本发明涉及数据中心节能模型的设计领域，特别是基于排队论的数据中心节能模型的设计方法。
背景技术
数据中心的历史可以追溯到20世纪60年代。早期的数据中心就是用户通过远程终端分时在主机上得到部署和操控。在数据中心的繁荣在互联网时代到来了。许多公司开始建设大型互联网连接的设备，而这些被称为互联网数据中心(idc机房)。2006年，谷歌首次提出云计算，随后，亚马逊，微软，雅虎，ibm等it企业投入很大的精力和财力来推动它。云计算所需要的数据中心网络(网dcn)是可扩展的，其灵活，强大并且能量损耗高。大规模网络和虚拟机(vm)迁移是当今数据中心的主要特点。云计算是数据中心最重要的服务。然而随着数据中心的逐渐发展，仍有诸多问题有待解决。研究数据中心网络dcn已经成为在计算机网络领域非常重要的一个部分。
目前为止，已经有很多发表文章对于数据中心的新的节能模型进行了建立和讨论，模型多以提高适应性或者降低调用成本为出发点来建立心的数据中心节能机制。不少文章也以数据中心的耗能和维护冷却机制为出发点，提出一些降低能耗的模型来控制数据中心整体耗能。还有外国学者以数据中心能量消耗和适应性的相关关系为出发点或对于一些数据中心服务器与交换机的结构为出发点进行节能研究，然而最终的测试数据表明，其能耗节约仅占总能耗的5％左右，而其应用范围有限，还可能对数据中心处理数据效率等性能参数有一定影响。
技术实现要素：
为解决现有技术中存在的问题，本发明提供了基于排队论的数据中心节能模型的设计方法，解决了能耗大，等待时间长的问题。
本发明采用的技术方案是，基于排队论的数据中心节能模型的设计方法，方法包括如下步骤：
步骤s1：描述数据中心主服务器和备用服务器的状态，其中主服务器有忙闲两种状态，备用服务器有空闲忙关闭三种状态；
步骤s2：根据排队论m/m/k模型，建立主服务器和备用服务器共存的数据中心节能数学模型；
步骤s3：基于建立的数学模型，推导出系统平均等待时间，以及系统平均能耗关于主服务器与备用服务器数量关系的表达式；
步骤s4：通过限定平均等待时间建立能耗最小化的优化问题模型，并利用遗传算法进行问题求解，最终可以确定最优的主服务器与备用服务器的数量。
本发明基于排队论的数据中心节能模型的设计方法的有益效果如下：
能耗与高处理效率是并存的。然而想大幅度降低能耗就必须牺牲一部分的高处理效率，也就是说，能耗降低的同时，用户在数据中心的请求的等待时间会适量地有所增加。模型建立后还会对数据中心处理数据任务的时间进行计算，根据处理时间对阈值进行调整，也就意味着对增加的处理时间和总的节约能耗幅度进行一个均衡的总体调节，最终确定一组在等待时间可以接受的情况下最合适的阈值解，本模型的建立，在寻找一种能耗更大地降低，等待时间小幅提升的均衡办法。以实现最少的牺牲等待时间，最大程度上降低能源损耗的数据中心模型。
附图说明
图1为本发明基于排队论的数据中心节能模型的设计方法的总流程图。
图2为本发明基于排队论的数据中心节能模型的设计方法的步骤s4的流程图。
图3本发明基于排队论的数据中心节能模型的设计方法的步骤s43的流程图。
图4本发明基于排队论的数据中心节能模型的设计方法的步骤s45的流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，基于排队论的数据中心节能模型的设计方法，方法包括如下步骤：
步骤s1：描述数据中心主服务器和备用服务器的状态，其中主服务器有忙闲两种状态，备用服务器有空闲忙关闭三种状态；
步骤s2：根据排队论m/m/k模型，建立主服务器和备用服务器共存的数据中心节能数学模型；
步骤s3：基于建立的数学模型，推导出系统平均等待时间，以及系统平均能耗关于主服务器与备用服务器数量关系的表达式；
步骤s4：通过限定平均等待时间建立能耗最小化的优化问题模型，并利用遗传算法进行问题求解，最终可以确定最优的主服务器与备用服务器的数量。
本方案的步骤s3系统平均能耗的表达式为：
式中，ebusy1表示主服务器busy状态的耗能；ebusy2表示备用服务器busy状态的耗能；eidle1表示主服务器空闲idle状态的耗能；eidle2表示备用服务器空闲idle状态的耗能；eoff表示主服务器和备用服务器关闭off状态的耗能；e表示数据中心总能耗值；λ表示工作任务进入数据中心的速率；μ1表示主服务器的服务速率；μ2表示备用服务器的服务速率；θ1表示备用服务器关闭阈值，当i＜θ1时，备用服务器关闭；θ2表示备用服务器开启阈值，当i>n+θ2时，备用服务器开启；i表示数据中心工作任务数量；j表示备用服务器开关标志，j＝0时，备用服务器关闭；j＝0时，备用服务器开启；m_act表示开启的备用服务器数量；ω表示数据中心中的队列长度；ρ表示话务强度。
如图2所示，本方案的步骤s4的遗传算法包括如下步骤：
步骤s41：对不同的问题进行编码；
步骤s42：根据编码，对群体中选择生命力强的个体产生新的群体；
步骤s43：在生命力强的个体中，选择两个同源染色体通过交配而重组，形成新的染色体，从而产生新的个体或者物种；
步骤s44：在生物的遗传和自然进化过程中，其细胞分裂复制环节有可能会因为偶然原因产生复制差错，导致生物某些基因发生变异，从而产生出新的染色体；
步骤s45：根据各个个体的差异度，计算出适应各个个体最高的适应度函数；
步骤s46：根据求出的函数选出最优的交叉概率和变异概率；
步骤s47：根据搜索空间限定法，解变换法和罚函数法对函数进行条件限定。
如图3所示，本方案的步骤s45的具体步骤如下：
步骤s451：对个体编码处理后，得到个体的表现型；
步骤s452：根据个体的表现型，计算出对应个体的目标函数值；
步骤s453：根据最优化的算法和目标函数，得出个体的适应度。
如图4所示，本方案的步骤s43的具体步骤如下：
步骤s431：对个体进行两两随机配对，如果群体大小为m，则有
步骤s432：根据每一对相互配对的个体，随机设计一基因组之后的位置为交叉点，若染色体的长度为n，则一共会有n-1个可能的交叉点位置；
步骤s433：对每一对互相配对的个体，依设定的交叉概率在其交叉点处互相交换两个个体的部分染色体，继而产生两个新等待个体进入下一代。
本方案的步骤s3的平均等待时间为
式中，wq表示平均等待时间，lq表示平均等待队长，λ表示到达率。
本方案的交叉概率取值范围为0.4～0.99，变异概率取值范围为0.0001～0.1。
本方案的步骤s2的排队论m/m/k模型的递推公式为
式中，ρ为话务强度，i为个服务器的数量，π为客户出现的概率，k为总的对长。
本实施方案在实施时，根据不同情况关闭部分服务器以彻底达到节能的效果。描述数据中心主服务器和备用服务器的状态，其中主服务器有忙闲两种状态，备用服务器有空闲忙关闭三种状态；这个交换器和服务器的决定基于一个有两个阈值的延迟机制，这两个阈值必须被合理地测量，并且取决于系统工作等待队列长队的负载等级。
上两层负责流量分配，第3层由交换机和服务器组成。我们关注边界层和此上一层的性能优化数据中心(pod)。pod包括一定数量的服务器，这些服务器都从机架式开关的顶部连接到交换器。我们假定，那些新的工作任务以指数分配的间隙时间到达数据中心系统。如果此时数据中心系统中没有一个空闲的服务器可用，这个工作就被排在队列中。一旦一个服务器完成了当前工作的处理，它就开始处理队列中排队等待的的另一个工作任务。
我们的目标是估算在一个数据中心要消耗多少能量，还有服务器关闭不处理任何工作时候可以节省多少能量。因此，描述数据中心主服务器和备用服务器的状态，其中主服务器有忙闲两种状态，备用服务器有空闲忙关闭三种状态。
再根据排队论中简单模型m/m/k模型为基础进行研究工作，建立合适的由不同类型服务器组成的混合数据中心节能模型，目的在于求出可以使部分服务器随系统中需处理的工作任务数开启关闭的机制中控制开启关闭的阈值，从而完整的建立可控制部分服务器开启关闭的数据中心节能模型。模型建立好后求出其总的能耗值再与传统数据中心模型的总能耗做对比，求出可能节约的能量总值。
同时考虑到能耗与系统服务延迟性能，但是想大幅度降低能耗就必须牺牲一部分的高处理效率，也就是说，能耗降低的同时，用户在数据中心的请求的等待时间会适量地有所增加。模型建立后还会对数据中心处理数据任务的时间进行计算，根据处理时间对阈值进行调整，也就意味着对增加的处理时间和总的节约能耗幅度进行一个均衡的总体调节，最终确定一组在等待时间可以接受的情况下最合适的阈值解。
总的来说，本模型的建立，旨在寻找一种能耗更大地降低，等待时间小幅提升的均衡办法。以实现最少的牺牲等待时间，最大程度上降低能源损耗的数据中心模型。