openEuler 资源利用率提升之道 01：概论

问题背景

据 Canalys 发布的一份报告显示 [1]，全球云基础设施服务支出在 2022 年第一季度同比增长 34%，达到 559 亿美元。然而，多个研究表明，当前全球数据中心用户集群的平均 CPU 利用率低于 20%，存在巨大的资源浪费。因此，提升数据中心资源利用率是当前急需解决的一个重要问题 [2]。

问题成因

资源利用率低下的主要原因是任务和资源调配失衡，这种失衡又有多种表现形式，例如：

1. 调度系统和集群独立：不同的作业采用不同的调度系统，作业不能在更加广泛的集群中流动，其他集群的空闲资源不能有效利用。
2. 任务类型缺乏多样性：集群中的作业同质化严重，作业集中使用一部分资源，导致这部分资源利用率较高，但是其余资源空闲。
3. 缺乏优先级分级管理：要么是缺乏低优先级作业填补空闲资源，要么是有低优先级作业但是集群不具备分级管控能力，导致资源过度分配。
4. 集群中资源类型单一：集群内部资源整体规格单一，不能根据总体业务对各类资源的动态需求进行弹性伸缩，导致部分资源配置过高。

总体而言，是集群内部任务和资源的多样性不足，调度对多样性任务和资源的管理能力薄弱导致。

解决思路

将不同类型的作业混合部署，分别从时间上和空间上提升资源的使用率。

• 资源超卖（空分超卖）：在线业务的空闲资源超卖给离线作业，提升总体资源利用率。
• 错峰使用（时分超卖）：在线业务的空闲时段填充离线作业，减少资源空转。

技术挑战

不论是空分超卖还是时分超卖，都存在共峰资源不足的问题，该问题会导致部分业务服务质量（QoS）受损。如何在提升资源利用率之后，保障业务 QoS 不受损是技术上的关键挑战。

此外，云上业务的多样性和复杂性进一步加大了保障服务质量的难度：

一方面，从负载特征可感知程度，可以分为白盒应用，黑盒应用和灰盒应用。白盒应用可以被系统感知内部