이 논문은 대규모 시스템에서 부하 균형화 문제를 다룬다. 시스템은 n개의 동일한 서버 풀로 구성되며, 작업은 시간에 따라 변화하는 포아송 프로세스로 도착한다. 작업 서비스 시간은 지수 분포 또는 코시안 분포를 따른다.
부하 균형화를 위해 다음과 같은 두 가지 학습 기법을 제안한다:
기본 학습 기법: 시스템의 총 작업 수를 추적하여 제공된 부하를 추정하고 이를 기반으로 임계값을 조정한다.
개선된 학습 기법: 각 서버 풀의 작업 수 정보를 활용하여 임계값을 동적으로 조정한다.
이 두 기법은 임계값 기반 작업 할당 규칙과 결합된다. 이 규칙은 작업을 서버 풀에 할당할 때 임계값을 사용하여 부하를 균형있게 유지하려 한다.
논문에서는 이러한 부하 균형화 정책의 점근적 동작을 분석한다. 구체적으로:
분석 결과, 제안된 정책은 부하를 균형있게 유지할 수 있음을 보인다. 또한 ∆ 매개변수를 조절하여 부하 균형과 학습 기법의 안정성 간 트레이드오프를 조절할 수 있다.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Diego Goldsz... lúc arxiv.org 04-08-2024
https://arxiv.org/pdf/2012.10142.pdfYêu cầu sâu hơn