Disaggregated Just-in-Time Compilation for the Java Virtual Machine
Notice bibliographique
Résumé
Managed language runtimes such as the Java virtual machine (JVM) rely on just-in-time (JIT) compilers to improve application performance by converting bytecodes into optimized machine code. Unfortunately, JIT compilation introduces significant CPU and memory runtime overheads. These overheads are especially significant for modern cloud workloads where JVM instances are often short-lived and/or memory-constrained. JIT compiler disaggregation is a technique that decouples the JIT from the JVM and ships compilation to a separate remote process in order to improve application warm-up performance and reduce memory footprint. JITServer is an implementation of this approach in the Eclipse OpenJ9 JVM. Several optimizations proposed in this thesis improve JITServer performance in the multi-client setting and in environments with higher network latency. The performance evaluation presented in this thesis is the first study of remote JIT compilation in the context of cloud computing, demonstrating significant improvements in application warm-up speed and memory footprint. Caching compiled native code at the JITServer and its transparent reuse in multiple client JVMs running on different machines further improves warm-up performance and system-wide resource utilization, effectively increasing application density in the cloud. JITServer with caching compiled methods reduces overall CPU cost by up to 77%, overall memory usage by up to 62%, application start time by up to 58%, and warm-up time by up to 87% compared to local JIT compilation for a set of realistic web applications. Caching profiling data at the JITServer enables eager JIT compilation and prefetching server-cached compiled code, further improving application warm-up performance. Evaluation on a wide variety of application benchmarks shows reductions in runtime of short-running workloads of up to 24% and warm-up time of long-running ones of up to 80%.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».