RISCLESS：一种利用未使用云资源的强化学习策略
分布式、并行与集群计算
2022-05-18 v1 人工智能
摘要
云提供商（CP）的主要目标之一是在降低运营成本的同时，保障客户的服务等级协议（SLA）。为实现这一目标，CP们建造了大规模的数据中心。然而，这导致了资源利用率不足和成本增加。提高资源利用率的一种方法是回收未使用的部分，并以更低的价格转售。由于回收资源的高波动性，为其提供SLA保证是一项挑战。一些最先进的解决方案考虑保留一定比例的空闲资源以吸收工作负载的突然变化。另一些方案则考虑在易失性资源之上使用稳定资源来弥补丢失的资源。然而，这些策略要么减少了可回收资源的数量，要么仅适用于波动性较小的资源，例如Amazon Spot实例。在本文中，我们提出了RISCLESS，一种利用未使用云资源的强化学习策略。我们的方法包括使用一小部分稳定的按需资源与短暂资源相结合，以保证客户的SLA并降低总体成本。该方法决定何时以及分配多少稳定资源以满足客户需求。与最先进的策略相比，RISCLESS将CP的利润平均提高了15.9%。它还将SLA违规时间平均减少了36.7%，同时将使用的临时资源量平均增加了19.5%。
引用
@article{arxiv.2205.08350,
title = {RISCLESS: A Reinforcement Learning Strategy to Exploit Unused Cloud Resources},
author = {Sidahmed Yalles and Mohamed Handaoui and Jean-Emile Dartois and Olivier Barais and Laurent d'Orazio and Jalil Boukhobza},
journal= {arXiv preprint arXiv:2205.08350},
year = {2022}
}