【Serverless Computing】论文整理

【QoE】E2E: embracing user heterogeneity to improve quality of experience on the web

提出用户异构性，对于Web Service的影响。

【Latency】Google半秒的延迟导致流量下降20％。半秒钟的延迟会导致用户满意度下降。http://glinden.blogspot.com/2006/11/marissa-mayer-at-web-20.html

一半的消费者在智能手机上浏览产品和服务，而只有五分之一的人使用这些手机完成了购买;

网站加载时间延迟100毫秒会导致转化率降低7％;

网页加载时间的两秒延迟将跳出率提高了103％;

53％的移动网站访问者将离开一个页面，而该页面的加载时间超过三秒钟;

手机购物者的跳出率最高，而平板电脑购物者的跳出率低;

https://www.akamai.com/uk/en/about/news/press/2017-press/akamai-releases-spring-2017-state-of-online-retail- performance-report.jsp

加载平均移动目标网页所需的时间为22秒。但是，研究还表明，如果加载时间超过3秒，就会有53％的人离开移动页面。

https://www.searchenginejournal.com/google-new-industry-benchmarks-mobile-page-speed/187777/#close

【Code Start】Catalyzer: Sub-millisecond Startup for Serverless Computing with Initialization-less Booting

从检查点还原docker，以跳过初始化。按需恢复用户级内存状态和系统状态。提出一个新的sfork，以直接重用正在运行的沙盒实例。

【Cost-performance trade-off】Shuffling, fast and slow: Scalable analytics on serverless infrastructure

便宜的慢存储，和贵的快存储的权衡优化。

【Functions Communications】SAND: Towards High-Performance Serverless Computing

应用程序沙盒以及分层消息总线，实现了更低的延迟和更好的资源效率以及更高的弹性。

【Performance Prediction】Ernest: Efficient Performance Prediction for Large-Scale Advanced Analytics

在给定时间范围内选择最便宜的配置，或在预算下选择最快的配置。其中提到的相关功能工作有关SLA优化的介绍。

【Code Start】SOCK: Rapid Task Provisioning with Serverless-Optimized Containers

• 网络和 mount namespace 可扩展性瓶颈
• Python 程序中导入许多流行的库会导致容器增加 100 毫秒的启动时间

1. 使用轻量级的 isolation primitives，避免了他们发现的性能瓶颈
2. 使用通用的 Zygote-provisioning 策略来配置 Python 程序，以避免 Python 初始化成本
3. 利用 Zygote 机制构建了一个三层 package-aware 的缓存系统

【Benchmark】Serverless Computing: An Investigation of Factors Influencing Microservice Performance

测试不同的基础架构弹性，负载平衡，配置变化，基础架构保留和内存预留大小，5个方面讨论Serverless的性能。

【Survey】Serverless Computing: One Step Forward, Two Steps Back

这篇综述主要分析了SC的优势主要在提供autoscaling，以及可管理，无限的计算资源。但是同时提出两大弊端：高效处理数据的缺失、阻碍了分布式系统的应用。首先，Limited Lifetimes、I/O Bottlenecks、Communication Through Slow Storage、No Specialized Hardware。而且SC是non-addressable，short-lived，ship data to code而不是shipping code to data。此外存储层级比较多样，across various storage layers and network delays，对于延迟贷款cost不利。其次，没有网络地址，导致难以分布式运行。函数之间数据交换通过较慢的存储介质。最后，SC妨碍硬件加速创新，硬件结构单一。FaaS不鼓励开源服务创新。文章还提出未来的发展，例如Fluid Code and Data Placement，Heterogeneous Hardware Support，Long-Running, Addressable Virtual Agents，Disorderly programming（细粒度编程），灵活编程，FaaS offerings should enable upfront SLOs （服务水平目标）that are priced accordingly, with appropriate penalties for mis-estimation（细粒度计费）。

【Survey】Cloud Programming Simplified: A Berkeley View on Serverless Computing

SC与有服务器的区别：

• 解耦计算与存储
• 在不管理资源分配的情况下执行代码
• 按比例使用已用资源而不是已分配资源

当下SC平台的局限性：

• 存储不足，无法进行细粒度的操作（较高的访问成本以及访问延迟）
• 缺乏细粒度的协调，有状态Function之间信息沟通。
• 标准通信模式的性能不佳（收发更多数量级的消息）
• 各种延迟较大

目前挑战：

• 抽象挑战，仅仅CPU内存资源是不够的（自动提供适合的内存等资源？）
• 系统挑战，无服务器临时存储，持久存储
• 网络挑战
• 安全挑战

【PyWren】[SoCC '17]Occupy the cloud: distributed computing for the 99%

 

GPU enabled serverless computing framework

Comparison of faas orchestration systems