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