互联网数据中心设备负载预测方法及装置、设备及介质与流程

1.本公开涉及互联网技术技术领域，尤其涉及一种互联网数据中心设备负载预测方法及装置、设备及介质。


背景技术：

2.目前，在互联网数据中心中，由服务器、存储和网络通信设备等所构成的it设备系统所产生的功耗约占互联网数据中心总功耗的45％，而制冷系统所产生的功耗却约占互联网数据中心总功耗的40％。制冷系统已成为互联网数据中心最大的能耗之一，也是提高互联网数据中心能源效率的重要环节。
3.在相关技术中，it设备负载预测是互联网数据中心idc智慧运维系统的重要内容，它对制冷系统调度控制有着关键作用。由于多数it设备的负载具有“潮汐效应”，从it设备升温，到制冷系统通过温度传感器感应到其温度已升高到设定阈值，并作出调节具有一定的延迟，此时设备很有可能已经处于不适宜工作的温度，或it设备内部风扇高速运转导致电能的浪费。
4.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。


技术实现要素：

5.本公开的目的在于提供一种互联网数据中心设备负载预测方法及装置、设备及介质，至少在一定程度上克服由于相关技术的限制，不能很好的对it设备负载进行有效的预测，导致在互联网数据中心制冷系统进行控温工作具有严重延迟的问题。
6.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
7.根据本公开的一个方面，提供一种互联网数据中心设备负载预测方法，包括：
8.获取空调回温数据、机柜负载数据和机柜温度数据；
9.对机柜负载数据进行分解，得到季节分量和剩余分量，对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合残差部分得到线性模型；
10.利用卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；以及
11.利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。
12.在本公开一个实施例中，互联网数据中心设备负载预测方法还包括：
13.对获取的空调回温数据、机柜负载数据和机柜温度数据，进行预处理。
14.在本公开一个实施例中，互联网数据中心设备负载预测方法，还包括：
15.获得机柜温度数据后，检测机柜温度是否处于正常值，
16.若机柜温度处于正常值，则进行对机柜负载数据进行分解的步骤；
17.若机柜温度没有处于正常值，则触发告警。
18.在本公开一个实施例中，用空调回温数据拟合残差部分得到的线性模型包括：
[0019][0020]
其中，yt为服务器负载数据分解后的剩余分量在t时刻的值，
[0021]
air
t
为空调回风温度在t时刻的值，
[0022]
p为自回归阶数，
[0023]
β为设定系数，
[0024]
ε
t
为误差项。
[0025]
在本公开一个实施例中，利用卡尔曼滤波对线性模型建模构造的状态方程和预测方程分别为：
[0026][0027]yt
＝h
t
x
t
v
trt
[0028]
其中，x
t
是(p 1)维状态向量，
[0029]
是t 1时刻的状态向量估计值，
[0030]
φ
t
为状态转移矩阵，
[0031]wt
为输入噪音，
[0032]ht
为测量矩阵，
[0033]vt
为测量噪声，
[0034]rt
为测量噪声的协方差。
[0035]
根据本公开的另一个方面，提供一种互联网数据中心设备负载预测装置，包括：
[0036]
数据获取模块，用于获取空调回温数据、机柜负载数据和机柜温度数据，并对数据进行预处理；
[0037]
拟合模块，用于对机柜负载数据进行分解，得到季节分量和剩余分量，对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合得到线性模型；
[0038]
建模模块，用于依卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；和
[0039]
修正模块，用于利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。
[0040]
在本公开一个实施例中，所述数据获取模块还能用于检测机柜温度是否处于正常值。
[0041]
在本公开一个实施例中，所述拟合模块还包括分解单元和拟合单元，所述分解单元用于对机柜负载数据进行分解得到季节分量和剩余分量，所述拟合单元用于对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合残差部分得到线性模型。
[0042]
根据本公开的再一个方面，提供一种电子设备，包括：
[0043]
处理器；以及
[0044]
存储器，用于存储所述处理器的可执行指令；
[0045]
其中，所述处理器配置为经由执行所述可执行指令来执行上述的互联网数据中心
设备负载预测方法。
[0046]
根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的互联网数据中心设备负载预测方法。
[0047]
本公开的实施例所提供的互联网数据中心设备负载预测方法，通过对机柜负载数据进行分解，对分解的剩余分量构造自回归模型并得到残差部分，再利用空调回温数据拟合残差部分得到线性模型；接着，利用卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；最后，再利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。通过本实施例的方案，可以实现利用空调回温数据和机柜温度数据，对机柜负载的预测值进行优化，可以大大提高机柜负载预测值的准确性和可靠性，以便降低空调运转的滞后性。
[0048]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0049]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1示出本公开实施例中一种互联网数据中心设备负载预测方法的流程图；
[0051]
图2示出本公开实施例中一种互联网数据中心设备负载预测方法的另一流程图；
[0052]
图3示出本公开实施例中一种互联网数据中心设备负载预测方法的另一流程图；
[0053]
图4示出本公开实施例中一种互联网数据中心设备负载预测方法的另一流程图；
[0054]
图5示出本公开实施例中一种互联网数据中心设备负载预测方法的另一流程图；
[0055]
图6示出本公开实施例中一种互联网数据中心设备负载预测装置的结构图；
[0056]
图7示出本公开实施例中一种互联网数据中心设备负载预测装置的另一结构图；和
[0057]
图8示出本公开实施例中一种互联网数据中心设备负载预测计算机设备的结构框图。
具体实施方式
[0058]
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0059]
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处
理器装置和/或微控制器装置中实现这些功能实体。
[0060]
图1是本技术一个示例性实施例，提供的一种互联网数据中心设备负载预测方法，包括如下步骤：
[0061]
s101：获取空调回温数据、机柜负载数据和机柜温度数据；
[0062]
s102：对机柜负载数据进行分解，得到季节分量和剩余分量，对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合残差部分得到线性模型；
[0063]
s103：利用卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；以及
[0064]
s104:利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。
[0065]
下面，将结合附图对本示例实施方式中的互联网数据中心设备负载预测方法的各个步骤进行更详细的说明：
[0066]
如图1和图2所示，在本实施例中，步骤s101具体包括：
[0067]
s201：获取空调回温数据、机柜负载数据和机柜温度数据；
[0068]
s202：对空调回温数据、机柜负载数据和机柜温度数据，进行预处理；
[0069]
s203：
[0070]
检测机柜温度是否处于正常值：
[0071]
若机柜温度处于正常值，则进行对机柜负载数据进行分解的步骤；
[0072]
若机柜温度没有处于正常值，则触发告警。
[0073]
需要说明的是，在上述s202中对空调回温数据、机柜负载数据和机柜温度数据，进行预处理主要包括去除数据中的离群值，对缺失数据进行插值或填充，对数据进行预处理属于本领域现有技术在此不再赘述。其中，机柜温度数据通过温度传感器获取。
[0074]
如图1和图3所示，在本实施例中，步骤s103具体包括：
[0075]
s301：对机柜负载数据进行分解，得到季节分量和剩余分量；
[0076]
s302：对剩余分量构造自回归模型得到残差部分；
[0077]
s303：用空调回温数据拟合残差部分得到线性模型。
[0078]
其中，用空调回温数据拟合残差部分得到的线性模型包括：
[0079][0080]
其中，yt为服务器负载数据分解后的剩余分量在t时刻的值，
[0081]
air
t
为空调回风温度在t时刻的值，
[0082]
p为自回归阶数，
[0083]
β为设定系数，
[0084]
ε
t
为误差项。
[0085]
需要说明的是，对序列数据进行分解，属于本领域现有技术，在此不再赘述。
[0086]
如图1和图4所示，在本实施例中，步骤s104具体包括：
[0087]
s401：利用卡尔曼滤波对线性模型建模，构造状态方程和预测方程；
[0088]
s402：计算机柜负载数据的预测值。
[0089]
其中，利用卡尔曼滤波对线性模型建模构造的状态方程和预测方程分别为：
[0090][0091]yt
＝h
t
x
t
v
trt
[0092]
其中，x
t
是(p 1)维状态向量，
[0093]
是t 1时刻的状态向量估计值，
[0094]
φ
t
为状态转移矩阵，
[0095]wt
为输入噪音，
[0096]ht
为测量矩阵，
[0097]vt
为测量噪声，
[0098]rt
为测量噪声的协方差。
[0099]
需要说明的是，卡尔曼滤波算法是一种现有技术算法，依据其构造状态方程和预测方程属于本领域现有技术，在此不再赘述。
[0100]
如图1和图5所示，在本实施例中，步骤s105具体包括：
[0101]
s501：利用机柜温度数据对负载数据预测值进行修正得到结果分量；
[0102]
s502：把结果分量回构为机柜负载数据。
[0103]
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
[0104]
下面，将结合实施例对本示例实施方式中的互联网数据中心设备负载预测法的各个步骤进行更进一步的说明：
[0105]
首先，获取空调回风温度数据{air
t
,t∈t}，空调对应的制冷区域的机柜负载数据{server
t
,t∈t}，以及用来检测机柜温度的温度传感器数据{temp
t
,t∈t}。并对空调回风温度数据、机柜负载数据和机柜温度数据进行预处理，预处理的手段包括去除离群值和填充缺失值。其中，需要说明的是，在获取机柜温度数据后，检测机柜温度是否超过预设的阈值，若机柜温度超过预设的阈值则出发告警。
[0106]
其次，对机柜服务器负载数据{server
t
,t∈t}进行分解，得到得到季节分量和剩余分量yt，该剩余分量yt包括趋势分量和不规则变动分量。季节分量设置为24，对剩余分量yt构造自回归模型并得到残差部分，再利用空调回风温度数据拟合残差部分得到线性模型包括：
[0107][0108]
其中，yt为服务器负载数据分解后的剩余分量在t时刻的值，
[0109]
air
t
为空调回风温度在t时刻的值，
[0110]
p为自回归阶数，
[0111]
β为设定系数，
[0112]
ε
t
为误差项。
[0113]
接着，基于卡尔曼滤波对上述的线性模型进行建模，并构造状态方程和预测方程，状态方程和预测方程如下：
[0114][0115]yt
＝h
t
x
t
v
trt
[0116]
其中，x
t
是(p 1)维状态向量，本实施例设置为[y
t-1
,...,y
t-p
,air
t
]，
[0117]
是t 1时刻的状态向量估计值，
[0118]
φ
t
为状态转移矩阵，
[0119]wt
为输入噪音，其协方差矩阵为q
t
[0120]ht
为测量矩阵，
[0121]vt
为测量噪声，其其协方差矩阵为r
t
。
[0122]
最后，利用机柜温度数据对负载数据预测值进行修正，再把修正后的结果分量回构为机柜负载数据。
[0123]
其中，修正公式如下：
[0124][0125]
其中，α为调整因子，
[0126]
为负载数据的预测值，
[0127]
temp
t
为机柜温度在t时刻的数值。
[0128]
通过本实施例的上述方案，可以实现利用空调回温数据和机柜温度数据，对机柜负载的预测值进行优化，可以大大提高机柜负载预测值的准确性和可靠性，以便降低空调运转的滞后性。
[0129]
本示例的实施方式中，依据上述互联网数据中心设备负载预测的方法，还提供一种互联网数据中心设备负载预测的装置，下面参照图6和图7来描述根据本发明的这种互联网数据中心设备负载预测的装置。
[0130]
如图6所示，本实施例提供一种互联网数据中心设备负载预测装置6，包括：
[0131]
数据获取模块601，用于获取空调回温数据、机柜负载数据和机柜温度数据，并对数据进行预处理；
[0132]
拟合模块602，用于对机柜负载数据进行分解，得到季节分量和剩余分量，对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合得到线性模型；
[0133]
建模模块603，用于依卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；和
[0134]
修正模块604，用于利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。
[0135]
其中，数据获取模块还能用于检测机柜温度是否处于正常值。若机柜温度处于正常值，则进行对机柜负载数据进行分解的步骤；若机柜温度没有处于正常值，则触发告警。
[0136]
其中，拟合模块还包括分解单元和拟合单元，分解单元用于对机柜负载数据进行分解得到季节分量和剩余分量，拟合单元用于对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合残差部分得到线性模型，得到的线性模型为：
[0137][0138]
其中，yt为服务器负载数据分解后的剩余分量在t时刻的值，
[0139]
air
t
为空调回风温度在t时刻的值，
[0140]
p为自回归阶数，
[0141]
β为设定系数，
[0142]
ε
t
为误差项。
[0143]
如图7所示，本实施例还提供一种互联网数据中心设备负载预测装置7，包括：
[0144]
数据获取模块701，用于获取空调回温数据、机柜负载数据和机柜温度数据，并对数据进行预处理；
[0145]
计算模块702，用于对机柜负载数据进行分解，得到季节分量和剩余分量，对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合得到线性模型；此外，计算模块还能用于依卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；
[0146]
修正模块703，用于利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。
[0147]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0148]
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
[0149]
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0150]
下面参照图8来描述根据本发明的这种实施方式的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0151]
如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
[0152]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，s101，获取空调回温数据、机柜负载数据和机柜温度数据；s102，对机柜负载数据进行分解，得到季节分量和剩余分量，对剩余分量构造自回归模型得到残差部分，并用空调回温数据拟合残差部分得到线性模型；s103，利用卡尔曼滤波对线性模型建模，构造状态方程和预测方程，并计算得到机柜负载数据的预测值；以及s104，利用机柜温度数据对预测值进行修正得到结果分量，并把结果分量回构为机柜负载数据。
[0153]
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元
(ram)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(rom)8203。
[0154]
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0155]
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0156]
电子设备800也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0157]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
[0158]
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
[0159]
描述了根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0160]
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0161]
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、
光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0162]
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0163]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0164]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0165]
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0166]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
[0167]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。