[发明专利]数据中心能效比优化方法、系统、设备及可读存储介质

说明书

本发明属于数据中心领域，公开了一种数据中心能效比优化方法、系统、设备及可读存储介质，所述优化方法包括：当数据中心的业务类型改变时，获取数据中心的业务类型的类别，并根据业务类型的类别选取预设的AI预测模型；通过选取的AI预测模型进行数据中心的能耗评估与服务器负载预测，得到数据中心能效比优化依据；根据数据中心能效比优化依据优化数据中心能效比。在业务类型发生变化时，通过选取预设的AI预测模型，不需等待AI预测模型的训练时间，实现能耗评估与服务器负载预测的即时响应，进而提高数据中心能效比。

技术领域

本发明属于数据中心领域，涉及一种数据中心能效比优化方法、系统、设备及可读存储介质。

背景技术

新基建的快速发展，为数据中心等新型基础设施的建设提供了新的机遇和挑战，随着数据和计算量的大量增长，数据中心的网络流量极大增长，带来部分计算资源损耗等问题，数据中心的建设应着眼于绿色节能、降低运营成本等方向。能效比是数据中心的关键参数，空调制冷系统、UPS、机房照明等都是影响数据中心能耗的因素，如何优化数据中心的参数成为数据中心发展的关键。机器学习算法众多，可对数据进行处理，对各类设备进行系统化的分析和决策控制，对提高数据中心能效比有重要意义。

当前的数据中心能效比优化依据主要基于AI模型的能耗评估与服务器负载预测技术，而AI模型的训练时间往往需要十几个小时乃至几天，伴随着AI模型训练数据量及数据中心业务类型的多样化，在数据中心业务类型发生变化时，无法对能效比优化提供即时支撑。

发明内容

本发明的目的在于克服上述现有技术中，数据中心业务类型发生变化时，AI模型学习时间较长，无法对能效比优化提供即时支撑的缺点，提供一种数据中心能效比优化方法、系统、设备及可读存储介质。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明一方面，一种数据中心能效比优化方法，包括以下步骤：

当数据中心的业务类型改变时，获取数据中心的业务类型的类别，并根据业务类型的类别选取预设的AI预测模型；

通过选取的AI预测模型进行数据中心的能耗评估与服务器负载预测，得到数据中心能效比优化依据；

根据数据中心能效比优化依据优化数据中心能效比。

本发明数据中心能效比优化方法进一步的改进在于：

所述根据业务类型的类别选取对应的AI预测模型的具体方法为：

根据业务类型的类别从预设的AI预测模型集中选取对应的AI预测模型；

其中，所述AI预测模型集内包括若干AI预测模型，若干AI预测模型一一对应的适用于处理不同类别业务类型的数据中心。

所述AI预测模型集的建立方法为：

建立用于数据中心的能耗评估与服务器负载预测的初始AI模型；

获取数据中心的业务类型的若干类别，获取数据中心处理每种类别的业务类型时的实际耗能数据与实际服务器负载数据，得到若干组实际耗能数据与实际服务器负载数据；

通过若干组实际耗能数据与实际服务器负载数据分别训练所述初始AI模型，得到若干AI预测模型，若干AI预测模型组合得到AI预测模型集。

所述AI预测模型集的建立方法为：

获取数据中心的业务类型的若干类别；

根据业务类型的类别，选取同样软硬件配置的现有数据中心处理同一类别业务类型时采用的AI预测模型；

依次选取若干类别的业务类型对应的AI预测模型，得到若干AI预测模型，若干AI预测模型组合得到AI预测模型集。