Modellierung und Optimierung der Leistung und Kosten von serverlosen Anwendungen

Function-as-a-Service (FaaS) und serverlose Anwendungen haben in den letzten Jahren erheblich zugenommen, aufgrund ihrer hohen Skalierbarkeit, der einfachen Ressourcenverwaltung und des Preismodells "Pay-as-you-go". Allerdings stehen Cloud-Nutzer vor praktischen Problemen, wenn sie ihre Anwendungen in das serverlose Muster migrieren, nämlich dem Mangel an analytischer Leistung und Abrechnungsmodellen sowie dem Kompromiss zwischen begrenztem Budget und der gewünschten Servicequalität serverloser Anwendungen. In diesem Artikel schließen wir diese Lücke, indem wir zwei Forschungsfragen zur Vorhersage und Optimierung der Leistung und Kosten serverloser Anwendungen vorschlagen und beantworten. Wir schlagen ein neues Konstrukt vor, um einen serverlosen Anwendungs-Workflow formal zu definieren, und implementieren dann analytische Modelle zur Vorhersage der durchschnittlichen End-to-End-Antwortzeit und der Kosten des Workflows. Folglich schlagen wir einen heuristischen Algorithmus mit dem Namen Probability Refined Critical Path Greedy Algorithmus (PRCP) vor, der vier gierige Strategien umfasst, um zwei grundlegende Optimierungsfragen bezüglich der Leistung und der Kosten zu beantworten. Wir bewerten die vorgeschlagenen Modelle umfassend, indem wir Experimente auf AWS Lambda und Step Functions durchführen. Unsere analytischen Modelle können die Leistung und die Kosten serverloser Anwendungen mit mehr als 98 Prozent Genauigkeit vorhersagen. Die PRCP-Algorithmen können die optimalen Konfigurationen serverloser Anwendungen mit durchschnittlich 97 Prozent Genauigkeit erreichen.