## 定義 クラウドオーバーサブスクリプション(過剰申込)とは、テナントが購入(予約)したリソース量と実際にワークロードが消費するリソース量との間に存在する乖離を利用し、未使用リソースを他のワークロードへ再利用することでクラウド事業者の資源利用率・収益性を高める戦略である。Microsoft Azureの分析ではノードの60%超がCPU利用率20%未満に留まるなど、実利用率と申告量の乖離は業界で広く観測されている。過度なオーバーサブスクリプションはノードの過負荷を招き、テナント側のSLA違反につながるため、「どれだけ積極的に申込を超過して割り当てるか」という利益とリスクのトレードオフが中心的な設計課題となる。(Source: [[@2026__SIGCOMM__Rethinking Cloud Optimization - Volatility-Driven for Better Outcomes]]) ## 既存の2大アプローチ 1. **反応的再スケジューリング**: 過負荷イベント発生後に機械学習等で検知し再配置する。検知・再配置の遅延とオーバーヘッドが不可避でワークロード性能を劣化させる。 2. **保守的オーバーサブスクリプション**: 過去のピーク使用量に安全係数を掛けて予約する([[Tencent]] CloudのCraneは1.2倍)。ピークと平均の乖離が大きいワークロードほど、オーバーサブスクリプション可能な余地が狭まる。 いずれの方式もテナント体験(性能劣化)かプロバイダの収益性(資源の遊休化)のどちらかを犠牲にする。(Source: [[@2026__SIGCOMM__Rethinking Cloud Optimization - Volatility-Driven for Better Outcomes]]) ## 揮発性低減アプローチ(Hestiaの提起) [[Hestia]]は、ワークロードの時間的揮発性(temporal volatility)自体を低減することがオーバーサブスクリプション最適化の鍵であるという第三のアプローチを提起する。個々のワークロードの揮発性は変えられないが、時間的に相補的な(temporally complementary)複数ワークロードを空間的に集約すれば、集約後の揮発性を緩和できるという観察に基づく。これを定量化するため、平均基準の従来のCoefficient of Variation(CV)に代わり、最大値基準のMaximum-based Coefficient of Variation(MCV)という新指標を導入し、理論的な上下界(Theorem 2.2: $1-U \le \mathrm{MCV}(x) \le \sqrt{1-U}$、$U$は資源利用率)を証明した。(Source: [[@2026__SIGCOMM__Rethinking Cloud Optimization - Volatility-Driven for Better Outcomes]]) ## 横断的知見 - 現時点でこの concept に集約されているソースは [[@2026__SIGCOMM__Rethinking Cloud Optimization - Volatility-Driven for Better Outcomes]] 1本のみであり、複数ソース間の横断的知見はまだ形成されていない。今後、Crane・Resource Central・Autopilot・HAPPIESなど個別のオーバーサブスクリプションシステムに関する追加ソースが ingest されたら、ここに横断比較を積み増す。 ## 未解決の問い - CPU以外の資源(メモリ・ディスクI/O・ネットワーク帯域)への多次元オーバーサブスクリプションでは、Hestiaの実験(Fig.19)で集約可能ワークロード比率と利益がいずれも急減することが示されたが、資源間のリスク特性の違い(例: メモリのオーバーコミットはOOM Killerによる致命的失敗を招きうる一方、CPUのオーバーコミットはスロットリングに留まる)を踏まえた資源固有の緩和策は、他のソースでどう扱われているか。 - 反応的再スケジューリング系(検知ベース)と揮発性低減系(集約ベース)は併用可能か。Hestiaは集約後のワークロード群に対しても依然としてSLA違反時の降格(LPW→LNPW)というイベント駆動の緩和機構を持つが、これは反応的再スケジューリング研究の知見とどこまで統合・比較できるか。 - MCVという指標は他の資源管理研究(GPUクラスタスケジューリング等)における類似の変動性指標とどう関係するか。既存の[[GPUクラスタスケジューリング]]・[[GPUクラスタ運用]]系の知見との接続は未検証。 ## 関連 - ソース: [[@2026__SIGCOMM__Rethinking Cloud Optimization - Volatility-Driven for Better Outcomes]] - エンティティ: [[Hestia]] / [[Kubernetes]] / [[Alibaba-trace-v2018]] / [[Alibaba-trace-v2022]] / [[Tencent-trace-v2025]] - 組織: [[University of Science and Technology of China]] / [[Tencent]] / [[Alibaba Group]] - 関連概念(未接続・今後の橋渡し候補): [[GPUクラスタスケジューリング]] / [[GPUクラスタ運用]] / [[リソースオーバーハング]] ## 出典 - [[@2026__SIGCOMM__Rethinking Cloud Optimization - Volatility-Driven for Better Outcomes]]