云計算數(shù)據中心的能耗成本建模與優(yōu)化研究.pdf

1、云計算從概念到大規(guī)模推廣應用，短短數(shù)年間獲得了迅猛發(fā)展。它與諸多行業(yè)深度融合，帶來了顛覆性的創(chuàng)新，凸顯出巨大的應用價值和發(fā)展前景。為了滿足對計算、存儲及網絡等資源日益增長的需求，云計算數(shù)據中心的規(guī)模越來越大，同時也引發(fā)了大型數(shù)據中心能耗成本居高不下，已經成為制約企業(yè)發(fā)展的瓶頸。因此，在保證云計算數(shù)據中心正常業(yè)務開展及安全可靠運行的同時，有效利用能源，最大限度地降低能耗成本，提升市場競爭力，對云服務提供商顯得尤為重要。近年來，云計算數(shù)據中

2、心能耗成本控制問題已經吸引了工業(yè)界和學術界的廣泛關注，成為當前的研究熱點。本研究主要內容包括：
　　⑴研究了在開放電能市場環(huán)境下，利用系統(tǒng)儲能設備（如UPS）中多余的容量，最小化云計算數(shù)據中心電能成本的問題，并將該優(yōu)化問題轉化為一個折扣成本的馬爾可夫決策模型。由于系統(tǒng)負載和電價的先驗信息事先未知，我們設計了基于Q學習的動態(tài)能量存儲控制策略用于減小電能成本，并運用Speedy Q學習理論加速算法的收斂。同時，我們將該問題所對應的離線

3、優(yōu)化問題刻畫為一個混合整形線性規(guī)劃(MILP)問題，其最優(yōu)解作為所提出算法的性能邊界。最后，基于實際的負載和電價數(shù)據集驗證了所提出算法的有效性。
　　⑵研究了處于開放電能市場環(huán)境中，在任務隊列延遲約束條件下，根據負載和電價的波動，通過自適應地調整云計算數(shù)據中心中處于休眠/激活狀態(tài)的服務器數(shù)，以實現(xiàn)電能成本的最優(yōu)控制，并將該問題建模為帶約束的馬爾可夫決策過程。在關于系統(tǒng)隨機過程信息可用性的多種假設下，分別研究了在線優(yōu)化、學習理論以及

4、離線優(yōu)化等算法。我們采用GMM對負載分布進行估計，并引入基于PDS的學習算法，該算法能夠充分利用所估計的負載分布改善系統(tǒng)性能，提高收斂速度。同時，我們也構造了離線優(yōu)化模型，其最優(yōu)解作為所提出學習算法的評價基準。最后，通過設計和執(zhí)行基于實際負載和電價數(shù)據集的實驗驗證了所提出算法的有效性。
　?、菫榱藢崿F(xiàn)綠色數(shù)據中心的目標，在云計算數(shù)據中心能耗成本節(jié)約問題中引入可再生能源（如太陽能、風能等）。針對負載以及可再生能源的變化，自適應地調整

5、休眠/激活服務器數(shù)，以減少系統(tǒng)的能耗。本文提出了基于大偏差原理的過載概率估計的自適應服務器資源配置算法，該算法不依賴于負載和可再生能源發(fā)電量的先驗信息，而是依據當前的觀測信息做出決策，并提供以過載概率表示的QoS保證，同時，為了獲得較為平滑的服務器資源配置，我們采用迭代策略調整休眠/激活服務器的數(shù)量。最后，設計并執(zhí)行了基于Thunder集群和Intrepid集群的實際負載、以及基于50Hertz的可再生能源發(fā)電量數(shù)據集的仿真實驗，驗證了