服务器的电力配置的确定方法、确定装置和终端与流程

1.本说明书涉及计算机技术领域，具体涉及一种服务器的电力配置的确定方法、确定装置和终端。


背景技术：

2.数据中心中可能存在多种型号的服务器，且针对不同的业务量或者业务类型，服务器的功耗会存在波动，即服务器在不同的时期会需要不同的电力配额。基于服务器所需的电力配额，可以合理设置机柜/机列中的服务器的数量，以提升电力利用率。
3.但是，当前并无有效的可预测服务器的功耗情况的方法，难以相对准确地对服务器在后续时段的功耗进行预测，从而无法确定服务器在后续时段所需的电力配额，这会导致无法基于服务器所需的电力配额而向服务器供给所需的电力，使得服务器出现超负载风险或者电力浪费等状况，从而导致数据中心的运行成本大幅增加。


技术实现要素：

4.本说明书第一方面提供一种服务器的电力配置的确定方法，该确定方法包括：获取服务器的历史功耗数据，历史功耗数据用于指示服务器在预设时段内的功耗；根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式，不同的功耗模式对应不同的电力配置确定方法，且不同的功耗模式对应不同的功耗波动程度；根据第一功耗模式对服务器在预设时段之后的时段的功耗进行预测，并根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的所述功耗匹配的电力配置进行确定，以得到电力配置确定结果。
5.在该方案中，通过设计不同的功耗模式，以对服务器的后续功耗情况进行预测，并预测出服务器在后续时段所需要的最佳电力配额，在避免服务器出现过载风险的同时，缓解因服务器电力配额过度导致能源损耗过多的问题。
6.在本说明书第一方面的至少一个实现方式中，多种功耗模式包括至少一种稳定功耗模式和至少一种非稳定功耗模式，且根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式的步骤可以包括：对历史功耗数据进行分离程度判定，分离程度用于指示服务器的功耗波动程度。在该步骤中，如果分离程度低于第一预期值，判定第一功耗模式为稳定功耗模式；如果分离程度高于或等于第一预期值，判定第一功耗模式为非稳定功耗模式。
7.在上述方案中，根据服务器的功耗波动程度，将功耗相对稳定的服务器预先划分到稳定功耗模式这一类别中，有助于将后续时段的功耗情况更容易被预测的服务器优先筛选出来，以增加电力配置确定结果的准确度。
8.在本说明书第一方面的至少一个实现方式中，服务器的电力配置的确定方法还可以包括：从服务器的原始历史功耗数据中去除异常功耗数据得到历史功耗数据。
9.在上述方案中，异常功耗数据的去除，可以提高历史功耗数据的可靠性，以便于对服务器的功耗模式进行判定。
10.在本说明书第一方面的至少一个实现方式中，从服务器的原始历史功耗数据中去除异常功耗数据得到历史功耗数据的步骤可以包括：按照时间粒度对原始历史功耗数据进行划分，以得到多个功耗样本；基于分位数法和/或统计指标法从多个功耗样本中去除呈现跳变的异常功耗样本，得到历史功耗数据。
11.在本说明书第一方面的至少一个实现方式中，如果第一功耗模式为稳定功耗模式，根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的功耗匹配的电力配置进行确定，以得到电力配置确定结果，包括：将服务器当前的电力配置作为电力配置确定结果。
12.在本说明书第一方面的至少一个实现方式中，非稳定功耗模式有多种，根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式的步骤还可以包括：如果第一功耗模式为非稳定功耗模式，对历史功耗数据进行聚类，以确定每个聚类类别的结果对应的功耗状态；基于所有聚类类别的结果对应的功耗状态，判定第一功耗模式所对应的功耗模式。
13.如果服务器处于非稳定功耗模式下，那表示服务器的功耗波动程度较大，出现了多种功耗状态。在上述方案中，通过聚类的方式对服务器的功耗状态的类别进行划分，可以得到各个功耗状态出现的次数、顺序等信息，据此可以分析出各个功耗状态的分布规律，据此判断服务器在后续时段可能出现的功耗状态，以提高电力配置确定结果的准确度。
14.在本说明书第一方面的至少一个实现方式中，对历史功耗数据进行聚类，以确定每个聚类类别的结果对应的功耗状态的步骤，可以包括：将持续时间不小于第二预期值且功耗不大于第三预期值的聚类类别的结果对应的功耗状态归类为稳定闲置态；将持续时间不小于第二预期值且功耗大于第三预期值的聚类类别的结果对应的功耗状态归类为稳定非闲置态；将持续时间小于第二预期值、功耗反复波动且彼此相邻的多个聚类类别的结果对应的功耗状态归类为无序态；将持续时间小于第二预期值、位于相邻的两个稳定闲置态和/或稳定非闲置态之间且彼此相邻的多个聚类类别的结果对应的功耗状态归类为过渡态。
15.在本说明书第一方面的至少一个实现方式中，基于所有聚类类别的结果对应的功耗状态，来判定第一功耗模式所对应的功耗模式的步骤可以包括：如果第一功耗模式下的聚类类别对应的功耗状态只包括无序态，将第一功耗模式判定为无序模式；如果第一功耗模式下的聚类类别对应的功耗状态包括稳定闲置态、稳定非闲置态、无序态和过渡态中的至少两种，将第一功耗模式判定为混合模式。
16.在本说明书第一方面的至少一个实现方式中，在第一功耗模式判定为无序模式的情况下，根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的功耗匹配的电力配置进行确定，以得到电力配置确定结果的步骤可以包括：将历史功耗数据中的数据从高到低依次排布；从最高的功耗数据开始截取历史功耗数据的部分数据，并将截取的数据的平均值以作为服务器的待预测的功耗状态中的功耗，以确定服务器在待预测的功耗状态中的电力配置。
17.在本说明书第一方面的至少一个实现方式中，在第一功耗模式判定为混合模式的情况下，根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的功耗匹配的电力配置进行确定，以得到电力配置确定结果的步骤可以包括：将聚类类别按照时间排序，
基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以确定服务器在待预测的功耗状态中的电力配置。
18.在本说明书第一方面的至少一个实现方式中，在时间最近的聚类类别所对应的功耗状态为过渡态或者稳定闲置态的情况下，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以得到电力配置确定结果的步骤可以包括：将时间最近的聚类类别的前一个聚类类别所对应的功耗状态作为服务器的待预测的功耗状态中的功耗状态。
19.在本说明书第一方面的至少一个实现方式中，在时间最近的聚类类别所对应的功耗状态为稳定非闲置态的情况下，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以得到电力配置确定结果的步骤可以包括：将稳定非闲置态作为服务器的待预测的功耗状态中的功耗状态。
20.在本说明书第一方面的至少一个实现方式中，在时间最近的聚类类别所对应的功耗状态为无序态的情况下，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以得到电力配置确定结果的步骤可以包括：将历史功耗数据中由时间最近的聚类类别所包括的功耗数据按照功耗从高到低依次排布；从最高的功耗数据开始截取历史功耗数据的部分数据，并将截取的数据的平均值作为服务器的待预测的功耗状态中的功耗，以确定电力配置确定结果。
21.在本说明书第一方面的至少一个实现方式中，服务器为服务器集群中的一个服务器，确定方法还可以包括：确定服务器集群中具有不小于预设时段的历史功耗数据的服务器的功耗模式，并根据对应的功耗模式所对应的电力配置确定方法确定电力配置确定结果；对服务器集群中的所有服务器进行元素粒度划分，并将具有相同工作模式的服务器分类为一组，对于服务器集群中未具有历史功耗数据或者具有小于预设时段的历史功耗数据的服务器，基于同组内具有不小于预设时段的历史功耗数据的服务器的功耗模式所对应的电力配置确定方法，确定电力配置确定结果。
22.本说明书第二方面提供一种服务器的电力配置的确定装置，该确定装置包括获取模块、确定模块和预测模块。获取模块配置为获取服务器的历史功耗数据，且历史功耗数据用于指示服务器在预设时段内的功耗。确定模块配置为根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式，不同的功耗模式对应不同的电力配置确定方法，且不同的功耗模式对应不同的功耗波动程度。预测模块配置为根据第一功耗模式对服务器在预设时段之后的时段的功耗进行预测，并根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的功耗匹配的电力配置进行确定，以得到电力配置确定结果。
23.本说明书第三方面提供一种终端，该终端包括处理器和存储器。存储器用于存储执行指令，处理器执行执行指令以实现上述第一方面中的服务器的电力配置的确定方法。
24.本说明书第四方面提供一种计算机可读存储介质，该计算机可读存储介质中存储有执行指令，当处理器执行该执行指令时，可以实现上述第一方面中的服务器的电力配置的确定方法。
附图说明
25.图1为本说明书一实施例提供的服务器的电力配置的确定方法的流程图。
26.图2为图1所示确定方法的部分步骤的具体实施方式的流程图。
27.图3为本说明书一实施例提供的服务器的电力配置的确定方法的流程图。
28.图4为图3所示确定方法的部分步骤的具体实施方式的流程图。
29.图5为本说明书一实施例提供的服务器在一种混合模式下的功耗画像图。
30.图6为本说明书一实施例提供的服务器在另一种混合模式下的功耗画像图。
31.图7为本说明书一实施例提供的服务器在再一种混合模式下的功耗画像图。
32.图8为本说明书一实施例提供的服务器的电力配置的确定装置的结构框图。
33.图9为本说明书一实施例提供的终端的结构示意图。
具体实施方式
34.下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。
35.数据中心可以显著提高信息资源的利用率，从而为企业的信息化投入产生了良好的回报率，并且随着社会经济在信息化时代这一大背景下的快速发展，数据中心的使用规模也越来越大。数据中心厂家在引入服务器时，基于收益考虑，需要重点考虑服务器的整机能耗，因其直接决定了服务器在整个生命周期中所消耗的电量，因此，如何降低服务器的能源消耗一直是在设计数据中心时所考量的重点。例如，在实际应用中，需要在数据中心的机柜/机列中合理地规划服务器的数量，并且随着业务量和业务种类的增加，还可能需要在机柜/机列内增加或减少服务器，以适配业务需要。但是，如果在机柜/机列内增加服务器，随着服务器使用率的攀升，可能存在服务器的功耗负载上升带来的过载风险；如果数据中心以较高的功耗标准来确定服务器所需的电力配额，以避免上述过载风险，那么同时也会导致机柜/机列的供电未充分利用而导致能耗过度浪费等问题，而且也会浪费机柜/机列的空间，从而增加了数据中心的运行成本。
36.在实际应用中，可以使用基于功耗字典给定功耗值、全时间集采样画像和元组粒度画像等方法来确定服务器的功耗情况，以据此确定服务器所需的电力配额。但是，通过上述列出的方法来预测服务器在后续时段的功耗情况的准确度非常低，不能同时兼顾避免服务器过载风险和合理确定服务器所需的电力配额这两个需求。
37.例如，在基于功耗字典给定功耗值来确定服务器功耗的方法中，会根据相关业务所指定的服务器的负载率，来查询服务器功耗字典，从而以该负载率下的功耗作为上架功耗，从而确定服务器在后续时段的功耗。但是，在该方法中，业务指定的服务器的负载率主要靠人工来估计，会存在预估功耗不准、功耗字典实测数据不全、功耗字典的实验负载与实际负载存在差异等一系列问题，使得所确定的服务器在后续时段的功耗和真实功耗存在较大误差，从而存在过载风险，或者导致估计的电力配额过大而导致能源过度浪费。
38.例如，在基于全时间集采样画像来确定服务器功耗的方法中，可以对服务器的每天功耗使用滑动窗口取平均，以获取每天功耗最高的小时内数据，然后对一定时间周期内的所有最高功耗数据及其对应的时间汇总以进行画像，从而确定服务器的功耗情况。但是，在该方法中，需要使用较久的功耗数据，其中会包括过多的脏数据而对当前阶段的功耗数
据的估计造成干扰，从而难以准确地判断服务器在后续时段的功耗。
39.例如，在基于元组粒度画像来确定服务器功耗的方法中，可以对运行时间较短或者功耗尚未达到正常工作状态的服务器(例如下述的目标服务器)使用其元组画像，来估测服务器的功耗情况。此处，元组画像可以指使用同一个机型、部门、产品线下的正常服务器的功耗数据，对目标服务器进行画像，从而直接得出目标服务器的功耗情况。该方案可以在一定程度上缓解服务器的过载风险问题，但是该方法过于笼统平均化而缺少精细化方案，即，不能准确获得目标服务器的实际功耗，仍存在服务器的过载风险以及所确定的电力配额过大(远大于服务器实际功耗)而导致能源过度浪费的问题。
40.针对上述的问题，可以通过统计数据中心中的每个服务器在运行过程中的功耗数据，以分析该服务器功耗规律来解决，基于服务器的功耗规律，可以对服务器的后续功耗进行推断。但是，上述方式在实际应用时会面临一些技术问题，例如：若使用服务器在较短运行时间周期中的功耗数据，可能会忽略运行时间较久之前存在的负载风险问题；若使用服务器在较长运行时间周期中的功耗数据，那么功耗数据中会存在较多脏数据而影响分析结果，使得预测功耗相比于真实功耗过高或过低。
41.有鉴于上述情况，本说明书提供一种服务器的电力配置的确定方法、确定装置和终端，基于服务器的功耗波动情况及其对应的电力配置，预先将服务器的功耗模式进行分类，相应地，不同的功耗模式对应了特定的电力配置方法。如此，在对服务器的功耗进行预测时，可以根据每一台服务器的历史功耗的波动情况以对服务器的功耗模式进行识别，再根据所识别的功耗模式对应的电力配置方法来对服务器在后续时段中的功耗进行预测，从而推理出服务器在后续时段所对应的最佳电力配额。该方式可以在避免服务器出现过载风险的同时，缓解因服务器电力配额过度导致能源损耗过多的情况，即，解决了服务器的功耗分配过程中出现的收益与风险的平衡问题。
42.下面，结合附图对根据本说明书至少一个实施例中的服务器的电力配置的确定方法、确定装置和终端进行说明。
43.如图1所示，本说明书至少一个实施例提供的服务器的电力配置的确定方法可以包括如下的步骤s110～s130。
44.s110，获取服务器的历史功耗数据。
45.历史功耗数据用于指示服务器在预设时段内的功耗。例如，历史功耗数据可以来源于采购服务器或者配置服务器时所登记的功耗表格，该功耗数据可以为预设时间粒度的功耗数据。例如，该预设时间粒度可以根据实际业务的情况进行设计，例如可以将业务的规划周期进行等分以获得预设时间粒度。示例性的，假设业务的规划周期为周，该预设时间粒度可以为天粒度。
46.预设时段截止至当前，即，随着服务器的运行，历史功耗数据是通过滑动窗口的方式从整个服务器的功耗数据中进行截取的，在满足截取的功耗数据足够用于分析整个服务器的功耗波动规律的同时，不会随着服务器运行而包括太久时间之前的功耗数据(其可能包括了脏数据)，从而降低因包括过多脏数据而导致配置确定结果不准确的风险。该预设时段可以根据实际业务情况进行设计，例如在业务的规划周期是以周(7天)为区间进行设计(例如每周进行一次业务规划和调整等事务)的情况下，该预设时段可以为周的倍数，例如可以设置为十周、二十周等。
47.s120，根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式。不同的功耗模式对应不同的电力配置确定方法，且不同的功耗模式对应不同的功耗波动程度。
48.通过统计服务器在不同的功耗下对应的电力配置的相关信息，可以预先根据服务器的功耗波动程度来对服务器的功耗模式进行划分，相应地，每种功耗模式对应了特定的电力配置确定方法，该电力配置确定方法用于确定服务器所需的电力配额。如此，根据当前服务器的历史功耗数据可以获得功耗波动程度，进而得出其当前的功耗模式(第一功耗模式)并确定与该功耗模式匹配的电力配置确定方法。
49.s130，根据第一功耗模式对服务器在预设时段之后的时段的功耗进行预测，并根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的功耗匹配的电力配置进行确定，以得到电力配置确定结果。
50.在上述的步骤s110～s130中，基于当前的服务器的历史功耗数据进行分析，可以获得当前服务器的功耗波动程度，并确定相匹配的功耗模式(第一功耗模式)，基于该功耗模式可以继续预测当前服务器在后续时段的功耗情况，并基于与该功耗模式(第一功耗模式)对应的电力配置确定方法对后续时段所需的电力配置进行确定，以确定服务器在后续时段所需要的最佳电力配额(电力配置确定结果)，这使得服务器不会因电力配额不足以匹配功耗负载而出现过载风险，从而避免服务器出现过载风险，同时还可以缓解或解决因服务器电力配额过度导致能源损耗过多的问题。
51.需要说明的是，对服务器的电力配置进行确定(执行上述步骤s110～s130)的主体可以是自身，或者由其它的服务器例如中心服务器等。例如，服务器可以为一个服务器集群中的服务器，在该服务器集群中设定一个服务器来对各个服务器的电力配置进行确定。
52.服务器的功耗波动情况有多种，有些服务器的功耗波动比较小，即功耗长期相对稳定。如果服务器的功耗维持稳定，那么服务器会有很大的概率会继续维持当前的功耗水平。如此，在上述确定方法中，可以将功耗维持相对稳定的服务器的功耗模式(例如下述的稳定功耗模式)单独划分出来作为一类以进行优先判定，这样不仅可以保证部分服务器(假设服务器判定对应第一类的功耗模式)的电力配置的确定结果相对更为精确，还可以降低在对功耗波动明显的服务器的功耗模式进行识别时所面对的服务器数量，有助于提高确定电力配置时的运算速度。
53.例如，在本说明书至少一个实施例提供的服务器的电力配置的确定方法中，多种功耗模式包括至少一种稳定功耗模式和至少一种非稳定功耗模式。如此，上述的步骤s120可以包括：对历史功耗数据进行分离程度判定，分离程度用于指示服务器的功耗波动程度。分离程度(或称为离散程度)可以为功耗数据集的均值与标准差的相关比例，如果分离程度较低，一定程度上可以反映该服务器的功耗并无较大波动。
54.在步骤s120中，如图2所示，在执行对历史功耗数据进行分离程度判定(图2中的过程101)中，判断分离程度是否第一预期值(图2中的过程102)，如果分离程度低于第一预期值，判定第一功耗模式为稳定功耗模式103；如果分离程度高于或等于第一预期值，判定第一功耗模式为非稳定功耗模式104。在该方案中，根据服务器的功耗波动程度，将功耗相对稳定的服务器预先划分到稳定功耗模式这一类别中，有助于将后续时段的功耗情况更容易被预测的服务器优先筛选出来，以增加电力配置确定结果的准确度。
55.在服务器的功耗稳定的情况下，功耗也有高低之分。如此，可以根据功耗的高低，
设计多个稳定功耗模式，不同稳定功耗模式下的功耗状态(例如包括功耗大小)不同。例如，如图2所示，根据服务器的cpu负载情况来判定该服务器是否处于闲置状态，以将服务器的功耗模式划分为稳定闲置模式和稳定非闲置模式。在服务器的功耗模式划分为稳定闲置模式的情况下，服务器的cpu负载相对较小，该状态下的功耗水平不能代表服务器正常工作时的功耗数据；在服务器的功耗模式划分为稳定非闲置模式的情况下，表示服务器正常运行，该状态下的功耗水平代表了服务器在正常工作时的功耗数据。
56.例如，在本说明书的实施例中，稳定闲置模式和稳定非闲置模式下的功耗的分界标准可以基于服务器的cpu处于是否正常工作的界限时的占用率进行设定，如果功耗低于分界标准，表示服务器的cpu还未开始用于处理与业务相关的数据。例如，该分界标准对应的cpu占用率为3％～20％内的任意数值，例如进一步为5％、8％、10％、15％等。需要说明的是，该分界标准所对应的cpu占用率可以根据实际业务下的服务器的运行状况进行确定或者人为设定，并不限于上述的数值范围。示例性的，如图2所示，在步骤s120中，在判定第一功耗模式为稳定功耗模式103之后，判断功耗是否低于上述的分界标准(图2中的步骤105)，如果功耗低于该分界标准，判定第一功耗模式为稳定闲置模式106，如果功耗大于或等于该分界标准，判定第一功耗模式为稳定非闲置模式107。
57.需要说明的是，稳定闲置模式下的服务器容易出现负载过大的风险，在服务器的功耗模式判定为稳定闲置模式后，可以将该类的服务器分类出来，以对该服务器的工作状态进行核查，或者对该类服务器所需的电力配额进行单独设计，以降低负载过大的风险。
58.例如，本说明书至少一个实施例提供的服务器的电力配置的确定方法还可以包括如图3所示的步骤s100：从服务器的原始历史功耗数据中去除异常功耗数据得到历史功耗数据。如果直接以原始历史功耗数据作为历史功耗数据，有可能会掺杂一些异常功耗数据，该些异常功耗数据不能代表服务器的正常工作状态但是又会增加服务器的功耗波动程度，这增加了服务器的功耗模式进行预先划分和判定的难度。在该方案中，异常功耗数据的去除，可以提高历史功耗数据的可靠性，以便于对服务器的功耗模式进行判定。
59.在本说明书至少一个实施例提供的服务器的电力配置的确定方法中，上述的步骤s100的具体实施方式可以为：按照时间粒度对原始历史功耗数据进行划分，以得到多个功耗样本；基于分位数法和/或统计指标法从多个功耗样本中去除呈现跳变的异常功耗样本，得到历史功耗数据。在分位数法和/或统计指标法的数据处理中，异常功耗样本呈现为跳变点和明显异常点。
60.在服务器被判定为处于稳定功耗模式的情况下，因其功耗基本保持稳定，从而可直接得出后续时段的服务器功耗；然而，在服务器在被判定为非稳定功耗模式的情况下，服务器在整个预设时段内会包括多种功耗状态，且各种功耗状态按照时间段的先后排序不同从而呈现多种组合，如果针对每种组合设计一种功耗模式而配置相应的电力配置确定方法，会极大增加前期设计工作的难度。例如，假设预先设定了4种功耗状态，限于第二预期值而将预设时段设置为最多存在5个功耗状态，即便只统计存在5个功耗状态的情况，非稳定功耗模式的种类就有4
×3×3×3×
3＝324种。
61.在确定服务器在后续时段的电力配置时，当前时间段或者距离当前时间段越近的功耗数据会更趋近后续时段可能出现的真实功耗。如此，可以基于服务器在预设时段内出现的功耗状态的数量和当前时段内呈现的功耗状态来预先设计稳定功耗模式和非稳定功
耗模式所分别包括的具体功耗类型。下面，通过几个具体的实施例对上述方法分别进行说明。
62.在本说明书一些实施例提供的服务器的电力配置的确定方法中，如果第一功耗模式为稳定功耗模式，上述的步骤s130可以包括：将服务器当前的电力配置作为电力配置确定结果。如前面相关实施例的描述，稳定功耗模式下的功耗比较稳定，整个预设时段(包括当前时段)都只对应一种功耗状态，该状态大概率会持续下去，因此可直接以服务器在当前时段的功耗作为在后续时段要预测的功耗。
63.在本说明书另一些实施例提供的服务器的电力配置的确定方法中，可以设定多种非稳定功耗模式，上述的步骤s120可以包括：如果第一功耗模式为非稳定功耗模式，对历史功耗数据进行聚类，以确定每个聚类类别的结果对应的功耗状态；基于所有聚类类别的结果对应的功耗状态，判定第一功耗模式所对应的功耗模式。在上述方案中，通过聚类的方式对服务器的功耗状态的类别进行划分，可以得到各个功耗状态出现的次数、顺序、组合以及当前阶段的功耗状态等信息，据此可以分析出各个功耗状态的分布规律，据此判断服务器在后续时段可能出现的功耗状态，以提高电力配置确定结果的准确度。
64.例如，针对服务器可能出现的功耗状态的类型预先分类为稳定闲置态、稳定非闲置态、无序态和过渡态，该四种功耗状态的判定标准为：将持续时间不小于第二预期值且功耗不大于第三预期值的聚类类别的结果对应的功耗状态归类为稳定闲置态；将持续时间不小于第二预期值且功耗大于第三预期值的聚类类别的结果对应的功耗状态归类为稳定非闲置态；将持续时间小于第二预期值、功耗反复波动且彼此相邻的多个聚类类别的结果对应的功耗状态归类为无序态；将持续时间小于第二预期值、位于相邻的两个稳定闲置态和/或稳定非闲置态之间且彼此相邻的多个聚类类别的结果对应的功耗状态归类为过渡态。
65.第二预期值可以根据设定的预期时段进行设计，例如其可以为预期时段的1/3、1/4等，或者可以为特定的时间段。第三预期值可以为前述实施例中用于界定cpu是否参与业务处理工作的“分界标准”。
66.需要说明的是，在本说明书的实施例中，可以根据实际需要对服务器的功耗状态进行分类，而不限于上述的四种。
67.下面，以功耗状态分类为上述的稳定闲置态、稳定非闲置态、无序态和过渡态四种为例，对本说明书上述实施例中的步骤s120和s130的一种实施方式进行说明。
68.例如，在本说明书至少一个实施例中，将非稳定功耗模式细分为无序模式和混合模式两类。具体地，如图4所示，上述步骤s120中，对历史功耗数据进行聚类(图4中的过程108)之后，基于所有聚类类别的结果对应的功耗状态，来判定第一功耗模式所对应的功耗模式的步骤可以包括：判定聚类结果是否只包括无序态(图4中的过程109)，如果第一功耗模式下的聚类类别对应的功耗状态只包括无序态，将第一功耗模式判定为无序模式111；如果第一功耗模式下的聚类类别对应的功耗状态包括稳定闲置态、稳定非闲置态、无序态和过渡态中的至少两种(即，并不只包括无序态)，将第一功耗模式判定为混合模式110。
69.如果服务器的功耗状态一直处于无序态，即在第一功耗模式判定为无序模式的情况下，上述步骤s130可以包括：将历史功耗数据中的数据从高到低依次排布；从最高的功耗数据开始截取历史功耗数据的部分数据，并将截取的数据的平均值以作为服务器的待预测的功耗状态中的功耗，以确定服务器在待预测的功耗状态中的电力配置。
70.在无序模式下，预测后续时段的功耗状态也会继续维持为无序态，但是无序态下的功耗波动较大，如果使用所有功耗数据取平均数作为后续时段的功耗，那可能存在负载过大的风险，因此可以采集功耗较大的数据取平均，以作为后续时段的功耗数据，从而确定电力配置。例如，从历史功耗数据中截取数据的比例可以为40％～98％等，例如进一步为50％、60％、70％、80％、90％等。需要说明的是，截取数据的比例越小，预测的后续时段的功耗越大，会进一步减小负载过大的风险，截取数据的比例可以根据实际业务情况进行设计，可以不限于上述数值范围。
71.在混合模式下，服务器的当前的功耗状态可以是稳定闲置态、稳定非闲置态、无序态和过渡态中的任一种，而过渡态并不能用来准确判定服务器的功耗是否长久维持下去，且稳定闲置态下的服务器存在过载风险。如此，需要判断服务器的当前功耗状态，以结合各个功耗状态的排布规律来预测服务器在后续时段的功耗状态。例如，在第一功耗模式判定为混合模式的情况下，上述步骤s130可以包括：将聚类类别按照时间排序，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以确定服务器在待预测的功耗状态中的电力配置。
72.下面，在服务器的功耗模式判定为混合模式的，以当前时段的功耗状态(时间最近的聚类类别所对应的功耗状态)分别为稳定闲置态、稳定非闲置态、无序态和过渡态为例，对上述步骤s130的具体实施方式进行说明。
73.在一个具体的示例中，在时间最近的聚类类别所对应的功耗状态为过渡态或者稳定闲置态的情况下，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以得到电力配置确定结果的步骤可以包括：将时间最近的聚类类别的前一个聚类类别所对应的功耗状态作为服务器的待预测的功耗状态中的功耗状态。具体如图5所示，服务器的当前阶段的功耗状态为稳定闲置态，而其前一个时间段的功耗状态为无序态，那么服务器在后续时段的功耗状态也被预测为呈现无序态。需要说明的是，图5中包括散点(每个点对应一功耗样本)的态势曲线表征服务器的功耗变化，另一条线表征服务器的cpu占用率，且横坐标表示时间(天数)，数值范围区间为150～500的一个纵坐标表示功耗，其单位为w，数值范围区间为0～100的另一个纵坐标表示占用率(百分比)；此外，关于预测的功耗状态为无序态下的功耗可以参见前述实施例中对无序模式的相关说明，在此不作赘述。
74.需要说明的是，在如图5所示的示例中，因为过渡态和稳定闲置态预设为不能用于作为后续时段的功耗状态的确定结果，因此，在将时间最近的聚类类别的前一个聚类类别所对应的功耗状态作为服务器的待预测的功耗状态中的功耗状态，根据时间由近及久，获取距离当前时段的功耗状态(过渡态或者稳定闲置态)最近且排除过渡态和稳定闲置态之外的其它功耗状态为止，该其它功耗状态为无序态或者稳定非闲置态。
75.在另一个具体的示例中，如图6所示，在时间最近的聚类类别所对应的功耗状态为稳定非闲置态的情况下，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗状态，以得到电力配置确定结果的步骤可以包括：将稳定非闲置态作为服务器的待预测的功耗状态中的功耗状态。需要说明的是，图6中的态势曲线及各坐标的含义，可以参见前述实施了中对附图5的相关说明，在此不作赘述。
76.在再一个具体的示例中，如图7所示，在时间最近的聚类类别所对应的功耗状态为无序态的情况下，基于时间最近的聚类类别所对应的功耗状态确定服务器的待预测的功耗
状态，以得到电力配置确定结果的步骤可以包括：将历史功耗数据中由时间最近的聚类类别所包括的功耗数据按照功耗从高到低依次排布；从最高的功耗数据开始截取历史功耗数据的部分数据，并将截取的数据的平均值作为服务器的待预测的功耗状态中的功耗，以确定电力配置确定结果，即，服务器在后续时段的功耗状态预测为了无序态。需要说明的是，图7中的态势曲线及各坐标的含义，可以参见前述实施了中对附图5的相关说明；此外，关于预测的功耗状态为无序态下的功耗可以参见前述实施例中对无序模式的相关说明，在此都不作赘述。
77.根据以上描述可知，在服务器的功耗模式判定为处于混合模式的情况下，使用当前时段或者距离当前时段最近的一种可靠的功耗状态(例如无序态和稳定非闲置态)来预测服务器在后续时段的功耗状态，且仅使用了与预设时段中的一个时间片段中的功耗数据进行预测，从而使得确定结果不会被其它时间阶段的功耗数据所干扰，以获得更为准确的确定结果。
78.在本说明书至少一个实施例提供的服务器的电力配置的确定方法中，服务器为服务器集群中的一个服务器。在实际在应用中，数据中心的一些服务器已经运行较长的时间而具备较为可靠的历史功耗数据，而有些服务器因新配置或者业务类型变动而导致该些服务器的历史功耗数据不足或者不可靠。如此，在实际作业中，可以将上述的服务器分类以分别进行电力配置的确定。
79.例如，本说明书至少一个实施例提供的服务器的电力配置的确定方法还可以包括：确定服务器集群中具有不小于预设时段的历史功耗数据的服务器的功耗模式，并根据对应的功耗模式所对应的电力配置确定方法确定电力配置确定结果；对服务器集群中的所有服务器进行元素粒度划分，并将具有相同工作模式的服务器分类为一组，对于服务器集群中未具有历史功耗数据或者具有小于预设时段的历史功耗数据的服务器，基于同组内具有不小于预设时段的历史功耗数据的服务器的功耗模式所对应的电力配置确定方法，确定电力配置确定结果。如此，针对具备可靠的历史功耗数据的服务器按照前述实施例中的步骤对其后续时段的功耗状态进行预测，并确定相应地电力配置；而对于未具备可靠的历史功耗数据的服务器，其在后续时段的功耗状态可以直接参照相同类型(例如型号、业务对象等相同或相似)的服务器被预测的功耗状态。
80.本说明书至少一个实施例提供一种服务器的电力配置的确定装置，如图8所示，该确定装置包括获取模块10、确定模块20和预测模块30。获取模块10配置为获取服务器的历史功耗数据，且历史功耗数据用于指示服务器在预设时段内的功耗。确定模块20配置为根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式，且不同的功耗模式对应不同的电力配置确定方法，且不同的功耗模式对应不同的功耗波动程度。预测模块30配置为根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的所述功耗匹配的电力配置进行确定，以得到电力配置确定结果。该确定装置对服务器的电力配置进行确定的过程可以参见前述实施例中关于服务器的电力配置的确定方法的相关说明，在此不作赘述。
81.本说明书至少一个实施例提供一种终端，如图9所示，该终端200包括存储器210和处理器220。存储器210用于存储执行指令，处理器220执行执行指令以实现上述实施例中的服务器的电力配置的确定方法。
82.处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器内的指令，调用存储在存储器内的数据，执行终端的各种功能和处理数据。例如，处理器可以采用数字信号处理、现场可编程门阵列、可编程逻辑阵列中的至少一种硬件形式来实现。处理器可集成中央处理器、图像处理器和调制解调器等中的一种或几种的组合。
83.存储器可以包括随机存储器，也可以包括只读存储器。例如，存储器包括非瞬时性计算机可读介质以存储指令。
84.本说明书至少一个实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有执行指令，当处理器执行该执行指令时，可以实现上述实施例中的服务器的电力配置的确定方法，例如该指令执行时可以进行如下操作：获取服务器的历史功耗数据，历史功耗数据用于指示服务器在预设时段内的功耗；根据历史功耗数据确定服务器处于多种功耗模式中的第一功耗模式，不同的功耗模式对应不同的电力配置确定方法，且不同的功耗模式对应不同的功耗波动程度；根据第一功耗模式对应的电力配置确定方法对服务器所需的与预测的所述功耗匹配的电力配置进行确定，并得到电力配置确定结果。
85.例如，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。
86.以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所作的任何修改、等同替换等，均应包含在本说明书的保护范围之内。