論文の概要: A Comprehensive Experimentation Framework for Energy-Efficient Design of Cloud-Native Applications

• arxiv url: http://arxiv.org/abs/2503.08641v1
• Date: Tue, 11 Mar 2025 17:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:44:36.143127
• Title: A Comprehensive Experimentation Framework for Energy-Efficient Design of Cloud-Native Applications
• Title（参考訳）: クラウドネイティブアプリケーションのエネルギー効率向上のための総合的実験フレームワーク
• Authors: Sebastian Werner, Maria C. Borges, Karl Wolf, Stefan Tai,
• Abstract要約: クラウドベースのアプリケーションのすべての関連レイヤにおけるエネルギー効率を計測するフレームワークを提案する。 当社のフレームワークは、サービス品質とサステナビリティメトリクスのスイートを統合し、任意のベースアプリケーションとの互換性を提供します。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Current approaches to designing energy-efficient applications typically rely on measuring individual components using readily available local metrics, like CPU utilization. However, these metrics fall short when applied to cloud-native applications, which operate within the multi-tenant, shared environments of distributed cloud providers. Assessing and optimizing the energy efficiency of cloud-native applications requires consideration of the complex, layered nature of modern cloud stacks. To address this need, we present a comprehensive, automated, and extensible experimentation framework that enables developers to measure energy efficiency across all relevant layers of a cloud-based application and evaluate associated quality trade-offs. Our framework integrates a suite of service quality and sustainability metrics, providing compatibility with any Kubernetes-based application. We demonstrate the feasibility and effectiveness of this approach through initial experimental results, comparing architectural design alternatives for a widely used open-source cloud-native application.
• Abstract（参考訳）: エネルギー効率のよいアプリケーションを設計するための現在のアプローチは、一般的にCPU利用など、容易に利用可能なローカルメトリクスを使用して、個々のコンポーネントを測定することに依存します。 しかしながら、これらのメトリクスは、分散クラウドプロバイダのマルチテナントで共有された環境内で動作するクラウドネイティブアプリケーションに適用した場合、不足する。 クラウドネイティブなアプリケーションのエネルギー効率の評価と最適化には、現代のクラウドスタックの複雑な階層構造を考慮する必要がある。 このニーズに対処するために、私たちは、クラウドベースのアプリケーションのすべての関連レイヤにわたるエネルギー効率を計測し、関連する品質トレードオフを評価するための、包括的で自動化され、拡張可能な実験フレームワークを提示します。 当社のフレームワークは、サービス品質とサステナビリティメトリクスのスイートを統合し、Kubernetesベースのアプリケーションと互換性を提供します。 提案手法の有効性と有効性を,実験結果を通じて実証し,広く使用されているオープンソースクラウドネイティブアプリケーションに対するアーキテクチャ設計の選択肢を比較した。

関連論文リスト

• Transforming the Hybrid Cloud for Emerging AI Workloads [81.15269563290326]
  このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。 提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。 この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
  論文  参考訳（メタデータ） (2024-11-20T11:57:43Z)
• Building Castles in the Cloud: Architecting Resilient and Scalable Infrastructure [0.0]
  本論文では,クラウド環境内におけるコンテキスト設計に必要な重要な対策について考察する。 レプリケーションサーバ、フォールトトレランス、ディザスタバックアップ、高可用性のためのロードバランシングの必要性について検討している。
  論文  参考訳（メタデータ） (2024-10-29T04:56:34Z)
• 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)
• LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
  Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。 オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T04:00:30Z)
• Assessing and Verifying Task Utility in LLM-Powered Applications [28.41607905656699]
  大規模言語モデル(LLM)は、エージェント間のコラボレーションを促進し、人間の日常的なタスクを支援するアプリケーションの増加につながっている。 このことは、特にアプリケーションの機能とエンドユーザのニーズの整合性を確保することによって、LLMベースのアプリケーションのユーティリティを検証する必要性を強調している。 AgentEvalは,アプリケーション固有の目的に合わせた一連の基準を自動提案することで,ユーティリティ検証プロセスを簡素化する新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-05-03T15:26:27Z)
• Benchmarking Function Hook Latency in Cloud-Native Environments [0.5188841610098435]
  クラウドネイティブなアプリケーションは、動的にパッチを当てたり、フックしたりすることで、実行時にインスツルメンテーションしたり、変更されることが多い。 本稿では,これらのリスクを軽減し,不適切な実験装置が遅延測定に悪影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2023-10-19T12:54:32Z)
• ACE: Towards Application-Centric Edge-Cloud Collaborative Intelligence [14.379967483688834]
  機械学習に基づくインテリジェントなアプリケーションは、私たちの生活の多くの部分に影響を与えています。 クラウドで実行されている現在の実装は、これらの制約をすべて満たすことができない。 エッジクラウドコラボレーションインテリジェンス(Edge-Cloud Collaborative Intelligence)パラダイムは、このような問題に対処するための一般的なアプローチとなっている。
  論文  参考訳（メタデータ） (2022-03-24T13:12:33Z)
• Multi-Objective Constrained Optimization for Energy Applications via Tree Ensembles [55.23285485923913]
  エネルギーシステムの最適化問題は、強い非線形系の挙動と複数の競合する目的のために複雑である。 場合によっては、提案された最適解は、物理的性質や安全クリティカルな操作条件に関連する明示的な入力制約に従う必要がある。 本稿では,ブラックボックス問題に対する制約付き多目的最適化のためのツリーアンサンブルを用いた新しいデータ駆動戦略を提案する。
  論文  参考訳（メタデータ） (2021-11-04T20:18:55Z)
• 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)
• Reproducible Performance Optimization of Complex Applications on the Edge-to-Cloud Continuum [55.6313942302582]
  エッジ・ツー・クラウド・コンティニュム上でのリアルタイムアプリケーションの最適化を支援する手法を提案する。 提案手法は, 制御されたテストベッド環境において, その動作を理解するための厳密な構成解析に頼っている。 当社の方法論はEdge-to-Cloud Continuumの他のアプリケーションに一般化することができる。
  論文  参考訳（メタデータ） (2021-08-04T07:35:14Z)

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。