[论文解读] Optimal Response to Burstable Billing under Demand Uncertainty

Yong Zhan, Mahdi Ghamkhari+3 more|arXiv (Cornell University)|Mar 18, 2016

Supply Chain and Inventory Management参考文献 17被引用 3

一句话总结

本文提出一种基于优化的方法，使用户在需求不确定的突发计费模式下，能够最小化带宽成本并最大化盈余。通过推导95%百分位使用量的可处理模型，该文构建了一个随机带宽分配问题，并利用真实工作负载轨迹表明，与按需分配相比，成本降低26%，盈余提升23%。

ABSTRACT

Burstable billing is widely adopted in practice, e.g., by colocation data center providers, to charge for their users, e.g., data centers, for data transferring. However, there is still a lack of research on what the best way is for a user to manage its workload in response to burstable billing. To overcome this shortcoming, we propose a novel method to optimally respond to burstable billing under demand uncertainty. First, we develop a tractable mathematical expression to calculate the 95th percentile usage of a user, who is charged by provider via burstable billing for bandwidth usage. This model is then used to formulate a new bandwidth allocation problem to maximize the user's surplus, i.e., its net utility minus cost. Additionally, we examine different non-convex solution methods for the formulated stochastic optimization problem. We also extend our design to the case where a user can receive service from multiple providers, who all employ burstable billing. Using real-world workload traces, we show that our proposed method can reduce user's bandwidth cost by 26% and increase its total surplus by 23%, compared to the current practice of allocating bandwidth on-demand.

研究动机与目标

• 为解决用户在突发计费模式下需求不确定时缺乏系统性方法以最优方式管理带宽的问题。
• 为在任意需求分布下计算95%百分位带宽使用量，开发一个可处理的数学模型。
• 构建一个盈余最大化问题，以在不确定性下平衡用户效用与带宽成本。
• 将模型扩展至多提供商场景，支持在采用突发计费的多个提供商之间分配工作负载。
• 使用真实世界维基百科工作负载轨迹进行评估，并展示显著的成本与盈余改善。

提出的方法

• 推导出95%百分位带宽使用量的闭式表达式，以实现在任意需求分布下的解析优化。
• 构建一个随机优化问题，以在需求不确定下最大化用户盈余（定义为净效用减去带宽成本）。
• 应用非线性混合整数规划技术求解非凸优化问题，评估基于确定性与随机预测的解法。
• 将框架扩展至多提供商环境，联合优化带宽分配与跨提供商的工作负载分配。
• 使用真实世界维基百科页面访问轨迹进行工作负载预测与性能评估，参数涵盖不同价格与效用水平。
• 采用归一化与基线、确定性及随机方法的对比仿真，验证性能提升。

实验结果

研究问题

• RQ1 当未来需求不确定时，用户在突发计费模式下的最优带宽分配策略是什么？
• RQ2 用户如何在突发计费模式下，针对任意需求分布，最大化其盈余（定义为净效用减去成本）？
• RQ3 所提出的优化方法在真实世界工作负载下与按需带宽分配相比，性能如何？
• RQ4 在突发计费模式下，利用多个提供商在成本降低与盈余提升方面有何优势？
• RQ5 带宽价格与用户效用敏感度如何影响所提出优化框架的性能？

主要发现

• 所提方法在使用真实世界维基百科工作负载轨迹时，相比按需分配，使用户带宽成本降低26%。
• 该方法相比当前按需实践，使用户盈余提升23%，尤其在高带宽价格或高价格敏感度条件下更为显著。
• 随机优化方法优于基线方法与确定性方法，尤其在需求不确定性较高时表现更优。
• 使用多个提供商可进一步降低带宽成本并提升盈余，多提供商随机方法优于单提供商策略。
• 效用因子较低（更价格敏感）的用户从优化框架中受益更多，盈余提升更显著。
• 即使使用简单的预测方法，该框架仍保持有效，表明其具备鲁棒性与实际适用性。