Service-Level Energy Modeling and Experimentation for Cloud-Native Microservices
Technische Universität Berlin, Information Systems Engineering（柏林工业大学信息系统工程系）
本文提出了一种服务级能耗模型和实验工具，用于评估云原生微服务中跨容器交互的能耗，发现忽略网络和存储会导致能耗低估63%。
2025-10-15 cs.DC
A Kubernetes Controller for Managing the Availability of Elastic Microservice Based Stateful Applications
微服务的架构风格近年来越来越受欢迎。在这种架构风格中，小型和松散耦合的模块被独立部署和扩展，以组成云原生应用程序。运营商级服务提供商正在将其遗留应用程序迁移到运行在Kubernetes上的基于微服务的架构，Kubernetes是一个用于编排基于容器化微服务的应用程序的开源平台。然而，在这种迁移中，服务可用性仍然是一个问题。服务可用性以服务配置时间的百分比来衡量。高可用性（HA）是指服务至少在99.999%的时间内可用。在本文中，我们确定了使用Kubernetes部署基于有状态微服务的应用程序的可能架构，并从其为托管应用程序提供的可用性角度评估Kubernetes。我们的实验结果表明，Kubernetes的修复动作不能满足HA要求，在某些情况下不能保证服务恢复。因此，我们提出了一个HA状态控制器，它与Kubernetes集成，并允许应用程序状态复制和自动服务重定向到健康的微服务实例，除了Kubernetes的修复操作之外，还支持服务恢复。基于实验，我们评估我们的解决方案，并从可用性和扩展开销的角度比较不同的架构。我们的调查结果表明，我们的解决方案可以将基于状态微服务的应用程序的恢复时间提高50%。
2020-12-28 cs.DC cs.SE
Bunk8s: Enabling Easy Integration Testing of Microservices in Kubernetes
微服务架构是当今云应用程序的常见选择，因为每个微服务都可以独立修改，替换和扩展。然而，微服务应用程序的复杂性需要自动化测试，重点是服务之间的交互。虽然这可以通过端到端测试来实现，但它们容易出错，脆弱，编写成本高，运行耗时，并且需要部署整个应用程序。集成测试是端到端测试的替代方案，因为它们的测试范围较小，并且需要部署的服务数量明显较少。在云中部署微服务应用程序的事实标准是容器，Kubernetes是使用最广泛的容器编排平台。为了支持Kubernetes中微服务的集成测试，存在Octopus，Istio和Jenkins等工具。然而，这些工具中的每一个要么缺乏关键的功能，要么在引入项目时导致工具环境的复杂性和增长的大幅增加。为此，我们提出了\emph{Bunk8s}，这是一种用于Kubernetes中微服务应用程序集成测试的工具，它克服了这些现有工具的局限性。\emph{Bunk8s}独立于用于编写集成测试的测试框架，独立于所使用的CI/CD基础结构，并支持测试结果发布。\url{https://www.youtube.com/watch?v=e8wbS25O4Bo}提供了一个演示我们工具功能的视频。
2022-07-14 cs.DC cs.SE
Proposing a Dynamic Executive Microservices Architecture Model for AI Systems
本文针对微服务架构中组件编排这一分布式系统核心挑战，提出一种基于BPMN工作流引擎的动态执行微服务架构模型，使系统无需修改平台基础设施即可在运行时创建、跟踪和修改复合微服务，从而维持并提升软件质量。
2023-08-10 cs.DC cs.SE
On-Demand Virtual Research Environments using Microservices
科学应用的计算需求不断增加。云计算的出现实现了按需资源分配。然而，仅仅依靠基础设施作为一种服务并不能达到科学界所要求的灵活程度。在这里，我们提出了一种面向微服务的方法，其中科学应用程序作为软件容器在分布式编排平台中运行，称为按需虚拟研究环境。该方法与供应商无关，我们提供支持主要云提供商的开源实现，提供科学管道的可扩展管理。我们证明了我们的方法在生命科学应用中的适用性和可扩展性，但该方法是通用的，可以应用于其他科学领域。
2019-05-10 cs.DC
DataX: A system for Data eXchange and transformation of streams
智能传感器的指数增长和5G网络的快速发展正在创造一个充满数据流的世界。然而，构建高性能多传感器分布式流处理应用的一个关键障碍是高编程复杂性。我们提出DataX，一个新的平台，提高程序员的生产力，使易于交换，转换和融合的数据流。DataX抽象简化了应用程序的规范，并公开了应用程序功能（微服务）之间的并行性和依赖性。DataX运行时自动设置适当的数据通信机制，支持跨应用程序轻松重用微服务和数据流，并利用无服务器计算来转换、融合和自动扩展微服务。DataX使大规模分布式应用程序的编写、部署和可靠运行变得容易。将这些功能综合到一个平台中比任何可用的流处理系统都更具变革性。
2021-11-09 cs.DC
Practice of Alibaba Cloud on Elastic Resource Provisioning for Large-scale Microservices Cluster
针对大规模微服务集群资源供给难题，本文分析阿里集群特征，提出结合主动与反应式调度的优化算法，在保障延迟的同时将资源利用率提升10-15%。
2023-08-29 cs.DC
Fifer: Tackling Underutilization in the Serverless Era
数据中心正在见证基于微服务的应用程序采用无服务器功能的快速增长。这些微服务中的绝大多数通常跨度不到一秒，具有严格的SLO要求，并根据应用程序的要求链接在一起。上述特征引入了一系列新的挑战，特别是在容器配置和管理方面，因为在无服务器平台中采用的最先进的资源管理框架倾向于关注基于微服务的应用程序，类似于传统的单片应用程序。因此，这些框架遭受微服务不可知的调度和巨大的容器过度供应，特别是在工作负载波动期间，从而导致资源利用率低下。在这项工作中，我们使用Kubernetes和Brigade无服务器框架管理的多节点集群上的各种工作负载来量化上述缺点。为了解决这些问题，我们提出了\emph{Fifer} -一个自适应资源管理框架，以有效地管理无服务器平台上的功能链。其关键思想是使\emph{Fifer}（i）通过使用功能感知的容器缩放和智能请求调度来有效地将作业装箱到更少的容器，从而使其具有利用率意识;（ii）同时，通过主动生成容器以避免冷启动，从而使其符合SLO，从而最小化整体响应延迟。结合这些优势，与无服务器平台采用的最先进的路由器相比，\emph{Fifer}将容器利用率和集群范围的能耗分别提高了4倍和31%，而不会影响SLO。
2020-08-28 cs.DC
End-to-End Application Cloning for Distributed Cloud Microservices with Ditto
我们介绍了Ditto，这是一个用于克隆端到端云应用程序的自动化框架，包括单片和微服务，它捕获I/O和网络活动，以及内核操作，以及应用程序逻辑。Ditto采用分层的方法来克隆应用程序，从捕获分布式服务之间的依赖关系图开始，重新创建每一层的控制/数据流，最后生成模仿各个应用程序的系统调用和组装。Ditto没有透露原始应用程序的逻辑，便于与硬件供应商，云提供商和研究社区公开共享生产服务的克隆。我们表明，在一组不同的单层和多层应用程序，Ditto准确地捕捉他们的CPU和内存特性，以及他们的高层次的性能指标，是跨平台的便携式，并促进了广泛的系统研究。
2022-12-28 cs.AR cs.DC
DQN-Scheduler: A Multi-Objective Optimization Framework for Scheduling Microservices in Cloud Computing
The University of Western Australia（西澳大利亚大学）
本文提出DQN-Scheduler，一种基于强化学习的多目标优化框架，用于云环境中微服务调度，同时优化资源利用率、负载均衡、延迟、可靠性和可用性，实验证明其优于基准算法。
2026-09-15 cs.DC
Microservice Dynamic Architecture-Level Deployment Orchestration (Extended Version)
在BI-REX（大数据创新和卓越研究）能力中心SEAWALL（SEAmless loW lAtency cLoud pLatforms）项目（科学协调员Maurizio Gabbrielli教授）的背景下，我们开发了一种基于架构级重新配置编排的微服务应用程序运行时全局适应的新方法。更确切地说，我们设计了一个算法，自动重新配置，达到目标系统的最大计算负载，通过执行最佳的部署编排。为了构思和模拟我们的方法，我们引入了一种新的集成定时架构建模/执行语言的基础上扩展的演员为基础的面向对象的抽象行为规范（ABS）语言。特别是，我们实现了SmartDeployer的定时扩展，其ABS代码注释可以表达建筑属性。我们的Timed SmartDeployer工具通过生成定时部署编排，完全集成了ABS和架构注释的时间特性。我们评估了我们的方法在一个现实的微服务应用程序上的适用性，该应用程序来自文献：电子邮件管道处理系统。我们通过模拟这样的应用程序并将架构级重新配置与传统的本地扩展技术（检测扩展需求并在单个微服务级别执行复制）进行比较来证明其有效性。我们的比较结果表明，我们的方法避免了级联减速和随之而来的增加的消息丢失和延迟，这会影响传统的本地扩展。
2021-06-04 cs.DC
Smart HPA: A Resource-Efficient Horizontal Pod Auto-scaler for Microservice Architectures
针对微服务架构中现有 HPA 在资源受限环境下表现不佳的问题，提出 Smart HPA，采用结合集中式与去中心化优势的分层架构及资源高效启发式方法，实现微服务间资源交换与有效自动扩缩容，显著优于 Kubernetes 基线 HPA。
2024-02-27 cs.DC cs.SY eess.SY
Graph-PHPA: Graph-based Proactive Horizontal Pod Autoscaling for Microservices using LSTM-GNN
Dublin City University（都柏林城市大学）
基于微服务的架构已经成为云原生应用程序的主流。随着越来越多的应用程序每天部署在云平台上利用这种架构，需要更多的研究工作来了解如何应用不同的策略来有效地管理各种云资源。大量的研究已经部署了自动资源分配算法，使用反应式和主动式自动缩放策略。然而，目前的算法在从微服务的架构和部署环境中捕获微服务的重要特征方面的效率仍然存在差距，例如，缺乏对图形依赖的考虑。为了应对这一挑战，我们提出了Graph-PHPA，这是一种基于图的主动水平pod自动缩放策略，用于利用长短期记忆（LSTM）和基于图神经网络（GNN）的预测方法将云资源分配给微服务。我们使用部署在专用测试环境中的Bookinfo微服务来评估Graph-PHPA的性能，其中实时工作负载是根据真实的数据集生成的。我们通过将Graph-PHPA与Kubernetes中基于规则的资源分配方案作为基线进行比较来证明其有效性。大量的实验已经实施，我们的结果表明，我们提出的方法在资源节约的反应式基于规则的基线算法在不同的测试场景中的优越性。
2022-09-06 cs.DC cs.LG
Topology-aware Microservice Architecture in Edge Networks: Deployment Optimization and Implementation
针对边缘网络微服务部署中的拓扑复杂与通信延迟问题，提出三层流量模型及TAIA-MD遗传算法方案，仿真降低延迟约30%至60%，实物平台验证其抗故障与波动鲁棒性。
2025-01-09 cs.DC cs.NI
CARISMA: CAR-Integrated Service Mesh Architecture
针对汽车E/E架构在部署分布式微服务应用时的通信复杂性与资源瓶颈，提出CARISMA服务网格架构，并通过原型验证其在多HPC互连平台上的可行性。
2024-03-07 cs.DC cs.SE
Network Centrality as a New Perspective on Microservice Architecture
本研究通过分析24个开源项目的53个微服务，探索网络中心性度量在微服务架构质量评估和反模式检测中的潜力，发现其与传统软件度量相关性弱，提供了新视角。
2025-01-23 cs.DC cs.DM cs.SE
SpotKube: Cost-Optimal Microservices Deployment with Cluster Autoscaling and Spot Pricing
SpotKube是一个基于Kubernetes的开源方案，利用遗传算法和竞价定价动态扩缩微服务集群，在保障性能的同时实现公有云部署成本最优。
2025-02-07 cs.DC
PerfSim: A Performance Simulator for Cloud Native Microservice Chains
云原生计算范式允许基于微服务的应用程序以可扩展、可重用和可互操作的方式利用云基础设施。然而，在云原生系统中，大量的配置参数和高粒度的资源分配策略可能会显著影响性能和部署成本。为了以一种简单、快速和具有成本效益的方式理解和分析这些影响，我们提出了PerfSim，一个离散事件模拟器，用于近似和预测用户定义场景中云原生服务链的性能。为此，我们提出了一种系统化的方法，通过收集和分析微服务端点功能的性能和网络跟踪来对其性能进行建模。通过结合提取的模型和用户定义的场景，PerfSim可以模拟给定时间段内所有服务的性能行为，并提供系统KPI的近似值，例如请求的平均响应时间。使用单台笔记本电脑的处理能力，我们评估了PerfSim在104种常见场景中的模拟精度和速度，并将模拟结果与真实Kubernetes集群中的相同部署进行了比较。我们在近似传入请求的平均响应时间方面实现了~81-99%的模拟准确度，并且模拟的加速因子为~16-1200倍。
2021-12-27 cs.DC cs.PF
Scene-Aware Latency Estimation for Microservices via Multi-Scale Graph Fusion
School of Software Technology, Zhejiang University（浙江大学软件学院）
本文提出MSGAF框架，通过多尺度图融合和场景感知学习，提升微服务系统延迟估计精度，解决现有方法在多层级和动态环境下的不足。
2026-04-01 cs.DC
CausIL: Causal Graph for Instance Level Microservice Data
基于人工智能的监控由于其规模而对基于云的服务至关重要。基于AI的监控的一种常见方法是检测服务组件之间的因果关系并构建因果图。域信息的可用性使得云系统更适合这种因果检测方法。然而，在现代云系统中，自动缩放器动态地更改微服务实例的数量，负载均衡器管理每个实例上的负载。这对现成的因果结构检测技术提出了挑战，因为它们既不包含系统架构域信息，也不提供跨不同数量的服务实例对分布式计算进行建模的方法。为了解决这个问题，我们开发了CausIL，它检测服务指标之间的因果结构，通过考虑计算分布在动态实例，并结合来自系统架构的领域知识。对于云系统中的应用，CausIL使用性能指标中的特定实例变化来估计因果图，将服务的多个实例建模为独立的，有条件的系统假设。模拟研究表明，CausIL通过将图估计精度提高约25%（由结构汉明距离测量），而真实世界的数据集证明了CausIL在部署设置中的适用性，从而超过基线。
2023-03-19 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
kube-volttron: Rearchitecting the VOLTTRON Building Energy Management System for Cloud Native Deployment
管理建筑环境的能源消耗是灵活负荷和脱碳的重要来源，使建筑管理者和公用事业公司能够安排消耗，以避免昂贵的需求费用和电网发电碳排放最高的高峰时间。建筑物能源管理的一个关键技术组成部分是建筑物能源管理系统。Eclipse VOLTTRON是一个支持建筑能源管理的传统软件平台。它是为美国能源部（DOE）在太平洋西北国家实验室（PNNL）开发的，用Python编写，基于单片构建-配置-运行-就地系统架构，早于云原生架构概念。然而，软件架构是组件化的，可以预期模块化容器化应用程序，软件代理处理数据存储，Web访问以及通过特定的物联网协议（如BACnet和Modbus）与物联网设备通信等功能。代理之间通过消息总线进行通信。本文描述了一个概念验证原型，将VOLTTRON重新架构为适合在Kubernetes云原生容器编排平台上部署的微服务集合。代理被打包在可再分发的容器中，这些容器执行特定的功能，并且可以在部署时进行配置。部署架构由单个Kubernetes集群组成，其中包含一个中央节点，名义上位于基于云的虚拟机中，其中包含数据库代理的微服务（称为“历史记录器”）和用于服务运行的网站代理，以及在建筑物中的站点上运行的网关节点，其中包含IoT协议特定代理的微服务处理去往和来自设备的控制和数据汇集，并将信息传回中央节点。
2023-02-27 cs.CY cs.DC cs.SE
An Artificial Intelligence Framework for Joint Structural-Temporal Load Forecasting in Cloud Native Platforms
Boston University（波士顿大学）
本文提出面向云原生平台的结构-时间联合负载预测框架，通过多粒度融合和结构注入提升负载预测稳定性，为容量评估和资源编排提供新方法。
2026-02-26 cs.DC
Predicting Resource Consumption of Kubernetes Container Systems using Resource Models
本文提出用Real-Time ABS构建Kubernetes资源模型，基于小规模部署数据模拟大规模高负载场景，以预测容器系统资源消耗并支持部署方案比较。
2023-05-12 cs.DC cs.SE
Application of Google Cloud Platform in Astrophysics
Google提供的新云平台的可用性促使我们提出了九个概念验证（Proof of Concepts，缩写为EAI），旨在展示和测试平台在科学驱动的任务和要求背景下的功能。我们通过展示我们在Google Cloud Platform上实施的9个成功关闭的云服务中的3个来回顾我们的计划的状态。特别是，我们说明了一个云架构，用于将科学软件部署为微服务，将Google Compute Engine与Docker和Pub/Sub耦合，以调度高度并行的模拟。我们还详细介绍了基于HPC的模拟和工作流执行的数据简化管道（TNG-GIANO-B光谱仪）部署在GCP上的实验。我们将我们的经验与现场设施进行比较和对比，比较总拥有成本和达到的性能方面的优势和劣势。
2019-03-08 astro-ph.IM cs.DC
CloudNativeSim: a toolkit for modeling and simulation of cloud-native applications
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Southern University of Science and Technology（南方科技大学）；State Key Lab of IOTSC, Department of Computer Science, University of Macau（澳门大学计算机科学与信息技术学院物联网与智慧城市重点实验室）
CloudNativeSim是一种用于云原生应用建模和模拟的工具包，通过动态建模和扩展框架提升模拟精度与灵活性。
2025-02-24 cs.DC
Uber's Failover Architecture: Reconciling Reliability and Efficiency in Hyperscale Microservice Infrastructure
Uber Technologies（优步科技公司）；University of British Columbia（不列颠哥伦比亚大学）
优步提出UFA架构，通过差异化策略优化超大规模微服务基础设施的可靠性与效率，减少资源消耗并提升系统可用性。
2026-09-22 cs.DC cs.NI
Reliable Microservice Tail Latency Prediction via Decoupled Dual-Stream Learning and Gradient Modulation
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；School of Software Technology, Zhejiang University（浙江大学软件学院）；Polytechnic Institute, Zhejiang University（浙江大学 polytechnic 院）；School of Computer Science, University of Sydney（悉尼大学计算机科学学院）
本文提出USRFNet框架，通过解耦需求与容量建模，利用图神经网络和门控MLP分别建模流量和资源动态，结合层次张量融合提升预测精度，实验显示在三个真实世界基准上MAPE降低15.62%-26.11%。
2026-04-26 cs.AI cs.DC cs.LG
The Nubo Virtual Services Marketplace
在本文中，我们描述了一个虚拟服务市场，称为Nubo，旨在连接虚拟服务的买家（或租户）与云计算平台上的这些服务的提供商。市场是作为分布式微服务的集合以及作为Web应用程序运行的市场门户来实现的。Nubo的核心是Saranyu租户和服务管理微服务。Saranyu是一个基于J.P. Morgan Quorum区块链的去中心化应用程序（dApp）。租户和服务账户表示为用Solidity语言编写的静态（不可协商）智能合约。Quorum提供了一个防篡改和防篡改的分布式账本，多个云和服务提供商可以合作，以可信的方式向租户提供服务资源。服务提供由描述租户可以消费的属性集合组成的资源，租户通过Nubo Marketplace门户订阅服务资源。Service Manager微服务为容器化服务提供多租户支持，这些服务是为使用Docker进行部署和编排而构建的，而这些服务最初并不设计为通过Saranyu进行管理。我们讨论了Nubo的设计目标，描述了整体架构，讨论了Saranyu如何使用区块链和智能合约的一些细节，并提供了在Saranyu REST API上测量的全面性能和可扩展性数据。结果表明，Saranyu在OpenStack Keystone的Havana版本上的可比操作方面与已发布的结果具有竞争力，但Saranyu提供了比Keystone更丰富的租户和服务管理功能集合。
2019-09-12 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
WaCoDiS: Automated Earth Observation Data Processing within an Event-Driven Architecture for Water Monitoring
为了确保有效和无害环境的水资源管理，水管理协会需要有效的水监测手段以及减少地表水和地下水污染的新战略。传统上，水管理协会运营大型传感器网络，以满足其对水文和气象测量数据的需求，以监测集水区内的物理过程并对其进行建模。实施一个全面的监测系统往往受到现场数据覆盖面不足的影响。由于哥白尼卫星平台的发展，卫星数据的广泛提供为从地球观测数据中获取补充信息提供了巨大的潜力。虽然提供在线处理环境的卫星数据平台的数量正在增加，但将这些平台纳入水文等环境领域用户的传统工作流程仍然是一个巨大的挑战。因此，在本文中，我们介绍了一个软件架构，以促进对水文地球观测信息的生成。所介绍的WaCoDiS系统包括几个微服务以及标准化接口，这些接口可以独立于平台处理卫星数据。首先，我们讨论了地球观测数据对水监测的贡献，并得出一些关于促进卫星数据处理的挑战。然后，我们描述了我们的系统设计，并简要概述了形成自动化处理管道的不同系统组件。我们的系统的适用性被证明是德国水管理协会的预操作部署的一部分。此外，我们演示了我们的系统是如何能够集成卫星数据平台，使用哥白尼数据和开发平台-德国（CODE-DE）作为参考的例子。
2021-12-23 cs.DC cs.SE
The Autonomic Architecture of the Licas System
Licas（用于自主服务的轻量级基于互联网的通信）是一个用于构建基于服务的系统的分布式框架。该框架通过其AI算法提供了一个P2P服务器和更智能的信息处理。分布式通信包括XML-RPC、REST、HTTP和Web服务。它现在可以为构建不同类型的系统提供一个强大的平台，微服务或SOA将成为可能。然而，该系统可能同样适用于物联网，因为它提供了与外部源连接的类，并具有集成到通信过程中的MAPE控制回路的可选自治管理器。该系统也与Android兼容。本文特别关注自主设置以及如何使用它。一种新的链接机制已经被描述之前，并再次考虑，作为自治框架的一部分。
2019-07-21 cs.DC cs.SE
Modeling Processor Idle Times in MPSoC Platforms to Enable Integrated DPM, DVFS, and Task Scheduling Subject to a Hard Deadline
能源效率是现代嵌入式系统（如多处理器片上系统（MPSoC））最关键的设计标准之一。动态电压和频率缩放（DVFS）和动态功率管理（DVS）是用于降低此类嵌入式系统中的能量消耗的两种主要技术。此外，MPSoC对于许多实时应用变得越来越流行。在MPSoC上集成DVFS和实时应用的任务调度的挑战之一是在这些平台上的空闲时间间隔的建模。在本文中，我们提出了一种新的方法建模空闲时间间隔MPSoC平台，导致混合整数线性规划（MILP）制定集成的周期性任务图的硬截止日期，DVFS和任务调度。我们还提出了一个启发式的方法来解决MILP，并比较其结果与那些从解决MILP。
2018-12-19 cs.DC cs.OS
Performance Evaluation of Automated Multi-Service Deployment in Edge-Cloud Environments with the CODECO Toolkit
Democritus University of Thrace（德谟克利特色雷斯大学）；Athena Research Center（雅典研究中心）；University of Piraeus Research Center（比雷埃夫斯研究中心）；fortiss GmbH（fortiss有限公司）
本文评估了CODECO工具包在边缘-云环境中的自动化多服务部署性能，证明其在减少人工干预和保持性能方面优于K8s。
2026-07-10 cs.DC
DEVS/SOA: A Cross-Platform Framework for Net-centric Modeling and Simulation in DEVS Unified Process
本文提出DEVS/SOA框架，在SOA上实现DEVS建模与仿真，支持DEVS统一过程、运行时组合及对称服务架构，并通过联合近距离空中支援和网络健康监控场景验证其跨平台分布式仿真能力。
2024-07-04 cs.DC
Evaluating Permissioned Blockchain Using Stochastic Modeling and Chaos Engineering
区块链和分布式账本技术依赖于分布式共识算法。近年来，人们提出了许多共识算法和协议，其中大多数是针对许可区块链网络的。然而，这些算法的性能并没有得到很好的理解。本文介绍了一种在存在拜占庭和其他网络故障的敌对网络环境中评估共识算法和区块链平台的方法。该方法首先使用随机建模来模拟共识算法在不同的典型和错误的操作场景下的行为。接下来，我们使用不同的共识协议实现了一个区块链应用程序，并使用混沌工程技术测试了它们的性能。为了展示我们的通用评估方法，我们分析了四个许可的区块链平台及其共识协议的性能。我们的研究结果表明，随机建模是一种廉价和有效的技术分析共识协议。但它们并不代表共识协议在生产环境中的实际性能。此外，混沌工程的实验表明，如果两个不同的区块链平台使用相同的区块链算法或协议，我们不应该假设它们将具有相似的性能。因此，考虑平台架构的作用以及如何在给定平台中设计协议也是至关重要的。
2023-01-14 cs.DC
BrainFrame: A node-level heterogeneous accelerator platform for neuron simulations
目的：近年来，高性能计算（HPC）的出现，导致其越来越多地通过计算模型在大脑研究中的使用。这种模型的规模和复杂性不断增加，导致具有挑战性的计算要求。尽管现代HPC平台通常可以应对这些挑战，但建模领域的巨大多样性不允许单个加速（或同构）平台有效地解决完整的建模需求。方法：在本文中，我们提出并构建了一个异构加速平台BrainFrame，它融合了三种不同的加速技术，即数据流引擎、Xeon Phi和GP-GPU。PyNN框架也集成到平台中。作为一个具有挑战性的概念证明，我们分析了BrainFrame在最先进的神经元模型的不同实例上的性能，使用生物药理学意义的扩展Hodgkin-Huxley表示对下橄榄核进行建模。模型实例不仅考虑了神经网络的维度，还考虑了不同的网络连接情况，这些情况可以极大地改变应用程序的工作负载特性。主要结果：三种HPC技术的综合方法表明，BrainFrame能够更好地应对所遇到的建模多样性。我们的性能分析清楚地表明，模型直接影响性能，所有三种技术都需要处理所有的模型用例。
2017-08-15 cs.DC cs.NE
