要旨：サーバーレスコンピューティングプラットフォームは、極めて突発的で予測困難なワークロードに適応しつつ、サービス品質（QoS）を維持しなければなりません。QoS要件やサービスレベルアグリーメント（SLA）を満たしながらワークロードの変動に対処するため、これらのプラットフォームは自動的なリソーススケーリングに依存しています。商用の関数即時実行型（FaaS）プラットフォームでは、アクティブな関数インスタンスの数や利用可能な処理能力を動的に調整するために、さまざまな自動スケーリング戦略が採用されています。本研究では、代表的な3つの自動スケーリング戦略——要求ごとのスケーリング（SPR）、同時実行度ベースのスケーリング（CLS）、およびメトリクスベースのスケーリング（MBS）——をモデル化し、比較しました。独自のプラットフォーム固有の実装に依存しない体系的な評価を可能にするため、Java Modeling Tools（JMT）で実装された待ち行列ペトリネット（QPN）と解析的な待ち行列ネットワーク（QN）モデリングを組み合わせた統一的なモデル構築フレームワークを開発し、二段階ハイパーエキスポネンシャル（H2）到着パターン下での自動スケーリング挙動を評価しました。評価には、スループット、平均応答時間、システム人口、およびシステム消費電力という4つのシステムレベル指標を用いました。このフレームワークは、動的な関数インスタンス（FI）の活性化、同時実行制約、飽和状態におけるキューの蓄積を捉えます。比較分析の結果、ピーク性能と安定性の間には明確なトレードオフが存在することが示されました。SPRは中程度の負荷下では最も低い遅延を実現しますが、容量限界付近では脆弱になります。CLSは同時実行トークンによって制御され、突発的な負荷条件下では設定に非常に敏感です。一方、MBSは利用率を臨界領域以下に抑え、臨界負荷下での爆発的なキューの増大を防ぐことで、負荷範囲全体にわたり最も安定したQoSを提供します。
投稿履歴
論文へのアクセス：
PDFを表示
HTML（実験的）
TeXソース
追加機能
音声要約
現在の閲覧コンテキスト：
参考文献・引用
Google Scholar
Semantic Scholar
ブックマーク
機関
arXivLabsは、共同作業者が当社のウェブサイト上で新しいarXiv機能を直接開発・共有できるフレームワークです。
arXivLabsを利用する個人および組織は、オープン性、コミュニティ、卓越性、そしてユーザーデータのプライバシーという当社の価値観を積極的に受け入れ、尊重しています。arXivはこれらの価値観に固くコミットしており、それらを遵守するパートナーのみと協力しています。
arXivのコミュニティに価値をもたらすプロジェクトのアイデアをお持ちですか？arXivLabsについて詳しくご覧ください。