Bayangkan sebuah permainan puzzle yang mirip dengan Tetris dengan potongan-potongan yang jatuh dengan cepat ke dalam tumpukan. Beberapa sangat cocok. Yang lain tidak. Tujuannya adalah untuk mengemas balok-balok tersebut sekencang dan seefisien mungkin. Permainan ini merupakan analogi longgar terhadap tantangan yang dihadapi oleh pusat data cloud beberapa kali setiap detik ketika mereka mencoba mengalokasikan pekerjaan pemrosesan (disebut mesin virtual atau VM) seefisien mungkin. Namun dalam kasus ini, “potongan” (atau VM) itu muncul dan menghilang, ada yang umurnya hanya beberapa menit, ada pula yang berhari-hari. Meskipun masa hidup VM pada awalnya tidak diketahui, kami tetap ingin mengisi sebanyak mungkin server fisik dengan VM ini demi efisiensi. Kalau saja kita mengetahui perkiraan jangka waktu suatu pekerjaan, kita dapat mengalokasikannya dengan lebih baik.
Pada skala pusat data yang besar, penggunaan sumber daya yang efisien sangatlah penting baik untuk alasan ekonomi maupun lingkungan. Alokasi VM yang buruk dapat menyebabkan “resource stranding”, yaitu sumber daya server yang tersisa terlalu kecil atau tidak seimbang untuk menampung VM baru, sehingga membuang-buang kapasitas. Alokasi VM yang buruk juga mengurangi jumlah “host kosong”, yang penting untuk tugas-tugas seperti pembaruan sistem dan penyediaan VM besar dan intensif sumber daya.
Klasik ini masalah pengepakan tempat sampah menjadi lebih kompleks dengan informasi yang tidak lengkap tentang perilaku VM. AI dapat membantu mengatasi masalah ini dengan menggunakan model yang dipelajari untuk memprediksi masa pakai VM. Namun, hal ini sering kali bergantung pada satu prediksi pada pembuatan VM. Tantangan dalam pendekatan ini adalah bahwa satu kesalahan prediksi dapat menghambat seluruh host untuk jangka waktu yang lama, sehingga menurunkan efisiensi.
Di dalam “LAVA: Alokasi VM yang Sadar Seumur Hidup dengan Distribusi yang Dipelajari dan Adaptasi terhadap Kesalahan Prediksi“, kami memperkenalkan trio algoritme — penilaian kesadaran seumur hidup non-invasif (NILAS), alokasi VM sadar seumur hidup (LAVA), dan penjadwalan ulang sadar seumur hidup (LARS) — yang dirancang untuk memecahkan masalah pengepakan bin dalam pemasangan VM ke server fisik secara efisien. Sistem ini menggunakan proses yang kami sebut “reprediksi berkelanjutan”, yang berarti sistem ini tidak bergantung pada tebakan awal yang hanya terjadi satu kali saja. umur VM yang dibuat pada saat pembuatannya. Sebaliknya, model secara konstan dan otomatis memperbarui prediksinya untuk perkiraan sisa masa pakai VM seiring VM terus berjalan.
