[发明专利]云数据中心中基于双阈值滞后集群调度机制的节能策略

说明书

本发明提供了一种云数据中心中基于双阈值滞后集群调度机制的节能策略，其包括：将一个云数据中心中的所有同构服务器分成基础集群和备用集群两个集群，设置任务分类器对任务进行分类与跟踪，构建基于双阈值滞后集群调度机制的节能策略，刻画基于双阈值滞后集群调度机制的节能策略的工作原理，并评估其下性能指标，分析基于双阈值滞后集群调度机制的节能策略下云数据中心的量化行为，寻找帕累托最优解，权衡云数据中心的整体功耗与实时任务的平均等待时间。本发明根据系统负载变化动态开启与关停部分服务器，可有效降低空闲能耗，大幅降低云数据中心的能耗开销，帮助云服务供应商根据其偏好选择代表不同的目标间最佳折衷解决方案。

技术领域

本发明属于云计算技术领域，特别是一种云数据中心中基于双阈值滞后集群调度机制的节能策略。

背景技术

近年来，华为、阿里巴巴、腾讯、谷歌、亚马逊等公司纷纷投入巨额资金来建设超大规模云数据中心，中国信通院《数据中心白皮书2020》显示，2019年全球数据中心机架数量达到750万，同比增长4.3％。与此同时，据估计2018年全球数据中心的能源消耗上升至205TWh，约占全球电力消耗的1％。众所周知，数据中心是能源密集型企业，超大规模云数据中心的大幅度增加和不断上涨的电力成本导致了更多的电力支出，引发了各种节能和效率问题。实现云数据中心的节能与低碳运营是持续降低电能利用效率(PUE)和实现“碳中和”目标的关键。

为了应对突发的流量激增和服务器过载问题，现有的云数据中心都是根据年度峰值负载预测来建设的，然而由于资源过度配置，据统计全球数据中心的平均服务器利用率仅为12％-18％，此外，当服务器空闲时，空闲功耗通常仅为峰值功率的50％-60％。因此，有效降低数据中心功耗的一个关键策略是动态调整服务器的开启和关停，可以通过局域网唤醒(WoL)技术，关停那些暂时不使用的服务器，并在云数据中心的工作负载再次大幅增加时启动这些服务器。很显然，关闭空闲服务器以节省功耗与保持空闲服务器开启以最小化任务的平均等待时间之间存在明显的权衡问题。

云计算是基于服务器集群技术来实现的，通过软件手段将服务器集群池化，并进行统一管理和调度，对外提供具有可弹性伸缩、按需计费、高可用、高安全等特性的云服务。一个集群是将很多计算节点集中组织起来一起进行服务，在客户端看来就好像只有一个服务器，集群管理系统在多个集群上运行成千上万的任务，每个集群最多可以有数万个节点。因此，为了实现能耗-性能的折衷，设计灵活的集群调度机制成为云数据中心弹性伸缩的关键所在。云计算中对不同类任务进行差异化服务，对不同类任务提供不同的服务速率，从而合理调度多类任务，减少由于不合理任务调度而产生的大量奢侈能耗。为了追踪多类任务在云数据中心中被服务的全部过程，利用多类顾客排队系统来刻画不同类任务在云数据中心中的随机行为是非常贴切的理论模型，多类顾客排队系统非常适合于刻画多类顾客竞争相同资源的问题。在现有的研究中，广泛利用泊松过程(PoissonArrival Process)来刻画不同任务的到达流，泊松过程中的不同顾客之间都是相互独立的，没有考虑相关性特性，然而现实云数据中心中的信息流一般都是有相关性的，比如常见的突发流量激增和服务器过载现象。为此，将泊松过程扩展为更具一般性的带标记的马尔可夫到达过程(MarkedMarkovianArrival Process,MMAP)是非常重要的，马尔可夫到达过程与具有相关性的多类顾客排队系统有着天然的联系，马尔可夫到达过程的最初提出就是为了刻画对不同类别到达进行标记的随机点过程。到目前为止，利用基于马尔可夫到达过程的多类顾客排队系统对云数据中心中任务随机行为、节能与性能折衷策略进行建模分析的文献非常稀少。此外，从节能策略的优化方法出发，对于云用户和云服务供应商来说，当存在多种评价标准时，一些可行解可能从不同角度来说是最优的，而帕累托前沿点通常选择一组潜在的最优解以供决策者根据其偏好选择最佳的解决方案。因此，帕累托最优方法非常适合求解云数据中心中能耗与性能权衡的多目标优化问题。综上所述，针对以上研究背景，寻求一种云数据中心中基于双阈值滞后集群调度机制的节能策略，以发展解析模型的构建方法与求解思路而使解析模型更加丰富且更加贴近实际是十分迫切且必要的。

发明内容