Buchumschlag

Auto-scaling Approaches for Microservice Applications: A Survey and Taxonomy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Minxian, Liao, Junhan, Wen, Linfeng, Wu, Huaming, Ye, Kejiang, Buyya, Rajkumar, Xu, Chengzhong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

DOPD: A Dynamic PD-Disaggregation Architecture for Maximizing Goodput in LLM Inference Serving
von: Liao, Junhan, et al.
Veröffentlicht: (2025)

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

MSARS: A Meta-Learning and Reinforcement Learning Framework for SLO Resource Allocation and Adaptive Scaling for Microservices
von: Hu, Kan, et al.
Veröffentlicht: (2024)

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

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

An Interference-aware Approach for Co-located Container Orchestration with Novel Metric
von: Li, Xiang, et al.
Veröffentlicht: (2024)

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

C-Koordinator: Interference-aware Management for Large-scale and Co-located Microservice Clusters
von: Song, Shengye, et al.
Veröffentlicht: (2025)

TempoScale: A Cloud Workloads Prediction Approach Integrating Short-Term and Long-Term Information
von: Wen, Linfeng, et al.
Veröffentlicht: (2024)

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

Collaborative Resource Management and Workloads Scheduling in Cloud-Assisted Mobile Edge Computing across Timescales
von: Tang, Lujie, et al.
Veröffentlicht: (2024)

BrownoutServe: SLO-Aware Inference Serving under Bursty Workloads for MoE-based LLMs
von: Hu, Jianmin, et al.
Veröffentlicht: (2025)

UELLM: A Unified and Efficient Approach for LLM Inference Serving
von: He, Yiyuan, et al.
Veröffentlicht: (2024)

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

Unlock the Potential of Fine-grained LLM Serving via Dynamic Module Scaling
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

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

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

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

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

SealOS+: A Sealos-based Approach for Adaptive Resource Optimization Under Dynamic Workloads for Securities Trading System
von: Jia, Haojie, et al.
Veröffentlicht: (2025)

Multi-Layer Scheduling for MoE-Based LLM Reasoning
von: Sun, Yifan, et al.
Veröffentlicht: (2026)

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

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

TD3-Sched: Learning to Orchestrate Container-based Cloud-Edge Resources via Distributed Reinforcement Learning
von: Song, Shengye, et al.
Veröffentlicht: (2025)

BanaServe: Unified KV Cache and Dynamic Module Migration for Balancing Disaggregated LLM Serving in AI Infrastructure
von: He, Yiyuan, et al.
Veröffentlicht: (2025)

Edge AI: A Taxonomy, Systematic Review and Future Directions
von: Gill, Sukhpal Singh, 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)

BucketServe: Bucket-Based Dynamic Batching for Smart and Efficient LLM Inference Serving
von: Zheng, Wanyi, et al.
Veröffentlicht: (2025)

FlexPipe: Adapting Dynamic LLM Serving Through Inflight Pipeline Refactoring in Fragmented Serverless Clusters
von: Lin, Yanying, et al.
Veröffentlicht: (2025)

Cloud-native and Distributed Systems for Efficient and Scalable Large Language Models -- A Research Agenda
von: Xu, Minxian, et al.
Veröffentlicht: (2026)

TrustMesh: A Blockchain-Enabled Trusted Distributed Computing Framework for Open Heterogeneous IoT Environments
von: Rangwala, Murtaza, 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)

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

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)

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

A Decentralized Root Cause Localization Approach for Edge Computing Environments
von: Fernando, Duneesha, 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)

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

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