本發(fā)明涉及數(shù)據(jù)處理，尤其涉及一種智算中心能效優(yōu)化系統(tǒng)及方法。

背景技術(shù)：

1、智算中心是智慧時(shí)代最主要的計(jì)算力生產(chǎn)中心，它以融合架構(gòu)計(jì)算系統(tǒng)為平臺(tái)，以數(shù)據(jù)為資源，能夠以強(qiáng)大算力驅(qū)動(dòng)ai模型對(duì)數(shù)據(jù)進(jìn)行深度加工，源源不斷產(chǎn)生各種智慧計(jì)算服務(wù)，并通過(guò)網(wǎng)絡(luò)以云服務(wù)形式供應(yīng)給組織及個(gè)人。隨著大數(shù)據(jù)、云計(jì)算和人工智能技術(shù)的快速發(fā)展，智算中心作為數(shù)據(jù)處理和計(jì)算的核心設(shè)施，其能效管理成為一個(gè)重要的挑戰(zhàn)。

2、中國(guó)專(zhuān)利申請(qǐng)公開(kāi)號(hào)為cn117539726a的專(zhuān)利文獻(xiàn)公開(kāi)了綠色智算中心能效優(yōu)化方法及系統(tǒng)，該方法包括：基于智算中心歷史能耗記錄，采用關(guān)聯(lián)規(guī)則挖掘和聚類(lèi)分析算法，分析能耗模式，生成能耗分析報(bào)告；基于所述能耗分析報(bào)告，采用時(shí)間序列分析和神經(jīng)網(wǎng)絡(luò)算法，預(yù)測(cè)智算中心未來(lái)負(fù)載需求，生成負(fù)載預(yù)測(cè)模型；基于所述負(fù)載預(yù)測(cè)模型，采用基于約束的優(yōu)化算法和遺傳算法，進(jìn)行計(jì)算資源的動(dòng)態(tài)分配，生成資源調(diào)度策略；基于所述資源調(diào)度策略，采用決策樹(shù)算法和啟發(fā)式算法，選定數(shù)據(jù)處理路徑，生成數(shù)據(jù)處理路徑計(jì)劃；基于所述數(shù)據(jù)處理路徑計(jì)劃，采用輪詢和最小連接法負(fù)載均衡算法，進(jìn)行任務(wù)分配，生成能效優(yōu)化負(fù)載分配；基于所述能效優(yōu)化負(fù)載分配，采用深度學(xué)習(xí)和網(wǎng)絡(luò)流量分析算法，生成優(yōu)化的數(shù)據(jù)流量管理；基于所述優(yōu)化的數(shù)據(jù)流量管理，采用能源管理和再生能源整合策略，實(shí)施節(jié)能措施，形成綜合節(jié)能執(zhí)行計(jì)劃；由此可見(jiàn)現(xiàn)有技術(shù)中由于預(yù)測(cè)和實(shí)際運(yùn)行情況之間可能存在差異，如果沒(méi)有及時(shí)地校準(zhǔn)和調(diào)整機(jī)制，會(huì)導(dǎo)致資源的過(guò)度分配或不足分配，從而造成能源浪費(fèi)。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明提供一種智算中心能效優(yōu)化系統(tǒng)及方法，可以解決能源浪費(fèi)的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種智算中心能效優(yōu)化系統(tǒng)，該系統(tǒng)包括：

3、數(shù)據(jù)獲取模塊，用以獲取歷史周期內(nèi)若干負(fù)載對(duì)應(yīng)的若干歷史算力資源使用數(shù)據(jù)及若干負(fù)載對(duì)應(yīng)的若干歷史溫度變化圖；

4、預(yù)測(cè)模塊，與所述數(shù)據(jù)獲取模塊連接，用以分析任一負(fù)載對(duì)應(yīng)的若干所述歷史算力資源使用數(shù)據(jù)的變化趨勢(shì)，以根據(jù)變化趨勢(shì)分析結(jié)果預(yù)測(cè)預(yù)設(shè)周期內(nèi)的算力資源分配數(shù)據(jù)，獲得預(yù)測(cè)算力資源分配數(shù)據(jù)；

5、校準(zhǔn)模塊，與所述預(yù)測(cè)模塊連接，用以基于若干所述預(yù)測(cè)算力資源分配數(shù)據(jù)與總實(shí)際算力資源的比較結(jié)果對(duì)若干預(yù)測(cè)算力資源分配數(shù)據(jù)進(jìn)行校準(zhǔn)，獲得若干校準(zhǔn)算力資源分配數(shù)據(jù)；

6、數(shù)據(jù)采集模塊，與所述預(yù)測(cè)模塊連接，用以采集任一所述負(fù)載對(duì)應(yīng)的實(shí)際資源利用率；

7、溫度采集模塊，與所述數(shù)據(jù)采集模塊連接，用以在預(yù)設(shè)周期內(nèi)實(shí)時(shí)采集任一所述負(fù)載對(duì)應(yīng)的若干實(shí)時(shí)溫度值以繪制實(shí)際溫度變化圖，將實(shí)際溫度變化圖與該負(fù)載對(duì)應(yīng)的所述歷史溫度變化圖進(jìn)行比較，根據(jù)比較結(jié)果確定異常區(qū)域，根據(jù)溫度異常區(qū)域占比與預(yù)設(shè)區(qū)域占比的比較結(jié)果判斷實(shí)際溫度變化圖異常，或，分析溫度異常區(qū)域的變化趨勢(shì)以判斷實(shí)際溫度變化圖是否異常；

8、資源調(diào)整模塊，與所述數(shù)據(jù)采集模塊和所述溫度采集模塊連接，用以根據(jù)實(shí)際溫度變化圖的異常情況確定調(diào)整校準(zhǔn)算力資源分配數(shù)據(jù)的調(diào)整方向，以及，根據(jù)任一所述實(shí)際資源利用率與預(yù)設(shè)資源利用率的比較結(jié)果確定調(diào)整校準(zhǔn)算力資源分配數(shù)據(jù)的調(diào)整參數(shù)，或，調(diào)整所述歷史周期。

9、進(jìn)一步地，所述預(yù)測(cè)模塊包括：

10、圖形獲得單元，用以獲取任一所述負(fù)載對(duì)應(yīng)的若干歷史cpu使用率和若干歷史內(nèi)存占用率，基于時(shí)間序列將若干歷史cpu使用率和若干歷史內(nèi)存占用率繪制在同一坐標(biāo)系中，獲得歷史資源變化圖；

11、趨勢(shì)分析單元，與所述圖形獲得單元連接，用以分析所述歷史資源變化圖，根據(jù)分析結(jié)果以識(shí)別上升區(qū)段、下降區(qū)段和平穩(wěn)區(qū)段，基于上升區(qū)段、下降區(qū)段和平穩(wěn)區(qū)段分別構(gòu)建分段函數(shù)模型，以及基于若干分段函數(shù)模型確定實(shí)際預(yù)測(cè)模型；

12、預(yù)測(cè)單元，與所述趨勢(shì)分析單元連接，用以根據(jù)所述實(shí)際預(yù)測(cè)模型預(yù)測(cè)所述負(fù)載在預(yù)設(shè)周期內(nèi)的預(yù)測(cè)cpu使用率和預(yù)測(cè)內(nèi)存占用率。

13、進(jìn)一步地，所述校準(zhǔn)模塊包括：

14、算力比較單元，用以基于若干所述預(yù)測(cè)算力資源分配數(shù)據(jù)計(jì)算總預(yù)測(cè)算力資源，并將其與所述總實(shí)際算力資源進(jìn)行比較，獲取比較結(jié)果；

15、校準(zhǔn)單元，與所述算力比較單元連接，用以根據(jù)所述總預(yù)測(cè)算力資源與總實(shí)際算力資源的比較結(jié)果確定根據(jù)若干所述負(fù)載的處理優(yōu)先級(jí)對(duì)所述預(yù)測(cè)算力資源分配數(shù)據(jù)進(jìn)行校準(zhǔn)，或，將剩余算力資源均勻分配給若干所述負(fù)載。

16、進(jìn)一步地，所述校準(zhǔn)單元包括：

17、優(yōu)先級(jí)確定子單元，用以基于若干所述預(yù)測(cè)cpu使用率和若干所述預(yù)測(cè)內(nèi)存占用率的排序確定所述處理優(yōu)先級(jí)；

18、校準(zhǔn)子單元，與所述優(yōu)先級(jí)確定子單元連接，用以基于所述處理優(yōu)先級(jí)和所述總預(yù)測(cè)算力資源與所述總實(shí)際算力資源的差值確定校準(zhǔn)策略，以對(duì)所述預(yù)測(cè)cpu使用率和所述預(yù)測(cè)內(nèi)存占用率進(jìn)行校準(zhǔn)，獲得校準(zhǔn)cpu使用率和校準(zhǔn)內(nèi)存占用率。

19、進(jìn)一步地，所述數(shù)據(jù)采集模塊包括：

20、采集單元，用以采集任一所述負(fù)載對(duì)應(yīng)的實(shí)際cpu使用率和實(shí)際內(nèi)存占用率；

21、計(jì)算單元，與所述采集單元連接，用以基于所述實(shí)際cpu使用率和所述校準(zhǔn)cpu使用率、所述實(shí)際內(nèi)存占用率和所述校準(zhǔn)內(nèi)存占用率計(jì)算所述實(shí)際資源利用率。

22、進(jìn)一步地，所述溫度采集模塊包括：

23、趨勢(shì)比較單元，用以將所述實(shí)際溫度變化圖中實(shí)際溫度變化曲線與所述歷史溫度變化圖中歷史溫度變化曲線進(jìn)行比較，基于比較結(jié)果識(shí)別實(shí)際溫度變化曲線與歷史溫度變化曲線不同區(qū)域，獲得異常區(qū)域；

24、異常判斷單元，與所述趨勢(shì)比較單元連接，用以計(jì)算所述異常區(qū)域在所述實(shí)際溫度變化曲線中的占比，作為異常區(qū)域占比，將其與預(yù)設(shè)區(qū)域占比進(jìn)行比較，以根據(jù)比較結(jié)果判斷實(shí)際溫度變化圖異常，或，分析溫度異常區(qū)域的變化趨勢(shì)以判斷實(shí)際溫度變化圖是否異常。

25、進(jìn)一步地，所述資源調(diào)整模塊包括：

26、溫度異常調(diào)整單元，用以確定所述實(shí)際溫度變化圖為升溫異?；蚪禍禺惓＃愿鶕?jù)升溫異常情況或降溫異常情況確定調(diào)整校準(zhǔn)算力資源分配數(shù)據(jù)為增大調(diào)整或減小調(diào)整；

27、利用率調(diào)整單元，用以將所述實(shí)際資源利用率與預(yù)設(shè)資源利用率進(jìn)行比較，基于利用率比較結(jié)果確定調(diào)整參數(shù)，或，調(diào)整所述歷史周期。

28、進(jìn)一步地，所述異常判斷單元包括：

29、長(zhǎng)度計(jì)算子單元，用以計(jì)算溫度異常區(qū)域?qū)?yīng)的曲線長(zhǎng)度；

30、趨勢(shì)判斷子單元，用以基于若干曲線長(zhǎng)度繪制長(zhǎng)度變化圖，判斷長(zhǎng)度變化圖對(duì)應(yīng)的變化趨勢(shì)，以判斷實(shí)際溫度變化圖是否異常。

31、進(jìn)一步地，所述利用率調(diào)整單元包括：

32、周期調(diào)整子單元，用以當(dāng)所述實(shí)際資源利用率小于等于所述預(yù)設(shè)資源利用率時(shí)，增大所述歷史周期；

33、差值計(jì)算子單元，用以當(dāng)所述實(shí)際資源利用率大于所述預(yù)設(shè)資源利用率時(shí)，計(jì)算所述實(shí)際資源利用率與所述預(yù)設(shè)資源利用率的差值，獲得利用率差值；

34、周期調(diào)整子單元，與所述差值計(jì)算子單元連接，用以基于所述利用率差值與所述預(yù)設(shè)資源利用率計(jì)算調(diào)整系數(shù)。

35、另一方面，本發(fā)明還提供一種智算中心能效優(yōu)化系統(tǒng)的方法，該方法包括：

36、獲取歷史周期內(nèi)若干負(fù)載對(duì)應(yīng)的若干歷史算力資源使用數(shù)據(jù)及若干負(fù)載對(duì)應(yīng)的若干歷史溫度變化圖；

37、分析任一負(fù)載對(duì)應(yīng)的若干所述歷史算力資源使用數(shù)據(jù)的變化趨勢(shì)，以根據(jù)變化趨勢(shì)分析結(jié)果預(yù)測(cè)預(yù)設(shè)周期內(nèi)的算力資源分配數(shù)據(jù)，獲得預(yù)測(cè)算力資源分配數(shù)據(jù)；

38、基于若干所述預(yù)測(cè)算力資源分配數(shù)據(jù)與總實(shí)際算力資源的比較結(jié)果對(duì)若干預(yù)測(cè)算力資源分配數(shù)據(jù)進(jìn)行校準(zhǔn)，獲得若干校準(zhǔn)算力資源分配數(shù)據(jù)；

39、采集任一負(fù)載對(duì)應(yīng)的實(shí)際資源利用率；

40、在預(yù)設(shè)周期內(nèi)實(shí)時(shí)采集任一所述負(fù)載對(duì)應(yīng)的若干實(shí)時(shí)溫度值以繪制實(shí)際溫度變化圖，將實(shí)際溫度變化圖與該負(fù)載對(duì)應(yīng)的所述歷史溫度變化圖進(jìn)行比較，根據(jù)比較結(jié)果確定異常區(qū)域，根據(jù)溫度異常區(qū)域占比與預(yù)設(shè)區(qū)域占比的比較結(jié)果判斷實(shí)際溫度變化圖異常，或，分析溫度異常區(qū)域的變化趨勢(shì)以判斷實(shí)際溫度變化圖是否異常；

41、根據(jù)實(shí)際溫度變化圖的異常情況確定調(diào)整校準(zhǔn)算力資源分配數(shù)據(jù)的調(diào)整方向，以及，根據(jù)任一所述實(shí)際資源利用率與預(yù)設(shè)資源利用率的比較結(jié)果確定調(diào)整校準(zhǔn)算力資源分配數(shù)據(jù)的調(diào)整參數(shù)，或，調(diào)整所述歷史周期。

42、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于，通過(guò)設(shè)置所述數(shù)據(jù)獲取模塊提供全面的歷史算力資源使用數(shù)據(jù)和溫度變化圖，為預(yù)測(cè)和校準(zhǔn)提供了可靠的依據(jù)，通過(guò)設(shè)置所述預(yù)測(cè)模塊預(yù)測(cè)預(yù)設(shè)周期內(nèi)的算力資源分配數(shù)據(jù)，為資源調(diào)度和優(yōu)化提供了依據(jù)，通過(guò)預(yù)測(cè)有效地分配算力資源，避免資源閑置或過(guò)度使用，從而提高資源利用效率，通過(guò)設(shè)置所述校準(zhǔn)模塊對(duì)預(yù)測(cè)算力資源分配數(shù)據(jù)與總實(shí)際算力資源的比較結(jié)果進(jìn)行校準(zhǔn)，提高了預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性，校準(zhǔn)過(guò)程考慮了實(shí)際算力資源的限制，使預(yù)測(cè)結(jié)果更加符合實(shí)際情況，增強(qiáng)了系統(tǒng)的適應(yīng)性，有助于實(shí)現(xiàn)資源的進(jìn)一步優(yōu)化利用，通過(guò)設(shè)置所述數(shù)據(jù)采集模塊實(shí)時(shí)采集負(fù)載的實(shí)際資源利用率，為資源調(diào)整提供了及時(shí)的信息支持，通過(guò)設(shè)置溫度采集模塊有助于及時(shí)發(fā)現(xiàn)溫度異常，預(yù)防因過(guò)熱而導(dǎo)致的設(shè)備故障或性能下降，通過(guò)分析溫度異常區(qū)域的變化趨勢(shì)，更準(zhǔn)確地判斷溫度變化的異常情況，為后續(xù)的調(diào)整和優(yōu)化提供重要依據(jù)，通過(guò)設(shè)置資源調(diào)整模塊根據(jù)實(shí)際溫度變化圖的異常情況和實(shí)際資源利用率與預(yù)設(shè)資源利用率的比較結(jié)果，確定調(diào)整校準(zhǔn)算力資源分配數(shù)據(jù)的調(diào)整方向和調(diào)整參數(shù)，根據(jù)實(shí)時(shí)數(shù)據(jù)和異常情況，動(dòng)態(tài)調(diào)整算力資源的分配，確保系統(tǒng)的能效和穩(wěn)定性，同時(shí)，通過(guò)調(diào)整歷史周期，更靈活地適應(yīng)負(fù)載的變化，進(jìn)一步提高能效，提高了資源利用效率，為智算中心的能效優(yōu)化提供了有力支持。

43、尤其，通過(guò)設(shè)置所述圖形獲得單元獲取負(fù)載的歷史cpu使用率和內(nèi)存占用率，并將其繪制在同一坐標(biāo)系中，直觀地觀察到資源使用隨時(shí)間的變化趨勢(shì)，通過(guò)設(shè)置趨勢(shì)分析單元分析這些歷史數(shù)據(jù)，識(shí)別出上升區(qū)段、下降區(qū)段和平穩(wěn)區(qū)段，有助于更準(zhǔn)確地捕捉資源使用的動(dòng)態(tài)特性，基于區(qū)段構(gòu)建的分段函數(shù)模型能夠更貼近實(shí)際資源使用的變化情況，從而提高預(yù)測(cè)的準(zhǔn)確性，通過(guò)設(shè)置預(yù)測(cè)單元根據(jù)實(shí)際預(yù)測(cè)模型預(yù)測(cè)負(fù)載在預(yù)設(shè)周期內(nèi)的cpu使用率和內(nèi)存占用率，使得有效分配資源，避免資源過(guò)度分配導(dǎo)致的浪費(fèi)或資源不足導(dǎo)致的性能下降。

44、尤其，通過(guò)設(shè)置所述算力比較單元有助于識(shí)別預(yù)測(cè)算力資源分配數(shù)據(jù)與實(shí)際資源需求之間的差異，為后續(xù)的校準(zhǔn)提供基礎(chǔ)數(shù)據(jù)，通過(guò)設(shè)置所述校準(zhǔn)單元制定分配策略確保負(fù)載能夠充分利用剩余的資源，提高資源利用效率，確保預(yù)測(cè)算力資源分配數(shù)據(jù)與實(shí)際資源需求相匹配，避免資源浪費(fèi)，同時(shí)提高系統(tǒng)的能效和運(yùn)行效率。

45、尤其，通過(guò)設(shè)置趨勢(shì)比較單元將實(shí)際溫度變化曲線與歷史溫度變化曲線進(jìn)行比較，精準(zhǔn)地識(shí)別出兩者之間的不同區(qū)域，即潛在的溫度異常區(qū)域，有助于及時(shí)發(fā)現(xiàn)溫度變化的細(xì)微差異，為后續(xù)的判斷和調(diào)整提供準(zhǔn)確依據(jù)，通過(guò)設(shè)置所述異常判斷單元計(jì)算異常區(qū)域在實(shí)際溫度變化曲線中的占比，即異常區(qū)域占比，能夠量化地評(píng)估溫度異常的嚴(yán)重程度，根據(jù)異常區(qū)域占比與預(yù)設(shè)區(qū)域占比的比較結(jié)果來(lái)判斷實(shí)際溫度變化圖是否異常，還通過(guò)分析溫度異常區(qū)域的變化趨勢(shì)來(lái)進(jìn)一步確認(rèn)異常情況，有助于提高判斷的準(zhǔn)確性和可靠性，有助于保障智算中心的穩(wěn)定運(yùn)行和能效優(yōu)化。