基于机器学习的数据中心参数自动优化关键技术研究

• 作者: 刘水旺 蔡永顺 郭亮 齐旭
• 来源期刊: 信息通信技术与政策
• 关键词: 数据中心 能源利用效率 关键参数 机器学习 优化
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 专题:数据中心
• 页码范围: 21-24
• 页数: 4页
• 字数: 3840字
• 语种: 中文

摘要

从数据中心的关键参数PUE出发,对数据中心能效的各个方面,包括基础设施服务器、网络和可靠性等进行综合分析,指出可以通过这些关键参数对数据中心进行整体综合评价,使得数据中心基础设施的设计和评估有了可量化的依据.针对参数优化,从监督学习算法、无监督学习算法和强化学习方法3方面进行研究,指出机器学习界最鲜明的特点,就是算法众多、思想各不相同、发展各有路径.随后从数据中心运维参数优化、PUE调优等方面基于各类学习算法,对数据中心参数进行自动优化分析和设计,并针对未来机器学习和边缘计算的结合进行分析,认为机器学习算法在数据中心新的领域将会有较好的使用场景,并能带来较大的收益.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭亮	中国信息通信研究院云计算与大数据研究所	10	15	3.0	3.0
2	齐旭		5	1	1.0	1.0
3	蔡永顺		8	8	2.0	2.0