Micky：一种更廉价的云实例选择替代方案
分布式、并行与集群计算
2018-03-16 v1
摘要
大多数云计算优化器一次仅对一个工作负载进行探索与改进。当需优化大量工作负载时，单一优化器方法的开销可能高得令人却步。为此，我们研究了一种“集体优化器”，可并发探索并改进一组工作负载，从而显著降低测量成本。我们的大规模实证研究表明，往往存在单一云配置对大多数工作负载都出乎意料地接近最优。据此，我们构建了集体优化器 MICKY，将寻找近最优云配置的任务重新表述为多臂老虎机问题。MICKY 高效地平衡了探索（新云配置）与利用（已知良好云配置）。实验表明，与最先进方法相比，MICKY 在找到近最优解的同时平均可将测量成本降低 8.6 倍。因此我们提出将 MICKY 作为实用的集体优化方法的基础，用于寻找良好的云配置（基于预算及对近最优配置的容忍度等各类约束）。
引用
@article{arxiv.1803.05587,
title = {Micky: A Cheaper Alternative for Selecting Cloud Instances},
author = {Chin-Jung Hsu and Vivek Nair and Tim Menzies and Vincent Freeh},
journal= {arXiv preprint arXiv:1803.05587},
year = {2018}
}