Shabari：通过延迟决策实现更快、更高效的无服务器函数

无服务器计算将开发者从资源管理的负担中解放出来，既为用户提供了易用性，也为提供商提供了优化资源利用率的机会。然而，当今的无服务器系统缺乏对函数调用的性能保证，从而限制了对性能关键型应用的支持：我们观察到严重的性能波动（高达6倍）。提供商缺乏对用户函数的可见性，因此难以对其进行合理配置：我们观察到严重的资源利用不足（高达80%）。为了理解性能波动和利用不足背后的原因，我们对常用部署的无服务器函数进行了测量研究，并了解到函数性能和资源利用率关键取决于函数语义和输入。我们的核心洞察是：将资源分配决策延迟到函数输入可用之后再进行。我们引入了Shabari，一个用于无服务器系统的资源管理框架，该框架尽可能晚地做出决策，以便为每次调用合理配置资源，从而满足函数的性能目标（SLO）并提高资源利用率。Shabari使用在线学习代理，根据函数输入的特征为每次函数调用进行合理配置，并做出感知冷启动的调度决策。对于一系列无服务器函数和输入，与包括Aquatope、Parrotfish和Cypress在内的最先进系统相比，Shabari在中位数情况下将SLO违规减少了11-73%，同时不浪费任何vCPU，并将浪费的内存减少了64-94%。