源到负载的自动匹配的制作方法

专利名称：源到负载的自动匹配的制作方法
技术领域：
本公开涉及与源和负载的使用相关的应用。特别地，本公开涉及源到负载的自动匹配。
背景技术：
随着负载和源的数量的日益增加，系统复杂度也随之提高，保持对哪些负载从哪些源馈送的追踪变得更加困难。同样，随着远程监测系统实际上的增加，保持对负载的物理位置的追踪变得更加困难。此外，可能不断地增加、移除、临时断开、重新定位和重新连接负载和源。因此，负载的位置以及负载和源之间的连接拓扑是一种活动的、动态的环境。拓扑信息是有用的的一个实例是数据中心应用。由于能量消耗，并且特别是电流增加，与功率拓扑有关的最新信息以及特别是服务器的物理位置以及哪些服务器连接到哪些电路分支或功率点变得日渐重要。这种信息使数据中心管理器能够通过充分计划、为数据中心设备提供适当规模的能量、功率平衡、负载削减、过载保护、有效的问题诊断等来优化功率消耗。另外，在一些数据中心应用中，为了监测可靠性并降低故障情况下的故障排除时间，可能要求管理器保持最新的功率拓扑信息。存在与数据中心应用不同的各种应用，其中拓扑和负载位置信息是或将是有用的。已知的用于保持拓扑和位置信息的方法包括间或进行更新以反映负载和源之间的连接的电子表格或数据库。其他的方法包括利用条形码或间或地进行扫描的RFID标签对负载或馈送电缆进行标记。这些方法中的一些被证明是不可靠的并且不能在所有的时间提供最新信息。另外，这些方法中的一些方法需要人类干预，这增加了维护成本和潜在的不可靠性。

发明内容
在一个实施例中，匹配源到负载的方法包括分别接收对应于在多个负载和多个源处的在时间段内的样本的负载活动数据和源活动数据。匹配源到负载的方法进一步包括基于负载活动数据和源活动数据来评价在负载活动和源活动之间的相似性，并基于评价匹配来自多个负载的负载到来自多个源的至少一个源。


合并入且构成为说明书一部分的附图示出了各种示例性系统、方法等，所述示例性系统图示本发明的方面的各种示例性实施例。应当认识到的是，附图中的部件的图示界限代表所述界限的一个例子。本领域普通技术人员可以了解的是，一个部件可被设计成多个部件或者所述多个部件可被设计成单个部件。此外，内部部件可以被实现为外部部件并且反之亦然。另外，为了便于说明，附图可能未按比例绘制并且某些部分的比例可能被扩大。图I图示包括负载和源的示例性系统的示意图；图2图示包括负载、源和匹配服务器的示例性系统的示意图；图3图示用于将源自动匹配到负载的匹配服务器的一个实施例的功能框图；图4图示用于将负载自动匹配到源的匹配服务器的另一个实施例的功能框图；图5图示包括负载、源和匹配服务器的示例性系统的示意图；图6图示包括负载、源和匹配服务器的示例性系统的示意图；图7图示包括负载、源和匹配服务器的示例性系统的示意图；图8图示包括负载、源和匹配服务器的示例性系统的示意图；图9图示将源匹配到负载的示例性方法；图10图示将源匹配到负载的示例性方法；图11图示将源匹配到负载的示例性方法；图12示出匹配服务器的一个实施例的示意性框图。
具体实施例方式定义此处所使用的“计算机可读介质”指直接地或间接地参与提供信号、指令或数据的介质。计算机可读介质可采用的形式包括但不局限于非易失性介质、易失性介质和传输介质。非易失性介质可包括，例如，光盘或磁盘等。易失性介质可包括，例如光盘或磁盘、动态存储器等。传输介质可包括同轴电缆、铜线或光缆等。传输介质也可以采用电磁辐射的方式，类似于在无线电波和红外数据通信器件所产生的，或者采用一个或多个信号组的形式。计算机可读介质的常见形式包括但不局限于，软盘、软磁盘、硬盘、磁带、其它磁介质、CD-ROM、其它光学介质、穿孔卡片、纸带、具有穿孔图案的其他物理介质、RAM、ROM、EPROM、FLASH-R0M、或其它存储器芯片或卡、存储棒、载波/脉冲以及计算机、处理器或其它电子设备可读取的其它介质。用于在网络(像Internet)上传播指令或其它软件的信号可被认为是“计算机可读介质”。此处所使用的“数据存储”指能够存储数据的物理或逻辑实体。数据存储例如可以是数据库、表、文件、列表、队列、堆、存储器、注册表等。数据存储可驻留在一个逻辑或物理实体中，或者分布在两个或多个逻辑或物理实体之间。此处所使用的“逻辑”包括但不局限于，用来执行功能或动作、或者通过另一逻辑、方法或系统中来促使功能或动作的硬件、固件、软件或每个的组合。例如，基于所需的应用或需求，逻辑可包括软件控制的微处理器、类似于专用集成电路(ASIC)的离散逻辑、编程逻辑设备、包含指令的存储器设备等。逻辑可包括一个或多个门、门的组合或其它电路组件。逻辑也可以完全实现为软件。在描述了多个逻辑的逻辑体的情况中，可将多个逻辑的逻辑体合并到一个物理逻辑体中。类似地，在描述单个逻辑的逻辑体的情况中，可将该单个逻辑的逻辑体分布到多个物理逻辑体之间。还将了解的是，计算机可读或可执行指令可位于在一个逻辑中，或分布在两个或多个通信的、合作的或并行处理的逻辑之间，并且因此可以按照串行、并行、大规模并行和其它的方式被加载或执行。“可操作的连接”，或者将实体“可操作地连接”的连接，是可以发送或接收信号、物理通信或逻辑通信的连接。典型地，可操作的连接包括物理接口、电接口或数据接口，但应注意的是，可操作的连接可包括足以允许可操作的控制的这些或其它类型的连接的不同组合。例如，可以实现彼此直接地或通过一个或多个中间实体(例如，处理器、操作系统、逻辑、软件或其它实体)来通信信号，能够可操作地连接两个实体。逻辑或物理通信信道可用于创建可操作的连接。“可操作的连接”，或者将组件“可操作地连接”的连接，还是可操作地连接的组件或可操作的连接执行其预期的目的的连接。例如，两个组件可以直接地或通过一个或多个中间组件可操作地彼此连接。此处所使用的“信号”包括但不局限于一个或多个电或光信号、模拟或数字信号、数据、一个或多个计算机或处理器指令、消息、比特或比特流、或其它可被接收、传送或检测的方式。此处所使用的“软件”包括但不局限于一个或多个计算机或处理器指令，可读取、解释、编译或运行所述指令并且所述指令促使计算机、处理器或其它电子设备按所需方式执行功能、动作或行为。该指令可以体现为各种形式，例如例程、算法、模块、方法、线程或包括单独应用或来自动态或静态链接库的代码的程序。软件也可以按各种可执行或可加载的形式来执行，包括但不局限于独立程序、功能调用(本地或远程)、servelet, applet (小程 序)、存储在存储器中的指令、操作系统的一部分或其它类型的可执行指令。将认识到的是，对于本领域普通技术人员来说，软件的形式可能依赖于例如所需应用的需求、其运行的环境或设计人员/程序员的需要等。可使用类似于Java, Java Script, Java. NET, ASP. NET, VB. NET, Cocoa, Pascal,C#, C++，C, CGI，Perl, SQL, Mat lab, Mathematica, Maple, Mathcad, API, SDK 的编程语言和工具、组件、固件、微代码或其它语言和工具来产生用于实现此处描述的示例性系统和方法的各种组件的合适软件。软件，不论是整个系统或系统的组件，都可实现为制品并且被保持或提供作为如之前定义的计算机可读介质的一部分。软件的另一种形式可包括在网络上或其它通信介质上向接收者传送软件的程序代码的信号。因而，在一个例子中，计算机可读介质具有信号的形式，其中当该信号从web服务器被下载到用户时，该信号表示为软件/固件。在另一个实施例中，当将计算机可读介质保持在web服务器上时,该计算机可读介质具有软件/固件的形式。还可使用其它的形式。此处所使用的“用户”包括但不局限于一个或多个人、软件、计算机或其它设备、或它们的组合。在将负载匹配到源的上下文中，此处所使用的“匹配”包括但不局限于发现或确定负载和源之间的连接关系(例如，电连接、功率连接、流体连接等)。根据存储器中的数据位上的操作的算法和符号表示来呈现下面的详细说明的一些部分。这些算法描述和表示是本领域技术人员能够用于将他们的工作内容传递给其他人时所使用的手段。此处的算法，并且通常被设想为产生结果的操作序列。该操作可包括对物理量或非物理量的控制。通常，尽管不是必须的，这些量采用可在逻辑等中能够被存储、传递、组合、比较和其他操作等的电或磁信号的形式。已经证明的是，有时为了方便、主要出于普通应用的原因，将这些信号指代为比特、数值、元素、符号、字符、术语、数字等。但是应当在心中谨记的是，这些以及类似的术语应当与恰当的物理量相关联并且这些术语仅是应用于这些量的方便标签。除非进行了其他明确的规定，否则将认识到在整个说明书中，类似于处理、计算、演算、确定、显示等的术语，指代对被表示为物理(电)量的数据进行操作或转换的计算机系统、逻辑、处理器或类似的电子设备的操作或过程。在附图中图I图示系统100的示意图，该系统100包括η个负载Ll-Ln以及m个源Sl_Sm。从源Sl-Sm馈送负载Ll-Ln并且因此每个负载连接到至少一个源。但是，并不清楚哪些负载连接到哪些源。由于负载和源的日益增加的数量，诸如系统100的系统的复杂性增高，保持对哪些负载连接到哪些源的追踪以及保持对负载的物理位置的追踪变得更加困难。图2图示系统200的示意图。类似于上面讨论的系统100，系统200包括η个负载Ll-Ln以及m个源Sl_Sn。从源Sl-Sm馈送负载Ll-Ln并且因此每个负载连接到至少一个源。
在系统200中，负载Ll-Ln为活动感知负载。这意味着负载Ll-Ln能够对与它们自身在时间段内的活动级别相对应的负载活动数据进行报告。例如，在数据中心内，负载Ll-Ln可以是服务器，服务器的操作系统能够报告服务器活动度量或负载活动数据，例如，(PU使用、I/O使用、网络使用等。活动感知负载的其它例子包括电信装备、网络集线器、HVAC装备、电机等。负载活动数据可包括任意的物理上可测量的量。负载活动数据的其它例子包括功率、信号强度、热散失(heat dissipation)、扭矩、压力、流量、单位时间的操作
坐寸ο在系统200中，源Sl-Sm为活动感知源。源Sl-Sm能够对与它们自身在时间段内的活动级别相对应的源活动数据进行报告。在数据中心的例子中，源Sl-Sm可以是不间断电源(UPS)或电源分配单元(PDU)。这些源能够报告与从源进行馈送的负载直接相关联的源活动。例如，PDU可被配置为对与活动感知负载连接的每个输出断路器的消耗以kVA为单位进行报告。在另一个例子中，与多个活动感知负载可操作地连接的UPS可被配置为以VA为单位来报告消耗。活动感知源的其它例子包括电机起动器、空气泵、电池、DC电源等。源活动数据可包括任何物理上可测量的量。源活动数据的其它例子包括功率、电流、谐波失真、功率因子、实际功率、表观功率(apparent power)、V + A、压力、流量等。系统200进一步包括匹配服务器210。匹配服务器210可操作地连接到负载Ll-Ln和源Sl-Sm。匹配服务器210从负载Ll-Ln接收负载活动数据并且从源Sl-Sm接收源活动数据。基于负载活动数据和源活动数据，并假设负载上存在可忽略的能量存储，匹配服务器210可自动地将负载匹配到源并因此确定系统200的拓补。在一个实施例中，匹配服务器210以预编程的时间间隔周期性地确定系统200的拓扑，该系统100包括所有的负载和源。在另一个实施例中，匹配服务器210周期性地探测先前匹配的负载-源组的连接。匹配服务器210可每次一组或每次多于一组地探测匹配的负载-源组的连接。在其他实施例中，该匹配服务器210将负载匹配到源或者在特定条件(例如，用户动作，负载插入、源插入、负载移除、源移除、源低负荷等)时对之前匹配的组进行探测。所属领域的普通技术人员将了解的是，匹配服务器210可以是独立服务器或计算机，或者匹配服务器210可驻留在网络管理计算机或其他网络计算机中，或者匹配服务器210可嵌入在系统中的其他装置(例如，F1DU,仪表控制调整(MCA, meter-control-adjust)模块，刀片机架(blade racks)等)。图3图示说明参考图2公开的用于将负载自动匹配到源的匹配服务器300的实施例的原理框图。匹配服务器300包括活动监测器310，其被配置为接收该负载活动数据和源活动数据。在示例的实施例中，活动监测器310可操作地连接到I/O接口 320，所属I/O接口 320被配置为与包括负载和源的网络进行交互。匹配服务器300进一步包括数据存储330，该数据存储330可操作地连接到活动监测器310和匹配引擎340。数据存储330存储源活动数据和负载活动数据。匹配服务器300还包括匹配引擎340，该匹配引擎340可操作地连接到活动监测器310或数据存储330，并被配置为基于源活动数据和负载活动数据将源自动匹配到负载。匹配引擎340在假设与源和负载分别对应的源活动数据和负载活动数据之间存·在功能关系的情况下进行工作，其中源和负载在系统中互相连接。在数据中心的例子中，随着服务器的活动增加，电源消耗也随之增加。因此，对于连接的负载和源，As = f (\)，其中As是源活动数据并且\是负载活动数据。该函数f可单调地增加或减小，但不必要为线性。由于函数f是单调的，因此匹配引擎340能够使用非参数相关法(例如，弗利德曼测试(friedman test)、肯德尔等级(Kendall，s tau)、西格尔图基测试(Siegel-Tukeytest)、斯皮尔曼等级相关系数(Spearman’ rho)、Levenstein距离等)对与源对应的源活动数据和与负载对应的负载活动数据之间的类似程度进行评价。例如，如果采用斯皮尔曼等级相关系数，则相关系数将被定义为
6TJ；) = P = I -.......-·1 j7..............— fd = rmkA {aLj)-mnkA {as)其中 P e
，
Φ -I) 11，
Al = (aL1, aL2, · · ·，aLn)，As = (asl, aS2, · · ·，aSn)，mnk一| {x, e Ai , X, iS (J} | ,并且γΟ‘)=|{χ, ￡為x, <aSi}\因此，如果负载活动数据包括来自m个负载(即，
O
4”，42>"4Λ))的读数并且源活动数据包括来自m个源卿,^1}，Af}A{smb的读数，
贝U相关性片4" ’ 4J))可被用于执行自动匹配。在一个实施例中，负载活动数据包括来自m个负载的至少20个读数或采样，并且源活动数据包括来自m个源的至少20个读数或采样。在另一个实施例中，负载活动数据包括来自m个负载的30个读数或采样，并且源活动数据包括来自m个源的30个读数或采样。在其它实施例中，负载活动数据包括来自m个负载的大于20个读数或采样或小于30个读数或采样，并且源活动数据包括来自m个源的大于20个读数或采样或小于30个读数或采样。在其他实施例中，活动监测器310可连续接收负载活动数据和源活动数据，并且匹配引擎340在匹配时可采用最近进入的读数或采样。匹配引擎340通过对组合的最优化问题求解自动地匹配负载到源，该最优化问题根据最优化标准来处理将m个负载分配到m个源，使得结果是“最可能”的分配。在一个实施例中，匹配引擎340通过对线性求和分配问题(LSAP)求解将负载自动地匹配到源。在其它的实施例中，匹配引擎340通过不是对线性求和分配问题求解的方法来将负载自动地匹配到源，例如对二次方程式分配问题、线性块分配问题等进行求解。在一个实施例中，“最可能”的量与差异性的分数或关联成本度量相对应，当和4Λ更小地相似时(即，,4 ))该关联成本度量增加。在这个例子中，分数或成本越小，与源对应的源活动数据和与负载对应的负载活动数据之间更为相似。在这一实施例中，线性求和分配问题变为以使匹配的总成本(即，分数的和)最小化的方式，将每个负载匹配到一个源。在一个实施例中，匹配引擎340采用Munkres (曼克勒斯)算法来对将负载自动匹配到源的线性求和分配问题求解。采用Munkres，负载自动匹配到源的线性求和分配问题可表述为获得二元置换矩阵X = (Xu)mxm，其中如果#=/(#)(例如，负载i连接到源j)贝丨J Xij = I,否贝丨J Xij = O,其使满足= 1 (j = I, · · · ,=l(i = 1，…，m)以及Xij e {0,1} (i, j = I, , m)的最小化。一旦获得了 X，则可将连接到源S的负载L的匹配对(matching pairs) P的列表构造为P = {(Li, Sj) ^ij = 1}。在上述实施例中，使用Munkres算法对线性求和分配问题进行求解。在其它实施例中，匹配引擎340可采用除Munkres之外的多个算法(例如，Jonker-Volgenant, Burkard-Derigs, Dell' Amico, Martello, Yamada等)中的一个来对线性求和分配问题进行求解。作为相似度的分数或关联成本度量ΔΟΙΙ0，」#)的基础的相关算法(例如，斯皮尔曼等级相关系数)的使用可被实际的实现方式挑战所干扰。例如，不能将负载活动数据和源活动数据的报告速度假定为相同，这是因为他们不必须来自相同的数据流。负载活动数据和源活动数据的不同报告速度可产生导致数据延迟或丢失的偏移的或拉伸的时间序列，这会影响对负载活动数据和源活动数据的相应采样进行精确比较所必需的时间对准。在一个实施例中，匹配引擎340采用动态时间规整(DTW)来克服对偏移或拉伸的时间序列的负载活动数据和源活动数据进行比较的问题。DTW是一种索引或对准例如源活动数据As和负载活动数据Al的时间序列以使他们的相似度最小化的方法。为了执行对准，构造大小为ηχη的矩阵，使得每个(ith，jth)元素包含在两个点^,和％,之间的成本度量的值4气，弋)(例如，rf(气,)= 气·-'I2)。通过所述矩阵，在满足边界条件、连续性和单调性的约束情况下，通过表示Al和As元素的最佳对准的特定矩阵元素(i，j )来形成规整路径W。将和As之间的DTW差异性度量定义为最小成本规整路径W的长度，其是DTW(Ay As)=
权利要求
1.一种计算机实现方法(900)，包括 获得第一负载活动数据(910)，所述第一负载活动数据对应于在时间段内在第一负载处的活动； 获得第二负载活动数据(910)，所述第二负载活动数据对应于在所述时间段内在第二负载处的活动； 获得第一源活动数据(920)，所述第一源活动数据对应于在所述时间段内在第一源处的活动； 获得第二源活动数据(920)，所述第二源活动数据对应于在所述时间段内在第二源处的活动； 评价下述之间的相似性(930 ): 所述第一负载活动数据和所述第一源活动数据， 所述第一负载活动数据和所述第二源活动数据， 所述第二负载活动数据和所述第一源活动数据，以及 所述第二负载活动数据和所述第二源活动数据；以及 根据应用于从所述评价得到的分数的最优化标准来匹配所述第一负载到所述第一源和所述第二源中的一个并且匹配所述第二负载到所述第一源和所述第二源中的一个(950)。
2.如权利要求I所述的方法，其中较高的相似性对应于较低的分数并且所述最优化标准对应于使所述分数的总和最小化。
3.如权利要求I所述的方法，其中在所述第一负载处的所述活动包括电源、单位时间操作、CPU使用、I/O使用和网络使用中的至少一个。
4.如权利要求I所述的方法，其中在所述第一源处的所述活动包括功率消耗、电流、谐波失真、功率因数、真实功率和视在功率中的至少一个。
5.如权利要求I所述的方法，其中所述匹配包括求解线性求和分配问题。
6.如权利要求I所述的方法，其中所述匹配包括求解二元置换矩阵。
7.如权利要求I所述的方法，其中所述评价包括 沿所述时间段索引下列的样本以使所述相似性最大化 所述第一负载活动数据和所述第一源活动数据， 所述第一负载活动数据和所述第二源活动数据， 所述第二负载活动数据和所述第一源活动数据，以及 所述第二负载活动数据和所述第二源活动数据。
8.如权利要求I所述的方法，其中所述评价包括 沿所述时间段计算下列之间的动态时间规整(DTW)和DTW的下界近似值中的至少一个 所述第一负载活动数据和所述第一源活动数据， 所述第一负载活动数据和所述第二源活动数据， 所述第二负载活动数据和所述第一源活动数据，以及 所述第二负载活动数据和所述第二源活动数据。
9.一种计算机实现方法(900)，包括接收负载活动数据(910)，所述负载活动数据对应于在多个负载处在时间段内采样到的活动； 接收源活动数据(920)，所述源活动数据对应于在多个源处在所述时间段内采样到的活动； 计算在所述负载活动数据和所述源活动数据的样本对内的关联成本度量(940);以及 根据最优化标准基于所述关联成本度量将每个负载分配到至少一个源(950)。
10.如权利要求9所述的方法，其中较高的相似性对应于所述关联成本度量的较低的值并且所述最优化标准对应于所述关联成本度量的所述值的总和的最小化。
11.如权利要求9所述的方法，进一步包括 沿所述时间段对准对应于所述负载活动数据和所述源活动数据的样本对。
12.如权利要求9所述的方法，其中所述分配包括获得矩阵X=(Xu)mxm，如果Aln =Z(Jf0)IJ Xij = 0，否则 Xij = !，其使满足Σμ2# =1( j=1，2，· · · -m>=1(i=l，2，· · · m)和 XiJ e {0，1} (i，j=l, 2，· · ·，m)的H1K最小化，其中HAf，Λψ)为关联成本度量。
13.如权利要求9所述的方法，进一步包括 将所述负载活动数据和所述源消耗数据转换为相对等级(930)。
14.如权利要求9所述的方法，进一步包括 将所述负载活动数据和所述负载活动数据的相对等级中的一个归一化；以及 将所述源消耗数据和所述源消耗数据的相对等级中的一个归一化。
15.一种计算机实现方法，包括 接收负载活动数据(910)，所述负载活动数据对应于在多个负载处在时间段内的活动的样本； 接收源活动数据(920)，所述源活动数据对应于在多个源处在所述时间段内的活动的样本； 基于所述负载活动数据和所述源活动数据评价在所述负载活动和所述源活动之间的相似性(940);以及 基于所述评价将来自所述多个负载的负载分配到来自所述多个源的至少一个源(950)。
16.如权利要求15所述的方法，进一步包括 确定来自所述多个源的至少两个源为冗余源，所述冗余源为来自所述多个负载的所述负载馈电，其中所述分配包括将所述负载分配到所述至少两个源。
17.如权利要求15所述的方法，其中所述评价包括 计算动态时间规整(DTW)和DTW的下界近似值中的至少一个。
18.如权利要求15所述的方法，其中所述分配通过矩阵X=(Xij)mxm给出，如果A(f = /(40》则 =I，否则 Xij = 0，其使满足22,~=1(」=1，2，…，πι)，Σ二Xv =1(i=l，2，...m)以及 XiJ e {0,1} (i，j=l，2，…，m)的最小化，其中是根据所述评价步骤的相异性分数，其中所述相异性分数与包括对应于所述负载i的负载活动数据和对应于所述源j的源活动数据的对的评价相对应。
19.如权利要求14所述的方法，其中较高的相似性对应于在所述评价中计算出的较低的分数并且所述分配如此分配使得所述分数的总和最小。
20.如权利要求14所述的方法，其中所述负载活动数据包括CPU使用、I/O使用和网络使用中的至少一个，并且所述源活动数据包括功率消耗、VA、电流、谐波失真、功率因子、真实功率和视在功率中的至少一个。
全文摘要
一种匹配源到负载的方法，包括分别接收对应于在多个负载和多个源处在时间段内的活动的样本的负载活动数据和源活动数据。该匹配源到负载的方法进一步包括基于负载活动数据和源活动数据评价在负载活动数据和源活动数据之间的相似性，并且基于评价匹配负载到源。
文档编号G06F1/32GK102939572SQ201180028785
公开日2013年2月20日 申请日期2011年6月10日 优先权日2010年6月11日
发明者L·R·佩雷拉 申请人:伊顿公司