論文の概要: Understanding Cost Dynamics of Serverless Computing: An Empirical Study
- arxiv url: http://arxiv.org/abs/2311.13242v1
- Date: Wed, 22 Nov 2023 09:01:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 15:43:29.223156
- Title: Understanding Cost Dynamics of Serverless Computing: An Empirical Study
- Title（参考訳）: サーバーレスコンピューティングのコストダイナミクスの理解:実証的研究
- Authors: Muhammad Hamza, Muhammad Azeem Akbar, Rafael Capilla
- Abstract要約: この調査は、組織がサーバレスを採用するコストを期待する方法を詳しく説明している。
また、ワークロードの適合性を理解し、サーバレスアプリケーションのコスト最適化のためのベストプラクティスを特定することも目標としている。
- 参考スコア（独自算出の注目度）: 1.2905826135573395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The advent of serverless computing has revolutionized the landscape of cloud
computing, offering a new paradigm that enables developers to focus solely on
their applications rather than managing and provisioning the underlying
infrastructure. These applications involve integrating individual functions
into a cohesive workflow for complex tasks. The pay-per-use model and
nontransparent reporting by cloud providers make it difficult to estimate
serverless costs, imped-ing informed business decisions. Existing research
studies on serverless compu-ting focus on performance optimization and state
management, both from empir-ical and technical perspectives. However, the
state-of-the-art shows a lack of em-pirical investigations on the understanding
of the cost dynamics of serverless computing over traditional cloud computing.
Therefore, this study delves into how organizations anticipate the costs of
adopting serverless. It also aims to com-prehend workload suitability and
identify best practices for cost optimization of serverless applications. To
this end, we conducted a qualitative (interviews) study with 15 experts from 8
companies involved in the migration and development of serverless systems. The
findings revealed that, while serverless computing is highly suitable for
unpredictable workloads, it may not be cost-effective for cer-tain high-scale
applications. The study also introduces a taxonomy for comparing the cost of
adopting serverless versus traditional cloud.
- Abstract（参考訳）: サーバーレスコンピューティングの出現はクラウドコンピューティングの展望に革命をもたらし、基盤となるインフラストラクチャの管理やプロビジョニングではなく、アプリケーションのみに集中できる新しいパラダイムを提供している。
これらのアプリケーションには、複雑なタスクのための凝集ワークフローに個々の関数を統合することが含まれる。
従量課金モデルとクラウドプロバイダによる非トランザクションレポートによって、サーバレスコストの見積が難しくなり、インフォームドビジネス判断が妨げられる。
サーバーレスコンピュートに関するこれまでの研究は、経験則と技術的な観点の両方から、パフォーマンスの最適化と状態管理に焦点を当てている。
しかし、最先端技術は、従来のクラウドコンピューティングよりもサーバーレスコンピューティングのコストダイナミクスを理解するための実証的な調査の欠如を示している。
したがって、この研究は、組織がサーバーレスを採用するコストを期待する方法を掘り下げる。
また、ワークロードに適合し、サーバーレスアプリケーションのコスト最適化のベストプラクティスを特定することを目的としている。
この目的のために、サーバレスシステムのマイグレーションと開発に関わる8社から15人の専門家を対象に、質的研究(interviews)を実施しました。
その結果、サーバーレスコンピューティングは予測不能なワークロードに非常に適しているが、高スケールのアプリケーションではコスト効率が良くないことが分かった。
また、サーバーレスと従来のクラウドのコストを比較するための分類も導入されている。
関連論文リスト
- A Penny a Function: Towards Cost Transparent Cloud Programming [3.858859576352153]
コスト要因を理解するための既存のツールは、しばしばソースコードから切り離される。
既存のクラウドアプリケーションのコストモデルは、計算リソースのような特定の要因に焦点を当てている。
本稿では、コードから直接金銭的コスト推定を導出できる有向グラフに基づくコストモデルに向けた最初の取り組みについて述べる。
論文 参考訳（メタデータ） (2023-09-10T08:02:12Z) - How Can We Train Deep Learning Models Across Clouds and Continents? An Experimental Study [57.97785297481162]
代表的なCV, NLP, ASRモデルに対して, 異なるゾーン, 大陸, 雲におけるトレーニングの費用とスループットについて検討した。
スポット価格を活用することで、複数の安価なインスタンスでモデルをトレーニングし、より集中的かつ強力なハードウェアと、競争力のある価格でオンデマンドのクラウド製品の両方を台無しにする、新たなコスト効率の方法が実現されることを示す。
論文 参考訳（メタデータ） (2023-06-05T18:17:37Z) - Mining for Cost Awareness in the Infrastructure as Code Artifacts of Cloud-based Applications: an Exploratory Study [1.5612101323427952]
本研究の目的は,クラウドベースのアプリケーションのオープンソースリポジトリをマイニングすることで,コスト意識の実証的な証拠を提供することである。
152,735のリポジトリを体系的に検索した結果、2,010の関連リポジトリが選択された。
この結果から、開発者はアプリケーションデプロイメントのコストだけでなく、これらのコストを削減するためのアクションも気にしていることがわかる。
論文 参考訳（メタデータ） (2023-04-15T10:49:35Z) - CILP: Co-simulation based Imitation Learner for Dynamic Resource
Provisioning in Cloud Computing Environments [13.864161788250856]
レイテンシクリティカルなタスクの主な課題は、積極的にプロビジョニングする将来のワークロード要求を予測することだ。
既存のAIベースのソリューションは、プロビジョニングのオーバーヘッド、異種VMコスト、クラウドシステムの品質(QoS)など、すべての重要な側面を公平に考慮しない傾向があります。
予測と最適化の2つのサブプロブレムとしてVMプロビジョニング問題を定式化するCILPと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-02-11T09:15:34Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳（メタデータ） (2021-11-11T05:58:23Z) - 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) - Distributed Deep Learning in Open Collaborations [49.240611132653456]
協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。
現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2021-06-18T16:23:13Z) - Machine Learning (ML)-Centric Resource Management in Cloud Computing: A
Review and Future Directions [22.779373079539713]
インフラストラクチャ・アズ・ア・サービス(I)は、最も重要かつ急速に成長する分野の1つです。
私のクラウドコンピューティングの最も重要な側面の1つは、リソース管理です。
機械学習は、さまざまなリソース管理タスクを処理するために使用されます。
論文 参考訳（メタデータ） (2021-05-09T08:03:58Z) - AI-based Resource Allocation: Reinforcement Learning for Adaptive
Auto-scaling in Serverless Environments [0.0]
近年、サーバーレスコンピューティングはクラウドコンピューティングモデルの魅力的な新しいパラダイムとして現れています。
商用およびオープンソースのサーバレスコンピューティングプラットフォームに共通するアプローチは、ワークロードベースの自動スケーリングである。
本稿では、サーバーレスフレームワークにおける要求ベース自動スケーリングに対する強化学習アプローチの適用性について検討する。
論文 参考訳（メタデータ） (2020-05-29T06:18:39Z) - Budget Learning via Bracketing [50.085728094234476]
予算学習の問題は、学習者の目標として、雲の使用を最小限に抑えつつ、精度の明確な損失を被ることである。
本稿ではブラケットの概念を用いてBL問題に対する新しい定式化を提案する。
我々は、実世界のデータセットに関する我々の理論を実証的に検証し、事前ゲーティングに基づく手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2020-04-14T04:38:14Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。