Towards Multi-Tenant Performance SLOs

作者：Willis Lang#1,  Srinath Shankar*2,  Jignesh M. Patel#3,  Ajay Kalhan+4

#Computer Sciences Department, University of Wisconsin
*Microsoft Gray Systems Lab+  Microsoft Corp.

ICDE 2012, （精读)

        作者是威斯康辛大学的博士，这篇文章是ICDE的最佳论文。这篇文章主要讲的是在现在云中DaaS（数据库即服务）的环境中，DaaS provider应该考虑租户对服务的性能要求，这篇文章中使用transaction per second（tps）作为metric，DaaS provider要针对特定的租户集合，从不同的服务器硬件集合中针对每种类型的服务器选择合适的个数，并且把租户调度到合适的服务器上，满足的目标是：每个租户的性能都要满足，同时整体的成本开销最小。

         文中不同类型的硬件用SKU表示，租户的性能要求以SLO表示，这篇文章中总共提了3种SLO（100tps、10tps、1tps），但是文章实验部分只是认为整个系统中仅存有两种类型，而且假定每个租户的负载特征都是一样。文中仅有两种类型的SKU。每个租户的负载模型是基于TPC-C比例因子为10，TPC-C中的5种事务以存储过程的形式存在数据库端，tps仅是测量new-order的事务。

          文中提出的解决框架如下，输入就是租户集合，每个租户所属等级，服务器硬件（SKU）集合，每类SKU价格已知，输出就是服务器供应策略和租户调度放置策略。

第一步：每类SKU上，测量放置多个租户对性能的影响，输出是每个SKU上放一定数量租户时，平均每个租户的性能参数值

第二步：每类SKU上，测量放置不同种类的租户对性能的影响，输出是每个SKU上放置一定数量的不同类型租户时，每个租户的性能值是否满足要求

第三步：把上述问题建模成一个最优化问题，目标函数是整体价格最小，约束条件分别是：覆盖全部租户，每个SKU上每类租户都满足SLO的要求。

         文章只是给出了原始解，暴力破解去解这个问题。实验分二部分，第一部分是用实际案例说明这个问题是可解的，给出结果图；第二部分是与4个简单的策略进行比较，分别是：

想要说明针对不同场景，可以使用不同的替代简化策略，在cost和simplicity之间做出选择（因为最优策略需要的管理费用很高）。

总结：这篇文章仅仅是提出新的问题，给出了原始的解，在future work中也提到一些方向：副本和负载均衡的影响，改进前两步的benchmarking，考虑负载的变化等等。