[发明专利]服务器运行功耗管理方法、装置及计算机可读存储介质

权利要求书

1.一种服务器运行功耗管理方法，应用于电子装置，其特征在于，包括：

将数据中心的服务器按照相同品牌、相同配置进行分类，并将相同品牌、相同配置的服务器作为同一类服务器；

采集同一类服务器的实际功耗值，依据采集时间点的CPU负载进行抽样，建立实际功耗负载关系表，其中，同一类服务器的实际功耗采用以下方式计算，估值功耗＝机柜实际功耗/机柜服务器个数，并且，还计算服务器的月平均实际功耗，月平均实际功耗＝机柜月平均功耗/机柜服务器个数，并且，还计算服务器的当季平均实际功耗，当季平均实际功耗＝机柜季度平均功耗/机柜服务器个数，其中，上述机柜上安装的都是同一类服务器；

根据同一类服务器的估值功耗或月平均实际功耗或当季平均实际功耗，结合机柜额定功耗，形成机柜配置服务器方案，还采用机器学习方法辅助优选机柜配置服务器方案，采用神经网络模型接收输入的机柜配置服务器方案并且处理所述输入的机柜配置服务器方案以对所述机柜配置服务器方案生成相应分数，根据评分情况选择最优的机柜配置服务器方案。

2.根据权利要求1所述的服务器运行功耗管理方法，其特征在于，还实时监测各台服务器的实际功耗，并求取各服务器的实际功耗与所在机柜中所有服务器的实际功耗的平均值的差值，如果差值高于差值限值，则对功耗最高的服务器的CPU降频处理，直至服务器的实际功耗的差值在差值限值范围内，如果差值低于差值限值，则对功耗最高的服务器的CPU升频处理，使得各台服务器平均分配负载，功耗达到均衡。

3.根据权利要求1所述的服务器运行功耗管理方法，其特征在于，采用机器学习方法优化机柜配置服务器方案的步骤包括：

构建机柜配置分类模型；

获取用于对机柜配置分类模型进行训练的训练数据集，训练数据集中包含有对应不同业务需求描述的机柜配置服务器方案，以及根据自定义的评分标准评判的分值；

采用训练数据集训练机柜配置分类模型，通过将训练数据集中的不同的机柜配置服务器方案输入机柜配置分类模型，并通过分类器将机柜配置分类模型的输出进行分类，然后通过损失函数来控制机柜配置分类模型的分类精度，从而提高机柜配置分类模型的分类精度；

利用训练完成的机柜配置分类模型针对业务需求为机柜配置服务器。

4.根据权利要求3所述的服务器运行功耗管理方法，其特征在于，构建机柜配置分类模型包括以下步骤：设置机柜配置训练模型参数，所述机柜配置训练模型为深度神经网络模型，所述机柜配置训练模型包括输入层、双向GRU、softmax层以及全连接层；将多个机柜配置训练方案输入所述机柜配置训练模型，对所述机柜配置训练模型进行训练，更新所述机柜配置训练模型中双向GRU参数；根据更新后的机柜配置训练模型的双向GRU参数初始化机柜配置分类模型的双向GRU参数，同时配置机柜配置分类模型的除双向GRU参数外的参数；将机柜配置训练方案输入机柜配置训练模型，进行监督对抗训练，得到机柜配置分类模型，并将新增的机柜配置服务器方案输入监督对抗训练后的机柜配置分类模型，进行无监督虚拟对抗训练，更新机柜配置分类模型的参数，获得机柜配置分类模型。