(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211138391.4 (22)申请日 2022.09.19 (65)同一申请的已公布的文献号 申请公布号 CN 115220900 A (43)申请公布日 2022.10.21 (73)专利权人 山东省计算中心 （国家超 级计算 济南中心） 地址 250000 山东省济南市历下区科院路 19号 (72)发明人 王继彬　陈泳杰　郭莹　杨美红　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 张庆骞 (51)Int.Cl. G06F 9/48(2006.01)G06F 9/50(2006.01) G06F 11/30(2006.01) G06F 16/215(2019.01) G06K 9/62(2022.01) (56)对比文件 CN 114816699 A,2022.07.29 CN 108595 301 A,2018.09.28 CN 111174375 A,2020.0 5.19 US 2013212410 A1,2013.08.15 US 2011219208 A1,201 1.09.08 US 2022198562 A1,202 2.06.23 审查员 刘杰 (54)发明名称 一种基于作业功耗预测的节能调度方法及 系统 (57)摘要 本发明公开了一种基于作业功耗预测的节 能调度方法及系统， 涉及高性能计算数据中心节 能领域。 通过资源监控模块， 功耗预测模块和作 业调度模块三个模块实现了数据的监控和功耗 的预测， 进而根据预测结果实现了作业调度。 在 节能调度方法中基于机器学习对作业 队列中的 作业功耗进行预测， 使 得预测结果比传统的理论 模型更加准确， 根据预测结果对负载作业和负载 机柜进行分类， 将高负载作业和低负载作业以轮 询的方式分别分配给高负载机柜和低负载机柜， 可以保证HPC数据中心的整体负载均衡。 在机柜 内将服务器划分为高温服务器和低温服务器， 将 作业优先分配给低温服务器可以防止机柜内出 现局部温度过高的情况， 有效避免了热点的出 现。 权利要求书2页 说明书9页 附图5页 CN 115220900 B 2022.12.13 CN 115220900 B 1.一种基于功耗预测的节能调度方法， 其特 征在于， 包括以下步骤： 监控用户提交作业的相关参数， 监控数据中心内空调及计算设备的相关参数， 监控调 度器的相关参数， 将监控到的数据保存到数据库中； 采集监控到的调度器相关参数并进行数据清洗， 对清洗后的数据进行特征值筛选； 采 用不同的机器学习模型训练筛选后的特征值， 预测出未来作业运行时的功耗， 选择不同机 器学习模 型中精确度最高的模型； 作业功 耗预测主要分为三个步骤： 数据采集， 数据 清洗以 及模型训练； 从资源监控模块获取数据后经过数据采集和数据清洗步骤， 生成n个特征值， 将特征值输入不同的训练模型训练从而预测功 耗， 根据功耗预测结果结合调 度算法生成调 度方案发送给HPC调度器进行调度， HPC调度器根据调度方案对作业队列进行调度， 对调度 完成后的作业队列重新进行功耗预测； 根据预测结果设计作业调度 方案， 通过机柜级调度以及服务器级调度， 将HPC作业下发 到相对应的资源平台， 完成HPC应用的调度； 根据预测结果设计作业调度方案具体步骤为： 根据预测的结果对作业进行分类， 基于分类结果对机柜进行分类； 将分类好的作业按照轮询的方式分配到每 个机柜中； 采集机柜中每 个服务器的温度， 对服 务器进行分类； 基于服务器的分类结果， 计算服务器可用资源与需求资源的加权平均值作为每个服务 器的分数， 选择 得分最高的服 务器进行调度。 2.如权利要求1所述的一种基于功耗预测的节能调度方法， 其特征在于， 根据 预测的结 果对作业进行分类具体步骤为： 预测出作业队列中每一个作业的功耗， 并根据功耗分界值 进行划分， 若功耗大于功耗分界值则划分到高负载作业列表中， 若功耗小于等于功耗分界 值则划分到低负载作业列表中。 3.如权利要求2所述的一种基于功耗预测的节能调度方法， 其特征在于， 机柜分为高负 载机柜和低负载机柜， 高负载机柜中的服务器只能运行高负载作业列表中的作业， 低负载 机柜中的服 务器只能运行低负载作业列表中的作业。 4.如权利要求1所述的一种基于功耗预测的节能调度方法， 其特征在于， 对服务器进行 分类具体为， 在满足温度阈值的情况下， 跟据设定的服务器温度分界线将服务器进行划分 为高温服 务器和低温服 务器。 5.一种基于功耗预测的节能调度系统， 其特征在于， 包括： 资源监控模块， 功耗预测模 块和作业调度模块； 资源监控模块， 被配置为监控用户提交作业的相关参数， 监控数据中心内空调及计算 设备的相关参数， 监控调度器的相关参数， 将监控到的数据保存到数据库中； 功耗预测模块， 被配置为采集监控到的调度器相关参数并进行数据清洗， 对清洗后的 数据进行特征值筛选； 采用不同的机器学习模型训练筛选后的特征值， 预测出未来作业运 行时的功耗， 选择不同机器学习模型中精确度最高的模型； 作业功耗预测主要分为三个步 骤： 数据采集， 数据 清洗以及模 型训练； 从资源监控模块 获取数据后经过数据采集和数据 清 洗步骤， 生成n个特征值， 将特征值输入不同的训练模型训练从而预测功耗， 根据功耗预测 结果结合调度算法生成调度方案发送给HP C调度器进行调度， HPC调度器根据调度方案对作 业队列进行调度， 对调度完成后的作业队列重新进行功耗预测；权　利　要　求　书 1/2 页 2 CN 115220900 B 2作业调度模块， 被配置为根据上述预测模块的结果设计作业调度方案， 通过机柜级调 度以及服 务器级调度， 将HPC作业下发到相对应的资源平台， 完成HPC应用的调度； 根据预测结果设计作业调度方案具体步骤为： 根据预测的结果对作业进行分类， 基于分类结果对机柜进行分类； 将分类好的作业按照轮询的方式分配到每 个机柜中； 采集机柜中每 个服务器的温度， 对服 务器进行分类； 基于服务器的分类结果， 计算服务器可用资源与需求资源的加权平均值作为每个服务 器的分数， 选择 得分最高的服 务器进行调度。 6.如权利要求5所述的一种基于功耗预测的节能调度系统， 其特征在于， 资源监控模块 包括作业 监控模块、 调度器监控 模块和数据中心监控 模块。 7.如权利要求6所述的一种基于功耗预测的节能调度系统， 其特征在于， 作业监控模块 用于监控用户提交的作业信息， 调度器监控模块用于监控调度器的历史调度信息； 数据中 心监控模块用于监控冷却设备和计算设备的相关参数。 8.如权利要求5所述的一种基于功耗预测的节能调度系统， 其特征在于， 功耗预测模块 包括数据采集模块、 数据清洗模块和模型训练模块。 9.如权利要求8所述的一种基于功耗预测的节能调度系统， 其特征在于， 数据采集模块 用于采集作业监控模块和调 度监控模块监控到的数据； 数据 清洗模块用于将采集到的数据 进行清洗以及合并， 对合并后的数据进行特征值筛选； 模型训练模块用于采用不同的机器 学习模型对筛 选后的特 征值进行 预测， 预测出 未来作业 运行时的功耗。权　利　要　求　书 2/2 页 3 CN 115220900 B 3