財聯(lián)社6月5日電，字節(jié)跳動技術(shù)團隊微信公眾號發(fā)文稱，字節(jié)跳動ByteBrain團隊主導，聯(lián)合UC Merced和UC Berkeley提出了VMR2L，研發(fā)了一套基于深度強化學習的VMR系統(tǒng)，在保持近似最優(yōu)性能的同時，將推理時間壓縮至1.1秒，成功實現(xiàn)系統(tǒng)性能與工業(yè)可部署性的統(tǒng)一。本工作已在系統(tǒng)頂會EuroSys25發(fā)表。本文兩位共同一作是字節(jié)跳動ByteBrain團隊的實習生，研究聚焦于長期被忽視但至關(guān)重要的虛擬機重調(diào)度（VMR）問題。VMR指的是在已有資源使用狀態(tài)下，通過遷移部分已部署的VM來重組資源、降低碎片、提升整體資源利用率。