[發明專利]一種基于MDC的服務器CPU能耗預測方法

在審

• 申請號: 201711224544.6
• 申請日: 2017-11-29
• 公開（公告）號: CN107832204A
• 公開（公告）日: 2018-03-23
• 發明（設計）人: 李俊山
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 濟南信達專利事務所有限公司37100
• 代理人: 韓月娥

技術領域

本發明涉及數據中心領域，具體的說是一種基于MDC的服務器CPU能耗預測方法。

背景技術

隨著云數據中心規模的不斷發展以及人工智能技術的逐漸成熟，對數據中心服務器CPU的能耗預測需求迫在眉睫?？梢钥闯?，云數據中心的能耗監控是一個非常實用而且迫切需要的功能。監控能耗數據是基于能耗進行調度的基礎。例如，通過能耗監控感知到數據中心中某臺服務器當前處于低能耗狀態，同時根據能耗預測感知其將保持該低能耗狀態，則可依據能耗調度策略，將該服務器上的服務遷移到其他服務器上，并使該服務器處于關閉或休眠狀態，即可達到降低能耗的目的。

模塊化數據中心(Module Data Center，MDC)是基于云計算的新一代數據中心部署形式，為了應對云計算、虛擬化、集中化、高密化等服務器發展的趨勢，其采用模塊化設計理念，最大程度的降低基礎設施對機房環境的耦合。模塊化數據中心MDC集成了供配電、制冷、機柜、氣流遏制、綜合布線、動力環境監控等子系統，提高數據中心的整體運營效率，實現快速部署、彈性擴展和綠色節能。

模塊化數據中心MDC的單機構功率密度比較大，有的達到10kw以上，故對服務器CPU的能耗監控及預測也具有十分重要的意義。目前，模塊化數據中心MDC在能耗監控方面，以硬件監控為主，只能監控到能耗監控數據，而不具有預測功能。

發明內容

本發明針對目前技術發展的需求和不足之處，提供一種基于MDC的服務器CPU能耗預測方法。

本發明所述一種基于MDC的服務器CPU能耗預測方法，解決上述技術問題采用的技術方案如下：所述基于MDC的服務器CPU能耗預測方法，給出一種CPU空閑率的預測算法，定義預測的時間跨度，根據當前預測結果對算法進行自動調整，定義CPU能耗變化與CPU溫升變化的關系，并將預測算法與MDC模塊化數據中心動力環境監控系統進行聯動，使得服務器的能耗監控、預測與動力環境監控系統進行有機融合；具體實現過程包括:

步驟一，給出CPU空閑率的預測算法；

步驟二，根據當前預測結果對預測算法進行自動調整；

步驟三，預測算法與MDC模塊化數據中心的動力環境監控系統進行聯動。

進一步，所述步驟一，給出CPU空閑率的預測算法：

采用加權移動平均法和指數平滑法，得到兩個一段時間CPU空閑率的預測值，然后對這兩個預測值進行擬合，輸入需要進行預測的時間跨度，則輸出能耗預測值。

進一步，所述步驟二，根據當前預測結果對預測算法進行自動調整，具體實現流程包括：

步驟1，形成歷史監控記錄序列集合；

步驟2，確定歷史監控記錄序列的樣本集合；

步驟3，計算監控記錄的權值；

步驟4，計算加權移動平均法的預測結果；

步驟5，計算指數平滑法的預測值；

步驟6，計算加權移動平均法預測價格的偏離度；

步驟7，計算指數平滑法預測結果的偏離度；

步驟8，計算加權移動平均法的增益量，計算最終預測值。

進一步，所述步驟1，讀取時間跨度為2T_pred的最近歷史監控記錄，組成歷史記錄序列集合A＝(v₀,v₁,v₂,…,v_2Tpred-1)；

所述步驟2，以當前時間點為基準起始點，在集合A中選取模長不小于T_pred且方差最小的歷史記錄序列，組成歷史監控記錄序列的樣本集合

進一步，所述步驟3，確定樣本集合H后，根據如下公式，計算每一個監控記錄的權值w_i

進一步，所述步驟4，計算得到每一個監控記錄的權值后，利用如下公式計算加權平均值

加權平均值作為預測結果，則加權移動平均法的預測結果為：

進一步，所述步驟5，計算指數平滑法的預測值其中，表示指數平滑法已完成的最新預測值，計算公式如下：

進一步，所述步驟6，計算加權移動平均法預測結果的偏離度其中是上一期的預測結果，是歷史記錄序列中最新的記錄。

進一步，所述步驟7，計算指數平滑法預測結果的偏離度其中是上一期的預測結果，是歷史記錄序列中最新的記錄。

進一步，所述步驟8，

若則根據如下公式計算加權移動平均法增益量取則計算最終預測值

若根據如下公式計算移動加權平均法增益量取則計算最終預測值