Buchumschlag

Self-adaptive, Requirements-driven Autoscaling of Microservices

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nunes, João Paulo Karol Santos, Nejati, Shiva, Sabetzadeh, Mehrdad, Nakagawa, Elisa Yumi
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

ORACL: Optimized Reasoning for Autoscaling via Chain of Thought with LLMs for Microservices
von: Bai, Haoyu, et al.
Veröffentlicht: (2026)

SpotKube: Cost-Optimal Microservices Deployment with Cluster Autoscaling and Spot Pricing
von: Edirisinghe, Dasith, et al.
Veröffentlicht: (2024)

LSRAM: A Lightweight Autoscaling and SLO Resource Allocation Framework for Microservices Based on Gradient Descent
von: Hu, Kan, et al.
Veröffentlicht: (2024)

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

Daedalus: Self-Adaptive Horizontal Autoscaling for Resource Efficiency of Distributed Stream Processing Systems
von: Pfister, Benjamin J. J., et al.
Veröffentlicht: (2024)

Proactive and Reactive Autoscaling Techniques for Edge Computing
von: Gupta, Suhrid, et al.
Veröffentlicht: (2025)

Multi-Objective Optimization of Consumer Group Autoscaling in Message Broker Systems
von: Landau, Diogo, et al.
Veröffentlicht: (2024)

TokenScale: Timely and Accurate Autoscaling for Disaggregated LLM Serving with Token Velocity
von: Lai, Ruiqi, et al.
Veröffentlicht: (2025)

LA-IMR: Latency-Aware, Predictive In-Memory Routing and Proactive Autoscaling for Tail-Latency-Sensitive Cloud Robotics
von: Seo, Eunil, et al.
Veröffentlicht: (2025)

Metric Criticality Identification for Cloud Microservices
von: Singal, Akanksha, et al.
Veröffentlicht: (2025)

NotNets: Accelerating Microservices by Bypassing the Network
von: Alvaro, Peter, et al.
Veröffentlicht: (2024)

Signalling Health for Improved Kubernetes Microservice Availability
von: Roberts, Jacob, et al.
Veröffentlicht: (2025)

An SLO Driven and Cost-Aware Autoscaling Framework for Kubernetes
von: Punniyamoorthy, Vinoth, et al.
Veröffentlicht: (2025)

Hierarchical Autoscaling for Large Language Model Serving with Chiron
von: Patke, Archit, et al.
Veröffentlicht: (2025)

CASA: A Framework for SLO and Carbon-Aware Autoscaling and Scheduling in Serverless Cloud Computing
von: Qi, S., et al.
Veröffentlicht: (2024)

Energy-aware Distributed Microservice Request Placement at the Edge
von: Toczé, Klervie, et al.
Veröffentlicht: (2024)

Energy Metrics for Edge Microservice Request Placement Strategies
von: Toczé, Klervie, et al.
Veröffentlicht: (2025)

Service-Level Energy Modeling and Experimentation for Cloud-Native Microservices
von: Legler, Julian, et al.
Veröffentlicht: (2025)

Resilient Auto-Scaling of Microservice Architectures with Efficient Resource Management
von: Ahmad, Hussain, et al.
Veröffentlicht: (2025)

ADApt: Edge Device Anomaly Detection and Microservice Replica Prediction
von: Mehran, Narges, et al.
Veröffentlicht: (2025)

Collaborative Evolution of Intelligent Agents in Large-Scale Microservice Systems
von: Li, Yilin, et al.
Veröffentlicht: (2025)

Auto-scaling Approaches for Microservice Applications: A Survey and Taxonomy
von: Xu, Minxian, et al.
Veröffentlicht: (2025)

Flare: Leveraging Serverless Elasticity to Absorb Microservice Load Spikes
von: Dehigama, Dilina, et al.
Veröffentlicht: (2026)

Taming the Chaos: Coordinated Autoscaling for Heterogeneous and Disaggregated LLM Inference
von: Li, Rongzhi, et al.
Veröffentlicht: (2025)

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

Mitigating Interference of Microservices with a Scoring Mechanism in Large-scale Clusters
von: Yang, Dingyu, et al.
Veröffentlicht: (2024)

Artifact for Service-Level Energy Modeling and Experimentation for Cloud-Native Microservices
von: Legler, Julian
Veröffentlicht: (2026)

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

Hestia: Hyperthread-Level Scheduling for Cloud Microservices with Interference-Aware Attention
von: Yang, Dingyu, et al.
Veröffentlicht: (2026)

Carbon-Aware Microservice Deployment for Optimal User Experience on a Budget
von: Kreutz, Kevin, et al.
Veröffentlicht: (2025)

Modular Foundation Model Inference at the Edge: Network-Aware Microservice Optimization
von: Zhu, Juan, et al.
Veröffentlicht: (2026)

Decentralized and Self-adaptive Core Maintenance on Temporal Graphs
von: Rucci, Davide, et al.
Veröffentlicht: (2025)

ENOVA: Autoscaling towards Cost-effective and Stable Serverless LLM Serving
von: Huang, Tao, et al.
Veröffentlicht: (2024)

sat-QFL: Secure Quantum Federated Learning for Low Orbit Satellites
von: Gurung, Dev, et al.
Veröffentlicht: (2025)

Mitigating Temporal Blindness in Kubernetes Autoscaling: An Attention-Double-LSTM Framework
von: Shaikh, Faraz, et al.
Veröffentlicht: (2026)

From Models to Operators: Rethinking Autoscaling Granularity for Large Generative Models
von: Cui, Xingqi, et al.
Veröffentlicht: (2025)

Failure-Resilient and Carbon-Efficient Deployment of Microservices over the Cloud-Edge Continuum
von: Ponce, Francisco, et al.
Veröffentlicht: (2026)

Scene-Aware Latency Estimation for Microservices via Multi-Scale Graph Fusion
von: Sun, Zhichao, et al.
Veröffentlicht: (2026)

SHADOW: Seamless Handoff And Zero-Downtime Orchestrated Workload Migration for Stateful Microservices
von: Dinh-Tuan, Hai
Veröffentlicht: (2026)

HuntMS: A Framework for Microservice Geo-Distribution for Carbon and Cost Reduction
von: Christofidi, Georgia, et al.
Veröffentlicht: (2026)