A Kubernetes Controller for Managing the Availability of Elastic\n Microservice Based Stateful Applications
Notice bibliographique
Résumé
The architectural style of microservices has been gaining popularity in\nrecent years. In this architectural style, small and loosely coupled modules\nare deployed and scaled independently to compose cloud-native applications.\nCarrier-grade service providers are migrating their legacy applications to a\nmicroservice based architecture running on Kubernetes which is an open source\nplatform for orchestrating containerized microservice based applications.\nHowever, in this migration, service availability remains a concern. Service\navailability is measured as the percentage of time the service is provisioned.\nHigh Availability (HA) is achieved when the service is available at least\n99.999% of the time. In this paper, we identify possible architectures for\ndeploying stateful microservice based applications with Kubernetes and evaluate\nKubernetes from the perspective of availability it provides for its managed\napplications. The results of our experiments show that the repair actions of\nKubernetes cannot satisfy HA requirements, and in some cases cannot guarantee\nservice recovery. Therefore, we propose an HA State Controller which integrates\nwith Kubernetes and allows for application state replication and automatic\nservice redirection to the healthy microservice instances by enabling service\nrecovery in addition to the repair actions of Kubernetes. Based on experiments\nwe evaluate our solution and compare the different architectures from the\nperspective of availability and scaling overhead. The results of our\ninvestigations show that our solution can improve the recovery time of stateful\nmicroservice based applications by 50%.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».