：如今計(jì)算機(jī)系統(tǒng)承載的服務(wù)和算法邏輯日益復(fù)雜，理解、設(shè)計(jì)并改進(jìn)計(jì)算機(jī)系統(tǒng)已成為核心挑戰(zhàn)。面對系統(tǒng)復(fù)雜度和規(guī)模的指數(shù)級增長，以及新的大模型驅(qū)動(dòng)場景下的分布式系統(tǒng)形態(tài)的涌現(xiàn)，人們亟需創(chuàng)新方法與技術(shù)來應(yīng)對。在計(jì)算機(jī)系統(tǒng)發(fā)展的新篇章里，現(xiàn)代系統(tǒng)應(yīng)當(dāng)是一個(gè)不斷自我進(jìn)化的結(jié)果。機(jī)器學(xué)習(xí)和大模型的崛起使得現(xiàn)代計(jì)算機(jī)系統(tǒng)迎來了新的智能化機(jī)遇，即學(xué)習(xí)增強(qiáng)系統(tǒng)（learning-augmented systems）。微軟亞洲研究院創(chuàng)新地從兩個(gè)核心方向，來思考系統(tǒng)應(yīng)如何不斷自我學(xué)習(xí)和自我進(jìn)化：“模塊化”機(jī)器學(xué)習(xí)模型，與“系統(tǒng)化”大模型的推理思維。目標(biāo)在于使得模型能夠?qū)R復(fù)雜多變的系統(tǒng)環(huán)境和需求，并且推理思維能夠?qū)R計(jì)算機(jī)系統(tǒng)時(shí)間和空間上的行為。相關(guān)論文 Autothrottle: A Practical Bi-Level Approach to Resource Management for SLO-Targeted Microservices 獲評 NSDI 2024 杰出論文獎(jiǎng)。

隨著技術(shù)的不斷進(jìn)步，計(jì)算機(jī)系統(tǒng)不僅承擔(dān)著人們生活中眾多服務(wù)的重任，還包含著許多復(fù)雜的算法邏輯。用戶需求的多樣化與場景的增加，也使得計(jì)算機(jī)系統(tǒng)的復(fù)雜性和規(guī)模持續(xù)增長。從搜索、購物、聊天到新聞推薦、串流媒體和人工智能服務(wù)，這些系統(tǒng)的復(fù)雜性不只是龐大的代碼量，更體現(xiàn)在背后成百上千工程師在設(shè)計(jì)、開發(fā)及維護(hù)上所付出的巨大工作量。與此同時(shí)，新類型的場景（比如大模型驅(qū)動(dòng)?co-pilots?和?AI agents）也帶來了新興的分布式系統(tǒng)形態(tài)。如何理解、設(shè)計(jì)并作出改進(jìn)成為了現(xiàn)代計(jì)算機(jī)系統(tǒng)的核心挑戰(zhàn)。然而，系統(tǒng)復(fù)雜度和規(guī)模的指數(shù)級增長，使得這些挑戰(zhàn)已經(jīng)無法完全依賴人的直覺和經(jīng)驗(yàn)去解決。

 

幸運(yùn)的是，計(jì)算機(jī)科學(xué)的技術(shù)更新迭代為計(jì)算機(jī)系統(tǒng)帶來了新的機(jī)遇。其中，學(xué)習(xí)增強(qiáng)系統(tǒng)（learning-augmented systems）正逐漸成為以智能化來重塑計(jì)算機(jī)系統(tǒng)的新趨勢。學(xué)習(xí)增強(qiáng)系統(tǒng)通常采用三種不同的實(shí)現(xiàn)路徑：一是通過機(jī)器學(xué)習(xí)技術(shù)來輔助增強(qiáng)現(xiàn)有計(jì)算機(jī)系統(tǒng)中啟發(fā)式算法和決策規(guī)則的性能；二是利用機(jī)器學(xué)習(xí)技術(shù)對啟發(fā)式算法和決策規(guī)則進(jìn)行優(yōu)化和重新設(shè)計(jì)；三是用機(jī)器學(xué)習(xí)模型取代原有的啟發(fā)式算法和決策規(guī)則，進(jìn)而推動(dòng)系統(tǒng)的全面智能化升級。

為此，微軟亞洲研究院的研究員們開展了一系列學(xué)習(xí)增強(qiáng)系統(tǒng)的工作。研究重點(diǎn)聚焦于兩個(gè)關(guān)鍵方面：第一，"模塊化"機(jī)器學(xué)習(xí)模型，與計(jì)算機(jī)系統(tǒng)行為進(jìn)行對齊；第二，"系統(tǒng)化"大模型推理思維，賦予計(jì)算機(jī)系統(tǒng)自我進(jìn)化的能力。

"模塊化"機(jī)器學(xué)習(xí)模型，與計(jì)算機(jī)系統(tǒng)行為對齊

機(jī)器學(xué)習(xí)擅長于從數(shù)據(jù)中提取規(guī)律和模式，并利用這些規(guī)律進(jìn)行建模和數(shù)值優(yōu)化，以驅(qū)動(dòng)預(yù)測和決策過程。現(xiàn)代計(jì)算機(jī)系統(tǒng)普遍具有完善的行為和性能監(jiān)測機(jī)制，因此可以作為模型訓(xùn)練的數(shù)據(jù)來源。在以往的研究中（Metis [1]和 AutoSys [2]），研究員們曾探討過如何利用機(jī)器學(xué)習(xí)技術(shù)優(yōu)化計(jì)算機(jī)系統(tǒng)中的系統(tǒng)參數(shù)。但實(shí)際經(jīng)驗(yàn)證明，構(gòu)建學(xué)習(xí)增強(qiáng)系統(tǒng)不單單是應(yīng)用現(xiàn)有的機(jī)器學(xué)習(xí)算法，它還面臨著現(xiàn)代計(jì)算機(jī)系統(tǒng)與機(jī)器學(xué)習(xí)協(xié)同設(shè)計(jì)的關(guān)鍵研究挑戰(zhàn)。

具體而言，由于現(xiàn)代計(jì)算機(jī)系統(tǒng)具有高度的規(guī)模性（例如，有著上百個(gè)分布式微服務(wù)的集群）和動(dòng)態(tài)性（例如，集群里的微服務(wù)可以被獨(dú)立開發(fā)、部署和擴(kuò)容），在未來，利用強(qiáng)大的模型來學(xué)習(xí)整個(gè)系統(tǒng)是否還能成為一個(gè)可持續(xù)的方法？當(dāng)系統(tǒng)部署與環(huán)境發(fā)生變化（例如，系統(tǒng)擴(kuò)容導(dǎo)致集群規(guī)模改變），機(jī)器學(xué)習(xí)模型對于任務(wù)之前的一些假設(shè)可能不再成立。因此，如果不重新訓(xùn)練模型，模型驅(qū)動(dòng)決策的正確性就會(huì)受到影響。但現(xiàn)代計(jì)算機(jī)系統(tǒng)的高動(dòng)態(tài)性和高復(fù)雜度，又會(huì)使得機(jī)器學(xué)習(xí)在持續(xù)學(xué)習(xí)復(fù)雜任務(wù)上仍面臨著昂貴的數(shù)據(jù)采集和資源開銷成本。

"模塊化"是將機(jī)器學(xué)習(xí)融入計(jì)算機(jī)系統(tǒng)基礎(chǔ)的一大關(guān)鍵。雖然現(xiàn)代計(jì)算機(jī)系統(tǒng)具有高度的規(guī)模性和復(fù)雜度，但它們實(shí)際上是由多個(gè)子組件或服務(wù)組合而成，其動(dòng)態(tài)性也就有規(guī)律可循。以一個(gè)由多個(gè)微服務(wù)組成的云系統(tǒng)為例，如果更新了其中的一個(gè)微服務(wù)，那么可能會(huì)影響到整個(gè)系統(tǒng)的端到端性能。但是，從系統(tǒng)架構(gòu)上來看，這種更新只是更改了某個(gè)獨(dú)立服務(wù)的編碼配置。同理，系統(tǒng)的擴(kuò)容，即系統(tǒng)里的某個(gè)服務(wù)被獨(dú)立復(fù)制并部署了多份，也是如此。因此，如果機(jī)器學(xué)習(xí)模型也只需要相應(yīng)地修改變化部分，那相比于持續(xù)訓(xùn)練整個(gè)模型，就將大大地減少學(xué)習(xí)增強(qiáng)系統(tǒng)的維護(hù)成本。

研究員們提出的利用模塊化學(xué)習(xí)模擬端到端系統(tǒng)延遲的框架 Fluxion [3]，是在學(xué)習(xí)增強(qiáng)系統(tǒng)中應(yīng)用模塊化學(xué)習(xí)（modularized learning）的第一步。在預(yù)測微服務(wù)系統(tǒng)延遲的任務(wù)上，隨著個(gè)別服務(wù)的持續(xù)擴(kuò)容和部署，F(xiàn)luxion 顯著減低了延遲預(yù)測模型的維護(hù)成本。通過引入新的學(xué)習(xí)抽象，F(xiàn)luxion 允許對單個(gè)系統(tǒng)子組件進(jìn)行獨(dú)立建模，并且通過操作可將多個(gè)子組件的模型組合成一個(gè)推理圖。推理圖的輸出即為系統(tǒng)的端到端延遲。此外，推理圖可以動(dòng)態(tài)地被調(diào)整，進(jìn)而與計(jì)算機(jī)系統(tǒng)的實(shí)際部署進(jìn)行對齊。這一做法與直接對整個(gè)系統(tǒng)進(jìn)行端到端延遲建模的方法有顯著區(qū)別。相關(guān)論文 On Modular Learning of Distributed Systems for Predicting End-to-End Latency 發(fā)表于?NSDI 2023。