安全尾部:通过计算冗余管理优化边缘服务调度中的尾部延迟
发表于: 。本研究旨在解决边缘计算中尾部延迟优化的不足,特别是在不确定网络和计算条件下的服务交付问题。提出的SafeTail框架通过在多个边缘服务器间选择性复制服务来满足延迟目标,同时运用基于奖励的深度学习来学习最佳服务部署策略,显著提高了性能,并超越了大多数基线策略。该方法在延迟敏感型应用中具有重要的潜在影响。
本研究旨在解决边缘计算中尾部延迟优化的不足,特别是在不确定网络和计算条件下的服务交付问题。提出的SafeTail框架通过在多个边缘服务器间选择性复制服务来满足延迟目标,同时运用基于奖励的深度学习来学习最佳服务部署策略,显著提高了性能,并超越了大多数基线策略。该方法在延迟敏感型应用中具有重要的潜在影响。