一种基于市场电价的数据中心实时任务调度方法

文档序号:8224024阅读:273来源:国知局
一种基于市场电价的数据中心实时任务调度方法
【技术领域】
[0001] 本发明设及一种基于市场电价的数据中屯、实时任务调度方法,属于计算机领域。
【背景技术】
[0002] 数据中屯、,或称为服务器农场(server farm),指用于集中安置计算机系统W及相 关部件的设施(如通信和存储系统),一般包含冗余和备用电源,冗余数据通信连接,环境 控制(如空调、灭火器等)和安全设备("维基百科")。当前随着信息技术的高速发展W 及大规模普及应用,数据中屯、作为信息领域的核屯、基础设施,其规模发展迅猛,中小型数据 中屯、拥有服务器数量一般达到百千台,而大型数据中屯、所拥有的服务器规模一般可达到万 台W上。如此庞大数量的服务器群,包括支撑其运行的相关环境设备,所产生的电能消耗是 巨大的,其运营成本也是非常昂贵的。据统计,每年全球数据中屯、总共有260亿美元被花费 在了电力成本上,相当于占有了整个世界1.5%的能源。中国数据中心消耗的总电量已占全 社会总电力消耗的2% W上,其耗电量已大于=峡大巧全年的发电量。有统计数据表明数据 中屯、能耗成本往往占数据中屯、总体运营成本的50 % W上。
[0003] 而数据中屯、对电能的消耗主要集中在系统中的IT设备(庞大数量的服务器群) 与空调制冷设备上,IT设备(庞大数量的服务器群)作为数据中屯、主要功能(计算与存 储)的执行者,所消耗的电能已占据整个系统的主要部分。对于IT设备(庞大数量的服务 器群)的电能消耗则主要来自于对实时计算任务的操作执行。因此,在市场电价背景下,针 对数据中屯、实时任务实施合理优化调度,进而降低数据中屯、能耗成本已经成为运营和管理 者关注的焦点。
[0004] 为此,有研究者针对上述问题设计了一种在线式负载调度算法,在不使用未来的 负载、电价和绿色能源可用性信息的前提下,最小化数据中屯、的电费。但其研究只是针对数 据中屯、系统整体负载情况实施调度,并未考虑对形成系统负载的实时任务进行进一步资源 分配与调度执行。有研究者提出了基于动态定价策略的数据中屯、能耗成本优化方案,主要 是根据不同数据中屯、间的服务需求量和电价差别,设计了多个数据中屯、间的负载路由机制 W削减数据中屯、的整体能耗成本,而对单个数据中屯、只是简单定义了动态调节服务器状态 方法W优化数据中屯、能耗成本。也有研究者提出了在成本约束下的能耗资源调度优化算 法,根据世界时区性考虑电价成本,利用负载平衡的方法进行多数据中屯、任务调度。其研究 虽然考虑了同时期不同区域电价的差异性,并根据各数据中屯、服务器空闲状态进行任务调 度,但并未考虑任务完成时限该一典型特征,且对任务在服务器上的执行时间也没有进行 进一步分析与选择确定。
[0005] 综上所述,已有的相关研究还是缺少针对单个数据中屯、系统中实时任务在考虑市 场电价情况下的精细化优化调度管理研究,而对数据中屯、实时任务实施基于市场电价的优 化调度,则是进一步降低数据中屯、乃至多数据中屯、运行成本的重要基础。本发明关注的实 时计算任务作为数据中屯、系统计算任务中的一类典型计算任务,具有完成时间限制、到达 时间随机的特点;所描述的实时任务调度,是指为实时任务分配一个数据中屯、系统中任务 执行的服务器,并确定实时任务在所分配服务器上的执行开始时间和结束时间。

【发明内容】

[0006] 本发明要解决的技术问题是在基于市场电价前提下,解决数据中屯、系统电价运行 成本较高的问题。
[0007] 为解决该问题本发明所采取的技术方案是:当实时任务到达数据中屯、后,首先计 算实时任务的到达时间与完成时限之间的各小时段的电价成本选取函数值,然后根据该电 价成本选取函数值选取合适的实时任务执行小时段,再选取实时任务的执行服务器,并确 定实时任务的执行开始时间和结束时间,最后将实时任务调度至选取的服务器上,根据所 确定的开始时间和结束时间执行任务。
[000引具体方案如下;
[0009] 当实时任务i到达数据中屯、后,该数据中屯、由执行任务的N台服务器集合 (Ml, M2,…,M。,…心}组成,其中M。为数据中屯、系统的第n台服务器,n为数据中屯、系统中服 务器的顺序标识号,l《n《N。实时任务i的到达时间ti与任务完成时限i;之间有T个 小时段的调度时间区间,记为Ti= {1,...,T},T为实时任务i的到达时间ti与任务完成 时限?^之间的小时段数;小时段是指从实时任务到达时刻向下取整的整点时刻起算的每个 小时为1小时段,实时任务到达时所在的小时段为第1个小时段,例如实时任务1到达时间 为7:10:32,完成时限为10:00:00,则实时任务1分别有S个小时段一一7点小时段(第1 小时段)、8点小时段(第2小时段)和9点小时段(第3小时段),记为Ti= {1,2,3};实 时任务2到达时间为8:00:00,完成时限为10:30:00,则实时任务2分别有S个小时段一一 8点小时段(第1小时段)、9点小时段(第2小时段)和10点小时段(第3小时段),记 为 T2= {1,2,3}。
[0010] 步骤1 ;计算实时任务i的各小时段k的电价成本选取函数值f(k,i),k = 1, . . . , T ;
[0011]
【主权项】
1. 一种基于市场电价的数据中心实时任务调度方法,其特征在于它包括以下步骤: 步骤1 :实时任务i到达数据中心系统,计算实时任务i的各小时段k的电价成本选取 函数值 f(k, i), k = 1,· · ·,τ :
α+β =1, α <β ?为实时任务i的完成时限,4为第k个小时段的起始时间,小时段是指从实时任务到 达时刻向下取整的整点时刻起算的每个小时为1小时段,实时任务到达时所在的小时段为 第1个小时段; k为小时段的顺序标识,k = 1,. . .,τ,τ为实时任务i的到达时间ti与任务完成时 限?之间的小时段数; Ti为实时任务i的调度时间区间,T ,= {1,. . .,τ }即τ个小时段; Pk为小时段k内的电价,其取值为实时任务i的τ个小时段内的市场电价值; α、β为小于1的权重因子,其取值由决策者设定,α值表示决策者关注实时任务完成 时限的程度,β值的大小表示决策者关注低电价成本的程度,α < β表示在本发明中更关 注低电价成本; 步骤2 :将计算后的f (k,i)值进行降序排列为{f1 (k,i),. . .,fγ (k,i),. . .,fτ (k,i)}, I彡γ彡τ,并令变量γ = I ; 步骤3 :选择实时任务i执行的小时段k* :
其中,为取得第γ个f (k,i)值的小时段顺序标识; 步骤4:若则γ = γ+?,转至步骤3; <为小时段k*的起始时间,^为实时任务i的完成时限; 步骤5 :选择运行实时任务i的服务器η* :
若存在多个服务器取得
,即η*为取得
值中最小顺序标识的服务器; f为小时段k*内服务器η队列中已安排任务的总长,单位为千位kb,lb = Ibyte ; ?Γ为小时段k*内服务器η的运行速度,单位为千位每秒kbps ; M为数据中心系统执行实时任务的N台服务器集合(M1, M2,. . .,Mn,. . .,MN},Mn为数据 中心系统的第η台服务器,η为数据中心系统中服务器的顺序标识号,I < η < N ; 步骤6 :将实时任务i插入服务器η*任务队列最后,计算实时任务i实际执行开始时 间#及实际执行结束时间
其中,f为实时任务i到达服务器η*任务队列时间,近似为实时任务i到达数据中心 系统时间ti; 为小时段k*内服务器η*任务队列中排在实时任务i前面一个任务的 执行结束时间,若小时段k*内服务器η*无实时任务执行,则?,? ; Ii为实时任务i 长度,单位为千位kb,lb = Ibyte ; 为小时段k*内服务器η*运行速度,单位为千位每秒 kbps ; 步骤7 :检测任务执行结束时间是否满足任务执行时限 比较(与实时任务i完成 的时间限制 当if S (,则输出n*,tj和t J,转步骤8 ; 当<>「,γ = γ+1,若γ彡12,转步骤3,若γ > 12,则按照γ = 1时,选取小时段
确定服务器
以及计算开始时间
和结 束时间 <
;输出n*,tis和t,; 步骤8 :将实时任务i调度至数据中心的服务器η*上,在时间V开始执行,在时间t ^ 结束任务执行。
2. 如权利要求1所述的一种基于市场电价的数据中心实时任务调度方法,其特征在于 该调度方法应用于大型数据中心。
3. 如权利要求1所述的一种基于市场电价的数据中心实时任务调度方法,其特征在于 该调度方法应用于中小型计算机集群。
【专利摘要】本发明公开了一种基于市场电价的数据中心实时任务调度方法,属于计算机领域。目的是基于市场电价前提下,解决数据中心系统电价运行成本较高的问题。技术方案是当实时任务到达数据中心系统后,首先计算实时任务的到达时间与完成时限之间的各小时段的电价成本选取函数值,然后根据该函数值选取合适的实时任务执行小时段,选取执行服务器,并确定实时任务的执行开始和结束时间,最后将实时任务调度至选取的服务器上,根据所确定的开始时间和结束时间执行任务。采用本发明使得数据中心根据实际市场电价成本进行实时任务优化调度,达到降低数据中心系统的整体运行成本的目标。
【IPC分类】G06Q10-06, G06Q50-06
【公开号】CN104537505
【申请号】CN201510038370
【发明人】雷洪涛, 张涛, 查亚兵, 刘亚杰, 王锐
【申请人】中国人民解放军国防科学技术大学
【公开日】2015年4月22日
【申请日】2015年1月26日
【公告号】CN104537505B
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1