[论文解读] ServerMix: Tradeoffs and Challenges of Serverless Data Analytics

Pedro López, Marc Sánchez Artigas+7 more|arXiv (Cornell University)|Jul 26, 2019

Cloud Computing and Resource Management参考文献 27被引用 13

一句话总结

本文提出了 ServerMix，一种混合计算模型，结合了无服务器（serverless）与有服务器（serverful）组件，以克服无服务器数据分析在性能和成本方面的局限性。通过放松解耦、隔离与调度中的核心权衡，ServerMix 在保持关键无服务器特性的同时，实现了高性能数据处理，其研究基于 CloudButton 项目，探索了智能调度、本地化状态以及使用 WebAssembly 的多语言抽象。

ABSTRACT

Serverless computing has become very popular today since it largely simplifies cloud programming. Developers do not need to longer worry about provisioning or operating servers, and they pay only for the compute resources used when their code is run. This new cloud paradigm suits well for many applications, and researchers have already begun investigating the feasibility of serverless computing for data analytics. Unfortunately, today's serverless computing presents important limitations that make it really difficult to support all sorts of analytics workloads. This paper first starts by analyzing three fundamental trade-offs of today's serverless computing model and their relationship with data analytics. It studies how by relaxing disaggregation, isolation, and simple scheduling, it is possible to increase the overall computing performance, but at the expense of essential aspects of the model such as elasticity, security, or sub-second activations, respectively. The consequence of these trade-offs is that analytics applications may well end up embracing hybrid systems composed of serverless and serverful components, which we call Servermix in this paper. We will review the existing related work to show that most applications can be actually categorized as Servermix. Finally, this paper will introduce the major challenges of the CloudButton research project to manage these trade-offs.

研究动机与目标

• 分析当前无服务器计算中的基本权衡——解耦、隔离与简单调度——如何阻碍高效的数据分析。
• 证明大多数现实世界的数据分析工作负载本质上是混合的，结合了无服务器与有服务器组件，从而引出 ServerMix 系统的概念。
• 识别构建高性能、成本效益高且可扩展的无服务器数据分析平台所面临的关键挑战。
• 提出 CloudButton 项目作为研究框架，通过新颖的调度、状态管理与语言互操作性来应对这些挑战。
• 指导未来研究，通过改进 SLO 支持、存储服务以及通过 WebAssembly 实现语言无关的执行，以实现真正的无服务器分析。

提出的方法

• 提出 ServerMix 模型作为混合架构，将无服务器函数与专用有服务器组件结合，以在性能、成本与系统特性之间实现平衡。
• 提出一种新型隔离模型，支持共置函数之间的内存共享，以降低数据密集型工作负载的延迟并提高吞吐量。
• 利用 WebAssembly 的简单内存模型，开发检查点、迁移与恢复机制，以实现有状态执行和水平扩展。
• 设计一种共享中间表示（IR），以支持多语言编程，并在无服务器环境中复用多种语言的抽象。
• 采用智能调度策略，利用共置与本地化状态，优化混合工作负载中的性能与资源利用率。
• 基于 WebAssembly 构建，作为可移植、安全且高效的执行基础，统一语言支持，并实现执行状态的高效序列化。

实验结果

研究问题

• RQ1 无服务器计算中的核心权衡——解耦、隔离与调度——在多大程度上限制了数据分析工作负载的性能与成本效率？
• RQ2 结合无服务器与有服务器组件的混合系统（ServerMix）在数据分析中，与纯无服务器或传统虚拟机集群相比，能多大程度上实现性能超越？
• RQ3 为使 ServerMix 系统在现实世界的数据分析工作负载中具备实用性、高性能与成本效益，需要哪些架构与系统级创新？
• RQ4 如何在无服务器环境中实现轻量级、语言无关的隔离与状态管理，以支持复杂的数据处理流水线？
• RQ5 WebAssembly 与共享中间表示（IR）在实现可移植、高效且可扩展的无服务器数据分析平台中扮演何种角色？

主要发现

• 当前的无服务器平台在数据分析方面显著低于虚拟机（VM）或集群系统的性能，且成本更高：例如，机器学习流水线的处理速度慢 3 至 5 倍，成本最高可达 7 倍。
• 即使性能优异的无服务器工作负载（如 ExCamera 和 PyWren）也依赖外部有服务器服务（如 S3、Redis、基于 VM 的同步服务），证实了现实部署的混合本质。
• 放松无服务器计算中严格的隔离与解耦，可将性能提升高达 60%，并降低成本，但代价是弹性与安全性受损。
• CloudButton 项目表明，通过智能调度与本地化状态共享，可显著提升混合环境中数据密集型工作负载的性能。
• WebAssembly 支持高效的执行状态序列化与迁移，使无服务器系统中的水平扩展与容错机制变得透明。
• 大多数现有无服务器数据分析系统在实践中已是 ServerMix，表明混合模型并非临时权宜之计，而是该范式必要的演进方向。