論文の概要: High-Performance Serverless Computing: A Systematic Literature Review on Serverless for HPC, AI, and Big Data

• arxiv url: http://arxiv.org/abs/2601.09334v1
• Date: Wed, 14 Jan 2026 10:10:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.355196
• Title: High-Performance Serverless Computing: A Systematic Literature Review on Serverless for HPC, AI, and Big Data
• Title（参考訳）: 高性能なサーバレスコンピューティング - HPC、AI、ビッグデータのためのサーバレスに関する体系的な文献レビュー
• Authors: Valerio Besozzi, Matteo Della Bartola, Patrizio Dazzi, Marco Danelutto,
• Abstract要約: 本稿は,2018年から2025年にかけて発行された122の論文について,系統的な文献レビューを行う。 サーバレスパラダイムを使用して、クラウド、ハイパフォーマンスコンピューティング、ハイブリッド環境にわたる計算集約型アプリケーションの開発とデプロイ、オーケストレーションを行う。
• 参考スコア（独自算出の注目度）: 0.8199696350352799
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread deployment of large-scale, compute-intensive applications such as high-performance computing, artificial intelligence, and big data is leading to convergence between cloud and high-performance computing infrastructures. Cloud providers are increasingly integrating high-performance computing capabilities in their infrastructures, such as hardware accelerators and high-speed interconnects, while researchers in the high-performance computing community are starting to explore cloud-native paradigms to improve scalability, elasticity, and resource utilization. In this context, serverless computing emerges as a promising execution model to efficiently handle highly dynamic, parallel, and distributed workloads. This paper presents a comprehensive systematic literature review of 122 research articles published between 2018 and early 2025, exploring the use of the serverless paradigm to develop, deploy, and orchestrate compute-intensive applications across cloud, high-performance computing, and hybrid environments. From these, a taxonomy comprising eight primary research directions and nine targeted use case domains is proposed, alongside an analysis of recent publication trends and collaboration networks among authors, highlighting the growing interest and interconnections within this emerging research field. Overall, this work aims to offer a valuable foundation for both new researchers and experienced practitioners, guiding the development of next-generation serverless solutions for parallel compute-intensive applications.
• Abstract（参考訳）: ハイパフォーマンスコンピューティング、人工知能、ビッグデータといった大規模で計算集約的なアプリケーションの広範な展開は、クラウドとハイパフォーマンスコンピューティングインフラストラクチャの収束につながっている。 クラウドプロバイダは、ハードウェアアクセラレータや高速相互接続などのインフラストラクチャにハイパフォーマンスコンピューティング機能を統合している一方、ハイパフォーマンスコンピューティングコミュニティの研究者たちは、スケーラビリティ、弾力性、リソース利用を改善するためにクラウドネイティブなパラダイムを探求し始めている。 このような状況下では、サーバレスコンピューティングは、高度な動的、並列、分散ワークロードを効率的に処理する、有望な実行モデルとして登場します。 本稿では、2018年から2025年にかけて発行された122の論文の総合的な体系的な文献レビューを行い、クラウド、ハイパフォーマンスコンピューティング、ハイブリッド環境における計算集約型アプリケーションの開発、デプロイ、オーケストレーションにサーバーレスパラダイムを使用することについて検討する。 そこで本研究では,8つの主要な研究方向と9つのユースケースドメインからなる分類法を提案するとともに,近年の出版動向と著者間の協調ネットワークの分析を行い,本研究分野における関心と相互関係の高まりを浮き彫りにした。 この研究は全体として、新しい研究者と経験豊富な実践者の両方に価値のある基盤を提供することを目的としており、並列計算集約アプリケーションのための次世代のサーバレスソリューションの開発を指導している。

関連論文リスト

• The AI_INFN Platform: Artificial Intelligence Development in the Cloud [0.0]
  INFNイニシアチブであるAI_INFN(Artificial Intelligence at INFN)は、さまざまなINFN研究シナリオでMLメソッドの使用を促進することを目指している。 性能と統合結果の両方を実証し、予備ベンチマーク、機能テスト、ケーススタディを示す。
  論文  参考訳（メタデータ） (2025-09-26T09:40:51Z)
• A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
  クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。 CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。 本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-26T08:38:01Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• The MIT Supercloud Workload Classification Challenge [10.458111248130944]
  本稿では,MIT Supercloudデータセットに基づくワークロード分類の課題について述べる。 この課題の目標は、計算ワークロードの分析におけるアルゴリズムのイノベーションを促進することである。
  論文  参考訳（メタデータ） (2022-04-12T14:28:04Z)
• Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
  まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。 このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-02-22T14:38:11Z)

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。