Buchumschlag

Squeezing Edge Performance: A Sensitivity-Aware Container Management for Heterogeneous Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yongmin, Huang, Pengyu, Dong, Mingyi, Yao, Jing
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

EcoShift: Performance-Aware Power Management for Power-Constrained Heterogeneous Systems
von: Zheng, Zhong, et al.
Veröffentlicht: (2026)

HiRL: Hierarchical Reinforcement Learning for Coordinated Resource Management in Heterogeneous Edge Computing
von: Zhu, Jianyong, et al.
Veröffentlicht: (2026)

Container Data Item: An Abstract Datatype for Efficient Container-based Edge Computing
von: Rahman, Md Rezwanur, et al.
Veröffentlicht: (2024)

EAT: QoS-Aware Edge-Collaborative AIGC Task Scheduling via Attention-Guided Diffusion Reinforcement Learning
von: Xu, Zhifei, et al.
Veröffentlicht: (2025)

HE2C: A Holistic Approach for Allocating Latency-Sensitive AI Tasks across Edge-Cloud
von: Kim, Minseo, et al.
Veröffentlicht: (2024)

MoA-Off: Adaptive Heterogeneous Modality-Aware Offloading with Edge-Cloud Collaboration for Efficient Multimodal LLM Inference
von: Yang, Zheming, et al.
Veröffentlicht: (2025)

Energy-Aware Scheduling Strategies for Partially-Replicable Task Chains on Heterogeneous Processors
von: Idouar, Yacine, et al.
Veröffentlicht: (2025)

XaaS Containers: Performance-Portable Representation With Source and IR Containers
von: Copik, Marcin, et al.
Veröffentlicht: (2025)

Preemption Aware Task Scheduling for Priority and Deadline Constrained DNN Inference Task Offloading in Homogeneous Mobile-Edge Networks
von: Cotter, Jamie, et al.
Veröffentlicht: (2025)

Evaluating Container Orchestration for Neuromorphic Workloads in Virtual Edge Environments
von: Pham, Huyen, et al.
Veröffentlicht: (2026)

Edge System Design Using Containers and Unikernels for IoT Applications
von: Kaiser, Shahidullah, et al.
Veröffentlicht: (2024)

LRScheduler: A Layer-aware and Resource-adaptive Container Scheduler in Edge Computing
von: Tang, Zhiqing, et al.
Veröffentlicht: (2025)

EdgeServing: Deadline-Aware Multi-DNN Serving at the Edge
von: Cao, Jiahe, et al.
Veröffentlicht: (2026)

Scale: Deep Reinforcement Learning for Container Scheduling in Serverless Edge Computing
von: Chen, Chen, et al.
Veröffentlicht: (2026)

Resource-efficient Parallel Split Learning in Heterogeneous Edge Computing
von: Zhang, Mingjin, et al.
Veröffentlicht: (2024)

BOA Constrictor: Squeezing Performance out of GPUs in the Cloud via Budget-Optimal Allocation
von: Li, Zhouzi, et al.
Veröffentlicht: (2026)

6G EdgeAI: Performance Evaluation and Analysis
von: Yang, Chien-Sheng, et al.
Veröffentlicht: (2025)

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

Seer: Proactive Revenue-Aware Scheduling for Live Streaming Services in Crowdsourced Cloud-Edge Platforms
von: Huang, Shaoyuan, et al.
Veröffentlicht: (2024)

Bandwidth-Aware LLM Inference on Heterogeneous Many-Core Supercomputers
von: Lu, Yao, et al.
Veröffentlicht: (2026)

FATE: Future-State-Aware Scheduling for Heterogeneous LLM Workflows
von: Huang, Zirui, et al.
Veröffentlicht: (2026)

Frenzy: A Memory-Aware Serverless LLM Training System for Heterogeneous GPU Clusters
von: Chang, Zihan, et al.
Veröffentlicht: (2024)

Environment-Aware Dynamic Pruning for Pipelined Edge Inference
von: O'Quinn, Austin, et al.
Veröffentlicht: (2025)

Heterogeneous Tasks Offloading in Vehicular Edge Computing: A Federated Meta Deep Reinforcement Learning Approach
von: Huang, Yaorong, et al.
Veröffentlicht: (2026)

A Systematic Literature Review on Task Allocation and Performance Management Techniques in Cloud Data Center
von: Chauhan, Nidhika, et al.
Veröffentlicht: (2024)

Predicting the Performance of Scientific Workflow Tasks for Cluster Resource Management: An Overview of the State of the Art
von: Bader, Jonathan, et al.
Veröffentlicht: (2025)

Coordinated Power Management on Heterogeneous Systems
von: Zheng, Zhong, et al.
Veröffentlicht: (2025)

Federated Learning as a Service for Hierarchical Edge Networks with Heterogeneous Models
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

Heterogeneity-Aware Cooperative Federated Edge Learning with Adaptive Computation and Communication Compression
von: Zhang, Zhenxiao, et al.
Veröffentlicht: (2024)

Jenga: Effective Memory Management for Serving LLM with Heterogeneity
von: Zhang, Chen, et al.
Veröffentlicht: (2025)

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

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

Low-Latency Layer-Aware Proactive and Passive Container Migration in Meta Computing
von: Liu, Mengjie, et al.
Veröffentlicht: (2024)

Dalek: An Unconventional and Energy-Aware Heterogeneous Cluster
von: Cassagne, Adrien, et al.
Veröffentlicht: (2025)

CHAMP: A Configurable, Hot-Swappable Edge Architecture for Adaptive Biometric Tasks
von: Brogan, Joel, et al.
Veröffentlicht: (2025)

INSPIRIT: Optimizing Heterogeneous Task Scheduling through Adaptive Priority in Task-based Runtime Systems
von: Wang, Yiqing, et al.
Veröffentlicht: (2024)

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

Federated Learning within Global Energy Budget over Heterogeneous Edge Accelerators
von: Banerjee, Roopkatha, et al.
Veröffentlicht: (2025)

Toward Sustainability-Aware LLM Inference on Edge Clusters
von: Rajashekar, Kolichala, et al.
Veröffentlicht: (2025)

Exploring System-Heterogeneous Federated Learning with Dynamic Model Selection
von: Yao, Dixi
Veröffentlicht: (2024)