論文の概要: Managing Cold-start in The Serverless Cloud with Temporal Convolutional Networks

• arxiv url: http://arxiv.org/abs/2304.00396v1
• Date: Sat, 1 Apr 2023 21:54:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 18:15:03.337857
• Title: Managing Cold-start in The Serverless Cloud with Temporal Convolutional Networks
• Title（参考訳）: 時間的畳み込みネットワークによるサーバーレスクラウドのコールドスタート管理
• Authors: Tam N. Nguyen
• Abstract要約: サーバレスクラウドは革新的なクラウドサービスモデルであり、多くのクラウド管理業務から顧客を解放します。 サーバーレスクラウドのパフォーマンスに対する大きな脅威はコールドスタートであり、顧客の要求に応えるために必要なクラウドリソースをプロビジョニングするとき、サービスプロバイダや/または顧客に受け入れられないコストが発生する。 本稿では、サーバーレスクラウドスタックのインフラストラクチャおよびファンクションレベルにおけるコールドスタート問題に対処する、新しい低結合・高結合アンサンブルポリシーを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Serverless cloud is an innovative cloud service model that frees customers from most cloud management duties. It also offers the same advantages as other cloud models but at much lower costs. As a result, the serverless cloud has been increasingly employed in high-impact areas such as system security, banking, and health care. A big threat to the serverless cloud's performance is cold-start, which is when the time of provisioning the needed cloud resource to serve customers' requests incurs unacceptable costs to the service providers and/or the customers. This paper proposes a novel low-coupling, high-cohesion ensemble policy that addresses the cold-start problem at infrastructure- and function-levels of the serverless cloud stack, while the state of the art policies have a more narrowed focus. This ensemble policy anchors on the prediction of function instance arrivals, 10 to 15 minutes into the future. It is achievable by using the temporal convolutional network (TCN) deep-learning method. Bench-marking results on a real-world dataset from a large-scale serverless cloud provider show that TCN out-performs other popular machine learning algorithms for time series. Going beyond cold-start management, the proposed policy and publicly available codes can be adopted in solving other cloud problems such as optimizing the provisioning of virtual software-defined network assets.
• Abstract（参考訳）: サーバレスクラウドは、ほとんどのクラウド管理義務から顧客を解放する革新的なクラウドサービスモデルである。 他のクラウドモデルと同じアドバンテージを提供するが、コストははるかに低い。 その結果、サーバレスクラウドは、システムセキュリティ、バンキング、ヘルスケアといった、インパクトの高い領域にますます採用されています。 サーバーレスクラウドのパフォーマンスに対する大きな脅威はコールドスタートであり、顧客の要求に応えるために必要なクラウドリソースをプロビジョニングするとき、サービスプロバイダや/または顧客に受け入れられないコストが発生する。 本稿では、サーバレスクラウドスタックのインフラストラクチャレベルとファンクションレベルにおけるコールドスタート問題に対処する、新しい低結合で高結合なアンサンブルポリシを提案する。 このアンサンブルポリシは、10分から15分後の関数インスタンスの到着予測に重点を置いている。 時間畳み込みネットワーク(TCN)深層学習法を用いて達成可能である。 大規模なサーバレスクラウドプロバイダの実際のデータセットにおけるベンチマーキングの結果は、TCNが他の一般的な機械学習アルゴリズムを時系列で上回っていることを示している。 コールドスタート管理を超えて、仮想ソフトウェア定義ネットワークアセットのプロビジョニングを最適化するなど、他のクラウド問題を解決するために提案されたポリシーと公開コードを採用することができる。

関連論文リスト

• CloudCast -- Total Cloud Cover Nowcasting with Machine Learning [0.0]
  雲は天気予報において重要な役割を担い、農業、太陽光発電、航空などいくつかの分野に影響を与える。 数値天気予報(NWP)モデルの進歩にもかかわらず、雲の形成過程の小さな性質のため、雲全体の被覆を予測することは困難である。 我々は、U-Netアーキテクチャに基づいた畳み込みニューラルネットワーク(CNN)であるCloudCastを紹介し、最大5時間前に全クラウドカバー(TCC)を予測するように設計されている。
  論文  参考訳（メタデータ） (2024-10-27T14:46:13Z)
• Managing Bandwidth: The Key to Cloud-Assisted Autonomous Driving [73.55745551827229]
  自動運転車のようなリアルタイム制御システムにクラウドを頼らなければならない、と私たちは主張する。 時間に敏感な計算と遅延クリティカルな計算の一部をクラウドにオフロードする機会を特定します。
  論文  参考訳（メタデータ） (2024-10-21T17:32:36Z)
• Teaching Cloud Infrastructure and Scalable Application Deployment in an Undergraduate Computer Science Program [2.8912542516745168]
  学生は通常、技術キャリアの初期にクラウド抽象化と対話します。 クラウドエンジニアリングの基礎をしっかり理解せずにクラウドネイティブなアプリケーションを構築することは、クラウドプラットフォームに共通するコストとセキュリティの落とし穴に敏感な学生を悩ませる可能性がある。 私たちのコースでは、学生にIaC、コンテナ化、可観測性、サーバレスコンピューティング、継続的インテグレーションとデプロイメントといった、モダンでベストプラクティスのコンセプトとツールを体験するためのハンズオンの課題を数多く紹介しました。
  論文  参考訳（メタデータ） (2024-10-01T19:49:19Z)
• IDF-CR: Iterative Diffusion Process for Divide-and-Conquer Cloud Removal in Remote-sensing Images [55.40601468843028]
  雲除去のための反復拡散過程(IDF-CR)を提案する。 IDF-CRは、ピクセル空間と潜在空間に対処する2段階のモデルに分けられる。 潜時空間の段階では、拡散モデルは低品質の雲の除去を高品質のクリーンな出力に変換する。
  論文  参考訳（メタデータ） (2024-03-18T15:23:48Z)
• Application of Machine Learning Optimization in Cloud Computing Resource Scheduling and Management [18.462300407761873]
  中国のクラウドコンピューティングの規模は209億元に達した。 本稿では,クラウドコンピューティング資源のスケジューリングと管理において,複雑な問題を解くための革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-02-27T05:14:27Z)
• CWD: A Machine Learning based Approach to Detect Unknown Cloud Workloads [3.523208537466129]
  我々は、クラウド環境で実行されるワークロードを特徴付け、プロファイルし、予測する機械学習ベースの技術を開発した。 また,モデルの性能をスタンドアローンで解析する手法も開発している。
  論文  参考訳（メタデータ） (2022-11-28T19:41:56Z)
• Device-Cloud Collaborative Recommendation via Meta Controller [65.97416287295152]
  オンデバイスレコメンデータとクラウドベースのレコメンデータの協調を動的に管理するメタコントローラを提案する。 対策サンプルと拡張トレーニングに基づいて,産業レコメンデーションシナリオにおける広範な実験は,メタコントローラの可能性を示唆している。
  論文  参考訳（メタデータ） (2022-07-07T03:23:04Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey [104.71816962689296]
  大規模クラウドラベリングの制約により,教師なしのポイントクラウド表現学習が注目されている。 本稿では、ディープニューラルネットワークを用いた教師なしポイントクラウド表現学習の総合的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-02-28T07:46:05Z)
• Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
  本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。 私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
  論文  参考訳（メタデータ） (2021-08-30T08:03:29Z)
• Cloud Collectives: Towards Cloud-aware Collectives forML Workloads with Rank Reordering [8.81194405760133]
  Cloud Collectivesは、参加するフレームワークの並べ替えによって集合を加速するプロトタイプである。 Collectivesは非侵襲的であり、コードの変更も既存のアプリケーションの再構築も必要とせず、クラウドプロバイダのサポートなしで動作します。 パブリッククラウドでのアレーダ操作に対するCloud Collectivesの予備的な応用は、複数のマイクロベンチマークで最大3.7倍、実際のワークロードで1.3倍のスピードアップをもたらす。
  論文  参考訳（メタデータ） (2021-05-28T20:14:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。