論文の概要: gFaaS: Enabling Generic Functions in Serverless Computing
- arxiv url: http://arxiv.org/abs/2401.10367v1
- Date: Thu, 18 Jan 2024 20:25:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 17:29:10.267439
- Title: gFaaS: Enabling Generic Functions in Serverless Computing
- Title(参考訳): gFaaS: サーバレスコンピューティングにおけるジェネリック関数の実行
- Authors: Mohak Chadha, Paul Wieland, Michael Gerndt
- Abstract要約: gFは、多種多様なFプラットフォームにわたる機能の総合的な開発と管理を容易にする新しいフレームワークである。
実験の結果,gF関数は様々なシナリオにまたがるネイティブプラットフォーム固有の関数と同様に機能することが示された。
- 参考スコア(独自算出の注目度): 0.1433758865948252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advent of AWS Lambda in 2014, Serverless Computing, particularly
Function-as-a-Service (FaaS), has witnessed growing popularity across various
application domains. FaaS enables an application to be decomposed into
fine-grained functions that are executed on a FaaS platform. It offers several
advantages such as no infrastructure management, a pay-per-use billing policy,
and on-demand fine-grained autoscaling. However, despite its advantages,
developers today encounter various challenges while adopting FaaS solutions
that reduce productivity. These include FaaS platform lock-in, support for
diverse function deployment parameters, and diverse interfaces for interacting
with FaaS platforms. To address these challenges, we present gFaaS, a novel
framework that facilitates the holistic development and management of functions
across diverse FaaS platforms. Our framework enables the development of generic
functions in multiple programming languages that can be seamlessly deployed
across different platforms without modifications. Results from our experiments
demonstrate that gFaaS functions perform similarly to native platform-specific
functions across various scenarios. A video demonstrating the functioning of
gFaaS is available from https://youtu.be/STbb6ykJFf0.
- Abstract(参考訳): 2014年のAWS Lambdaの出現により、サーバレスコンピューティング、特にFaaS(Function-as-a-Service)は、さまざまなアプリケーションドメインで人気が高まっている。
FaaSは、アプリケーションをFaaSプラットフォーム上で実行されるきめ細かい関数に分解することを可能にする。
インフラストラクチャ管理の不要,有償課金ポリシ,オンデマンドの詳細な自動スケーリングなど,いくつかのメリットがある。
しかし、その利点にもかかわらず、今日の開発者は生産性を低下させるfaasソリューションを採用しながら、様々な課題に直面する。
これには、FaaSプラットフォームロックイン、さまざまな関数展開パラメータのサポート、FaaSプラットフォームとのインタラクションのための多様なインターフェースが含まれる。
これらの課題に対処するため、さまざまなFaaSプラットフォームにわたる関数の全体的開発と管理を容易にする新しいフレームワークであるgFaaSを紹介します。
我々のフレームワークは、異なるプラットフォームにシームレスにデプロイできる複数のプログラミング言語における汎用関数の開発を可能にする。
実験の結果,gFaaS関数は,さまざまなシナリオにわたるネイティブプラットフォーム固有の関数と同様の機能を示す。
gFaaSの機能を示すビデオはhttps://youtu.be/STbb6ykJFf0.comから入手できる。
関連論文リスト
- Bauplan: zero-copy, scale-up FaaS for data pipelines [4.6797109107617105]
bauplanは、データ実践者向けに設計された、新しいFプログラミングモデルとサーバレスランタイムである。
bauplanを使用することで、ユーザはランタイム環境とともに、機能的なDAG(Directed Acyclic Graphs)を宣言的に定義することができる。
汎用性を減らし、データ認識を優先することで、バプランのパフォーマンスが向上し、データワークロードの開発者エクスペリエンスも向上していることを示す。
論文 参考訳(メタデータ) (2024-10-22T22:49:01Z) - Granite-Function Calling Model: Introducing Function Calling Abilities via Multi-task Learning of Granular Tasks [35.97890508648945]
我々はApache 2.0ライセンスの下で-20B-FUNCTIONCALLINGモデルを紹介します。
モデルは7つの基本的なタスクに対してマルチタスクトレーニングアプローチを使用してトレーニングされる。
20B-FUNCTIONCALLINGは、7つの異なる評価データセットにおいて、複数のタスクに対してより一般化可能であることを示す。
論文 参考訳(メタデータ) (2024-06-27T17:47:26Z) - Decentralized FaaS over Multi-Clouds with Blockchain based Management for Supporting Emerging Applications [8.489912821556803]
ファンクション・アズ・ア・サービス(Function-as-a-Service, F)はクラウドコンピューティングのパラダイムを合理化しているが、既存の集中型システムはベンダーのロックインと単一障害点に悩まされている。
ブロックチェーン技術と分散API管理を活用した分散FシステムであるDeFを提案する。
論文 参考訳(メタデータ) (2024-04-11T22:34:48Z) - Automatic Functional Differentiation in JAX [8.536145202129827]
JAXを高階関数(機能や演算子)を自動的に区別する機能で拡張します。
関数を配列の一般化として表現することにより、JAXの既存のプリミティブシステムを使って高階関数を実装します。
論文 参考訳(メタデータ) (2023-11-30T17:23:40Z) - TaskWeaver: A Code-First Agent Framework [50.99683051759488]
TaskWeaverは、LLMで動く自律エージェントを構築するためのコードファーストフレームワークである。
ユーザ要求を実行可能なコードに変換し、ユーザ定義プラグインを呼び出し可能な関数として扱う。
リッチなデータ構造、フレキシブルなプラグイン利用、動的プラグイン選択のサポートを提供する。
論文 参考訳(メタデータ) (2023-11-29T11:23:42Z) - FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient
Package for Federated Graph Learning [65.48760613529033]
フェデレートグラフ学習(FGL)は、その特徴と要求のため、十分にサポートされていない。
まず、使い易いFGLパッケージを作成する際の課題について議論し、実装済みのFederatedScope-GNN(FS-G)を提示する。
我々は,FS-Gの有効性を広範囲な実験によって検証し,同時にコミュニティにとってのFGLに関する貴重な洞察を得る。
論文 参考訳(メタデータ) (2022-04-12T06:48:06Z) - FederatedScope: A Comprehensive and Flexible Federated Learning Platform
via Message Passing [63.87056362712879]
我々は,メッセージ指向フレームワークを基盤とした,新しい総合的なフェデレート学習プラットフォームであるFederatedScopeを提案する。
手続き型フレームワークと比較して、提案されたメッセージ指向フレームワークは異種メッセージ交換を表現するのに柔軟である。
我々は、FederatedScopeの正確性と効率性を検証するために、提供された簡易かつ包括的なFLベンチマークについて一連の実験を行った。
論文 参考訳(メタデータ) (2022-04-11T11:24:21Z) - A Framework of Meta Functional Learning for Regularising Knowledge
Transfer [89.74127682599898]
本研究では,データ豊富なタスクから一般化可能な関数型モデルをメタ学習することで,メタ関数型学習(MFL)の新たなフレームワークを提案する。
MFLは、限定ラベル付きデータに対する機能訓練が学習すべきより差別的な機能を促進することにより、異なる学習タスクに一般化可能な機能正規化に関するメタ知識を計算する。
論文 参考訳(メタデータ) (2022-03-28T15:24:09Z) - Meta-Learning with Task-Adaptive Loss Function for Few-Shot Learning [50.59295648948287]
数ショットの学習シナリオでは、新しい目に見えない例を一般化し、うまく実行するのが課題だ。
各タスクに適応する損失関数を備えた新しいメタ学習フレームワークを導入する。
提案フレームワークはMeta-Learning with Task-Adaptive Loss Function (MeTAL) と名付けられ,様々な領域における有効性と柔軟性を示す。
論文 参考訳(メタデータ) (2021-10-08T06:07:21Z) - Replicate or Relocate? Non-Uniform Access in Parameter Servers [74.89066750738971]
ホットスポットパラメータを複製し、アクセス頻度の低いパラメータを再配置し、非決定性を管理する専門技術を採用しているPSであるLapse2を紹介します。
私たちの実験研究では、Lapse2は既存の単一技術PSを最大1桁上回った。
論文 参考訳(メタデータ) (2021-04-01T14:52:32Z)
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。