一种面向场景预测的服务器功耗管理方法
【专利摘要】本发明提供了一种面向场景预测的服务器功耗管理方法，首先获得服务器系统的具体场景下的历史功耗数据，然后通过离线数据挖掘方法对历史数据进行整理和分析，根据数据挖掘结果建立面向应用场景的预测策略模型，并给出基于预测策略模型的功耗管理策略，最后面向NodeManager进行实施进行功耗动态管理。利用本发明的面向场景预测的服务器功耗管理方法，可以在对大规模服务器部署的多种应用场景下进行有效的功耗管理，不仅达到从芯片级、基础架构级、软件业务级等多级的节能结果，而且可提高机房的整体冷却效率，大大的节省了能源、降低了维护和运行的费用。
【专利说明】一种面向场景预测的服务器功耗管理方法
【技术领域】
[0001]本发明设计一种交互界面开发技术，具体地说是一种面向场景预测的服务器功耗
管理方法。
【背景技术】
[0002]服务器能耗的增加主要体现在如下几个方面:首先是CPU功耗的增加，几十年来，CPU的制造工艺不断提升，频率越来越高，在其计算能力飞速提升的同时，其功耗同样增长惊人；其次是内存及其功耗的增加，随着制造工艺的改进，内存容量越来越大，速度越来越快；再次是芯片组和外围设备，由于CPU和内存频率不断提高，这就要求和它们配合的芯片组，总线和外围设备都需要工作在更高的频率，才能充分发挥其性能，而更高的频率意味着更多的电能消耗；第四方面是机房制冷和供电设备的能耗，由于服务器对高温非常敏感，因此机房必须配置大量的制冷设备，而且机房供电设备在电压转换时会损失部分电能。以百万亿次超级计算机为例，其每年的电费开销预期将高达千万元人民币以上，未来持续千万亿次超级计算机系统的能源消耗预期将远高于以上估算，因此，当前节能减耗已逐渐成了服务器技术的关键词。
[0003]目前业界在服务器节能技术方面的研究主要集中在三个方面:芯片级节能技术，如CPU功耗控制、CPU频率调整等；基础架构级节能技术，如高效率电源、智能温控风扇等；系统级节能技术，如基于作业调度的机群节点休眠、面向能耗的进程及作业级迁移等。以上各方面虽然能节约部分功耗，但并不能提高机房的整体冷却效率，因此达不到更好的服务器节能减耗的效果。
[0004]因此，如何既能准确的管理服务器系统实际功率消耗，又能提高服务器机房的整体节能减耗的效率，更进一步地实现具有预测处理能力的自主性服务器系统功耗管理机制就成了亟需解决的问题。
[0005]
【发明内容】
针对如何准确的管理服务器系统实际功耗，提高机房的整体节能减耗的效率，本发明提出了一种具备基于数据挖掘的面向场景预测模型，并应用该模型对服务器系统功耗进行管理的方法。
[0006]本发明所述面向场景预测的服务器功耗管理方法，解决所述技术问题采用的技术方案如下:所述面向场景预测的服务器功耗管理方法，通过挖掘多种应用场景下服务器系统实际功耗的具体变化规律，建立一种服务器系统功耗与应用场景间的预测模型，从预测的角度对服务器功耗进行管理；所述面向场景预测的服务器功耗管理方法主要内容包括:服务器历史数据挖掘方法、预测策略模型、功耗管理策略的设定及其实施；
所述面向场景预测的服务器功耗管理方法，首先获得服务器系统的具体场景下的历史功耗数据，然后通过离线数据挖掘方法对历史数据进行整理和分析，根据数据挖掘结果建立面向应用场景的预测策略模型，并给出基于预测策略模型的功耗管理策略，最后面向Node Manager进行实施进行功耗动态管理。[0007]进一步，所述服务器历史数据挖掘方法中，服务器历史数据来源于服务器系统不同应用场景下采集的历史数据，数据挖掘有明确的场景面向性和时间性；
所述数据挖掘方法是指，首先通过数据抽取、转换、洗涤、集成及加载对数据预处理，再通过聚合、回归、分类算法和关联关系对数据进行分析处理；其中，数据挖掘分析是针对服务器系统不同应用场景采集的历史功耗数据离线进行的。
[0008]进一步，所述预测策略模型的建立以数据挖掘的结果为基础，其是针对服务器系统功耗变化趋势与应用场景提出的转换模型，给出了服务器系统功耗与应用场景转换关系，对功耗管理提供预测控制策略。
[0009]进一步，所述功耗管理策略是基于上述预测策略模型给出的，即功耗管理策略的制定以预测策略模型为基础；所述功耗管理策略的设定项包括:策略标号、策略类型、策略功耗阈值、策略执行周期、策略循环周期。
[0010]进一步，所述功耗管理策略的实施:通过Node Manager对功耗管理策略进行实施，首先通过BMC与ME间的SMBus总线管理接口，将具体管理策略由BMC设定到NodeManager的ME，然后重新启动BMC使ME控制系统、CPU、内存组件进行功耗管理。
[0011]本发明公开的一种面向场景预测的服务器功耗管理方法的有益效果是:
本发明的方法与具体级别的功耗管理技术无关，通过建立一种服务器系统功耗与应用场景间的预测关系，能够从预测的角度对服务器功耗进行管理。利用本发明的面向场景预测的服务器功耗管理方法，可以在对大规模服务器部署的多种应用场景下进行有效的功耗管理，通过面向场景预测的控制方法，不仅达到从芯片级、基础架构级、软件业务级等多级的节能结果，而且可提高机房的整体冷却效率，大大的节省了能源、降低了维护和运行的费用。除此之外，本发明也涉及离线数据挖掘分析，其中挖掘算法的准确性是保证功耗和场景转换模型建立有很大的关系，通过对挖掘算法的改进和优化可进一步提高功耗管理的准确性和有效性。
[0012]本方法适合于所有支持Node Manager2.0及以上版本的IntelX86处理器平台，特别适用于大数据处理中心、高性能集群计算等对服务器实际能耗管理要求严格的场合，通过准确的管理服务器在不同应用场合下的功耗，更好地到达企业降低能耗的要求。
【专利附图】
【附图说明】
[0013]附图1为本发明的面向场景预测的功耗管理框图；
附图2为本发明的数据挖掘分析流程图；
附图3为本发明的预测策略模型工作流程图；
附图4为本发明的BMC、ME、PSU等部件的连接图。
【具体实施方式】
[0014]下面通过附图，对本发明所述面向场景预测的服务器功耗管理方法进一步详细说明，并不构成对本发明的限制。
[0015]本发明所述面向场景预测的服务器功耗管理方法，进行设计时主要涉及到的内容包括:面向场景的服务器历史数据挖掘方法、基于功耗与场景转换的预测策略模型的设置、功耗管理策略的设置和功耗管理策略的实施。所述面向场景预测的服务器功耗管理方法，首先，获得服务器系统的具体场景下历史功耗数据，然后，通过数据离线挖掘方法对历史数据进行整理和分析，再然后，根据数据挖掘结果建立面向应用场景的预测策略模型，并给出基于该模型的功耗管理策略，最后，通过BMC将管理策略设定到Node Manager (节点管理器)实体ME，并重启BMC使ME功耗管理生效。
[0016]所述面向场景的服务器历史数据挖掘方法中，服务器历史数据来源于服务器系统不同应用场景下采集的历史数据，数据挖掘有明确的场景面向性和时间性；
所述面向场景的服务器历史数据挖掘方法是指，首先通过数据抽取、转换、洗涤、集成及加载等步骤对数据预处理，再通过聚合、回归、分类等算法和关联关系对数据进行分析处理；数据挖掘分析是针对服务器系统不同应用场景采集的历史功耗数据离线进行的。
[0017]所述预测策略模型的建立以数据挖掘的结果为基础，所述预测策略模型是针对服务器系统功耗变化趋势与应用场景提出的转换模型，给出服务器系统功耗与应用场景转换关系，对功耗管理提供预测控制策略。这里所述应用场景包括:高性能计算应用场景、数据中心节能场景、业务时间区间选择场景、能耗分散管理场景等。
[0018]所述功耗管理策略的设置中，所述功耗管理策略是基于所述预测策略模型给出的，即功耗管理策略的制定以预测策略模型为基础；所述功耗管理策略的设定项包括:策略标号、策略类型、策略功耗阈值、策略执行周期、策略循环周期；在进行功耗管理策略设置时，受以下条件限制:针对每一独立功耗管理单元的策略数量不超过5条，每次可同时对多个独立功耗管理单元进行相同的策略添加、删除、开启及关闭动作，同一独立单元的功耗管理策略的时间循环周期不能重叠及重复，功耗管理单元类型支持:系统级、CPU级、内存级、PCIE级等。
[0019]实施例:
本发明所述面向场景预测的服务器功耗管理方法支持Node Manager的Intel X86处理器版本，所述Intel X86处理器版本属于但不限于RomeleySandybridgeEP处理器平台、Brickland IvybridgeEX处理器平台、GrantleyHaswall-EP处理器平台等及后续平台；对所述预测策略模块进行实施时以Node Manager的Intel X86处理器版本为例，所述NodeManager 由硬件 ME (Manager Engine)和软件 SPS (Service Platform Software)固件组成，并且Node Manager通过SMBus总线与BMC链接；
本发明中所述功耗管理策略实施方法为:
通过Node Manager对功耗管理策略进行实施，首先通过BMC与ME间的SMBus总线管理接口，将具体管理策略由BMC设定到Node Manager的ME，然后重新启动BMC使ME功耗管理策略生效；即通过BMC与Intel X86处理器平台支持的Node Manager工具进行通信，按照预测策略模型的分析结果，针对特定应用场景，通过基于SMBus总线的管理接口将管理策略(功耗类型、功耗阈值、功耗周期、功耗管理时间)设定到ME，直接由ME单元从系统、CPU、内存级管理系统功耗。
[0020]附图1为本发明的面向场景预测的功耗管理框图，如图1所示，整个框图从下向上分为各种场景数据模块、数据离线挖掘分析模块、基于功耗与场景转换的预测(策略)模型、功耗管理策略和修正模块、策略设定和实施模块；
场景数据模块由性能优先场景数据、能耗优先场景数据、业务集中场景数据、能耗分布场景数据等子模块组成；数据离线挖掘分析用于按照特定数据挖据算法及关联规则对历史数据进行分析和规律挖掘；预测模型根据数据挖掘的结果建立，并生成功耗管理策略和修正值，最后由策略设定和实施模块完成整个功耗管理的执行。
[0021]附图2为本发明的数据挖掘分析流程图，如图2所示，具体过程描述如下:
步骤1:获取各场景服务器系统功耗历史数据；
步骤2:数据预处理:主要包括抽取、转换、洗涤、集成、加载等过程；
步骤3:数据挖据算法:主要包括聚合、回归、分类等算法；
步骤4:结合关系规则进行面向服务器系统功耗和不同应用场合的关系。
[0022]附图3为本发明的预测策略模型工作流程图，如图3所示，具体过程描述如下: 步骤1:获取面向功耗与应用场景关系；
步骤2:根据关系趋势建立预测模型；
步骤3:由预测模型确定下一应用场景的具体功耗阈值；
步骤4:制订功耗管理策略；
步骤5:通过BMC对ME进行设置后管理系统功耗阈值；
步骤6:获得应用场景下实际功耗的具体数据；
步骤7:通过数据挖掘分析获得功耗与具体场景模型修正值；
步骤8:判断是否符合修正要求？
步骤9:如果不符合修正要求(需要修正)，则回到步骤2 ;
步骤10:如果符合修正要求(不需要修正)，则回到步骤5。
[0023]附图4为本发明的BMC、ME、PSU (电源)等部件的连接图，如图4所示，链接关系如下:
步骤1:ME通过PECI获取CPU、内存、及系统等功耗管理部件；
步骤2 =BMC通过SMBus与ME进行通信，可发送控制指令；
步骤3 =BMC通过PMBus与PSU进行通信，可获取电源状态和操作电源；
步骤4:服务器系统中可包含一个或多个节点(本例中列出2个节点)，并同时参与功耗管理策略执行。
[0024]综上可知，本发明改进了传统的服务器功耗管理的流程，传统的流程主要包括功耗数据获取、判断功耗与当前系统电源功耗输出的关系、调整系统电源功率输出；该流程虽然提及了动态的电源管理，但在业务过程中调整不仅很难考虑系统外在因素的影响，也不可避免的在电源调整过程中造成不必要的功耗损失。本发明所述面向场景预测的服务器功耗管理方法改进了上述流程，增加了数据挖据分析和面向业务场景的预测模型，在系统运行前就根据应用场景设定了预测控制策略，可提高系统功耗管理的效率。
[0025]利用本发明的面向场景预测的服务器功耗管理方法，可以在对大规模服务器部署的多种应用场景下进行有效的功耗管理，通过面向场景预测的控制方法，不仅应用从芯片级、基础架构级、软件业务级等多级的节能结果，而且可提高机房的整体冷却效率，大大的节省了能源、降低了维护和运行的费用。除此之外，本发明也涉及离线数据挖掘分析，其中挖掘算法的准确性是保证功耗和场景转换模型建立有很大的关系，通过对挖掘算法的改进和优化可进一步提高功耗管理的准确性和有效性。
[0026]以上所述仅为本发明的实施例而已，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【权利要求】
1.一种面向场景预测的服务器功耗管理方法，其特征在于，该服务器功耗管理方法通过挖掘多种应用场景下服务器系统实际功耗的具体变化规律，建立一种服务器系统功耗与应用场景间的预测模型，从预测的角度对服务器功耗进行管理；所述面向场景预测的服务器功耗管理方法主要内容包括:服务器历史数据挖掘方法、预测策略模型、功耗管理策略的设定及其实施； 所述面向场景预测的服务器功耗管理方法，首先获得服务器系统的具体场景下的历史功耗数据，然后通过数据挖掘方法对历史数据进行整理和分析，根据数据挖掘结果建立面向应用场景的预测策略模型，并给出基于预测策略模型的功耗管理策略，最后面向NodeManager实施功耗管理策略进行功耗动态管理。
2.根据权利要求1所述的面向场景预测的服务器功耗管理方法，其特征在于，所述服务器历史数据挖掘方法中，服务器历史数据来源于服务器系统不同应用场景下采集的历史数据，数据挖掘有明确的场景面向性和时间性； 所述数据挖掘方法是指，首先通过数据抽取、转换、洗涤、集成及加载对数据预处理，再通过聚合、回归、分类算法和关联关系对数据进行分析处理；其中，数据挖掘分析是针对服务器系统不同应用场景采集的历史功耗数据离线进行的。
3.根据权利要求2所述的面向场景预测的服务器功耗管理方法，其特征在于，所述预测策略模型的建立以数据挖掘的结果为基础，是针对服务器系统功耗变化趋势与应用场景提出的转换模型，给出了服务器系统功耗与应用场景转换关系，对功耗管理提供预测控制策略。
4.根据权利要求3所述的面向场景预测的服务器功耗管理方法，其特征在于，所述功耗管理策略是基于上述预测策略模型给出的，即功耗管理策略的制定以预测策略模型为基础；所述功耗管理策略的设定项包括:策略标号、策略类型、策略功耗阈值、策略执行周期、策略循环周期。
5.根据权利要求4所述的面向场景预测的服务器功耗管理方法，其特征在于，在功耗管理策略的实施中，通过Node Manager对功耗管理策略进行实施，首先通过BMC与ME间的SMBus总线管理接口，将具体管理策略由BMC设定到Node Manager的ME，然后重新启动BMC使ME控制系统、CPU、内存 组件进行功耗管理。
【文档编号】G06F1/32GK103902016SQ201410173079
【公开日】2014年7月2日 申请日期:2014年4月28日 优先权日:2014年4月28日
【发明者】陈刚 申请人:浪潮电子信息产业股份有限公司