用工作大小测试进行负载均衡：性能提升还是退化？
摘要：在可探索的不确定性决策制定环境中，具有测试功能的调度是管理计算机系统以改进性能的强大技术，通过更好的作业调度决策。作业到达时，调度程序可以运行一些“测试算法”来对作业进行某些结构信息的提取，例如其大小，并正确分类。这种知识的获取是有代价的，因为测试算法会延迟调度决策，尽管这是可控的。在本文中，我们通过研究以下问题来分析这种额外成本在负载均衡设置中的影响：测试作业真的值得吗？如果是这样，在什么条件下呢？在将测试算法提取的信息与其运行时间相关联的温和假设下，我们证明调度与测试是否带来性能下降或改善强烈取决于流量条件、系统规模和作业大小的变异系数。因此，上述问题的一般答案是非平凡的，在部署测试策略时应该谨慎考虑。我们通过提出一种用于调度与测试的负载均衡模型来实现这些结果，并在两个极限状态下进行分析。当服务器数量随着网络需求按比例无限增长时，我们证明除非可以几乎瞬间可靠地预测短作业，并且网络负载足够高，否则作业大小测试实际上会降低性能。当作业大小的变异系数趋向于无穷大时，我们构造了一些测试策略，可以导致相对于未经测试的作业而言的任意大的性能提升。
作者：Jonatha Anselmi and Josu Doncel
论文ID：2304.00899
分类：Performance
分类简称：cs.PF
提交时间：2023-04-04