标题： 资源使用和持续时间存在不确定性的作业容量规划与调度 显示英文标题

标题： Capacity Planning and Scheduling for Jobs with Uncertainty in Resource Usage and Duration

摘要： 全球各地的组织定期安排作业（程序）以执行由最终用户指定的各种任务。 随着向使用云计算基础设施的主要转变，我们的组织采用了一种混合方法，同时使用云和本地服务器。 本工作的目标是进行容量规划，即估计资源需求，并对本地网格计算环境中的作业进行调度。 我们方法的一个关键贡献是处理资源使用和作业持续时间中的不确定性，这是金融行业中的一个关键方面，其中随机的市场条件会显著影响作业特性。 在进行容量规划和调度时，我们同时平衡两个相互冲突的目标：(a) 最小化资源使用，以及 (b) 通过在用户请求的截止日期前完成作业来为最终用户提供高质量的服务。 我们提出了使用确定性估计器和基于配对抽样的约束规划的近似方法。 我们最好的方法（基于配对抽样的方法）相比手动调度实现了更低的峰值资源使用量，而不会影响服务质量。 显示英文摘要

摘要： Organizations around the world schedule jobs (programs) regularly to perform various tasks dictated by their end users. With the major movement towards using a cloud computing infrastructure, our organization follows a hybrid approach with both cloud and on-prem servers. The objective of this work is to perform capacity planning, i.e., estimate resource requirements, and job scheduling for on-prem grid computing environments. A key contribution of our approach is handling uncertainty in both resource usage and duration of the jobs, a critical aspect in the finance industry where stochastic market conditions significantly influence job characteristics. For capacity planning and scheduling, we simultaneously balance two conflicting objectives: (a) minimize resource usage, and (b) provide high quality-of-service to the end users by completing jobs by their requested deadlines. We propose approximate approaches using deterministic estimators and pair sampling-based constraint programming. Our best approach (pair sampling-based) achieves much lower peak resource usage compared to manual scheduling without compromising on the quality-of-service.