智能算力方向分析

一 智能算力模型

1.1 目标是什么

明确算力决策要解决的问题，定义算力决策的目标是一切讨论的基础。直观上，大家对算力决策的期待有两种表达形式：

• 追求收益：在算力资源的约束下，使收益最大化
• 节省成本：在收益持平的约束下，降低算力成本
  这两种表达形式虽然在大方向上一定是正相关，但是将其应用在在衡量工作价值上时，会有一些区别。

1. 衡量的难度：自然状态下，是因为有了算力资源的存在，所以流量才能产生收益，“算力”是“收益”的因，“收益”是“算力”的果。“算力”作为因变量，方便人为控制；反之，“收益”作为果变量，不便于控制。
2. 工作的投入产出比：同样投入X人日进行算力决策建设，回报的是1000w/天的收入增长，还是20w/月的成本节约，这直接决定了立项的合理与否。广告业务系统的核心产出是“收益”，广告的同学最终是在为收益服务。
   因此，“在算力资源的约束下，使收益最大化”是更合理的目标。

如何长期跟踪效果

“收益持平的前提下，成本降低x%”、“成本不变的前提下，收益增长x%”这种表达形式仅仅描述了在“当前算成本-收益点位下”的工作成果。成本与收益之间的关系往往是高度非线性的。同样的策略，在成本约束为100w core时收益增长1%，可能在成本约束为1000w core时仅增涨0.1%；在收益10亿/天时节省成本1000 w/天，可能在在收益8亿/天时节省成本500 w/天。如果约束本身也是波动的，我们很难长期跟踪算力决策系统的效果。
建议在长期跟踪算力决策价值时，首先将算力约束的值长期确定下来，并在此基础上定期进行反转实验，观察收益变化。

1.2 有哪些约束

相对于理论分析，真实的广告系统有一些额外的考虑因素。

单Req时延约束

除了总算力需要满足约束以外，单个请求的算力开销也有限制，否则会导致超时。
若不考虑并行，单Req的时延约束 其实就是 单Req算力约束 的另一种体现形式。

模块资源配比约束

由于各个模块的配比未必达到最优，可能在调控时出现短板效应。
不过长期来看，模块间资源配比应该达到动态最优，因此不应该是一个强约束。

总资源约束

机器资源总量是显而易见的约束。

1.3 如何实现调控

调控分为两层：一是单请求的微观调控，实现单请求目标最大化；二是系统层面的宏观调控。实现系统的目标最大化。

微观调控

让每个请求在规定时间内完成计算，并通过下面的调控手段进行干预：

1. 当系统处于算力不足态时，系统的算力约束为常数，收入最大化一定是ROI最大化。此时调控每个请求，使之达到约束下的ROI最大化。
2. 当系统处于算力充足的状态时，则在时延约束内调控每个请求，使之达到约束下的收益最大化。

如何建立微观调控策略

策略分为多个子问题。

“调控策略->算力开销”模型

基于当下已有的调控点，测算各个调控Action带来的算力开销。

“调控策略->收入”模型

基于当下已有的调控点，测算各个调控Action对收入的影响。

求解微观调控策略ROI极值

max ⁡ 调控策略 ∑ i Q ( 调控策略 ) / C ( 调控策略 ) s.t. 单 R e q 时延约束 系统约束

调控策略max​s.t.​i∑​Q(调控策略)/C(调控策略)单Req时延约束系统约束​​​

宏观调控

1. 当系统处于算力不足态时，系统的算力约束为常数，ROI最大化一定是收益最大化。基本策略是：
   a. 系统ROI最大化：若某个Req的预估ROI低于当前系统的平均ROI，则丢弃这一请求
   b. 随着平均ROI提升，系统会丢掉更多的请求，最终进入“算力充足态”
2. 当系统处于算力充足的状态时，则在时延约束内最大化收益
   a. 系统收益最大化：丢弃收益低于算力成本的请求
   b. 随着更多请求进入，系统进入“算力不足态”
3. 通过一定方式，使在两种目标策略中平滑切换

上述宏观调控模型忽略了各模块间资源可能不匹配的现状。虽然长期不匹配问题不会存在，但是短期仍需考虑其实际影响。如考虑不匹配因素，则“算力充足/不足态”是一个局部概念，无法简单的做判断。
为了解决这个问题，可能需要对系统状态进行embedding，在求解单Req ROI最大化时，需要考虑系统约束。
系统约束可能包含各模块SLO、时延、集群CPU/网卡/内存负载等。

算力工程

建立算力开销统计能力

建立CPU、GPU、带宽、内存开销度量体系。

建立决策数据采样体系

请求/系统粒度采样决策内容、算力开销、系统状态、广告收入等内容。

建立在线决策工程体系

基于当前策略需要设计完善的在线决策工程体系。

二 业界进展

2.1 技术演进过程

1. 单调控点、单维度（队列长度）建模，二分法求解
   阿里妈妈DCAF：https://arxiv.org/pdf/2006.09684.pdf
2. 多维度调控（队列 + 模型），二分法求解
   美团全链路调控：https://mp.weixin.qq.com/s/iUlKGEN1sFyyVvOzBO34wA
3. 多调控点建模
   a. 线性规划求解
   阿里CRAS：https://arxiv.org/pdf/2103.02259.pdf：预排、粗排和精排队列联合优化的联合最优算力分配
   b. 进化算法求解
   美团CEM：https://mp.weixin.qq.com/s/yEdrP4xmzOQs6jfXoCBJzw：各阶段强约束（超时时间）
   c. 强化学习求解
   美团RL：https://dl.acm.org/doi/pdf/10.1145/3543507.3583313
4. 快手最新论文（未阅读）
   https://dl.acm.org/doi/pdf/10.1145/3539618.3591696

2.2 阿里妈妈建设思路梗概

• 工程体系建设：价值预估、算力预估、算力决策三个子问题
• 流量过剩、流量不足是两个策略，根据潮汐切换
• 离线求解
• 主场景未做到流量个性化，只做了场景个性化；小场景做了流量丢弃、多调控点调控（独立DCAF）
• 流量个性化与算法目标冲突