云弹性管理中面向资源适配的技术债务感知学习方法
软件工程
2017-02-27 v1 分布式、并行与集群计算
摘要
弹性是云的一项特性，它使应用程序及其执行系统能够按需动态获取和释放共享计算资源。此外，它通过降低这些共享资源的平均成本，展现了云中规模经济的优势。然而，在自治弹性管理中实现资源需求与供给之间的完美匹配仍然是一个开放性挑战。资源适配决策本质上涉及经济与性能之间的权衡，这导致了理想资源供给与实际资源供给之间的差距。如果这种差距得不到妥善管理，长期来看会对云客户的总体效用产生负面影响。为了解决这一局限性，我们提出了一种面向自治弹性管理的技术债务感知学习方法，该方法基于资源供给中弹性债务的强化学习；该适配追求在经济与性能之间进行权衡的战略决策。我们扩展了 CloudSim 和 Burlap 来评估我们的方法。评估结果表明，对弹性中的技术债务进行强化学习可以为云客户获得更高的效用，同时符合预期的性能水平。
引用
@article{arxiv.1702.07431,
title = {A Debt-Aware Learning Approach for Resource Adaptations in Cloud Elasticity Management},
author = {Carlos Mera-Gómez and Francisco Ramírez and Rami Bahsoon and Rajkumar Buyya},
journal= {arXiv preprint arXiv:1702.07431},
year = {2017}
}