요약: 서버리스 컴퓨팅 플랫폼은 매우 급격하고 예측 불가능한 워크로드에 적응하면서도 서비스 품질(QoS)을 유지해야 합니다. QoS 요구사항과 서비스 수준 계약(SLA)을 충족하면서 워크로드 변동에 대응하기 위해, 이러한 플랫폼들은 자동 리소스 스케일링에 의존합니다. 상용 기능형 서비스(FaaS) 플랫폼들은 활성 함수 인스턴스의 수와 가용 처리 용량을 동적으로 조정하기 위해 서로 다른 자동 스케일링 전략을 채택합니다. 본 연구에서는 대표적인 세 가지 자동 스케일링 전략인 요청당 스케일링(SPR), 동시성 수준 스케일링(CLS), 그리고 메트릭 기반 스케일링(MBS)을 모델링하고 비교합니다. 독점적인 플랫폼별 구현에 의존하지 않는 체계적 평가를 가능하게 하기 위해, 우리는 분석적 큐잉 네트워크(QN) 모델링과 Java Modeling Tools(JMT)로 구현된 큐잉 페트리 넷(QPN)을 결합한 통합 모델링 프레임워크를 개발하여, 이중 단계 초지수(2H) 도착 하에서의 자동 스케일링 동작을 평가합니다. 평가는 처리량, 평균 응답 시간, 시스템 인구, 시스템 전력 등 네 가지 시스템 차원 지표를 사용해 수행됩니다. 이 프레임워크는 포화 상태에서의 동적 함수 인스턴스(FI) 활성화, 동시성 제약, 그리고 큐 증가 현상을 포착합니다. 비교 분석 결과, 최대 성능과 안정성 간에는 명확한 트레이드오프가 존재함을 확인할 수 있습니다. SPR은 중간 정도의 부하에서는 가장 낮은 지연을 제공하지만, 용량 한계 근처에서는 취약해집니다. CLS는 동시성 토큰에 의해 제어되며, 급격한 워크로드 변동 상황에서 설정값에 매우 민감합니다. 반면 MBS는 이용률을 임계 영역 아래로 유지하고, 임계 부하 하에서 큐의 폭발적 증가를 방지함으로써 워크로드 범위 전반에 걸쳐 가장 안정적인 QoS를 제공합니다.
투고 이력
논문 보기:
PDF 보기
HTML(실험적)
TeX 소스
추가 기능
오디오 요약
현재 탐색 컨텍스트:
참고문헌 및 인용
Google 학술검색
Semantic Scholar
북마크
기관
arXivLabs는 협력자가 당사 웹사이트에서 새로운 arXiv 기능을 직접 개발하고 공유할 수 있도록 하는 프레임워크입니다.
arXivLabs와 함께 일하는 개인과 조직 모두는 개방성, 커뮤니티, 우수성, 그리고 사용자 데이터 개인정보 보호라는 당사의 가치를 수용하고 받아들였습니다. arXiv은 이러한 가치에 헌신하며, 이에 부합하는 파트너들과만 협력합니다.
arXiv 커뮤니티에 가치를 더할 프로젝트 아이디어가 있으신가요? arXivLabs에 대해 자세히 알아보세요.