Linear Elastic Caching: Phương pháp Mới Quản Lý Bộ Nhớ Đệm Tối Ưu Chi Phí Đám Mây
Google/DeepMind
Google Research và Google Cloud đã giới thiệu linear elastic caching, một phương pháp tự động điều chỉnh kích thước bộ nhớ đệm để giảm thiểu tổng chi phí. Bằng cách mô hình hóa việc loại bỏ trang như một bài toán ski rental và sử dụng mô hình học máy nhẹ, phương pháp này đã giảm tới 30% mức sử dụng bộ nhớ trên các máy chủ sản xuất Spanner, chỉ làm tăng 0,5% chi phí I/O.
Google Research và Google Cloud đã trình bày về bộ nhớ đệm đàn hồi tuyến tính tại CIDR 2025. Phương pháp này coi bộ nhớ như một chi phí biến đổi và sử dụng thuật toán ski rental để xác định thời gian tồn tại (TTL) cho các trang được lưu trong bộ đệm, kết hợp với học máy nhẹ (cây quyết định nông) để dự đoán TTL tối ưu. Trong môi trường sản xuất Spanner, nó đã giảm mức tiêu thụ bộ nhớ tới 30% trong khi chỉ làm tăng chi phí I/O không đáng kể 0,5%. Các đánh giá trên dữ liệu trace công khai cũng cho thấy tiết kiệm chi phí nhất quán so với các bộ nhớ đệm kích thước cố định. Công trình được thực hiện bởi Todd Lipcon, Manish Purohit, Tamas Sarlos và Ravi Kumar.
Nguồn: Google Research —
bản gốc