算法库是通过python环境下的gRPC 服务框架对外提供服务的，因此需要相应的python环境来执行对应的代码。

目前使用的python版本为3.6.6，其他版本的可行性需自己尝试。

以及相关的python模块包可通过 pip install -r requirements.txt 进行安装。

如果只是想将算法库模块的代码运行起来，且在如何安装部分都配置完成后，只需要在项目根目录下分别执行

python -u PowerPredictServer.py		# 能耗预测服务
python -u PowerEvaluateServer.py	# 能耗评估服务
python -u MetricEvaluateServer.py	# 指标评估服务

这三个服务的端口号分别为 50051、50052、50053。你也可以在对应的文件中进行修改。

这里将对三个proto中的参数进行解释，方便之后向服务发起请求。

能耗预测 proto/powerpredict.proto

• host: 预测实体 id
• start: 预测所需历史数据起始时间戳
• end: 预测所需历史数据结束时间戳
• algorithm: 本次预测所采用的算法，有
  • RF / rf: 随机森林
  • AIMIA / arima
  • LSTMx2 / lstmx2: 堆叠式LSTM
  • TCN / tcn: 时序卷积网络
  • DARNN / darnn: 基于两阶段注意力机制的循环神经网络
• type: 任务类型，有以下两个选项
  • server: 物理机能耗预测任务
  • pod: pod能耗预测任务

能耗评估 proto/powerevaluate.proto

• host: 预测实体 id
• hostType: 任务类型，有以下两个选项server: 物理机能耗预测任务pod: pod能耗预测任务
• start: 评估的起始时间戳
• end: 评估的结束时间戳
• algorithm: 本次预测所采用的算法，有
  • RF / rf: 随机森林
  • AIMIA / arima
  • LSTMx2 / lstmx2: 堆叠式LSTM
  • TCN / tcn: 时序卷积网络
  • DARNN / darnn: 基于两阶段注意力机制的循环神经网络

指标评估 proto/metricevaluate.proto

• type: 任务类型，有以下两种类型
  • qos: 物理机 QoS 指标评估
  • dc: 数据中心能效等级评估
• host: 任务对应的实体
  • type 为 qos: 物理机 id
  • type 为 dc: 数据中心 id（可选）
• start: 评估的起始时间戳
• end: 评估的结束时间戳
• algorithm: 任务采用的算法
  • type 为 qos: brb
  • type 为 dc: membership

###能耗预测