데이터 센터는 테트리스 블록을 맞추는 것과 같이, 처리 작업을 효율적으로 할당하는 복잡한 과제에 직면해 있습니다. 가상 머신(VM)의 수명이 불확실하기 때문에 할당이 어렵습니다. 구글의 LAVA 시스템은 AI를 사용하여 VM 수명을 예측함으로써 효율성을 향상시키는 것을 목표로 합니다. 단일 예측과는 달리, LAVA는 "지속적인 재예측"을 사용하여 수명 추정치를 끊임없이 업데이트합니다. 이는 다양한 VM 동작을 고려하기 위해 학습된 확률 분포를 포함합니다. 이 시스템은 세 가지 알고리즘을 포함합니다: NILAS는 수명 예측을 통합하여 호스트 선택을 최적화합니다. LAVA는 수명이 짧은 VM을 수명이 긴 VM과 함께 배치하여 예측 오류에 적응합니다. LARS는 예측된 수명을 기반으로 유지 보수 중 VM 중단을 최소화합니다. 이 모델은 낮은 지연 시간과 높은 신뢰성을 위해 스케줄러에 직접 통합됩니다. NILAS는 빈 호스트를 늘리고 리소스 낭비를 줄이는 등 상당한 개선을 보여주었습니다. 시뮬레이션 결과 LAVA와 LARS가 효율성을 더욱 향상시킬 것으로 예상됩니다. 이 프로젝트는 데이터 센터 최적화를 위한 머신 러닝의 성공적인 통합을 보여줍니다.