-
公开(公告)号：CN110309037A
公开(公告)日：2019-10-08
申请号：CN201811469430.2
申请日：2018-11-28
Applicant: 南京邮电大学
IPC: G06F11/34
Abstract: 本发明提出了一种数据中心能效相关特征的选择方法，针对数据中心能效的特征选择问题，本发明采用了一种基于K近邻分类损失函数和分类间隔的特征选择方法，该方法通过收集数据中心能耗数据和对应的PUE值，然后将PUE值分级分类，通过样本找到对应的分类间隔，并更新特征权重和对特征权重排序，以此根据设定的阈值获得特征选择结果。本发明所述方法能够提取出与数据中心能效相关的特征并很好地处理噪声数据，从而提高后续能效预测的精度，有效防止过学习。
-
公开(公告)号：CN110069392A
公开(公告)日：2019-07-30
申请号：CN201910361249.8
申请日：2019-04-30
Applicant: 南京邮电大学
IPC: G06F11/34
Abstract: 本发明提出了一种反映数据中心IT设备能效特征的获取方法，该方法采用了一种基于Collectd和MongoDB的数据采集和存储方法，通过收集PDU和Collectd的数据，使用MongoDB在服务器上建立两张数据表，然后按照时间戳的计算方法，将相同时间片内的数据加以对应整合。本发明能够提取出与数据中心能效相关的特征并很好地解决了工作任务类型与能效特征难以对应的问题，兼容各种类型服务器操作系统，能在各类数据中心中进行推广应用。
-
公开(公告)号：CN110781068B
公开(公告)日：2022-11-08
申请号：CN201911079260.1
申请日：2019-11-07
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于同构分解方法的数据中心跨层能耗预测方法，通过数据中心服务器上的电源分配单元采集数据中心物理机级的能耗数据；通过数据中心服务器上的管理工具收集数据中心物理机级的特征数据、虚拟机级的特征数据和容器级的特征数据；将采集到的3个层级的特征数据和能耗数据根据时间戳对应整合，建立能耗关系模型；将实时采集的特征数据作为输入，预测未来能耗数据，实现跨层能耗预测。本发明解决了数据中心物理机能耗模型中跨层能耗难以预测的问题，采用同构分解的思想减少了数据中心能耗预测需要建模的数量，提升了预测效率，帮助数据中心节能减排，改善了数据中心能耗负荷大、能源浪费多的问题，能在各类数据中心中进行推广应用。
-
公开(公告)号：CN110781068A
公开(公告)日：2020-02-11
申请号：CN201911079260.1
申请日：2019-11-07
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于同构分解方法的数据中心跨层能耗预测方法，通过数据中心服务器上的电源分配单元采集数据中心物理机级的能耗数据；通过数据中心服务器上的管理工具收集数据中心物理机级的特征数据、虚拟机级的特征数据和容器级的特征数据；将采集到的3个层级的特征数据和能耗数据根据时间戳对应整合，建立能耗关系模型；将实时采集的特征数据作为输入，预测未来能耗数据，实现跨层能耗预测。本发明解决了数据中心物理机能耗模型中跨层能耗难以预测的问题，采用同构分解的思想减少了数据中心能耗预测需要建模的数量，提升了预测效率，帮助数据中心节能减排，改善了数据中心能耗负荷大、能源浪费多的问题，能在各类数据中心中进行推广应用。
-
-
-
Search Results
4
records
(took 0.016 seconds)
