本申请涉及计算机技术领域，尤其涉及一种处理器控制方法、控制设备以及计算机可读存储介质。
背景技术：
随着互联网的快速发展，随之产生的大量数据呈现指数增长的形式。其中，分布式文件系统可用于存储和处理大量的数据，其中最为代表性的为hdfs，hdfs能够实现可靠地存储大数据量的文件并以高带宽流传输数据。
现有技术中在降低hdfs能耗的方法，主要有：第一，改变cpu利用率和频率，建立相应的能耗模型如建立计算机功率和cpu利用率以及频率之间的关系，根据不同的任务需求对系统能耗进行调整；第二，建立预测模型，预测控制根据控制目标设计系统的性能优化指标，使得未来预测时域内性能指标取得最优；第三，通过greenhdfs，greenhdfs在逻辑上将数据中心中的服务器组织在多个动态预配置的热区和冷区中，每个区域都有独特的性能，成本和功率特性，每个区域均由最适合该区域中数据类别的电源和数据放置策略管理，避免在冷区中启动服务器，并在其服务器分配决策中最大限度地利用现有已启动服务器，以最大程度地节省能源。
目前主流的cpu有一部分是不能调控频率的，大多数都可以开关核心，但很少有以开关cpu核心降低降低hdfs工作过程中能耗的研究。且采用降低hdfs能耗的方法大多是通过建立能耗模型的方式进行，忽视了工程实现方面的研究。而对于处于工作状态的大型集群而言，通过建立能耗模型的直接调控是不现实的，实施调控的抗干扰能力弱，根据能耗模型计算的结果控制集群运行时，无法满足的实际需求。
技术实现要素：
本申请实施例通过提供一种处理器控制方法、控制设备以及计算机可读存储介质，旨在解决当前根据能耗模型计算的结果控制集群运行时，无法满足处理器执行任务时实际运行需求的问题。
为实现上述目的，本申请一方面提供一种处理器控制方法，包括：
确定分布式存储集群中至少一处理器当前时刻的预测强度值；
根据所述预测强度值确定所述处理器的运行参数；
根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗。
可选地，所述根据所述处理器的运行情况调整所述运行参数的步骤，包括：
获取处理器在第一预设时长内的实际强度值；
确定所述实际强度值对应的最大运行参数；
当所述处理器在第一预设时长内按照所述最大参数运行时，统计所述处理器按照所述最大运行参数运行的时间阈值；
当所述时间阈值大于第一预设时间阈值时，控制所述处理器增大当前运行参数。
可选地，所述获取处理器在第一预设时长内的实际强度值的步骤之后，包括：
确定所述实际强度值对应的最小运行参数；
当所述处理器在第一预设时长内按照所述最小参数运行时，统计所述处理器按照所述最小运行参数运行的时间阈值；
当所述时间阈值大于第二预设时间阈值时，控制所述处理器降低当前运行参数。
可选地，所述确定分布式存储集群中至少一处理器当前时刻的预测强度值的步骤，包括：
获取处理器当前的系统时间；
确定与所述系统时间对应的历史强度值作为当前时刻的预测强度值。
可选地，所述确定分布式存储集群中至少一处理器当前时刻的预测强度值的步骤，包括：
获取所述处理器在第一预设时长的每一所述历史强度值；
将所述历史强度值建立数据模型，通过数据模型得到所述预测强度值。
可选地，所述获取所述处理器每一运行时间段的所述实际强度值的步骤，包括：
获取在所述运行时间段内处理器读取数据以及写入数据的次数；
根据所述读取数据以及写入数据的次数确定所述实际强度值。
可选地，所述根据所述预测强度值确定所述处理器的运行参数的步骤，包括：
确定所述预测强度值对应的波段函数；
确定所述波段函数对应的运行参数为所述处理器的运行参数。
可选地，所述确定所述预测强度值对应的波段函数的步骤，包括：
将所述预测强度值与历史强度值进行比对，确认比对一致的历史强度值对对应的波段函数为所述预测强度值的波段函数。
此外，为实现上述目的，本申请另一方面还提供一种处理器控制系统，控制系统包括处理器、存储器以及存储在存储器上并可在处理器上运行的处理器控制程序，处理器控制程序被处理器执行时实现如上处理器控制的方法的步骤。
此外，为实现上述目的，本申请另一方面还提供一种计算机可读存储介质，计算机可读存储介质上存储有处理器控制程序，处理器控制程序被处理器执行时实现如上处理器控制的方法的步骤。
在本申请中通过确定分布式存储集群中至少一处理器当前时刻的预测强度值，继而根据所述预测强度值确定所述处理器的运行参数，获取处理器的运行情况，根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗，同时能够根据处理器的实际运行情况调整运行参数，也避免了由于根据预测强度值得到的运行参数小于处理器当前时刻执行任务所需的运行参数，导致处理卡顿的问题。
附图说明
图1为本申请实施例方案涉及的硬件运行环境的终端结构示意图；
图2为本申请处理器控制方法一实施例的流程示意图；
图3为本申请处理器控制方法又一实施例的流程示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例的主要解决方案是：确定分布式存储集群中至少一处理器当前时刻的预测强度值；根据所述预测强度值确定所述处理器的运行参数；根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗。
由于现有技术中在调节分布式存储集群所产生的能耗是通过建立预测模型，控制分布式存储集群中的每一处理器在执行各阶段任务时，按照预测的运行参数运行。但是通过预测的方式得到的运行参数来控制处理器运行时并没有考虑到处理器在实际运行过程中的实际强度值和预测强度值存在差异，导致处理器在按照预测模型得到的运行参数运行时，出现运行参数设置过大或者过小的问题，导致处理器在运行时存在无法满足数据运行需求或者在运行参数设置过大时导致浪费功耗。
如图1所示，图1为本申请实施例方案涉及的硬件运行环境的终端结构示意图。
如图1所示，该终端可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，终端还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、遥控器、音频电路、wifi模块、检测器等等。当然，终端还可配置陀螺仪、气压计、湿度计、温度传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的终端结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及处理器控制程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的处理器控制程序，并执行以下操作：
确定分布式存储集群中至少一处理器当前时刻的预测强度值；
根据所述预测强度值确定所述处理器的运行参数；
根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗。
参考图2，图2为本申请处理器控制方法一实施例的流程示意图。
本申请实施例提供了处理器控制方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
处理器控制方法包括：
步骤s10，确定分布式存储集群中至少一处理器当前时刻的预测强度值；
分布式存储集群即为通过多个存储服务器构建网络拓扑，形成存储服务器集群，在存储服务器集群中通过相关算法可供数据的读取、写入等操作，即通过多台处理器分担在处理数据时，解决存在大量数据需要进行分析处理时导致存储负荷过重的问题。
在实际运用中，服务器集群中的各处理相互独立、处理不同的数据。由此，可通过计算在不同时刻不同的处理器的强度值，进而对分布式存储集群中包含的处理器的运行参数进行管理，使各处理器的运行满足当前所需执行的任务需求。
在本实施例中预测强度值即为处理器在当前时刻预测得到的强度值。具体地，在本实施例中，预测强度值的获取方法可根据获取每一处理器的历史强度值得到。
所述确定分布式存储集群中至少一处理器当前时刻的预测强度值的步骤，包括：
步骤s11，获取处理器当前的系统时间；
步骤s12，确定与所述系统时间对应的历史强度值作为当前时刻的预测强度值。
所述历史强度值为处理器在执行任务时实际运行的强度值。在本实施例中，通过获取不同时刻处理器实际运行的强度值作为历史强度值，并记载获取处理器执行任务时每一强度值的时间段，通过分析系统时间属于记载的时间段中的具体时间段，进而得到该时间段的历史强度作为当前时刻的预测强度。
可选的，在本实施例中还可以预设的时间范围划分为多个时间段，获取处理器在每一时间中实际运行的历史强度值，进而在获取处理器当前时刻的预测强度值时，确定当前时刻的系统时间所处的时间段，进而得到该时段的历史强度值，将所述历史强度值作为预测强度值。具体的，以时间为周期(24h)，将24小时平均分成不同的时间段(每一小时设置一个时间段)，进而得到不同时间段中每一处理器实际运行的强度值(历史强度值)。在第二天时，同样地将24小时划分为与前一天每一时间段的时长相等的时间段。获取处理器当前的预测强度值时，通过获取当前的系统时间，确定当前系统时间所处的时间段，进一步地确定将该时间段所对应的强度值为当前时刻的预测强度值。
在本实施例中，通过获取处理器在实际运行过程中的系统时间，确定系统时间所处的时间段，进而得到系统在所述时间段的历史强度值，确定所述历史强度值为当前系统时间的预测强度值，确定当前时刻所属时间段对应的历史强度值作为处理器的预测强度值，提高了预测强度值的准确性。
所述确定分布式存储集群中至少一处理器当前时刻的预测强度值的步骤，包括：
步骤s111，获取所述处理器在第一预设时长的每一所述历史强度值；
步骤s112，根据所述历史强度值建立数据模型得到所述预测强度值。
在本实施例中，可将所述第一预设时长设置成一周，即，获取上一周每一处理器的历史强度值作为获取下一周预测强度值的数据，所述第一预设时长的设置可依据使用处理器进行数据处理的情况而定，具体地，还可将所述第一预设时长设置成一个月。其中，在第一预设时长的历史强度值可包含多个，具体地，每间隔一小时周期性地获取不同时间段的历史强度值，将所述历史强度值与时间段映射存储。例如00：00-01:00，周一到周日的历史强度值分别为x1，x2，x3……x7，分别获取一周中168个时间段对应的历史强度值，以历史强度值、以及各时间段为自变量，带入数据模型(sarima模型)进行数据分析，进而得到未来24小时各个时间段对应的预测强度值。
所述获取所述处理器在第一预设时长的每一所述历史强度值的步骤，包括：
步骤s1111，获取在所述在所述第一预设时长的每一时间段内处理器读取数据以及写入数据的次数；
步骤s1112，根据所述读取数据以及写入数据的次数确定所述历史强度值。
在datanode上分析存储日志，可采用在第一预设时长的每一时间段内采集读写次数的方式，设采样时间为，读的次数为ai，写的次数为bi，设历史强度值为di，则
其中θi和γi为不同处理器读取数据以及写入数据时对应的系数，例如，处理器1对应的读取数据的系数为θ1，写入数据的系数为γ1，它们将读写次数转化为表示处理器每一时间段内的处理任务时的历史强度值为di。继而根据多个历史强度值以及对应的每一时间段确定预测强度值。在本实施例中通过获取第一预设时长多个时间段中处理器执行任务时的历史强度值，进而确定处理器当前时刻的预测强度值，通过数据分析的手段根据历史强度值确定预测当前时刻的预测强度值，提高了获取当前时刻的预测强度值的准确性。
步骤s20，根据所述预测强度值确定所述处理器的运行参数；
所述处理器的运行参数为处理器在执行当前时刻的任务的核心数以及运行频率。
具体的，在本申请中处理器的运行频率包括powersave、performance两个档位，处理器的核心数为1至8个，不同档位的运行频率以及核心数组合执行任务时，处理器的功率存在差异，其强度值也存差异。在本申请中，利用处理器的强度值对应的功率不同，以及处理器在以不同的运行频率和核心数进行组合执行任务时的功率差异，建立强度值与运行频率和核心数之间的对应关系，进而通过获取与预测参数值一致的强度值所对应的运行频率和核心数之间的对应关系，即可实现通过预测强度值确定处理器当前时刻的运行参数。
步骤s30，根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗。
可以理解的是，在实际使用的过程中，由于执行的任务强度与根据历史参数预测得到的预测强度存在差异，则可以根据当前处理器的运行情况调整所述运行参数，控制处理器按照调整后的运行参数运行，以使处理器的运行参数与当前时刻执行任务所需的运行参数匹配。
在本申请中通过确定分布式存储集群中至少一处理器当前时刻的预测强度值，继而根据所述预测强度值确定所述处理器的运行参数，获取处理器的运行情况，根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗，同时能够根据处理器的实际运行情况调整运行参数，也避免了由于根据预测强度值得到的运行参数小于处理器当前时刻执行任务所需的运行参数，导致处理卡顿的问题。
基于上一实施例，提出本申请的另一实施例。所述根据所述处理器的运行情况调整所述运行参数的步骤，包括：
步骤s41，获取处理器在第一预设时长内的实际强度值；
步骤s42，确定所述实际强度值对应的最大运行参数；
步骤s43，当所述处理器在第一预设时长内按照所述最大参数运行时，统计所述处理器按照所述最大运行参数运行的时间阈值；
步骤s44，当所述时间阈值大于第一预设时间阈值时，控制所述处理器增大当前运行参数。
实际强度值的获取可以通过安装的量测设备—智能电表得到。具体的，智能电表可与处理器建立有线连接，不同的连接接口代表连接的处理器不同。在获取实际强度值时，通过设计与处理器所对应的脚本程序得到智能电表中的反馈的实际强度值。所述第一预设时长为当前处理器在执行任务过程中，从开始统计的系统时间至当前时刻的系统时间的时长，在当前时刻为12：00时，开始统计的系统时间为11：00时，则代表第一预设时长为1小时。统计在这一小时当中处理器的实际强度值，进一步地根据实际强度值确定处理器的最大运行参数，当处理器按照最大运行参数运行的时长大于第一预设时间阈值(30分钟)时，确认处理器根据预测强度值得到的运行参数小于处理器在执行任务时的运行参数，则增大所述运行参数，例如从核心数为4，运行频率的档位为powersave，调整为核心数为5，运行频率为powersave。以此，实现在处理器按照调整后的运行参数运行时，其能流畅地执行处理任务。
所述获取处理器在第一预设时长内的实际强度值的步骤之后，包括：
步骤s45，确定所述实际强度值对应的最小运行参数；
步骤s46，当所述处理器在第一预设时长内按照所述最小参数运行时，统计所述处理器按照所述最小运行参数运行的时间阈值；
步骤s47，当所述时间阈值大于第二预设时间阈值时，控制所述处理器降低当前运行参数。
进一步地，所述第一预设时长为一小时，则统计在这一小时当中处理器的实际强度值，根据实际强度值确定处理器的最小运行参数，当处理器按照最小运行参数运行的时长大于第二预设时间阈值(20分钟)时，确认处理器根据预测强度值得到的运行参数大于处理器在执行任务时的运行参数，则降低所述运行参数，例如从核心数为4，运行频率的档位为powersave，调整为核心数为3，运行频率为powersave。以此实现降低处理器在执行任务时的能耗。
参照图3，图3为本申请又一实施例。所述根据所述预测强度值确定所述处理器的运行参数的步骤，包括：
步骤s21，确定所述预测强度值对应的波段函数；
步骤s22，确定所述波段函数对应的运行参数为所述处理器的运行参数。
所述波段函数为历史强度值与处理器的功率之间对应的分段函数，可以理解的是在实际应用中，处理器的强度值与功率之间是多对一的关系，则所述历史强度值与处理器的运行参数也为多对一的关系。在本实施例中通过将所述预测强度值对应的波段函数，确定所述波段函数对应的运行参数为所述处理器的运行参数。
所述确定所述预测强度值对应的波段函数的步骤，包括：
步骤s23，将所述预测强度值与历史强度值进行比对，确认比对一致的历史强度值对对应的波段函数为所述预测强度值的波段函数。
可以理解的是，在本实施例中，得到的波段函数时根据历史强度值确定的，所以在获取预测强度的波段函数时，需将预测强度值与历史强度值进行比对，从而得到与预测强度值匹配的波段函数，进而根据波段函数的值确定处理器的运行功率，得到处理器执行任务时所需要的启动的核心数以及运行频率，提高了处理器在执行处理任务时的对运行参数控制的准确性，降低了能源损耗。
此外，本申请还提供一种处理器控制设备，所述处理器控制设备包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的处理器控制程序，所述处理器控制程序被所述处理器执行时实现如上任一项处理器控制方法的步骤。
此外，本申请还提供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处理器控制程序，所述处理器控制程序被处理器执行时实现如上任一项处理器控制方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本申请的可选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括可选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
1.一种处理器控制方法，其特征在于，所述处理器控制方法包括：
确定分布式存储集群中至少一处理器当前时刻的预测强度值；
根据所述预测强度值确定所述处理器的运行参数；
根据所述处理器的运行情况调整所述运行参数，控制所述处理器按照调整后的运行参数运行，以降低所述处理器执行任务时消耗的能耗。
2.如权利要求1所述的处理器控制方法，其特征在于，所述根据所述处理器的运行情况调整所述运行参数的步骤，包括：
获取处理器在第一预设时长内的实际强度值；
确定所述实际强度值对应的最大运行参数；
当所述处理器在第一预设时长内按照所述最大参数运行时，统计所述处理器按照所述最大运行参数运行的时间阈值；
当所述时间阈值大于第一预设时间阈值时，控制所述处理器增大当前运行参数。
3.如权利要求2所述的处理器控制方法，其特征在于，所述获取处理器在第一预设时长内的实际强度值的步骤之后，包括：
确定所述实际强度值对应的最小运行参数；
当所述处理器在第一预设时长内按照所述最小参数运行时，统计所述处理器按照所述最小运行参数运行的时间阈值；
当所述时间阈值大于第二预设时间阈值时，控制所述处理器降低当前运行参数。
4.如权利要求1所述的处理器控制方法，其特征在于，所述确定分布式存储集群中至少一处理器当前时刻的预测强度值的步骤，包括：
获取处理器当前的系统时间；
确定与所述系统时间对应的历史强度值作为当前时刻的预测强度值。
5.如权利要求4所述的处理器控制方法，其特征在于，所述确定分布式存储集群中至少一处理器当前时刻的预测强度值的步骤，包括：
获取所述处理器在第一预设时长的每一所述历史强度值；
将所述历史强度值建立数据模型，通过数据模型得到所述预测强度值。
6.如权利要求5所述的处理器控制方法，其特征在于，所述获取所述处理器每一运行时间段的所述实际强度值的步骤，包括：
获取在所述运行时间段内处理器读取数据以及写入数据的次数；
根据所述读取数据以及写入数据的次数确定所述实际强度值。
7.如权利要求6所述的处理器控制方法，其特征在于，所述根据所述预测强度值确定所述处理器的运行参数的步骤，包括：
确定所述预测强度值对应的波段函数；
确定所述波段函数对应的运行参数为所述处理器的运行参数。
8.如权利要求7所述的处理器控制方法，其特征在于，所述确定所述预测强度值对应的波段函数的步骤，包括：
将所述预测强度值与所述历史强度值进行比对，确认比对一致的历史强度值对对应的波段函数为所述预测强度值的波段函数。
9.一种处理器控制设备，其特征在于，所述处理器控制设备包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的处理器控制程序，所述处理器控制程序被所述处理器执行时实现如权利要求1-7任一项处理器控制方法的步骤。
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处理器控制程序，所述处理器控制程序被处理器执行时实现如权利要求1至7中任一项处理器控制方法的步骤。
技术总结