安妮 编译自 arXiv

量子位 出品 | 公众号 QbitAI

随着云计算的普遍应用，控制计算成本越来越重要，但有调查显示，30%-45%的云开销被浪费了。一些大企业通常咨询专家控制开支，但一些小企业或个人就无法节省费用了。

近日，研究人员发现深度强化学习算法能平衡云服务性能和开销，用户不用规划如何实现，只需设置他们想达到的效果即可。这项研究大大降低了控制云服务开销的专业门槛。

△ 云计算让共享软硬件资源能按需提供给计算机各种终端和其他设备/图片来自维基百科

研究人员将这项研究的论文《Automated Cloud Provisioning on AWS using Deep Reinforcement Learning》发表在arXiv上，论文由微软的Zhiguang Wang、商业遥感卫星服务商BlackSky的Chul Gwon和Adam Iezzi以及美国马里兰大学的Tim Oates四名研究人员共同完成。

Double Deep Q-learning

为了让用户轻松减少开销，研究人员用了哪些方法呢？

在这篇论文里，研究人员探索了强化学习在云配给上的应用，用户可以制定基于性能和开销的奖励，强化学习算法计算如何去获取奖励。

研究人员用double deep Q-learning算法在CloudSim云计算仿真器上模拟运行效果，结果能够显示强化学习的效果和这种方法的相对优劣。

△ DDQN结构图

上图就是一张基于竞争架构的DDQN（double deep Q-learning network）结构图。SeLU函数激活了四个卷积层，并且没有进行池化操作。研究人员没有在最终输出前插入完全连接层，而是将最后卷积层的平坦特征图减半，以此计算状态和效果。

研究人员发现，这种架构有助于用更少的参数提高稳定性。

亚马逊AWS评测效果

亚马逊网络服务系统（Amazon Web Services，AWS）是亚马逊创建的云计算平台，它提供多种远程Web服务，Amazon EC2与Amazon S3都架构在这个平台上。

△ AWS的环境

在论文中，研究人员展示了从简单的模拟器到CloudSim的迁移学习，之后再从CloudSim迁移到一个真实的AWS云环境的实例。

在AWS上的运行效果受到了运行时间的限制。研究人员在AWS系统上的运行阈值基线和DQN模型的时间只有3周，但运行D3QN的时间只有一个星期。为了帮助初始测试和开发AWS的环境，研究人员故意将tabular-based Q-learner的运行时间缩短了。

上图为运行结果，结果中包含用相同binning的模拟运行，方便研究人员与预期的结果进行比较。正如我们在模拟运行中所观察到的，如果leaner能在AWS上多运行一段时间，就能看到提高。

在实际的AWS环境中添加非零延迟值会影响结果。虽然很难看到奖励增多，随着时间的推移，奖励的变化明显减少了，这意味着性能是可以提高的。

商业机会

外国媒体Architecht在推荐这篇论文时，说它看起来像是个商业机会：

这是一个研究课题，如果有人想做，看起来又有些商业前景。这项研究的本质是训练一个系统，它能判断理想性价比和其他商业指标，比如“尽可能在平均用户响应时间增加不超过2%的情况下降低开销”。

这么有趣的事情，怎么能不看看论文呢？

论文获取地址：

https://arxiv.org/abs/1709.04305

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI

?'?' ? 追踪AI技术和产品新动态