云計算數(shù)據(jù)中心的能耗成本建模與優(yōu)化研究.pdf

1、云計算從概念到大規(guī)模推廣應(yīng)用，短短數(shù)年間獲得了迅猛發(fā)展。它與諸多行業(yè)深度融合，帶來了顛覆性的創(chuàng)新，凸顯出巨大的應(yīng)用價值和發(fā)展前景。為了滿足對計算、存儲及網(wǎng)絡(luò)等資源日益增長的需求，云計算數(shù)據(jù)中心的規(guī)模越來越大，同時也引發(fā)了大型數(shù)據(jù)中心能耗成本居高不下，已經(jīng)成為制約企業(yè)發(fā)展的瓶頸。因此，在保證云計算數(shù)據(jù)中心正常業(yè)務(wù)開展及安全可靠運行的同時，有效利用能源，最大限度地降低能耗成本，提升市場競爭力，對云服務(wù)提供商顯得尤為重要。近年來，云計算數(shù)據(jù)中

2、心能耗成本控制問題已經(jīng)吸引了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注，成為當(dāng)前的研究熱點。本研究主要內(nèi)容包括：
　　⑴研究了在開放電能市場環(huán)境下，利用系統(tǒng)儲能設(shè)備（如UPS）中多余的容量，最小化云計算數(shù)據(jù)中心電能成本的問題，并將該優(yōu)化問題轉(zhuǎn)化為一個折扣成本的馬爾可夫決策模型。由于系統(tǒng)負(fù)載和電價的先驗信息事先未知，我們設(shè)計了基于Q學(xué)習(xí)的動態(tài)能量存儲控制策略用于減小電能成本，并運用Speedy Q學(xué)習(xí)理論加速算法的收斂。同時，我們將該問題所對應(yīng)的離線

3、優(yōu)化問題刻畫為一個混合整形線性規(guī)劃(MILP)問題，其最優(yōu)解作為所提出算法的性能邊界。最后，基于實際的負(fù)載和電價數(shù)據(jù)集驗證了所提出算法的有效性。
　?、蒲芯苛颂幱陂_放電能市場環(huán)境中，在任務(wù)隊列延遲約束條件下，根據(jù)負(fù)載和電價的波動，通過自適應(yīng)地調(diào)整云計算數(shù)據(jù)中心中處于休眠/激活狀態(tài)的服務(wù)器數(shù)，以實現(xiàn)電能成本的最優(yōu)控制，并將該問題建模為帶約束的馬爾可夫決策過程。在關(guān)于系統(tǒng)隨機(jī)過程信息可用性的多種假設(shè)下，分別研究了在線優(yōu)化、學(xué)習(xí)理論以及

4、離線優(yōu)化等算法。我們采用GMM對負(fù)載分布進(jìn)行估計，并引入基于PDS的學(xué)習(xí)算法，該算法能夠充分利用所估計的負(fù)載分布改善系統(tǒng)性能，提高收斂速度。同時，我們也構(gòu)造了離線優(yōu)化模型，其最優(yōu)解作為所提出學(xué)習(xí)算法的評價基準(zhǔn)。最后，通過設(shè)計和執(zhí)行基于實際負(fù)載和電價數(shù)據(jù)集的實驗驗證了所提出算法的有效性。
　?、菫榱藢崿F(xiàn)綠色數(shù)據(jù)中心的目標(biāo)，在云計算數(shù)據(jù)中心能耗成本節(jié)約問題中引入可再生能源（如太陽能、風(fēng)能等）。針對負(fù)載以及可再生能源的變化，自適應(yīng)地調(diào)整

5、休眠/激活服務(wù)器數(shù)，以減少系統(tǒng)的能耗。本文提出了基于大偏差原理的過載概率估計的自適應(yīng)服務(wù)器資源配置算法，該算法不依賴于負(fù)載和可再生能源發(fā)電量的先驗信息，而是依據(jù)當(dāng)前的觀測信息做出決策，并提供以過載概率表示的QoS保證，同時，為了獲得較為平滑的服務(wù)器資源配置，我們采用迭代策略調(diào)整休眠/激活服務(wù)器的數(shù)量。最后，設(shè)計并執(zhí)行了基于Thunder集群和Intrepid集群的實際負(fù)載、以及基于50Hertz的可再生能源發(fā)電量數(shù)據(jù)集的仿真實驗，驗證了