.png){kind=icon}
返回
Styx: An Efficient Workflow Engine for Serverless Platforms
.png){kind=icon}
PRE
AI
DOI：10.1109/TPDS.2026.3665533.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无服务器平台因其自动扩展能力和按使用量付费的计费模式而被广泛用于应用程序部署。这些平台在临时容器中执行应用程序的功能，并根据传入的请求速率调整容器数量。为满足服务等级目标（SLO），它们通常会通过维护热容器或在高流量期间快速创建新容器来超额配置资源。然而，这一策略常常导致资源利用率低下，尤其是在活动低谷期。前期研究通过智能调度、轻量级虚拟化和容器共享机制解决了这一问题。近期工作则旨在通过重塑容器内函数的执行方式以更好分离计算和I/O阶段来提高资源利用率。尽管有所改进，现有方法在执行过程中常引入延迟，并在高流量期间造成内存压力。本文提出Styx，一种新型工作流引擎，通过智能解耦计算和I/O阶段来提升资源利用率。Styx采用一个获取延迟预测器，利用无服务器节点和远程存储服务器的实时系统指标来精确估计预取操作，确保输入数据在需要时恰好可用。此外，它将容器中的输出数据上传操作卸载到主机端数据服务，从而高效管理已分配内存。与Dataflower + Truffle相比，当同时运行所有无服务器工作流时，我们的方法将整体内存分配提高了32.6%。此外，该方法使工作流的尾部延迟和平均延迟分别平均改善了26.3%和21%。
Keyword:
Serverless computing
resource management
workflow orchestration
function modeling
container state modeling
期刊
IF:
6
论文数:
5.2K
被引数:
1.1W
机构
引用论文
.png){kind=icon}
分享收藏CodeCrunch: Improving Serverless Performance via Function Compression and Cost-Aware Warmup Location OptimizationCodeCrunch：通过函数压缩和成本感知的预热位置优化提升无服务器性能
OAAI
OAAI分享收藏分享收藏
查看更多内容