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:20260407T145926Z
LAST-MODIFIED:20260407T145926Z
DTSTAMP:20260817T223553Z
UID:1786995353@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Θωμά Σαμούτη - 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=8372&cHash=9723f020e477eab
 dd7dcbbc2a95d517f\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ
 Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και
  Μηχανικών Υπολογιστών\n Πρόγραμμα Π
 ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ
 ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Θωμά Σαμούτη\n 
 με θέμα\n Δυναμική τοποθέτηση Μικρου
 πηρεσιών στο Kubernetes\n Dynamic Sc
 heduling of Microservices in Kuberne
 tes\n Εξεταστική Επιτροπή\n Καθηγητή
 ς Ευριπίδης Πετράκης (επιβλέπων)\n Κ
 αθηγητής Μιχαήλ Λαγουδάκης\n Αναπληρ
 ωτής Καθηγητής Βασίλειος Σαμολαδάς\n
  Περίληψη\n Η βιομηχανία ανάπτυξης λ
 ογισμικού εξελίσσεται συνεχώς. Η άνο
 δος του υπολογιστικού νέφους, η χρήσ
 η τεχνολογίας containers και οι αρχι
 τεκτονικές βασισμένες σε microservic
 es έχουν εισαγάγει νέες προκλήσεις γ
 ια τη βελτιστοποίηση της απόδοσης εφ
 αρμογών και της μείωσης του λειτουργ
 ικού κόστους.\n Το Kubernetes έχει κ
 αθιερωθεί ως το πρότυπο για τη διαχε
 ίριση και ενορχήστρωση εφαρμογών που
  εκτελούνται σε containers, σε περιβ
 άλλοντα υπολογιστικού νέφους. Ένας K
 ubernetes cluster επιτρέπει την ανάπ
 τυξη εφαρμογών βασισμένων σε microse
 rvices σε πολλούς virtual machines, 
 ενω διαχειρίζεται παράλληλα την επικ
 οινωνία μεταξύ των διαφόρων virtual 
 machines.\n Ωστόσο, ο προεπιλεγμένος
  scheduler του Kubernetes βασίζεται 
 κυρίως σε στατικά κριτήρια. Αυτό μπο
 ρεί να οδηγήσει σε μη βέλτιστες τοπο
 θετήσεις υπηρεσιών που δεν λαμβάνουν
  υπόψη τα μοτίβα επικοινωνίας μεταξύ
  τους. Επιπλέον, οι πάροχοι υπολογισ
 τικού νέφους χρεώνουν βάσει του όγκο
 υ των δεσμευμένων πόρων, ακόμα και α
 ν αυτοί δεν αξιοποιούνται πλήρως. Η 
 αύξηση της εξερχόμενης κίνησης δικτύ
 ου μπορεί επίσης να καταστήσει τις μ
 η βέλτιστες τοποθετήσεις ιδιαίτερα δ
 απανηρές. Επιπροσθέτως, η εφαρμογή σ
 τρατηγικών τοποθέτησης υπηρεσιών που
  λαμβάνουν υπόψη μόνο την αρχική τοπ
 οθέτηση της εφαρμογής μπορεί να έχει
  σημαντικά αποτελέσματα στην απόδοση
  και το κόστος, εφόσον ο φόρτος εργα
 σίας παραμένει σταθερός. Όμως οι σύγ
 χρονοι φόρτοι εργασίας είναι εξαιρετ
 ικά δυναμικοί, με μοτίβα χρήσης που 
 μπορούν να μεταβάλλονται ταχύτατα, κ
 αθιστώντας τις στατικές στρατηγικές 
 τοποθέτησης λιγότερο αποτελεσματικές
 .\n Στην παρούσα Διπλωματική Εργασία
 , εστιάσαμε στην αξιολόγηση δυναμικώ
 ν στρατηγικών τοποθέτησης οι οποίες 
 προσαρμόζονται στις μεταβολές του φό
 ρτου εργασίας, με στόχο τη βελτιστοπ
 οίηση της απόδοσης εφαρμογών και τη 
 μείωση του κόστους σε περιβάλλον Kub
 ernetes. Αναπτύξαμε δύο εφαρμογές αξ
 ιολόγησης επιδόσεων (benchmarking) σ
 ε έναν Kubernetes cluster που φιλοξε
 νείται στην πλατφόρμα Google Cloud P
 latform. Υλοποιήσαμε ένα εργαλείο λή
 ψης αποφάσεων που παρακολουθεί συνεχ
 ώς τον φόρτο εργασίας για μεταβολές 
 και, μέσω του αλγορίθμου Twin-compar
 ison, προσδιορίζει εάν η επιλεγμένη 
 στρατηγική τοποθέτησης χρειάζεται να
  επανεφαρμοστεί. Για την αξιολόγηση 
 της απόδοσης των δυναμικών στρατηγικ
 ών τοποθέτησης, προσαρμόσαμε τους πρ
 οεπιλεγμένους φόρτους εργασίας των ε
 φαρμογών αξιολόγησης ώστε να παρουσι
 άζουν υψηλή μεταβλητότητα.\n Αξιολογ
 ήσαμε τρεις διαφορετικούς αλγορίθμου
 ς τοποθέτησης και συγκρίναμε την από
 δοση και την οικονομική τους αποδοτι
 κότητα σε σύγκριση με τον προεπιλεγμ
 ένο scheduler του Kubernetes, καθώς 
 και με σενάρια χωρίς επανατοποθέτηση
 . Τα πειραματικά αποτελέσματα δείχνο
 υν ότι οι δυναμικές στρατηγικές τοπο
 θέτησης μπορούν να βελτιώσουν σημαντ
 ικά την απόδοση εφαρμογών και να μει
 ώσουν το κόστος σε περιβάλλον Kubern
 etes. Επιπλέον, καταδεικνύουμε ότι η
  αποτελεσματικότητα των δυναμικών στ
 ρατηγικών τοποθέτησης εξαρτάται από 
 τα συγκεκριμένα χαρακτηριστικά του φ
 όρτου εργασίας. Σε περίπτωση στατικώ
 ν φόρτων εργασίας, η εφάπαξ βελτιστο
 ποίηση τοποθέτησης μπορεί να αποδειχ
 θεί επαρκής, ενώ σε εξαιρετικά δυναμ
 ικούς φόρτους εργασίας, η απουσία πρ
 οσαρμογής στις μεταβολές μπορεί να έ
 χει σημαντικές αρνητικές συνέπειες.\
 n Abstract \n The software developme
 nt industry is evolving. The rise of
  cloud computing, containerization, 
 and microservices-based architecture
 s has introduced new challenges when
  optimizing application performance 
 and operational costs.\n Kubernetes 
 has become the industry standard for
  orchestrating containerized applica
 tions in cloud environments. A Kuber
 netes cluster allows deploying micro
 services-based applications across m
 ultiple hosts (VMs) while managing c
 ommunication between the various VMs
 . \n However, the default Kubernetes
  scheduler relies primarily on stati
 c criteria. This can lead to sub-opt
 imal placements that do not take int
 o account the communication patterns
  between services. Moreover, cloud p
 roviders charge based on the amount 
 of used resources even if they are n
 ot fully utilized. Also, the increas
 e in outbound network traffic can al
 so make non optimal placements costl
 y. Furthermore, applying service pla
 cement strategies that only consider
  the initial deployment of the appli
 cation can have significant results 
 on application performance and cost 
 if the workload remains constant.  B
 ut todays workloads are highly dynam
 ic, with traffic patterns that can c
 hange rapidly, making static placeme
 nt strategies less effective.\n In t
 his Thesis, we focused on the evalua
 tion of dynamic placement strategies
  which adapt to workload changes in 
 order to optimize application perfor
 mance and cost in a Kubernetes envir
 onment. We have deployed two benchma
 rking applications in a Kubernetes c
 luster hosted in the Google Cloud Pl
 atform. We have implemented a decisi
 on making tool that continuously mon
 itors workload for changes and by us
 ing the Twin-comparison algorithm de
 termines if the selected placement s
 trategy needs to be reapplied. To ev
 aluate the performance of dynamic pl
 acement strategies, we have adapted 
 the default workloads of the benchma
 rking applications to be highly vola
 tile.\n We evaluated three different
  placement algorithms and compared t
 heir performance and cost-effectiven
 ess with the default Kubernetes sche
 duler, as well as against scenarios 
 without any re-placement. The experi
 mental results show that dynamic pla
 cement strategies can significantly 
 improve application performance and 
 reduce costs in a Kubernetes environ
 ment. Additionally, we show that the
  effectiveness of dynamic placement 
 strategies depends on the specific w
 orkload characteristics. In case of 
 static workloads, the one-time place
 ment optimization can be sufficient,
  while in highly dynamic workloads c
 an have significant drawbacks if not
  adapted to workload changes. \n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20260424T100000
DTEND:20260424T110000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR