Key points are not available for this paper at this time.
Resumo A arquitetura nativa da nuvem está se tornando cada vez mais crucial para os ambientes de computação em nuvem de hoje devido à necessidade de velocidade e flexibilidade no desenvolvimento de aplicações. Ela utiliza a tecnologia de microserviços para desmembrar aplicações monolíticas tradicionais em componentes de microserviços leves e autossuficientes. No entanto, à medida que os microserviços crescem em escala e apresentam interdependências dinâmicas, eles também trazem novos desafios na provisão de recursos que não podem ser totalmente abordados por abordagens tradicionais de agendamento de recursos. Os vários microserviços com diferentes demandas de recursos e requisitos de latência podem criar cadeias de chamadas complexas, dificultando a provisão de alocação de recursos detalhada e precisa para cada componente, enquanto se mantém a qualidade geral do serviço na cadeia. A Alibaba Cloud adotou totalmente as tecnologias nativas da nuvem e de microserviços para conduzir seus principais negócios e cenários, incluindo o Festival de Compras Double 11. Neste trabalho, buscamos abordar o problema de pesquisa sobre como provisionar recursos de forma eficiente para a crescente escala da plataforma de microserviços e garantir o desempenho de microserviços críticos em termos de latência. Para abordar o problema, apresentamos análises aprofundadas do cluster de microserviços da Alibaba e propomos algoritmos otimizados de provisão de recursos para melhorar a utilização de recursos, assegurando ao mesmo tempo o requisito de latência. Primeiro, analisamos as características distintas dos microserviços no cluster da Alibaba em comparação com aplicações tradicionais. Em seguida, apresentamos o fluxo de trabalho e a estrutura de provisão de capacidade de recursos da Alibaba para enfrentar os desafios na provisão de recursos para clusters de microserviços em larga escala e críticos em termos de latência. Finalmente, propomos algoritmos aprimorados de provisão de recursos sobre a prática atual da Alibaba, tomando decisões de agendamento tanto proativas quanto reativas com base em diferentes padrões de carga de trabalho, o que pode melhorar o uso de recursos em 10% a 15% nos clusters da Alibaba, enquanto mantém a latência necessária para os microserviços.
Xu et al. (Sat,) estudaram esta questão.