[发明专利]存储介质、作业功率评估方法和作业功率评估设备

说明书

本发明提供了存储介质、作业功率评估方法和作业功率评估设备。一种功率评估方法包括：获取第一消耗功率信息和第二消耗功率信息，第一消耗功率信息指示在从开始执行第一作业经过的时间段内的从第一时间到第二时间的第一时间段内消耗的功率的改变，第二消耗功率信息指示在从开始执行第一作业经过的时间段内的从第三时间到第四时间的第二时间段内消耗的功率的改变，第三时间在第二时间之后；根据第一消耗功率信息来生成用于评估在第一时间段内要由作业消耗的功率的第一评估模型；以及根据第二消耗功率信息来生成用于评估在第二时间段内要由作业消耗的功率的第二评估模型。

技术领域

本文中讨论的实施方式涉及作业功率评估程序、作业功率评估方法和作业功率评估设备。

背景技术

在诸如高性能计算(HPC)系统的大型计算机系统(以下简称为系统)中，大量的功率被消耗。因此，为了稳定地操作系统，适当地管理系统的功率消耗是重要的。例如，当系统的功耗能够被保持在固定水平时，施加至功率供给设施的负荷是小的。

为了管理系统的功率消耗，期望能够预先评估对要由系统消耗的功率的需求。作为评估要由整个系统消耗的功率的方法，考虑以下方法：从包括作业名称等的过去的作业输入信息中识别相似的作业；将要由识别到的作业消耗的功率视为评估值；以及评估要由输入的作业消耗的功率。

在作业开始被执行之后，能够基于由直到当前时间为止正在被执行的作业消耗的功率的时间序列改变(功率波形)，通过回归来评估要由作业消耗的功率。可以通过将评估要由正在被执行的作业消耗的功率的结果相加来获得要由正在被执行的所有作业消耗的总功率。

作为能够被用于评估要消耗的功率的技术，例如，已经提出了一种用于根据从信息技术(IT)系统生成的各种数据来检测相关关系的检测设备。已经提出了一种混沌时间序列短期评估设备，该设备的特征在于：处理以评估为目标的时间序列数据以提高评估的准确度。

例如，作为相关技术，国际公布小册子第WO 2014/184928号、日本公开特许公报第9-146915号等已经被公开。

发明内容

作为评估要由正在被执行的作业消耗的功率的方法，使用递归神经网络(RNN)的方法被考虑。RNN是一种支持时间序列数据的神经网络。例如，计算机基于指示由在过去执行的作业消耗的功率的时间序列改变的时间序列功率信息，使用RNN来生成用于评估要消耗的功率的评估模型。计算机可以使用评估模型来评估要由正在被执行的作业消耗的功率的转变。然而，基于由所有作业消耗的功率的时间序列改变来生成一种类型的评估模型，指示由各个作业消耗的功率的时间序列改变的数据(时间序列功率数据)不同，因此学习结果不收敛。因此，即使当通过生成的评估模型来评估要由正在被执行的作业消耗的功率时，预期评估的准确度可能不会很高。

根据一个方面，本公开内容的目的是提高评估要由作业消耗的功率的准确度。

根据实施方式的一个方面，一种功率评估方法包括：获取第一消耗功率信息和第二消耗功率信息，第一消耗功率信息指示在从开始执行第一作业经过的时间段内的从第一时间到第二时间的第一时间段内消耗的功率的改变，第二消耗功率信息指示在从开始执行第一作业经过的时间段内的从第三时间到第四时间的第二时间段内消耗的功率的改变，第三时间在第二时间之后；根据第一消耗功率信息来生成用于评估在第一时间段内要由作业消耗的功率的第一评估模型；以及根据第二消耗功率信息来生成用于评估在第二时间段内要由作业消耗的功率的第二评估模型。

附图说明

图1是示出了根据第一实施方式的作业功率评估方法的示例的图；

图2是示出了使用用于各个评估时段的多个评估模型来评估要由作业消耗的功率的处理的示例的图；

图3是示出了根据第二实施方式的系统的配置的示例的图；

图4是示出了管理服务器的硬件配置的示例的图；