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（实例），可通过互联网进行配置和租赁。云服务提供商（CSPs）可以通过增加实例数量来超售物理资源，因此云实例的租赁价格通常比物理机器低。为了实现利润最大化，CSPs 需要尽可能多地销售实例。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调整实例规模，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：
- 资源供应不足和工作负载预测错误导致服务级别目标（SLO）未达成而产生费用。
- 过度供应资源，导致计算资源闲置但仍需付费。

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，并通过反馈机制调整实例推荐。通过对真实工作负载和云市场统计数据的模拟评估，与传统方法相比，RISC 能在 SLO 和成本之间实现最佳平衡，使云服务提供商的整体利润最大化达 5 倍，所有用户在实现