華為云瑤光，獲全球計算機頂會SOSP論文收錄

在剛剛結(jié)束的全球計算機系統(tǒng)領(lǐng)域頂級會議SOSP 2021上，華為云發(fā)表的關(guān)于瑤光調(diào)度算法的論文，創(chuàng)造性地提出了一種普適的負載生成模型以及生成方法，被大會收錄。同時，這也是本次大會唯一收錄的中國云計算公司技術(shù)論文。

Symposium on Operating Systems Principles (SOSP) 始辦于1967年，被譽為計算機系統(tǒng)領(lǐng)域的奧斯卡，是由ACM組織的計算機科學領(lǐng)域頂級會議。包含開啟互聯(lián)網(wǎng)時代的Arpanet，分布式系統(tǒng)設(shè)計公理的CAP原則，公有云標志性論文Amazon Dynamo等都是在SOSP會議上發(fā)表。作為系統(tǒng)領(lǐng)域的最高學術(shù)會議，SOSP對論文要求極高，本屆SOSP論文接受率僅為15.5%。

華為云本次提交的論文《Generating Complex, Realistic Cloud Workloads using Recurrent Neural Networks》由華為云瑤光調(diào)度算法團隊主導(dǎo)，主要提出了使用 RNN 模型來生成復(fù)雜的 Cloud Workloads，用于輔助優(yōu)化云資源的調(diào)度，為解決云上超大規(guī)模調(diào)度提供一套突破性的理論模型。

預(yù)見未來，不斷突破理論最優(yōu)解

基礎(chǔ)科學是云計算的重要理論基礎(chǔ)，如果云廠商能夠精準預(yù)測未來一段時間的Workload，就可以對資產(chǎn)進行更為高效地規(guī)劃，為客戶提供更優(yōu)的使用體驗。傳統(tǒng)建模方式，僅基于歷史數(shù)據(jù)來進行預(yù)測和調(diào)優(yōu)，通常存在如數(shù)據(jù)量規(guī)模小、靈活性差、失效快等問題，同時基于各種獨立性假設(shè)，使得建模結(jié)果與真實數(shù)據(jù)的擬合度較低，難以生成真實的、質(zhì)量高的Workload，導(dǎo)致最終難于做出精準決策。

論文中創(chuàng)造性地提出一個全新的算法，以歷史數(shù)據(jù)為輸入，經(jīng)過Batch Arrival、Resource、Lifetime三個數(shù)學模型，產(chǎn)生一段包含每個VM創(chuàng)建時間、結(jié)束時間以及對資源請求的Trace，最終生成復(fù)雜且真實的Cloud Workload。

下圖展示了對一段時間內(nèi) CPU 資源請求量的 Workload，可以看到使用LSTM模型相比傳統(tǒng)模型可以更好地擬合真實的數(shù)據(jù)，從而輔助云廠商進行更精確的資源配置。

華為云瑤光，云上實踐與算法理論的絕佳融合

華為云瑤光分布式云操作系統(tǒng)，是面向云、5G、AI時代打造的智慧云腦，依托全域調(diào)度、動態(tài)協(xié)商與治理、多樣性算力智能匹配等能力，讓全域資源供給極優(yōu)，多樣性算力使用極簡。其算法打破70項由全球優(yōu)化算法領(lǐng)域權(quán)威機構(gòu)SINTEF維護的PDPTW榜單紀錄，成為中國研究機構(gòu)中最多紀錄的保持者，并獲得GECCO 2020國際會議OCP與USCP運籌優(yōu)化算法賽道的雙榜首。本次的研究成果，也是華為云瑤光在分布式云資源調(diào)度、智能決策與優(yōu)化等技術(shù)領(lǐng)域的再一次突破，為華為云平穩(wěn)高效運行提供技術(shù)保障。

未來，華為云仍將持續(xù)發(fā)揮基礎(chǔ)科學領(lǐng)域技術(shù)創(chuàng)新能力，探索分布式云形態(tài)下全域調(diào)度、軟硬協(xié)同等技術(shù)，為企業(yè)提供極優(yōu)極簡的云上體驗。