論文の概要: Optimizing OpenFaaS on Kubernetes: Comparative Analysis of Language Runtimes and Cluster Distributions
- arxiv url: http://arxiv.org/abs/2604.05496v1
- Date: Tue, 07 Apr 2026 06:38:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 14:47:45.593872
- Title: Optimizing OpenFaaS on Kubernetes: Comparative Analysis of Language Runtimes and Cluster Distributions
- Title（参考訳）: Kubernetes上でのOpenFaaSの最適化 - 言語ランタイムとクラスタ分散の比較分析
- Authors: Ehsan Ataie, Mohammadreza Pooshani, Hossein Aqasizade,
- Abstract要約: サーバーレスコンピューティングは、インフラ管理を抽象化し、動的リソース割り当てを可能にすることによって、クラウドコンピューティングに革命をもたらした。
本稿では,Kubeadm,K3s,MicroK8s,K0sなど,さまざまなディストリビューションにデプロイされたOpenFの性能と互換性について検討する。
本研究では、Python、Go、Node.jsプログラミング言語がOpenF対応関数のパフォーマンスに与える影響について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Serverless computing, particularly Function-as-a-Service (FaaS), has revolutionized cloud computing by abstracting infrastructure management and enabling dynamic resource allocation. This paper examines the performance and compatibility of OpenFaaS, an open-source serverless platform, when deployed on various Kubernetes distributions, including Kubeadm, K3s, MicroK8s, and K0s. Moreover, leveraging the CloudLab infrastructure, this study examines the impact of Python, Go, and Node.js programming languages on the performance of Kubernetes-enabled OpenFaaS, specifically when these languages are used to develop functions deployed on the platform. The performance is evaluated and analyzed under various levels of concurrent invocations using several usage-level metrics, such as throughput and CPU usage, as well as responsiveness metrics, such as delay. According to our findings, Go consistently outperforms Python and Node.js in terms of throughput and CPU usage, making it the ideal runtime for serverless applications. Among the Kubernetes distributions, K3s and Kubeadm exhibit superior performance, with Kubeadm maintaining low latency and efficient CPU usage, and K3s demonstrating high throughput. This study provides valuable insights into optimizing the Kubernetes-enabled OpenFaaS platform, highlighting the strengths and trade-offs of different Kubernetes distributions and language runtimes.
- Abstract（参考訳）: サーバレスコンピューティング、特にFaaS(Function-as-a-Service)は、インフラストラクチャ管理を抽象化し、動的リソース割り当てを可能にすることによって、クラウドコンピューティングに革命をもたらした。
本稿では、Kubeadm、K3s、MicroK8s、K0sなど、さまざまなKubernetesディストリビューションにデプロイされたオープンソースのサーバレスプラットフォームであるOpenFaaSのパフォーマンスと互換性について検討する。
さらに、CloudLabインフラストラクチャを活用することで、Python、Go、Node.jsプログラミング言語がKubernetes対応のOpenFaaSのパフォーマンスに与える影響、特にこれらの言語がプラットフォームにデプロイされた関数の開発に使用される場合について調べる。
パフォーマンスは、スループットやCPU使用率などのいくつかの使用量レベルのメトリクスと、遅延などの応答性メトリクスを使用して、さまざまなレベルの同時呼び出しで評価され、分析される。
私たちの調査によると、GoはスループットとCPU使用率でPythonとNode.jsを一貫して上回り、サーバレスアプリケーションにとって理想的なランタイムとなっている。
Kubernetesディストリビューションの中で、K3sとKubeadmは優れたパフォーマンスを示し、Kubeadmは低レイテンシと効率的なCPU使用率を維持し、K3sは高いスループットを示している。
この調査は、Kubernetes対応のOpenFaaSプラットフォームの最適化に関する貴重な洞察を提供し、さまざまなKubernetesディストリビューションと言語ランタイムの長所と短所を強調している。
関連論文リスト
- VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents [42.56489784841984]
実装の変更が生成され、エージェントが提案する差分として適用される。
アーキテクチャを説明し、システムの生成と検証に使用するワークフローを要約し、アーティファクトを評価する。
論文 参考訳（メタデータ） (2026-01-21T19:29:00Z) - 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) - KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution [59.20933707301566]
大規模言語モデル(LLM)は、ますます現実的なソフトウェア工学(SE)タスクにおいて一貫して改善されている。
現実世界のソフトウェアスタックでは、Linuxカーネルのような基本的なシステムソフトウェアの開発にSEの取り組みが費やされています。
このような大規模システムレベルのソフトウェアを開発する際にMLモデルが有用かどうかを評価するため、kGymとkBenchを紹介する。
論文 参考訳（メタデータ） (2024-07-02T21:44:22Z) - ShuffleBench: A Benchmark for Large-Scale Data Shuffling Operations with
Distributed Stream Processing Frameworks [1.4374467687356276]
本稿では、最新のストリーム処理フレームワークの性能を評価するための新しいベンチマークであるShuffleBenchを紹介する。
ShuffleBenchは、大規模なクラウドオブザーバビリティプラットフォームのほぼリアルタイム分析の要件にインスパイアされている。
その結果,Herzelcastは低レイテンシでデータストリームを処理するのに対して,Flinkは最高スループットを実現していることがわかった。
論文 参考訳（メタデータ） (2024-03-07T15:06:24Z) - Green AI: A Preliminary Empirical Study on Energy Consumption in DL
Models Across Different Runtime Infrastructures [56.200335252600354]
トレーニング済みのモデルを、ネイティブな開発環境とは異なる環境にデプロイするのは、一般的なプラクティスです。
これにより、インフラを含むONNXや標準フォーマットとして機能するONNXなどの交換フォーマットが導入された。
論文 参考訳（メタデータ） (2024-02-21T09:18:44Z) - Walle: An End-to-End, General-Purpose, and Large-Scale Production System
for Device-Cloud Collaborative Machine Learning [40.09527159285327]
We build the first end-to-end and general-purpose system, called Walle, for device-cloud collaborative machine learning (ML)
Walleはデプロイメントプラットフォームで構成され、MLタスクを10億規模のデバイスに分散する。データパイプラインはタスク入力を効率的に準備し、計算コンテナはクロスプラットフォームで高性能な実行環境を提供する。
我々はWalleを実践的なeコマースアプリケーションシナリオで評価し、その有効性、効率、スケーラビリティを実証する。
論文 参考訳（メタデータ） (2022-05-30T03:43:35Z) - ContainerStress: Autonomous Cloud-Node Scoping Framework for Big-Data ML
Use Cases [0.2752817022620644]
OracleLabsは、ネストループのMonte Carloシミュレーションを使用して、任意の規模の顧客MLユースケースを自律的にスケールする自動化フレームワークを開発した。
OracleLabsとNVIDIAの著者は、任意のML予測アルゴリズムの計算コストとGPUアクセラレーションを分析するMLベンチマーク研究に協力している。
論文 参考訳（メタデータ） (2020-03-18T01:51:42Z)
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。