Meta udostępniła szczegółowy tutorial implementacji Rebalancer'a - własnego assignment solvera, który optymalizuje przydzielanie obciążenia w datacentrach. Narzędzie łączy wydajny rdzeń C++ z intuicyjnym API Pythona i pozwala na precyzyjne definiowanie zasobów (dimensions), ograniczeń (constraints) oraz celów optymalizacji (goals). Użytkownicy mogą wybierać między szybkim algorytmem local search a dokładnym solwerem HiGHS wykorzystującym programowanie liniowe mieszane.
Praktyczne testy przeprowadzono na różnorodnych scenariuszach: od małych symulowanych datacentrów, przez drenaż przepełnionych hostów, aż po rzeczywiste benchmarki z 60 instancjami z biblioteki OR-Library. Wyniki ujawniły jednak istotne problemy w obecnej implementacji - solver zwracał flagę success dla 14 z 24 rozwiązań, mimo że faktycznie naruszały one ograniczenia pamięci. Local search czasem zwracał naruszające plany bez ostrzeżenia, a błędnie napisane klucze specyfikacji były ignorowane bez komunikatu błędu.
Ona stronie testów na maszynie Apple M4 i Colab z Linux wheel może się znacząco różnić. Narzędzie demonstruje potencjał Meta w zakresie optymalizacji infrastruktury, ale wymaga starannych weryfikacji przed wdrożeniem w produkcji. Dla zespołów zarządzających dużymi systemami rozproszonymi Rebalancer stanowi interesującą alternatywę dla tradycyjnych podejść do alokacji zasobów.