DeF-DReL：基于深度强化学习的雾与云环境中无服务器函数的系统化部署
分布式、并行与集群计算
2024-02-09 v3 人工智能
摘要
雾计算通过将云资源向用户邻近侧迁移以缓解云计算的局限性而被引入。雾环境将其有限资源提供给大量用户以部署由其若干无服务器函数组成的无服务器应用。引入雾环境的主要意图之一是通过其有限资源满足对延迟与位置敏感的无服务器应用的需求。近期研究主要聚焦于从雾节点为此类应用分配最大资源，而未充分利用云环境。这给向最大数量连接用户提供资源带来了负面影响。为解决此问题，本文研究了应由雾与云满足的用户请求的最优比例。为此，我们提出了 DeF-DReL，一种基于深度强化学习的雾与云环境中无服务器函数的系统化部署，使用了若干真实参数，如用户到附近雾节点的距离与延迟、用户优先级、无服务器应用及其资源需求的优先级等。DeF-DReL 算法的性能进一步与近期相关算法进行比较。从仿真与比较结果可清晰观察到其相对于其他算法的优越性及在真实场景中的适用性。
引用
@article{arxiv.2110.15702,
title = {DeF-DReL: Systematic Deployment of Serverless Functions in Fog and Cloud environments using Deep Reinforcement Learning},
author = {Chinmaya Kumar Dehury and Shivananda Poojara and Satish Narayana Srirama},
journal= {arXiv preprint arXiv:2110.15702},
year = {2024}
}
备注
This preprint version is currently under-consideration to submit