多数据中心的算力设备、物理链路与能源设备控制方法与流程

本公开的实施例涉及计算机，具体涉及多数据中心的算力设备、物理链路与能源设备控制方法。

背景技术：

1、多数据中心互联场景下的算力、网络与能源协同控制，是一项面向多个物理分散的数据中心之间，通过对服务器集群（算力设备）、光纤/交换机互联链路（物理链路）和供电/制冷系统（能源管理系统）三类物理资源进行统一感知和联动控制，以实现跨数据中心算力任务高效调度、网络带宽合理分配和数据中心能耗整体优化的技术。

2、据统计，2026年1至5月，我国互联网数据服务用电量达403亿千瓦时，同比增长44.6%。随着大模型训练、虚拟电厂调度等算力密集型业务的快速发展，多数据中心间的协同调度已不再是单一的算力资源分配问题——算力任务的部署位置直接决定数据在物理链路中的流向和流量大小，网络带宽和时延制约着跨数据中心算力任务能否被执行，而电力供应成本和碳排放指标则直接影响数据中心运行的物理可行性和经济性。三者之间存在物理层面的深度耦合：算力任务调度改变服务器集群的功耗曲线，进而影响数据中心的电力负荷和制冷需求；电力市场价格的波动又制约着算力任务的可调度范围；物理链路拥塞则直接导致跨数据中心数据传输失败甚至中断。因此，算力设备、物理链路和能源管理系统三类物理资源之间存在必须被同时感知和协同控制的物理约束关系。

3、目前，多数据中心间的资源调度方案通常将算力调度、网络流量管理和能源成本优化作为相互独立的决策问题分别处理，算力调度系统仅关注服务器集群的负载均衡，网络管理系统仅关注链路带宽利用率，能源管理系统仅关注电力成本，经常会存在如下技术问题：

4、当某数据中心电价上涨或物理链路发生拥塞时，由于三类管理系统各自独立运行，任一物理资源的状态变化均被封闭在各自系统边界内而无法被其他系统感知，导致后续生成的调度控制指令与三类物理设备的实际运行状态不匹配，控制指令下发后算力设备因供电成本突破预算、物理链路因实际可用带宽不足而无法有效执行，控制指令与物理环境实际情况脱节，导致算力空耗、带宽挤占、电力浪费（如，控制指令下发后算力设备在电价高峰时段满负荷运转致使供电成本突破预算而被迫中断任务，已消耗的电力未能产生任何有效算力产出，造成电力资源浪费。物理链路因实际可用带宽远低于指令假设值导致数据持续超时重传，已分配的带宽被无效重传长期占用，造成网络带宽资源浪费。算力设备因等待数据而空转耗电，已调度的算力未能执行任何计算即被中断，造成算力资源浪费）。

5、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了多数据中心的算力设备、物理链路与能源设备控制方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种多数据中心的算力设备、物理链路与能源设备控制方法，该方法包括：构建多层级模型体系，其中，上述多层级模型体系包括算力信息模型、网络信息模型、能源信息模型和关联信息模型，其中，上述关联信息模型用于记录上述算力信息模型、上述网络信息模型和上述能源信息模型之间的参数依赖关系；从各个预设的数据中心所包含的算力设备和能源管理系统中采集算力状态数据集和能源状态数据集，以及从连接各个预设的数据中心的物理链路中采集网络状态数据集；基于所采集的算力状态数据集、网络状态数据集、能源状态数据集和关联信息模型，对上述算力信息模型、上述网络信息模型和上述能源信息模型进行更新；分别读取更新后的算力信息模型、网络信息模型和能源信息模型的参数，以生成一体化资源状态视图；根据上述一体化资源状态视图，生成资源调度控制信息；根据上述资源调度控制信息，分别控制各个预设的数据中心所包含的一个或多个算力设备执行算力任务分配操作、控制连接各个预设的数据中心的一个或多个物理链路执行数据传输带宽调整、控制各个预设的数据中心所包含的一个能源管理系统执行供电功率调节。

4、第二方面，本公开的一些实施例提供了一种多数据中心的算力设备、物理链路与能源设备控制装置，装置包括：构建单元，被配置成构建多层级模型体系，其中，上述多层级模型体系包括算力信息模型、网络信息模型、能源信息模型和关联信息模型，其中，上述关联信息模型用于记录上述算力信息模型、上述网络信息模型和上述能源信息模型之间的参数依赖关系；采集单元，被配置成从各个预设的数据中心所包含的算力设备和能源管理系统中采集算力状态数据集和能源状态数据集，以及从连接各个预设的数据中心的物理链路中采集网络状态数据集；更新单元，被配置成基于所采集的算力状态数据集、网络状态数据集、能源状态数据集和关联信息模型，对上述算力信息模型、上述网络信息模型和上述能源信息模型进行更新；第一生成单元，被配置成分别读取更新后的算力信息模型、网络信息模型和能源信息模型的参数，以生成一体化资源状态视图；第二生成单元，被配置成根据上述一体化资源状态视图，生成资源调度控制信息；控制单元，被配置成根据上述资源调度控制信息，分别控制各个预设的数据中心所包含的一个或多个算力设备执行算力任务分配操作、控制连接各个预设的数据中心的一个或多个物理链路执行数据传输带宽调整、控制各个预设的数据中心所包含的一个能源管理系统执行供电功率调节。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的多数据中心的算力设备、物理链路与能源设备控制方法，减少了算力空耗、带宽挤占、电力浪费。具体来说，造成算力空耗、带宽挤占、电力浪费的原因在于：当某数据中心电价上涨或物理链路发生拥塞时，由于三类管理系统各自独立运行，任一物理资源的状态变化均被封闭在各自系统边界内而无法被其他系统感知，导致后续生成的调度控制指令与三类物理设备的实际运行状态不匹配，控制指令下发后算力设备因供电成本突破预算、物理链路因实际可用带宽不足而无法有效执行，控制指令与物理环境实际情况脱节，导致算力空耗、带宽挤占、电力浪费。基于此，本公开的一些实施例的多数据中心的算力设备、物理链路与能源设备控制方法，首先，构建多层级模型体系，该多层级模型体系包括算力信息模型、网络信息模型、能源信息模型和关联信息模型，其中关联信息模型用于记录算力信息模型、网络信息模型和能源信息模型之间的参数依赖关系。由此，可以建立三类资源之间的统一关联信息载体，使得算力、网络、能源三者的状态信息不再分属三个独立系统，而是通过关联信息模型在数据结构层面被显式地关联在一起。进而，从各个预设的数据中心所包含的算力设备和能源管理系统中采集算力状态数据集和能源状态数据集，以及从连接各个预设的数据中心的物理链路中采集网络状态数据集。由此，可以得到三类物理资源的实时状态数据。之后，基于所采集的算力状态数据集、网络状态数据集、能源状态数据集和关联信息模型，对算力信息模型、网络信息模型和能源信息模型进行更新。由此，可以使三类信息模型同步反映三类物理设备的最新真实状态。然后，分别读取更新后的算力信息模型、网络信息模型和能源信息模型的参数，以生成一体化资源状态视图。由此，可以得到融合算力、网络、能源三类资源实时状态的一体化资源状态视图，使电价已上涨、链路已拥塞的状态不再被封闭在各自系统内部，而是通过该视图被统一呈现。最后，根据一体化资源状态视图生成资源调度控制信息，并根据该资源调度控制信息分别控制各个预设的数据中心所包含的一个或多个算力设备执行算力任务分配操作、控制连接各个预设的数据中心的一个或多个物理链路执行数据传输带宽调整、控制各个预设的数据中心所包含的一个能源管理系统执行供电功率调节。由此，算力调度系统在生成控制指令时可以同时获知电价已上涨、链路已拥塞的事实，避免向电价已上涨的数据中心分配高耗电任务、避免通过已拥塞的链路传输大量数据，而是将算力任务分配至电价较低的数据中心、选择可用带宽充足的物理链路传输数据，并同步调节目标数据中心的供电功率以适应新增的算力负载。也正因为采用了构建多层级模型体系并利用关联信息模型记录三类资源之间参数依赖关系的方式，使得电价信号可以自动传递至算力调度系统、链路状态可以自动传递至算力调度系统。使得任一物理资源的状态变化不再被封闭在各自系统边界内，而是通过关联信息模型的记录和传播机制被其他系统感知和响应。使得调度控制指令所依据的假设条件与三类物理设备的实际运行状态相匹配，控制指令下发后不再因供电成本突破预算、链路带宽不足而无法被执行，从而减少了因供电成本超预算而被迫中断任务导致的电力资源浪费、因无效数据重传长期占用带宽导致的网络带宽资源浪费、以及因算力设备空转等待数据导致的算力资源浪费。