.png){kind=icon}
返回
Lattice: An Efficient Task Placement Framework for Geographically Distributed Clouds
.png){kind=icon}
PRE
AI
DOI：10.1109/tcc.2026.3663568.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云请求和基础设施正逐渐呈现出地理分布趋势，规模日益扩大。由于缺乏对网络、资源及其他租户的信息，租户自行决定的资源区域部署将比云提供商的决策产生更多不必要成本。针对此类复杂场景，公有云提供商甚至提出严格的效率要求，要求在1秒内处理100K请求的决策。总体而言，大规模地理分布式云中的任务部署面临三大显著挑战：复杂拓扑、大规模和滞后信息。现有研究或仅关注区域内任务部署，或忽略大规模及严格决策延迟约束下的复杂请求拓扑，且多数需考虑信息滞后对决策的影响。为应对这些挑战，我们设计了一个名为Lattice的大规模任务部署框架。尽管面临大规模部署的严峻挑战，我们发现复杂拓扑中存在许多相似关系。因此，结合离线特征化和在线部署，我们设计了一种基于拓扑模式匹配压缩和区间检索的数据结构与算法、多维并行部署架构，以及一种竞争感知的状态表示策略，以实现高效且高质量的任务部署。基于真实数据集的仿真结果表明，我们的算法效率可达现有方法的1.74倍至15.01倍，同时保持相近的决策质量。我们已将算法、实验环境和实验数据开源。
Keyword:
Large scale
geo-distributed cloud
task placement
efficiency optimization
期刊
I
IF:
5
论文数:
1.9K
被引数:
4.3K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容