.png){kind=icon}
返回
Causality-Based Service Adaptations for Elastic Computing Continuum Systems
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-7423-7_24.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
计算连续体（CC）系统面临着满足多计算层级复杂需求挑战。虽然某些层级（如云）能够轻松扩展处理资源以满足特定的服务水平目标（SLO），但其他层级（如边缘计算）缺乏此类资源富余，必须采用替代的弹性方式。为此，创建对处理服务的因果视图能够准确推断调整服务的最佳方式，进而扩展整个CC中分布式复合服务的规模。为实现此目标，我们识别了三个必须解决的挑战：（1）为识别驱动SLO实现的关键因素，需要透明地观察各个服务及其对处理硬件的精确影响；在此基础上，（2）下一步是评估处理服务对彼此SLO的影响，这由服务间的交互和依赖关系定义；最后，（3）为确保服务能够选择最佳适配策略而不受外部干扰影响，任何因果模型都必须根据新观测结果持续调整。本论文提出新颖方法，通过主动推断（AIF）创建对个体服务及其交互的因果视图，从而实现CC系统中整体SLO的满足。因此，CC系统可以采用不同粒度的SLO，使个体服务或服务组合能够自主达到平衡状态。
Keyword:
Causal inference
Service adaptation
Computing Continuum
Elasticity
Active Inference
期刊
机构
引用论文
Intent-driven orchestration of serverless applications in the computing continuum计算连续体中无服务器应用程序的意图驱动编排
OAAI
OAAI分享收藏分享收藏A Survey on Microservices Architecture: Principles, Patterns and Migration Challenges.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容