Function Reuse-Driven Serverless Workflow Provisioning with Constrained Bayesian Optimization

doi:10.1109/tc.2026.3724178

Function Reuse-Driven Serverless Workflow Provisioning with Constrained Bayesian Optimization

2026-08-14

0

PRE

AI

DOI：10.1109/tc.2026.3724178

原文链接

原文求助

摘要

En 中文

无服务器计算正日益普及，无服务器工作流作为其关键工作负载形式脱颖而出。由于无服务器工作流中的资源配置通常需要手动指定，大量研究已聚焦于自动化资源分配优化。然而，传统研究通常采用耦合的CPU-内存分配方式，从而限制了成本效益，或假设函数性能配置文件预先已知。此外，它们并未明确处理函数冷启动对工作流性能的影响。为解决这些局限性，本文提出了一种支持解耦资源分配和具有相同功能的任务间函数容器复用的无服务器工作流配置模型。基于该模型，我们提出了一种结构感知的信任域贝叶斯优化（STBO）方法，用于在截止时间约束下优化资源配置以最小化成本。所提方法已实现于OpenWhisk中，评估实验表明，与现有方法相比，STBO提升了约束满足率，并将执行成本平均降低了超过17%。

Keyword:

Bayesian Optimization

Function Reuse

Resource Provisioning

Serverless Computing

Workflow

Function Reuse-Driven Serverless Workflow Provisioning with Constrained Bayesian Optimization

摘要

期刊

机构

引用论文