型調(diào)整所述能效影響參數(shù)中的其他參數(shù)，以使輸出的所述能效保持在預(yù)設(shè)范圍內(nèi)。

上述方案通過bp神經(jīng)網(wǎng)絡(luò)對能效與機(jī)柜內(nèi)關(guān)鍵指標(biāo)進(jìn)行建模，預(yù)測能效并進(jìn)而反饋，對負(fù)載進(jìn)行聯(lián)動控制。

進(jìn)一步地，所述模型創(chuàng)建模塊402通過神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)中心中的各能效影響參數(shù)與能效進(jìn)行建模，生成所述能效聯(lián)動控制模塊。

進(jìn)一步地，所述模型創(chuàng)建模塊402將所述各能效影響參數(shù)通過神經(jīng)網(wǎng)絡(luò)的輸入層輸入，并通過隱層計算由輸出層輸出；若輸出值與標(biāo)記值有誤差，則將誤差反向由所述輸出層向輸入層傳播，并利用梯度下降算法對所述神經(jīng)網(wǎng)絡(luò)的神經(jīng)元權(quán)值進(jìn)行調(diào)整，以生成所述能效聯(lián)動控制模塊。

其中，所述各能效影響參數(shù)包括以下至少一種：

性能數(shù)據(jù)、負(fù)載數(shù)據(jù)和功耗數(shù)據(jù)。

其中，所述數(shù)據(jù)中心包括機(jī)柜，所述功耗數(shù)據(jù)包括空調(diào)運(yùn)行數(shù)據(jù)、水泵速度數(shù)據(jù)。

通過以下方案：根據(jù)數(shù)據(jù)中心中各能效影響參數(shù)與能效之間的關(guān)系創(chuàng)建能效聯(lián)動控制模型；監(jiān)控數(shù)據(jù)中心的所述各能效影響參數(shù)；在各能效影響參數(shù)中任一參數(shù)發(fā)生變化時，根據(jù)能效聯(lián)動控制模型調(diào)整能效影響參數(shù)中的其他參數(shù)，以使輸出的能效保持在預(yù)設(shè)范圍內(nèi)。根據(jù)模型自動地生成適用當(dāng)前環(huán)境狀態(tài)的負(fù)載聯(lián)動節(jié)能控制策略，動態(tài)調(diào)整負(fù)載運(yùn)行模式，自動降低能耗。解決了由于能效過高導(dǎo)致的能耗大的問題。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。