BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20220708T142049Z
LAST-MODIFIED:20220708T142049Z
DTSTAMP:20260811T075119Z
UID:1786423879@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Σκευάκη Βασιλείου - Σχολή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.ece.tuc.gr/el/katalogos-
 ekdiloseon?tx_tucevents2_tuceventsdi
 splay%5Baction%5D=show&tx_tucevents2
 _tuceventsdisplay%5Bcontroller%5D=Ev
 ent&tx_tucevents2_tuceventsdisplay%5
 Bevent%5D=5665&cHash=c61f85ed1c2ec6b
 95ebf7781bc1efacf\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ
 Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και
  Μηχανικών Υπολογιστών\n Πρόγραμμα Π
 ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ
 ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n ΣΚΕΥΑΚΗΣ ΒΑΣΙΛΕ
 ΙΟΣ\n με θέμα\n ΑΣΑΦΕΙΣ ΣΤΡΑΤΗΓΙΚΕΣ 
 ΤΟΠΟΘΕΤΗΣΗΣ ΥΠΗΡΕΣΙΩΝ ΣΕ ΠΕΡΙΒΑΛΛΟΝ 
 KUBERNETES\n FUZZY SERVICE PLACEMENT
  STRATEGIES IN KUBERNETES\n Εξεταστι
 κή Επιτροπή\n Καθηγητής Ευριπίδης Πε
 τράκης (επιβλέπων)\n Καθηγητής Αντών
 ιος Δεληγιαννάκης\n Αναπληρωτής Καθη
 γητής Βασίλειος Σαμολαδάς\n \nΠερίλη
 ψη\n Η διαρκώς αυξανόμενη χρήση αρχι
 τεκτονικών μικρο-υπηρεσιών για την α
 νάπτυξη σύγχρονων εφαρμογών έχει οδη
 γήσει στην ανάγκη υλοποίησης εργαλεί
 ων για τον συντονισμό και τη διαχείρ
 ιση μικρο-υπηρεσιών, όπως το Kuberne
 tes. Ένα σύμπλεγμα Kubernetes (clust
 er) μπορεί να φιλοξενήσει έναν πεπερ
 ασμένο αριθμό από κόμβους (Εικονικά 
 Μηχανήματα). Οι μικρο-υπηρεσίες της 
 εφαρμογής ομαδοποιούνται σε "pods", 
 τα οποία τοποθετούνται στους κόμβους
  (nodes) του συμπλέγματος. Η προκαθο
 ρισμένη στρατηγική τοποθέτησης στο K
 ubernetes είναι στατική και δεν προσ
 αρμόζεται στον φόρτο εργασίας της εφ
 αρμογής, οπότε είναι υποβέλτιστη. Τα
  "pods" πρέπει να τοποθετηθούν στους
  κόμβους του συμπλέγματος με τέτοιο 
 τρόπο, ώστε να ελαχιστοποιείται η επ
 ικοινωνία μεταξύ των κόμβων. Με αυτό
 ν τον τρόπο το κόστος της υποδομής β
 ελτιώνεται και ο χρόνος απόκρισης με
 ιώνεται, καθώς η επικοινωνία μεταξύ 
 υπηρεσιών τοποθετημένων σε διαφορετι
 κούς κόμβους (egress traffic) είναι 
 πιο αργή σε σχέση με την επικοινωνία
  υπηρεσιών στον ίδιο κόμβο (ingress 
 traffic). Οι σύγχρονες εφαρμογές περ
 ιέχουν αντίγραφα (replicas) μικρο-υπ
 ηρεσίων, ώστε ο φόρτος εργασίας μιας
  μικρο-υπηρεσίας να μοιράζεται μεταξ
 ύ αντιγράφων της.  Στην παρούσα εργα
 σία το πρόβλημα της τοποθέτησης των 
 υπηρεσιών εξετάζεται ως ένα πρόβλημα
  διχοτόμησης ενός γράφου, με σκοπό τ
 η βελτιστοποίηση του κόστους της υπο
 δομής και του χρόνου απόκρισης των ε
 φαρμογών. Η διχοτόμηση του γράφου πρ
 έπει να είναι ασαφής (fuzzy), ώστε ν
 α επιτρέπει σε κόμβους του γράφου (μ
 ικρο-υπηρεσίες) να ανήκουν σε ένα ή 
 περισσότερα διαμερίσματα (κόμβους το
 υ συμπλέγματος). Η απόδοση της ασαφο
 ύς στρατηγικής ελέγχθηκε σε πραγματι
 κά σενάρια χρησιμοποιώντας δύο εφαρμ
 ογές (ένα ηλεκτρονικό κατάστημα και 
 μια IoT εφαρμογή), οι οποίες υλοποιή
 θηκαν στο περιβάλλον Kubernetes της 
 υποδομής νέφους της Google (Google C
 loud Platform). Όπως αποδείχθηκε από
  τα αποτελέσματα των πειραμάτων, η π
 ροτεινόμενη ασαφής στρατηγική μπορεί
  να μειώσει σημαντικά την επικοινωνί
 α μεταξύ των κόμβων και τον χρόνο απ
 όκρισης της εφαρμογής, ενώ μπορεί να
  επιτύχει την εξοικονόμηση κόστους π
 ροηγούμενων συναφών εργασιών.   \n A
 bstract\n The continuous rise of mic
 roservices-based architectures in ap
 plication development provided the n
 eed for tools that orchestrate conta
 inerized applications deployed in cl
 oud infrastructures, such as Kuberne
 tes. A Kubernetes Cluster hosts a fi
 nite number of Nodes (VMs), and the 
 application's services are packed in
  Pods and placed in the Kubernetes N
 odes. The default Kubernetes Service
  Placement is static and does not ad
 apt to workload changes, so the defa
 ult placement solutions are sub-opti
 mal. Pods must be placed in their re
 spective Nodes in a way that minimiz
 es Node-to-Node (egress) traffic. Th
 at way, the infrastructure cost is o
 ptimized, and the response time of t
 he requests is minimized since egres
 s traffic is slower than ingress. Mo
 dern application workloads require s
 ome high-utilized services to run in
  more than one instance. In this wor
 k, the service placement problem is 
 handled as a graph clustering one, a
 iming to optimize the application by
  both cost and response time. The gr
 aph clustering needs to be fuzzy, to
  allow a graph's node (Kubernetes Po
 d) to belong in more than one partit
 ion (Nodes). Two applications were d
 eployed in the Kubernetes infrastruc
 ture of the Google Cloud Platform to
  support our fuzzy service placement
  solution in real use cases (an e-co
 mmerce eShop and an IoT architecture
 ). The experimental results demonstr
 ate that our fuzzy placement solutio
 n can significantly reduce both the 
 total requested traffic between Node
 s and the response time of the appli
 cations' requests compared to the pl
 acement using the default Kubernetes
  Scheduler's method. At the same tim
 e, our solution can maintain the mon
 etary cost savings of previous relat
 ed work on cost-optimization in Kube
 rnetes.\n  \n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20220714T110000
DTEND:20220714T120000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR