太阳城集团

  • / 17
  • 下载费用:30 金币  

面向虚拟机的CPU温度预测方法及装置.pdf

摘要
申请专利号:

CN201310720174.0

申请日:

2013.12.23

公开号:

CN103677184A

公开日:

2014.03.26

当前法律状态:

授权

有效性:

有权

法律详情: 授权|||实质审查的生效IPC(主分类):G06F 1/20申请日:20131223|||公开
IPC分类号: G06F1/20; G06F1/32; G06F11/34 主分类号: G06F1/20
申请人: 浙江大学
发明人: 吴朝晖; 李翔; 姜晓红; 陈英芝
地址: 310027 浙江省杭州市浙大路38号浙大计算机学院曹光彪东楼505
优先权:
专利代理机构: 杭州裕阳专利事务所(普通合伙) 33221 代理人: 应圣义
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201310720174.0

授权太阳城集团号:

||||||

法律状态太阳城集团日:

2017.01.04|||2014.04.23|||2014.03.26

法律状态类型:

授权|||实质审查的生效|||公开

摘要

本发明公开了一种面向虚拟机的CPU温度预测的方法,包括节点部署步骤、数据采集步骤、温度分析步骤以及预测步骤,通过构建包括实验节点、环境温度监测节点以及管控节点在内的不同运行节点,使用支持向量机的训练模型对实验节点的输出特征进行训练,在训练模型的输出值的基础上构建分段函数,在分段函树上附加矫正值得到最终的预测数据,此外,本发明还公开了一种应用上述CPU温度预测方法的面向虚拟机的CPU温度预测装置。本发明的优点在于,预测精度高,建模快捷,计算量少,支持节点分离,支持在线预测,便于远端监控,具有较高的应用价值。

权利要求书

权利要求书
1.  一种面向虚拟机的CPU温度预测方法,其特征在于,包括以下具体步骤:节点部署步骤(110):分别构建实验节点(201)、环境温度监测节点(202)和管控节点(203);
数据采集步骤(120):实验节点(201)运行一定数量及配置的虚拟机并将本节点的监测数据发送至管控节点(203),同时环境温度监测节点(202)采集环境温度并发送至管控节点(203);
建模步骤(130):对管控节点(203)收集的数据进行分析,包括进行特征提取,提取物理机配置、虚拟机配置、环境温度、实验节点(201)的初始CPU温度以及CPU峰值温度作为特征值,并将特征值作为训练数据,使用SVM模型对训练数据进行训练得到预测模型;
预测步骤(140):再次进行特征值提取,使用上述建模步骤(130)所得预测模型进行预测得到输出值并以此构造分段函数,在分段函数上附加矫正值,应用矫正后的分段函数对任意太阳城集团点的温度进行预测,所述矫正值随真实测量值和预测值做线性变化。

2.  根据权利要求1所述的CPU温度预测方法,其特征在于,使用SVM模型时还包括以下具体步骤:将数据分为训练用数据以及测试用数据;在训练数据上进行多次交叉验证确定SVM模型的最优超参数;使用最优超参数对模型进行训练并得到最终的预测模型;其中,训练用数据用于上述建模步骤(130)的数据分析,测试用数据用于上述预测步骤(140)的特征值提取。

3.  根据权利要求1所述的CPU温度预测方法,其特征在于,构建分段函数时还包括以下步骤:以太阳城集团分段点,在分段点前后依次分别使用对数函数和一次函数进行拟合得到中间预测值,对中间预测值使用矫正值进行矫正,得到最终的预测曲线。

4.  根据权利要求3所述的CPU温度预测方法,其特征在于,最终的预测值finalPrediction(t0+m)由以下公式得到:
finalPrediction(t0+m)=profile(f0+m)+calibrupdatedcalibrupdated=calibrprevious+λ(real(t0)-profile(t0)-calibrprevious)calibr(t)|t=0=0profile(t)=teminit+log(tempeak-teminit)tcost+1(t+1)t<tcostprofile(t)=tempeakt&GreaterEqual;tcost,]]>
其中,t0为当前太阳城集团,m为需要预测的太阳城集团,矫正值calibr随着当前真实测量温度real(t0)、中间预测值profile(t0)以及学习速率λ进行重复更新,calibrupdated和calibrprevious分别为更新前后的矫正值,teminit、tempeak为测得的CPU初始温度以及预测的CPU峰值温度,tcost为分段点,代表从子实验开始到tempeak所经历的太阳城集团。

5.  根据权利要求1所述的CPU温度预测方法,其特征在于,节点部署步骤(110)和数据采集步骤(120)包括虚拟环境部署步骤(111)、温度监控步骤(112)、自动控制步骤(113)、温度计驱动步骤(114)、管理程序部署步骤(115)、温度数据访问步骤(116)以及端口监听步骤(117);其中,
虚拟环境部署步骤(111):在物理机内部署虚拟化环境作为实验节点(201),温度监控步骤(112):测量实验节点(201)的温度,调用CPU的温度测量接口对实验节点(201)的CPU温度进行测量;
自动控制步骤(113):实验节点(201)运行自动控制程序,从而运行一个或者多个虚拟机,所述虚拟机具有相同或者不同的性能配置参数;
温度计驱动步骤(114):安装温度计的驱动程序,驱动温度测量装置(204)运行进行温度测量,并产生监测数据;
管理程序部署步骤(115):根据数据种类以及太阳城集团对监测数据进行分类并存放在环境温度监测节点(202)的存储器中;
温度数据访问步骤(116):测量环境温度,将温度测量装置(204)的探头靠近实验节点(201),启动管理程序,对温度数据进行访问,并通过局域网发送到管控节点(203);
端口监听程序部署(117):部署端口监听程序,用以监听实验节点(201)和环境温度监测节点(202)的实时数据;
端口监听步骤(118):启动端口监听程序,接收来自监听实验节点(201)和环境温度监测节点(202)的实时数据,并写入相应的文件内。

6.  根据权利要求1所述的CPU温度预测方法,其特征在于,一次温度测量过程包括多个子实验,在实验节点(201)上运行一次具有不同配置的、一定数量的虚拟机称为一个子实验。

7.  根据权利要求6所述的CPU温度预测方法,其特征在于,所述特征值包括:输入特征featurein、输出特征featureout以及配置参数;其中,输入特征featurein=<cfgphy,cfgvm,temenviroment,teminit>,其中,temenviroment为实验节点(201)的环境温度,teminit为实验节点(201)的初始CPU温度;
输出值featureout=<tempeak>,tempeak为CPU峰值温度;
配置参数包括:
cfgexp={<cfgphy,e,cfgsubExp>|1≤i≤e}、
cfgphy=<typecpu,sizemenory,countfan>、
cfgsubExp=<duration,recInerval,cfgvm>以及
cfgvm={cfgvm_i|1≤i≤n}={<vcpui,memoryi,taskTypei>|1≤i≤n},
其中,cfgphy为物理机配置,包括CPU类型typecpu、内存大小sizemenory以及风扇冗余数countfan,e表示子实验的数量,cfgsubExp为子实验配置,包括子实验运行太阳城集团duration、监控数据记录间隔recInerval、子实验内运行的虚拟机配置cfgvm,虚拟机配置cfgvm包括虚拟机CPU个数vcpui、内存大小memoryi以及任务类型taskTypei,i为虚拟机的顺序编号,n为运行的虚拟机个数。

8.  根据权利要求1所述的CPU温度预测方法,其特征在于,所述数据采集步骤(120)还包括,实验节点(201)通过以下的数据格式将配置参数和实验参数发送至管控节点(203):d={t,temaverage,cfgphy,cfgvm},其中,t为数据的发送太阳城集团,temaverage为实验节点(201)CPU内每个核心的平均温度,cfgphy为实验节点(201)的物理机配置参数,cfgvm为物理机上运行的虚拟机的配置参数;环境温度监测节点(202)通过以下的数据格式将监测数据发送至管控节点(203):d={t,temenvironment},t为数据的发送太阳城集团,temenvironment为实验节点(201)周围的环境温度。

9.  一种应用上述权利要求1-8任一所述的CPU温度预测方法的面向虚拟的CPU温度预测装置,其特征在于,包括实验节点(201)、环境温度监测节点(202)、管控节点(203),还包括温度分析装置(212)以及预测装置(213);其中,实验节点(201)用于采集CPU温度监测数据,并将监测数据发送至管控节点(203);
环境温度监测节点(202)用于监测实验节点(201)周围的温度,并将监测数据发送至管控节点(203);
管控节点(203)用于采集实验节点(201)的配置参数和监测数据,同时采集环境温度监测节点(202)所测量的数据;
温度分析装置(212)用于对管控节点(203)收集的数据进行分析,包括进行特征提取,提取物理机配置、虚拟机配置、环境温度、实验节点(201)的初始CPU温度以及CPU峰值温度作为特征值,并将特征值作为训练数据,使用SVM模型对训练数据进行训练得到预测模型;
预测装置(213)用于再次进行特征值提取,使用预测模型进行预测得到输出值并以此构造分段函数,在分段函数上附加矫正值,应用矫正后的分段函数对任意太阳城集团点的温度进行预测,所述矫正值随真实测量值和预测值做线性变化。

10.  根据权利要求9所述的CPU温度预测装置,其特征在于,还包括虚拟环境部署装置(205)、温度监控装置(206)、自动控制装置(207)、温度计驱动装置(208)、管理装置(209)、温度数据访问装置(210)以及端口监听装置(211);其中,
虚拟环境部署装置(205)用于在物理机内部署虚拟化环境作为实验节点(201),并运行一个或者多个虚拟机,所述虚拟机具有相同或者不同的性能配置参数;
温度监控装置(206)用于测量实验节点(201)的温度,调用CPU的温度测量接口对实验节点(201)的CPU温度进行测量;
自动控制装置(207)用于接收环境温度监测节点(202)发送的控制命令,控制温度测量装置(204)进行温度监测;
温度计驱动装置(208)用于驱动温度测量装置(204)运行进行温度测量,并产生监测数据;
管理装置(209)用于根据数据种类以及太阳城集团对监测数据进行分类并存放在环境温度监测节点(202)的存储器中;
温度数据访问装置(210)用于测量环境温度,将温度测量装置(204)的探头靠近实验节点(201),启动管理程序,对温度数据进行访问,并通过局域网发送到管控节点(203);
端口监听装置(211)用于向实验节点(201)发送获取实验节点(201)的配置参数和实验参数的控制命令,获取配置参数和实验参数;向环境温度监测节点(202)发送获取监测数据的控制命令,获取监测数据。

关 键 词:
面向 虚拟机 CPU 温度 预测 方法 装置
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:面向虚拟机的CPU温度预测方法及装置.pdf
链接地址:http://zh228.com/p-6180594.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');