基于机器学习的数据中心参数自动优化关键技术研究

发布时间：2021-10-26 23:05

　　从数据中心的关键参数PUE出发,对数据中心能效的各个方面,包括基础设施服务器、网络和可靠性等进行综合分析,指出可以通过这些关键参数对数据中心进行整体综合评价,使得数据中心基础设施的设计和评估有了可量化的依据。针对参数优化,从监督学习算法、无监督学习算法和强化学习方法3方面进行研究,指出机器学习界最鲜明的特点,就是算法众多、思想各不相同、发展各有路径。随后从数据中心运维参数优化、PUE调优等方面基于各类学习算法,对数据中心参数进行自动优化分析和设计,并针对未来机器学习和边缘计算的结合进行分析,认为机器学习算法在数据中心新的领域将会有较好的使用场景,并能带来较大的收益。 

【文章来源】：信息通信技术与政策. 2020,(06)

【文章页数】：4 页

【文章目录】：
1 引言
2 数据中心关键参数分析
    2.1 PUE
    2.2 数据中心基础设施耗电量分析
        2.2.1 冷水机组
        2.2.2 风机
        2.2.3 水泵
    2.3 网络传输参数
    2.4 数据中心可靠性和可用性
3 针对参数优化的机器学习算法
4 基于机器学习的数据中心参数自动优化关键技术
    4.1 应用监督学习算法的数据中心参数自动优化
    4.2 应用无监督学习算法的数据中心参数自动优化
    4.3 应用强化学习算法的数据中心参数自动优化
5 结束语


【参考文献】：
期刊论文
[1]数据中心架构及集成优化研究和发展分析[J]. 郭亮,钱声攀.  信息通信技术与政策. 2019(02)



本文编号：3460369