Оцінка продуктивності безсерверніх обчислень

Анотація

Хмарні обчислення дозволили організаціям менше зосередитися на своїй ІТ-інфраструктурі і більше на
своїх основних продуктах і послугах. Serverless – це технологія, також відома як функція-як-послуга, яка за необхідності
надає постачальнику 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 процесом, керованим подіями. Serverless-обчислення відкривають нові можливості для архітекторів та
розробників, орієнтованих 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 розпізнавання 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 експериментальних навчальних даних і точністю
розпізнавання. Для експериментів був розроблений програмний пакет з використанням 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.