无服务器云中聚合函数的描述性与预测性分析：以视频流为例
分布式、并行与集群计算
2020-12-14 v1 多媒体
摘要
无服务器云将来自多个用户的多个任务（例如微服务）分配到一个共享的计算资源池中。这使得无服务器云提供商能够通过透明地聚合某一上下文中（例如视频处理）共享全部或部分计算的相似任务来减少资源使用。为此，了解通过聚合任务所节省的时间量至关重要。缺乏此类知识可能导致不明智的合并与调度决策，进而造成被合并任务或其他后续任务的截止时间违例。据此，本文以视频处理为背景研究了估算任务合并所带来的执行时间节省问题。为学习不同合并形式下的执行时间节省，我们首先建立了一组基准视频，并考察了种类广泛的视频处理任务——包含和不包含合并的情况。我们观察到，尽管合并可节省高达44%的执行时间，但可能的合并情形数量难以处理。因此，在第二部分中，我们利用基准结果并开发了一种基于梯度提升决策树（GBDT）的方法来估算任意给定任务合并情形的时间节省。实验结果表明，基于均方根误差（RMSE）衡量，该方法能以0.04的错误率估算时间节省。
引用
@article{arxiv.2012.06021,
title = {Descriptive and Predictive Analysis of Aggregating Functions in Serverless Clouds: the Case of Video Streaming},
author = {Shangrui Wu and Chavit Denninnart and Xiangbo Li and Yang Wang and Mohsen Amini Salehi},
journal= {arXiv preprint arXiv:2012.06021},
year = {2020}
}