Key points are not available for this paper at this time.
실시간 데이터 처리 및 의사 결정은 지속적인 데이터 스트림 유입에 힘입어 다양한 응용 분야에서 점점 더 중요해지고 있습니다. 서버리스 컴퓨팅 환경 내 이벤트 기반 AI 워크플로우는 이러한 실시간 요구를 효율적으로 처리할 수 있는 유망한 접근법을 제공합니다. 본 논문은 이러한 워크플로우의 성능 특성을 시뮬레이션하고 분석하기 위한 프레임워크를 제시합니다. 제안된 접근법은 다양한 이벤트 속도와 지속 시간을 가진 시뮬레이션 데이터를 활용하여 지연 시간, 처리량, 자원 활용도와 같은 주요 성능 지표에 미치는 영향을 조사합니다. 이를 통해 이벤트 기반 AI 시스템 내 본질적인 상충 관계를 종합적으로 평가할 수 있습니다. 주요 결과는 지연 시간과 처리량 간의 상충 관계를 보여줍니다. 이벤트 속도가 증가함에 따라 평균 처리 지연 시간은 일반적으로 증가하는 반면 평균 처리량도 증가합니다. 자원 활용도는 시뮬레이션된 다양한 이벤트 속도에서 상대적으로 안정적이며(예: 초당 2건 이벤트에서 75.55%, 초당 10건 이벤트에서 74.51%) 이 프레임워크는 이벤트 기반 AI 워크플로우의 성능 특성을 이해하고 자원 할당 전략을 최적화하는 데 유용한 도구를 제공합니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Ottavia Donati
Muziano Macario
Mohd Hassan Karim
Politecnico di Milano
Building similarity graph...
Analyzing shared references across papers
Loading...
Donati et al. (Fri,)가 이 문제를 연구했습니다.
www.synapsesocial.com/papers/68e69860b6db64358761efce — DOI: https://doi.org/10.20944/preprints202405.0656.v2
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: