随着科技的发展,计算机在各行业的应用日益广泛,很多行业对计算机性能要求日益增加。大规模服务器集群在为科研、工作、生活带来便利的同时,也带来一个严峻的问题——巨大的能耗。能耗问题对于服务器集群来说是个重大的问题,因为它不仅是一台或是一群服务器消耗能源的问题,还直接影响到系统的冷却需求、备用设备的冷却需求,以及备用发电设备的需求。尽管很多地方投入大量资金用于解决供电问题,但是基本上所有的发电技术都对环境有巨大的副作用。无论从互联网的角度,还是从整个社会的角度,集群的节能问题都已经成为一个非常现实、严峻的问题。对于系统级的节能调度算法有比较成熟的策略,如动态电源管理策略(DPM)、动态电压和频率调整策略(DVFS)、动态电压调整策略(DVS)等。这几种策略在系统级节能层次上应用的很成功,但并不适合用在服务器集群层次上。适用于集群层面的节能策略是目前业界研究的热点问题,出现的比较早的策略是比例积分微分反馈控制策略(PID)和负载集中策略(LC)等。随着集群系统构造的复杂化、集群提供业务的多样化,这两种节能策略的有效性在降低。动态集群配置是根据网络中负载情况动态地调整服务器规模,在最小系统功耗下实现最优的服务性能。本文提出了基于预测的动态集群配置策略,该方法根据网络中服务请求的历史信息,运用最小均方误差(LMS)和递归最小二乘(RLS)预测未来时刻服务请求情况,根据负载请求与集群处理能力来决策服务器规模的增减,动态地调节服务器集群中计算机的开启与关断。另外,文中对于计算密集型服务器集群提出了特殊的集群配置策略。根据超负率提供有QoS保证的服务,我们将节能问题抽象为约束最优化问题,即在保持超负率低于某个期望阈值的情况下,最小化激活的服务节点数目。估计超负率采用的数学工具是大偏差理论,通过这个算法来决策集群中服务节点的开启/关闭状态。基于大偏差算法的决策方法只需要关注当前集群中的负载情况即可,而无需关心负载业务的历史统计信息。本策略的另一个优势是,通过迭代的方法调整工作态的服务器,而不是直接确定工作态服务节点的数目。实验仿真中,我们使用了Hebrew University of Jerusalem的Parallel Workloads系统的用户trace数据,用真实的网络集群用户访问数据检验调度策略的可行性和优越性。