云计算数据中心可扩展服务器节能优化研究

云计算数据中心日益庞大带来的高能耗问题已经凸显,并且严重制约到云计算数据中心的可持续性发展。本文提出了一种新型的云计算数据中心可扩展服务器节能优化策略——效能优化策略,该策略能够基于全局角度来降低能源消耗,优化服务器选择过程,并且还可促使不同服务器之间实现负载均衡。首先阐述了云计算数据中心能耗构成和度量方法,其次,分析了云计算数据中心能耗管理系统架构及节能优化流程及迁移策略,并且通过仿真实验结果表明:从能耗大小来看,提出的效能优化策略要比DVFS策略、无迁移策略所对应的能耗更小;从迁移数来看,提出的效能优化策略要比DVFS策略所对应的迁移次数更少,总之,效能优化策略要明显比DVFS策略、无迁移策略更优越。     

基于虚拟机动态迁移的电力仿真云计算平台资源调度策略

针对目前电力系统仿真计算实时性与计算精度要求高、平台可扩展性差以及资源利用率低等特点,首先给出了一种基于开源基础设施平台OpenStack和并行处理框架Hadoop的电力仿真云计算平台架构,能够以较低成本实现动态扩展、高效计算和海量存储等功能。其次,结合电力系统仿真任务特点,给出了一种基于多目标粒子群优化(PSO)算法的虚拟机迁移策略,实现电力仿真云计算平台资源调度。虚拟机迁移过程采用指数平滑预测模型确定热点,选择虚拟机时综合考虑迁移速度和效果两个因素,利用多目标PSO算法搜索目标节点,使得电力系统仿真计算在保证服务质量的同时兼顾高资源利用率和低运行成本的优势。最后,通过CloudSim进行仿真实验,将所提算法与贪心迁移算法和顺序放置非迁移算法进行对比。实验表明,所提算法在服务等级协议(SLA)违背率、剩余资源率、能耗以及虚拟机迁移次数等指标上均优于其他算法,验证了基于虚拟机动态迁移的多目标PSO算法在电力仿真云计算平台资源调度中的优势和可行性。     

基于软件定义的数据中心网络虚拟机迁移规划

在数据中心网络中,实时虚拟机迁移有利于实现网络的优化和管理目标。为了有效的进行虚拟机迁移,减少总迁移时间,提升服务性能,提出基于分组的启发式算法(grouping-based heuristic algorithm,GBHA)。算法通过计算每个分组的虚拟机对其他虚拟机迁移时间的累积影响,及时更新有限的网络带宽等资源约束,找到最优的迁移方案。算法在保证依赖关系和性能要求的前提下,解决了大规模迁移触发时的迁移规划问题,减少虚拟机的总迁移时间。实验结果表明,与CQNCR算法和HACE算法相比,该算法能够将虚拟机的总迁移时间分别降低44.1%和26.5%,有效地提高迁移性能。     

云计算环境下的电力任务节能调度方法研究

随着电力行业数据的持续增长,云环境下电力调度消耗的能量越来越多,加剧了能源危机和环境污染。在电力云平台架构的基础上,提出一种基于云计算的电力任务节能调度算法。将虚拟机分配给具有最优性能功率比的节点进行处理,通过迁移虚拟机实现资源整合。通过仿真将该调度算法与节能虚拟机调度节点算法和改进型最佳拟合递减算法进行比较。仿真结果表明,在不显著降低效率的情况下,该方法可以节能10%以上。该研究为云环境下最优电力调度方法的发展提供了一定的参考和借鉴。     

数据中心节能降耗潜力大 市场规模将达85亿元

正随着互联网、移动互联网、云计算以及大数据等应用的快速发展,全球数据中心的建设步伐正在加快。与此同时,数据中心的节能降耗问题也进一步凸显,在近期召开的中国电子节能技术协会成立三十周年暨数据中心节能大会上,行业协会代表、专家学者以及企业界人士就如何降低数据中心能耗、实现绿色发展进行了深入的探讨。"作为工业领域的大耗能产业,国家对数据中心节能发展非常重视,行业     

电力系统对角加边模型的数据中心求解方法

随着超大规模区域互联电网的发展,智能电子设备和相量测量单元广泛应用,如何实现对所产生的PB级大数据的高速处理成为完成实时(超实时)计算的关键。云计算作为一种新型的互联网计算模式,为实现电力系统大数据分析和复杂电网高效并行计算提供了可能。针对电力系统基本计算单元对角加边模型(block bordered diagonal form,BBDF)和分解协调并行算法,提出一种低能耗数据中心的优化映射和并行计算方法。依据任务间计算耦合性,将分解协调并行算法进行拆分,并提出依据任务计算复杂度的任务到虚拟机偏好绑定放置方法。随后建立以虚拟机的CPU利用率、内存利用率为约束条件,以节能为目标的Bin-Packing模型,求解BBDF分解协调并行计算到数据中心映射的最优配置。通过Cloud Sim平台对IEEE 118节点电网模型和含有538节点和1133节点的大规模电网进行仿真计算。结果表明,应用虚拟机技术的数据中心计算在时间和系统能耗方面都优于传统单机多线程并行计算。IEEE 118节点算例计算时间降低42.32%,随着系统规模增大,1133节点实际电网计算时间降低75.8%。     

面向智能电网的数据密集型云存储策略

智能电网环境下数据密集型应用往往涉及跨数据中心的数据传输和数据中心内的数据迁移,这对数据分布提出了新的挑战。为了充分利用计算存储资源,满足智能电网大规模数据的可靠存储和高效处理的实际需求,提出了基于云计算的数据密集型存储方法,该方法将数据集映射成数据空间的点集。设计了两阶段分类过程:第1阶段基于传统的K均值算法实现点集的初始分类;第2阶段针对各数据集与初始聚类的隶属关系,引入数据迁移的代价函数,对初始分类进行调节,实现数据集到数据中心的布局方案。实验结果表明,该算法能够有效提高数据存取效率并兼顾全局负载均衡。     

云计算数据中心发展趋势探讨 访数据中心节能技术委员会秘书长、CDCE国际数据中心及云计算展发起人吕天文

正数据中心承载云计算的功能需要满足两个基本条件:第一个条件是建设数据中心单位平均面积的低的投入;第二个条件是单位产品的低价格的产出。云计算是一种基于互联网的按使用量付费的模式,这种模式提供可用的、便捷的和按需的网络访问,进入可配置的计算资源共享池。数据中心是承载云计算功能的基础设施,不论云计算如何发展,都需要依托数据中心来实现落地。随着云计算应用的快速发展,传统的数据中心已渐渐无法满足需求,暴露出诸多问题,例如建设周期长、投入大、部署密度低和能源消耗大等。为了探究未来数据中心的发展趋势,我刊特地采访了数据中心节能技术委员会秘书长吕天文先生。     

绿色成长璎云数据中心研究

基于机构化设计理念,集成高效节能技术设备,应用云计算、虚拟化技术构建了集团全新一代的绿色成长型云数据中心,改变了过去以“单个项目为中心,按其应用峰值单独配置主机系统“的建设方式,大幅减少了远期不确定性投入,解决了传统数据中心常见的高投入、高能耗、高占用、低效率和低利用率问题,大幅提高资源利用率,有效降低了能耗,对于传统制造业实现绿色IT和低碳发展具有重要意义。     

绿色成长型云数据中心研究

基于机构化设计理念,集成高效节能技术设备,应用云计算、虚拟化技术构建了集团全新一代的绿色成长型云数据中心,改变了过去以"单个项目为中心,按其应用峰值单独配置主机系统"的建设方式,大幅减少了远期不确定性投入,解决了传统数据中心常见的高投入、高能耗、高占用、低效率和低利用率问题,大幅提高资源利用率,有效降低了能耗,对于传统制造业实现绿色IT和低碳发展具有重要意义。     

数据中心空调节能技术应用与能源管理平台设计

空调能耗是数据中心能耗的主要部分,总结了当前数据中心空调节能技术的研究现状。结合实际数据机房案例,对分离式热管技术、冷池节能技术和机架下送风技术的应用效果进行分析。实测结果表明,三种节能技术分别降低能耗约31.6%、16.1%、32.7%。从能耗监测管理、能效评估管理和能效评估应用三个层面,提出了数据中心能源管理平台的设计,可实现数据中心能耗监测、管理和控制的智能化和自动化。     

“双碳”目标下数据中心节能运行研究综述

随着国家“碳达峰”“碳中和”要求的提出,数据中心作为能耗大户,向低碳节能高效转型势在必行。分别从能量流与数据流角度出发,对数据中心低碳节能运行技术领域的相关研究进行了综述。首先梳理了数据中心能耗产生机理,从IT设备、制冷系统与供配电系统3个方面总结其能量管理方法;然后基于数据中心能量流-数据流耦合特性,对跨区级、区域级和用户级数据中心数据流优化调度方法进行了介绍;最后探讨了未来数据中心低碳节能技术潜在的发展方向。     

基于计算负荷时–空双维迁移的互联多数据中心碳中和调控方法研究

随着全球分布的数据中心大量部署和云计算服务需求激增,其高运行能耗和碳污染问题日益严重。针对这种新兴的高能耗负荷,如何缓和数据中心碳足迹的有害影响,实现碳达峰、碳中和"3060"目标成为一项重要挑战。该文基于数据中心计算负荷的灵活可控性和全球多区域可再生能源时空分布互补性,提出时–空双维度任务迁移机制实现互联多数据中心碳中和。通过延时容忍型任务,在多数据中心间的空间迁移,满足计算负荷与清洁能源出力在大时间尺度上匹配,并配合任务在单体数据中心的时域迁移,实时追踪可再生能源功率波动以最大化消纳可再生能源,从而以时空优化互补的方式实现多数据中心高运行能耗所造成碳排放的时空转移,实现碳中和。最后,使用真实的数据中心算例验证所提出的多数据中心碳中和调控策略的性能和普遍适用性。通过实验对比,所提调控策略能够实现任务负荷与可再生能源的最优匹配,显著降低不同规模的互联多数据中心碳排放量,缓解多数据中心集群碳污染,实现全球大规模部署数据中心碳中和。     

基于云计算的电力数据中心基础架构及其关键技术

为了适应新一代数据中心的发展趋势,并满足智能电网的需要,提出了基于云计算的新一代电力数据中心的基础架构。分析了现有电力数据中心的逻辑结构与功能,采用虚拟化技术对电力数据中心的服务器进行虚拟化,提高资源利用率,保障电力数据中心的高可用性和可伸缩性。设计了基于Hadoop的电力数据中心云计算平台,为智能电网的各个业务系统、数据挖掘与辅助决策支持等应用提供海量数据的存储、管理与计算环境。提出现有电力数据中心向云计算的分阶段迁移策略,以保障平稳过渡。     

基于边缘计算的电力任务最优调度算法研究

针对云计算框架的传播延迟,无法满足电力系统对低延迟和可靠性的要求。在移动边缘计算框架的基础上,提出了一种用于电力任务调度的改进蚁群算法。在蚁群算法选择的最短路径的基础上添加了负载平衡能力,降低总体能耗和防止某个移动边缘云超载。通过仿真分析验证了该调度方法的优越性。结果表明,随着用户设备、边缘云、带宽和总计算资源数量的增加,文中调度方法在平均能耗和任务卸载数量方面均优于贪心算法和距离优先算法,具有一定的实用价值。     

信息动态

伊顿SAC精密空调落户惠州云计算中心多元化的动力管理公司伊顿以创新节能的制冷技术在惠州云计算中心机房建设项目招标中力压群雄,为惠州云计算数据中心的现代IT设备创造了一个高效、可靠和绿色的运行环境。伊顿公司始终致力于满足当前数据中心不断攀升的功率密度和环保节能的需求,通过对数据中心制冷系统使用环境进行反复评估,伊顿向惠州云计算中心招标方推荐了最新推出的伊顿SAC精密空调系列产品。通过先进的     

基于改进蚁群算法的电力云数据中心任务调度策略研究

针对现有云环境下电力数据中心任务调度的高能耗、低效率等问题,在电力云体系结构的基础上,提出了一种基于随机Petri网的云数据中心任务调度模型。通过综合考虑时间约束、负载、能耗约束对蚁群算法进行改进,并通过改进算法对模型进行求解。通过实验对运行时间、能耗、平均等待时间、系统负载等几个方面进行了比较分析,验证了该方法的优越性。结果表明,改进蚁群算法在保证性能的前提下,可以有效降低数据中心能耗,为电力数据中心任务调度策略的发展提供参考和借鉴。     

计及多种储能协调运行的数据中心实时能量管理

随着互联网+、云计算的发展,数据中心能耗迅速增加,高能耗和高电费问题日益突出,对数据中心进行能量管理和优化是运营商提升市场竞争力的重要手段.但由于数据负荷、电网电价和新能源出力的不确定性,如何在实时运行时保证数据中心的运行经济性是亟待解决的问题.针对以上问题,考虑数据负荷调度、服务器休眠、多种储能协调运行、与电网交互等因素,建立了数据中心的实时能量管理模型.由于模型中多类型储能和批处理负荷各自的时段间耦合约束都会影响系统全局最优决策,需要分别对其进行解耦,故提出一种基于多维分段线性函数近似值函数的近似动态规划(PLF-ADP)算法的数据中心实时能量管理策略.仿真算例表明,所提多维PLF-ADP算法能够在随机环境下考虑数据中心中多类型储能和批处理负荷的协调运行,得到近似全局最优的实时能量管理策略,保证数据中心运行的经济性.     

人工智能技术在云计算数据中心能量管理中的应用与展望

云计算数据中心是重要的电力用户,其消耗电量随着互联网发展和国家数字化建设快速增加,对数据中心进行能量管理和优化是绿色经济必然要求。该文主要探讨人工智能技术在云计算数据中心能量管理和优化中的应用,介绍了深度学习、深度强化学习和知识图谱等新一代人工智能研究热点,提出了一个跨层的数据中心能耗感知和精确能量管理框架,梳理比较了机房、设备、云计算平台、业务系统和数据中心5个层面的能量管理和优化技术,总结分析了当前存在的不足和挑战,展望了未来新一代人工智能技术在云计算数据中心研究和应用趋势。     

一种多核系统任务扰动迭代算法

任务调度问题是多核处理器相关技术的一个重要组成部分。 基于列表的调度算法因其低复杂度和高效率得到广泛关 注,但确定任务优先级列表方法的单一性使得算法对解空间搜索不够,易陷入局部最优。 为此,提出一种基于任务扰动的迭代 型列表调度算法(task perturbation iteration algorithm, TPIA)。 该算法通过选取任务扰动因子按照一定扰动策略进行调度列表迭 代,对迭代后的列表进行贪心选择,生成更优的调度列表序列以得到更好的调度结果。 通过实例和随机有向无环图(DAG)有 限集对算法进行验证,结果表明算法能有效改善调度解,调度性能提升平均可达 16. 51%,适宜处理大规模、高出入度的复杂 DAG 图;针对 TPIA 算法在低任务总数高通讯开销情况下性能有所下降的问题,对平均任务节点数 130 以下的任务图进行分组 测试,获得了对应的 CCR 上界值及其变化趋势。