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
MicroFog: A Framework for Scalable Placement of Microservices-based IoT Applications in Federated Fog Environments
微服务架构（MSA）在开发大规模物联网应用程序以部署在分布式和资源受限的雾计算环境中方面正在迅速普及。作为一种云原生应用架构，微服务的真正力量来自于其松散耦合、可独立部署和可扩展的性质，从而实现跨联合雾和云集群的分布式放置和动态组合。因此，有必要开发新的微服务放置算法，利用这些微服务特性来提高应用程序的性能。然而，现有的雾计算框架由于在多个领域存在不足而缺乏对集成此类放置策略的支持，包括跨多雾多云环境的MSA应用放置和部署，跨多个分布式集群的动态微服务组合，框架的可扩展性，对部署异构微服务应用的支持等。为此，我们设计并实现了MicroFog，一个雾计算框架，提供一个可扩展的、易于配置的控制引擎，该引擎在联合的雾环境中执行布局算法和部署应用程序。此外，MicroFog提供了对容器编排和动态微服务组合的充分抽象。该框架使用多个用例进行评估。结果表明，MicroFog是一个可扩展、可扩展且易于配置的框架，可以集成和评估新的放置策略，以便在多雾多云环境中部署基于微服务的应用程序。我们集成了多个微服务放置策略，以展示MicroFog支持水平缩放放置的能力，从而将应用程序服务的响应时间减少了54%。
2023-02-14 cs.DC
DHLink: A Microservice Platform supporting Rapid Application Development and Secure Real-time Data Sharing in Digital Health
本文提出事件驱动微服务平台DHLink，通过安全连接现有应用、促进实时数据共享及提供可复用微服务，解决数字健康应用重复开发问题，实现快速应用开发。
2021-02-09 cs.DC
Towards Offloadable and Migratable Microservices on Disaggregated Architectures: Vision, Challenges, and Research Roadmap
微服务和无服务器计算系统为分布式和企业级计算提供了巨大的多功能性和机会。与此同时，现代数据中心资源的部署正在转向分散式架构。随着双方的蓬勃发展，我们认为现在是时候撰写这份愿景文件，提出一个潜在的研究议程，以在新兴的分散数据中心架构之上实现下一代微服务的高效部署、管理和执行。特别是，我们设想了一个关键的系统研究方向，即在分散的架构上设计和开发可迁移和可迁移的微服务。在此基础上，我们回顾了近年来的相关研究，说明了研究的重要性和必要性，并指出了分布式系统和企业级计算研究可能遇到的基本挑战。我们进一步提出了一个研究路线图，以实现我们设想的目标，在一个有前途的方式。在路线图中，我们确定了可以利用的潜在技术和方法。
2021-04-22 cs.DC
Online Deployment Algorithms for Microservice Systems with Complex Dependencies
云计算和边缘计算已经在许多应用场景中被广泛采用。随着业务逻辑快速迭代和复杂性需求的不断增加，在这种高度分布的云和边缘计算环境中实现快速开发和持续交付具有挑战性。目前，基于微服务的体系结构已成为主流部署方式，微服务系统必须灵活地演进，才能在用户需求频繁变化的情况下提供稳定的服务质量（QoS）。已经进行了许多研究，以优化重新部署微服务，以适应不断变化的需求。然而，微服务之间的复杂依赖关系以及微服务系统中单个微服务的多个实例的存在在现有工作中尚未得到充分考虑。本文将SPPMS（微服务系统中的服务放置问题，具有复杂的依赖关系和多个实例）定义为分数多项式问题（FPP）。考虑到FPP的高计算复杂度，它被转化为一个二次比率和分数问题（QSRFP），并进一步解决所提出的贪婪算法。实验表明，我们的模型和算法优于现有的方法在质量和计算速度。
2021-07-20 cs.DC
Energy-Efficient Resource Management in Microservices-based Fog and Edge Computing: State-of-the-Art and Future Directions
本文综述了基于微服务的雾和边缘计算中最新的节能资源管理策略，识别了现有研究中的挑战，并提出了利用AI、量子计算和无服务器计算等技术的未来研究方向。
2025-11-18 cs.DC
Chameleons on Cloudlets: Elastic Edge Computing Through Microservice Variants
边缘计算的常见部署模型基于卸载到cloudlet的（可组合）微服务。网络适配-响应变化的负载、QoS实现、移动性等-通常基于粗粒度和高成本的管理操作，例如资源重新分配或迁移。然而，服务本身仍然是非自适应的，与云计算相比，边缘计算已经有限的弹性更加恶化。边缘计算应用程序通常对执行时间有严格的要求，但在计算质量方面是灵活的。利用这一权衡的潜在好处仍未得到利用。本文介绍了自适应微服务的概念，它提供了特定功能的替代变体。我们定义了所谓的服务变体，这些变体与我们的服务变体不同。服务的内部功能，表现在它们使用的不同算法、参数和辅助数据中。这样的变型允许QoS（例如，最大容许执行时间）和计算质量。我们将自适应微服务集成到边缘计算框架中，展示了服务变体的实际影响，并提出了在运行时切换变体的策略。
2021-05-19 cs.DC cs.NI
REACH: Reinforcement Learning for Adaptive Microservice Rescheduling in the Cloud-Edge Continuum
REACH利用强化学习在云边连续体中实时动态调整微服务放置，以应对资源波动，实验表明在三个基准应用中平均端到端延迟降低7.9%-10%，并缓解延迟波动。
2025-10-08 cs.DC
Migrating from Microservices to Serverless: An IoT Platform Case Study
微服务架构是当今开发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。因此，应用程序开发和操作云基础设施被捆绑在一起，现在通常称为DevOps。然而，随着无服务器计算模式的日益普及及其几个优势，如无基础设施管理，按使用付费的计费策略和按需细粒度自动缩放，人们对利用FaaS和无服务器CaaS技术重构基于微服务的应用程序越来越感兴趣。为此，我们将复杂的物联网平台应用程序迁移到OpenWhisk（OW）和Google Cloud Run（GCR）上。我们全面评估了不同部署策略的性能，即，Google Kubernetes Engine（GKE）-使用不同负载测试场景的IoT平台的标准、OW和GCR。从我们的实验结果表明，虽然GKE标准执行最好的大多数情况下，GCR总是更便宜的wrt成本。
2022-10-09 cs.DC cs.PF cs.SE
About Microservices, Containers and their Underestimated Impact on Network Performance
微服务用于构建由小型、独立和高度解耦的流程组成的复杂应用程序。最近，微服务经常与Docker等容器技术相提并论。这就是操作系统虚拟化在云计算中复兴的原因。这些方法将提供水平可扩展，易于部署的系统和高性能的替代管理程序。然而，几乎没有研究虚拟机管理程序之上的容器的性能影响。此外，微服务框架通常与软件定义网络一起出现。本文介绍了量化容器、软件定义网络和加密对网络性能影响的基准测试结果。即使是容器，虽然假设是轻量级的，但对网络性能也有显著的影响。这些影响可以在几个系统层上最小化。最后，本文给出了遵循微服务架构模式的云部署系统的设计建议。
2017-09-14 cs.DC
BlendSM-DDM: BLockchain-ENabled Secure Microservices for Decentralized Data Marketplaces
为了促进物联网（IoT）在智能社区和智能城市中的优势，最近提出了一种称为智能物联网集成器（I3）的实时数据市场中间件平台。在通过市场促进设备所有者和第三方应用程序之间轻松交换实时物联网数据流的同时，I3目前是一个单一社区的单片集中式平台。虽然面向服务的架构（SOA）已经在物联网和网络物理系统（CPS）中被广泛采用，但是对于单一架构来说，难以为大量分布式物联网设备和不同应用供应商提供可伸缩、互操作和可扩展的服务。传统的安全解决方案依赖于集中的权威机构，这可能是性能瓶颈或容易出现单点故障。受容器化微服务和区块链技术的启发，本文提出了一种Blockchain-Enabled Secure Microservices for Decentralized Data Marketplaces（BlendSM-DDM）。在许可的区块链网络中，引入了基于微服务的安全机制，以保护市场参与者之间的数据交换和支付。BlendSM-DDM能够为数据市场提供分散，可扩展和可审计的数据交换。
2019-09-21 cs.DC
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
Dependency- and Layer-Aware Microservice Workflow Offloading and Service Image Caching for Edge Environments
School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院）；Yunnan Provincial Key Laboratory of Software Engineering（云南省软件工程重点实验室）；School of Software Technology, Zhejiang University（浙江大学软件技术学院）；College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院）
针对边缘环境中的微服务工作流，提出依赖与层感知的卸载和镜像缓存框架，显著降低任务完成时间并提高镜像命中率。
2026-09-25 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
Decentralized Smart Surveillance through Microservices Platform
互联社会需要可靠的措施来确保成员的安全、隐私和保障。自第一代监控摄像机问世以来，公共安全技术已经取得了根本性的进步，其目的是减少观察员代理的作用，以便不会忽视任何异常。虽然边缘计算范例承诺解决云计算的缺点的解决方案，例如，额外的通信延迟和网络安全问题，也带来了新的挑战。其中一个主要问题是边缘计算能力有限，无法满足现场动态数据处理。本文在微服务架构的基础上，提出了一种基于轻量级物联网的智能公共安全（LISPS）框架。LISPS系统作为一种边缘计算层次结构，具有设计过程的高度灵活性、在不中断正常操作的情况下添加新服务或更新现有功能的松耦合性以及高效的功率平衡性。一个真实世界的公共安全监测方案被选中，以验证LISPS的有效性，它检测，跟踪人体物体和识别可疑活动。实验结果证明了该方法的可行性。
2019-03-11 cs.CR cs.DC
Optimizing Cloud Deployment: Blending of IaaS and FaaS for Microservice Architecture
Indian Institute of Technology Delhi（印度德里理工学院）
提出一种指标驱动方法，通过自动化框架分析性能指标，将微服务从纯IaaS迁移至IaaS+FaaS混合模型，以优化资源利用和可扩展性。
2026-06-11 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
ADApt: Edge Device Anomaly Detection and Microservice Replica Prediction
本文提出ADApt框架，通过监控边缘设备、检测资源异常并利用梯度提升回归预测微服务副本数量，有效缓解资源过度利用瓶颈，将设备CPU利用率降低14%-28%。
2025-03-25 cs.DC
Contention-Aware Microservice Deployment in Collaborative Mobile Edge Networks
针对协作移动边缘网络中微服务资源争用被忽视导致服务质量下降的问题，本文提出CAMD算法，通过子问题分解与启发式迭代优化实现多应用微服务部署，在低时延响应与整体处理效率之间取得平衡，并通过实验验证其优越性。
2025-01-02 cs.DC cs.NI
Parsimonious Edge Computing to Reduce Microservice Resource Usage
云计算（CC）是通过互联网提供服务的最流行的范例。其成功的最相关特征是其根据用户需求迅速扩展服务的能力。扩展时，主要目标是尽可能提高服务性能。此外，云中的资源通常非常丰富，从服务的角度来看，可以假设它们是无限的：应用程序提供商可以拥有任意数量的服务器，只要它支付费用。首先，能源效率并不是扩展决策的首要标准，这引起了人们对当今云计算的环境影响的担忧。此外，它对于边缘计算（EC）是不可行的，边缘计算是一种将计算资源分布到网络边缘的范例，即，与基站或接入点位于同一地点。在边缘节点，资源是有限的，这迫使不同的节俭的缩放策略被采用。在这项工作中，我们设计了一个扩展策略，旨在实例化，简约，一些微服务足以保证一定的服务质量（QoS）目标。我们在Kubernetes/Docker环境中实现了这样的策略。该策略是基于一个简单的比例积分微分（PID）控制器。在本文中，我们描述了系统的设计和初步的性能评估。
2021-09-06 cs.DC cs.NI
A Two-Sided Matching Model for Data Stream Processing in the Cloud-Fog Continuum
延迟敏感和带宽密集型流处理应用是Internet网络上的主要流量生成器。流由连续的数据元素序列组成，这些数据元素需要近乎实时的处理。为了改善通信延迟并减少网络拥塞，雾计算通过将计算移动到网络边缘来补充云服务。不幸的是，新的云-雾连续体的异构性提出了与部署和执行数据流应用程序相关的重要挑战。在这项工作中，我们探索了一种称为Cloud-Fog的双边稳定匹配模型，用于在异构Cloud-Fog计算资源上部署分布式应用程序，该分布式应用程序表示为流处理微服务的工作流。在CODA中，应用微服务基于其微服务流处理时间对连续体资源进行排名，而资源基于其剩余带宽对流处理微服务进行排名。一种稳定的多对一匹配算法根据微服务的相互偏好将其分配给资源，旨在优化应用程序端的完整流处理时间和资源端的总流流量。我们评估CODA算法使用模拟和真实世界的云雾场景。与相关的最先进的方法相比，我们实现了11%至45%的流处理时间和1.3%至20%的流流量。
2021-05-17 cs.DC
iAnomaly: A Toolkit for Generating Performance Anomaly Datasets in Edge-Cloud Integrated Computing Environments
针对边缘计算中性能异常数据集缺失的问题，提出全系统仿真器iAnomaly，可自动生成带标签的正常与异常数据，并发布覆盖多种微服务物联网应用、含多种异常的公开数据集。
2024-11-05 cs.DC
ECO: Edge-Cloud Optimization of 5G applications
具有100毫秒以上网络延迟的集中式云计算无法满足自动驾驶、智能制造、触觉互联网和增强或虚拟现实等新兴5G应用所需的数十毫秒至亚毫秒的响应时间。我们描述了一种新的动态运行时，使这些应用程序能够始终有效地利用5G网络，在该网络的边缘进行计算，以及集中式云中的资源。我们的运行时持续监控微服务之间的交互，估计微服务之间产生和交换的数据，并使用一种新的图最小割算法将微服务动态映射到边缘或云，以满足特定于应用程序的响应时间。我们的运行时还处理临时网络分区，并通过使用微服务代理将WAN带宽降低一个数量级来维护分布式结构中的数据一致性，所有这些都是通过利用有关应用程序功能、延迟关键管道和中间数据的知识以{ \it应用程序特定的方式}进行的。我们通过成功地将两个复杂的、有代表性的现实世界视频分析应用程序映射到AWS/Verizon Wavelength边缘云架构来说明我们的运行时的使用，并将应用程序的响应时间与静态边缘云实现相比提高了2倍。
2021-09-02 cs.DC
Whole Slide Image to DICOM Conversion as Event-Driven Cloud Infrastructure
医学数字成像和通信（DICOM）规范越来越多地被数字病理学采用，以促进数据标准化和互操作性。将专有文件格式高效转换为DICOM标准格式是机构采用DICOM的关键要求，这是确保与现有扫描仪、显微镜和数据档案兼容所必需的。在这里，我们提出了一个用于DICOM转换的云计算架构，利用Google Cloud中无服务器计算环境中托管的事件驱动微服务框架，以实现从单个图像到机构规模数据集的有效DICOM转换。在我们的实验中，采用基于微服务的方法，相对于并行和串行处理，大大减少了处理一批图像的运行时间。这项工作证明了设计可扩展系统以实现企业级采用数字病理工作流程的重要性，并提供了使用微服务架构实现高效DICOM转换的蓝图。
2022-03-25 cs.DC
Microservice Deployment in Space Computing Power Networks via Robust Reinforcement Learning
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）；EPFL（洛桑联邦理工学院）；Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学北京信息科学与技术国家研究中心）
针对低轨卫星星座实时遥感推理的低延迟需求，本文提出基于微服务架构的部署框架，结合鲁棒优化与强化学习处理资源异构与数据不确定性，在可控成本下实现精度损失最小化的优化部署。
2025-01-08 cs.AI cs.DC cs.LG
NotNets: Accelerating Microservices by Bypassing the Network
本文提出NotNets，利用CXL 3.0远端内存共享消息负载与元数据来模拟RPC通信，从而绕过传统网络以降低微服务场景下的通信开销。
2024-04-09 cs.DC
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
Energy-aware Distributed Microservice Request Placement at the Edge
本文研究边缘微服务架构下的去中心化请求放置问题，将其建模为旅行购买者问题并提出整数线性规划公式，旨在满足延迟要求的同时最小化能耗，发现不同能耗指标会导致不同的放置决策与节能策略。
2024-08-25 cs.DC
Kuksa: A Cloud-Native Architecture for Enabling Continuous Delivery in the Automotive Domain
将车辆连接到云平台实现了创新的业务场景，同时提出了新的质量问题，例如可靠性和可扩展性，这些问题必须通过研究来解决。基于微服务的云原生架构是实现持续交付并提高服务可靠性和可扩展性的最新方法。我们提出了一种将汽车领域的云平台架构重组为微服务架构的方法。为此，我们采用并实现了文献中的微服务模式来设计云原生汽车架构，并在汽车领域的一个名为Eclipse Kuksa的真实项目中进行了实验室实验，以评估微服务的可靠性和可扩展性。研究结果表明，拟议的架构可以处理连续的软件交付在空中发送自动控制消息的车辆设置。不同的模式使我们能够进行更改或中断服务，而不会将影响扩展到其他人。这项研究的结果提供了证据，表明微服务是一种潜在的设计解决方案，可以处理汽车领域基于云的服务上的服务故障和高负载。
2019-10-22 cs.DC cs.SE
Energy Metrics for Edge Microservice Request Placement Strategies
本文研究边缘微服务请求放置的能量优化问题，将问题建模为旅行购买者问题并提出整数线性规划方法，通过仿真证明采用总体能量与边际能量两种不同度量会产生不同的放置策略，并分析了影响差异程度的参数。
2025-03-12 cs.DC
An Architectural Approach to Creating a Cloud Application for Developing Microservices
云计算是一种新的范式，为新的方法和标准铺平了道路。架构风格正在不断发展，以响应云的需求。近年来，微服务已成为可扩展、快速发展的云应用程序的首选架构风格。微服务的采用损害了越来越多被淘汰的单一结构，这是业务架构中最重要的发展之一。云原生架构使微服务系统部署更具生产力，适应性和成本效益。无论如何，许多公司已经开始从一种类型的架构过渡到另一种类型的架构，尽管这仍然处于早期阶段。本文的主要目的是更好地了解如何通过开发云应用程序来设计微服务，以及当前的微服务趋势，微服务研究的原因，新兴标准和未来的研究差距。软件工程的研究人员和从业人员可以使用这些数据来了解SOA和云计算的最新发展。
2022-10-07 cs.DC cs.NI
Synthetic Time Series for Anomaly Detection in Cloud Microservices
Insight SFI Research Centre for Data Analytics, Dublin City University（都柏林城市大学Insight SFI数据分析研究中心）
本文提出一个合成时间序列生成框架，用于模拟云微服务的正常与异常行为，以解决异常检测算法在现实环境中难以验证的问题，并公开了两个生成的数据集。
2024-07-21 cs.DC cs.LG
IFogSim2: An Extended iFogSim Simulator for Mobility, Clustering, and Microservice Management in Edge and Fog Computing Environments
物联网（IoT）已被证明是下一代网络物理系统（CPS）的构建块。物联网设备生成的大量数据需要对延迟敏感的处理，这通过在远程云计算中心部署相应的应用程序是不可行的。边缘/雾计算是云在物联网附近网络上的一种有前途的扩展，可以满足智能CPS的这些要求。然而，Edge/Fog基础设施的结构和操作差异阻碍了将基于云的服务法规直接应用于这些环境。因此，最近进行了许多研究工作，重点是边缘/雾计算环境中的高效应用和资源管理。可扩展的边缘/雾基础设施是验证这些策略的必要条件，由于高成本和实施时间，在现实世界中适应这些策略也具有挑战性。考虑到模拟作为这一约束的关键，已经开发了各种软件，可以模拟边缘/雾计算环境的物理行为。然而，现有的模拟器往往无法支持先进的服务管理功能，因为它们的整体架构，缺乏实际的数据集，并定期更新的范围有限。为了克服这些问题，我们在这项工作中为Edge/Fog计算开发了多个模拟模型，用于服务迁移，动态分布式集群形成和微服务编排，并与现有的iFogSim模拟工具包集成，以iFogSim 2的形式推出。使用三个用例场景评估iFogSim 2及其内置策略的性能，并在不同设置下与当代模拟器和基准策略进行比较。实验结果表明，该方案在服务管理时间、网络使用率、内存消耗和仿真时间等方面都优于其他方案。
2021-09-15 cs.DC cs.PF cs.SE
A Decentralized Root Cause Localization Approach for Edge Computing Environments
针对边缘计算环境中现有集中式根因定位（RCL）方法延迟高、开销大的问题，提出基于个性化PageRank（PPR）的去中心化RCL方法，通过微服务集群化、本地执行PPR及跨集群对等近似，在MicroCERCL数据集上实现定位准确性相当或更高且时间减少34%。
2025-11-16 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
Joining Jolie to Docker - Orchestration of Microservices on a Containers-as-a-Service Layer
云计算正在稳步增长，随着IaaS供应商开始提供按需付费的计费策略，实现尽可能多的弹性，避免过度配置（这将意味着更高的成本）至关重要。在本文中，我们简要分析了PaaSSOA的编排特征，PaaSSOA是一种已经为Jolie微服务实现的拟议架构，Kubernetes是Docker的各种编排插件之一;然后，我们概述了两种方法的相似性和差异，就其各自的应用领域而言。此外，我们还研究了实现这两种技术联合的一些想法，提出了Docker容器即服务层上Jolie微服务的架构组合。
2017-09-17 cs.DC cs.SE
Multi-microservice migration modelling, comparison, and potential in 5G/6G mobile edge computing: A non-average parameter values approach
针对5G/6G移动边缘计算中多微服务迁移问题，本文提出基于非平均值参数的数学模型，对比分析MiGrror与预拷贝实时迁移方法，实验证明MiGrror能以最小带宽开销实现低于10毫秒停机时间，显著提升服务连续性。
2023-05-18 cs.DC cs.NI
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
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
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
DEEP: Edge-based Dataflow Processing with Hybrid Docker Hub and Regional Registries
本文提出 DEEP 框架，通过混合使用 Docker Hub 与基于 MinIO 的区域注册中心优化边缘微服务部署能耗，实验表明从区域注册中心部署 83% 文本处理微服务可降低 0.34% 能耗。
2025-03-23 cs.DC
Distributed Redundant Placement for Microservice-based Applications at the Edge
多访问边缘计算（MEC）作为一种将计算和通信资源从云推到网络边缘以提供服务和执行计算的有前途的范例正在蓬勃发展。通过容器技术，内存占用小的移动设备可以运行基于复合微服务的应用程序，而无需耗时的主干。边缘服务布局是MEC从理论走向实践的重要环节。然而，目前最先进的研究没有充分考虑到服务的复合属性。此外，尽管Kubernetes具有一定的修复容器故障的能力，但由于边缘站点的异构性和可变性，无法确保高可用性。针对这些问题，提出了一种分布式冗余布局框架SAA-RP和一种基于遗传算法的服务器选择（GASS）算法，用于具有顺序组合结构的微服务应用。我们在考虑微服务请求的不确定性的情况下制定了一个随机优化问题，然后为每个微服务决定如何部署它，有多少实例以及将它们放置在哪些边缘站点上。基准策略在两种情况下实现，分别是允许冗余和不允许冗余。基于真实世界数据集的数值结果验证了GASS显著优于所有基准策略。
2020-05-19 cs.DC cs.SE
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
The Vision of Autonomic Computing: Can LLMs Make It a Reality?
State Key Laboratory for Novel Software Technology, Nanjing University（南京大学现代软件技术国家重点实验室）；Microsoft（微软）
本文探索利用 LLM 多智能体框架实现微服务管理的自治计算愿景，提出五级分类法并基于 Sock Shop 基准评估，结果显示达到三级自主性，验证了 LLM 在问题检测与解决中的有效性。
2024-07-19 cs.AI cs.CL 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
AdaptiFlow: An Extensible Framework for Event-Driven Autonomy in Cloud Microservices
Univ. Lille, CNRS, Inria, Centrale Lille, UMR 9189 CRIStAL（里尔大学、法国国家科学研究中心、法国国家信息与自动化研究所、中央理工学院，CRIStAL联合实验室）
AdaptiFlow通过事件驱动和规则机制，为云微服务提供自我适应能力，实现去中心化的自主性，提升系统鲁棒性。
2025-12-29 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
Autonomic Microservice Management via Agentic AI and MAPE-K Integration
University of Oulu（奥卢大学）
针对微服务去中心化带来的安全与管理挑战，提出基于MAPE-K并利用agentic AI的自主异常检测与修复框架，为分布式系统提供工业级解决方案，可定制以增强稳定性并监控多项质量属性。
2025-06-27 cs.AI cs.DC cs.NI
Spanergy: Energy-aware Distributed Tracing for Microservices
SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris（SAMOVAR，巴黎电信学院，巴黎理工学院）
研究针对微服务能耗问题，提出Spanergy能源感知分布式追踪方法，将微服务功率测量与追踪关联，通过实验验证其可行性，该方法开销适度，能为节能微服务提供可操作见解。
2026-07-29 cs.DC cs.SE
Navigating the Docker Ecosystem: A Comprehensive Taxonomy and Survey
本文针对Docker容器技术提出了一种全面的容器架构分类法，通过综述现有文献，分析了Docker架构方法的异同，并指出了未来需要进一步研究的领域。
2024-01-03 cs.DC
Container Data Item: An Abstract Datatype for Efficient Container-based Edge Computing
本文提出容器数据项（CDI）抽象数据类型，在保持容器强隔离语义的前提下，支持同机或跨机多容器高效共享操作同一数据项，并通过性能评估和两个代表性应用验证其有效性。
2024-09-01 cs.DC
Optimal Configuration of API Resources in Cloud Native Computing
KU Leuven（荷语鲁汶大学）
本文提出通过前期筛选和贝叶斯优化，在云原生计算中优化微服务的资源配置，以提升性能并平衡采样成本与最优配置的差距。
2025-12-29 cs.DC cs.PF
Task queue implementation for edge computing platform
本文面向边缘计算场景，在集群管理平台 constellations 中实现任务队列，以支持服务间可靠异步通信，并研究吞吐限制、优先级队列及持久化层对性能、可靠性和资源使用的影响。
2024-10-25 cs.DC
