[发明专利]一种基于机器学习的服务器能耗预测方法和系统有效
| 申请号： | 201810252229.2 | 申请日： | 2018-03-26 |
| 公开（公告）号： | CN108595301B | 公开（公告）日： | 2021-03-26 |
| 发明（设计）人： | 牛逸翔;孙毓忠 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F11/30 | 分类号： | G06F11/30;G06F11/34 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国;梁挥 |
| 地址： | 100080 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于机器学习的服务器能耗预测方法和系统，包括：分别采集服务器在零负载、低负载和高负载状态下的系统资源利用率和实时能耗，作为零负载训练集、低负载训练集和高负载训练集；分别将零负载训练集、低负载训练集和高负载训练集输入机器学习模型进行训练，生成零负载能耗模型、低负载能耗模型和高负载能耗模型；根据服务器的待预测系统资源利用率，选择零负载能耗模型，或低负载能耗模型，或高负载能耗模型，以预测服务器的能耗值，系统资源利用率包括：内存利用率、网络带宽利用率、磁盘利用率和CPU利用率，由此本发明通过扩充采集的系统资源利用率参数和分段训练模型，提高了预测精度和实用性。 | ||
| 搜索关键词： | 一种 基于 机器 学习 服务器 能耗 预测 方法 系统 | ||
【主权项】：
1.一种基于机器学习的服务器能耗预测方法，其特征在于，包括：步骤1、根据预设的总CPU利用率阈值，将服务器的工作状态划分为零负载状态、低负载状态和高负载状态，分别采集该服务器在该零负载状态、该低负载状态和该高负载状态下的系统资源利用率和实时能耗，作为零负载训练集、低负载训练集和高负载训练集；步骤2、分别将该零负载训练集、该低负载训练集和该高负载训练集输入机器学习模型进行训练，生成零负载能耗模型、低负载能耗模型和高负载能耗模型；步骤3、根据该服务器的待预测系统资源利用率，选择该零负载能耗模型，或该低负载能耗模型，或该高负载能耗模型，以预测该服务器的能耗值；其中步骤1中该系统资源利用率包括：该服务器的内存利用率、网络带宽利用率、磁盘利用率和该服务器中每个CPU的CPU利用率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810252229.2/，转载请声明来源钻瓜专利网。
