論文の概要: Dynamic Function Configuration and its Management in Serverless Computing: A Taxonomy and Future Directions

• arxiv url: http://arxiv.org/abs/2510.02404v1
• Date: Thu, 02 Oct 2025 03:09:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.087912
• Title: Dynamic Function Configuration and its Management in Serverless Computing: A Taxonomy and Future Directions
• Title（参考訳）: サーバーレスコンピューティングにおける動的機能構成とその管理--分類学と今後の方向性
• Authors: Siddharth Agarwal, Maria A. Rodriguez, Rajkumar Buyya,
• Abstract要約: サーバレスクラウドコンピューティングモデルは、サービスプロバイダが基盤となるインフラストラクチャ管理を開発者から抽象化するフレームワークを提供する。 このサーバレスモデルでは、Fはイベント駆動の関数指向コンピューティングサービスを提供する。
• 参考スコア（独自算出の注目度）: 14.448267395835721
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The serverless cloud computing model offers a framework where the service provider abstracts the underlying infrastructure management from developers. In this serverless model, FaaS provides an event-driven, function-oriented computing service characterised by fine-grained, usage-based pricing that eliminates cost for idle resources. Platforms like AWS Lambda, Azure Functions, and Cloud Run Functions require developers to configure their function(s) with minimum operational resources for its successful execution. This resource allocation influences both the operational expense and the performance quality of these functions. However, a noticeable lack of platform transparency forces developers to rely on expert knowledge or experience-based ad-hoc decisions to request desired function resources. This makes optimal resource configuration a non-trivial task while adhering to performance constraints. Furthermore, while commercial platforms often scale resources like CPU and network bandwidth proportional to memory, open-source frameworks permit independent configuration of function resources, introducing additional complexity for developers aiming to optimise their functions. These complexities have directed researchers to resolve developer challenges and advance towards an efficient server-less execution model. In this article, we identify different aspects of resource configuration techniques in FaaS settings and propose a taxonomy of factors that influence function design, configuration, run-time cost, and performance guarantees. We conduct an analysis of existing literature on resource configuration to present a comprehensive review of current studies on function configuration. We also identify existing research gaps and suggest future research directions to enhance function configuration and strengthen the capabilities of serverless computing environments to drive its broader adoption.
• Abstract（参考訳）: サーバレスクラウドコンピューティングモデルは、サービスプロバイダが基盤となるインフラストラクチャ管理を開発者から抽象化するフレームワークを提供する。 このサーバレスモデルでは、FaaSはイベント駆動の関数指向コンピューティングサービスを提供する。 AWS Lambda、Azure Functions、Cloud Run Functionsなどのプラットフォームでは、開発者は実行を成功させるために最小限の運用リソースで関数を設定する必要がある。 このリソース割り当ては、これらの機能の運用コストと性能品質の両方に影響を与える。 しかし、プラットフォーム透過性の欠如により、開発者は専門知識や経験に基づくアドホックな決定に頼って、望ましい機能リソースを要求せざるを得なくなる。 これにより、パフォーマンスの制約に固執しながら、最適なリソース設定を非自明なタスクにする。 さらに、商用プラットフォームは、メモリに比例したCPUやネットワーク帯域幅などのリソースをスケールすることが多いが、オープンソースのフレームワークは、ファンクションリソースの独立した構成を許可し、ファンクションリソースの最適化を目指す開発者にさらなる複雑さをもたらす。 これらの複雑さは、研究者に開発者の課題を解決し、効率的なサーバーレス実行モデルへと進むよう指示している。 本稿では、FaaS設定におけるリソース設定手法の異なる側面を特定し、機能設計、構成、実行時コスト、パフォーマンス保証に影響を与える要因の分類法を提案する。 本稿では,資源構成に関する既存の文献の分析を行い,機能構成に関する現在の研究を概観する。 また、既存の研究ギャップを特定し、機能構成を強化し、サーバレスコンピューティング環境の能力を強化し、より広範な採用を促進するための今後の研究方向性を提案する。

関連論文リスト

• WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning [73.91893534088798]
  WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。 我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。 WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回る。
  論文  参考訳（メタデータ） (2025-09-16T17:57:03Z)
• Action Engine: Automatic Workflow Generation in FaaS [1.4185188982404757]
  Action Engineは、カーネルでtoolaugmented large language model(LLM)を使用して、人間の言語クエリを解釈する。 Action Engineは、データ間の依存関係をシームレスに管理し、開発者のクエリが処理され、解決されることを保証する。
  論文  参考訳（メタデータ） (2024-11-29T05:54:41Z)
• Input-Based Ensemble-Learning Method for Dynamic Memory Configuration of Serverless Computing Functions [18.36339203254509]
  本稿では、入力認識によるサーバレス関数のメモリ要求を推定するサーバーレスソリューションであるMemFigLessを紹介する。 MemFigLessは、入力対応のリソース関係をキャプチャし、最大82%のリソースを割り当て、最大87%のランタイムコストを節約できる。
  論文  参考訳（メタデータ） (2024-11-12T00:03:11Z)
• 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)
• A Review of Deep Reinforcement Learning in Serverless Computing: Function Scheduling and Resource Auto-Scaling [2.0722667822370386]
  本稿では、サーバーレスコンピューティングにおけるDeep Reinforcement Learning(DRL)技術の適用について、包括的なレビューを行う。 DRLをサーバレスコンピューティングに適用する最近の研究の体系的なレビューが、さまざまなアルゴリズム、モデル、パフォーマンスについて紹介されている。 分析の結果,DRLは環境から学習・適応する能力を有しており,機能スケジューリングと資源スケーリングの効率化に期待できる結果が得られた。
  論文  参考訳（メタデータ） (2023-10-05T09:26:04Z)
• Performance Modeling of Metric-Based Serverless Computing Platforms [5.089110111757978]
  提案されたパフォーマンスモデルは、開発者とプロバイダが異なる構成でデプロイメントのパフォーマンスとコストを予測するのに役立つ。 Knative上での実環境実験を行うことで,提案した性能モデルの適用性と精度を検証した。
  論文  参考訳（メタデータ） (2022-02-23T00:39:01Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• 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)
• 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。