本發(fā)明涉及硬件散熱，尤其涉及一種服務器散熱控制系統(tǒng)、方法、存儲介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、隨著云計算、ai（artificial?intelligence，人工智能）及高性能計算的快速發(fā)展，服務器集群的功率密度顯著增加，散熱控制成為確保系統(tǒng)穩(wěn)定性、延長硬件壽命以及降低能耗的關(guān)鍵挑戰(zhàn)。

2、相關(guān)技術(shù)中，服務器可以基于神經(jīng)網(wǎng)絡模型實現(xiàn)散熱控制，但是神經(jīng)網(wǎng)絡模型通常需要占用較多的內(nèi)存資源，由于服務器散熱在部分場景下需要滿足實時性控制需求，在部分場景下需要滿足精度控制需求，因此存在服務器散熱時模型資源占用與實時性之間的沖突問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種服務器散熱控制系統(tǒng)、方法、存儲介質(zhì)及程序產(chǎn)品，以至少解決相關(guān)技術(shù)中服務器散熱時模型資源占用與實時性之間存在沖突，導致無法兼顧控制精度與實時性的需求等技術(shù)問題。

2、本發(fā)明提供了一種服務器散熱控制系統(tǒng)，包括：數(shù)據(jù)采集層，采集服務器的多模態(tài)數(shù)據(jù)和系統(tǒng)負載數(shù)據(jù)；資源管理層，其中，資源管理層包括在內(nèi)存池中預先分配有稀疏矩陣索引表的存儲區(qū)、以及執(zhí)行服務器的散熱控制任務的神經(jīng)網(wǎng)絡模型的安全區(qū)域；數(shù)據(jù)推理層，從安全區(qū)域加載神經(jīng)網(wǎng)絡模型，根據(jù)系統(tǒng)負載數(shù)據(jù)計算神經(jīng)網(wǎng)絡模型的當前稀疏度，基于當前稀疏度查詢存儲區(qū)的稀疏矩陣索引表，得到神經(jīng)網(wǎng)絡模型的當前權(quán)重矩陣，利用神經(jīng)網(wǎng)絡模型對多模態(tài)數(shù)據(jù)進行推理；決策執(zhí)行層，基于推理結(jié)果生成的控制信號，控制服務器執(zhí)行散熱動作。

3、本發(fā)明還提供了一種服務器散熱控制方法，該方法基于上述的服務器散熱控制系統(tǒng)進行散熱控制，包括：獲取服務器的多模態(tài)數(shù)據(jù)和系統(tǒng)負載數(shù)據(jù)；從安全區(qū)加載神經(jīng)網(wǎng)絡模型，根據(jù)系統(tǒng)負載數(shù)據(jù)計算神經(jīng)網(wǎng)絡模型的當前稀疏度，基于當前稀疏度查詢存儲區(qū)的稀疏矩陣索引表，得到神經(jīng)網(wǎng)絡模型的當前權(quán)重矩陣，利用神經(jīng)網(wǎng)絡模型對多模態(tài)數(shù)據(jù)進行推理；基于推理結(jié)果生成的控制信號，控制服務器執(zhí)行散熱動作。

4、本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)中存儲有計算機程序，其中，計算機程序被處理器執(zhí)行時實現(xiàn)上述任一種服務器散熱控制方法的步驟。

5、本發(fā)明還提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)上述任一種服務器散熱控制方法的步驟。

6、通過本發(fā)明，利用服務器的多模態(tài)數(shù)據(jù)和系統(tǒng)負載數(shù)據(jù)，計算出神經(jīng)網(wǎng)絡模型的當前稀疏度，再通過當前稀疏度計算神經(jīng)網(wǎng)絡模型的權(quán)重矩陣，接著利用神經(jīng)網(wǎng)絡模型和權(quán)重矩陣對多模態(tài)數(shù)據(jù)進行推理，最后基于推理結(jié)果生成的控制信號，控制服務器執(zhí)行散熱動作，通過動態(tài)稀疏學習與多模態(tài)融合的技術(shù)融合，實現(xiàn)了高性能散熱控制，由此，可以解決相關(guān)技術(shù)中服務器散熱時模型資源占用與實時性之間存在沖突，導致無法兼顧控制精度與實時性的需求技術(shù)問題，達到了優(yōu)化散熱控制技術(shù)稀疏計算、解決多模態(tài)與嵌入式資源的沖突、平衡了學習能力與安全性的技術(shù)效果，保障了系統(tǒng)的穩(wěn)定性，延長了硬件壽命以及降低了能耗。

技術(shù)特征：

1.一種服務器散熱控制系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的服務器散熱控制系統(tǒng)，其特征在于，所述多模態(tài)數(shù)據(jù)包括所述服務器中多個組件的傳感器數(shù)據(jù)，所述數(shù)據(jù)采集層包括傳感器接口和定時器，其中，

3.根據(jù)權(quán)利要求2所述的服務器散熱控制系統(tǒng)，其特征在于，所述定時器綁定至所有傳感器中斷源。

4.根據(jù)權(quán)利要求1或2所述的服務器散熱控制系統(tǒng)，其特征在于，所述數(shù)據(jù)采集層包括預處理模塊和特征提取模塊，其中，

5.根據(jù)權(quán)利要求1所述的服務器散熱控制系統(tǒng)，其特征在于，所述安全區(qū)域存儲有加密的神經(jīng)網(wǎng)絡模型，且用于所述神經(jīng)網(wǎng)絡模型的安全校驗。

6.根據(jù)權(quán)利要求5所述的服務器散熱控制系統(tǒng)，其特征在于，所述安全校驗的流程包括：

7.根據(jù)權(quán)利要求5所述的服務器散熱控制系統(tǒng)，其特征在于，所述數(shù)據(jù)推理層包括調(diào)節(jié)模塊，其中，所述調(diào)節(jié)模塊加載所述加密的神經(jīng)網(wǎng)絡模型，接收所述數(shù)據(jù)采集層的系統(tǒng)負載數(shù)據(jù)，根據(jù)所述系統(tǒng)負載數(shù)據(jù)計算神經(jīng)網(wǎng)絡模型的當前稀疏度。

8.根據(jù)權(quán)利要求7所述的服務器散熱控制系統(tǒng)，其特征在于，所述數(shù)據(jù)推理層包括計算模塊，其中，所述計算模塊將所述當前權(quán)重矩陣轉(zhuǎn)換為壓縮稀疏列格式，利用目標指令集實現(xiàn)所述當前權(quán)重矩陣的并行乘加運算。

9.根據(jù)權(quán)利要求8所述的服務器散熱控制系統(tǒng)，其特征在于，所述數(shù)據(jù)推理層包括融合模塊，其中，所述融合模塊將所述多模態(tài)數(shù)據(jù)融合為多維特征向量，將所述多維特征向量輸入所述神經(jīng)網(wǎng)絡模型，所述神經(jīng)網(wǎng)絡模型輸出推理結(jié)果。

10.根據(jù)權(quán)利要求1所述的服務器散熱控制系統(tǒng)，其特征在于，所述決策執(zhí)行層包括優(yōu)化控制模塊、硬件驅(qū)動模塊和反饋調(diào)節(jié)模塊，其中，

11.根據(jù)權(quán)利要求10所述的服務器散熱控制系統(tǒng)，其特征在于，所述決策執(zhí)行層還包括異常熔斷機制，其中，所述異常熔斷機制包括：

12.根據(jù)權(quán)利要求1所述的服務器散熱控制系統(tǒng)，其特征在于，所述資源管理層響應服務器散熱控制需求，啟動所述服務器的散熱控制線程，所述散熱控制線程用于執(zhí)行服務器的散熱控制任務，設置所述散熱控制任務的優(yōu)先級。

13.一種服務器散熱控制方法，其特征在于，所述方法基于權(quán)利要求1-12任意一項所述的服務器散熱控制系統(tǒng)進行散熱控制，其中，所述方法包括：

14.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)中存儲有計算機程序，其中，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求13所述服務器散熱控制方法的步驟。

15.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求13所述服務器散熱控制方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種服務器散熱控制系統(tǒng)、方法、存儲介質(zhì)及程序產(chǎn)品，涉及硬件散熱技術(shù)領(lǐng)域，包括數(shù)據(jù)采集層、資源管理層、數(shù)據(jù)推理層和決策執(zhí)行層，可以實現(xiàn)通過服務器的多模態(tài)數(shù)據(jù)和系統(tǒng)負載數(shù)據(jù)，計算神經(jīng)網(wǎng)絡模型的當前稀疏度，再通過當前稀疏度計算神經(jīng)網(wǎng)絡模型的權(quán)重矩陣，利用神經(jīng)網(wǎng)絡模型和權(quán)重矩陣對多模態(tài)數(shù)據(jù)進行推理，最后基于推理結(jié)果生成的控制信號，控制服務器執(zhí)行散熱動作，通過動態(tài)稀疏學習多模態(tài)融合的技術(shù)融合，實現(xiàn)了高性能散熱控制，解決了相關(guān)技術(shù)中服務器散熱時模型資源占用與實時性之間存在沖突，導致無法兼顧控制精度與實時性的需求的技術(shù)問題，達到了優(yōu)化稀疏計算、解決多模態(tài)與嵌入式資源的沖突的技術(shù)效果。

技術(shù)研發(fā)人員：韓蕾,張秀波,曲燕
受保護的技術(shù)使用者：蘇州元腦智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/28