Meta开源大规模资源分配求解器Rebalancer
Meta开源内部资源分配工具Rebalancer，称其已用于数十个大规模资源分配问题，涉及服务器、流量和机器学习任务。
Meta开源了什么
Meta开源了Rebalancer，这是一套用于解决大规模分配问题的求解器：在满足容量和规则限制的前提下，把对象放入不同容器，并尽量优化多个目标。项目同时提供C++和Python接口，采用Apache 2.0许可证。
Meta称，Rebalancer已在公司内部用于数十个大规模资源分配问题，应用场景包括硬件与服务器分配、机器学习训练和推理任务放置、流量路由，以及负载均衡迁移。它既支持适合大规模场景的局部搜索，也能调用混合整数规划求解器处理更强调精确性的任务。
这套工具面向的是包含大量对象和容器的复杂问题，能够表达容量、均衡等约束。Meta文档显示，在合理条件下，系统可处理约100万个对象和容器组成的分配规模；不过，精确求解的扩展性不如启发式搜索。
为什么重要
Rebalancer揭示了AI基础设施中经常被忽略的一层：模型、数据、请求和算力创建出来之后，究竟应该被放到哪里。更好的分配会直接影响延迟、资源利用率、流量成本，以及系统应对波动负载的能力。随着AI服务分布在不同服务器和加速器上，这类决策会变得越来越频繁。
它不是一个面向终端用户的AI模型，也不会直接带来新的生成能力。真正值得关注的是，Meta把经过生产环境验证的基础组件交给了开源社区。规模较小的基础设施团队，可能因此获得处理资源分配问题的现成起点。
不过，项目能否广泛采用仍未确定。Rebalancer要求使用者把自身业务约束转化为可计算的问题定义，部分模式还依赖外部优化库。Meta的生产经验具有说服力，但每个团队仍需验证求解器的速度、精度和资源取舍是否适合自己的系统。