云平台中的安全节点学习
摘要：云平台在每个服务器节点上运行许多软件代理。这些代理负责管理节点的所有操作，并在某些情况下频繁收集数据并做出决策。不幸的是，它们的行为通常基于预定义的静态启发式方法或线下分析；它们没有利用节点上的机器学习（ML）。在本文中，我们首先对Azure中的节点代理进行了分类，并确定了最有可能从节点上的ML受益的代理类别。然后，我们提出了SOL，一个可扩展的框架，用于设计基于ML的代理，以确保其在生产中发生的各种故障条件下的安全性和稳健性。SOL为代理开发人员提供了一个简单的API，并管理了他们编写的特定于代理的函数的调度和运行。我们通过实现三个基于ML的代理来说明SOL的应用，这些代理分别管理CPU核心、节点电源和内存位置。我们的实验表明，（1）ML大幅改善了我们的代理，（2）SOL确保代理在各种故障条件下安全运行。我们得出结论，基于ML的代理显示出重要的潜力，并且SOL可以帮助构建它们。
作者：Yawen Wang, Daniel Crankshaw, Neeraja J. Yadwadkar, Daniel Berger, Christos Kozyrakis, Ricardo Bianchini
论文ID：2201.10477
分类：Operating Systems
分类简称：cs.OS
提交时间：2022-01-26