Function as a Service (FaaS) ist ein bedeutender Schritt in der Entwicklung des Cloud Computings. Hier sind Applikationen oft eine Komposition aus mehreren granularen und kurzlebigen Funktionen, die durch gegenseitige Interaktion und Interaktion mit Cloud-Diensten wie Datenbanken komplexe Geschäftsprozesse implementieren. FaaS wird häufig mit dem Begriff Serverless assoziiert, da alle serverspezifischen Aspekte wie Netzwerk und Skalierung der Funktionen vom Cloud-Anbieter übernommen werden. Die Skalierung von Funktionen bedeutet auch eine Skalierung auf Null Instanzen, wodurch die Kosten reduziert werden, da FaaS eine Pay-per-Use-Preispolitik verfolgt. Die Skalierung einer inaktiven Funktion erfordert jedoch die Bereitstellung ihres Funktionscodes und ihrer Dependencies. Dieses Phänomen wird als Cold Start bezeichnet und kann zu hohen Latenzzeiten führen. Da die Funktionen in FaaS zustandslos sind, müssen sie außerdem häufig Datenbanken abfragen, was zu hohen Latenzzeiten und Netzwerkbelastungen führt.
In dieser Arbeit verwenden wir neuronale temporale Punktprozesse (TPPs), um Funktionsaufrufe in FaaS-Kompositionen zu modellieren. Mit diesen probabilistischen Modellen wird eine Wahrscheinlichkeitsverteilung für den Zeitpunkt und die Klasse des nächsten Aufrufs für eine gegebene Historie von Aufrufen vorhergesagt. Die Vorhersage kann Cold Starts verhindern, indem Funktionen im Voraus skaliert werden, und durch Optimierung der Funktions-Server-Zuordnung die Netzwerklast reduzieren. Wir verwendeten die neuronalen TPPs LogNormMix, das die Zeit anhand einer log-normalen Mischverteilung modelliert, und TruncNorm, das einen einzelnen Wert für die Zeit vorhersagt. Mit unserem System TppFaaS haben wir Datensätze von verschiedenen FaaS-Kompositionen erzeugt, um unsere Modelle zu trainieren und zu testen. Bei Datensätzen ohne Cold Starts erreichten die Modelle für die meisten Kompositionen einen mittleren absoluten Fehler von unter 22ms und einen Anteil der korrekt vorhergesagten Funktionsklassen von über 0,94. Wir kommen zu dem Schluss, dass neuronale TPPs eine geeignete Methode sind, um die latente zeitliche Dynamik in FaaS-Kompositionen zu erfassen.
«
Function as a Service (FaaS) ist ein bedeutender Schritt in der Entwicklung des Cloud Computings. Hier sind Applikationen oft eine Komposition aus mehreren granularen und kurzlebigen Funktionen, die durch gegenseitige Interaktion und Interaktion mit Cloud-Diensten wie Datenbanken komplexe Geschäftsprozesse implementieren. FaaS wird häufig mit dem Begriff Serverless assoziiert, da alle serverspezifischen Aspekte wie Netzwerk und Skalierung der Funktionen vom Cloud-Anbieter übernommen werden. Die...
»