Sinan Data Driven Resource Management for Interact
Introduction¶
用CNN预测当前在给定资源情况下的微服务latency以及整体的QoS是不是超标
Methodology¶
通过当前的资源利用率,历史的资源利用率以及latency,预测当前的延迟
boost tree用来预测是不有QoS violation
通过这个模型,我们可以:
- 在线指导资源的分配,比如给每个微服务分配多少核
- 通过LIIME解释模型,确定根因(对latency影响大的维度就是根因).
Evaluation¶
Thinking and Conclusion¶
和Sage其实比较像,都是通过一个模型去建模系统的latency和资源的关系。
和Sage的不同之处主要有:
- Sage建立了一个CBN模型,而这里直接用了一个CNN,没有嵌入任何领域知识
- Sage没有考虑历史状态的影响,而Sinan是使用了历史资源使用率和latency的。当然把这些加入Sage也比较直接,没有真正的挑战。
Sage Leveraging ML To Diagnose Unpredictable Perfo
Last update :
February 13, 2023
Created : February 13, 2023
Created : February 13, 2023