Bridging Design and Execution: A Visual Graph Editor for Edge and Cloud Workflows
Faculty of Technical Sciences, University of Novi Sad(诺维萨德大学技术科学学院);School of Electrical Engineering, University of Belgrade(贝尔格莱德大学电气工程学院)
提出一种领域特定可视化图形编辑器,通过内核、共享内存节点和事件触发器三种抽象,支持边缘和云应用的模块化设计,自动序列化为可执行表示,弥合设计与部署的鸿沟。
2026-06-23 cs.DC cs.SE
Chiminey: Reliable Computing and Data Management Platform in the Cloud
将高度并行、长时间运行和数据密集型的科学实验引入基于云的执行环境是一项令人向往的任务,尽管对许多研究人员来说很复杂。这种虚拟环境的管理是繁琐的,不一定是科学家和工程师的核心技能。Chiminey是一个软件平台,它使研究人员能够(i)在传统的高性能计算和基于云的计算基础设施上运行应用程序,(ii)处理执行过程中的故障,(iii)管理和可视化执行输出,(iv)与合作者或公众共享这些数据,以及(v)搜索公开可用的数据。
2015-07-06 cs.DC cs.SE
Sharing of Semantically Enhanced Information for the Adaptive Execution of Business Processes
出于上下文感知计算,更具体地说,从数据驱动的过程自适应方法,我们提出了语义上下文空间(SCS)引擎,旨在促进提供适应性强的业务流程。SCS引擎提供了一个存储语义注释数据的空间,并且它对其他流程、系统和外部源开放,以进行信息交换。指定的实现受到Semantic TupleSpace的启发,并使用Jini框架(最近更改为Apache River)的JavaSpace服务作为底层基础。SCS引擎提供接口,其中客户端可以执行以下操作:(i)写:其将可用信息连同其相应的元信息一起插入空间中,(ii)读:其从空间中检索满足特定元信息约束的信息,以及(iii)取:其从空间中检索并同时删除满足特定元信息约束的信息。在本论文中,可用的元信息类型是基于RDFS或WSML描述的本体。SCS引擎实施的数据驱动的过程适应的背景下的适用性已得到确保所提供的操作的实验评估。最后,我们指的是开放的问题,可以解决,以丰富拟议的引擎与其他功能。
2013-04-08 cs.SE
Enhancing business process execution with a context engine
Faculty of Business Management and Economics, University of Würzburg(维尔茨堡大学商学院);TU Berlin(柏林工业大学)
本文提出一种基于复杂事件处理的通用上下文引擎架构,以增强BPM系统的上下文感知能力,支持流程在运行时因上下文变化而动态调整,从而改进传统静态变量实例化的不足。
2025-09-18 cs.SE
A Cross-Platform Execution Engine for the Quantum Intermediate Representation
Oak Ridge National Laboratory(橡树岭国家实验室);Georgia Institute of Technology(佐治亚理工学院);University of Tennessee Knoxville(田纳西大学诺克斯维尔分校);Quantum Science Center, Oak Ridge National Laboratory(橡树岭国家实验室量子科学中心)
本文开发了QIR执行引擎(QIR-EE),利用LLVM在多个硬件平台上解析、解释和执行量子中间表示,并通过XACC库在IonQ、Quantinuum和IBM硬件上验证了其跨平台执行混合指令的效率。
2025-11-05 cs.SE quant-ph
Symetra: Visual Analytics for the Parameter Tuning Process of Symbolic Execution Engines
Sungkyunkwan University(成均馆大学)
Symetra通过可视化分析支持人类参与的符号执行引擎参数调优,帮助用户理解参数影响,提升分支覆盖和调优效率。
2026-04-07 cs.HC cs.SE
Insights into resource utilization of code small language models serving with runtime engines and execution providers
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
本研究针对代码生成小型语言模型的推理资源优化需求,通过多阶段实验测试12个模型在不同运行时引擎与执行提供方组合下的表现,发现TORCH+CUDA能效最优,为软件工程师选择服务配置提供参考。
2025-07-30 cs.AI cs.LG cs.SE
Enhancing Workflow Security in Multi-Cloud Environments through Monitoring and Adaptation upon Cloud Service and Network Security Violations
针对多云环境下工作流安全执行难、现有违规检测与响应不足的问题,提出监控云服务与网络检测安全违规、结合自适应学习选最优适配动作的方法,以降低工作流受影响程度。
2023-10-03 cs.CR cs.SE
Towards Agentic Cloud Engineering: Graph and Loop Engineering with a Zero-Trust Agent Harness
Tata Research Development and Design Centre(塔塔研究开发设计中心)
该研究提出Agentic Cloud Workflow Engineering框架,将自然语言智能体云工程任务转为验证后的代码仓库与云部署,划分三类工程关注点并在Google Cloud验证,为多类智能体云工程领域提供统一架构。
2026-10-19 cs.AI cs.LG cs.SE
Database Engines: Evolution of Greenness
背景:信息技术消耗了全球10%的发电量,导致二氧化碳排放和高能源成本。数据中心,特别是数据库,消耗了高达23%的能源。因此,构建节能(绿色)数据库引擎可以减少能源消耗和二氧化碳排放。目标:了解在数据库发展过程中驱动数据库能耗和执行时间的因素。方法:我们对两个MySQL数据库引擎InnoDB和MyISAM在40个版本中的能耗进行了实证案例研究。我们研究了四个软件指标与能耗和执行时间的关系,以确定哪些指标反映了数据库的绿色和性能。结果:我们的分析表明,随着数据库的发展,数据库引擎的能源消耗和执行时间增加。此外,在88%的情况下,代码行数指标与能耗和执行时间中度到强烈相关。结论:我们的研究结果为从业者和研究人员提供了见解。数据库管理员可以使用它们来选择快速、绿色的MySQL数据库引擎版本。MySQL数据库引擎开发人员可以使用软件度量来评估产品的绿色度和性能。研究人员可以利用我们的研究结果进一步开发新的假设或建立模型来预测数据库的绿色和性能。
2017-01-09 cs.DB cs.SE
Separating Intelligence from Execution: A Workflow Engine for the Model Context Protocol
Infosys
本文提出一种MCP原生编排层,将智能决策与执行分离,通过工作流蓝图减少token消耗,提升执行效率。
2026-03-13 cs.AI cs.DC cs.SE
SeeWasm: An Efficient and Fully-Functional Symbolic Execution Engine for WebAssembly Binaries
针对现有WebAssembly二进制符号执行工具平台依赖、特性支持不全、需人工干预且效率低的问题,提出全功能高效引擎SeeWasm,分析速度提升2-6倍,已发现30多个0-day漏洞。
2024-08-16 cs.CR cs.SE
Towards API Testing Across Cloud and Edge
IBM Research(IBM研究院);IBM Services(IBM服务部);IBM Systems(IBM系统部)
API经济正在推动混合云和边缘环境中业务应用的数字化转型。为了使这种转换成功,需要对应用程序API组合进行端到端测试。即使在集中式云环境中,API组合的测试也具有挑战性,因为它需要覆盖功能和可靠性要求。场景的组合空间是巨大的,例如,API输入参数、API执行顺序和网络故障。混合云和边缘环境加剧了API测试的挑战,因为需要在动态广域网(可能跨越网络边界)之间协调测试执行。为了应对这一挑战,我们设想了一个测试框架,名为分布式软件测试工具包(DSTK)。DSTK利用组合测试设计(CTD)来满足功能需求,然后通过测试执行反馈和基于人工智能的搜索算法之间的幕后闭环自动满足可靠性需求。在闭环的每一次迭代中,搜索算法生成更多的可靠性测试场景以供下一步执行。具体而言,设想了五种可靠性测试:API的乱序执行、网络延迟和故障、API性能和吞吐量、API调用图模式的变化以及应用拓扑的变化。
2021-09-06 cs.AI cs.DC cs.SE
Design and engineering of a simplified workflow execution for the MG5aMC event generator on GPUs and vector CPUs
物理事件发生器是高能物理实验数据分析软件链的重要组成部分,也是CPU资源的重要消耗者。提高这些软件包在现代硬件架构上的软件性能,例如在HPC中心部署的软件,对于即将到来的HL-LHC物理计划至关重要。在本文中,我们描述了一项正在进行的活动,以重新设计Madgraph5_aMC@NLO物理事件生成器,主要是将其移植并允许其在GPU上高效执行,同时也对其进行现代化并优化其在矢量CPU上的性能。我们描述的动机,工程过程和软件架构设计,我们的发展,以及目前的挑战和未来的方向,这个项目。本文基于我们在2021年3月提交的vCHEP 2021,并补充了我们在会议期间提交的一些初步结果。进一步的细节和更新的结果将在以后的出版物中给出。
2021-07-13 cs.SE hep-ex hep-ph
Benchmarking Symbolic Execution Using Constraint Problems -- Initial Results
IIT Kanpur(印度理工学院坎普尔分校);National University of Singapore(新加坡国立大学)
符号执行是一种功能强大的bug发现和程序测试技术。它可以成功地发现真实代码中的bug。核心推理技术使用约束求解、路径探索和搜索,这些也是用于解决组合问题的相同技术,例如,有限域约束满足问题。我们提出CSP实例作为更具挑战性的基准来评估符号执行中核心技术的有效性。我们将CSP基准转换为适合测试符号执行工具的推理能力的C程序。从一个单一的CSP P,我们转换P取决于转换选择到不同的C程序。使用KLEE、Tracer-X和LLBMC工具进行的初步测试显示,转换和求解器选择在运行时存在很大差异。我们的C基准测试有效地显示了现有符号执行工具的局限性。这项工作的动机是,我们相信这种形式的基准可以刺激符号执行引擎中改进的核心推理的开发和工程。
2020-01-22 cs.AI cs.SE
Localizing Faults in Cloud Systems
通过利用大型商用硬件集群,云提供了优化软件系统运营成本的巨大机会,但对软件应用程序的可靠性产生了重大影响。缺乏对云执行环境的应用程序的控制在很大程度上限制了最先进的方法的适用性,这些方法通过依赖具有注入故障的重量级训练来解决可靠性问题。在本文中,我们提出了\emph(LOUD),一个轻量级的故障定位方法,只依赖于积极的训练,因此可以在云系统的约束下运行。\emph{LOUD}依赖于机器学习和图论。它只使用正确的执行来训练机器学习模型,并通过使用图论算法来阐述机器学习技术的结果,来补偿使用正样本训练产生的不准确性。本文报道的实验结果证实,\emph{LOUD}可以定位故障与高精度,仅依赖于一个轻量级的积极训练。
2018-03-01 cs.DC cs.SE
Qubernetes: Towards a Unified Cloud-Native Execution Platform for Hybrid Classic-Quantum Computing
本文提出Qubernetes平台,将量子资源映射到Kubernetes概念,验证了在云原生基础设施中调度和执行量子任务的可行性,为混合经典-量子计算的无缝集成铺平道路。
2024-07-19 cs.ET cs.SE quant-ph