ترجمه فارسی مقاله محاسبات بدون سرور چند مستأجری با کمک ذخیره‌سازی

چکیده

One key to enabling high-performance serverless computing is to mitigate cold-starts. Current solutions utilize a warm pool to keep function alive: a warm-start can be analogous to a CPU cache-hit. However, modern cache has multiple hierarchies and the last-level cache is shared among cores, whereas the warm pool is limited to a single tenant for security concerns. Also, the warm pool keep-alive policy can be further optimized using cache replacement algorithms. In this paper, we borrow practical optimizations from caching, and design FaasCamp, a caching-aided multi-tenant serverless computing framework. FaasCamp extends the single-tier warm pool into multi-tiers, with a reclaim pool introduced enabling secure function instance sharing among tenants. Also, FaasCamp leverages machine learning to approximate the optimal cache replacement policy to improve the warm rate. We have implemented a prototype and conducted extensive experiments under multiple scenarios. The results show that FaasCamp can outperform existing platforms with minimal overhead.

چکیده به فارسی (ترجمه ماشینی)

یکی از کلید های فعال کردن محاسبات بدون سرور با کارایی بالا ، کاهش شروع کار است.راه حل های فعلی از یک استخر گرم برای زنده نگه داشتن عملکرد استفاده می کند: یک شروع گرم می تواند مشابه یک حافظه نهان CPU باشد.با این حال ، حافظه پنهان مدرن دارای سلسله مراتب متعدد است و حافظه نهان سطح آخر در بین هسته ها به اشتراک گذاشته می شود ، در حالی که استخر گرم برای نگرانی های امنیتی به یک مستاجر واحد محدود می شود.همچنین ، خط مشی نگهدارنده استخر گرم می تواند با استفاده از الگوریتم های جایگزینی حافظه پنهان بیشتر بهینه شود.در این مقاله ، ما بهینه سازی های عملی را از ذخیره سازی وام می گیریم ، و طراحی Faascamp ، یک چارچوب محاسبات بدون سرور چند مستاجر به کمک ذخیره می کنیم.Faascamp استخر گرم و تک لایه را به چند توری گسترش می دهد ، با یک استخر بازپرداخت ، به اشتراک گذاری نمونه عملکرد ایمن در بین مستاجران معرفی می شود.همچنین ، Faascamp از یادگیری ماشین استفاده می کند تا خط مشی جایگزینی بهینه حافظه پنهان را برای بهبود نرخ گرم تقریبی کند.ما یک نمونه اولیه را اجرا کرده ایم و آزمایش های گسترده ای را تحت سناریوهای مختلف انجام داده ایم.نتایج نشان می دهد که Faascamp می تواند از سیستم عامل های موجود با حداقل سربار بهتر عمل کند.