8、RISC：云市场中实例选择的风险评估

RISC：云市场中实例选择的风险评估

1. 引言

2018 年，全球公共云市场规模预计达到 1864 亿美元，其中超过 22% 来自基础设施即服务（IaaS）云。IaaS 通过高级 API 提供即时计算基础设施，也就是实例，这些实例通过互联网进行配置和租赁。云服务提供商（CSPs）可以通过增加加载实例的数量来超额销售物理资源，因此云实例的租赁价格通常比物理机器低。像亚马逊网络服务、谷歌云、微软 Azure 云、腾讯云等都是成功的云市场。

云实例的定价与分配的资源数量正相关。例如，在谷歌云中，具有一个虚拟 CPU 的 n1 - standard 实例通常比具有两个或四个虚拟 CPU 的 n1 - highCPU 实例便宜。客户可以根据工作负载扩展或缩减实例，并按需付费。然而，预测未来工作负载所需的正确资源量非常困难，糟糕的选择可能导致客户收入损失。客户面临以下问题：
- 因资源供应不足和工作负载预测错误而无法满足服务级别目标（SLO），从而产生费用。
- 过度供应资源，为独占计算资源付费，但资源却处于闲置状态。

此外，CSPs 提供不同的定价模型，如基于拍卖的投标定价、细粒度定价、永久定价等。多种定价模型和多个实例的组合导致了众多可能的决策，使得实例选择的风险评估问题变得更加复杂。

为了解决这些问题，我们提出了 RISC 机制，用于对云市场中的实例选择进行风险评估。RISC 采用层次分析法（AHP）评估实例租赁指标，优化决策以平衡风险和利润，并提供风险前沿曲线。同时，它将过去决策的运行时性能作为历史元数据反馈到循环中，以提高建模和优化过程的性能。

2. 背景

风险评估是量化事件或事物可能受到影响或损