一种多数据中心绿电感知任务调度优化方法和系统与流程
本发明涉及任务调度,具体是一种多数据中心绿电感知任务调度优化方法和系统。
背景技术:
1、随着云计算、大数据和人工智能技术的迅猛发展,数据中心作为算力基础设施的核心载体,其规模和能耗持续攀升。为应对日益严峻的能源消耗与碳排放挑战,国家相继出台政策推动数据中心绿色低碳发展,要求建立算力与电力的双向协同机制,并将可再生能源利用方案纳入节能审查的重要内容。在此背景下,利用风电、光伏等可再生能源为数据中心供电已成为降低碳排放的重要途径。
2、然而,可再生能源出力具有显著的时空波动性和间歇性,不同地理位置的多个数据中心接入的绿电资源在时序上存在差异。现有任务调度方法大多以优化执行时间、资源利用率或运营成本为目标,未能充分考虑绿电供应的动态变化与时空互补特性。少数考虑绿电因素的调度策略,往往将绿电消纳作为单一优化目标,忽略了任务截止时间约束、节点负载均衡等多维度需求之间的协同。如何在多数据中心场景下,通过计算任务的灵活调度实现绿电消纳率、任务完成时间和节点负载均衡的综合优化,是当前亟需解决的技术难题。
3、因此,亟待一种更准确的多数据中心绿电感知任务调度优化方法,以提升绿电感知调度在多约束条件下的综合决策准确性。
技术实现思路
1、针对现有技术中的缺陷,本发明提供一种多数据中心绿电感知任务调度优化方法和系统,解决现有技术中多数据中心绿电感知任务调度优化方法不够准确的问题。
2、为了实现上述目的,本发明的一个方面提供了一种多数据中心绿电感知任务调度优化方法,所述方法包括:获取多数据中心节点的物理资源数据、可再生能源出力预测数据和待调度计算任务特征数据;基于所述可再生能源出力预测数据确定多个调度时段,并根据所述物理资源数据计算所述调度时段的绿电可供电量上限;根据所述物理资源数据和所述待调度计算任务特征数据确定初始种群;基于所述物理资源数据、所述绿电可供电量上限、所述调度时段和所述待调度计算任务特征数据计算所述初始种群中个体的适应度值;根据所述适应度值利用遗传算法进行迭代得到最优调度方案。
3、本发明通过获取多类调度基础数据,精准掌握各数据中心资源、绿电时序与任务约束,基于绿电出力划分调度时段并计算绿电可供电量上限,贴合光伏、风电波动特性精准限定各时段绿电消纳空间,依托资源与任务信息构建遗传算法初始种群,保证初始解多样性与合理性,融合多维度数据计算种群个体适应度,依据适应度迭代寻优输出最优调度方案,高效求解多约束多目标调度问题,提高了多数据中心绿电感知任务调度优化的准确性。
4、可选地,所述基于所述可再生能源出力预测数据确定多个调度时段,并根据所述物理资源数据计算所述调度时段的绿电可供电量上限包括:在所述可再生能源出力预测数据中提取时序分布;对所述时序分布进行聚合得到多个调度时段;在所述物理资源数据中提取额定功率上限和可再生能源装机占比;利用所述额定功率上限和所述可再生能源装机占比计算每个数据中心节点在所述调度时段的绿电可供电量上限。
5、本发明通过提取可再生能源出力时序分布以还原绿电波动规律,聚合时序生成自适应调度时段,兼顾时序细节与计算复杂度,提取节点额定功率上限、可再生能源装机占比,结合参数量化各节点分时段绿电可供电量上限,精准界定各时段可再生能源消纳边界,提高了绿电出力时序适配性与绿电容量测算精准度。
6、可选地,所述根据所述物理资源数据和所述待调度计算任务特征数据确定初始种群包括:根据所述待调度计算任务特征数据确定任务执行序列的长度;依据所述物理资源数据中的数据中心数量,确定主分配节点取值范围;确定主节点算力分配比例取值范围;基于所述任务执行序列的长度、所述主节点算力分配比例取值范围和所述主分配节点取值范围确定初始种群。
7、本发明通过依托任务特征确定任务执行序列长度,规范编码维度,依据数据中心数量划定主分配节点取值范围,避免无效节点分配,限定主节点算力分配比例取值区间,保障算力分配具备合理物理约束,结合三类参数生成适配调度场景的初始种群,丰富初始解搜索空间,提高了遗传算法初始种群的合法性、多样性与寻优收敛速度。
8、可选地,所述基于所述物理资源数据、所述绿电可供电量上限、所述调度时段和所述待调度计算任务特征数据计算所述初始种群中个体的适应度值包括:根据所述待调度计算任务特征数据中的任务先后序依赖关系确定任务最早允许开始时段;根据所述初始种群中个体的任务主分配节点和主节点算力分配比例,结合所述物理资源数据中的算力资源参数和所述待调度计算任务特征数据中的计算量,计算当前任务所需连续时段数;基于所述调度时段、所述绿电可供电量上限、所述任务最早允许开始时段和所述当前任务所需连续时段数,确定计算量分配比例和算力分配矩阵;基于所述物理资源数据中的静态基线功耗和动态能耗系数,结合所述计算量分配比例、所述算力分配矩阵和所述绿电可供电量上限计算所述初始种群中个体的适应度值。
9、本发明通过依据任务依赖关系确定任务最早允许开始时段,保障任务执行逻辑合规,结合分配节点、算力比例、硬件算力与任务计算量求解任务所需连续时段数,精准预估任务执行耗时,融合调度时段、绿电上限、启动时段及时长生成计算量分配比例与算力分配矩阵,量化资源分配细节,依托节点功耗参数、分配矩阵及绿电上限综合求解个体适应度,同步考量低碳、时延、负载多重指标,提高了调度方案评估全面性与评价结果准确度。
10、可选地,所述基于所述物理资源数据中的静态基线功耗和动态能耗系数,结合所述计算量分配比例、所述算力分配矩阵和所述绿电可供电量上限计算所述初始种群中个体的适应度值包括:根据所述计算量分配比例、所述算力分配矩阵、所述静态基线功耗和所述动态能耗系数,计算数据中心节点在调度时段总能耗;基于所述数据中心节点在调度时段总能耗和所述绿电可供电量上限,计算整体绿电消纳率目标值;根据所述计算量分配比例确定任务在调度时段完成时间;利用所述任务在调度时段完成时间和所述待调度计算任务特征数据中的最大允许完成时间,计算加权完成时间目标值;根据所述算力分配矩阵计算时段级节点负载均衡目标值;根据所述整体绿电消纳率目标值、所述加权完成时间目标值和所述时段级节点负载均衡目标值计算所述初始种群中个体的适应度值。
11、本发明通过结合分配比例、算力矩阵与功耗参数计算各节点分时段总能耗,精准量化集群用电规模,对照绿电上限求解绿电消纳率,直观衡量低碳调度水平,依托分配比例确定任务完成时间,结合任务截止期得到加权完成时间指标,区分不同任务时延优先级,依据算力矩阵得到时段负载均衡指标,综合三类目标值计算个体适应度,实现多维度统一量化评估,提高了调度方案评价维度完整性与多目标优化匹配度。
12、可选地,所述利用所述任务在调度时段完成时间和所述待调度计算任务特征数据中的最大允许完成时间,计算加权完成时间目标值包括:对所述任务先后序依赖关系进行拓扑排序得到任务执行顺序;根据所述待调度计算任务特征数据中的最大允许完成时间和所述任务执行顺序计算任务理论最早开始时间和任务理论最迟开始时间;依据所述任务理论最早开始时间和所述任务理论最迟开始时间的差值确定松弛时间;利用所述松弛时间确定任务优先级权重;将所述任务在调度时段完成时间和所述任务优先级权重进行加权融合得到加权完成时间目标值。
13、本发明通过对任务依赖拓扑排序得到合法执行顺序,基于任务截止时间双向推演得到理论起止时间,通过起止时间差值求取松弛时间,依托松弛时间自适应生成任务优先级权重,将任务实际完成时间与权重加权融合得到时延目标值,对时延敏感任务赋予更高评估权重,优化调度时延导向,提高了任务时延评估的精细化程度与时序约束适配能力。
14、可选地,所述根据所述整体绿电消纳率目标值、所述加权完成时间目标值和所述时段级节点负载均衡目标值计算所述初始种群中个体的适应度值包括:利用所述整体绿电消纳率目标值、所述加权完成时间目标值和所述时段级节点负载均衡目标值计算适应度初始值;根据所述计算量分配比例计算任务在调度时段执行连续性数据和任务在调度时段实际算力占用数据;基于所述计算量分配比例和所述算力分配矩阵计算任务在调度时段实际功耗数据;基于预先获取的约束条件、所述任务在调度时段执行连续性数据、所述任务在调度时段实际算力占用数据、所述任务在调度时段实际功耗数据、所述任务在调度时段完成时间计算适应度缩放系数;利用所述适应度缩放系数和所述适应度初始值计算适应度值。
15、本发明通过融合绿电消纳、加权时延、负载均衡三类目标得到适应度初始值,依托分配比例提取任务连续执行、算力占用数据,结合分配矩阵求解任务实际功耗,综合多类约束与运行数据计算缩放系数,将缩放系数与初始值相乘得到最终适应度,对违反约束的调度方案自适应施加惩罚,兼顾寻优前期种群多样性与后期可行解收敛,提高了适应度评价的约束合规性与多目标优化精准度。
16、可选地,所述基于预先获取的约束条件、所述任务在调度时段执行连续性数据、所述任务在调度时段实际算力占用数据、所述任务在调度时段实际功耗数据、所述任务在调度时段完成时间计算适应度缩放系数包括:基于预先获取的约束条件、所述任务在调度时段执行连续性数据、所述任务在调度时段实际算力占用数据、所述任务在调度时段实际功耗数据、所述任务在调度时段完成时间计算综合超出量;基于所述综合超出量计算所述初始种群中个体的适应度缩放系数。
17、本发明通过结合各类硬约束、任务执行连续性、算力占用、实际功耗及完成时间求解综合超出量,量化调度方案各类约束违规程度,再依据综合超出量对应生成适应度缩放系数,对违规方案自动降低适应度评分,实现约束违规程度与惩罚力度匹配,提高了遗传算法对非法调度解的甄别抑制能力。
18、可选地,所述基于所述综合超出量计算所述初始种群中个体的适应度缩放系数包括:基于所述综合超出量计算所述初始种群中个体的适应度缩放初始系数;获取当前迭代次数,并根据所述当前迭代次数计算自适应调节因子;根据所述自适应调节因子和所述适应度缩放初始系数计算适应度缩放系数。
19、本发明通过依托综合超出量计算缩放初始系数以量化约束违规带来的基础惩罚力度,读取迭代次数求解自适应调节因子动态调整惩罚强度,融合调节因子与缩放初始系数得到最终缩放系数,迭代前期弱化惩罚保留种群多样解,迭代后期加大惩罚筛选合规调度方案,提高了遗传算法寻优阶段平衡能力与可行调度方案的收敛效率。
20、本发明的另一个方面,还提供了一种多数据中心绿电感知任务调度优化系统,包括:处理器、输入设备、输出设备和存储器,所述处理器、所述输入设备、所述输出设备和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行本发明前一个方面任一项所述的一种多数据中心绿电感知任务调度优化方法。
21、本发明的一种多数据中心绿电感知任务调度优化系统,结构紧凑、性能稳定、集成度高和构成简单,能够稳定地执行本发明前一方面提供的一种多数据中心绿电感知任务调度优化方法,进一步提升本发明整体适用性和实际应用能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com