25、成本感知自适应负载共享：优化分布式系统性能

成本感知自适应负载共享：优化分布式系统性能

1. 引言

在分布式系统中，服务提供商的目标是利用可用资源（如服务器数量）提供最佳服务，例如最小化服务时间。为实现这一目标，可添加负载共享系统。静态负载共享方案依据预设计算的概率将服务请求路由到执行服务器，其简单且控制开销小，但难以应对动态环境，因为各服务器的实际可用性会随时间变化。

为有效解决这一问题，负载共享机制需适应系统的当前全局状态，这意味着要从服务器收集更新的负载信息。然而，处理这些负载信息请求会消耗服务器的少量但非零资源（如 CPU），这可能降低服务器的实际服务速率，因此难以预测特定动态负载共享配置的实际改进效果。所以，确定应分配给服务器负载监控的合适资源量以最大化系统整体性能至关重要。此外，由于最佳监控量取决于外部参数（如服务请求流的到达率），系统应根据当前条件自我调整监控量。

Mitzenmacher 研究的超市模型是一种高效的负载共享模型。该模型采用简单的随机化策略：当新任务到达时，随机选择 d < n 台服务器，将任务分配给这些服务器中队列最短的服务器。当 d = 1 时，任务随机分配给服务器，不考虑其负载；当 d = 2 时，任务分配给两个随机选择的服务器中负载最小的服务器。研究表明，与随机分配方案相比，这种简单过程能显著提高系统的预期整体时间，且随着 d 的增加，预期服务时间线性改善。但该研究假设获取和处理服务器本地负载信息无需成本，在许多场景中，这一假设并不现实。

本文旨在开发一种严格的自适应负载共享分析模型，该模型明确考虑了固有的监控开销，并能定量研究不可忽略的监控成本的影响。我们通过将管理成本纳入超市模型，扩展得到扩展超市模型（ESM），以研究监控信息的有用性与维护成本之间的权衡。