基于動態(tài)溫度預測模型的數據中心任務調度方法
【專利摘要】本發(fā)明公開了一種基于動態(tài)溫度預測模型的數據中心任務調度方法。該方法首先將溫度預測模型參數初始化；獲取實際計算節(jié)點入口溫度和CPU使用率等信息；通過更新算法對溫度預測模型的參數進行更新；對到來的一批任務進行調度。本發(fā)明克服目前靜態(tài)溫度預測模型應用在任務調度方法上的缺點和不足，適用于計算密集型數據中心的在線任務調度。該發(fā)明通過在任務調度時考慮溫度和氣流的因素，并根據溫度傳感器的反饋信息動態(tài)調整溫度預測模型參數，使得所有計算節(jié)點的最高入口溫度盡可能低，最終提高冷卻系統的冷卻效率，達到大大節(jié)能的目的。
【專利說明】基于動態(tài)溫度預測模型的數據中心任務調度方法

【技術領域】
[0001] 本發(fā)明涉及數據中心等大規(guī)模集群上的任務調度方法，特別涉及一種在軟件系統 層面，通過建立更加準確的溫度預測模型來考慮溫度和氣流對集群散熱效果影響的任務調 度方法，該方法最終可以提高冷卻系統的冷卻效率，達到大大節(jié)能的目的。

【背景技術】
[0002] 在大數據時代，全球所有的數據中心耗電約占全球耗電量的1. 5%，其中數據中心 冷卻系統的散熱能耗卻占數據中心總能耗的50%。由于熱回流等因素導致的"熱點"現象， 導致冷卻系統的冷卻效率十分低下?？紤]溫度因素的任務調度方法主要是為了在已經建成 的數據中心上，從軟件系統層面盡量避免熱點現象的出現，更確切地說是通過改進數據中 心的任務調度方法從而達到使冷卻系統效率提高的目的。而現有的考慮溫度的任務調度方 法主要是通過建立簡化的靜態(tài)溫度預測模型達到溫度預測和"熱點"避免的目的。但是隨 著系統的運行，計算設備散熱引起的環(huán)境溫度變化會對模型的參數有較大的影響，漸漸使 溫度模型預測準確度降低，因此需要對靜態(tài)溫度預測模型參數進行實時調整。


【發(fā)明內容】

[0003] 本發(fā)明所要解決的技術問題是針對目前靜態(tài)溫度預測模型應用在任務調度方法 上的缺點和不足，提出一種新的數據中心任務調度方法，該方法通過實時動態(tài)地調整溫度 預測模型參數，使得溫度預測更加的精確和有效，進而實現合理的任務調度，達到節(jié)能目 的。
[0004] 一種基于動態(tài)溫度預測模型的數據中心任務調度方法，在數據中心的每個計算節(jié) 點都設有監(jiān)控溫度的溫度傳感器控制模塊，所有溫度傳感器控制模塊都連接至信息監(jiān)控模 塊，信息監(jiān)控模塊依次連接溫度模型更新模塊、任務分配方法模塊至任務分發(fā)模塊，最終 由任務分發(fā)模塊將任務分配給合適的計算節(jié)點，其特征在于，該任務調度方法包括以下步 驟： 1) 首先在溫度模型更新模塊中使用溫度靜態(tài)模型參數對溫度模型進行初始化，得到預 測溫度

【權利要求】
1. 一種基于動態(tài)溫度預測模型的數據中心任務調度方法，在數據中心的每個計算節(jié) 點都設有監(jiān)控溫度的溫度傳感器控制模塊，所有溫度傳感器控制模塊都連接至信息監(jiān)控模 塊，信息監(jiān)控模塊依次連接溫度模型更新模塊、任務分配方法模塊至任務分發(fā)模塊，最終 由任務分發(fā)模塊將任務分配給合適的計算節(jié)點，其特征在于，該任務調度方法包括以下步 驟： 1) 首先在溫度模型更新模塊中使用溫度靜態(tài)模型參數對溫度模型進行初始化，得到預 - [〇ι·〇2? · 〇〇]; 2) 通過信息監(jiān)控模塊，獲取所有計算節(jié)點的實時入口溫度信息T= [M2,....tn]和CPU利 用率信息； 3) 使用頭時入口溫度?η息"I= [tpty..和了頁測溫度0 = [〇:,〇2,,.,oj對溫度I旲型進燈 調整和更新， 4) 任務分配方法模塊根據更新后的溫度模型進行任務分配，分配原則是通過近似算法 解出溫度模型的近似最優(yōu)解，然后將最優(yōu)解作為每個節(jié)點上最優(yōu)的任務放置策略的上限， 采用最多剩余最優(yōu)CPU容量的方法放置任務，然后由任務分發(fā)模塊執(zhí)行任務分發(fā)，將指定 任務放置到指定計算節(jié)點上執(zhí)行。
2. 根據權利要求1所述的基于動態(tài)溫度預測模型的數據中心任務調度方法，其特征在 于：步驟1)中的溫度靜態(tài)模型一個二維矩陣A，它能夠根據當前所有計算節(jié)點的CPU使用 分布C，通過計算Ac+b預測所有計算節(jié)點在穩(wěn)定狀態(tài)下的入口溫度分布，其中b是常量參 數。
3. 根據權利要求1或2所述的基于動態(tài)溫度預測模型的數據中心任務調度方 法，其特征在于：步驟3)中的更新算法是神經網絡的感知器權重矩陣的更新算法 Oij =α.ι7 +α(&-〇|>￡,其中a是學習率，q是計算節(jié)點的CPU利用率。
【文檔編號】G06F9/50GK104317654SQ201410527038
【公開日】2015年1月28日 申請日期:2014年10月9日 優(yōu)先權日:2014年10月9日
【發(fā)明者】姜志剛, 錢柱中, 陸桑璐 申請人:南京大學鎮(zhèn)江高新技術研究院