负耦合 MDP 策略的在线学习：用于负载均衡与自动扩缩
系统与控制
2024-06-21 v1 人工智能
网络与互联网体系结构
系统与控制
摘要
负载均衡和自动扩缩是可扩展现代系统的核心，旨在应对工作负载变化导致的动态资源分配和服务速率调整。本文引入一种新模型和算法，用于调整与自动扩缩器耦合的负载均衡器，考虑有限队列处于突发流量。我们首先将问题表述为弱耦合马尔可夫决策过程 (MDP)，可通过线性规划 (LP) 求解。然而，随着控制变量在此类 LP 中的数量呈组合增长，我们引入更可处理的松弛 LP 形式，并扩展其以利用基于 LP 拉格朗日乘子的两时序算法处理在线参数学习和策略优化问题。
引用
@article{arxiv.2406.14141,
title = {Online Learning of Weakly Coupled MDP Policies for Load Balancing and Auto Scaling},
author = {S. R. Eshwar and Lucas Lopes Felipe and Alexandre Reiffers-Masson and Daniel Sadoc Menasché and Gugan Thoppe},
journal= {arXiv preprint arXiv:2406.14141},
year = {2024}
}