AI-Driven Multi-Objective Scheduling and Load Balancing of Containers in Federated Cloud Environments
تقترح هذه الورقة إطار عمل مدفوعاً بالذكاء الاصطناعي لبيئات السحابة الاتحادية يدمج الشبكات العصبية الرسومية، وتحسين NSGA-II، والمناديب السياقية لتقليل انتهاكات اتفاقية مستوى الخدمة (SLO)، واستهلاك الطاقة، والتكاليف التشغيلية، وحركة المرور بين المجموعات في آن واحد، مع تعظيم العدالة والاستقرار، محققاً أداءً فائقاً على الطرق القائمة في التقييمات التجريبية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الإنترنت كمدينة ضخمة وصاخبة مكونة من ملايين الشاحنات الصغيرة المستقلة ذاتياً والمسمى "الحاويات" (Containers). تحمل هذه الشاحنات التطبيقات والخدمات التي نستخدمها كل يوم، من خلاصات وسائل التواصل الاجتماعي إلى عربات التسوق عبر الإنترنت. في الماضي، كانت هذه الشاحنات تسير غالباً داخل مستودع واحد ضخم (مركز بيانات واحد). ولكن اليوم، لجعل الأمور أسرع وأرخص، بنينا شبكة من المستودعات في جميع أنحاء العالم، متصلة بطرق سريعة. وهذا ما يسمى بـ "السحابة الاتحادية" (Federated Cloud).
المشكلة تكمن في أن إدارة هذا الأسطول العالمي أمر صعب للغاية. إذا أرسلت شاحنة إلى مستودع بعيد، فقد تصل بسرعة ولكنها ستكلف ثروة في الوقود. وإذا أرسلتها إلى مستودع رخيص قريب، فقد تعلق في الازدحام المروري، مما يجعل الفيديو الخاص بك يتوقف للتحميل (Buffering). وإذا كدست الكثير من الشاحنات في مستودع واحد، فسيؤدي ذلك إلى ارتفاع حرارته واستهلاك الكثير من الكهرباء. كانت الطريقة القديمة لإدارة ذلك تشبه شرطي مرور يستخدم كتاب قواعد بسيط: "اختر دائماً المستودع الأقرب" أو "اختر دائماً المستودع الأرخص". لكن العالم ليس بهذه البساطة؛ فأنت بحاجة إلى نظام يمكنه الموازنة بين السرعة، والتكلفة، والطاقة، والعدالة في آن واحد، وبشكل فوري، مع تغير أنماط حركة المرور. هنا يأتي دور علم "الجدولة" (Scheduling) — أي إيجاد المسار المثالي لكل شاحنة بمفردها بحيث يحصل الجميع على ما يحتاجونه دون أن تصاب المدينة بأكملها بالشلل المروري.
الفكرة الكبرى للورقة البحثية: متحكم مروري فائق الذكاء
في هذه الورقة، يقدم فريق من الباحثين نظاماً جديداً يعمل بالذكاء الاصطناعي يطلقون عليه اسم GOLTI. فكر في GOLTI كمتحكم مروري مستقبلي فائق الذكاء، لا يكتفي فقط باتباع كتاب قواعد، بل يتعلم فعلياً كيف تتصرف المدينة. فبدلاً من النظر إلى شيء واحد فقط (مثل السرعة)، يحاول حل لغز هائل حيث يتعين عليه تقليل التأخير، وتوفير الطاقة، وخفض التكال، والحفاظ على عدالة حركة المرور للجميع، كل ذلك في وقت واحد.
بنى الباحثون هذا النظام باستخدام بعض الحيل الذكية، والتي اختبروها في عالم محاكى يشبه إلى حد كبير شبكات السحابة الحقيقية. إليك كيف يعمل "سحرهم":
- البلورة السحرية (متنبئ GNN): قبل اتخاذ أي خطوة، يستخدم GOLTI نوعاً خاصاً من الذكاء الاصطناعي يسمى "الشبكة العصبية الرسومية" (GNN). تخيل هذا كبلورة سحرية تنظر إلى خريطة كيفية تواصل التطبيقات المختلفة مع بعضها البعض وتتنبأ بالضبط بالوقت الذي ستستغرقه الرحلة، حتى قبل أن تغادر الشاحنة الرصيف. إنها تتنبأ بـ "زمن الاستجకు المتأخر" (Tail Latency)، وهو باختصار أسوأ سيناريو ممكن لمدى بطء عملية التسليم.
- عملية التوازن (NSGA-II): بمجرد حصوله على التوقعات، لا يختار GOLTI مجرد مسار واحد "أفضل". بدلاً من ذلك، يستخدم طريقة تسمى NSGA-II لإيجاد قائمة كاملة من الحلول "المثالية من نوع باريتو" (Pareto-optimal). فكر في الأمر كإيجاد مجموعة من المسارات حيث لا يمكنك تحسين شيء واحد (مثل السرعة) دون جعل شيء آخر أسوأ (مثل التكلفة). وهذا يمنح النظام قائمة من المقايضات المثالية للاختيار من بينها.
- شبكة الأمان (حارس الهجرة - Migration Guard): في بعض الأحيان، قد تسبب حركة نقل الشاحنات ذهاباً وإياباً فوضى عارمة. لذا، يمتلك GOLTI "حارساً" يمنع النظام من نقل الحاويات ذهاباً وإياباً دون داعٍ، مما يحافظ على الاستقرار.
- المتعلم (المنظم السياقي - Contextual Bandit): أخيراً، يمتلك النظام "دماغاً" يتعلم أثناء العمل. فهو يجرب استراتيجيات مختلفة، ويرى ما هو الأفضل في الظروف الحالية (ظروف الشبكة)، ويحدث خياراته. إنه يشبه السائق الذي يتعلم أن طريقاً معيناً يكون مزدحماً دائماً في الساعة الخامسة مساءً، فيتجنبه تلقائياً في المرة القادمة.
ما وجدوه
أجرى الباحثون اختبار نظام GOLTI الجديد مقابل الطرق الأقدم والأبسط باستخدام بيانات حقيقية من سحابة Google ومعيار الخدمات المصغرة الشهير DeathStarBench. كانت النتائج مثيرة للإعجاب حقاً. في عمليات المحاكاة الخاصة بهم، نجح GOLTI في التفوق على الطرق القديمة في معظم الفئات:
- السرعة: قلل معدل "انتهاكات اتفاقية مستوى الخدمة" (SLO violations) (الأوقات التي كانت فيها الخدمة بطيئة جداً) إلى 3.28% فقط. بينما عانت الطرق القديمة بشكل أكبر، حيث تراوحت المعدلات بين 5.91% و 10.26%.
- الطاقة: استخدم أقل قدر من الكهرباء، حيث استهلك 132.94 كيلوواط ساعة فقط، مقارنة بـ 139.18 كيلوواط ساعة أو أكثر للأساليب الأخرى.
- التكلفة: وفر المال، حيث بلغت التكटे التشغيلية 389.27 دولاراً، متفوقاً على أفضل الخيارات الأخرى التي كلفت 401.64 دولاراً.
- حركة المرور: أنتج أقل قدر من البيانات غير الضرورية التي تتحرك بين المستودعات، بواقع 248.36 جيجابايت، في حين أن الطرق الأخرى أدت إلى إنشاء ما يصل إلى 358.94 جيجابايت من حركة المرور.
- العدالة: كان الأكثر عدلاً مع جميع المستخدمين، بمؤشر عدالة بلغ 0.93 (حيث 1.0 هو الكمال)، بينما انخفضت القيم لدى الآخرين لتصل إلى 0.81.
كما حافظ النظام على "أزمنة الاستجابة المتأخرة" (أبطأ 5% و 1% من الطلبات) منخفضة جداً، عند 148.2 مللي ثانية و 196.4 مللي ثانية على التوالي، وتسبب في حالات قليلة جداً من "البقع الساخنة" (المناطق المثقلة بالحمل)، حيث سجل 6 حوادث فقط مقارنة بـ 17 حادثة للطريقة القديمة التي تركز على الطاقة.
الحكم النهائي
تشير الورقة البحثية إلى أن هذا النهج المدعوم بالذكاء الاصطناعي هو طريقة أذكى بكثير لإدارة السحابة العالمية مقارنة بالقواعد القديمة التي "تناسب الجميع". ومن خلال الجمع بين التنبؤ، والموازنة الذكية، والتعلم المستمر، يشير GOLTI إلى أنه يمكنه الحفاظ على سير المدينة الرقمية بسلاسة، وبتكلفة منخفضة، وكفاءة عالية. ومع ذلك، يلاحظ المؤلفون بحذر أن هذه النتائج تأتي من عمليات المحاكاة والاختبارات باستخدام بيانات عامة. فهم لم يختبروه بعد في بيئة إنتاج حقيقية وحية بكل ما فيها من أعطال الأجهزة غير المتوقعة وتغيرات الأسعار التي تحدث في العالم الحقيقي. ولكن في الوقت الحالي، تظهر المحاكاة مساراً واعداً للغاية لكيفية إدارة إنترنت المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.