Using Semeru Cloud Compiler to Enhance Cloud-Native Java Application Performance
Notice bibliographique
Résumé
Java-based applications rely on just-in-time (JIT) compilation to convert bytecode into machine code at run-time to improve throughput. However, JIT compilation is achieved at the cost of additional CPU cycles and memory. In the context of modern cloud, where applications have limited computing resources due to containerization, JIT compilation may potentially become a pain-point. The Semeru Cloud Compiler (SCC) is a promising solution that offloads JIT compilation to a remote cloud compiler to reduce the local overhead of JIT compilation in containers. In this paper, we outline novel research directions to further leverage the advantages of remote cloud compilation by extending the SCC to achieve two goals: (i) reduce application start-up time and (ii) improve JIT compilation decision making. To reduce application start-up time, the proposed enhancement is to extract unused or unlikely to be used Java class files from container images. The SCC can still provide the extracted class files to the client JVM if any turn out to be needed. Our preliminary experiments show that this approach can potentially reduce container image sizes by up to 22.1% and start-up times by up to 9.2% for certain applications. To reduce JIT compilation overhead, the proposed enhancement is to perform dynamic analysis of the Java application using the additional resources on the server-side. In turn, the remote JIT compilation can make more informed decisions regarding which methods to compile and optimizations to apply. We are also developing a novel visualization tool designed to help JIT compiler developers identify pain points in current JIT compilation heuristics. Specifically, we have measured that up to 18.9% of JIT compilations for certain applications may be sub-optimal due to later method inlining, and we are investigating how the SCC could help to avoid these potentially wasted compile-time computations by using information learned from other JVM clients.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».