[发明专利]一种基于人工神经网络的云计算数据中心节能方法

说明书

技术领域

本发明涉及服务器的节能技术领域,具体地说是一种基于人工神经网络的云计算数据中心节能方法。

背景技术

云计算是互联网时代信息基础设施与应用服务模式的重要形态，是新一代信息技术集约化发展的重要趋势，它以资源聚合及虚拟化、应用服务和专业化、按需供给和灵便使用的业务模式提供高效能、低成本、低功耗的计算与数据服务，支撑各类信息化应用。云计算是计算模式和应用服务模式的革新，将改变信息行业的格局，也将对国民经济和社会生活产生广泛深入的影响。

我国政府对节能减排和提高能源效率非常重视。信息产业作为第五大高能耗产业必将成为建设低碳社会与构建绿色经济的重要领域，而作为未来信息产业的基础设施与关键支撑，云计算数据中心的能耗研究必将成为重中之重。在云计算数据中心中，云计算设备的规模日益增大，总体能耗也随之日渐提高，因此对云计算数据中心自主节能管理技术进行优化，以有效控制和降低云计算数据中心能源消耗是十分迫切和必要的。

目前我国的云计算数据中心建设仍然采用传统的服务器、存储、网络设备，辅以虚拟化软件、调度管理软件和传统的操作系统、应用软件的方式，并不能充分发挥云计算低成本、低功耗、高性能的特点。国际上以Google为代表的云计算领先厂商已经在针对云计算特点设计专用服务器和存储设备，设计全新的节点间互联技术，解决超大规模数据中心资源聚集和大规模数据处理的问题。

普遍来讲，我国现有技术能够管理和调度的资源规模比Google小10倍以上，大规模数据处理能力差100倍以上。Google还在数据中心节能技术方面进行大量研究，目前Google数据中心PUE（power usage effectiveness）已经达到1.1，而国内数据中心最高也只能达到1.4-1.5，综合能耗高于Google 40%以上。

传统数据中心系统管理方法与策略基本是采取预先定义，即在数据中心部署过程中就已经确定下来，完全按照固定模式和流程运转；如果需要调整这些预定义的管理方法和策略，就需要系统管理员对这些方法与策略进行重新配置。由于数据中心自身架构的复杂性，加之其上运行应用的多样性，数据中心的温度、能耗和负载等会发生较复杂的变化，固定模式的管理策略很难满足数据中心在复杂环境下的持续可用性需求。而如果依靠人工进行管理方法和策略的重新配置，随着数据中心复杂性的提高及数据中心运行状态的频繁变化，数据中心管理员将会疲于奔命，出错的概率也将大大增加。同时，为满足负载峰值的需求，当前运行的数据中心通常会保留相当比例的资源冗余，而实际中负载大多处于相对较低的水平。在这种情况下，大量硬件设备并未提供有效的性能输出，但能耗却并未降低。

发明内容

本发明的目的是针对目前云数据中心的节能管理问题，提供一种基于人工神经网络的云计算数据中心节能方法。

本发明使用两大类节能运行策略：

其一是调整各硬件资源模块的功率、运行模式等，在保证系统稳定性和应用性能需求的前提下尽可能地降低个别硬件资源模块的能耗；

其二是在保证系统稳定性和应用性能需求的前提下，将整个被监测系统的负载以更为集中的方式加以调配，从而能够将部分云计算设备待机、停机或等同与此的其他状态，以实现更高程度的能耗降低。

本发明的目的是按以下方式实现的，

将系统中负载和功耗的数据做为人工神经网络ANN的输入，借助人工神经网络对非线性复杂数据的处理优势，自动生成符合当前系统运行状态的节能策略，并根据该策略自动对系统中各部件的运行模式进行调整，在保证系统稳定性和应用性能需求的前提下，将整个被监测系统的负载以更为集中的方式加以调配，以实现更高程度的能耗降低；

系统包括：采集监控系统、自动策略推导系统和节能主控系统三部分,其中：

采集监控系统，负责收集系统中与负载、功耗及性能相关的数据，采集监控系统组件构成包括：操作系统内核任务计数器、操作系统内核调度程序监视器、操作系统内核负载平衡程序监视器、操作系统内核内存分配程序监视器、操作系统内核中断路由监视器、操作系统内核高速缓存监视器、操作系统内核交换区监视器、操作系统内核网络协议栈监视器、处理器负载监视器、系统内存负载监视器、系统存储负载监视器以及系统网络负载监视器；

自动策略推导系统，将采集监控系统搜集到的负载、功耗及性能数据做为输入输出能够适应当前负载情况的节能策略；使用人工神经网络模型，并将有效地减小随机因素的扰动抑制系统运行策略的抖动作为终止神经网络训练的必要条件；