[发明专利]一种跨云数据中心的能效预测方法

说明书

本发明公开了一种跨云数据中心的能效预测方法，该方法将采集的多个云数据中心设备能耗数据及其能效PUE值作为训练样本，待测云数据中心的历史能耗数据及其能效PUE值作为校准样本，对采集的能耗数据进行特征提取；对每个云数据中心，分别构建基于训练样本的岭回归模型；判断校准样本是否为空，若为空则直接进行域适应模型融合，若不为空，则用校准样本对所有岭回归模型进行过滤，并将过滤后的岭回归模型进行域适应模型融合；基于融合模型对待测云数据中心进行能效预测以调整资源分配，进而完善该云数据中心。本发明考虑到不同云数据中心之间的差异性，提供更精准的个性化预测，充分利用数据进行机器学习，提高了预测效率。

技术领域

本发明涉及云数据中心能效分析方法，尤其涉及一种跨云数据中心的能效预测方法。

背景技术

云计算促进了大数据中心的发展，但同时，因对其计算能力有一定的要求，故云数据中心在云计算中也产生了巨大的能耗。由于云计算的弹性服务以及可扩展等特性，数据中心的硬件规模近年来极度膨胀，使得过去分散的能耗问题变成了集中能耗问题，并且能源价格的增长和网络应用的增加，使数据中心的能效问题变得不可忽视。因此，研究云计算数据中心的能效预测方法对数据中心的能源管理具有重要的应用价值。

大部分的分布式软件发展到一定阶段，一个数据中心并不能满足需求。通常一个城市会有多个数据中心，一个城市的多个数据中心通过专线连接，传输延迟比较小。若需求量很大，比如公司在世界各地都有用户，跨国访问服务则会有很严重的延迟，且当一个数据中心无法使用时，为了保证能正常提供服务，就需要其他数据中心的支撑，因此实现跨数据中心的能效预测具有重要的现实意义。

云计算数据中心是一种基于云计算架构的，计算、存储及网络资源松耦合，各种IT设备虚拟化、模块化、自动化程度较高、绿色节能程度较高的新型数据中心。一般评定标准为能源使用效率，即能效，记为PUE，定义为数据中心总能耗与IT设备能耗的比值(如图2、3所示)。PUE值越小，说明数据中心能源使用效率越高。

云数据中心的特点首先是高度的虚拟化，这其中包括服务器、存储、网络、应用等虚拟化，使用户可以按需调用各种资源；其次是自动化管理程度，包括对物理服务器、虚拟服务器的管理，对相关业务的自动化流程管理、对客户服务的收费等自动化管理；最后是绿色节能，云计算数据中心在各方面符合绿色节能标准，一般PUE值不超过1.5。

近年来，国内外越来越重视数据中心能效优化这一课题，使用机器学习技术进行数据中心能效建模和预测已成为研究热点。在机器学习和数据挖掘中经典的不同类型的算法可以应用于数据中心的能效预测。

然而大部分的研究在云数据中心的能效建模上还存在一些问题，直接针对云数据中心的能效预测模型比较少，一般先进的模型都是基于CPU或者服务器指标，并且不能保证模型的有效性和准确性。不同的云数据中心组件的能耗是有差异的，比如有的主要能耗组件为处理器，有的主要能耗组件为内存(如图4所示)，因此也不能够用统一的机器学习模型去预测所有云数据中心能效。

发明内容

发明目的：针对以上问题，本发明提出一种基于过滤域适应模型融合的跨云数据中心能效预测方法，对不同架构的云数据中心提供个性化能效预测，具有很高的准确性。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种跨云数据中心的能效预测方法，包括步骤：

(1)用传感器采集N个云数据中心设备能耗数据及其能效PUE值作为训练样本，待测云数据中心的历史能耗数据及其能效PUE值作为校准样本；

(2)对采集的能耗数据进行特征提取；

(3)对每个云数据中心，分别构建基于训练样本的岭回归模型；

(4)判断待测云数据中心校准样本是否为空，若不为空，则执行步骤(5)；若为空，则直接将构建的所有岭回归模型作为备选模型，跳转执行步骤(6)；