Serverless computing has gained more traction over the years and, now, with the advancement and increasing number of IoT devices, the cloud model is being extended to the Edge. However, the practicality of not having to manage servers by the users also comes with its drawbacks: cloud providers do not take into account the data location when scheduling a function. By serverless computing, we specifically refer to the Function-as-a-Service (FaaS) model; and, by data location, we refer to the data the function is going to use as a payload. To evaluate the hypothesis that data location has a significant impact on the response time of the function request, we conducted experiments running functions in different clusters and using data from object storages and databases distributed in multiple locations. Additionally, we implemented a tool (FaaST) to automate the process of choosing the best cluster to deploy the function given the latency and to migrate the data close to the function when it is not available locally. The results confirm the importance of running a function close to the data it requires. Furthermore, when this is not possible, the data should be migrated while still serving the user with a slower response time.     «

Serverless computing has gained more traction over the years and, now, with the advancement and increasing number of IoT devices, the cloud model is being extended to the Edge. However, the practicality of not having to manage servers by the users also comes with its drawbacks: cloud providers do not take into account the data location when scheduling a function. By serverless computing, we specifically refer to the Function-as-a-Service (FaaS) model; and, by data location, we refer to the dat...     »

Serverless Computing hat im Laufe der Jahre an Zugkraft gewonnen, und jetzt, mit der Weiterentwicklung und der zunehmenden Zahl von IoT-Geräten wird das Cloud-Modell auf den Edge-Bereich ausgedehnt. Die Annehmlichkeit, dass Server nicht mehr manuell verwaltet werden müssen, hat jedoch auch seine Nachteile: Cloud-Anbieter berücksichtigen bei der Planung einer Funktion nicht den Standort der Daten. Unter Serverless Computing verstehen wir insbesondere das Function-as-a-Service (FaaS) Modell; und mit Datenstandort meinen wir die Daten, die die Funktion als Payload verwenden wird. Um die Hypothese zu bewerten, dass der Speicherort der Daten einen signifikanten Einfluss auf die Antwortzeit der Funktionsanforderung hat, haben wir Experimente mit Funktionen in verschiedenen Clustern und mit Daten aus Objektspeichern und Datenbanken, die über mehrere Standorte verteilt sind, durchgeführt. Zusätzlich, haben wir ein Tool (FaaST) implementiert, dass den Prozess der Auswahl des besten Clusters für die Bereitstellung der Funktion unter Berücksichtigung der Latenzzeit automatisiert und die Daten in die Nähe der Funktion migriert, wenn sie lokal nicht verfügbar sind. Die Ergebnisse bestätigen, wie wichtig es ist, eine Funktion in der Nähe der benötigten Daten auszuführen. Wenn dies nicht direkt möglich ist, sollte der Nutzer die Funktion trotzdem mit langsamerer Antwortzeit nutzen können, wärhend die Daten migriert werden.     «

Serverless Computing hat im Laufe der Jahre an Zugkraft gewonnen, und jetzt, mit der Weiterentwicklung und der zunehmenden Zahl von IoT-Geräten wird das Cloud-Modell auf den Edge-Bereich ausgedehnt. Die Annehmlichkeit, dass Server nicht mehr manuell verwaltet werden müssen, hat jedoch auch seine Nachteile: Cloud-Anbieter berücksichtigen bei der Planung einer Funktion nicht den Standort der Daten. Unter Serverless Computing verstehen wir insbesondere das Function-as-a-Service (FaaS) Modell; und...     »