Secured Data Consistency and Storage Way in Untrusted Cloud using Server Management Algorithm
这是非常具有挑战性的一部分,以保持安全的所有所需的数据,需要在许多应用程序中的用户在云中。将我们的数据存储在云中可能并不完全可信。由于客户端没有所有存储数据的副本,因此必须依赖云服务提供商。但是动态数据操作、Read-Solomon和验证令牌构造方法并没有告诉我们云上数据添加前后服务器分配空间的总存储容量。因此,我们必须引入一个新的建议系统的有效的存储测量和空间比较算法与时间管理测量总分配的存储区域之前和之后的数据插入云。因此,通过使用我们提出的方案,之前和之后的存储数据的值或权重是由客户端在云存储区域中的指定时间内准确测量的。在这里我们还提出了服务器故障情况下的多服务器恢复点。当服务器发生故障时,通过该方案可以在云服务器中自动恢复数据。我们提出的方案有效地检查空间的外包数据,以保持完整性。在这里,TPA不一定具有审计用户数据的授权。
2011-11-10 cs.DC
Design Architecture-Based on Web Server and Application Cluster in Cloud Environment
云一直是许多以数据为中心的组织的计算和存储解决方案。如今,这些组织从云计算中面临的问题是以有效的方式进行数据搜索。需要一个框架来分配从数千台计算机中搜索和获取的工作。HDFS中的数据是分散的,需要大量的时间来检索。其主要思想是在地图阶段使用Jetty Web服务器设计一个Web服务器,这将提供一种快速有效的方式在MapReduce范式中搜索数据。为了在Hadoop上进行实时的处理,在HDFS中通过在Web服务器中创建具有多级索引键的多级索引来实现可搜索机制。Web服务器使用来处理流量吞吐量。通过Web集群技术可以提高应用程序的性能。为了保持工作,负载均衡器应该能够自动将负载分配到服务器中新添加的节点。
2014-03-21 cs.DC
Orchestrating the Execution of Serverless Functions in Hybrid Clouds
针对无服务器批处理流水线的截止期限保障需求,提出混合云调度器HCS,可在异构基础设施上自动编排执行,兼顾成本控制与截止期限达标率,经实验验证有效。
2024-10-09 cs.DC
Serverless in the Wild: Characterizing and Optimizing the Serverless Workload at a Large Cloud Provider
功能即服务(FaaS)作为将计算部署到云中无服务器后端的一种方式越来越受欢迎。这种范例将分配和供应资源的复杂性转移到云提供商,云提供商必须提供始终可用资源的假象(即,没有冷启动的快速函数调用)。这样做需要提供商深入了解FaaS工作负载的特征。不幸的是,关于这些特征的公开信息很少或根本没有。因此,在本文中,我们首先描述了Azure Functions的整个生产FaaS工作负载。例如,我们表明,大多数函数调用非常不频繁,但有一个8个数量级的调用频率范围。使用我们的表征观察,然后我们提出了一个实用的资源管理政策,显着减少功能冷启动的数量,而花费更少的资源比国家的实践政策。
2020-06-06 cs.DC
Portfolio-driven Resource Management for Transient Cloud Servers
云提供商已经开始以低成本的临时服务器的形式提供其剩余容量,这些服务器可以随时单方面撤销。虽然临时服务器的低成本使它们对于诸如数据处理和科学计算之类的广泛应用具有吸引力,但是由于服务器撤销而导致的故障会严重降低应用性能。由于不同的瞬态服务器类型提供不同的成本和可用性权衡,我们提出了服务器投资组合的概念,是基于金融投资组合建模。服务器组合能够构建服务器的“最佳”组合,以满足应用程序对成本和撤销风险的敏感性。我们在一个名为ExoSphere的系统中实现了模型驱动的投资组合,并展示了不同的应用程序如何使用投资组合和特定于应用程序的策略来优雅地处理临时服务器。我们表明,ExoSphere使Spark、MPI和BOINC等广泛使用的并行应用程序能够以适度的努力实现瞬态感知。我们的实验表明,允许应用程序使用合适的瞬态感知策略,ExoSphere与按需服务器相比能够节省80%的成本,并与现有方法相比大大降低了撤销风险。
2017-04-27 cs.DC
Servo: Increasing the Scalability of Modifiable Virtual Environments Using Serverless Computing -- Extended Technical Report
针对可修改虚拟环境(MVE)的独特扩展挑战,本研究设计了无服务器后端架构Servo,经AWS和Azure平台实验验证,其单实例支持玩家数达40至140名,显著优于现有方案,且已开源。
2023-04-28 cs.DC
TailBench++: Flexible Multi-Client, Multi-Server Benchmarking for Latency-Critical Workloads
本文提出增强型基准测试套件 TailBench++,通过支持动态多客户端、多服务器环境及可变 QPS 和到达模式,解决了 TailBench 在延迟关键型云负载评估中的局限,实现更真实的云性能评测。
2025-05-06 cs.DC
Dominant Resource Fairness in Cloud Computing Systems with Heterogeneous Servers
我们研究了云计算系统中的多资源分配问题,其中资源池是由大量异构服务器构建的,这些服务器代表处理、内存和存储等资源配置空间中的不同点。我们设计了一个多资源分配机制,称为DRFH,概括的主导资源公平性(DRF)的概念,从一个单一的服务器到多个异构服务器。DRFH提供了许多非常理想的性能。使用DRFH,没有用户喜欢另一个用户的分配;没有人可以在不减少其他用户的分配的情况下改善其分配;更重要的是,没有用户有动机谎报其资源需求。作为一个直接的应用程序,我们设计了一个简单的启发式,实现DRFH在现实世界中的系统。由Google集群跟踪驱动的大规模模拟表明,DRFH的性能明显优于传统的基于时隙的调度器,从而提高了资源利用率,大大缩短了作业完成时间。
2013-08-01 cs.DC
Dynamic resource management in Cloud datacenters for Server consolidation
云资源管理已经成为云计算企业发展的关键因素。许多云计算中心在理解和实施管理、分配和迁移其内部资源的技术方面存在问题。资源管理不当的后果可能导致资源利用不足和浪费,这也可能导致这些服务中心的服务质量差。像CPU、内存、硬盘和服务器这样的资源需要很好地识别和管理。本文提出的动态资源管理算法(DRMA)将其局限于对云计算中心的CPU和内存资源的管理。目标是节省那些在特定时期可能未充分利用的资源。它可以通过实施合适的算法来实现。这里,可以使用装箱算法,由此部署最佳匹配算法以获得结果并进行比较以选择合适的算法来有效地使用资源。
2015-05-04 cs.DC
CloudSimSC: A Toolkit for Modeling and Simulation of Serverless Computing Environments
本文提出CloudSimSC,一个基于CloudSim的模块化无服务器计算仿真工具,通过在架构、函数调度与扩展方面引入灵活性并支持监控指标推导,解决了现有仿真器缺乏通用性的问题。
2023-09-19 cs.DC
Performance Study of Serverless Workloads in Confidential Virtual Machines
New Jersey Institute of Technology(新泽西理工学院);Hofstra University(霍夫斯特拉大学)
本文通过实证研究,分析了机密虚拟机(CVM)中无服务器工作负载的内存效率与运行时开销,发现其存在内存和启动延迟问题,提出同一CVM内合并同函数多容器并选择性放松隔离机制的优化方法。
2026-09-07 cs.DC
Implementation of a Cloud Data Server (CDS) for Providing Secure Service in E-Business
云数据服务器是为电子商务提供安全服务的一种新方法,数以百万计的用户因各种不同的目的而在云上冲浪,因此他们需要高度安全和持久的服务。通常黑客的目标是特定的操作系统或特定的控制器。受一些正在进行的研究的启发,传统的Web服务器及其入侵检测系统可能无法检测到此类攻击。因此,我们实现了一个云数据服务器与会话控制器架构,使用冗余和断开连接的数据访问机制。在本文中,我们使用MD5算法生成哈希码。借助它,我们甚至可以规避传统系统未定义的攻击。我们使用Java实现云数据服务器,使用My SQL实现哈希代码备份管理。在这里我们实现AES算法,为哈希码提供更多的安全性。CDS使用虚拟控制器控制和监控页面的连接和修改,以防止恶意用户入侵网站。在所提出的方法中,活动分析器负责向管理员告知可能的入侵以及解决这些入侵所需的对策。与同类方法相比,该方法的效率为98.21%。
2010-05-31 cs.DC
Lumos: Performance Characterization of WebAssembly as a Serverless Runtime in the Edge-Cloud Continuum
TU Wien(维也纳工业大学)
本文提出Lumos性能模型与基准工具,表征边缘-云连续体中WebAssembly无服务器运行时,发现AoT编译镜像体积小30倍、冷启动延迟降16%,而解释模式延迟高55倍。
2025-09-29 cs.DC
HydraServe: Minimizing Cold Start Latency for Serverless LLM Serving in Public Clouds
Peking University(北京大学);Alibaba Group(阿里巴巴集团)
HydraServe通过主动分发模型、重叠冷启动阶段、策略性放置工作节点及流水线整合,在公有云中最小化无服务器LLM服务的冷启动延迟,并提升SLO达成率。
2025-09-25 cs.DC
Scheduling Policies for Stability and Optimal Server Running Cost in Cloud Computing Platforms
我们提出了吞吐量和成本最优的作业调度算法在云计算平台提供基础设施即服务。我们首先考虑在线迁移,并提出作业调度算法,以尽量减少作业迁移和服务器运行成本。我们认为算法,假设知识的工作量到达的工作。我们刻画了系统稳定性的最优成本。我们开发了一个基于漂移加惩罚框架的算法,可以任意接近地实现最优成本。具体来说,该算法产生延迟和成本之间的权衡。然后,我们放松了工作规模的知识假设,并给出了一个算法,使用现成的服务的工作。我们表明,该算法给出了订单明智的相同成本的工作大小为基础的算法。稍后,我们考虑引起迁移延迟的离线作业迁移。我们再次提出吞吐量优化算法,最大限度地减少服务器运行成本。我们说明了所提出的算法的性能,并通过仿真比较这些现有的算法。
2022-06-05 cs.DC
Adaptive Event Dispatching in Serverless Computing Infrastructures
无服务器计算是一种新兴的云服务模式。它目前正成为托管计算从能力受限的机器虚拟化和微服务向效用计算演进的下一步。术语“无服务器”已经成为基于云的事件驱动分布式应用程序的完全资源透明部署模型的同义词。这项工作研究了自适应事件调度如何提高无服务器平台的资源效率,并提供了一种新的方法,可以更好地扩展和适应平台的资源消耗的实际需求。
2019-01-10 cs.DC
FaaSdom: A Benchmark Suite for Serverless Computing
无服务器计算已成为云提供商的主要趋势。通过无服务器计算,开发人员将管理服务器的任务完全委托给云提供商,动态分配所需的资源,以及处理可用性和容错问题。这样,开发人员可以只关注其软件的应用程序逻辑,然后在云中部署和完全管理。尽管它越来越受欢迎,但关于当前可用的无服务器平台上可实现的实际系统性能知之甚少。具体来说,以独立于语言或运行时的方式对这样的系统进行基准测试是很麻烦的。相反,人们必须采取全面的应用程序部署,以便在多个方面(包括性能和经济成本)对最方便的解决方案做出明智的决定。FaaSdom是无服务器计算平台基准套件的模块化架构和概念验证实现。它目前支持当前主流的无服务器云提供商(即,AWS、Azure、Google、IBM)、大量基准测试和各种实现语言。该套件完全自动化此类测试的部署,执行和清理,提供有关无服务器应用程序所观察到的性能的见解(包括历史)。FaaSdom还集成了一个模型来估计跨支持的提供商部署的预算成本。FaaSdom是开源的,可在https://github.com/bschitter/benchmark-suite-serverless-computing上获得。
2020-06-05 cs.DC
BSODiag: A Global Diagnosis Framework for Batch Servers Outage in Large-scale Cloud Infrastructure Systems
针对云基础设施中批量服务器中断诊断的单模态数据不足、故障关联难确定问题,提出无监督轻量框架BSODiag,通过多源数据挖掘与时空关联建模实现精准诊断,在阿里云实验中性能优于基线方法。
2025-01-31 cs.DC
Optimizing simultaneous autoscaling for serverless cloud computing
本文针对无服务器云计算中的自动扩缩容问题,提出基于流体近似模型和分离连续线性规划的优化控制策略,显著降低失败请求和响应时间。
2023-10-29 cs.DC
Energy-Efficient Offloading in Mobile Edge Computing with Edge-Cloud Collaboration
多址移动边缘计算是一种新兴的技术,使计算资源接近终端移动用户。通过在WiFi接入点或蜂窝基站部署边缘服务器,可以扩展移动用户的计算能力。现有的工作大多假设远程云服务器可以被视为一个特殊的边缘服务器或边缘服务器愿意合作,这是不切实际的。在这项工作中,我们提出了一个边缘云合作架构,边缘服务器可以租用远程云服务器,以加快移动用户的任务计算。在此架构下,计算卸载问题被建模为一个具有延迟约束的混合整数规划问题,这是NP-难的。目标是最小化移动设备的总能耗。我们提出了一个贪心算法以及模拟退火算法来有效地解决这个问题。大量的仿真结果表明,所提出的贪心算法和模拟退火算法可以达到接近最优的性能。平均而言,所提出的贪心算法仅需31%的额外能量开销就能达到与Brute Force可选算法相同的应用程序完成时间预算性能。模拟退火算法可以达到与贪心算法相似的性能。
2018-11-09 cs.DC
Serverless Computing: Current Trends and Open Problems
无服务器计算已经成为部署应用程序和服务的新的引人注目的范例。它代表了云编程模型、抽象和平台的发展,证明了云技术的成熟和广泛采用。在本章中,我们调查了来自工业界、学术界和开源项目的现有无服务器平台,确定了关键特征和用例,并描述了技术挑战和开放问题。
2017-06-10 cs.DC
ServerMix: Tradeoffs and Challenges of Serverless Data Analytics
无服务器计算今天已经变得非常流行,因为它在很大程度上简化了云编程。开发人员不再需要担心配置或操作服务器,他们只需为代码运行时使用的计算资源付费。这种新的云模式非常适合许多应用程序,研究人员已经开始研究无服务器计算用于数据分析的可行性。不幸的是,今天的无服务器计算存在重要的限制,使得它很难支持各种分析工作负载。本文首先分析了当今无服务器计算模型的三个基本权衡及其与数据分析的关系。它研究了如何通过放松分解,隔离和简单的调度来提高整体计算性能,但代价是模型的基本方面,如弹性,安全性或亚秒级激活。这些权衡的结果是,分析应用程序最终可能会拥抱由无服务器和有服务器组件组成的混合系统,我们在本文中称之为Servermix。我们将回顾现有的相关工作,以表明大多数应用程序实际上可以归类为Servermix。最后,本文将介绍CloudButton研究项目管理这些权衡的主要挑战。
2019-07-26 cs.DC
ICPS: Real-Time Resource Configuration for Cloud Serverless Functions Considering Affinity
本文提出ICPS算法,利用LSTM预测函数并发并基于亲和性部署依赖函数,以解决无服务器工作流中冷启动和网络延迟问题,实验证明其性能优于现有方法。
2025-04-09 cs.DC
FaaSKeeper: Learning from Building Serverless Services with ZooKeeper as an Example
本文提出FaaSKeeper,即基于无服务器函数和云原生服务构建的ZooKeeper无服务器变体,在保持相同一致性保证和接口的同时,将不频繁工作负载下的成本降低110-719倍。
2024-05-01 cs.DC
Bit of a Close Talker: A Practical Guide to Serverless Cloud Co-Location Attacks
University of California, Davis(加州大学戴维斯分校);George Mason University(乔治梅森大学);Rochester Institute of Technology(罗切斯特理工学院)
本研究提出了一种实用指南,揭示无服务器云中共址攻击的构建方法,并提出Double-Dip调度器作为防御策略。
2026-01-13 cs.CR cs.DC
Reallocation and Allocation of Virtual Machines in Cloud Computing
云计算给分布式领域带来了新的面貌。本文主要讨论了两个问题:(1)利用负载均衡算法的概念寻找有效虚拟机的过程。(II)重新分配虚拟机,即当云提供商无法提供所需的虚拟机时迁移虚拟机。我们已经讨论了不同的负载均衡算法,这些算法用于根据需要决定分配给客户端的有效虚拟机。在第二个问题中,我们讨论了可用于将虚拟机从一个源机器迁移到另一个目标机器的不同模块。最后讨论了适用于云计算的各种模拟器。
2013-04-15 cs.DC
Virtual Laboratories in Cloud Infrastructure of Educational Institutions
现代教育机构广泛使用虚拟实验室和云技术。在实践中必须处理安全性、处理速度等任务。本文介绍了云计算与网络管理实验平台的建设经验。本文件所述的模型和控制原则。
2014-09-14 cs.DC
Virtual Memory Streaming Technique for Virtual Machines (VMs) for Rapid Scaling and High Performance in Cloud Environment
本文讨论了虚拟内存流(VMS)技术在云环境中提供虚拟机(VM)的影响。VMS是一种可扩展的虚拟化技术,允许不同的虚拟机快速扩展,高性能,并提高硬件利用率。传统的虚拟机管理程序不支持真正的无停机实时迁移,并且其缺乏内存超额订阅可能会通过限制每个主机上的VM数量来损害私有云部署的经济性。VMS汇集了多种高级虚拟机管理程序存储管理技术,包括粒度页面共享、动态内存占用管理、实时迁移、读缓存和独特的虚拟机克隆功能。描述了一个架构模型,以及一个概念验证实现,即VMS通过真正的实时迁移和虚拟机克隆来动态扩展虚拟化基础架构。本文认为,VMS for Cloud允许显著减少服务器内存,并通过立即添加更多虚拟机来减少虚拟化资源扩展的时间。
2014-06-22 cs.DC
Serverless Platforms on the Edge: A Performance Analysis
物联网(IoT)的指数级增长引发了新一轮边缘计算浪潮,因为需要在边缘处理数据,更接近数据产生的地方,并试图摆脱以云为中心的架构。这为减少延迟和解决数据隐私问题以及降低公共云成本提供了机会。无服务器计算模型提供了一个潜在的解决方案,其事件驱动架构可以减少对不断运行的服务器的需求,并将后端服务转换为使用模型。该模型在具有不同工作负载和有限资源的边缘计算环境中具有吸引力的前景。此外,它在网络边缘的设置承诺减少与它通信的边缘设备的延迟,并消除了管理底层基础设施的需要。在本书的这一章中,首先,我们介绍了无服务器边缘计算的新概念,然后,我们分析了多个无服务器平台的性能,即OpenFaaS,AWS Greengrass,Apache OpenWhisk,当设置在边缘的单板计算机(SBC)上时,并将其与公共云无服务器产品,即AWS Lambda和Azure Functions进行比较,来推断无服务器架构在网络边缘的适用性。这些无服务器平台建立在一个Raspberry Pis集群上,我们通过模拟不同类型的边缘工作负载来评估它们的性能。评估结果表明,OpenFaaS在SBC边缘计算基础设施上实现了最低的响应时间,而无服务器云产品最可靠,成功率最高。
2021-11-12 cs.DC
Tutorial: Object as a Service (OaaS) Serverless Cloud Computing Paradigm
本文提出 Object-as-a-Service (OaaS) 无服务器范式,通过封装应用逻辑、数据和非功能需求简化云原生开发,并基于开源平台 Oparaca 提供概念设计与应用部署教程。
2024-07-24 cs.DC
The Serverless Computing Survey: A Technical Primer for Design Architecture
云基础设施的发展激发了云原生计算的出现。作为部署微服务最有前途的架构,无服务器计算近年来在工业界和学术界引起了越来越多的关注。由于其固有的可扩展性和灵活性,无服务器计算对于不断增长的互联网服务变得越来越有吸引力和普及。尽管云原生社区的发展势头良好,但现有的挑战和妥协仍然需要更先进的研究和解决方案来进一步探索无服务器计算模型的潜力。作为对这一知识的贡献,本文通过将架构解耦为四个堆栈层来调查和阐述无服务器环境中的研究领域:虚拟化,封装,系统演示和系统协调。受安全模型的启发,我们强调了这些工作在每一层的关键影响和限制,并提出了未来无服务器计算领域的潜在挑战的建议。
2022-01-03 cs.DC
Serverless Containers -- rising viable approach to Scientific Workflows
无服务器计算方法的日益普及导致了在容器即服务(CaaS)模型中工作的新云基础设施的出现,如AWS Fargate,Google Cloud Run或Azure Container Cloud。他们引入了一种创新的方法来运行云容器,使开发人员从管理底层资源中解放出来。在本文中,我们专注于评估弹性容器的功能及其在使用AWS Fargate和Google Cloud Run基础设施的科学工作流范例中对科学计算的有用性。为了对我们的方法进行实验评估,我们扩展了HyperFlow引擎以支持这些CaaS平台,并调整了由几十到一百多个任务组成的四个真实科学工作流,这些任务被组织成一个依赖图。我们使用这些工作流来创建成本性能基准和流执行图,测量延迟,弹性和可扩展性。实验证明,无服务器容器可以成功地应用于科学工作流。此外,这些结果使我们能够深入了解这些平台的具体优势和局限性。
2020-10-21 cs.DC
Dynamic web cache publishing for IaaS clouds using Shoal
我们开发了一个高度可扩展的应用程序,称为Shoal,用于跟踪和利用一组分布式HTTP Web缓存。Squid服务器通过运行Shoal Agent,通过AMQP消息传递向Shoal服务器通告它们的存在。Shoal服务器提供了一个简单的REST接口,允许客户端确定其最近的Squid缓存。我们的目标是在IaaS云上动态地实例化Squid缓存,以响应客户的需求。Shoal为IaaS云上的VM提供最近的动态实例化Squid Cache的位置。在本文中,我们描述了浅滩的设计和性能。
2013-10-31 cs.DC
Hardless: A Generalized Serverless Compute Architecture for Hardware Processing Accelerators
越来越多地使用为特定应用定制的硬件处理加速器,例如用于图像识别的视觉处理单元(VPU),进一步增加了开发人员的配置、开发和管理开销。开发人员已经成功地使用全自动弹性云服务(如无服务器计算)来应对这些额外的工作,并缩短在CPU上运行的应用程序的开发周期。不幸的是,目前的云解决方案还没有为需要硬件加速的应用程序提供这些简化。然而,随着专用硬件加速的发展不断提供性能和成本改进,在云中实现易用性将变得越来越重要。在本文中,我们提出了Hardless的初步设计和实现,Hardless是一种可扩展的通用无服务器计算架构,可以支持任意硬件加速器的工作负载。我们展示了Hardless如何跨不同的商用硬件加速器扩展,并使用当今无服务器计算中常见的相同执行和编程模型支持各种工作负载。
2022-08-05 cs.DC
Effective Cost Mechanism for Cloudlet Retransmission and Prioritized VM Scheduling Mechanism over Broker Virtual Machine Communication Framework
在当前场景中,云计算是最广泛增加的任务执行平台。大量的研究正在进行,以减少成本和执行时间。在本文中,我们提出了一个有效的算法,有一个有效的和快速执行的任务分配给用户。提出了一种有效的代理和虚拟机之间的通信框架,使用代理虚拟机通信框架(BVCF)分配任务并以最佳的时间和成本获取结果。我们通过基于虚拟机成本的修改,在虚拟机调度策略下,在cloudsim上实现它。通过虚拟机以及Cloudlets进行调度和Cloudlets的重传是整个架构所依赖的拟议工作的基本构建块。正在通过循环调度和FCFS调度策略分析Cloudlets的执行。
2012-07-11 cs.DC
Cloud-scale VM Deflation for Running Interactive Applications On Transient Servers
瞬态计算在公共云环境中已经变得流行,用于以低成本运行延迟不敏感的批处理和数据处理应用程序。由于临时云服务器可以随时被云提供商撤销,因此它们被认为不适合运行交互式应用程序,例如Web服务。在本文中,我们提出了虚拟机紧缩作为一种替代机制,以服务器抢占回收资源的资源压力下从瞬态云服务器。使用来自顶级云提供商的真实跟踪,我们展示了使用VM紧缩作为公共云中交互式应用程序的资源回收机制的可行性。我们将展示如何使用当前的虚拟机管理程序机制来实现虚拟机紧缩,并提出集群紧缩策略,用于瞬时和按需云虚拟机的资源管理。在Linux集群上对我们的放气系统进行的实验评估表明,基于微服务的应用程序可以放气高达50%,性能开销可以忽略不计。我们的集群级紧缩策略允许超过50%的过度承诺水平,应用程序吞吐量下降不到1%,并且可以使云平台增加30%的收入。
2020-05-31 cs.DC cs.PF
C2MS: Dynamic Monitoring and Management of Cloud Infrastructures
服务器集群是许多需要高可用性、可扩展性和更容易管理其基础设施的组织所采用的常见设计原则。服务器通常根据它们提供的服务进行集群,无论是安装的应用程序、服务器的角色还是服务器的可访问性。为了优化性能、管理负载和保持可用性,服务器可能从一个集群组迁移到另一个集群组,使得服务器监视工具难以连续监视这些动态变化的组。服务器监控工具通常是静态配置的,并且组成员的任何更改都需要手动重新配置;在大规模云基础设施上执行这一任务是不合理的。在本文中,我们提出了Cloudlet控制和管理系统(C2MS);用于监视和控制云基础设施内的物理或虚拟服务器的动态组的系统。C2MS扩展了Ganglia -一个开源的可扩展系统性能监控工具-允许系统管理员定义,监控和修改服务器组,而无需重新配置服务器。反过来,管理员可以轻松地监控大规模动态云基础设施上的组和单个服务器指标,其中服务器的角色可能会频繁更改。此外,我们补充组监控与控制元素,允许管理员指定的操作,以执行服务组内的服务器,以及引入进一步的自定义监控指标。本文概述了C2MS的设计,实施和评估。
2013-10-03 cs.DC cs.OS
Implementation of the open source virtualization technologies in cloud computing
虚拟化和云计算是数字世界中最近的流行语。云计算按需向用户提供IT即服务。该服务采用效用计算模型,具有更高的灵活性、可用性、可靠性和可扩展性。这一新的计算概念具有巨大的潜力,可用于电子政务领域和孟加拉国等发展中国家的整体信息技术发展前景。
2016-05-11 cs.DC
Sustainability-Aware Cloud Computing Using Virtual Carbon Tax
本文提出了一种可持续云系统的解决方案,并在一个真实的测试平台上实现。该解决方案包括优化盈利模式和引入虚拟碳税以限制云的环境足迹。所提出的云系统的多标准优化器在本地网格能量混合或云工作负载变化时为CPU核心建议新的最佳CPU频率。云系统在刀片系统上实现,并开发适当的中间件与刀片进行交互。实验结果表明,这是可能的,以显着降低系统的目标环境足迹,并保持其盈利。
2017-11-01 cs.DC
Energy-aware virtual machine selection method for cloud data center resource allocation
节能是云提供商降低数据中心能源成本的重要问题。随着云计算的日益普及,现在是时候研究各种节能方法,以减少能源消耗,并引导我们走向绿色云计算。在本文中,我们的目的是提出一个虚拟机选择算法,以提高云数据中心的能源效率。我们还提出了在基于云计算的仿真环境中的算法的实验结果。该算法动态地对物理服务器执行虚拟机的分配、解除分配和重新分配操作。然而,它取决于负载和基于虚拟机的分析放置的策略,这是随着时间的推移而决定的。从模拟得到的结果,我们发现,我们提出的虚拟机选择算法减少了19%的总能耗相比,现有的。因此,云数据中心的能源消耗成本降低,也降低了碳足迹。仿真实验结果表明,提出的基于资源配置算法的策略降低了云数据中心的能耗,降低了虚拟机迁移率。
2018-12-20 cs.DC
Technical solutions to resources allocation for distributed virtual machine systems
虚拟机是建立在一组真实的服务器上的,这些服务器分散在全球各地,通过电信系统连接在一起,它在操作中发挥着越来越重要的作用,提供了利用虚拟资源的能力。最新的技术有助于更有效地使用计算资源,并具有许多好处,例如降低电力成本,冷却,因此有助于绿色计算。为了确保这些资源的供应,以正确和及时的需求流程,避免任何重复或冲突,特别是远程资源,有必要研究和提出一个可靠的解决方案,适合作为云内部控制系统的基础。在本文的范围内,我们找到了一种方法来产生有效的分布式资源,强调解决方案,防止死锁,并提出了方法,以避免资源短缺的问题。该方法的输出结果是可能发生死锁和资源不足的资源状态检查表,通过向服务器发送消息,服务器可以了解情况并做出相应的反应。
2015-02-16 cs.DC
Virtual Machine Migration Enabled Cloud Resource Management: A Challenging Task
虚拟化技术通过提高云资源利用率降低云运营成本。如果管理不当,在云数据中心中引入虚拟化会严重降低云性能。虚拟机(VM)迁移是一种帮助云服务提供商有效管理云资源的方法,同时消除了人工监督的需要。虚拟机迁移方法通过采用实时或非实时迁移模式将当前托管的工作负载从一台服务器迁移到另一台服务器。与非实时迁移相比,实时迁移不会在VM迁移过程之前暂停应用程序服务。虚拟机迁移使云运营商能够实现各种资源管理目标,如绿色计算、负载均衡、故障管理和实时的服务器维护。在本文中,我们已经彻底调查VM迁移方法和应用。我们已经简要讨论了VM迁移应用程序。一些开放的研究问题已被强调,代表在这一领域的未来挑战。提出并讨论了一种基于队列的迁移模型,以有效地迁移VM内存页面。
2016-01-15 cs.DC
Hybrid Serverless Computing: Opportunities and Challenges
近年来,由于易于部署,有吸引力的按使用付费定价和透明的水平自动扩展,无服务器计算的采用激增。与此同时,基础设施的进步,如5G网络的出现和连接到互联网(称为物联网(IoT))的设备的爆炸式增长,以及限制计算和数据发生的新应用程序需求,将使云计算的范围从传统的数据中心扩展到混合云。疫情导致的数字化转型加速了劳动力的变化,并刺激了人工智能的进一步采用,预计将加速,新兴的混合云市场可能扩大到超过万亿美元。在混合云环境中,在无服务器租户的推动下,将越来越需要专注于为使用分布式平台(包括公共云、私有云和边缘系统)的应用程序构建者实现高效工作。在本章中,我们将探讨无服务器计算可以扩展到何种程度,以成为混合无服务器计算。
2022-09-14 cs.DC cs.SE
CloudGenius: Decision Support for Web Server Cloud Migration
云计算是将硬件和软件资源作为虚拟化服务提供的最新计算范例,在虚拟化服务中,用户无需担心底层系统管理细节的负担。将Web应用程序迁移到云服务并将云服务集成到现有的计算基础设施中并非易事。它带来了新的挑战,往往需要在技术、文化、法律、监管和社会等各个层面创新范式和做法。将Web应用程序映射到虚拟化云服务的关键问题是选择最佳和兼容的软件映像组合(例如,Web服务器映像)和基础设施服务,以确保实现应用程序的服务质量(QoS)目标。在选择云服务时,工程师必须考虑基础设施服务和软件映像之间的异构标准集和复杂依赖关系,这是一个关键问题,无法手动解决。为了克服这些挑战,我们提出了一个框架(称为CloudGenius),该框架基于专门用于Web服务器迁移到云的模型和因素来自动化决策过程。CloudGenius利用一种众所周知的多标准决策技术(称为层次分析法),根据与应用程序相关的模型、因素和QoS参数自动执行选择过程。一个示例应用程序演示了理论CloudGenius方法的适用性。此外,我们提出了一个CloudGenius的实现,已通过实验验证。
2012-03-18 cs.DC cs.SE
The server is dead, long live the server: Rise of Serverless Computing, Overview of Current State and Future Trends in Research and Industry
无服务器计算--一种用于部署应用程序和服务的新兴云原生范例--代表了云应用程序开发、编程模型、抽象和平台的发展。它承诺真正的按需付费计费(毫秒级粒度),不会浪费资源,并通过要求开发人员将所有操作复杂性和可扩展性委托给云提供商来降低开发人员的门槛。实现这些承诺是以限制功能为代价的。在本文中,我们概述了无服务器计算,它的发展,一般架构,关键特性和用例,使其成为应用程序开发的一个有吸引力的选择。基于在一系列有组织的无服务器计算研讨会(WoSC)期间与学者和行业专家的讨论,我们还确定了技术挑战和开放问题。
2019-06-07 cs.DC cs.SE
Imaginary Machines: A Serverless Model for Cloud Applications
本文提出 Imaginary Machines 模型,将无服务器平台的高弹性资源以传统主机网络模型暴露给未修改的云应用,并通过执行信号透明管理资源,从而消除显式运行时编排,提升资源利用率并降低管理成本。
2024-06-30 cs.DC cs.NI cs.OS
CASA: A Framework for SLO and Carbon-Aware Autoscaling and Scheduling in Serverless Cloud Computing
本文提出CASA框架,在无服务器云集群中同时考虑碳足迹和SLO约束进行容器调度与自动伸缩,实验表明其碳足迹最多降低2.6倍、SLO违反率最多降低1.4倍。
2024-08-31 cs.DC cs.PF
On Reliability-Aware Server Consolidation in Cloud Datacenters
在过去的几年中,数据中心(DC)的能源消耗已经成为技术世界中的一个重要问题。使用虚拟化和虚拟机(VM)实时迁移的服务器整合允许云DC提高资源利用率,从而提高能效。为了节省能源,整合技术试图关闭空闲的服务器,而由于工作负载的波动,这些离线服务器应该被打开,以支持增加的资源需求。这些重复的开关周期可能影响硬件的可靠性和服务器的磨损,从而增加维护和更换成本。在本文中,我们提出了一个整体的数学模型,可靠性意识的服务器整合的目标是最大限度地减少总DC成本,包括能源和可靠性成本。事实上,我们尝试以可靠性感知的方式最小化活动PM和机架的数量。我们将该问题表示为一个NP完全形式的混合线性规划模型。最后,我们评估我们的方法在不同的情况下,使用广泛的数值MATLAB模拟的性能。
2017-09-01 cs.DC cs.NI
DeF-DReL: Systematic Deployment of Serverless Functions in Fog and Cloud environments using Deep Reinforcement Learning
University of Tartu(塔尔图大学);University of Hyderabad(海得拉巴大学)
针对雾计算资源有限且未充分利用云环境的问题,提出DeF-DReL算法,利用深度强化学习优化雾与云间的请求分配比例,实验证明其优于现有算法。
2022-04-18 cs.AI cs.DC
Reliable Transactions in Serverless-Edge Architecture
现代边缘应用程序需要新的解决方案,其中边缘应用程序不必依赖于单个云提供商(无法在每个边缘设备附近)或专用边缘服务器(无法扩展为云)来处理计算密集型任务。最近的计算哲学,天空计算,建议让每个用户能够选择可用的云提供商。在本文中,我们介绍了我们的无服务器边缘协同设计,它扩展了天空计算的愿景。在我们的无服务器边缘协同设计中,我们希望边缘设备能够协作并产生所需数量的无服务器功能。这提出了几个关键挑战:(1)这种协作将如何进行,(2)如果某些边缘设备受到损害,以及(3)如果选定的云提供商是恶意的,该怎么办。因此,我们设计了ServerlessBFT,这是第一个保证边缘设备和无服务器功能之间的拜占庭容错(BFT)事务流的协议。我们在我们的无服务器边缘协同设计上提供了一个详尽的攻击及其解决方案列表。此外,我们广泛的基准我们的架构上的各种参数。
2022-08-27 cs.DB cs.DC
Characterizing and Modeling Distributed Training with Transient Cloud GPU Servers
Worcester Polytechnic Institute(伍斯特理工学院)
云GPU服务器已经成为深度学习从业者在大规模数据集上训练复杂模型的实际方式。但是,确定适当的群集配置是一项挑战,例如,服务器类型和数量-用于不同的训练工作负载,同时平衡训练时间、成本和模型准确性的权衡。增加复杂性的是通过使用更便宜但可扩展的临时GPU服务器来降低货币成本的潜力。在这项工作中,我们使用CM-DARE(一种基于云的测量和训练框架)分析了不同集群配置下的分布式训练性能。我们的经验数据集包括来自三种GPU类型、六个地理区域、二十个卷积神经网络和数千个Google Cloud服务器的测量结果。我们还证明了使用基于回归的模型预测训练速度和开销的可行性。最后,我们讨论了我们的性能建模的潜在用例,如检测和缓解性能瓶颈。
2020-04-07 cs.DC cs.LG cs.PF
Lambada: Interactive Data Analytics on Cold Data using Serverless Cloud Infrastructure
无服务器计算的最终弹性和操作简单性的承诺最近导致了这一领域的研究爆炸。在数据分析的背景下,这一概念听起来很有吸引力,但由于目前产品的局限性,这种方法在技术和经济上是否可行还没有达成共识。在本文中,我们将冷数据的交互式数据分析确定为无服务器计算的一个用例。我们设计并实现了Lambada,一个遵循纯无服务器架构的系统,以说明何时以及如何将无服务器计算用于数据分析。我们提出了几个系统组件,克服了以前已知的固有的限制,在无服务器的范例,以及额外的,我们在这项工作中确定。我们可以证明,由于精心设计,与商业查询即服务系统相比,无服务器查询处理系统可以同时快一个数量级,便宜两个数量级,这是唯一具有类似操作简单性的替代方案。
2019-12-02 cs.DB cs.DC
Evaluating Serverless Machine Learning Performance on Google Cloud Run
本研究针对无服务器平台原用于网络服务、适配机器学习负载的适配性问题,在无GPU的Google Cloud Run平台上测试机器学习性能,探究无服务器平台处理机器学习工作负载的能力。
2024-06-24 cs.DC cs.OS
A FaaS File System for Serverless Computing
具有云功能的无服务器计算正在迅速获得采用,但其对状态管理的有限支持限制了程序员。我们为云函数引入了一个共享文件系统。它提供了熟悉的POSIX语义,同时利用云功能的独特方面来实现传统共享文件系统无法提供的可扩展性和性能。我们利用云函数的函数粒度容错模型,使用本地状态乐观地继续进行,并且知道如果提交后无法协调缓存读取或锁活动,我们可以重新启动。云函数的边界提供了隐式的提交和回滚点,使我们能够灵活地使用事务处理技术,而无需更改编程模型或API。这允许各种基于服务器的有状态应用程序受益于无服务器计算的简单性和可扩展性,通常只需很少或根本不需要修改。
2020-09-16 cs.DC cs.OS