本文關(guān)鍵詞：云計(jì)算數(shù)據(jù)中心的能耗成本建模與優(yōu)化研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：云計(jì)算從概念到大規(guī)模推廣應(yīng)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(lái)了顛覆性的創(chuàng)新,凸顯出巨大的應(yīng)用價(jià)值和發(fā)展前景。為了滿足對(duì)計(jì)算、存儲(chǔ)及網(wǎng)絡(luò)等資源日益增長(zhǎng)的需求,云計(jì)算數(shù)據(jù)中心的規(guī)模越來(lái)越大,同時(shí)也引發(fā)了大型數(shù)據(jù)中心能耗成本居高不下,已經(jīng)成為制約企業(yè)發(fā)展的瓶頸。因此,在保證云計(jì)算數(shù)據(jù)中心正常業(yè)務(wù)開(kāi)展及安全可靠運(yùn)行的同時(shí),有效利用能源,最大限度地降低能耗成本,提升市場(chǎng)競(jìng)爭(zhēng)力,對(duì)云服務(wù)提供商顯得尤為重要。近年來(lái),云計(jì)算數(shù)據(jù)中心能耗成本控制問(wèn)題已經(jīng)吸引了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注,成為當(dāng)前的研究熱點(diǎn)。 本文研究了大規(guī)模云計(jì)算數(shù)據(jù)中心能耗成本的建模、控制和優(yōu)化問(wèn)題,這些研究工作可概括如下： 1)研究了在開(kāi)放電能市場(chǎng)環(huán)境下,利用系統(tǒng)儲(chǔ)能設(shè)備(如UPS)中多余的容量,最小化云計(jì)算數(shù)據(jù)中心電能成本的問(wèn)題,并將該優(yōu)化問(wèn)題轉(zhuǎn)化為一個(gè)折扣成本的馬爾可夫決策模型。由于系統(tǒng)負(fù)載和電價(jià)的先驗(yàn)信息事先未知,我們?cè)O(shè)計(jì)了基于Q學(xué)習(xí)的動(dòng)態(tài)能量存儲(chǔ)控制策略用于減小電能成本,并運(yùn)用Speedy Q學(xué)習(xí)理論加速算法的收斂。同時(shí),我們將該問(wèn)題所對(duì)應(yīng)的離線優(yōu)化問(wèn)題刻畫(huà)為一個(gè)混合整形線性規(guī)劃(MILP)問(wèn)題,其最優(yōu)解作為所提出算法的性能邊界。最后,基于實(shí)際的負(fù)載和電價(jià)數(shù)據(jù)集驗(yàn)證了所提出算法的有效性。 2)研究了處于開(kāi)放電能市場(chǎng)環(huán)境中,在任務(wù)隊(duì)列延遲約束條件下,根據(jù)負(fù)載和電價(jià)的波動(dòng),通過(guò)自適應(yīng)地調(diào)整云計(jì)算數(shù)據(jù)中心中處于休眠／激活狀態(tài)的服務(wù)器數(shù),以實(shí)現(xiàn)電能成本的最優(yōu)控制,并將該問(wèn)題建模為帶約束的馬爾可夫決策過(guò)程。在關(guān)于系統(tǒng)隨機(jī)過(guò)程信息可用性的多種假設(shè)下,分別研究了在線優(yōu)化、學(xué)習(xí)理論以及離線優(yōu)化等算法。我們采用GMM對(duì)負(fù)載分布進(jìn)行估計(jì),并引入基于PDS的學(xué)習(xí)算法,該算法能夠充分利用所估計(jì)的負(fù)載分布改善系統(tǒng)性能,提高收斂速度。同時(shí),我們也構(gòu)造了離線優(yōu)化模型,其最優(yōu)解作為所提出學(xué)習(xí)算法的評(píng)價(jià)基準(zhǔn)。最后,通過(guò)設(shè)計(jì)和執(zhí)行基于實(shí)際負(fù)載和電價(jià)數(shù)據(jù)集的實(shí)驗(yàn)驗(yàn)證了所提出算法的有效性。 3)為了實(shí)現(xiàn)綠色數(shù)據(jù)中心的目標(biāo),在云計(jì)算數(shù)據(jù)中心能耗成本節(jié)約問(wèn)題中引入可再生能源(如太陽(yáng)能、風(fēng)能等)。針對(duì)負(fù)載以及可再生能源的變化,自適應(yīng)地調(diào)整休眠／激活服務(wù)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(guò)載概率估計(jì)的自適應(yīng)服務(wù)器資源配置算法,該算法不依賴(lài)于負(fù)載和可再生能源發(fā)電量的先驗(yàn)信息,而是依據(jù)當(dāng)前的觀測(cè)信息做出決策,并提供以過(guò)載概率表示的QoS保證,同時(shí),為了獲得較為平滑的服務(wù)器資源配置,我們采用迭代策略調(diào)整休眠/激活服務(wù)器的數(shù)量。最后,設(shè)計(jì)并執(zhí)行了基于Thunder集群和Intrepid集群的實(shí)際負(fù)載、以及基于50Hertz的可再生能源發(fā)電量數(shù)據(jù)集的仿真實(shí)驗(yàn),驗(yàn)證了所提出算法的性能。
【關(guān)鍵詞】：云計(jì)算 數(shù)據(jù)中心 能耗成本控制 可再生能源 綠色數(shù)據(jù)中心 大偏差原理 隨機(jī)優(yōu)化 強(qiáng)化學(xué)習(xí)
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP308
【目錄】：

• 摘要5-7
• ABSTRACT7-10
• 目錄10-13
• 插圖索引13-15
• 算法索引15-16
• 主要符號(hào)對(duì)照表16-17
• 第一章 緒論17-33
• 1.1 研究背景17-21
• 1.1.1 云計(jì)算概述17-18
• 1.1.2 云計(jì)算數(shù)據(jù)中心18-21
• 1.2 研究現(xiàn)狀21-30
• 1.2.1 硬件和固件層22-23
• 1.2.2 操作系統(tǒng)層23-24
• 1.2.3 虛擬化層24-25
• 1.2.4 集群層25-30
• 1.3 本文的工作30-31
• 1.4 本文的組織結(jié)構(gòu)31-33
• 第二章 相關(guān)優(yōu)化理論33-43
• 2.1 Markov決策過(guò)程及強(qiáng)化學(xué)習(xí)33-38
• 2.1.1 一般Markov決策模型33-35
• 2.1.2 約束Markov決策模型35-37
• 2.1.3 Q學(xué)習(xí)37-38
• 2.2 大偏差原理38-41
• 2.3 小結(jié)41-43
• 第三章 基于能量存儲(chǔ)的云計(jì)算數(shù)據(jù)中心能耗成本優(yōu)化43-63
• 3.1 引言43-45
• 3.2 系統(tǒng)模型45-51
• 3.2.1 能量管理系統(tǒng)架構(gòu)45-46
• 3.2.2 基本數(shù)學(xué)模型46-49
• 3.2.3 基于MDP的成本管理問(wèn)題49-51
• 3.3 基于Q學(xué)習(xí)的動(dòng)態(tài)能量存儲(chǔ)控制策略51-54
• 3.4 動(dòng)態(tài)能量存儲(chǔ)控制離線最優(yōu)算法54-55
• 3.4.1 離線優(yōu)化問(wèn)題54
• 3.4.2 MILP問(wèn)題轉(zhuǎn)化54-55
• 3.5 實(shí)驗(yàn)與性能評(píng)估55-61
• 3.5.1 實(shí)驗(yàn)設(shè)置55-57
• 3.5.2 實(shí)驗(yàn)結(jié)果及分析57-61
• 3.6 小結(jié)61-63
• 第四章 能耗成本感知的云計(jì)算數(shù)據(jù)中心服務(wù)資源動(dòng)態(tài)供應(yīng)63-87
• 4.1 引言63-65
• 4.2 系統(tǒng)模型65-71
• 4.2.1 能耗成本感知的系統(tǒng)架構(gòu)65-66
• 4.2.2 基本數(shù)學(xué)模型66-68
• 4.2.3 帶約束MDP的服務(wù)器資源供應(yīng)問(wèn)題68-71
• 4.3 已知系統(tǒng)動(dòng)態(tài)的在線優(yōu)化算法71-72
• 4.4 基于Q學(xué)習(xí)的算法72-73
• 4.5 PDS學(xué)習(xí)算法73-79
• 4.5.1 負(fù)載到達(dá)分布的估計(jì)74-76
• 4.5.2 PDS狀態(tài)定義76-77
• 4.5.3 基于PDS的動(dòng)態(tài)規(guī)劃77-78
• 4.5.4 基于PDS的學(xué)習(xí)算法78-79
• 4.6 離線優(yōu)化算法79-80
• 4.7 實(shí)驗(yàn)與性能評(píng)估80-84
• 4.7.1 實(shí)驗(yàn)設(shè)置80-81
• 4.7.2 實(shí)驗(yàn)結(jié)果及分析81-84
• 4.8 小結(jié)84-87
• 第五章 面向綠色數(shù)據(jù)中心的能耗成本優(yōu)化87-103
• 5.1 引言87-89
• 5.2 系統(tǒng)模型89-92
• 5.2.1 綠色數(shù)據(jù)中心系統(tǒng)結(jié)構(gòu)89-90
• 5.2.2 數(shù)學(xué)模型描述90-92
• 5.3 過(guò)載概率的估計(jì)92-95
• 5.3.1 過(guò)載概率估計(jì)模型92-94
• 5.3.2 過(guò)載概率的在線估計(jì)94-95
• 5.4 自適應(yīng)服務(wù)器資源配置算法95-97
• 5.5 實(shí)驗(yàn)與性能評(píng)估97-100
• 5.5.1 實(shí)驗(yàn)設(shè)置97-99
• 5.5.2 實(shí)驗(yàn)結(jié)果與分析99-100
• 5.6 小結(jié)100-103
• 第六章 總結(jié)與展望103-105
• 6.1 本文總結(jié)103-104
• 6.2 研究展望104-105
• 參考文獻(xiàn)105-113
• 致謝113-115
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果115-117

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 宋巧娜;唐德善;;基于灰色馬爾可夫模型的農(nóng)業(yè)用水量預(yù)測(cè)[J];安徽農(nóng)業(yè)科學(xué);2007年06期

2 馮奇;周雪忠;黃厚寬;張小平;;POMDP基于點(diǎn)的值迭代算法中一種信念選擇方法[J];北京交通大學(xué)學(xué)報(bào);2009年05期

3 張冬梅;劉強(qiáng);;一種基于強(qiáng)化學(xué)習(xí)的傳感器網(wǎng)絡(luò)應(yīng)用重構(gòu)決策方法[J];北京交通大學(xué)學(xué)報(bào);2010年03期

4 楊萍;畢義明;孫淑玲;;具有自主決策能力的機(jī)動(dòng)單元智能體研究[J];兵工學(xué)報(bào);2007年11期

5 趙曉華;李振龍;于泉;張杰;;基于切換模型的兩交叉口信號(hào)燈Q學(xué)習(xí)協(xié)調(diào)控制[J];北京工業(yè)大學(xué)學(xué)報(bào);2007年11期

6 孫若瑩;李忱;趙剛;;基于強(qiáng)化學(xué)習(xí)的牛鞭效應(yīng)對(duì)策模型[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

7 王華;崔曉婷;劉向東;張宇河;;基于Q-學(xué)習(xí)的衛(wèi)星姿態(tài)在線模糊神經(jīng)網(wǎng)絡(luò)控制[J];北京理工大學(xué)學(xué)報(bào);2006年03期

8 畢金波,吳滄浦;有效的自適應(yīng)λ即時(shí)差異學(xué)習(xí)(英文)[J];Journal of Beijing Institute of Technology(English Edition);1999年03期

9 童亮;陸際聯(lián);;Multi-Agent Reinforcement Learning Algorithm Based on Action Prediction[J];Journal of Beijing Institute of Technology(English Edition);2006年02期

10 魏軼華;李向軍;;考慮倉(cāng)庫(kù)容量擴(kuò)張的多周期隨機(jī)存貯模型——折扣準(zhǔn)則[J];純粹數(shù)學(xué)與應(yīng)用數(shù)學(xué);2006年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王作為;具有認(rèn)知能力的智能機(jī)器人行為學(xué)習(xí)方法研究[D];哈爾濱工程大學(xué);2010年

2 高延增;超小型水下機(jī)器人關(guān)鍵性能提升技術(shù)研究[D];華南理工大學(xué);2010年

3 黃正行;臨床過(guò)程分析與優(yōu)化技術(shù)研究[D];浙江大學(xué);2010年

4 曹曉剛;原材料價(jià)格波動(dòng)下的生產(chǎn)—庫(kù)存管理研究[D];武漢大學(xué);2009年

5 林龍信;仿生水下機(jī)器人的增強(qiáng)學(xué)習(xí)控制方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

6 馮奇;POMDP近似解法研究及在中醫(yī)診療方案優(yōu)化中的應(yīng)用[D];北京交通大學(xué);2011年

7 孫祥;大學(xué)生就業(yè)區(qū)域流向及引導(dǎo)策略研究[D];合肥工業(yè)大學(xué);2011年

8 楊潔;開(kāi)放量子系統(tǒng)的建模及其控制[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

9 陳學(xué)松;強(qiáng)化學(xué)習(xí)及其在機(jī)器人系統(tǒng)中的應(yīng)用研究[D];廣東工業(yè)大學(xué);2011年

10 趙浩;感知無(wú)線電系統(tǒng)中機(jī)會(huì)頻譜接入技術(shù)的研究[D];北京郵電大學(xué);2010年

  本文關(guān)鍵詞：云計(jì)算數(shù)據(jù)中心的能耗成本建模與優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：332131