MétaCan
Menu
Retour à la cohorte
Enregistrement W4404132930 · doi:10.1109/access.2024.3492138

SliceSphere: Agile Service Orchestration and Management Framework for Cloud-Native Application Slices

2024· article· en· W4404132930 sur OpenAlexaff
Pooyan Habibi, Alberto Leon‐Garcia

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueService-Oriented Architecture and Web Services
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOrchestrationCloud computingAgile software developmentComputer scienceProcess managementSoftware engineeringOperating systemBusiness

Résumé

récupéré en direct d'OpenAlex

We introduce SliceSphere a comprehensive framework to ease the deployment and management of scalable cloud-native application slices. Slicesphere integrates a strong slicing framework with containerized orchestration engines. We present cloud-native application slicing as an architectural framework that integrates application segmentation, platform abstraction, and cloud-native methodologies into a system known as SliceSphere. This approach forms a cohesive, distributed application environment that surpasses traditional infrastructure limits, allowing organizations to deploy, manage, and scale applications across various computing landscapes with flexibility, scalability, and efficiency. In SliceSphere, each slice, termed SliceKube, operates as an independent unit, encompassing specific features and interacting via well-defined APIs. We have incorporated fundamental microservice design principles and offer extensive service integration, covering everything from specialized multi-stack control planes to essential resources such as computing power, storage, and networking. SliceSphere is built to be flexible, ensuring compatibility regardless of the orchestration engine or infrastructure provider in use. It simplifies complex deployments while enabling users to customize the design of control plane and platform service functionalities to their needs. Additionally, SliceSphere includes two marketplaces that offer pre-configured service-oriented applications and multi-cloud shared resources. A practical demonstration of SliceSphere, designed as a Kubernetes plugin and utilizing open-source technologies, has been developed on the multi-tiered SAVI infrastructure, leveraging a variety of resources. We examine this specific use case, SAVI 2.0, in detail to showcase SliceSphere’s ability to address the needs of distributed cloud-native applications across multi-tier and multi-cloud infrastructure.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,859
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,321
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetService-Oriented Architecture and Web ServicesTravaux en français237 207