Buchumschlag

COSTREAM: Learned Cost Models for Operator Placement in Edge-Cloud Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Heinrich, Roman, Binnig, Carsten, Kornmayer, Harald, Luthra, Manisha
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Databases Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PDSP-Bench: A Benchmarking System for Parallel and Distributed Stream Processing
von: Agnihotri, Pratyush, et al.
Veröffentlicht: (2025)

Do GPUs Really Need New Tabular File Formats?
von: Luo, Jigao, et al.
Veröffentlicht: (2026)

EdgeServe: A Streaming System for Decentralized Model Serving
von: Shaowang, Ted, et al.
Veröffentlicht: (2023)

DisCEdge: Distributed Context Management for Large Language Models at the Edge
von: Malekabbasi, Mohammadreza, et al.
Veröffentlicht: (2025)

Embedding Samples Dispatching for Recommendation Model Training in Edge Environments
von: Li, Guopeng, et al.
Veröffentlicht: (2025)

Harnessing Data Spaces to Build Intelligent Smart City Infrastructures Across the Cloud-Edge Continuum
von: Amaxilatis, Dimitrios, et al.
Veröffentlicht: (2025)

How Good are Learned Cost Models, Really? Insights from Query Optimization Tasks
von: Heinrich, Roman, et al.
Veröffentlicht: (2025)

TablePuppet: A Generic Framework for Relational Federated Learning
von: Xu, Lijie, et al.
Veröffentlicht: (2024)

Rel-HNN: Split Parallel Hypergraph Neural Network for Learning on Relational Databases
von: Alam, Md. Tanvir, et al.
Veröffentlicht: (2025)

CHASe: Client Heterogeneity-Aware Data Selection for Effective Federated Active Learning
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

Optimization and Application of Cloud-based Deep Learning Architecture for Multi-Source Data Prediction
von: Zhang, Yang, et al.
Veröffentlicht: (2024)

PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection
von: Xu, Ronghui, et al.
Veröffentlicht: (2024)

Delta Tensor: Efficient Vector and Tensor Storage in Delta Lake
von: Bao, Zhiwei, et al.
Veröffentlicht: (2024)

Improving Automatic Parallel Training via Balanced Memory Workload Optimization
von: Wang, Yujie, et al.
Veröffentlicht: (2023)

Workshop Scientific HPC in the pre-Exascale era (part of ITADATA 2024) Proceedings
von: Bena, Nicola, et al.
Veröffentlicht: (2025)

EmbedPart: Embedding-Driven Graph Partitioning for Scalable Graph Neural Network Training
von: Merkel, Nikolai, et al.
Veröffentlicht: (2026)

TensAIR: Real-Time Training of Neural Networks from Data-streams
von: Tosi, Mauro D. L., et al.
Veröffentlicht: (2022)

Morphing-based Compression for Data-centric ML Pipelines
von: Baunsgaard, Sebastian, et al.
Veröffentlicht: (2025)

Probabilistic Top-k Dominating Query Monitoring over Multiple Uncertain IoT Data Streams in Edge Computing Environments
von: Lai, Chuan-Chi, et al.
Veröffentlicht: (2019)

Learned Cost Model for Placement on Reconfigurable Dataflow Hardware
von: Guha, Etash, et al.
Veröffentlicht: (2025)

Agglomerative Federated Learning: Empowering Larger Model Training via End-Edge-Cloud Collaboration
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2023)

Beyond Model Scale Limits: End-Edge-Cloud Federated Learning with Self-Rectified Knowledge Agglomeration
von: Wu, Zhiyuan, et al.
Veröffentlicht: (2025)

Leveraging Neural Graph Compilers in Machine Learning Research for Edge-Cloud Systems
von: Furutanpey, Alireza, et al.
Veröffentlicht: (2025)

EdgeMiner: Distributed Process Mining at the Data Sources
von: Andersen, Julia, et al.
Veröffentlicht: (2024)

Taurus Database: How to be Fast, Available, and Frugal in the Cloud
von: Depoutovitch, Alex, et al.
Veröffentlicht: (2024)

Federated Learning Framework for Scalable AI in Heterogeneous HPC and Cloud Environments
von: Ghimire, Sangam, et al.
Veröffentlicht: (2025)

AgileDART: An Agile and Scalable Edge Stream Processing Engine
von: Ching, Cheng-Wei, et al.
Veröffentlicht: (2024)

Stateful Entities: Object-oriented Cloud Applications as Distributed Dataflows
von: Psarakis, Kyriakos, et al.
Veröffentlicht: (2021)

Push Down Optimization for Distributed Multi Cloud Data Integration
von: Kodali, Ravi Kiran, et al.
Veröffentlicht: (2026)

Democratizing Scalable Cloud Applications: Transactional Stateful Functions on Streaming Dataflows
von: Psarakis, Kyriakos
Veröffentlicht: (2025)

Flock: A Low-Cost Streaming Query Engine on FaaS Platforms
von: Liao, Gang, et al.
Veröffentlicht: (2023)

Next Generation Cloud-native In-Memory Stores: From Redis to Valkey and Beyond
von: Rosensch"old, Carl-Johan Fauvelle Munck af, et al.
Veröffentlicht: (2025)

TierBase: A Workload-Driven Cost-Optimized Key-Value Store
von: Shen, Zhitao, et al.
Veröffentlicht: (2025)

SEE++: Evolving Snowpark Execution Environment for Modern Workloads
von: Jain, Gaurav, et al.
Veröffentlicht: (2025)

Distributed Indexing Schemes for k-Dominant Skyline Analytics on Uncertain Edge-IoT Data
von: Lai, Chuan-Chi, et al.
Veröffentlicht: (2023)

QAISim: A Toolkit for Modeling and Simulation of AI in Quantum Cloud Computing Environments
von: Singh, Irwindeep, et al.
Veröffentlicht: (2025)

PolarStore: High-Performance Data Compression for Large-Scale Cloud-Native Databases
von: Hu, Qingda, et al.
Veröffentlicht: (2025)

CE-CoLLM: Efficient and Adaptive Large Language Models Through Cloud-Edge Collaboration
von: Jin, Hongpeng, et al.
Veröffentlicht: (2024)

DSD: A Distributed Speculative Decoding Solution for Edge-Cloud Agile Large Model Serving
von: Yu, Fengze, et al.
Veröffentlicht: (2025)

AerialDB: A Federated Peer-to-Peer Spatio-temporal Edge Datastore for Drone Fleets
von: Jaiswal, Shashwat, et al.
Veröffentlicht: (2025)