データセンターは、テトリスのブロックを組み合わせるように、処理ジョブを効率的に割り当てるという複雑な課題に直面しています。仮想マシン（VM）の寿命は不確実であり、割り当てを困難にしています。GoogleのLAVAシステムは、AIを使用してVMの寿命を予測することで、効率を向上させることを目指しています。単一の予測とは異なり、LAVAは「継続的な再予測」を使用し、寿命の推定値を常に更新します。これには、さまざまなVMの動作を考慮するために学習された確率分布が含まれます。このシステムには、3つのアルゴリズムが含まれています。NILASは、寿命予測を組み込んでホストの選択を最適化します。LAVAは、短命なVMを長命なVMと一緒に配置し、誤った予測にも対応します。LARSは、予測された寿命に基づいて、メンテナンス中のVMの中断を最小限に抑えます。このモデルは、低遅延と高い信頼性のために、スケジューラーに直接統合されています。NILASは、空のホストを増やし、リソースの枯渇を減らすなど、大幅な改善を示しています。シミュレーションでは、LAVAとLARSがさらに効率を向上させることが示唆されています。このプロジェクトは、データセンターの最適化への機械学習の成功した統合を示しています。