A Cloud-Scale Characterization of Remote Procedure Calls
SOSP 2023 | DOI 10.1145/3600006.3613156
Seemakhupt, Stephens, Khan, Liu, Wassel, et al.（Google + 学界）
Google 内部 fleet 级 RPC 特征化（Search/Gmail/Maps/YouTube + Spanner/BigQuery 等）：规模、延迟组成、调用树深度与资源利用，纠正小规模/微服务假设。
核心贡献
- RPC 用量快于算力：RPS/CPU cycle ~30%/年，700 天 +64%
- >10,000 distinct RPC methods；毫秒级、KB 级、深层嵌套调用树
- 延迟分解：均值主要在应用处理；尾延迟由 RPC tax（队列 + 序列化 + 网络）主导
- CPU cycle 方差大 → 负载均衡优化空间
关键数字
| 指标 | 值 |
|---|---|
| 观测窗口 | 700 天 |
| RPC 方法数 | >10,000 |
| 单日采样 | 722B RPC |
| RPS/CPU 增长 | ~30%/年 |
与 wiki 交叉
- Fat-Tree Topology — 超大规模 DC 网络背景
- Interconnection Network Design Space — 控制面通信设计空间
Citations
[1] Cloud_Scale_RPC_Characterization_2023.pdf [2] cloud-scale-rpc-characterization.md — 结构化摘录