Új AI-modell segíthet 10-50% költségmegtakarítást elérni a felhőszolgáltatásoknál
A STARIXNet nevű könnyűsúlyú neurális hálózat 10-50% közötti költségmegtakarítást tesz lehetővé a felhőszolgáltatások erőforrás-allokációjában, a szolgáltatásstabilitást és a költséghatékonyságot helyezi előtérbe.
Az arXiv kutatói bemutatták a STARIXNet nevű új, könnyűsúlyú neurális hálózatot, amely a felhőalapú platformok erőforrás-allokációjának optimalizálására szolgál. A modell képes több rendszer metrikát figyelembe venni, és előre jelezni a terhelésváltozásokat, ezzel csökkentve a felmerülő számítási költségeket és elkerülve a szolgáltatáskimaradásokat — írja az arXiv.
A jelenlegi megoldások gyakran csak egyetlen metrikára, például a CPU-használatra koncentrálnak, ami nem elegendő a komplex rendszerek hatékony kezeléséhez. A STARIXNet ezzel szemben a szezonális, időbeli, autoregresszív és exogén mintázatokat is figyelembe véve modellezi a több, egymással összefüggő jellemzőt. Ez a megközelítés lehetővé teszi a szolgáltatásstabilitás és a költséghatékonyság prioritizálását a puszta előrejelzési pontosság rovására.
Kapcsolódó: autonóm rendszerek fejlődése
Valós idejű erőforrás-allokáció
A STARIXNet megvalósítja az aggregációs politikát a végső skálázási döntések meghozatalához. Ez a módszer különösen alkalmas valós idejű, nagyméretű bevetésekre, mivel számítási komplexitása alacsonyabb, mint a hagyományos, tisztán előrejelzésre fókuszáló megoldásoké. A modell képes megbirkózni a mikroszolgáltatások intelligens skálázásának kihívásaival.
Kapcsolódó: napenergia-termelés előrejelzése
Walmartnál már használatban
A STARIXNet teljesítményét valós körülmények között tesztelték, és a Walmartnál már sikeresen be is vezették kritikus termelési mikroszolgáltatásokhoz. A bevezetés eredményeként a vállalat 10% és 50% közötti megtakarítást ért el a számítási költségekben. Emellett a szolgáltatásstabilitás javulása és a jobb ügyfélélmény is jelentős, bár nehezebben mérhető előnyökkel járt.
Kapcsolódó: Anchor rendszer bemutatása