地理分布式数据中心的节能问题研究

发布时间：2020-11-06 10:50

　　 近些年来,信息技术飞速发展,数据中心得到逐步的发展和进步。基于云计算的分布式数据中心应运而生,其中最主要的类型为地理分布式数据中心。地理分布式的诸多优点,可以为数据中心运营商和用户双方提供便利。但是,由此所产生的能耗问题也日益严重。相关理论研究多为侧重数据中心服务器的节能优化,还有少量研究为跨数据中心网络数据传输节能优化。将以上两者优化相结合的问题模型很少被探索。因此,本文着重在这方面入手,进行地理分布式数据中心能耗成本优化问题的建模。在地理分布式数据中心中,地理分布式数据中心能耗成本优化的核心目标为降低电价成本。而在进行能耗价格成本优化的同时,会与其他的多项约束目标相互制约。本文结合以上考虑,建立了以电价成本为目标函数的能耗成本优化问题模型。而后对问题模型进行李雅普诺夫优化,将其中难以直接计算的期望型转化为时隙型约束。再之后对转化后的模型利用广义本德斯分解算法将非凸优化问题转化为分段凸优化问题进行求解。在此基础上,再加入异构负载和异构数据中心的因素,将其拓展为可以容纳异构因素的能耗成本优化模型。最后在MATLAB对所提出的算法进行数值模拟,表明本文所提出的算法在节约能耗成本效果上变现更好。数学建模求解方法解决优化问题可以相对较为精确的求出问题的解,但是仍然存在着,某些情况下无法求得最优解和某些情况下无法建立合适的数学模型的问题。使用强化学习,能够在一定程度上突破问题建模的限制,只需要给出合理的动作,状态,回报函数设计,将问题转化为马尔科夫过程,就能够针对问题提出相应的算法。目前的基于强化学习的节能研究没有将系统的容错性纳入考虑。而基于强化学习的优化算法能够更好地应对系统环境的变化,考虑容错性后能够及时应对地理分布式数据中心节点出错的负载重新分配的处理。本文提出一种基于强化学习的节能负载分配策略,综合考虑了节能优化和容错性,最后进行实验数值模拟,说明该方法在节能效果上的有效性和在容错效果上的优越性。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP308;P208
【部分图文】：

服务器与网络方面能耗对比（根据服务器利用率图 1-2 服务器利用率分布情况究地理分布式数据中心中对数据中心服务器本文从地理分布式数据中心的结构特点出发节能影响因素。通过地理负载平衡的手段，负载的形式路由到能源价格更加低廉的地理

约有 58%的时间利用率在 50%以下，而仅有 5%的时间利用率为 90%-100%[25]，如图1-2 所示。因此，综合来看，网路方面的能耗不能忽视，应当加入考虑的范围。然而，对于地理分布的数据中心，在服务器和网络方面的联合能量优化很少被研究，导致了优化结果还存在欠缺。本课题希望能够在研究中解决这

对 IT 设备的节能优化也是本文的主要研究内容。2.2 能源来源数据中心通常所使用的能源来源可以分为两种，一种是化石能源，也称棕色能源，主要包括煤炭，石油，以及天然气等。化石能源是目前的数据中心最主要的能量来源。化石能源提供能量的过程中通常伴随着较高的碳排放。由于化石能源的供应量通常与使用量成正比，因此，可以用控制化石能源供应量的方法对化石能源的使用量进行调节。另一种是可再生能源，也称绿色能源，主要包括风能，水能，以及太阳能等。可再生能源提供能量的过程中产生的碳排放通常较小。这些可再生能源的前期建设成本投入通常较多，接入电网也通常需要比较远距离的传输。可再生能源的能源供给量通常比较不稳定，其受天气因素的影响较大，例如，利用太阳能发电的设备在夜晚无法收集太阳能，也就无法工作；利用风能发电的设备在风力较小的情况下无法满足需求，因而无法启动，在风力较大的情况下，为了避免设备的转速过快而造成损耗，因此通常会进行停机操作。
【相似文献】

相关期刊论文 前10条

1 ;浪潮推出云海集装箱数据中心[J];科技浪潮;2011年02期

2 ;浪潮“行业云”和云数据中心演示引人注目[J];科技浪潮;2011年02期

3 ;云操作系统 云数据中心神经系统[J];科技浪潮;2011年03期

4 ;浪潮发布云海集装箱数据中心[J];科技浪潮;2011年03期

5 ;浪潮存储获“用户满意数据中心解决方案”大奖[J];科技浪潮;2009年05期

6 赵吉志;;浅谈数据中心绿色分级评估方法[J];科技浪潮;2012年05期

7 ;云操作系统 云数据中心神经系统[J];科技浪潮;2011年S1期

8 赵吉志;;数据中心效能评估指标简介[J];科技浪潮;2013年02期

9 解云鹏;王江龙;雷波;;5G时代 数据中心网络演进正当时[J];通信世界;2019年33期

10 胡骞;张安旭;霍晓莉;;“灰盒”模式构建数据中心光层互联[J];通信世界;2019年33期

相关博士学位论文 前10条

1 胡文博;软件定义网络在多租户数据中心中的关键问题研究[D];北京邮电大学;2018年

2 王硕;面向虚拟数据中心的云网络资源共享与隔离方法研究[D];中国科学技术大学;2019年

3 陶小旖;数据中心流量调度与请求分配的关键技术研究[D];大连理工大学;2019年

4 谷丽君;基于热感知的数据中心能耗优化策略研究[D];华北电力大学(北京);2019年

5 范福杰;数据中心内基于负载感知均衡策略的高性能路由方案研究[D];浙江大学;2019年

6 李翔;云数据中心的温度建模与节能调度方法研究[D];浙江大学;2017年

7 顾崇林;云数据中心绿色调度建模与算法设计[D];哈尔滨工业大学;2018年

8 张圣林;基于日志的数据中心内性能事件管理[D];清华大学;2017年

9 肖诗汉;无线数据中心网络架构设计与传输优化研究[D];清华大学;2017年

10 张宇超;数据中心网络业务处理流程中的资源管理优化[D];清华大学;2017年

相关硕士学位论文 前10条

1 王欣欣;基于蚁群算法的数据中心网络流量调度策略研究[D];重庆邮电大学;2019年

2 刘亦星;基于SDN的数据中心多路径流量调度策略研究[D];重庆邮电大学;2019年

3 姚喻晨;风道结构对数据中心热性能的影响研究[D];南京师范大学;2019年

4 陆艺雯;基于智能电网的数据中心能源优化与任务调度方法研究[D];南京航空航天大学;2019年

5 唐杰;HD科技有限公司发展战略研究[D];南京航空航天大学;2018年

6 付雷;提高数据中心基础设施可用性运维管理体系研究[D];南昌大学;2019年

7 陆宏杰;数据中心热性能的数值模拟与试验研究[D];南京师范大学;2019年

8 韩武纪;地理分布式数据中心的节能问题研究[D];哈尔滨工业大学;2019年

9 郭志成;新疆某数据中心自然冷却空调系统的应用研究[D];西安工程大学;2019年

10 张耀洲;基于BIM技术的智能电网数据中心能耗分析[D];广东工业大学;2019年

本文编号：2873044