論文の概要: Symmetry-Preserving Architecture for Multi-NUMA Environments (SPANE): A Deep Reinforcement Learning Approach for Dynamic VM Scheduling

• arxiv url: http://arxiv.org/abs/2504.14946v1
• Date: Mon, 21 Apr 2025 08:09:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 18:55:37.805162
• Title: Symmetry-Preserving Architecture for Multi-NUMA Environments (SPANE): A Deep Reinforcement Learning Approach for Dynamic VM Scheduling
• Title（参考訳）: マルチNUMA環境のための対称性保存アーキテクチャ(SPANE):動的VMスケジューリングのための深層強化学習アプローチ
• Authors: Tin Ping Chan, Yunlong Cheng, Yizhan Zhu, Xiaofeng Gao, Guihai Chen,
• Abstract要約: マルチNUMA PM(DVAMP)における動的VM割り当て問題について紹介する。 本研究では,問題固有の対称性を生かした新しい強化学習手法であるSPANEを提案する。 Huawei-East-1データセットで実施された実験は、SPANEが既存のベースラインを上回っ、平均VM待ち時間を45%削減していることを示している。
• 参考スコア（独自算出の注目度）: 28.72083501050024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As cloud computing continues to evolve, the adoption of multi-NUMA (Non-Uniform Memory Access) architecture by cloud service providers has introduced new challenges in virtual machine (VM) scheduling. To address these challenges and more accurately reflect the complexities faced by modern cloud environments, we introduce the Dynamic VM Allocation problem in Multi-NUMA PM (DVAMP). We formally define both offline and online versions of DVAMP as mixed-integer linear programming problems, providing a rigorous mathematical foundation for analysis. A tight performance bound for greedy online algorithms is derived, offering insights into the worst-case optimality gap as a function of the number of physical machines and VM lifetime variability. To address the challenges posed by DVAMP, we propose SPANE (Symmetry-Preserving Architecture for Multi-NUMA Environments), a novel deep reinforcement learning approach that exploits the problem's inherent symmetries. SPANE produces invariant results under arbitrary permutations of physical machine states, enhancing learning efficiency and solution quality. Extensive experiments conducted on the Huawei-East-1 dataset demonstrate that SPANE outperforms existing baselines, reducing average VM wait time by 45%. Our work contributes to the field of cloud resource management by providing both theoretical insights and practical solutions for VM scheduling in multi-NUMA environments, addressing a critical gap in the literature and offering improved performance for real-world cloud systems.
• Abstract（参考訳）: クラウドコンピューティングが進化を続けるにつれて、クラウドサービスプロバイダによるマルチNUMA(Non-Uniform Memory Access)アーキテクチャの採用が、仮想マシン(VM)スケジューリングにおける新たな課題を導入している。 これらの課題に対処し、現代のクラウド環境が直面する複雑さをより正確に反映するために、マルチNUMA PM (DVAMP) において動的VM割り当て問題を導入する。 我々は、DVAMPのオフライン版とオンライン版の両方を混合整数線形プログラミング問題として定義し、解析の厳密な数学的基盤を提供する。 厳格なオンラインアルゴリズムに縛られた厳密なパフォーマンスが導出され、物理マシンの数とVM寿命の変動性の関数として最悪のケースの最適性ギャップに関する洞察を提供する。 DVAMPによってもたらされる課題に対処するため,本研究では,問題固有の対称性を活用する新しい強化学習手法であるSPANE(Symmetry-Preserving Architecture for Multi-NUMA Environments)を提案する。 SPANEは物理機械状態の任意の置換の下で不変な結果を生成し、学習効率と解の質を向上させる。 Huawei-East-1データセットで実施された大規模な実験は、SPANEが既存のベースラインを上回っ、平均VM待ち時間を45%削減していることを示している。 本研究は,マルチNUMA環境におけるVMスケジューリングに関する理論的洞察と実践的ソリューションを両立させることで,クラウドリソース管理の分野に寄与する。

関連論文リスト

• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• HRVMamba: High-Resolution Visual State Space Model for Dense Prediction [60.80423207808076]
  効率的なハードウェアを意識した設計のステートスペースモデル(SSM)は、コンピュータビジョンタスクにおいて大きな可能性を証明している。 これらのモデルは、誘導バイアスの不足、長距離の忘れ、低解像度の出力表現の3つの主要な課題によって制約されている。 本稿では, 変形可能な畳み込みを利用して, 長距離忘れ問題を緩和する動的ビジュアル状態空間(DVSS)ブロックを提案する。 また,DVSSブロックに基づく高分解能視覚空間モデル(HRVMamba)を導入し,プロセス全体を通して高分解能表現を保存する。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Cost-Aware Dynamic Cloud Workflow Scheduling using Self-Attention and Evolutionary Reinforcement Learning [7.653021685451039]
  本稿では,クラウドワークフロースケジューリングのための自己注意ポリシーネットワークを提案する。 トレーニングされたSPN-CWSは、すべての候補インスタンスを効果的に処理し、ワークフロータスクを実行するのに最も適したVMインスタンスを特定する。 提案手法は,複数のベンチマークCDMWS問題において,最先端のアルゴリズムよりも顕著に優れている。
  論文  参考訳（メタデータ） (2024-09-27T04:45:06Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• Self-Sustaining Multiple Access with Continual Deep Reinforcement Learning for Dynamic Metaverse Applications [17.436875530809946]
  Metaverseは,さまざまな世界で構成される仮想環境の構築を目的とした,新たなパラダイムだ。 このような動的で複雑なシナリオに対処するためには、自己維持戦略を採用する方法が考えられる。 本稿では,知的エージェントのスループットを最大化するために,マルチチャネル環境におけるマルチアクセスの問題について検討する。
  論文  参考訳（メタデータ） (2023-09-18T22:02:47Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• Smoothed Online Learning for Prediction in Piecewise Affine Systems [43.64498536409903]
  本稿では,最近開発されたスムーズなオンライン学習フレームワークに基づく。 これは、断片的なアフィン系における予測とシミュレーションのための最初のアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-01-26T15:54:14Z)
• VMAgent: Scheduling Simulator for Reinforcement Learning [44.026076801936874]
  VMAgentと呼ばれる新しいシミュレータは、RL研究者が新しい手法をよりよく探求するのに役立つ。 VMAgentは、実用的な仮想マシン(VM)スケジューリングタスクにインスパイアされている。 VMスケジューリングの観点からは、VMAgentは学習ベースのスケジューリングソリューションの改善にも役立ちます。
  論文  参考訳（メタデータ） (2021-12-09T09:18:38Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• Multi-factorial Optimization for Large-scale Virtual Machine Placement in Cloud Computing [15.840835256016259]
  進化的アルゴリズム(EA)は、過去に仮想マシン配置(VMP)問題に対して有望な解決がなされてきた。 クラウドサービスの需要が増大するにつれて、既存のEAは大規模な仮想マシン配置問題で実装することができない。 異種環境におけるLVMP問題にMFO技術を適用することを目的としている。
  論文  参考訳（メタデータ） (2020-01-18T02:59:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。