Оцінка продуктивності безсерверніх обчислень

Анотація

Хмарні обчислення дозволили організаціям менше зосередитися на своїй ІТ-інфраструктурі і більше на своїх основ- них продуктах і послугах. Serverless – це технологія, також відома як функція-як-послуга, яка за необхідності надає поста- чальнику послуг хмарних обчислень повний контроль над контейнером для обслуговування запитів, на якому виконується функція. Як наслідок, архітектури виключають необхідність постійно працюючих систем і слугують обчислювальним про- цесом, керованим подіями. Serverless-обчислення відкривають нові можливості для архітекторів та розробників, орієнтова- них на хмарні обчислення. Вона забезпечує спрощену модель програмування для розробки розподілених Cloud-систем, з відстороненою інфраструктурою. Serverless обчислення все ще перебувають у зародковому стані та з подальшим розвитком моделі будуть створені інструменти, що дозволять розробникам і архітекторам створювати моделі та процеси, щоб більш повно використовувати переваги моделі Serverless. У даній роботі розглянуто профіль продуктивності Serverless екосистеми в умовах низьких затримок і високої доступності. Представлено результати застосування і тести продуктивності для розпі- знавання образів з використанням нейронних мереж. У реалізації використовуються відкриті бібліотеки та інструменти: TensorFlow для вивчення машинного навчання і LabelImg для підготовки даних. Показана кореляція між кількістю експери- ментальних навчальних даних і точністю розпізнавання. Для експериментів був розроблений програмний пакет з викорис- танням скриптової мови програмування Python і технології .Net. Розроблене програмне забезпечення показало відмінну точність розпізнавання використовуючи звичайний комп'ютер з недорогим обладнанням. Взаємодія клієнтської сторони з «сервером» здійснюється за допомогою HTTP-запитів.