Центры обработки данных сталкиваются со сложной задачей эффективного распределения задач обработки, подобно подгонке блоков Тетриса. Срок службы виртуальных машин (VM) неопределен, что затрудняет распределение. Система LAVA от Google нацелена на повышение эффективности, используя ИИ для прогнозирования сроков службы VM. В отличие от единичных прогнозов, LAVA использует "непрерывное перепрогнозирование", постоянно обновляя оценки срока службы. Это включает в себя изученное распределение вероятностей для учета различного поведения VM. Система включает три алгоритма: NILAS, который включает прогнозы срока службы для оптимизации выбора хоста. LAVA размещает VM с более коротким сроком службы вместе с VM с более длительным сроком службы, адаптируясь к неточным прогнозам. LARS минимизирует сбои VM во время обслуживания на основе прогнозируемых сроков службы. Модель интегрирована непосредственно в планировщик для низкой задержки и высокой надежности. NILAS продемонстрировал значительные улучшения, увеличив количество пустых хостов и уменьшив неиспользованные ресурсы. Симуляции показывают, что LAVA и LARS еще больше повысят эффективность. Проект демонстрирует успешную интеграцию машинного обучения для оптимизации центров обработки данных.