Solving Large-Scale Granular Resource Allocation Problems Efficiently with POP(2021-POP-SOSP-文獻閱讀筆記)
阿新 • • 發佈:2022-03-04
讀者
這篇文章來自2021的SOSP,單位是斯坦福大學和微軟。選該文章的理由有二,一是資源分配的主題較為相關;二是文章結構、語言很清晰,讀起來很舒服。
本文的中心思想可以概括為:分化瓦解,各個擊破。即,用線性規劃的方式解決資源分配問題太昂貴,而啟發式演算法難以達到最優,且缺乏可擴充套件性(適應範圍小,一改條件就失效)。所以該文通過將原始LP重寫,得到各個部分的小LP,分別求解再組合。
注:以下翻譯主要來自百度翻譯(https://fanyi.baidu.com)和手動修正。
摘要
許多計算機系統中的資源分配問題都可以表述為數學優化問題。然而,對於具有嚴格SLA的大型問題,使用現成的求解器來尋找這些問題的精確解決方案往往很難,這導致系統設計師依賴廉價的啟發式演算法。然而,我們觀察到,許多分配問題是顆粒的:它們由大量的客戶機和資源組成,每個客戶機請求的資源只佔資源總數的一小部分,客戶機可以互換使用不同的資源。對於這些問題,我們提出了一種替代方法,該方法重用原始優化問題公式,並導致位元定領域的啟發式方法更好的分配。我們的技術是分割槽優化問題(Partitioned Optimization Problems,POP