弾力のあるサーバーインフラにおけるコンテンツの局所性を高めるための多モデル予測

オンラインアプリケーションを提供するインフラは、人気、マーケティング、周期的パターン、流行、トレンド、イベントなどの多様な要因に応じて動的なワークロードの変動を経験します。トレンド、周期性、または予定されたイベントのような予測可能な要因は、ワークロードの変動に対応するためにプロアクティブなリソースの割り当てを可能にします。しかし、プロアクティブなリソースの割り当てには、将来のワークロードパターンを予測するモデルが必要です。本論文では、データをコンテンツの局所性に基づいてビンにグループ化し、各局所性を保持するビンに自己回帰予測モデルを割り当てる多モデル予測アプローチを提案します。予測モデルは、計算効率的な方法で特定され、フィッティングされることが示されています。我々は、実験的に我々の多モデルアプローチがユニモデルアプローチに対して局所性を改善し、効率的なリソースの割り当てを達成し、高いリソース利用率と負荷バランスを保持することを示します。