論文の概要: SuperFlow: Performance Testing for Serverless Computing
- arxiv url: http://arxiv.org/abs/2306.01620v1
- Date: Fri, 2 Jun 2023 15:29:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 04:46:08.843329
- Title: SuperFlow: Performance Testing for Serverless Computing
- Title（参考訳）: SuperFlow: サーバレスコンピューティングのパフォーマンステスト
- Authors: Jinfeng Wen, Zhenpeng Chen, Federica Sarro, Xuanzhe Liu
- Abstract要約: サーバレスコンピューティングに特化した最初のパフォーマンステストアプローチであるSuperFlowを提案する。
SuperFlowは97.22%の精度、39.91ポイントの試験結果を提供する。
- 参考スコア（独自算出の注目度）: 14.872563076658563
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Serverless computing is an emerging cloud computing paradigm that allows
software engineers to develop cloud applications as a set of functions (called
serverless functions). However, accurately obtaining the performance (i.e.,
response latency) of serverless functions is challenging due to the highly
dynamic nature of the environment in which they run. To tackle this problem, a
possible solution is to use performance testing to determine how many
repetitions of a serverless function with a given input are needed to cater to
the performance fluctuation. To this end, we conduct an empirical study of
state-of-the-art performance testing techniques for traditional cloud
applications on 65 serverless functions collected from top-tier research
venues. We find that these techniques exhibit low accuracy. Therefore, we
propose SuperFlow, the first performance testing approach tailored specifically
for serverless computing. SuperFlow incorporates an accuracy check and a
stability check to obtain accurate and reliable performance results. The
evaluation demonstrates that SuperFlow provides testing results with 97.22%
accuracy, 39.91 percentage points higher than the best currently available
technique. We have publicly released the code and data from this study to
facilitate future replication and extension.
- Abstract（参考訳）: サーバレスコンピューティングは、ソフトウェアエンジニアが一連の機能(サーバレス機能と呼ばれる)としてクラウドアプリケーションを開発できる、新たなクラウドコンピューティングパラダイムである。
しかしながら、サーバーレス関数のパフォーマンス(すなわち応答レイテンシ)を正確に取得することは、実行環境の非常にダイナミックな性質のため、難しい。
この問題に取り組むために考えられる解決策は、パフォーマンステストを使用して、パフォーマンスの変動に対応するために、所定の入力を持つサーバーレス関数の繰り返し数を決定することだ。
この目的のために、トップクラスの調査会場から収集した65のサーバーレス関数上で、従来のクラウドアプリケーションにおける最先端のパフォーマンステスト技術に関する実証研究を行う。
これらの手法は精度が低い。
そこで我々は,サーバレスコンピューティングに特化した最初のパフォーマンステスト手法であるSuperFlowを提案する。
SuperFlowには精度チェックと安定性チェックが組み込まれ、正確で信頼性の高いパフォーマンス結果が得られる。
この評価は、SuperFlowが97.22%の精度でテスト結果を提供することを示した。
我々は、将来の複製と拡張を容易にするために、この研究からコードとデータを公開しました。
関連論文リスト
- Tracing Optimization for Performance Modeling and Regression Detection [15.99435412859094]
性能モデルは、システムのパフォーマンスと実行時のアクティビティの関係を解析的に記述する。
性能に敏感なコード領域を識別・排除することで、トレーシングオーバーヘッドを低減する統計的手法を提案する。
私たちのアプローチは完全に自動化されており、最小限の人的労力で本番環境で使用できるようにしています。
論文 参考訳（メタデータ） (2024-11-26T16:11:55Z) - SeBS-Flow: Benchmarking Serverless Cloud Function Workflows [51.4200085836966]
本稿では、最初のサーバーレスワークフローベンチマークスイートSeBS-Flowを提案する。
SeBS-Flowには6つの実世界のアプリケーションベンチマークと、異なる計算パターンを表す4つのマイクロベンチマークが含まれている。
当社では,パフォーマンス,コスト,スケーラビリティ,ランタイムの偏差など,3つの主要なクラウドプラットフォームに関する包括的な評価を実施しています。
論文 参考訳（メタデータ） (2024-10-04T14:52:18Z) - Data Augmentation by Fuzzing for Neural Test Generation [7.310817657037053]
本稿では,大言語モデルにファジングの利点を導入する新しいデータ拡張手法である *FuzzAug* を紹介する。
評価の結果,FuzzAugで強化されたデータセットを用いてトレーニングしたモデルでは,アサーション精度が5%向上し,コンパイル速度が10%以上向上し,ブランチカバレッジが5%向上した単体テスト関数が生成されることがわかった。
論文 参考訳（メタデータ） (2024-06-12T22:09:27Z) - SPES: Towards Optimizing Performance-Resource Trade-Off for Serverless Functions [31.01399126339857]
サーバーレスコンピューティングは、その効率性とオンデマンドのクラウドリソースを活用する能力によって、勢いを増している。
既存のソリューションでは、完全な呼び出しパターンを使わずに関数のプリロード/アンロードのために、過剰に単純化された戦略を使う傾向があります。
本研究では、サーバーレス関数のプロビジョニングを最適化することにより、実行時コールドスタート緩和のための最初の差別化スケジューラであるSPESを提案する。
論文 参考訳（メタデータ） (2024-03-26T10:28:41Z) - Dynamic Adapter Meets Prompt Tuning: Parameter-Efficient Transfer Learning for Point Cloud Analysis [51.14136878142034]
ポイントクラウド分析は、事前訓練されたモデルのポイントクラウドの転送によって、優れたパフォーマンスを実現している。
モデル適応のための既存の方法は通常、高い計算コストに依存するため、非効率な全てのモデルパラメータを更新する。
本稿では,タスク性能とパラメータ効率のトレードオフを考慮した,ポイントクラウド解析のためのパラメータ効率変換学習を提案する。
論文 参考訳（メタデータ） (2024-03-03T08:25:04Z) - FuzzyFlow: Leveraging Dataflow To Find and Squash Program Optimization
Bugs [92.47146416628965]
FuzzyFlowはプログラム最適化をテストするために設計されたフォールトローカライゼーションとテストケース抽出フレームワークである。
我々は、データフロープログラム表現を活用して、完全に再現可能なシステム状態と最適化のエリア・オブ・エフェクトをキャプチャする。
テスト時間を削減するため,テスト入力を最小限に抑えるアルゴリズムを設計し,再計算のためのメモリ交換を行う。
論文 参考訳（メタデータ） (2023-06-28T13:00:17Z) - Revisiting the Performance of Serverless Computing: An Analysis of
Variance [14.872563076658563]
サーバレスコンピューティングは、ソフトウェアエンジニアが関数の粒度でアプリケーションを開発することを可能にする(サーバレス関数と呼ばれる)。
同じサーバレス関数の複数の同一実行は、これらの関数が実行される非常にダイナミックな基盤環境のため、異なるパフォーマンスを示すことができる。
トップレベルのカンファレンスで公開された59の関連研究論文を調査し、サーバーレス関数のパフォーマンスのばらつきを定量化するために複数のランを使用するのは、40.68%に過ぎません。
論文 参考訳（メタデータ） (2023-05-07T15:32:16Z) - FedDUAP: Federated Learning with Dynamic Update and Adaptive Pruning
Using Shared Data on the Server [64.94942635929284]
フェデレーテッド・ラーニング(FL)は2つの重要な課題、すなわち限られた計算資源と訓練効率の低下に悩まされている。
本稿では,サーバ上の不感なデータとエッジデバイスの分散データを利用する新しいFLフレームワークであるFedDUAPを提案する。
提案するFLモデルであるFedDUAPは,2つの元の手法を統合することで,精度(最大4.8%),効率(最大2.8倍),計算コスト(最大61.9%)において,ベースラインアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2022-04-25T10:00:00Z) - Compactness Score: A Fast Filter Method for Unsupervised Feature
Selection [66.84571085643928]
本稿では,CSUFS (Compactness Score) と呼ばれる高速な教師なし特徴選択手法を提案する。
提案アルゴリズムは既存のアルゴリズムよりも正確で効率的である。
論文 参考訳（メタデータ） (2022-01-31T13:01:37Z) - FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。
現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。
提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
論文 参考訳（メタデータ） (2021-03-08T03:09:37Z)
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。