摘 要： 間歇性能源功率變化與數(shù)據(jù)中心的功率需求異步變化,，容易產(chǎn)生供需不一致現(xiàn)象,，給利用間歇性能源這種綠色計算思路帶來了挑戰(zhàn)。在對間歇性能源功率和數(shù)據(jù)中心功耗需求變化進行建模的基礎上,，提出了一種高效利用間歇性能源的數(shù)據(jù)中心能源供給管理策略框架,。模擬實驗顯示，該策略理論上不僅可以確保數(shù)據(jù)中心能量供應,，同時可以達到高效利用間歇性能源的目的,，為今后間歇性能源在數(shù)據(jù)中心的實際應用提供理論依據(jù)。
關鍵詞： 數(shù)據(jù)中心,；能源管理,；間歇性綠色能源
0 引言
由于傳統(tǒng)的數(shù)據(jù)中心一般都會消耗大量的電力資源，增加了碳排放量和運營成本[1-2],。關于數(shù)據(jù)中心能耗建模[5-9],、綠色數(shù)據(jù)中心的結構設計和建設[1，3]得到了廣泛的關注和研究,。太陽能和風能等能源也被考慮作為一種綠色資源引入到數(shù)據(jù)中心[1,，3]。由于其間歇性特征導致能源功率不穩(wěn)定,，而數(shù)據(jù)中心的功率亦呈現(xiàn)出多變性,，從而引起以間歇性能源為主要電力來源的數(shù)據(jù)中心產(chǎn)生能源供需不一致矛盾。
本文通過建立數(shù)據(jù)中心能耗和間歇性能源的數(shù)學模型,，模擬能源與需求間的不一致特點,，并以此為基礎,，提出一套管理策略，對機房的電力供應或消耗進行調解,，試圖解決能源的間歇性和運行穩(wěn)定性間的矛盾,，從而為高效利用具有間歇性可再生能源的數(shù)據(jù)中心的建設和管理工作提供理論支持。
本文主要研究內(nèi)容為：（1）建立間歇性能源變化模型及模擬器,，模擬具有間歇性的能源輸入,；（2）建立數(shù)據(jù)中心能耗變化模擬及模擬器，模擬能耗變化,；（3）能源管理策略設計,；（4）效果及評價。
1 間歇性能源功率變化模擬
本文綠色能源是風能和太陽能兩種能源結合后的具有間歇型特征的電能,，其變化模型及模擬工作以此為基礎,。
1.1 太陽能發(fā)電模型
太陽能建模問題主要從下幾個方面展開：
（1）基本曲線選擇：通過觀察參考文獻[4]所介紹的太陽能模型曲線發(fā)現(xiàn),，該曲線與二次拋物線相似,，因此擬利用一元二次函數(shù)為基礎進行建模。
?。?）天氣影響：考慮到云層和天氣帶來的影響,，用介于0~1間的隨機數(shù)模擬天氣的實時影響。
?。?）發(fā)電時間：太陽能一般只在晝間發(fā)電,，因此其有限時間段設定在6∶00～18∶00。
?。?）最大功率：由于太陽能發(fā)電機有額定功率,，因此在模型中需要設定一個限定系數(shù)。
綜合上述4個方面,，對太陽能發(fā)電功率變化情況建立模型：
Psun=m（-x2+24x-108）×random（0,，1）（1）
其中,，Psun表示太陽能實時發(fā)電功率,；m用來調整太陽能發(fā)電系統(tǒng)的最大功率；x表示時間,，其取值范圍是（6,，18）；random（0,，1）用來模擬云雨等天氣因素造成的影響,。
1.2 風能發(fā)電模型
風力發(fā)電完全取決于風速大小，本文擬利用可控的隨機產(chǎn)生數(shù)的方法來模擬不同風力下的發(fā)電功率情況,。式（2）~（5）是具體的數(shù)學模型,。
r1=random（0,，1）（2）
rn=rn-1*（1+random2（a，b）） 且0≤rn,，rn-1≤1（3）
pn=C*rn（4）
Pwind={pn}（5）
其中,，C表示風力發(fā)電系統(tǒng)的額定功率；random（0,，1）用來產(chǎn)生0~1之間的隨機數(shù)r1,；a、b表示幅度范圍,，要求a<b,；random2（a，b）產(chǎn)生介于a和b間的數(shù)以表示相對上一時刻風力間的變化幅度,，值為負數(shù)表示減少,，值為正表示風力增加；當rn>1時表示達到最大功率rn取值為1,，當rn<0時表示最小功率rn取值為0,；Pn表示每個時刻點發(fā)電功率；Pwind表示一天各個時刻點功率的數(shù)值序列,，也就是全天發(fā)電模型,。
1.3 風能-太陽能結合的發(fā)電模型及模擬效果
結合上述兩種能源發(fā)電模型可以得到綠色能源發(fā)電功率模型：
Pgreen=Psun+Pwind（6）
其中，Pgreen表示綠色能源功率,，Psun是太陽能發(fā)電模型,，Pwind是風力發(fā)電模型，“+”表示按照時刻點對兩種發(fā)電模式下的功率疊加運算,。
圖1是在風能和太陽綜合發(fā)電功率為抽象值180的假設條件下,，以5 s為時槽，200 s內(nèi)不同發(fā)電功率變化的模擬效果圖,。
圖1（a）中兩條曲線表示功率相對穩(wěn)定的間歇性能源供給情況示例,。曲線1總體功率值較高，模擬短時間內(nèi)光照值較高且穩(wěn)定或者風速較高且相對穩(wěn)定的天氣下發(fā)電狀況,，曲線2功率偏小總體穩(wěn)定,，模擬比如光照較弱但穩(wěn)定或者風速較小但穩(wěn)定的天氣下發(fā)電情況。圖1（b）中曲線1和曲線2功率變化頻繁,，幅度較大,，是模擬短時間內(nèi)極端變化天氣下發(fā)電功率變化情況示例。
2 數(shù)據(jù)中心能耗模擬
2.1數(shù)據(jù)中心的能耗組成分析與總體建模
數(shù)據(jù)中心的主要子系統(tǒng)一般包括計算機節(jié)點（計算系統(tǒng)）,、空調,、門禁、監(jiān)控,、消防,、配電和網(wǎng)絡通信等子系統(tǒng),。借鑒參考文獻[6]、[9],，可以認為除計算系統(tǒng)外,，其余各系統(tǒng)功耗比重較小且變化幅度不大，故其非計算系統(tǒng)功率可看作是常數(shù),；通過參考文獻[7],、[8]，可以考慮對每個計算節(jié)點來說,，引起功耗變化的主要部件是CPU,，其余部件功耗可看作常量。那么數(shù)據(jù)中心總體能耗用式（7）表示：
Pcenter=Pcomputer+C3×Pcomputer+C1（7）
其中,，Pcenter表示數(shù)據(jù)中心總體功率,，Pcomputer表示計算子系統(tǒng)功率，C3×Pcomputer表示空調系統(tǒng)功率,，C1表示其余子系統(tǒng)的功率和,。
2.2 計算子系統(tǒng)功率模型
設數(shù)據(jù)中心的計算節(jié)點數(shù)量為m，各節(jié)點在某個單位時間上的功耗值為pj（0<j≤m）,，則計算子系統(tǒng)對應功耗Pcomputer可表示為：
對于單個節(jié)點上的功耗,，借鑒參考文獻[7-8]，可設單位時間內(nèi)CPU滿負荷時的功率為Pmax,，空載時的功率為Pmin,，節(jié)點其余部分的實時功率看作常數(shù)C2，這樣單位時間上的單個節(jié)點功率表示為：
Psingle_moment=Vcpu*（Pmax-Pmin）+Pmin+C2（9）
CPU利用率通過時間片的利用率來反映,。單位時間內(nèi)時間片的占用率可用式（10）計算：
Vcpu=noccupied/nall （0≤noccupied≤nall）（10）
其中,，Vcpu表示利用率，noccupied表示被占用的時間片數(shù)量,，nall表示單位時間內(nèi)的時間片總數(shù),。
2.3 數(shù)據(jù)中心功率變化模擬數(shù)據(jù)生成
依據(jù)上述能耗模型，在時間段t上的數(shù)據(jù)中心功率變化取決于各節(jié)點CPU利用或者被有效利用時間片數(shù)量的變化,，而時間片變化取決于進程的調度變化,。因此影響調度變化主要因素將是進程計算量和到達時間的分布。通過建立模擬數(shù)據(jù)產(chǎn)生器,，產(chǎn)生隨機到達的進程分布數(shù)據(jù),，再利用調度模擬器對這些模擬進程數(shù)據(jù)進行調度,，產(chǎn)生模擬的數(shù)據(jù)中心功率表化數(shù)據(jù),。
圖2是在設定數(shù)據(jù)中心最大功耗為抽象數(shù)值130，空載最低功耗為30的前提下,，經(jīng)過模擬不同的進程到達分布并進行模擬調度和預測后,，產(chǎn)生的數(shù)據(jù)中心200 s內(nèi)能耗需求曲線典型示例,。
3 能源調度與管理策略設計
3.1 能源調度總體思路
本文所述調度策略是以高效利用間歇性能源為目的，因此調度策略設計原則是：在保障數(shù)據(jù)中心供電不中斷的情況下,，根據(jù)間歇性能源的功率變化情況,，通過進程調度，盡量少用常規(guī)電能,，充分使用間歇性能源,。由于間歇性能源的變化頻率遠小于當代計算機運算頻率，可以認為在一個相對較短時間段t上,，間歇性能源功率是穩(wěn)定的,，通過對當前進程列表按照時間片需求進行預測，然后根據(jù)預測功率與能源功率相比較結果進行能源整流,、分流或進程執(zhí)行計劃的調度決策,。
調度策略示意圖如圖3所示。圖中進程列表是指數(shù)據(jù)中心所有節(jié)點上要運行的進程及其隊列信息,；綠色能源是以太陽能和風能為主的間歇性能源,；常規(guī)能源是傳統(tǒng)的電力供應，其功率相對穩(wěn)定,，此處主要用來進行應急使用,。
進程調度模塊是面向整個數(shù)據(jù)中心的全局任務/進程調度器，負責整個數(shù)據(jù)中心所有節(jié)點進行任務的整體規(guī)劃與分配,；功率需求模塊負責對各個節(jié)點的能耗進行預測,，進而預測出整個中心的能耗需求。
能源功率檢測模塊負責對具有間歇性的綠色能源電路上的供電功率進行檢測,，產(chǎn)生實時功率信息,；差值計算主要負責計算綠色能源供應功率和數(shù)據(jù)中心需求功率的差異情況；電流整合器負責在綠色能源,、常規(guī)電源和UPS間進行銜接,，并按照決策方案決定分流或整流以及電流流向等；UPS用來對富裕的綠色能源進行存儲,，同時也為確保所有外部供電故障時,，數(shù)據(jù)中心應急處理之用。
3.2 能源調度管理總體策略
能源調度總體指導策略為：（1）對間歇性綠色能源的功率進行檢測得到能源供應功率值,；（2）同時以當前進程列表（計劃）為輸入,，對未來的能耗功率進行預測；（3）通過差值計算模塊計算出供應功率與能耗需求功率差值,；（4）根據(jù)差值進行方案決策,，當能源供應功率小于消耗預測功率時執(zhí)行方案1，反之執(zhí)行方案2,。
方案1 對進程數(shù)量和調度頻率進行調整,，形成新進程序列和調度計劃,，從而確保在時間段t上能耗與電源功率匹配。
方案2 不對進程列表進行針對性修改,，而是把多余電能分流,，經(jīng)電流整合器整流后存儲在UPS中。
4 模擬實驗及結果分析
4.1 單次實驗及結果示例
為了便于調度策略的效果說明,，本文以200 s為時間段長度,，以5 s為一個時槽。利用文中第1部分關于間歇性能源的數(shù)學模型和模擬方法,，模擬生成能源功率變化數(shù)據(jù)（曲線）,，以第2部分所述數(shù)據(jù)中心能耗變化模型及進程到達模擬方法，模擬產(chǎn)生功率需求變化數(shù)據(jù)（曲線）,，然后利用3.1節(jié)所述調度策略,，對兩種不一致的供需雙方功率曲線進行比較，并通過模擬的進程調度器生成調度后的數(shù)據(jù)中心功耗曲線,。
圖4是一次調度效果示意,。其中圖4（a）表示該時間段上的間歇性能源功率變化曲線和常規(guī)電力供應下數(shù)據(jù)中心功耗需求曲線，圖中兩條曲線差異明顯,，說明供需矛盾突出,。圖4（b）是經(jīng)過調度后的供需雙方曲線，從圖可知,，在間歇性能源功率不變的情況下,，通過調度后可使數(shù)據(jù)中心功率需求符合間歇性能源供給功率變化，保證數(shù)據(jù)中心的穩(wěn)定運行,。圖4（c）是間歇性能源富裕時可進行儲存的能量分布圖,。圖4（a）中計算任務總量為抽象值35 965，間歇性能源總量為15 561.1,，表1是調度后的任務完成和能量利用情況,，可見調度后既保障了數(shù)據(jù)中心的穩(wěn)定運行，也有效提高了能源利用率,。
4.2 多次試驗結果分析
通過模擬產(chǎn)生不同進程達到分布和間歇性能源功率變化情況下能源調度策略的調度實驗,，并對其結果進行分析，可得出如下幾個結論：
?。?）理論上,，如果富裕能量都可被存儲的條件下，間歇性能源利用率幾乎可以達到100%,；
?。?）在本調度策略下，幾乎不需要消耗常規(guī)電力能源，除非間歇性能源功率極低的情況發(fā)生,；
（3）在對應時間段上的間歇性能源相對充足或者全部進程的總計算量相對較小的情況下,，計算任務基本可在該時間段執(zhí)行完畢,，延時量很小,；
?。?）反之，在對應時間段上的間歇性能源功率偏小或者全部進程的總計算量相對較大的情況下,，會產(chǎn)生一定的延時,，嚴重時延時較長。
總體上,，該調度長策略理論上可以有效提高數(shù)據(jù)中心中具有間歇性特征綠色能源的使用率,，同時能夠保障數(shù)據(jù)中心不會因為供電不足而產(chǎn)生掉電情況；由于可能產(chǎn)生計算任務完成時間的延遲,，因此不適合延時敏感型事務,，但較適合對延時不敏感的計算型業(yè)務。
5 結論
本文在分析間歇性能源與數(shù)據(jù)中心能源需求變化之間的矛盾基礎上,，建立了用于模擬間歇性能源和數(shù)據(jù)中心功率變化的數(shù)學模型,，同時提出了一套基于進程調度的數(shù)據(jù)中心能源調度與管理策略框架。通過模擬在不同間歇性能源功率變化和數(shù)據(jù)中心功率需求變化情況下,，使用所提能源調度與管理策略對供需矛盾的數(shù)據(jù)中心進行任務和進程進行調度模擬實驗,，并對實驗結果進行了分析，結果表明,，本文所述能源調度與管理策略框架可以有效地提高綠色能源的利用效率,，可以為數(shù)據(jù)中心引入和使用具有間歇性的綠色能源問題提供理論借鑒和參考。
參考文獻
[1] 鄧維,，劉方明.云計算數(shù)據(jù)中心的新能源應用：研究現(xiàn)狀與趨勢[J].計算機學報,，2013，36（3）：582-598.
[2] COOK G． How clean is your cloud?[R]. Greenpeace International Technical Report,， April,， 2012.
[3] 伍康文，柴華.全太陽能數(shù)據(jù)中心整體技術方案與實踐[J].微型機與應用,，2012,，31（21）：1-4.
[4] 王默涵.利用計算機模擬太陽能光伏發(fā)電[J].節(jié)能，2005（5）：36-39.
[5] 羅亮,，吳文峻,，張飛.面向云計算數(shù)據(jù)中心的能耗建模方法[J].軟件學報，2014，25（7）：1371-1387.
[6] MORENO-VOZMEDIANO R,， MONTERO R S,， LLORENTE I M. Key challenges in cloud computing： enabling the future Internet of services[J]. Internet Computing， IEEE,， 2013,，17（4）：18-25.
[7] BELOGLAZOV A， ABAWAJY J,， BUYYA R. Energy-aware resource allocation heuristics for efficient management of data centers for cloud computing[J]. Future Generation Computer Systems,，2012，28（5）：755-768.
[8] NATHUJI R,， SCHWAN K. VirtualPower： coordinated power management in virtualized enterprise systems[J]. ACM SIGOPS Operating Systems Review,，2007，41（6）：265-278.
[9] 劉江.數(shù)據(jù)中心計算資源節(jié)能算法研究[D].成都：電子科技大學,，2013.