Ereignisgetriebene KI-Workflows im Serverless Computing: Ermöglichung von Echtzeit-Datenverarbeitung und Entscheidungsfindung

Echtzeit-Datenverarbeitung und Entscheidungsfindung gewinnen in verschiedenen Anwendungen zunehmend an Bedeutung, bedingt durch die kontinuierliche Zufuhr von Datenströmen. Ereignisgetriebene KI-Workflows in serverlosen Computing-Umgebungen bieten einen vielversprechenden Ansatz, um diese Echtzeit-Anforderungen effizient zu bewältigen. Dieses Papier stellt ein Framework zur Simulation und Analyse der Leistungsmerkmale solcher Workflows vor. Unser vorgeschlagener Ansatz nutzt simulierte Daten mit variierenden Ereignisraten und -dauern, um die Auswirkungen auf zentrale Leistungskennzahlen wie Latenz, Durchsatz und Ressourcenauslastung zu untersuchen. Dies ermöglicht eine umfassende Bewertung der inhärenten Kompromisse innerhalb ereignisgetriebener KI-Systeme. Die zentralen Ergebnisse zeigen einen Trade-off zwischen Latenz und Durchsatz. Mit steigender Ereignisrate nimmt die durchschnittliche Verarbeitungslatenz im Allgemeinen zu, während der durchschnittliche Durchsatz ansteigt. Die Ressourcenauslastung bleibt in den simulierten Szenarien relativ stabil über verschiedene Ereignisraten hinweg (z. B. 75,55\% bei 2 Ereignissen/Sekunde, 74,51\% bei 10 Ereignissen/Sekunde). Dieses Framework stellt ein wertvolles Werkzeug dar, um die Leistungsmerkmale ereignisgetriebener KI-Workflows zu verstehen und Strategien zur Ressourcenallokation zu optimieren.