Lineer Elastik Önbellekleme: Bulut Maliyetlerini Optimize Eden Yeni Bir Önbellek Yönetimi Yaklaşımı
Google/DeepMind
Google Research ve Google Cloud, toplam maliyeti en aza indirmek için önbellek boyutunu dinamik olarak ayarlayan lineer elastik önbellekleme yöntemini tanıttı. Sayfa çıkarmayı bir kayak kiralama problemi olarak ele alan ve hafif bir makine öğrenimi modeli kullanan bu yaklaşım, Spanner üretim sunucularında bellek kullanımını yalnızca %0,5 giriş-çıkış maliyeti artışıyla %30'a kadar azalttı.
Google Araştırma ve Google Cloud, CIDR 2025'te doğrusal esnek önbelleğe alma (linear elastic caching) sunumu yaptı. Bu yöntem, belleği değişken bir maliyet olarak ele alır ve önbelleğe alınan sayfalar için yaşam süresini (time-to-live - TTL) belirlemek amacıyla bir kayak kiralama algoritması (ski rental algorithm) kullanır. Bununla birlikte, hafif makine öğrenimi (sığ bir karar ağacı) ile optimal TTL tahmini yapılır. Spanner üretim ortamında, bu yöntem bellek tüketimini %30'a kadar azaltırken, girdi-çıktı maliyetlerinde ihmal edilebilir düzeyde %0,5'lik bir artışa neden oldu. Kamuya açık izleme değerlendirmeleri de sabit boyutlu önbelleklere kıyasla tutarlı maliyet tasarrufları gösterdi. Bu çalışma Todd Lipcon, Manish Purohit, Tamas Sarlos ve Ravi Kumar tarafından gerçekleştirildi.
Kaynak: Google Research —
orijinal