Freyr ^++: Harvesting Idle Resources in Serverless Computing via Deep Reinforcement Learning

Serverless computing has revolutionized online service development and deployment with ease-to-use operations, auto-scaling, fine-grained resource allocation, and pay-as-you-go pricing. However, a gap remains in configuring serverless functions-the actual resource consumption may vary due to functio...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE transactions on parallel and distributed systems Ročník 35; číslo 11; s. 2254 - 2269
Hlavní autoři:	Yu, Hanfei, Wang, Hao, Li, Jian, Yuan, Xu, Park, Seung-Jong
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.11.2024
Témata:	Attention Deep reinforcement learning Dynamic scheduling Heuristic algorithms incremental learning Memory management Nearest neighbor methods reinforcement learning resource harvesting Serverless computing Training
ISSN:	1045-9219, 1558-2183
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!