論文の概要: ADAPT: A Self-Calibrating Proactive Autoscaler for Container Orchestration

• arxiv url: http://arxiv.org/abs/2605.15788v1
• Date: Fri, 15 May 2026 09:46:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.240817
• Title: ADAPT: A Self-Calibrating Proactive Autoscaler for Container Orchestration
• Title（参考訳）: ADAPT: コンテナオーケストレーションのためのセルフキャリブレーションプロアクティブオートスケーラ
• Authors: Himanshu Singh Baghel,
• Abstract要約: 本稿では,オンラインEWMA推定器であるADAPT(Adaptive Duration Approximation for Predictive Timing)について述べる。 MPC+LSTMは、すべてのワークロードで5%以下のSLA違反を達成しており、リアクティブHPAでは7-19%、バイモーダルトラフィックでは28.7%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Proactive autoscaling for containerized workloads depends on knowing the provisioning delay, i.e., the time between a scaling decision and the moment new capacity is ready to serve traffic. In practice, this cold-start duration can vary substantially across environments and even across consecutive scale-out events. We present ADAPT (Adaptive Duration Approximation for Predictive Timing), an online EWMA estimator that tracks coldstart duration at runtime. ADAPT feeds a dynamic planning horizon, FH-OPT, into a Model Predictive Controller (MPC) that optimizes replica counts over a rolling window. Together, these components form a closed-loop proactive autoscaling design that adapts its lookahead based on measured provisioning delay. Evaluated across three policies (MPC+LSTM, MPC+Prophet, HPA) and six workload archetypes with five random seeds, MPC+LSTM achieves below 5% SLA violation on all workloads, compared with 7-19% for reactive HPA and up to 28.7% for MPC+Prophet on bimodal traffic.
• Abstract（参考訳）: コンテナ化されたワークロードに対する積極的な自動スケーリングは、プロビジョニングの遅延、すなわちスケーリング決定から新しいキャパシティがトラフィックを提供する準備ができている時点までの時間を知ることに依存する。 実際には、このコールドスタート期間は環境や連続的なスケールアウトイベントの間でも大きく異なる。 本稿では,オンラインEWMA推定器であるADAPT(Adaptive Duration Approximation for Predictive Timing)について述べる。 ADAPTは動的プランニング水平線であるFH-OPTをモデル予測コントローラ(MPC)に供給し、ローリングウィンドウ上でレプリカ数を最適化する。 これらのコンポーネントは、測定されたプロビジョニング遅延に基づいてルックアヘッドを適応するクローズドループプロアクティブオートスケーリング設計を形成する。 3つのポリシー(MPC+LSTM、MPC+Prophet、HPA)と5つのランダムシードを持つ6つのワークロードアーチタイプで評価され、MPC+LSTMはすべてのワークロードにおいて5%以下のSLA違反を達成する。

関連論文リスト

• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• Towards Intelligent Computation Offloading in Dynamic Vehicular Networks: A Scalable Multilayer Pipeline [0.3324986723090369]
  高度なアルゴリズムと頻繁なソフトウェア更新によって、オンボードハードウェアが静的である間、より多くの処理パワーが要求されるため、ソフトウェア定義車両は計算ギャップが増大する。 このミスマッチは、運転支援システムやリアルタイム認識タスクを含む安全クリティカルな機能の性能を脅かす。 本研究では,厳密なラウンドトリップ時間制約を満たしつつ,車両の機能をクラウドやエッジリソースに動的に分散する新しい4層オフロードパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-04-29T08:27:35Z)
• Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs [62.17306142810532]
  ヘテロジニアスLSMクラスタ上で動作するマルチエージェントワークフローの予測スケジューリングシステムであるChimeraを提案する。 Chimeは最高のレイテンシをトレースし、エンドツーエンドのレイテンシを1.2-2.4$times$で削減し、タスクパフォーマンスを平均8.0-9.5ポイント改善する。
  論文  参考訳（メタデータ） (2026-03-23T17:01:42Z)
• Implicit Maximum Likelihood Estimation for Real-time Generative Model Predictive Control [5.692340907039085]
  Implicit Maximum Likelihood Estimation (IMLE) は、計画のための新たな生成モデリング手法である。 本結果は,IMLEが標準オフライン強化学習ベンチマーク上での競合性能を実証するものである。 我々はまた、IMLEをクローズドループの人間ナビゲーションシナリオで検証し、高速かつ適応的な計画生成を可能にする方法を示す。
  論文  参考訳（メタデータ） (2026-03-14T03:39:31Z)
• HPTune: Hierarchical Proactive Tuning for Collision-Free Model Predictive Control [55.015741360766945]
  本稿では,高速なチューニングと低速なチューニングを組み合わせた階層型プロアクティブチューニング(HPTune)フレームワークを提案する。 我々はHPTuneをドップラーLiDARと統合し、位置のみの測定とは別に障害物速度を提供し、運動予測を強化した。 安全でアジャイルな衝突回避戦略を定式化することにより,HPTuneは状況調整型動作計画を可能にする。
  論文  参考訳（メタデータ） (2026-01-29T07:15:39Z)
• Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
  従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。 この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
  論文  参考訳（メタデータ） (2025-10-16T17:28:25Z)
• TempSamp-R1: Effective Temporal Sampling with Reinforcement Fine-Tuning for Video LLMs [67.55973229034319]
  本稿では,マルチモーダルな大規模言語モデル(MLLM)をビデオ時間的グラウンド処理に適応させることの有効性向上を目的とした,新しい強化微調整フレームワークであるTempSamp-R1を紹介する。 我々は、TempSamp-R1がGRPOベースのベースラインより優れており、ベンチマークデータセット上で新しい最先端のパフォーマンスを確立していることを示す。
  論文  参考訳（メタデータ） (2025-09-22T17:30:15Z)
• AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
  本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。 同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。 そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
  論文  参考訳（メタデータ） (2024-03-20T06:22:37Z)
• Introducing a Deep Neural Network-based Model Predictive Control Framework for Rapid Controller Implementation [41.38091115195305]
  本研究は、HCCI燃焼制御のためのディープニューラルネットワーク(DNN)に基づく非線形MPCの実験的実装を示す。 ARM Cortex A72上のMPCのリアルタイム実装を可能にするために、Acadosソフトウェアパッケージを使用することで、最適化計算は1.4ms以内で完了する。 現像した制御器のIMEP軌道は, プロセス制約の観測に加えて, 根平均2乗誤差0.133バールで良好であった。
  論文  参考訳（メタデータ） (2023-10-12T15:03:50Z)

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。