Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018137402) PROCÉDÉ D’IMPLÉMENTATION DE PROGRAMMATION D'ÉCONOMIE D'ÉNERGIE DE CENTRE DE DONNÉES EN NUAGE BASÉ SUR UN MODÈLE DE PRÉDICTION DE GRIS AVEC ROULEMENT
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/137402 N° de la demande internationale : PCT/CN2017/113854
Date de publication : 02.08.2018 Date de dépôt international : 30.11.2017
CIB :
H04L 29/08 (2006.01)
H ÉLECTRICITÉ
04
TECHNIQUE DE LA COMMUNICATION ÉLECTRIQUE
L
TRANSMISSION D'INFORMATION NUMÉRIQUE, p.ex. COMMUNICATION TÉLÉGRAPHIQUE
29
Dispositions, appareils, circuits ou systèmes non couverts par un seul des groupes H04L1/-H04L27/135
02
Commande de la communication; Traitement de la communication
06
caractérisés par un protocole
08
Procédure de commande de la transmission, p.ex. procédure de commande du niveau de la liaison
Déposants :
华南理工大学 SOUTH CHINA UNIVERSITY OF TECHNOLOGY [CN/CN]; 中国广东省广州市 南沙区环市大道南25号华工大广州产研院 Guangzhou Institute of Modern Industrial Technology South China University of Technology No. 25 South of Ring Road, Nansha Guangzhou, Guangdong 511458, CN
Inventeurs :
刘发贵 LIU, Fagui; CN
王彬 WANG, Bin; CN
Mandataire :
广州粤高专利商标代理有限公司 YOGO PATENT & TRADEMARK AGENCY LIMITED COMPANY; 中国广东省广州市 天河区体育西路中石化大厦B塔4416室 Room 4416, Block B, SinopecTower Tiyuxi Road, Tianhe Guangzhou, Guangdong 510620, CN
Données relatives à la priorité :
201710064154.026.01.2017CN
Titre (EN) CLOUD DATA CENTRE ENERGY-SAVING SCHEDULING IMPLEMENTATION METHOD BASED ON ROLLING GREY PREDICTION MODEL
(FR) PROCÉDÉ D’IMPLÉMENTATION DE PROGRAMMATION D'ÉCONOMIE D'ÉNERGIE DE CENTRE DE DONNÉES EN NUAGE BASÉ SUR UN MODÈLE DE PRÉDICTION DE GRIS AVEC ROULEMENT
(ZH) 基于滚动灰色预测模型的云数据中心节能调度实现方法
Abrégé :
(EN) Disclosed is a cloud data centre energy-saving scheduling implementation method based on a rolling grey prediction model. In the present invention, a cloud data centre energy-saving flow is abstracted as four modules of load prediction, error checking, thermal perception classification and virtual machine scheduling. A working load of the data centre at the next moment is predicted by means of the load prediction module to obtain a load utilization rate of each host. The thermal perception classification module can divide the thermal states of all hosts according to predicted values of the load utilization rates of the hosts, wherein the utilization rate of a host in the state of being hotter is at a higher level, while the utilization rate of a host in the state of being cooler is at a lower level. In order that most of the hosts are maintained in the thermal state of being relatively mild, the virtual machine scheduling module performs operations, such as migration and integration, on a virtual machine on each of the hosts according to a classification result of the thermal states, so as to finally achieve the purposes of guaranteeing the service quality of the data centre and reducing the energy consumption thereof. The present invention overcomes the problem that a traditional grey model has the difficulty of low precision due to the deficiency of some values.
(FR) L'invention concerne un procédé d’implémentation de programmation d'économie d'énergie de centre de données en nuage basé sur un modèle de prédiction de gris avec roulement. Dans la présente invention, un flux d'économie d'énergie de centre de données en nuage est abstrait en quatre modules de prédiction de charge, contrôle des erreurs, classification de perception thermique, et programmation de machine virtuelle. Une charge de travail du centre de données au moment suivant est prédite au moyen du module de prédiction de charge de sorte à obtenir un taux d'utilisation de charge de chaque hôte. Le module de classification de perception thermique peut diviser les états thermiques de tous les hôtes, d'après des valeurs prédites des taux d'utilisation de charge des hôtes, le taux d'utilisation d'un hôte dans l'état le plus chaud étant à un niveau élevé tandis que le taux d'utilisation d'un hôte dans l'état le plus froid étant à un niveau peu élevé. Afin que la plupart des hôtes soient maintenus dans l'état thermique relativement faible, le module de programmation de machine virtuelle exécute des opérations, telles que la migration et l'intégration, sur une machine virtuelle sur chacun des hôtes, d’après un résultat de classification des états thermiques, ce qui permet de garantir la qualité de service du centre de données et d’en réduire la consommation d'énergie. La présente invention résout le problème de manque de précision d'un modèle de gris classique, dû à la déficience de certaines valeurs.
(ZH) 本发明公开了基于滚动灰色预测模型的云数据中心节能调度实现方法。本发明将云数据中心的节能流程抽象为负载预测、误差校验、热感知分类和虚拟机调度四个模块。通过负载预测模块对数据中心下一时刻的工作负载进行预测,得到各主机的负载利用率;热感知分类模块会根据主机负载利用率的预测值对所有主机进行热状态的划分,处于较热状态的主机利用率处于一个较高的水平,较冷状态的主机利用率较低;为保持大部分主机处于较为温和的热状态,虚拟机调度模块将依据热状态的分类结果对各主机上的虚拟机进行迁移整合等操作,最终达到保障数据中心的服务质量并且降低其能耗的目标。本发明克服了传统灰色模型由于部分数值匮乏而陷入精度低困境的问题。
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : chinois (ZH)
Langue de dépôt : chinois (ZH)