机构名称：
¥ 1.0
云平台一直在虚拟化存储设备，例如基于Flash的固态驱动器（SSD），以有效利用存储资源。他们启用了软件隔离的实例或硬件分离的实例，以促进多租户应用程序之间的存储共享。然而，几十年来，他们必须与性能隔离和资源利用率之间的基本打击作斗争。他们遭受由较弱的隔离或由于强隔离而引起的储存较低的长尾潜伏期。在本文中，我们介绍了Fleetio，这是一个基于学习的存储虚拟化框架，该框架采用强化学习（RL）来管理虚拟化SSD。fleetio探索了RL的独特功能，以处理应用程序工作负载和存储状态的动态更改，并将存储计划集成到RL决策过程中。它通过在共处的应用程序实例中实现动态细粒度收获，同时可以实现性能隔离和改进的存储利用率，同时最大程度地减少其对服务级目标（SLO）的负面影响。Fleetio簇工作负载分为不同类型（例如，基于运行时收集的I/O痕迹的延迟敏感和带宽密集型），并为每种类型的工作负载进行微调RL奖励功能。我们在真实的可编程SSD板上实施机队，并通过不同的云应用程序对其进行评估。我们表明，与最先进的存储共享方法相比，Fleetio将共享SSD的总体存储利用提高了1.4倍，并将I/O请求的尾巴潜伏期平均降低1.5倍。
fleetio：使用多代理强化学习管理多租户云存储
主要关键词
相关文件推荐
