COSCO：面向雾计算环境的基于协同仿真与梯度优化的容器编排
分布式、并行与集群计算
2021-07-12 v3 性能
摘要
由于现代工作负载应用的高度易变特性以及用户对低能耗与低响应时间的敏感需求，大规模雾平台中的智能任务放置与任务管理颇具挑战。容器编排平台应运而生以缓解此问题，现有方法或使用启发式快速达成调度决策，或使用强化学习与进化方法等 AI 驱动方法以适应动态场景。前者常难以在高度动态环境中快速适应，而后者运行时间慢到足以对响应时间产生负面影响。因此，需要既能在易变环境中高效反应又具有低调度开销的调度策略。为此，我们提出一种基于梯度的优化策略，利用关于输入的梯度反向传播（GOBI）。进一步，我们通过开发耦合仿真与容器编排框架（COSCO）来利用预测性数字孪生模型的准确性与仿真能力。借此，我们创建了一种混合仿真驱动决策方法 GOBI*，以优化服务质量（QoS）参数。协同仿真与反向传播方法使这些方法能在易变环境中快速适应。使用真实世界雾应用数据对 GOBI 与 GOBI* 方法开展的实验表明，与最先进算法相比，在能耗、响应时间、服务水平目标与调度时间上分别显著改善达 15%、40%、4% 和 82%。
引用
@article{arxiv.2104.14392,
title = {COSCO: Container Orchestration using Co-Simulation and Gradient Based Optimization for Fog Computing Environments},
author = {Shreshth Tuli and Shivananda Poojara and Satish N. Srirama and Giuliano Casale and Nicholas R. Jennings},
journal= {arXiv preprint arXiv:2104.14392},
year = {2021}
}
备注
Accepted in IEEE Transactions on Parallel and Distributed Systems, 2021