基于 Little 定律的队列调度策略混合差分-Q 估计量实验
统计方法学
2026-05-29 v1 性能
概率论
摘要
在数据中心，任务被调度到 various servers 以均匀分配工作负载。当数据中心考虑实施新的调度算法时，通常会在部署前进行 A/B 测试以评估该新方法的真实影响。然而，简单的 A/B 测试可能受到称为“Markovian”干扰的因素的影响。我们利用 Farias 等人（2022）开发的差分-Q 估计量（Differences-in-Q estimator），并引入基于 Little 定律的混合差分-Q 估计量。我们表明，A/B 测试方法显著减少了测试 various 调度策略时的偏差和方差。在非平稳到达率、异构服务率和通信延迟等情景下进行了大量仿真实验。这些仿真结果突显了我们 A/B 测试方法的鲁棒性和有效性。
引用
@article{arxiv.2605.29641,
title = {Experimentation for Different Scheduling Policies on Queues: Mixed Differences-in-Q Estimators Based on Little's Law},
author = {Nanshan Jia and Ramesh Johari and Nian Si and Zeyu Zheng},
journal= {arXiv preprint arXiv:2605.29641},
year = {2026}
}