《Future Generation Computer Systems》：Navigating the performance-resilience trilemma: BAHYA, a budget-aware hybrid DRL approach for the mission-critical application placement in computing continuum
编辑推荐：
摘要翻译
计算连续体中的应用部署必须满足现代服务日益复杂的需求。虽然该范式有效地整合了边缘（Edge）与云（Cloud）资源，但也引入了一个关键三难困境：同时优化低延迟、能源效率和高弹性（Resilience）。现有的先进策略通常优先考虑性能和效率，将弹性
摘要翻译
计算连续体中的应用部署必须满足现代服务日益复杂的需求。虽然该范式有效地整合了边缘（Edge）与云（Cloud）资源，但也引入了一个关键三难困境：同时优化低延迟、能源效率和高弹性（Resilience）。现有的先进策略通常优先考虑性能和效率，将弹性视为次要、静态约束，这对于关键任务应用而言是不够的。本文提出了BAHYA（Budget-Aware HYbrid drl Approach），一种通过混合深度强化学习（DRL）与启发式架构解决三难困境的新型部署方法。BAHYA设计的核心在于将应用的服务级别协议（SLA）错误预算视为可动态管理的资源。该机制使DRL智能体能够在相互竞争的目标之间进行战略性权衡。通过基于仿真的综合实验，研究人员证明BAHYA在高负载条件下在性能与可靠性方面显著优于最先进的基线方法。结果验证，通过战略性地消耗可控的错误预算部分，BAHYA在保持可预测、符合SLA的性能的同时实现了更优的弹性，为未来一代系统提供了更稳健的解决方案。
论文解读
研究背景与问题提出：计算连续体（Computing Continuum）通过整合边缘（Edge）、雾计算（Fog）与云（Cloud）计算，构建从网络边缘到核心的分层基础设施，旨在缓解集中式计算的传统局限性，包括高延迟、带宽受限和数据隐私问题。该架构能够支持延迟敏感、资源密集型及关键任务应用。然而，连续体的异构性与大规模部署带来了复杂的资源优化挑战。具体而言，部署策略需同时优化多个冲突目标以保证服务质量（QoS）：最小化端到端延迟、降低资源及能耗消耗、并考虑服务器的有限容量。分布式系统的不可靠性进一步加剧了问题，例如电力故障、网络中断和主机崩溃可能消耗应用的错误预算（Error Budget），导致服务不可用、数据丢失及SLA违规。这构成了性能-弹性-能效三难困境：为提升弹性分布副本会增加延迟与能耗，而为节能而合并副本则降低弹性。现有研究多优先考虑性能与能效，将弹性视为次要或静态约束，无法满足关键任务应用对持续性和高可用性的需求，如自动驾驶、实时病患监控及智能电网控制场景。
研究方法与贡献：为解决该关键问题，研究人员提出BAHYA（Budget-Aware HYbrid drl Approach），一种预算感知（Budget-Aware）自适应部署策略，核心在于将应用的SLA错误预算视为动态资源。BAHYA通过混合深度强化学习（DRL）与启发式规则（Heuristic）相结合的架构实现安全优化，启发式机制保证即时SLA合规性，DRL智能体学习长期策略以最大化动态加权的目标。主要贡献包括：（1）提出兼顾延迟、弹性与能效的自适应部署策略，将SLA错误预算用于动态调节奖励函数，实现目标之间的战略性权衡；（2）设计混合DRL-启发式架构，确保安全探索的同时提升长期优化效果。
技术方法概述（≤250字）：研究人员通过构建多层次计算连续体模拟环境，包括边缘节点、交换机及云服务器，采用EdgeSimPy v1.1.0离散事件模拟框架进行实验。应用BAHYA算法在仿真中部署副本，结合SLA错误预算的动态管理，DRL智能体在启发式规则保障下学习优化策略，实现延迟、弹性及能效的协调。实验基于城市网格化地图模型构建基础设施，覆盖17个基站、17个交换机和9台服务器。
研究结果：
- **学习动态验证**：通过仿真实验，DRL智能体有效学习策略，平衡延迟、能耗与弹性目标，实现SLA合规性。
- **基线算法比较**：与最先进基线方法相比，BAHYA在高负载条件下显著提升性能与弹性，表现出更稳定的副本分布策略。
- **性能评估**：在系统整体负载增加时，BAHYA通过战略性消耗错误预算，实现副本合理分布，增强故障容忍（Fault Tolerance）能力，同时保持延迟可控与SLA遵循。
讨论与结论：研究人员强调BAHYA的创新在于将延迟从单一约束转化为可管理的错误预算，以支持弹性优化。通过智能分配副本和动态管理SLA预算，BAHYA显著提升了关键任务应用的容错能力，减少服务中断风险，同时保证性能的可预测性与SLA遵守。这一策略提供了一种面向未来计算连续体的稳健应用部署方案，为关键任务系统在大规模、异构环境下的可靠运行提供实践指导。《Future Generation Computer Systems》发表的论文显示，BAHYA代表了性能-弹性-能效三难困境优化的前沿方法，为后续研究提供理论与实践基础。
