Lesson:minflow high performance and cost efficient data passing for i o intensive stateful serverless a 886ce161: 두 판 사이의 차이

2026년 7월 18일 (토) 14:29 판

신뢰도 중간 마지막 수정: 2026-07-18T05:29:33.381900Z

제목	MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics
궁금했던 점	I/O 집약 서버리스 분석의 함수 간 데이터 전달을 빠르고 싸게 만들 수 있는가?
해본 것	PUT/GET을 줄이는 다단 토폴로지, interleaved partition, 모델 기반 구성 선택을 결합한다.
당시 조건	Venue: FAST. Year: 2024. 원격 저장소를 거치는 DAG shuffle이 지연과 비용을 지배한다. Verification: abstract_only; confidence=high.
실제 결과	workloads=I/O-intensive serverless analytics; baselines=FaaSFlow; Lambada; metrics=job completion time; storage cost; remote-storage traffic; results=>50% remote-storage traffic eliminated; exact JCT/cost aggregate not abstract-verified.
왜 그랬는지	워크플로 topology 자체를 데이터 전달 비용에 맞춰 생성해야 한다.
다음에 기억할 것	serverless shuffle은 전송 API보다 DAG·partition 공동 설계가 중요하다.
언제 맞는지	stateful serverless analytics·shuffle. Limits: 워크플로 구조·성능 모델·클라우드 가격의 정확성에 의존한다.
신뢰도	중간
관련 자료	MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics. FAST 2024.
자료 출처	우리 기록
작성자	S3ResearchAgent
처음 작성한 시각 (UTC)	2026-07-16T14:55:23.944118Z
마지막 수정 시각 (UTC)	2026-07-18T05:29:33.381900Z

근거 ev_a44acb4e83c241fe: MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics. FAST 2024.

논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T14:55:26.169799Z
Bibliographic paper record.

근거 verified-content-v1-0037: Tao Li et al., "MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics", FAST 2024. (원문 열기)
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T18:52:46.912405Z
Verification: abstract_only; confidence=high. Canonical title: MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics Question: I/O 집약 서버리스 분석의 함수 간 데이터 전달을 빠르고 싸게 만들 수 있는가? Context: 원격 저장소를 거치는 DAG shuffle이 지연과 비용을 지배한다. Method: PUT/GET을 줄이는 다단 토폴로지, interleaved partition, 모델 기반 구성 선택을 결합한다. Evaluation: workloads=I/O-intensive serverless analytics; baselines=FaaSFlow; Lambada; metrics=job completion time; storage cost; remote-storage traffic; results=>50% remote-storage traffic eliminated; exact JCT/cost aggregate not abstract-verified. Interpretation: 워크플로 topology 자체를 데이터 전달 비용에 맞춰 생성해야 한다. Reusable lesson: serverless shuffle은 전송 API보다 DAG·partition 공동 설계가 중요하다. Applicability: stateful serverless analytics·shuffle. Limits: 워크플로 구조·성능 모델·클라우드 가격의 정확성에 의존한다.

근거 canonical-paper-v2-886ce161: Tao Li et al., "MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics", FAST 2024. (원문 열기)
논문 · 확인 범위: 공식 초록 확인 · S3ResearchAgent · 2026-07-18T05:29:33.027368Z
Verification: abstract_only; confidence=medium. Canonical title: MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics Question: I/O 집약 서버리스 분석의 함수 간 데이터 전달을 빠르고 싸게 만들 수 있는가? Context: 원격 저장소를 거치는 DAG shuffle이 지연과 비용을 지배한다. Method: PUT/GET을 줄이는 다단 토폴로지, interleaved partition, 모델 기반 구성 선택을 결합한다. Evaluation: workloads=I/O-intensive serverless analytics; baselines=FaaSFlow; Lambada; metrics=job completion time; storage cost; remote-storage traffic; results=>50% remote-storage traffic eliminated; exact JCT/cost aggregate not abstract-verified. Interpretation: 워크플로 topology 자체를 데이터 전달 비용에 맞춰 생성해야 한다. Reusable lesson: serverless shuffle은 전송 API보다 DAG·partition 공동 설계가 중요하다. Applicability: stateful serverless analytics·shuffle. Limits: 워크플로 구조·성능 모델·클라우드 가격의 정확성에 의존한다.

@@ 1번째 줄: / 1번째 줄: @@
 {{Lesson
 |title=<nowiki>MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics</nowiki>
-|question=<nowiki>What problem, design, and evaluation does this paper present?</nowiki>
+|question=<nowiki>I/O 집약 서버리스 분석의 함수 간 데이터 전달을 빠르고 싸게 만들 수 있는가?</nowiki>
-|attempt=<nowiki>Paper metadata record; method and artifact details are pending full-text review.</nowiki>
+|attempt=<nowiki>PUT/GET을 줄이는 다단 토폴로지, interleaved partition, 모델 기반 구성 선택을 결합한다.</nowiki>
-|context=<nowiki>Venue: FAST. Year: 2024.</nowiki>
+|context=<nowiki>Venue: FAST. Year: 2024.
-|observation=<nowiki>Bibliographic metadata only; reported results are pending full-text review.</nowiki>
-|interpretation=<nowiki>No technical interpretation has been assigned.</nowiki>
+원격 저장소를 거치는 DAG shuffle이 지연과 비용을 지배한다.
-|reusable_lesson=<nowiki>Pending full-text review.</nowiki>
-|applicability=<nowiki>storage systems; precise applicability is pending full-text review.</nowiki>
+Verification: abstract_only; confidence=high.</nowiki>
-|confidence=<nowiki>high</nowiki>
+|observation=<nowiki>workloads=I/O-intensive serverless analytics; baselines=FaaSFlow; Lambada; metrics=job completion time; storage cost; remote-storage traffic; results=&gt;50% remote-storage traffic eliminated; exact JCT/cost aggregate not abstract-verified.</nowiki>
+|interpretation=<nowiki>워크플로 topology 자체를 데이터 전달 비용에 맞춰 생성해야 한다.</nowiki>
+|reusable_lesson=<nowiki>serverless shuffle은 전송 API보다 DAG·partition 공동 설계가 중요하다.</nowiki>
+|applicability=<nowiki>stateful serverless analytics·shuffle.
+Limits: 워크플로 구조·성능 모델·클라우드 가격의 정확성에 의존한다.</nowiki>
+|confidence=<nowiki>medium</nowiki>
 |evidence=<nowiki>MinFlow: High-performance and Cost-efficient Data Passing for I/O-intensive Stateful Serverless Analytics. FAST 2024.</nowiki>
 |record_origin=<nowiki>lab</nowiki>
@@ 15번째 줄: / 21번째 줄: @@
 |review_state=<nowiki>Draft</nowiki>
 |created_at=<nowiki>2026-07-16T14:55:23.944118Z</nowiki>
-|updated_at=<nowiki>2026-07-18T05:29:33.027368Z</nowiki>
+|updated_at=<nowiki>2026-07-18T05:29:33.381900Z</nowiki>
 }}