【每周论文】Bubble-Up: Increasing Utilization in Modern Warehouse[MICRO 2011]

这篇文章来自于MICRO 2011，作者是Jason Mars，传送门来~~

---

随着云计算的发展，越来越多的计算任务移到了云上来进行，运营商常常通过过度分配（overprovisioning）资源的方式来保证延迟敏感型应用的性能，因为没有办法精确预测应用因资源的竞争而产生性能的下降，为了避免干扰也就没有办法将这些高优先级、延迟敏感型应用和其他的作业混合部署起来，就产生了资源的空闲，这样就是导致了数据中心资源利用率低的一个主要因素。这种资源的过度分配其实是没有必要的，如下图所示，应用的混合部署并不确定能导致严重的性能干扰。因为无法精确的预测因为混合部署产生的干扰就只能单纯采取不混部的方案，此外，在没有预测的情况下如果要预先分析所有混部可能产生的干扰这种开销是非常大的（混部的方案实在太多了），因此这种精确的预测一直是一个有待解决的问题。

本文提出Bubble-Up，是一种表示特征的方法，可以准确的预测因为共享内存（memory）资源产生竞争而导致的性能下降，并使用这种方法在Google数据中心的生产环境中实现作业的混部，实验表明在500台服务器的集群中，可以将资源利用率从50%提升到90%，并且保证延迟敏感型应用的服务质量。

本文的前提假设是应用对内存的压力和其对内存的敏感程度是可以量化的。有了这样的量化指标就可以将应用混合部署的复杂度给简化了。

Bubble-Up将预测性能干扰问题分解成了两个子问题（这里潜在的假设是，压力和敏感程度可以使用共同的压力指标来度量的）：

• 测量应用程序在内存系统上产生的压力
• 测量应用程序在不同的压力下的影响程度

Bubble-Up 只需要对于每一个应用做一次压力测试，这样就可以得到