瞬态云虚拟机时间约束抢占的建模

Amazon Spot 实例、Google Preemptible VM 和 Azure Low-priority 批处理 VM 等瞬态云服务器可将云计算成本降低多达 $10\times$，但可能被云提供商单方面抢占。理解抢占特征（如频率）是最小化抢占对应用性能、可用性与成本影响的关键第一步。然而，关于时间约束抢占——即抢占须在给定的时间窗内发生——人们知之甚少。我们通过开展针对 Google Preemptible VM（最大生命周期为 24 小时）的大规模实证研究来研究时间约束抢占，提出了一种新的抢占概率模型、新的模型驱动资源管理策略，并在面向科学计算负载的批处理计算服务中予以实现。我们的统计与实验分析表明，时间约束抢占并非均匀分布，而是与时间相关并呈浴盆形。我们发现现有的无记忆模型与策略不适用于时间约束抢占。我们为浴盆形抢占建立了新的概率模型，并从可靠性理论视角加以分析。为凸显模型有效性，我们开发了作业调度与检查点的优化策略。相较现有技术，基于模型的策略可将作业失败概率降低逾 $2\times$。我们还将策略实现于面向科学计算应用的批处理计算服务中，相较常规云部署成本降低 $5\times$ 且性能开销低于 $3\%$。