数学>优化和控制
标题: 解决云中成批随机装箱问题:一种机会约束优化方法
摘要: 本文研究第一方云中的一个关键资源分配问题:将容器调度到机器。 有几十个服务,每个服务运行一组具有动态资源使用的同构容器; 服务的容器每天都以批处理的方式进行调度。 这个问题可以自然地表述为随机装箱问题(SBPP)。 然而,传统的SBPP研究通常侧重于空机器的情况,其目标,即尽量减少使用的机器数量,对于非空机器的更常见的现实情况,并没有明确定义。 本文旨在缩小这一差距。 首先,我们定义了一个新的目标度量——置信已用容量(UCaC),该度量以一定概率度量最大已用资源,并证明了它对于空机器和非空机器都是一致的,并且在机会约束下重新构造了SBPP。 其次,通过用生成方法对容器资源使用分布进行建模,我们发现UCaC可以用高斯近似,并通过实际应用的跟踪数据进行了验证。 第三,我们通过求解等价的下料变量以及两个基于启发式的求解器(UCaC最佳拟合,双层启发式),提出了一个精确的求解器。 我们在合成数据集和实际应用程序跟踪上对这些解算器进行了实验评估,证明了我们的方法相对于传统的SBPP优化解算器的优势,即以较低的资源违规率最小化使用的机器数量。