摘要：在大规模云数据中心中，虚拟机（VM）调度是保障计算资源高效利用的关键环节。尽管初始调度（VMS）已被广泛研究，但运行一段时间后的虚拟机重调度（VMR）问题却长期被忽视。VMR 指的是在已有资源使用状态下，通过迁移部分已部署的 VM 来重组资源、降低碎片、提升整
在大规模云数据中心中，虚拟机（VM）调度是保障计算资源高效利用的关键环节。尽管初始调度（VMS）已被广泛研究，但运行一段时间后的虚拟机重调度（VMR）问题却长期被忽视。VMR 指的是在已有资源使用状态下，通过迁移部分已部署的 VM 来重组资源、降低碎片、提升整体资源利用率。然而，VMR 面临状态复杂、搜索空间巨大、系统约束多样、推理效率要求高等诸多挑战，成为云基础设施中“重要却难解”的优化难题。
为此，字节跳动ByteBrain团队主导，联合UC Merced和UC Berkeley提出了 VMR²L，研发了一套基于深度强化学习的VMR系统，在保持近似最优性能的同时，将推理时间压缩至 1.1 秒，成功实现系统性能与工业可部署性的统一。本工作已在系统顶会EuroSys25发表。
论文标题：Towards VM Rescheduling Optimization Through Deep Reinforcement Learning
论文主页：https://dingxianzhong.github.io/VMR2Lhomepage/
论文链接：https://dl.acm.org/doi/abs/10.1145/3689031.3717476
论文代码：https://github.com/zhykoties/VMR2L_eurosys
论文海报：https://drive.google.com/file/d/1AkuVoXV4J67Vld7s-_dkl6OoCZUj2406/view
本文两位共同一作是字节跳动ByteBrAIn团队的实习生，Xianzhong Ding来自UC Merced，Yunkai Zhang来自UC Berkeley，Binbin Chen和Tieying Zhang为实习生mentor，通讯作者为Tieying Zhang（ByteBrain团队负责人）和Wan Du.
背景介绍
1）什么是虚拟机调度（VM Scheduling）与重调度（VM Rescheduling）？
- VM 调度（VM Scheduling）
如上图1侧所示，VM 调度指的是在新虚拟机请求到达时，系统根据当前物理机（PM）的资源状况，决定将该 VM 分配至哪台 PM 上运行，以满足资源可用性与业务约束。
- VM 重调度（VM Rescheduling）
图2部分展示了VM 重调度过程：系统将已部署的 VM 从当前 PM 迁移至另一台 PM，以优化整体资源利用率、减少资源碎片，或满足如亲和性/反亲和性、负载均衡等系统约束条件。
- 系统动态性与高频调度需求
图3所示为字节跳动内部数据中心某集群在连续 30 天内的运行数据，展示了系统每分钟处理的 VM 创建与销毁数量。
2）动机分析：为何必须满足低延迟推理？
图4：碎片率与计算时间对比（Fragment Rate, FR）
在迁移次数上限（MNL）设为 50 的场景下，基于 MIP（混合整数规划）的方法能够获得最优解，碎片率显著下降。然而，其推理时间可达 50 分钟以上，难以满足实时系统需求。相比之下，启发式算法（HA）虽然推理更快，但重排效果明显劣于 MIP，存在稳定性与调度效果的短板。
图5：推理延迟的边界效应（Elbow Point）
实验进一步发现，5 秒推理时长是 MIP 解仍可保持近似最优的“转折点”：
当推理时长 ≤ 5 秒，碎片率仍显著下降；
一旦超时，性能迅速退化，碎片率降低幅度大幅缩减。
模型细节
1）两阶段框架（Two-Stage Agent）
在我们的建模中，每轮 VM 重调度过程被视为一个 episode。若允许重调度 50 个 VM，则对应执行 50 次动作。每个动作分为两个子步骤：
第一步:选择一个待迁移的 VM；
第二步:为该 VM 选择一个目标物理机（PM）。
为此，我们设计了一个两阶段智能体（Two-Stage Agent）结构，以有效地支持复杂的系统约束：
如图6(a)所示，模型首先将所有 VM 和 PM 的状态嵌入统一特征空间中。随后，VM Actor 负责从中选出一个候选 VM，作为当前步骤的迁移目标。
如图6(b)所示，针对所选 VM，系统自动屏蔽所有不满足资源或约束条件的非法 PM，仅保留剩余合法目标。PM Actor 仅基于该 VM 的嵌入与剩余 PM 状态进行评分和目标选择。该设计显式剔除了非法动作，使模型在训练与推理时能自然满足诸如资源容量、亲和性/反亲和性、迁移次数限制等关键系统约束，大大提升了策略收敛性与实际部署可行性。
2）稀疏注意力特征提取（Sparse Attention）
我们采用基于注意力机制的模型作为主干，其参数规模不依赖于 VM / PM 数量，具备良好的扩展性和适应大规模集群的能力。为进一步提升结构信息建模能力，我们设计了一个基于树结构的稀疏注意力模块（Tree-Level Sparse Attention），该模块重点建模了 VM 与 PM 之间的“亲缘关系（Affiliation）”——这类结构联系在传统的全连接注意力（vanilla attention）中常被忽略，但在 VM 重调度任务中却至关重要。通过引入结构感知的稀疏注意力机制，模型能够有效学习 VM 在 PM 内部的协作与约束关系，从而提升迁移策略的表达能力与调度精度。
3）风险偏好评估机制（Risk-Seeking Evaluation）
由于我们能够精确模拟 VMR 行为的结果，因此在推理阶段可以采样多条轨迹，然后仅执行奖励值最高的轨迹。
强化学习模型在训练阶段会探索多样策略；
在推理阶段，则通过选优策略避免低概率、低质量动作，有效提升系统性能。
实验结果
1） 延迟约束下的表现
- 碎片率（FR）
如图7所示，在常见规模集群下，VMR²L 在所有对比方法中始终保持接近于MIP最低的碎片率，显著优于传统启发式算法（如 GA、POP）以及其他强化学习方案（如 Decima、NeuPlan），展现出更强的资源整合能力与调度效果。
- 推理延迟
如图8所示， VMR²L 在满足此秒级推理限制的前提下，依然在性能上全面领先，超越 MIP 等计算密集型优化方法，以及多数 RL基线模型。
2）泛化能力：适应不同优化目标
VMR²L 不仅能最小化碎片率，还可适应其他目标函数；
例如，可指定目标碎片率，在满足该目标的前提下最小化迁移数量；
在多种优化方向（碎片控制、迁移成本控制）下均具备良好性能。
3）异常负载下的鲁棒性
我们测试了模型在不同负载水平下的表现，包括：
L（低负载）：资源宽裕；
M（中等负载）：中间 CPU 压力；
H（高负载）：系统资源紧张；
通过控制训练数据包含不同负载分布，我们观察了 VMR²L 在未知场景中的策略生成能力。
◾ 实验结果分析单一负载训练仍具泛化能力：即使模型只在某一负载水平（如 L/M/H）上训练，VMR²L 在未见过的其他负载场景下仍能保持较优碎片率，展现良好泛化性。
混合负载训练提升最显著：在低负载与高负载数据上联合训练（VMR²L L,H）后，即使从未见过中间负载数据，模型依然在该场景中取得最佳表现，实现平滑泛化。
4）策略可视化工具
为了更好地分析重调度过程中的策略行为，我们开发了一个可视化工具，用于动态展示 VMR²L 在每一步迁移中如何优化物理机（PM）资源布局。每个柱状图代表一台 PM，其中不同颜色块表示不同规格的虚拟机（例如 xlarge、2xlarge、16xlarge 等），灰色部分表示空闲资源。每次迁移动作将会在图中以连线和步骤注解形式呈现，清晰展示迁移源 PM、目标 PM 以及迁移收益（Reward）。
结语本研究聚焦于长期被忽视但至关重要的虚拟机重调度问题，提出了 VMR²L——一个融合系统先验与强化学习的智能调度器，兼具秒级推理速度与近最优调度性能。该方法支持复杂约束、具备强泛化能力。
ByteBrain团队介绍
ByteBrain是字节跳动AI for Infra / AI for System服务平台，旨在利用AI技术、特别是机器学习、LLM和运筹优化技术，对基础架构和系统的全生命周期进行自动优化。优化对象包括：系统运维、数据库、存储、大数据系统、虚机、容器、网络等。ByteBrain的主要方向为AIOPS、AI4DB、运筹优化、LLM4Infra，功能模块包括容量规划、资源调度、系统调参、异常检测、根因分析、慢SQL优化、LLM-AGENT等。ByteBrain团队正在招聘相关方向研究员，欢迎联系tieying.zhang@bytedance.com
来源：字节跳动技术团队
