文献

J-GLOBAL ID：201902218176569088   整理番号：19A2113781

Kubernetesにおける非破壊垂直自動スケーリングと資源推定の可能性の探索【JST・京大機械翻訳】

Exploring Potential for Non-Disruptive Vertical Auto Scaling and Resource Estimation in Kubernetes

著者 (4件)： Rattihalli Gourav (State University of New York at Binghamton) ,  Govindaraju Madhusudhan (State University of New York at Binghamton) ,  Lu Hui (State University of New York at Binghamton) ,  Tiwari Devesh (Northeastern University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CLOUD  ページ： 33-40  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クラウドプラットフォームは,資源管理者が適切な配分を持つコンテナをスケジュールできるように,アプリケーションに対する資源要件を提供するためにユーザを典型的に必要とする。しかし,コンテナ資源に対する要求は,アプリケーション入力パラメータ,最適化フラッグ,入力ファイル,および各実行に対して特定される属性のような多くの要因に依存することが多い。従って,ユーザが与えられたコンテナに対する資源要件を正確に推定することは複雑であり,全体の利用に負の影響を与える資源過剰推定をもたらす。著者らは,Kubernetesクラスタにおいて実行するコンテナの配分を動的に調整することができる資源利用ベース自己スケーリングシステム(RUBAS)を設計した。RUBASは,コンテナ移動を組み込むことにより非破壊的にKubernetes Vertical Pod Autoscaler(VPA)システムを改善する。著者らの実験は複数の科学的ベンチマークを使用する。Kubernetes VPAによるRUBASの配置パターンを解析した。著者らは,場所内および遠隔ノード移動に対するコンテナ移動の性能を比較し,RUBASにおけるオーバーヘッドを評価した。著者らの結果は,Kubernetes VPAと比較して,RUBASはクラスタのCPUとメモリ利用を10%改善し,5%から20%までの範囲の各アプリケーションに対してオーバーヘッドで実行時間を15%低減することを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 資源管理 ,  応用プログラム ,  最適化 ,  *コンテナ ,  クラスタ ,  ベンチマーク ,  記憶装置
準シソーラス用語： 実行時間 ,  オーバヘッド ,  資源利用 ,  入力パラメータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 垂直 ,  スケーリング ,  資源 ,  推定 ,  可能性 ,  探索