Buchumschlag

A Robust Power Model Training Framework for Cloud Native Runtime Energy Metric Exporter

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Choochotkaew, Sunyanan, Wang, Chen, Chen, Huamin, Chiba, Tatsuhiro, Amaral, Marcelo, Lee, Eun Kyung, Eilam, Tamar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Distributed, Parallel, and Cluster Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards an Adaptive Runtime System for Cloud-Native HPC
von: Bhosale, Aditya, et al.
Veröffentlicht: (2026)

An AI-Native Runtime for Multi-Wearable Environments
von: Min, Chulhong, et al.
Veröffentlicht: (2024)

Accuracy Is Speed: Towards Long-Context-Aware Routing for Distributed LLM Serving
von: Yoshimura, Takeshi, et al.
Veröffentlicht: (2026)

Speeding up Model Loading with fastsafetensors
von: Yoshimura, Takeshi, et al.
Veröffentlicht: (2025)

FedCore: Straggler-Free Federated Learning with Distributed Coresets
von: Guo, Hongpeng, et al.
Veröffentlicht: (2024)

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

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

GreenDyGNN: Runtime-Adaptive Energy-Efficient Communication for Distributed GNN Training
von: Niam, Arefin, et al.
Veröffentlicht: (2026)

LLM-Emu: Native Runtime Emulation of LLM Inference via Profile-Driven Sampling
von: Da, Wei, et al.
Veröffentlicht: (2026)

Privacy-Preserving Sharing of Data Analytics Runtime Metrics for Performance Modeling
von: Will, Jonathan, et al.
Veröffentlicht: (2024)

An Artificial Intelligence Framework for Joint Structural-Temporal Load Forecasting in Cloud Native Platforms
von: Zhang, Qingyuan
Veröffentlicht: (2026)

ARGO: An Auto-Tuning Runtime System for Scalable GNN Training on Multi-Core Processor
von: Lin, Yi-Chien, et al.
Veröffentlicht: (2024)

A Comprehensive Experimentation Framework for Energy-Efficient Design of Cloud-Native Applications
von: Werner, Sebastian, et al.
Veröffentlicht: (2025)

Cloud Native System for LLM Inference Serving
von: Xu, Minxian, et al.
Veröffentlicht: (2025)

Radar DataTree: A FAIR and Cloud-Native Framework for Scalable Weather Radar Archives
von: Ladino-Rincon, Alfonso, et al.
Veröffentlicht: (2025)

ACE Runtime - A ZKP-Native Blockchain Runtime with Sub-Second Cryptographic Finality
von: Wang, Jian Sheng
Veröffentlicht: (2026)

A Readiness-Driven Runtime for Pipeline-Parallel Training under Runtime Variability
von: Liu, Ruitao, et al.
Veröffentlicht: (2026)

Lumos: Performance Characterization of WebAssembly as a Serverless Runtime in the Edge-Cloud Continuum
von: Marcelino, Cynthia, et al.
Veröffentlicht: (2025)

The 1/W Law: An Analytical Study of Context-Length Routing Topology and GPU Generation Gains for LLM Inference Energy Efficiency
von: Chen, Huamin, et al.
Veröffentlicht: (2026)

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

ElasWave: An Elastic-Native System for Scalable Hybrid-Parallel Training
von: Kang, Xueze, et al.
Veröffentlicht: (2025)

Object Abstraction To Streamline Edge-Cloud-Native Application Development
von: Lertpongrujikorn, Pawissanutt
Veröffentlicht: (2025)

Streamlining Cloud-Native Application Development and Deployment with Robust Encapsulation
von: Lertpongrujikorn, Pawissanutt, et al.
Veröffentlicht: (2024)

CWASI: A WebAssembly Runtime Shim for Inter-function Communication in the Serverless Edge-Cloud Continuum
von: Marcelino, Cynthia, et al.
Veröffentlicht: (2025)

PRISM: Probabilistic Runtime Insights and Scalable Performance Modeling for Large-Scale Distributed Training
von: Golden, Alicia, et al.
Veröffentlicht: (2025)

CloudNativeSim: a toolkit for modeling and simulation of cloud-native applications
von: Wu, Jingfeng, et al.
Veröffentlicht: (2024)

A Survey on Scheduling Techniques in the Edge Cloud: Issues, Challenges and Future Directions
von: Asghar, Hassan, et al.
Veröffentlicht: (2022)

Amoeba: Runtime Tensor Parallel Transformation for LLM Inference Services
von: Chen, Haoyu, et al.
Veröffentlicht: (2025)

Exploring Challenges in Developing Edge-Cloud-Native Applications Across Multiple Business Domains
von: Lertpongrujikorn, Pawissanutt, et al.
Veröffentlicht: (2026)

AgentFlow: Resilient Adaptive Cloud-Edge Framework for Multi-Agent Coordination
von: Chen, Ching Han, et al.
Veröffentlicht: (2025)

FlexiWalker: Extensible GPU Framework for Efficient Dynamic Random Walks with Runtime Adaptation
von: Park, Seongyeon, et al.
Veröffentlicht: (2025)

Optimal Configuration of API Resources in Cloud Native Computing
von: Truyen, Eddy, et al.
Veröffentlicht: (2025)

A Cloud-Native Architecture for Human-in-Control LLM-Assisted OpenSearch in Investigative Settings
von: Puhani, Benjamin, et al.
Veröffentlicht: (2026)

Computing in the Era of Large Generative Models: From Cloud-Native to AI-Native
von: Lu, Yao, et al.
Veröffentlicht: (2024)

xPUE: Extending Power Usage Effectiveness Metrics for Cloud Infrastructures
von: Fieni, Guillaume, et al.
Veröffentlicht: (2025)

Power Aware Container Placement in Cloud Computing with Affinity and Cubic Power Model
von: Sarkar, Suvarthi, et al.
Veröffentlicht: (2024)

A Non-Intrusive Framework for Deferred Integration of Cloud Patterns in Energy-Efficient Data-Sharing Pipelines
von: Masoudi, Sepideh, et al.
Veröffentlicht: (2025)

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

ACE-Sync: An Adaptive Cloud-Edge Synchronization Framework for Communication-Efficient Large-Scale Distributed Model Training
von: Yang, Yi, et al.
Veröffentlicht: (2025)

FleetOpt: Analytical Fleet Provisioning for LLM Inference with Compress-and-Route as Implementation Mechanism
von: Chen, Huamin, et al.
Veröffentlicht: (2026)