利用时间卷积网络管理无服务器云中的冷启动问题

无服务器云是一种创新的云服务模型，使客户免于大多数云管理职责。它还提供与其他云模型相同的优势，但成本却低得多。因此，无服务器云已越来越多地应用于系统安全、银行和医疗保健等高影响领域。对无服务器云性能的一大威胁是冷启动，即配置所需云资源以服务客户请求的时间给服务提供商和/或客户带来不可接受的成本。本文提出了一种新颖的低耦合、高内聚的集成策略，该策略在无服务器云栈的基础设施级和函数级解决冷启动问题，而现有最优策略的关注点更为狭窄。该集成策略锚定于对未来 10 至 15 分钟函数实例到达的预测。这是通过使用时间卷积网络（TCN）深度学习方法实现的。在来自大规模无服务器云提供商的真实世界数据集上的基准测试结果表明，TCN 在时间序列预测上优于其他流行的机器学习算法。除了冷启动管理之外，所提出的策略和公开可用的代码还可用于解决其他云问题，例如优化虚拟软件定义网络资产的配置。