在边缘设备上，基于流行度感知的层次化缓存与函数调度机制用于动态工作流处理

《IEEE Transactions on Mobile Computing》：Popularity-Aware Layer-Wise Caching and Function Scheduling for Dynamic Workflow At the Edge

Serverless边缘计算中分层容器缓存因动态调用图和异构环境失效，本文提出基于DAG工作流部署的联合优化方法，将冷启动问题建模为时间耦合整数非线性规划（TINLP），并转化为整数线性规划（ILP）求解，设计在线算法实现理论性能保证，实验表明ACT减少达2.92倍。

　　

摘要：

无服务器边缘计算（Serverless Edge Computing，SEC）作为一种有前景的范式，为基于边缘的应用程序提供了低延迟、资源高效的服务。这些应用程序以依赖函数的形式实现，形成了有向无环图（Directed Acyclic Graph，DAG）工作流。不幸的是，应用程序的性能受到了“冷启动”问题的严重阻碍，尤其是在资源受限的SEC环境中。分层容器缓存已被证明是SEC中一种有效的启动加速解决方案，因为它具有细粒度和灵活性。然而，由于调用图的动态特性、DAG工作流中函数受欢迎程度的不平衡，以及容器层冷启动时间和边缘计算环境的异质性，现有分层缓存机制的性能会显著下降。为了解决这个问题，我们提出了一种高效的DAG工作流部署方法，以长期最小化应用程序完成时间（Application Completion Time，ACT）。我们将该问题建模为容器分层缓存和函数调度的联合优化问题，这是一个时间耦合的整数非线性规划（Time-coupled Integer Nonlinear Programming，TINLP）问题。为了解决这个问题，我们首先将其转换为整数线性规划（Integer Linear Programming，ILP）问题，并提出了一种具有理论性能保证的在线算法。大量实验表明，我们的方法在ACT减少方面实现了高达2.92×的加速效果。