基于函数关联集的冷启动优化策略研究
来源：机械与电子杂志2025年第11期北京时间：
作者：郑元伟;李子鹏;龙诺亚;张菡;张猛;宋磊;王喜宾
单位：1. 贵州电网有限责任公司,贵州 贵阳 550002 ;
2. 贵州大学计算机科学与技术学院,贵州 贵阳 550025 ;
3. 贵州理工学院大数据学院,贵州 贵阳 550025
摘要：Serverless 计算中的云函数冷启动问题会导致显著的性能开销。现有预热策略在以应用为调度单位时,常因调度粒度过粗而造成资源浪费,且难以对调用模式不清晰的函数进行有效优化。为此,提出一种基于函数关联集的冷启动优化策略 FS-Warm 。该策略引入“函数关联集”作为新的调度粒度,通过挖掘函数间的共现关系(如使用 FP-Growth 算法),将业务逻辑或调用行为上强关联的函数(包括高频函数及其关联的低频或模式不清晰函数)聚合。基于函数关联集进行协同预热与调度,旨在更精准地按需加载资源,并利用已知模式函数的调用行为辅助优化集内其他函数的预热时机,从而有效缓解冷启动问题,提高资源利用率并改善对无清晰调用模式函数的优化效果。实验结果表明,基于函数关联集的冷启动优化策略 FS-Warm 在 Serverless 云函数冷启动率的降低和内存浪费的平衡上均具有较好的表现,在 75 分位点上将冷启动率降至 20.8% ,相较于基线策略优化了 42.4% ,并减少了约 75% 的内存浪费。
关键词：Serverless ;冷启动;协同预热;调度优化; FP-Growth
基金资助：贵州电网有限责任公司创新项目( GZKJXM2O220069 )
