[发明专利]一种数据中心节能方法和装置

说明书

技术领域

本发明涉及云节能技术领域，尤指一种基于云计算操作系统的数据中心节能方法和装置。

背景技术

云计算逐渐被行业认可，云数据中心操作系统逐渐实现并付诸于实践，在社会生产和生活领域中起到越来越重要的作用。基于云计算操作系统构建的大规模数据中心中设备数量庞大，监控管理过程复杂，如何有效的实现云数据中心的高效节能是一个值得研究的问题。

目前，大多数数据中心节能策略基于温度触发或是功率触发进行设置，例如，节能策略设置当CPU温度达到50度时，通过智能平台管理接口(IPMI，Intelligent Platform Management Interface)控制触发服务器进行降频或关机操作，主机功率设置也是类似。

但是，仅仅考虑温度触发或是功率触发的节能策略并不能反映数据中心的实时负载信息，比如CPU、内存、网络带宽、磁盘IO等都没有进行综合分析与考虑，从而导致数据中心节能效果不理想，云计算操作系统整体功耗偏高等问题。

发明内容

为了解决上述技术问题，本发明提供了一种数据中心节能方法和装置，能够改善数据中心的节能效果，从而降低云计算操作系统整体的功耗。

为了达到本发明目的，本发明提供了一种数据中心节能方法，包括：预先采用反向传播BP神经网络设置数据中心，并对BP神经网络进行训练；设置负载阈值，并根据负载阈值设置节能策略；获取数据中心的负载数据，利用经过训练的BP神经网络得到负载数据的近似最优解，根据所述近似最优解和预先设置的负载阈值，确定节能策略，并根据确定的节能策略进行降负载操作。

所述对BP神经网络进行训练包括：采用模拟退火SA算法对BP神经网络进行训练。

所述设置负载阈值，并根据负载阈值设置节能策略包括：设置第一负载阈值、第二负载阈值和第三负载阈值，并相应的设置高负载节能策略、中负载节能策略和低负载节能策略；其中，高负载节能策略为负载超过第一负载阈值时，触发进行降负载操作；中负载节能策略为负载在第一负载阈值和第二负载阈值之间时，触发进行降负载操作；低负载节能策略为负载第二负载阈值和第三负载阈值之间时，触发进行降负载操作；其中，降负载操作包括业务迁移、和/或服务器降频，和/或开关机。

所述获取数据中心的负载数据，利用经过训练的BP神经网络得到负载数据的近似最优解包括：获取数据中心的负载数据，利用经过训练的BP神经网络，将获取的负载数据作为SA算法的输入，得到负载数据的近似最优解。

所述负载数据为四维输入向量P：P＝{c，m，s，n}，其中，c表示CPU负载比例，m表示内存负载比例，s表示磁盘IO负载比例，n表示网络带宽负载比例。

本发明还提供了一种数据中心节能装置，包括：BP神经网络设置模块，用于采用反向传播BP神经网络设置数据中心；BP神经网络训练模块，用于对BP神经网络进行训练；节能策略设置模块，用于设置负载阈值，并根据负载阈值设置节能策略；节能策略实施模块，用于获取数据中心的负载数据，利用经过训练的BP神经网络得到负载数据的近似最优解，根据所述近似最优解和预先设置的负载阈值，确定节能策略，并根据确定的节能策略进行降负载操作。

所述BP神经网络训练模块，具体用于采用模拟退火SA算法对BP神经网络进行训练。

所述节能策略设置模块，具体用于设置第一负载阈值、第二负载阈值和第三负载阈值，并相应的设置高负载节能策略、中负载节能策略和低负载节能策略；其中，高负载节能策略为负载超过第一负载阈值时，触发进行降负载操作；中负载节能策略为负载在第一负载阈值和第二负载阈值之间时，触发进行降负载操作；低负载节能策略为负载第二负载阈值和第三负载阈值之间时，触发进行降负载操作；其中，降负载操作包括业务迁移、和/或服务器降频，和/或开关机。

所述节能策略实施模块，具体用于获取数据中心的负载数据，利用经过训练的BP神经网络，将获取的负载数据作为SA算法的输入，得到负载数据的近似最优解，根据所述近似最优解和预先设置的负载阈值，确定节能策略，并根据确定的节能策略进行降负载操作。

所述负载数据为四维输入向量P：P＝{c，m，s，n}，其中，c表示CPU负载比例，m表示内存负载比例，s表示磁盘IO负载比例，n表示网络带宽负载比例。