公开(公告)号：CN109492264A

公开(公告)日：2019-03-19

申请号：CN201811208599.2

申请日：2018-10-17

Applicant: 南京邮电大学

Inventor： 李云 ,  沈子钰 ,  刘峥 ,  夏彬 ,  徐小龙

IPC: G06F17/50 ,  H04L29/08 ,  G06F16/26

Abstract: 本发明公开了一种跨云数据中心的能效预测方法，该方法将采集的多个云数据中心设备能耗数据及其能效PUE值作为训练样本，待测云数据中心的历史能耗数据及其能效PUE值作为校准样本，对采集的能耗数据进行特征提取；对每个云数据中心，分别构建基于训练样本的岭回归模型；判断校准样本是否为空，若为空则直接进行域适应模型融合，若不为空，则用校准样本对所有岭回归模型进行过滤，并将过滤后的岭回归模型进行域适应模型融合；基于融合模型对待测云数据中心进行能效预测以调整资源分配，进而完善该云数据中心。本发明考虑到不同云数据中心之间的差异性，提供更精准的个性化预测，充分利用数据进行机器学习，提高了预测效率。

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

Inventor： 李云 ,  张諝晟 ,  沈子钰 ,  夏彬 ,  刘峥

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

Inventor： 李云 ,  吉万鹏 ,  夏彬 ,  张諝晟 ,  沈子钰 ,  刘峥

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。