-
公开(公告)号：CN109324875B
公开(公告)日：2022-07-26
申请号：CN201811129629.0
申请日：2018-09-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于强化学习的数据中心服务器功耗管理与优化方法。本发明使用强化学习方法来解决数据中心的功耗管理与优化问题，通过连续地观察数据中心这一随机系统的负载到达、负载分布与功耗使用信息，序贯地做出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动做出决策。决策者根据新观察到的状态，再作新的决策，依此反复地进行。本发明可以无需任何先验知识，直接在线优化数据中心的负载分配策略，从而降低数据中心的整体运行功耗。
-
公开(公告)号：CN110580209B
公开(公告)日：2022-05-31
申请号：CN201910688296.3
申请日：2019-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于模型预测控制的云服务器弹性伸缩与性能优化方法。本发明包括对服务器功耗的控制和对虚拟机应用级性能的控制，其中集群级功率控制环中功率控制器通过动态电压和频率调整（DVFS）调整每个服务器的CPU频率，动态控制集群中所有服务器的总功耗。而性能控制环中性能控制器通过调整分配给它的CPU资源来动态控制虚拟机的应用程序性能。由于群集的总功耗需要保持低于共享电源的容量，并且不同服务器之间的集群级功率转换可以带来更好的系统性能。通过本发明提供的基于模型预测控制的云服务器弹性伸缩与性能优化方法，可以降低系统功耗，并且保证虚拟机上的应用程序性能满足一定的要求，提高系统服务质量。
-
公开(公告)号：CN110580192A
公开(公告)日：2019-12-17
申请号：CN201910687987.1
申请日：2019-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于服务特征的混部场景中容器I/O隔离性的优化方法。本发明使用磁盘资源划分与磁盘I/O并发控制相融合的方式来解决多服务混部场景中容器I/O隔离性的优化问题。本发明首先识别分类所有服务类型和性能特征，并为每种服务设置合理的性能基准值，通过检测各个服务的性能数据是否符合预先设置的基准值，判断当前服务的运行状态，若未能达到预期性能，则根据服务的类型施加针对性的优化策略。本发明可以克服基于单服务混部场景的隔离性优化方法在多服务混部场景中应用的局限性，通过错开各个服务的优化时机来保证优化效果，避免产生过度优化，从而实现多服务混部场景下的容器I/O隔离性优化。
-
公开(公告)号：CN109445935B
公开(公告)日：2021-08-10
申请号：CN201811177798.1
申请日：2018-10-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种云计算环境下一种高性能的大数据分析系统自适应配置方法。本发明应用深度神经网络模型来自适应配置云环境下大数据分析系统的资源。通过识别大数据分析系统的任务负载特征和平台性能特性，动态自适应的对大数据分析系统进行资源配置和管理。本发明不仅可以满足大数据分析系统对资源的性能要求，自适应的配置系统，实现系统性能随着负载规模自动扩展，提高服务质量，而且可以降低资源使用，节省系统的运行成本。
-
公开(公告)号：CN110580210A
公开(公告)日：2019-12-17
申请号：CN201910699957.2
申请日：2019-07-31
Applicant: 杭州电子科技大学
Abstract: 本发明涉及大型数据中心内部服务器功耗攻击的检测方法。本发明主要分为两部分。第一部分用于监视和学习数据中心中的可接受行为和不可接受行为，这一部分包含一个TU的独立计算核心，用来优化并执行OC-SVM。OC-SVM识别测试数据属于可接受行为还是不可接受行为，进而检测出集群异常行为和HyperAttack；第二部分用于抢占Hypervisor的控制，防止HyperAttack升级。这部分通过AGENT实现。本发明能够有效地识别到数据中心的功耗攻击，并利用AGENT组件抢夺节点控制权，进而有效缓解服务拒绝、功耗过载、数据中心断电等情形，显著提高数据中心的性能和服务质量。
-
Patent Agency Ranking
公开(公告)号：CN109324875A
公开(公告)日：2019-02-12
申请号：CN201811129629.0
申请日：2018-09-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于强化学习的数据中心服务器功耗管理与优化方法。本发明使用强化学习方法来解决数据中心的功耗管理与优化问题，通过连续地观察数据中心这一随机系统的负载到达、负载分布与功耗使用信息，序贯地做出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动做出决策。决策者根据新观察到的状态，再作新的决策，依此反复地进行。本发明可以无需任何先验知识，直接在线优化数据中心的负载分配策略，从而降低数据中心的整体运行功耗。
-
公开(公告)号：CN109271015B
公开(公告)日：2020-07-24
申请号：CN201811177821.7
申请日：2018-10-10
Applicant: 杭州电子科技大学
IPC: G06F1/329 , G06F1/3287 , G06F1/3206 , G06F9/50
Abstract: 本发明公开了一种降低大规模分布式机器学习系统能耗的方法。本发明通过分类器对分布式机器学习系统的负载进行分类识别、状态预测，并通过减少分布式参数服务器间的通信加速任务运行来降低整个分布式机器学习系统的能耗。本发明的方法包含两部分：机器学习负载预测与类型识别方法、分布式机器学习节点间参数“懒同步”机制。本发明通过只将显著更新传递到远程数据中心来减少广域网通信的参数同步机制可以有效减少系统等待时长，加快机器学习收敛速率。对机器学习负载的预测和类型的判别有助于提高工作机的利用率，避免大量工作机开启后处于闲置状态。以上方法缩短了机器学习任务的执行时间，提高了工作机利用率，大大降低了系统能耗。
-
公开(公告)号：CN110580209A
公开(公告)日：2019-12-17
申请号：CN201910688296.3
申请日：2019-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于模型预测控制的云服务器弹性伸缩与性能优化方法。本发明包括对服务器功耗的控制和对虚拟机应用级性能的控制，其中集群级功率控制环中功率控制器通过动态电压和频率调整（DVFS）调整每个服务器的CPU频率，动态控制集群中所有服务器的总功耗。而性能控制环中性能控制器通过调整分配给它的CPU资源来动态控制虚拟机的应用程序性能。由于群集的总功耗需要保持低于共享电源的容量，并且不同服务器之间的集群级功率转换可以带来更好的系统性能。通过本发明提供的基于模型预测控制的云服务器弹性伸缩与性能优化方法，可以降低系统功耗，并且保证虚拟机上的应用程序性能满足一定的要求，提高系统服务质量。
-
公开(公告)号：CN111612373B
公开(公告)日：2023-06-30
申请号：CN202010475736.X
申请日：2020-05-29
Applicant: 杭州电子科技大学
IPC: H04L67/51 , H04L67/568 , H04J3/06 , G06F16/215 , G06F9/455 , H04L41/0866 , H04L67/10
Abstract: 本发明公开了一种公有云系统性能一致性调整方法。本发明首先建立基于线性回归模型的云系统性能评价指标，用于计算不同测试场景下云系统的性能和判断云服务提供商是否提供一致的性能；其次检查云平台配置的完整性，消除由于硬件配置和软件配置不一致所带来的性能误差；然后使用网络时间协议(NTP)来同步网络中各个虚拟机的时间。最后清除宿主机和虚拟机的处理器缓存，消除由于不同缓存命中率所带来的误差。通过本发明可以消除影响云系统性能的不确定因素，使得云系统可以为租户提供从一而终的性能，显著提高的云租户的服务体验，同时降低了云平台的投诉率保证了云平台的信誉。
-
公开(公告)号：CN110580192B
公开(公告)日：2022-05-20
申请号：CN201910687987.1
申请日：2019-07-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于服务特征的混部场景中容器I/O隔离性的优化方法。本发明使用磁盘资源划分与磁盘I/O并发控制相融合的方式来解决多服务混部场景中容器I/O隔离性的优化问题。本发明首先识别分类所有服务类型和性能特征，并为每种服务设置合理的性能基准值，通过检测各个服务的性能数据是否符合预先设置的基准值，判断当前服务的运行状态，若未能达到预期性能，则根据服务的类型施加针对性的优化策略。本发明可以克服基于单服务混部场景的隔离性优化方法在多服务混部场景中应用的局限性，通过错开各个服务的优化时机来保证优化效果，避免产生过度优化，从而实现多服务混部场景下的容器I/O隔离性优化。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
