基于高频度传感器监控的功耗动态趋势分析方法和装置与流程

本发明涉及功耗监控领域，特别涉及一种基于高频度传感器监控的功耗动态趋势分析方法和装置。

技术背景

随着现代社会科技的发展，互联网对于人们的生活越来越重要，使得传感器的监控越来越多的被应用到数据中心的监控中。由于大规模的数据中心越来越成为现代社会发展的需要，这就为数据中心的服务器功耗监控带来巨大挑战，一个拥有几千台服务器的数据中心的功耗监控难度已非常大，更何况目前的发展趋势下几十万台服务器、甚至几百万台服务器的数据中心正在逐步产生。

现有技术中，传统的服务器功耗趋势分析如图1所示，由于传统的传感器监控存在采集频度低、采集间隔时间过长等问题，无法保证对服务器运行过程中功耗变化的完整、可靠监控。例如，对于一个具有十万台服务器的数据中心的功耗监控，使用传统的传感器监控方式已经无法满足用户的需求。

由于传统的传感器监控无法实现对服务器功耗的全时、完整过程监控，往往会造成某些关键时间点、某些关键峰值或谷值功耗数据被遗漏，而另一些无效的瞬时峰值或瞬时谷值反倒被监控记录下来的问题。并且无法实时地获取功耗数据，最小延迟也在1分钟以上，使整个数据中心的服务器功耗监控无法真正达到最理想的效果，从而使得服务器功耗趋势分析的结果并不准确、价值大打折扣。以上的种种问题为大规模数据中心的服务器功耗监控带来了极大的局限性，已经严重影响了大规模数据中心的发展。

技术实现要素：

本发明实施例所要解决的技术问题是，提供一种基于高频度传感器监控的功耗动态趋势分析方法和装置，以满足服务器功耗动态趋势分析结果的准确性。

为解决上述技术问题，本发明提供了一种基于高频度传感器监控的功耗动态趋势分析方法，该方法包括：

在预设时段内，根据预设时间间隔接收高频度功耗传感器发送的带有时间戳的批量功耗数据；

分析所述预设时段内的全部所述批量功耗数据的功耗动态趋势。

可选的，所述接收高频度功耗传感器发送的带有时间戳的批量功耗数据，具体为：

判断是否接收到带有时间戳的批量功耗数据；

如果是，保持连接，等待下一时间接收；

如果否，重新接收。

可选的，分析所述预设时段内的所述批量功耗数据的功耗动态趋势，具体为：

将所述批量功耗数据压缩成最终功耗数据；

根据所述预设时段内的全部所述最终功耗数据生成时间—功耗趋势曲线。

可选的，所述生成时间—功耗趋势曲线，还包括：

在所述时间—功耗趋势曲线中标记功耗的最大值、最小值和平均值中至少一项。

此外，本发明还提供了一种基于高频度传感器监控的功耗动态趋势分析装置，该装置包括：

高频度功耗传感器，用于采集功耗数据，并在预设时段内根据预设时间间隔分批发送功耗数据；

分布式socket接收模块，用于接收带有时间戳的批量功耗数据；

分析模块，用于分析所述预设时段内的全部所述批量功耗数据的功耗动态趋势。

可选的，所述分布式socket接收模块与所述高频度功耗传感器的数量均为多个，每个所述分布式socket接收模块与对应的一个或多个所述高频度功耗传感器通信。

可选的，所述分析模块，包括：

功耗数据分析模块，用于将所述批量功耗数据压缩成最终功耗数据；

功耗动态趋势分析模块，用于根据所述预设时段内的全部所述最终功耗数据生成时间—功耗趋势曲线。

可选的，所述功耗动态趋势分析模块，还包括:

标记模块，用于在所述时间—功耗趋势曲线中标记功耗的最大值、最小值和平均值中至少一项。

本发明所提供的一种基于高频度传感器监控的功耗动态趋势分析方法，包括在预设时段内，根据预设时间间隔接收高频度功耗传感器发送的带有时间戳的批量功耗数据；分析所述预设时段内的全部所述批量功耗数据的功耗动态趋势；

可见，本发明通过接收高频度功耗传感器根据预设时间间隔发送的批量功耗数据，由于高频度功耗传感器采集间隔短、采样频率高的特点，使得接收的数据更加全面具体，可以实现完整数据覆盖，保证了数据分析的结果的准确性和有效性，满足了大规模数据中心的服务器功耗监控的需求，有利于大规模数据中心的发展。本发明还提供了一种基于高频度传感器监控的功耗动态趋势分析装置，同样具有上述有益效果。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为传统的服务器功耗趋势分析原理示意图；

图2为本发明实施例提供的一种基于高频度传感器监控的功耗动态趋势分析方法的流程图；

图3为本发明实施例提供的一种基于高频度传感器监控的功耗动态趋势分析方法中高频度功耗传感器连接示意图；

图4为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析方法的流程图；

图5为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析方法的流程图；

图6为本发明实施例提供的一种基于高频度传感器监控的功耗动态趋势分析装置的结构图；

图7为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析装置的结构图。

图8为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析装置原理示意图；

图9为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析装置的功耗数据分析模块示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参考图2，图2为本发明实施例提供的一种基于高频度传感器监控的功耗动态趋势分析方法的流程图。该方法可以包括：

步骤201：在预设时段内，根据预设时间间隔接收高频度功耗传感器发送的带有时间戳的批量功耗数据。

其中，预设时段可以为需要进行功耗动态趋势分析的时段。例如，如果需要对服务器运行时段进行功耗动态趋势分析，那么可以将服务器从开机至关机的时段设为预设时段；如果需要对服务器运行中特定时间如11点至13点的高峰时段进行功耗动态趋势分析，那么可以将11点至13点的时段设为预设时段。预设时间间隔可以为对高频度功耗传感器设定的发送时间间隔。带有时间戳的批量功耗数据可以为预设时间间隔内高频度功耗传感器采集的全部带有高频度功耗传感器采集时间点的功耗数据。

其中，接收高频度功耗传感器发送的带有时间戳的批量功耗数据，可以包括响应高频度功耗传感器发送的连接的建立请求，也就是与高频度功耗传感器建立连接。由于与高频度功耗传感器建立连接可能存在连接建立失败的情况，所以响应高频度功耗传感器发送的连接的建立请求还可以包括：通过返回信号给高频度功耗传感器判断连接是否建立成功；如果否，则重新建立连接；如果是，则继续接下来的步骤。

需要说明的是，接收高频度功耗传感器发送的带有时间戳的批量功耗数据可以直接接收批量数据，但由于存在批量数据可能接收不到的情况，还可以：判断是否接收到带有时间戳的批量功耗数据；如果是，保持连接，等待下一时间接收；如果否，重新接收。其中，下一时间可以为下一时间间隔的时间。

可以理解的是，判断是否接收到带有时间戳的批量功耗数据是为确保可以接收到带有时间戳的批量功耗数据，尽管通过此判断也可以判断与给高频度功耗传感器的连接是否成功，但并不是此判断的主要目的。

进一步的，以图3所示为例，可以高频度功耗传感器发送的连接的建立请求，通过分布式socket返回的信号判断连接是否建立成功；如果否，则重新建立连接；如果是，则高频度功耗传感器每10ms采集一次性能数据，并按1s时间间隔批量发送100条功耗数据，判断是否发送成功；如说否，则重新发送；如果是，则等待下一秒发送。其中，判断高频度功耗传感器是否发送成功，也就是判断分布式socket是否成功接收数据。

需要说明的是，可以使用分布式socket接收高频度功耗传感器主动提交的批量数据。其中，分布式socket和高频度功耗传感器的数量均可以为一个或多个，而每个分布式socket可以与对应的一个或多个高频度功耗传感器建立连接。例如，本方法中可以使用3个分布式socket，分布式socket可以对应3个高频度功耗传感器，那么需要的高频度功耗传感器个数为9个。

对本步骤举例来说，高频度功耗传感器可以每10ms采集一次性能数据，并将发送时间间隔设定为1s，那么高频度功耗传感器通过与对应的分布式socket建立的连接每1s将发送100条带有采集时间点的功耗数据。也就是说，分布式socket每1s接收对应的每个高频度功耗传感器发送的100条带有采集时间点的功耗数据。

步骤202：分析所述预设时段内的全部所述批量功耗数据的功耗动态趋势。

其中，分析预设时段内的全部批量功耗数据的功耗动态趋势，可以将全部批量功耗数据的功耗动态趋势以图表的形式呈现出来，易于用户的查看。进一步的，可以生成将全部批量功耗数据的功耗动态趋势以生成时间—功耗趋势曲线的形式呈现给用户，使得分析结果更加形象具体，用户查看更加方便。

需要说明的是，由于批量数据中的数据比较繁杂可以将批量数据压缩成更加准确有效的最终功耗数据，从而可以保证生成时间—功耗趋势曲线的准确性。当然，此步骤只是优选步骤，不进行此步骤直接将批量数据作为最终功耗数据生成时间—功耗趋势曲线，也可以达到本发明实施例的目的，本实施对此不受任何限制。

也就是说，分析预设时段内的全部批量功耗数据的功耗动态趋势具体可以为将批量功耗数据压缩成最终功耗数据；根据预设时段内的全部最终功耗数据生成时间—功耗趋势曲线。

其中，将批量功耗数据压缩成最终功耗数据的压缩方法有很多，如使用平均值、加权平均值、中位数、众数等方法。这些方法各有各的优缺点，可以在具体实施中根据批量数据的情况使用更有利的压缩方法，本实施对此不受任何限制。

优选的，可以将最终功耗数据存储至时间—序列数据库，再根据时间—序列数据库中存储的预设时段内的全部最终功耗数据生成时间—功耗趋势曲线。

可以理解的是，通过将最终功耗数据存储至时间—序列数据库，可以使生成时间—功耗趋势曲线的时间不再局限为实时生成。根据时间—序列数据库中存储的预设时段内的全部最终功耗数据既可以实时生成时间—功耗趋势曲线，也可以在用户需要时再生成时间—功耗趋势曲线，更加贴合用户的使用需求。

优选的，对于生成时间—功耗趋势曲线，由于其曲线数量可能太多，导致用户不易查看，还可以标记功耗的最大值、最小值和平均值中至少一项。标记的内容可以根据用户的需求选择，可以使用户更加直观和全面的了解数据分析的结果。

需要说明的是，将最终功耗数据存储至时间—序列数据库和标记功耗的最大值、最小值和平均值中至少一项这两个优选方案，可以分别单独使用，也可以在一个实施例中同时使用这两个优选方案，可以进一步满足用户的需求。

本实施例中，通过接收高频度功耗传感器根据预设时间间隔发送的批量功耗数据，由于高频度功耗传感器采集间隔短、采样频率高的提点，使得接收的数据更加全面具体，可以实现完整数据覆盖，保证了数据分析的结果的准确性和有效性。

请参考图4，图4为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析方法的流程图。该方法可以包括：

步骤401：在预设时段内，根据预设时间间隔接收高频度功耗传感器发送的带有时间戳的批量功耗数据。

具体实施中，步骤401与步骤201类似，在此不再赘述。

步骤402：将所述批量功耗数据压缩成最终功耗数据。

其中，将批量功耗数据压缩成最终功耗数据可以使用平均值的方法，具体可以为取批量功耗数据中的最大值和最小值，将取到的最大值和最小值去除，对剩余的功耗数据进行平均值的计算，计算出的平均值作为最终功耗数据。

需要说明的是，使用平均值的方法压缩批量功耗数据，只是一种压缩方法，还可以使用众数的方法，如选择批量功耗数据中出现次数最多的功耗数据，作为最终功耗数据。并且本实施中先去除批量数据中的最大值和最小值，再对剩余的功耗数据取平均值，这种取平均值的方法是为了去除两个无效的功耗数据，进一步保证最终功耗数据的准确性和有效性。还可以直接对批量数据取平均值，或去除最大值和最小值中的一个或如次大值和次小值等更多个无效功耗数据后，对剩余功耗数据取平均值。本实施对此不受任何限制。

具体实施中，将分布式socket每1s接收的100条功耗数据，先取100条功耗数据中的最大值和最小值，将最大值和最小值去除后，对剩余的98条功耗数据进行平均值计算，将计算出的平均值作为最终功耗数据。

步骤403：根据所述预设时段内的全部所述最终功耗数据生成时间—功耗趋势曲线。

其中，生成时间—功耗趋势曲线还可以标记功耗的最大值、最小值和平均值。

需要说明的是，本实施中生成的时间—功耗趋势曲线标记出了功耗的最大值、最小值和平均值，这样更易于用户的查看，更加符合用户的使用需求。当然，不标记功耗的最大值、最小值和平均值或标记出其中的一种或两种也能达到本实施例目的，本实施对此不受任何限制。

本实施例中，通过将批量功耗数据压缩成最终功耗数据，保证了分析的功耗数据更加准确有效，使得最终生成的时间—功耗趋势曲线的准确性和有效性得到了提高，同时通过标记时间—功耗趋势曲线中功耗的最大值、最小值和平均值，更易于用户的查看，更加符合用户的使用需求。

请参考图5，图5为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析方法的流程图。该方法可以包括：

步骤501：在预设时段内，根据预设时间间隔接收高频度功耗传感器发送的带有时间戳的批量功耗数据。

步骤502：将所述批量功耗数据压缩成最终功耗数据。

具体实施中，步骤501和步骤502与步骤401和步骤402相似，在此不再赘述。

步骤503：存储所述最终功耗数据。

具体实施中，可以将所述最终功耗数据存储至时间—序列数据库。

可以理解的是，通过存储所述最终功耗数据，可以使接下来生成时间—功耗趋势曲线的时间不再局限为实时生成。

步骤504：根据所述时间—序列数据库中存储的所述预设时段内的全部所述最终功耗数据生成时间—功耗趋势曲线。

其中，所述生成时间—功耗趋势曲线还可以标记功耗的最大值、最小值和平均值。所述生成时间—功耗趋势曲线的时间可以根据用户的需求设定。例如：可以是实时生成，也可以是用户需要查看时再生成所述时间—功耗趋势曲线。

本实施例中，通过将所述最终功耗数据存储至时间—序列数据库，使得生成时间—功耗趋势曲线的时间不再局限为实时生成，可以根据用户需求的自由生成，更加符合用户的使用需求。

请参考图6，图6为本发明实施例提供的一种基于高频度传感器监控的功耗动态趋势分析装置的结构图。该装置可以包括：

高频度功耗传感器100，用于采集功耗数据，并在预设时段内根据预设时间间隔分批发送功耗数据。

分布式socket接收模块200，用于接收带有时间戳的批量功耗数据。

分析模块300，用于分析所述预设时段内的全部所述批量功耗数据的功耗动态趋势。

可选的，所述分布式socket接收模块200与所述高频度功耗传感器100的数量均为多个，每个所述分布式socket接收模块200与对应的一个或多个所述高频度功耗传感器100通信。

可选的，所述分析模块300，可以包括：

功耗数据分析模块，用于将所述批量功耗数据压缩成最终功耗数据；

功耗动态趋势分析模块，用于根据所述预设时段内的全部所述最终功耗数据生成时间—功耗趋势曲线。

可选的，所述分析模块300，可以包括：

功耗数据分析模块，用于将所述批量功耗数据压缩成最终功耗数据；

时间—序列数据库，用于存储所述最终功耗数据。

功耗动态趋势分析模块，用于根据所述时间—序列数据库内的全部所述最终功耗数据生成时间—功耗趋势曲线。

可选的，所述功耗动态趋势分析模块，还可以包括:

标记模块，用于在所述生成时间—功耗趋势曲线中标记功耗的最大值、最小值和平均值中至少一项。

本发明通过高频度功耗传感器100采集功耗数据，由于高频度功耗传感器采100集间隔短、采样频率高的提点，使得接收的数据更加全面具体，可以实现完整数据覆盖，保证了数据分析的结果的准确性和有效性。

请参考图7和图8，图7为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析装置的结构图，图8为本发明实施例提供的另一种基于高频度传感器监控的功耗动态趋势分析装置原理示意图。该装置可以包括：

高频度功耗传感器100，用于采集功耗数据，并在预设时段内根据预设时间间隔分批发送功耗数据。

分布式socket接收模块200，用于接收带有时间戳的批量功耗数据。

功耗数据分析模块310，用于将所述批量功耗数据压缩成最终功耗数据；

时间—序列数据库320，用于存储所述最终功耗数据。

功耗动态趋势分析模块330，用于根据所述时间—序列数据库内的全部所述最终功耗数据生成时间—功耗趋势曲线。

其中，所述功耗动态趋势分析模块330，还可以包括:

标记模块，用于在所述生成时间—功耗趋势曲线中标记功耗的最大值、最小值和平均值。

具体实施中，所述功耗数据分析模块310的流程可以为如图9所示：接收分布式socket发送的批量数据后，取批量功耗数据中的最大值和最小值，将取到的最大值和最小值去除，对剩余的功耗数据进行平均值的计算，计算出的平均值作为最终功耗数据，发送到时间—序列数据库320。

本实施例中，通过使用时间—序列数据库320存储所述最终功耗数据，使得生成时间—功耗趋势曲线的时间不再局限为实时生成，可以根据用户需求的自由生成，更加符合用户的使用需求。

需要说明的是，本说明书中的实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本申请所提供的基于高频度传感器监控的功耗动态趋势分析方法和装置进行了详细介绍，本文中应用了具体实施例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。