本發(fā)明屬于數(shù)據(jù)中心節(jié)能技術(shù)領(lǐng)域，特別涉及一種綠色數(shù)據(jù)中心溫度感知的服務(wù)器管理策略。

背景技術(shù)：

目前包括社交，電子商務(wù)等一系列互聯(lián)網(wǎng)服務(wù)正在經(jīng)歷空前發(fā)展，云計(jì)算技術(shù)在互聯(lián)網(wǎng)發(fā)展過程中起到關(guān)鍵作用。許多的大規(guī)模數(shù)據(jù)中心作為云計(jì)算技術(shù)的基礎(chǔ)設(shè)施，為各種形式的互聯(lián)網(wǎng)服務(wù)提供了一個(gè)可靠且可擴(kuò)展的平臺(tái)。

然而，大規(guī)模數(shù)據(jù)中心的運(yùn)營(yíng)暴露出無法忽略的問題——高能源消耗。據(jù)Greenbiz報(bào)道，谷歌、微軟和Facebook等旗下一些擁有成千上萬服務(wù)器的現(xiàn)代數(shù)據(jù)中心消耗的電力能源占到全球總體電力消耗的1％-3％。有文獻(xiàn)指出，2005年到2010年，隨著數(shù)據(jù)中心的不斷發(fā)展，其總能源消耗增長(zhǎng)了56％。數(shù)據(jù)中心動(dòng)態(tài)最近的一項(xiàng)研究顯示，數(shù)據(jù)中心電力能源消耗在2012年的增長(zhǎng)量為原有的63％。因此，無論學(xué)術(shù)界還是工業(yè)界，對(duì)全球能源消耗管理的優(yōu)化迫在眉睫。

目前，已有一些技術(shù)致力于降低數(shù)據(jù)中心能耗。由于服務(wù)器資源利用率對(duì)于服務(wù)器能源消耗有重要影響，因此大多數(shù)技術(shù)在建立模型和設(shè)計(jì)算法時(shí)引入了對(duì)任務(wù)請(qǐng)求分發(fā)的管理。然而，這些技術(shù)的能源模型只考慮了服務(wù)器系統(tǒng)能源，忽略了機(jī)房制冷系統(tǒng)能源。

制冷系統(tǒng)能源消耗占數(shù)據(jù)中心總能源消耗近一半。即使對(duì)于設(shè)計(jì)良好的數(shù)據(jù)中心，制冷系統(tǒng)產(chǎn)生的能耗也也能占到總能耗的37％。所以上述基于服務(wù)器管理與請(qǐng)求分發(fā)的技術(shù)均不足以降低數(shù)據(jù)中心的整體能源消耗。因此，需要設(shè)計(jì)一種數(shù)據(jù)中心資源管理算法，充分考慮機(jī)房空調(diào)的能耗，降低數(shù)據(jù)中心的總能耗。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種綠色數(shù)據(jù)中心溫度感知的服務(wù)器管理策略，針對(duì)數(shù)據(jù)中心整體能耗最小化問題，在滿足用戶服務(wù)質(zhì)量約束和服務(wù)器CPU溫度約束的條件下，減少數(shù)據(jù)中心的能耗(包括服務(wù)器系統(tǒng)能源消耗和制冷系統(tǒng)能源消耗)，從而解決了數(shù)據(jù)中心整體能耗最小化問題，達(dá)到構(gòu)建綠色數(shù)據(jù)中心的目標(biāo)。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種綠色數(shù)據(jù)中心溫度感知的服務(wù)器管理策略，對(duì)數(shù)據(jù)中心能源消耗建模并設(shè)置約束條件，所述對(duì)數(shù)據(jù)中心能源消耗建模包括對(duì)服務(wù)器系統(tǒng)能耗建模和制冷系統(tǒng)能耗建模，所述約束條件包括用戶服務(wù)質(zhì)量約束和服務(wù)器溫度約束，在所述約束條件下，使得服務(wù)器系統(tǒng)能耗和制冷系統(tǒng)能耗之和最小。

所述對(duì)服務(wù)器系統(tǒng)能耗建模的模型公式為：

其中，P為數(shù)據(jù)中心的服務(wù)器系統(tǒng)能耗，p_j為一臺(tái)服務(wù)器的工作負(fù)載即能耗，L_j為用戶j的任務(wù)請(qǐng)求，m_j為給用戶j分配的服務(wù)器數(shù)量，a₁為服務(wù)器CPU的邊際能源消耗，a₂為服務(wù)器除了CPU以外其它部件的能源消耗；

所述對(duì)制冷系統(tǒng)能耗建模的模型公式為：

C＝cfρ(T^SP-T^c)

其中，c為空氣的比熱容，f為空氣流速,ρ為空氣密度，T^SP為數(shù)據(jù)中心機(jī)房室內(nèi)溫度，T^c為由空調(diào)進(jìn)入服務(wù)器的冷空氣溫度。

所述用戶服務(wù)質(zhì)量約束條件為：用戶等待時(shí)間<＝D_j；所述服務(wù)器溫度約束條件為服務(wù)器CPU溫度<＝T^max；其中D_j是服務(wù)等級(jí)協(xié)議中規(guī)定的用戶平均響應(yīng)時(shí)間上界，T^max是服務(wù)器規(guī)定的最大CPU溫度限制。

與現(xiàn)有的綠色數(shù)據(jù)中心節(jié)能算法相比，本發(fā)明首先在能耗模型中包含了機(jī)房制冷系統(tǒng)，對(duì)數(shù)據(jù)中心總能耗實(shí)現(xiàn)了較為精細(xì)的刻畫；其次，算法保證了用戶服務(wù)質(zhì)量和服務(wù)器CPU溫度；最后，通過運(yùn)用主分解技術(shù)，把數(shù)據(jù)中心整體能耗最小化問題分解為溫度控制調(diào)節(jié)器和用戶資源分配代理兩部分，提出了可擴(kuò)展性強(qiáng)的分布式算法，有效降低數(shù)據(jù)中心的總能耗。

附圖說明

圖1是數(shù)據(jù)中心架構(gòu)圖。

圖2是溫度與服務(wù)器管理框架整體結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例詳細(xì)說明本發(fā)明的實(shí)施方式。

問題描述：min服務(wù)器系統(tǒng)能耗+制冷系統(tǒng)能耗。

服務(wù)質(zhì)量約束：用戶等待時(shí)間<＝D_j。

服務(wù)器溫度約束：服務(wù)器CPU溫度<＝T^max。

決策變量：分配給用戶的服務(wù)器數(shù)量，制冷系統(tǒng)送出的冷空氣溫度。

其中D_j是服務(wù)等級(jí)協(xié)議中規(guī)定的用戶平均響應(yīng)時(shí)間上界，T^max是服務(wù)器規(guī)定的最大CPU溫度限制。

本發(fā)明包括以下部分：

1.數(shù)據(jù)中心能源消耗模型，包括以下幾個(gè)部分：

A.服務(wù)器系統(tǒng)能耗模型描述：假設(shè)系統(tǒng)中有多個(gè)用戶，其中用戶j的任務(wù)請(qǐng)求為L(zhǎng)_j，且為其分配的服務(wù)器數(shù)量為m_j。一臺(tái)服務(wù)器的能耗可用工作負(fù)載p_j的線性函數(shù)表示，

其中a₁表示服務(wù)器CPU的邊際能源消耗，a₂表示服務(wù)器除了CPU以外其它部件的能源消耗。為用戶j分配的服務(wù)器的能源消耗P_j可以表示為P_j＝m_j×p_j＝a₁L_j+a₂m_j，則數(shù)據(jù)中心服務(wù)器系統(tǒng)的能源P為

B.制冷系統(tǒng)能耗模型描述：制冷機(jī)消耗的能源為其中c代表空氣的比熱容(Joules/kg.K)，f代表空氣流速(m³/s),ρ代表空氣密度(kg/m³)。COP即制冷機(jī)的性能系數(shù)，反映了制冷機(jī)的制冷效率，一般為常數(shù)。不失一般性，可假設(shè)COP＝1，因此制冷系統(tǒng)的能源消耗為C＝cfρ(T^SP-T^c)。

C.數(shù)據(jù)中心能源消耗模型描述：數(shù)據(jù)中心的能源包括服務(wù)器系統(tǒng)能源和制冷系統(tǒng)能源兩部分，可描述為P+C。

D.服務(wù)質(zhì)量約束：數(shù)據(jù)中心模型中，同一用戶的任務(wù)請(qǐng)求在同一任務(wù)隊(duì)列中排隊(duì)?？刹捎肕/M/N排隊(duì)模型對(duì)平均響應(yīng)時(shí)間進(jìn)行近似。M/M/N排隊(duì)模型中，隊(duì)列平均等待時(shí)間用表示，其中m是服務(wù)器的個(gè)數(shù)，P_Q是隊(duì)列非空的概率。在實(shí)際的數(shù)據(jù)中心中，服務(wù)器幾乎一直處于工作狀態(tài)，因此可認(rèn)為P_Q＝1。令服務(wù)器CPU的指令執(zhí)行速率為s(commands/second)，可通過將指令執(zhí)行速率轉(zhuǎn)換成任務(wù)的服務(wù)速率μ(request/second)，其中K_j代表用戶j任務(wù)請(qǐng)求中平均指令的個(gè)數(shù)。假設(shè)服務(wù)等級(jí)協(xié)定中規(guī)定的用戶j的任務(wù)平均響應(yīng)時(shí)間上界為D_j，則服務(wù)質(zhì)量約束可以寫成

E.服務(wù)器溫度約束：在穩(wěn)定狀態(tài)下，用戶j的服務(wù)器溫度可以由進(jìn)入的冷空氣溫度T^c和服務(wù)器能耗p_j決定，即

其中(Kelvin.secs/Joules)代表熱交換率。在實(shí)際數(shù)據(jù)中心中，為了保證服務(wù)器的可靠性，其溫度必須維持在最大溫度T^max以下。將(1)代入(3)得，

2.精化的數(shù)據(jù)中心整體能耗最小化問題

整理不等式(2)和(4)，得到滿足用戶服務(wù)質(zhì)量約束條件和服務(wù)器CPU溫度約束條件的數(shù)據(jù)中心整體能耗最小化問題：

約束：

3.問題分解

A.令約束(7)變?yōu)?/p>

Tm_j≥L_j， (8)

不等式(8)是關(guān)于T和m_j的非線性函數(shù)，兩邊同時(shí)取對(duì)數(shù)得logT+log m_j≥log L_j。

B.令log T＝τ，log m_j＝ω_j，數(shù)據(jù)中心整體能耗最小化問題轉(zhuǎn)化為：

約束：τ+ω_j≥log L_j，

去掉常量，以上問題可變形為

約束：

τ+ω_j≥log L_j， (10)

C.顯然，如果τ已經(jīng)確定，那么(9)-(11)式能夠被分解，因此τ是一個(gè)耦合變量。本發(fā)明采用一種基于主分解技術(shù)的分布式算法求解上述問題。算法可分為兩個(gè)層次。在低層次上，定義溫度感知設(shè)備分配問題：

約束：

溫度和服務(wù)器管理問題的解如下：

在高層次上，定義溫度調(diào)整問題：溫度調(diào)整問題可采用次梯度算法求解。一個(gè)可行的次梯度為其中λ_j是與不等式(13)相關(guān)的對(duì)偶變量。τ根據(jù)

更新，α^ν代表第ν次迭代的步長(zhǎng)，在實(shí)際操作中可使用常量步長(zhǎng)。

4.溫度和服務(wù)器管理算法設(shè)計(jì)

基于上述主分解技術(shù)，設(shè)計(jì)溫度與服務(wù)器管理算法。將數(shù)據(jù)中心整體能耗最小化算法分為兩個(gè)部分：溫度控制調(diào)節(jié)器部分和用戶資源分配代理部分。溫度控制調(diào)節(jié)器是附加在制冷設(shè)備上的中央溫度控制單元，決定冷空氣的溫度，并通過用戶資源分配代理同步。每個(gè)用戶都集成一個(gè)用戶代理，為用戶分配合適的服務(wù)器數(shù)量，同時(shí)將本地信息傳輸?shù)綔囟瓤刂普{(diào)節(jié)器。服務(wù)器與溫度管理算法的整體結(jié)構(gòu)框架如附圖2所示。在溫度控制調(diào)節(jié)器端，首先選定冷空氣的溫度初始值，然后將其溫度信息廣播到所有的用戶資源分配代理。每一個(gè)用戶資源分配代理通過(15)計(jì)算所需的服務(wù)器數(shù)量并將對(duì)偶變量λ_j返回給溫度控制調(diào)節(jié)器。最后，溫度控制調(diào)節(jié)器根據(jù)(16)做出更新，直到目標(biāo)函數(shù)收斂。

具體算法如下：

算法1溫度與服務(wù)器分布式管理算法：溫度控制器端

1：選取冷空氣T^c初始值和常量步長(zhǎng)α；

2：loop

3：向所有的用戶資源分配代理廣播

4：等待用戶資源分配代理返回對(duì)偶變量λ；

5：根據(jù)跟新τ；

6：end loop。

算法2溫度與服務(wù)器分布式管理算法：用戶資源分配代理端

1：loop

2：等待溫度控制調(diào)節(jié)器廣播τ；

3：利用下式解決(12)-(14)溫度和服務(wù)器管理問題

4：確定服務(wù)器數(shù)

5：向溫度控制調(diào)節(jié)器返回與約束條件(13)相關(guān)的對(duì)偶變量；

6：end loop。