神经网络在数据中心能耗模型研究中的应用

李超 张建强 凡小明

中移系统集成有限公司 北京 100052

1 数据中心节能技术现状概述

1.1 传统方式

面向数据中心，传统的资源分配策略主要是基于虚拟化资源的调度技术，通过虚拟化技术将有限的物理资源重新分配。底层利用率较低的虚拟机，会通过虚拟机动态迁移技术被整合到同一台服务器上，空置的服务器将会被关闭或强制休眠，以达到降低能耗的目的。

1.2 节能技术存在的问题

影响数据中心高效节能资源分配方法的因素主要有以下三个：一是数据中心资源监测方法是否准确高效，是否能够反馈准确的实时资源数据为资源分配策略提供支撑；二是能否建立能够准确地计算出数据中心能源消耗情况的能耗计量模型；三是能耗计量模型的高效率自适应算法，在确定能耗模型后，能够进行高效稳定的极值寻优求解，并能快速地进行资源的分配[1]。而目前的资源分配策略主要存在以下不足：首先，监控资源的方法基于单一的轮询方式或者事件驱动方式，在监测云数据中心虚拟资源的动态变化时灵活性较低；其次，目前通常采用对CPU利用率或者内存利用率等因子进行时间积分的方式建立能耗模型，在通过遗传算法对模型进行极值寻优，从而进行资源分配，这种做法不利于提高工程运用中的效率，而且也不能自适应的去调节模型参数。

2 神经网络算法在数据中心节能策略中的应用

2.1 整体设计与实现

为了解决以上问题，本文提出一种基于神经网络的数据中心能耗模型，其架构主要包括实时自动化监控模块、能耗模块和基于神经网络模型的资源分配模块。……