【技术实现步骤摘要】
本申请涉及计算机应用，特别是涉及一种服务器能效预测方法装置、设备及计算机可读存储介质。
技术介绍
1、随着人工智能技术的发展，算法模型的规模越来越大，对服务器的能效要求越来越高。为此，spec(standard performance evaluation corporation，标准性能评估组织)设计、实现并发布了sert(server efficiency rating tool，服务器效率评级工具)来评估服务器能效的高低，将服务器按能效高低进行等级划分，对于低能效的服务器要进行设计优化。
2、sert测试系统的硬件构成包括控制端、被测设备、功耗测试仪、温度传感器等，同时，在执行测试时需要在控制端和被测设备上部署sert套件。且由于有cpu(centralprocessing unit，中央处理器)、内存和存储3个测试部件，共11个测试基准，每个测试基准具有4～8个负载水平，因此，执行一次服务器能效测试大概花费两个半小时，测试时间长，严重影响了服务器的研发效率和产品性能提升效率。
3、综上所述，如何有效地解决现有的服务器能效测试方法测试时间长，严重影响了服务器的研发效率和产品性能提升效率的问题，是目前本领域技术人员急需解决的问题。
技术实现思路
1、本申请的目的是提供一种服务器能效预测方法，该方法较大地节省了测试时间，提升了服务器研发与优化效率；本申请的另一目的是提供一种服务器能效预测装置、设备及计算机可读存储介质。
2、为解决上述技术问题，
3、一种服务器能效预测方法，包括：
4、获取通过拉斯维加斯包裹算法提取到的能效相关配置信息种类；
5、按照所述能效相关配置信息种类读取待预测服务器的目标配置信息；
6、利用基于径向基函数神经网络的目标服务器能效预测模型根据所述目标配置信息对所述待预测服务器进行能效预测，得到服务器能效预测值；
7、其中，所述目标服务器能效预测模型通过由各所述能效相关配置信息种类的配置信息和相应能效值构成的训练集训练得到。
8、在本申请的一种具体实施方式中，还包括通过拉斯维加斯包裹算法提取所述能效相关配置信息种类的过程，所述通过拉斯维加斯包裹算法提取所述能效相关配置信息种类的过程包括：
9、获取服务器配置信息数据集；
10、根据所述服务器配置信息数据集搭建能效预测试系统；
11、针对每个被测服务器，利用所述能效预测试系统执行服务器效率评级工具套件，得到在各预设测试基准和各预设负载水平组合条件下分别对应的第一分服务器能效值；
12、根据各所述第一分服务器能效值计算第一总服务器能效值；
13、根据各所述第一总服务器能效值和所述服务器配置信息数据集构建预训练数据集；
14、从所述预训练数据集中随机获取配置信息种类子集；
15、利用拉斯维加斯包裹算法中的交叉验证算法模块计算所述配置信息种类子集的误差得分；
16、根据所述误差得分判断是否已选取到最优子集；
17、若否，则重复执行所述从所述服务器配置信息种类集合中随机获取配置信息种类子集的步骤；
18、若是，则将选取到的最优子集包含的配置信息种类确定为所述能效相关配置信息种类，并输出所述能效相关配置信息种类。
19、在本申请的一种具体实施方式中，根据各所述第一分服务器能效值计算第一总服务器能效值，包括：
20、根据与cpu能效值计算相关的各所述第一分服务器能效值计算所述cpu能效值；
21、根据与内存能效值计算相关的各所述第一分服务器能效值计算所述内存能效值；
22、根据与存储能效值计算相关的各所述第一分服务器能效值计算所述存储能效值；
23、通过公式根据所述cpu能效值、所述内存能效值、所述存储能效值计算所述第一总服务器能效值：
24、effserver＝exp[0.65*ln(effcpu)+0.3*ln(effmem)+0.05*(effstor)]；
25、其中，effserver为第一总服务器能效值，effcpu为cpu能效值，effmem为内存能效值，effstor为存储能效值。
26、在本申请的一种具体实施方式中，在输出所述能效相关配置信息种类之后，还包括：
27、根据所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息重新搭建能效测试系统。
28、在本申请的一种具体实施方式中，在根据所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息重新搭建能效测试系统之后，还包括：
29、针对每个被测服务器，利用所述能效测试系统执行所述服务器效率评级工具套件，得到在各所述预设测试基准和各所述预设负载水平组合条件下分别对应的第二分服务器能效值；
30、根据各所述第二分服务器能效值计算第二总服务器能效值；
31、根据各所述第二总服务器能效值和所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息构建训练数据集和测试数据集。
32、在本申请的一种具体实施方式中，在根据各所述第二总服务器能效值和所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息构建训练数据集和测试数据集之后，还包括：
33、利用所述训练数据集对基于径向基函数神经网络构建的初始服务器能效预测模型进行训练，得到所述目标服务器能效预测模型。
34、在本申请的一种具体实施方式中，在得到所述目标服务器能效预测模型之后，还包括：
35、利用所述测试数据集对所述目标服务器能效预测模型进行精度测试。
36、一种服务器能效预测装置，包括：
37、信息种类获取模块，用于获取通过拉斯维加斯包裹算法提取到的能效相关配置信息种类；
38、配置信息读取模块，用于按照所述能效相关配置信息种类读取待预测服务器的目标配置信息；
39、能效预测值获得模块，用于利用基于径向基函数神经网络的目标服务器能效预测模型根据所述目标配置信息对所述待预测服务器进行能效预测，得到服务器能效预测值；
40、其中，所述目标服务器能效预测模型通过由各所述能效相关配置信息种类的配置信息和相应能效值构成的训练集训练得到。
41、一种服务器能效预测设备，包括：
42、存储器，用于存储计算机程序；
43、处理器，用于执行所述计算机程序时实现如前所述服务器能效预测方法的步骤。
44、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述服务器能效预测方法的步骤。
45、本申请所提供的服务器能效预测方法，获取通过拉斯维加斯包裹算法提取到的能效相关配置信息种类；按照能效相关配置信息种类本文档来自技高网...
【技术保护点】
1.一种服务器能效预测方法，其特征在于，包括：
2.根据权利要求1所述的服务器能效预测方法，其特征在于，还包括通过拉斯维加斯包裹算法提取所述能效相关配置信息种类的过程，所述通过拉斯维加斯包裹算法提取所述能效相关配置信息种类的过程包括：
3.根据权利要求2所述的服务器能效预测方法，其特征在于，根据各所述第一分服务器能效值计算第一总服务器能效值，包括：
4.根据权利要求2所述的服务器能效预测方法，其特征在于，在输出所述能效相关配置信息种类之后，还包括：
5.根据权利要求4所述的服务器能效预测方法，其特征在于，在根据所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息重新搭建能效测试系统之后，还包括：
6.根据权利要求5所述的服务器能效预测方法，其特征在于，在根据各所述第二总服务器能效值和所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息构建训练数据集和测试数据集之后，还包括：
7.根据权利要求6所述的服务器能效预测方法，其特征在于，在得到所述目标服务器能效预测模型之后，还包括：>
8.一种服务器能效预测装置，其特征在于，包括：
9.一种服务器能效预测设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述服务器能效预测方法的步骤。
...【技术特征摘要】
1.一种服务器能效预测方法，其特征在于，包括：
2.根据权利要求1所述的服务器能效预测方法，其特征在于，还包括通过拉斯维加斯包裹算法提取所述能效相关配置信息种类的过程，所述通过拉斯维加斯包裹算法提取所述能效相关配置信息种类的过程包括：
3.根据权利要求2所述的服务器能效预测方法，其特征在于，根据各所述第一分服务器能效值计算第一总服务器能效值，包括：
4.根据权利要求2所述的服务器能效预测方法，其特征在于，在输出所述能效相关配置信息种类之后，还包括：
5.根据权利要求4所述的服务器能效预测方法，其特征在于，在根据所述服务器配置信息数据集中所述能效相关配置信息种类的服务器配置信息重新搭建能效测试...
【专利技术属性】
技术研发人员：牟奇，刘伟，张灿，刘彤，
申请(专利权)人：浪潮电子信息产业股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。