یک چارچوب ریزدانه و آگاه از محل غیرمتمرکز برای مدیریت حافظه نهان در رایانش بدون سرور
الموضوعات : electrical and computer engineering
محمد کاهانی
1
,
سعید ابریشمی
2
,
عادل نجاران طوسی
3
1 - گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
2 - گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
3 - دانشکده سیستم_های محاسباتی و اطلاعاتی، دانشگاه ملبورن، استرالیا
الکلمات المفتاحية: رایانش بدون سرور, تابع به عنوان خدمت, توابع حالتمند, حافظه نهان در سطح تابع, توابع مبدأ.,
ملخص المقالة :
امروزه استفاده از برنامههای مبتنی بر رایانش بدون سرور و تابع بهعنوان سرویس بهطور فزایندهای گسترش یافته است. این رویکرد به کاربران اجازه میدهد بدون نیاز به پیکربندی میزبانهای زیرساختی، برنامههای خود را مستقر کرده و از مزایایی همچون مدل هزینه مبتنی بر مصرف، انعطافپذیری و مقیاسپذیری خودکار سکوهای بدون سرور بهرهمند شوند. با این حال، به دلیل ماهیت بدونحالت توابع بدون سرور، در سناریوهایی که توابع نیازمند تعامل با یکدیگر هستند یا دسترسی به دادههای حجیم مطرح است، کارآیی سیستم با محدودیت مواجه میشود. در رویکردهای متداول، برای رفع این محدودیت از انبارههای داده راه دور مانند 3Amazon S استفاده میشود که سربار زمانی قابل توجهی ایجاد میکنند. یکی از راهکارهای کاهش این سربار، بهکارگیری حافظه نهان است. اگرچه مطالعاتی در این زمینه انجام شده است، اما این پژوهشها عموماً حافظه نهان را در سطح میزبان یا در سطح کل برنامه کاربردی مدیریت کردهاند که از کارایی مطلوب برخوردار نیست. در این مقاله، با ارائه چارچوبی جدید در بستر متنباز بدون سرور، یک سامانه ریزدانه مدیریت حافظه نهان در سطح هر تابع و مبتنی بر آگاهی از محلیت پیشنهاد شده است. این رویکرد ضمن کاهش زمان پاسخ توابع، امکان بهرهبرداری بهینهتر از منابع موجود را نیز فراهم میسازد.
[1] G. P. Mattia and R. Beraldi, "P2PFaaS: A framework for FaaS peer-to-peer scheduling and load balancing in fog and edge computing," SoftwareX, vol. 21, Article ID: 101290, Feb. 2023.
[2] J. Wen, Z. Chen, X. Jin, and X. Liu, "Rise of the planet of serverless computing: A systematic review, "ACM Trans. Software Engineeing. Methodology, vol. 32, no. 5, Article ID: 13, 2023.
[3] H. Shafiei, A. Khonsari, and P. Mousavi, "Serverless computing: A survey of opportunities, challenges, and applications, "ACM Computing Survey, vol. 54, no. 11S, Article ID: 239, Jan. 2022.
[4] Amazon, Amazon S3, [Online] Available: https://aws.amazon.com/s3/ [Accessed Jan. 2024]
[5] –, Cloudstate: Distributed State Management for Serverless, [Online]. Available: https://github.com/cloudstateio/cloudstate [Accessed Jan. 2024].
[6] –, Stateful Functions: A Platform-Independent Stateful Serverless Stack, [Online]. Available: https://nightlies.apache.org/flink/flink-statefun-docs-master/ [Accessed Ja. 2024].
[7] H. Zhang, A. Cardoza, P. B. Chen, S. Angel, and V. Liu, "Fault-tolerant and transactional stateful serverless workflows," in Proc. 4th USENIX Symp. on Operating Systems Design and Implementation, pp. 1187-1204, 4-6 Nov. Aug. 2020.
[8] V. Sreekanti, et al., "Cloudburst: stateful functions-as-a-service," Proc. of the VLDB Endowment, vol. 13, no. 11, pp. 2438-2452, 2020.
[9] Z. Jia and E. Witchel, "Boki: Stateful serverless computing with shared logs," in Proc. of the ACM SIGOPS 28th Symp. on Operating Systems Principles, pp. 691-707, Virtual Event Germany, 26-29 Oct. 2021.
[10] D. Barcelona-Pons, P. Sutra, M. Sanchez-Artigas, G. Paris, and P. Garcia-Lopez, "Stateful serverless computing with crucial," ACM Trans. on Software Engineering and Methodology, vol. 31, no. 3, Article ID: 39, 38 pp., Jul. 2022.
[11] F. Romero, et al., "Faa$T: A transparent auto-scaling cache for serverless applications," in Proc. of the ACM Symp. on Cloud Computing, pp. 122-137, Seattle, WA, USA, 1-4 Nov. 2021.
[12] Ao Wang, et al., "InfiniCache: exploiting ephemeral serverless functions to build a cost-effective memory cache," in Proc. of the 18th USENIX Conf, on File and Storage Technologies, pp. 267-282, Santa Clar, CA, USA, 24-27 Feb. 2020.
[13] J. Zhang, et al., "InfiniStore: Elastic serverless cloud storage," Proc. of the VLDB Endowment, vol. 16, no. 7, p. 1629-1642, Mar. 2023.
[14] –, Kubernetes, [Online]. Available: https://kubernetes.io/ [Accessed Jan. 2024].
[15] A. Klimovic, et al., "Pocket: Elastic ephemeral storage for serverless analytics," in Proc. of the 13th USENIX Symp. on Operating Systems Design and Implementation, pp. 428-444, Carlsbad, CA, USA, 8-10 Oct. 2018.
[16] C. Wu, V. Sreekanti, and J. M. Hellerstein, "Transactional causal consistency for serverless computing," in Proc. of the 2020 ACM SIGMOD Int. Conf. on Management of Data, pp. 83-97, Portland, OR, USA, 14-19 Jun. 2020.
[17] D.Mvondo, et al., "OFC: an opportunistic caching system for FaaS platforms," in Proc. of the 16th European Conf. on Computer Systems, pp. 228-244, Virtual Event UKy, 26-28 Apr. 2021.
[18] –, OpenFaaS, [Online]. Available: https://docs.openfaas.com/architecture/gateway/ [Accessed Jan. 2024]
[19] –, OpenEBS, [Online]. Available: https://openebs.io/docs/ [Accessed January 2024]
[20] –, Sidecar Containers, 2023. [Online]. Available: https://kubernetes.io/docs/concepts/workloads/pods/sidecar-containers/. [Accessed 5 Sept. 2023]
[21] A. Fuerst and P. Sharma, "Locality-aware load-balancing for serverless clusters," in Proc. of the 31st Int. Symp. on High-Performance Parallel and Distributed Computing, pp. 227-239, Minneapolis, MN, USA, 27 Jun.-1 Jul. 2022.
[22] Y. Lee and S. Choi, "A greedy load balancing algorithm for FaaS platforms," in Proc. of the 2021 5th Int. Conf. on Cloud and Big Data Computing, pp. 63-69, Liverpool, UK, 13-15 Aug. 2021.
[23] –, IPVS Scheduling Algorithm, [Online]. Available: https://keepalived-pqa.readthedocs.io/en/latest/scheduling_algorithms.html [Accessed Jan. 2024].
[24] J. Kim and K. Lee, "FunctionBench: A suite of workloads for serverless cloud function service," in Proc. 2019 IEEE 12th Int. Conf. on Cloud Computing, pp. 502-504, Milan, Italy, 8-13 Jul. 2019.
[25] S. Elnikety, Azure Public Dataset, [Online]. Available: https://github.com/Azure/AzurePublicDataset/blob/master/AzureFunctionsInvocationTrace2021.md [Accessed Jan. 2024].
