Workload Intelligence: Punching Holes Through the Cloud Abstraction

今天，云工作负载对云平台基本上是不透明的。通常，平台收到的唯一信息是虚拟机（VM）类型和可能的类型装饰（例如，VM可驱逐）。同样，工作负载从平台接收的信息很少或没有；通常，工作负载可能从其VM收到遥测或异常信号（例如，在VM被驱逐之前不久）。工作负载和平台之间狭窄的接口有几个缺点：（1）公共云平台中VM类型和装饰的激增使客户选择变得复杂；（2）基本的工作负载特征（例如，低可用性要求，高延迟容忍度）通常未指定，阻碍了平台定制以实现优化的资源使用和成本节约；（3）工作负载可能不知道潜在的优化或缺乏足够的时间来对平台事件做出反应。在本文中，我们提出了一个框架，称为工作负载智能（WI），用于云工作负载和云平台之间的动态双向通信。通过WI，工作负载可以以编程方式调整其关键特征，要求，甚至动态适应VM优先级等行为。在另一个方向上，WI允许平台以编程方式通知工作负载即将发生的事件，优化机会等。由于WI，云平台可以大大简化其提供的服务，降低成本，而不必担心违反任何工作负载要求，并将平均价格降低48.8％。

论文旨在解决云平台和云工作负载之间通信不畅的问题，使得工作负载能够动态调整其关键特征和要求，平台也能够向工作负载提供有关即将发生的事件和优化机会的信息。

论文提出了一种名为Workload Intelligence（WI）的框架，通过WI，工作负载和云平台之间可以进行双向通信，从而实现动态调整和优化。

论文的实验结果表明，使用WI可以将平均价格降低48.8％。此外，WI还可以简化云平台的选择，优化资源使用和成本节约，并且能够动态适应工作负载的需求。

最近的相关研究包括：《云计算中的工作负载自适应》、《基于机器学习的云工作负载优化》等。