Buchumschlag

Deep Reinforcement Learning (DRL)-based Methods for Serverless Stream Processing Engines: A Vision, Architectural Elements, and Future Directions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Read, Maria R., Dehury, Chinmaya, Srirama, Satish Narayana, Buyya, Rajkumar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DeF-DReL: Systematic Deployment of Serverless Functions in Fog and Cloud environments using Deep Reinforcement Learning
von: Dehury, Chinmaya Kumar, et al.
Veröffentlicht: (2021)

Distributed Edge Analytics in Edge-Fog-Cloud Continuum
von: Srirama, Satish Narayana
Veröffentlicht: (2024)

Incentive-Based Federated Learning: Architectural Elements and Future Directions
von: Kaluannakkage, Chanuka A. S. Hewa, et al.
Veröffentlicht: (2025)

Fog enabled distributed training architecture for federated learning
von: Kumar, Aditya, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
von: Zhou, Guangyao, et al.
Veröffentlicht: (2021)

Reinforcement Learning based Workflow Scheduling in Cloud and Edge Computing Environments: A Taxonomy, Review and Future Directions
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

Adaptive Management of Microservices in Dynamic Computing Environments: A Taxonomy and Future Directions
von: Chen, Ming, et al.
Veröffentlicht: (2026)

A Deep Recurrent-Reinforcement Learning Method for Intelligent AutoScaling of Serverless Functions
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2023)

Placement of Microservices-based IoT Applications in Fog Computing: A Taxonomy and Future Directions
von: Pallewatta, Samodha, et al.
Veröffentlicht: (2022)

Saarthi: An End-to-End Intelligent Platform for Optimising Distributed Serverless Workloads
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2025)

TF-DDRL: A Transformer-enhanced Distributed DRL Technique for Scheduling IoT Applications in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

A Joint Time and Energy-Efficient Federated Learning-based Computation Offloading Method for Mobile Edge Computing
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

A Deep Reinforcement Learning Approach for Cost Optimized Workflow Scheduling in Cloud Computing Environments
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

ReinFog: A Deep Reinforcement Learning Empowered Framework for Resource Management in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

DRLQ: A Deep Reinforcement Learning-based Task Placement for Quantum Cloud Computing
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2024)

Quantum Federated Learning: Architectural Elements and Future Directions
von: Sai, Siva, et al.
Veröffentlicht: (2025)

On-demand Cold Start Frequency Reduction with Off-Policy Reinforcement Learning in Serverless Computing
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2023)

Sustainable Edge Computing: Challenges and Future Directions
von: Arroba, Patricia, et al.
Veröffentlicht: (2023)

Input-Based Ensemble-Learning Method for Dynamic Memory Configuration of Serverless Computing Functions
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2024)

iDynamics: A Configurable Emulation Framework for Evaluating Microservice Scheduling Policies under Controllable Cloud-Edge Dynamics
von: Chen, Ming, et al.
Veröffentlicht: (2025)

Aging-aware CPU Core Management for Embodied Carbon Amortization in Cloud LLM Inference
von: Hewage, Tharindu B., et al.
Veröffentlicht: (2025)

EnFed: An Energy-aware Federated Learning in Resource Constrained Environments for Human Activity Recognition
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2024)

Generative Federated Learning for Smart Prediction and Recommendation Applications
von: Mukherjee, Anwesha, et al.
Veröffentlicht: (2025)

TrustMesh: A Blockchain-Enabled Trusted Distributed Computing Framework for Open Heterogeneous IoT Environments
von: Rangwala, Murtaza, et al.
Veröffentlicht: (2024)

QFaaS: A Serverless Function-as-a-Service Framework for Quantum Computing
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2022)

Microservices-based Software Systems Reengineering: State-of-the-Art and Future Directions
von: Mohottige, Thakshila Imiya, et al.
Veröffentlicht: (2024)

DRPC: Distributed Reinforcement Learning Approach for Scalable Resource Provisioning in Container-based Clusters
von: Bai, Haoyu, et al.
Veröffentlicht: (2024)

Raptor: Distributed Scheduling for Serverless Functions
von: Exton, Kevin, et al.
Veröffentlicht: (2024)

Synergizing Monetization, Orchestration, and Semantics in Computing Continuum
von: Dehury, Chinmaya Kumar, et al.
Veröffentlicht: (2025)

A Knowledge Distillation-empowered Adaptive Federated Reinforcement Learning Framework for Multi-Domain IoT Applications Scheduling
von: Wang, Zhiyu, et al.
Veröffentlicht: (2025)

Quantum Cloud Computing: A Review, Open Problems, and Future Directions
von: Nguyen, Hoa T., et al.
Veröffentlicht: (2024)

LLM-assisted Agentic Edge Intelligence Framework
von: Dehury, Chinmaya Kumar, et al.
Veröffentlicht: (2026)

A Risk-Aware UAV-Edge Service Framework for Wildfire Monitoring and Emergency Response
von: Huang, Yulun, et al.
Veröffentlicht: (2026)

REACH: Reinforcement Learning for Adaptive Microservice Rescheduling in the Cloud-Edge Continuum
von: Bai, Xu, et al.
Veröffentlicht: (2025)

HGraphScale: Hierarchical Graph Learning for Autoscaling Microservice Applications in Container-based Cloud Computing
von: Fang, Zhengxin, et al.
Veröffentlicht: (2025)

StatuScale: Status-aware and Elastic Scaling Strategy for Microservice Applications
von: Wen, Linfeng, et al.
Veröffentlicht: (2024)

A Decentralized Root Cause Localization Approach for Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2025)

A Hybrid Reactive-Proactive Auto-scaling Algorithm for SLA-Constrained Edge Computing
von: Gupta, Suhrid, et al.
Veröffentlicht: (2025)

iAnomaly: A Toolkit for Generating Performance Anomaly Datasets in Edge-Cloud Integrated Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2024)

A Cascaded Graph Neural Network for Joint Root Cause Localization and Analysis in Edge Computing Environments
von: Fernando, Duneesha, et al.
Veröffentlicht: (2026)