ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Θωμά Σαμούτη

με θέμα

Δυναμική τοποθέτηση Μικρουπηρεσιών στο Kubernetes
Dynamic Scheduling of Microservices in Kubernetes

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η βιομηχανία ανάπτυξης λογισμικού εξελίσσεται συνεχώς. Η άνοδος του υπολογιστικού νέφους, η χρήση τεχνολογίας containers και οι αρχιτεκτονικές βασισμένες σε microservices έχουν εισαγάγει νέες προκλήσεις για τη βελτιστοποίηση της απόδοσης εφαρμογών και της μείωσης του λειτουργικού κόστους.
Το Kubernetes έχει καθιερωθεί ως το πρότυπο για τη διαχείριση και ενορχήστρωση εφαρμογών που εκτελούνται σε containers, σε περιβάλλοντα υπολογιστικού νέφους. Ένας Kubernetes cluster επιτρέπει την ανάπτυξη εφαρμογών βασισμένων σε microservices σε πολλούς virtual machines, ενω διαχειρίζεται παράλληλα την επικοινωνία μεταξύ των διαφόρων virtual machines.
Ωστόσο, ο προεπιλεγμένος scheduler του Kubernetes βασίζεται κυρίως σε στατικά κριτήρια. Αυτό μπορεί να οδηγήσει σε μη βέλτιστες τοποθετήσεις υπηρεσιών που δεν λαμβάνουν υπόψη τα μοτίβα επικοινωνίας μεταξύ τους. Επιπλέον, οι πάροχοι υπολογιστικού νέφους χρεώνουν βάσει του όγκου των δεσμευμένων πόρων, ακόμα και αν αυτοί δεν αξιοποιούνται πλήρως. Η αύξηση της εξερχόμενης κίνησης δικτύου μπορεί επίσης να καταστήσει τις μη βέλτιστες τοποθετήσεις ιδιαίτερα δαπανηρές. Επιπροσθέτως, η εφαρμογή στρατηγικών τοποθέτησης υπηρεσιών που λαμβάνουν υπόψη μόνο την αρχική τοποθέτηση της εφαρμογής μπορεί να έχει σημαντικά αποτελέσματα στην απόδοση και το κόστος, εφόσον ο φόρτος εργασίας παραμένει σταθερός. Όμως οι σύγχρονοι φόρτοι εργασίας είναι εξαιρετικά δυναμικοί, με μοτίβα χρήσης που μπορούν να μεταβάλλονται ταχύτατα, καθιστώντας τις στατικές στρατηγικές τοποθέτησης λιγότερο αποτελεσματικές.
Στην παρούσα Διπλωματική Εργασία, εστιάσαμε στην αξιολόγηση δυναμικών στρατηγικών τοποθέτησης οι οποίες προσαρμόζονται στις μεταβολές του φόρτου εργασίας, με στόχο τη βελτιστοποίηση της απόδοσης εφαρμογών και τη μείωση του κόστους σε περιβάλλον Kubernetes. Αναπτύξαμε δύο εφαρμογές αξιολόγησης επιδόσεων (benchmarking) σε έναν Kubernetes cluster που φιλοξενείται στην πλατφόρμα Google Cloud Platform. Υλοποιήσαμε ένα εργαλείο λήψης αποφάσεων που παρακολουθεί συνεχώς τον φόρτο εργασίας για μεταβολές και, μέσω του αλγορίθμου Twin-comparison, προσδιορίζει εάν η επιλεγμένη στρατηγική τοποθέτησης χρειάζεται να επανεφαρμοστεί. Για την αξιολόγηση της απόδοσης των δυναμικών στρατηγικών τοποθέτησης, προσαρμόσαμε τους προεπιλεγμένους φόρτους εργασίας των εφαρμογών αξιολόγησης ώστε να παρουσιάζουν υψηλή μεταβλητότητα.
Αξιολογήσαμε τρεις διαφορετικούς αλγορίθμους τοποθέτησης και συγκρίναμε την απόδοση και την οικονομική τους αποδοτικότητα σε σύγκριση με τον προεπιλεγμένο scheduler του Kubernetes, καθώς και με σενάρια χωρίς επανατοποθέτηση. Τα πειραματικά αποτελέσματα δείχνουν ότι οι δυναμικές στρατηγικές τοποθέτησης μπορούν να βελτιώσουν σημαντικά την απόδοση εφαρμογών και να μειώσουν το κόστος σε περιβάλλον Kubernetes. Επιπλέον, καταδεικνύουμε ότι η αποτελεσματικότητα των δυναμικών στρατηγικών τοποθέτησης εξαρτάται από τα συγκεκριμένα χαρακτηριστικά του φόρτου εργασίας. Σε περίπτωση στατικών φόρτων εργασίας, η εφάπαξ βελτιστοποίηση τοποθέτησης μπορεί να αποδειχθεί επαρκής, ενώ σε εξαιρετικά δυναμικούς φόρτους εργασίας, η απουσία προσαρμογής στις μεταβολές μπορεί να έχει σημαντικές αρνητικές συνέπειες.

Abstract 
The software development industry is evolving. The rise of cloud computing, containerization, and microservices-based architectures has introduced new challenges when optimizing application performance and operational costs.
Kubernetes has become the industry standard for orchestrating containerized applications in cloud environments. A Kubernetes cluster allows deploying microservices-based applications across multiple hosts (VMs) while managing communication between the various VMs. 
However, the default Kubernetes scheduler relies primarily on static criteria. This can lead to sub-optimal placements that do not take into account the communication patterns between services. Moreover, cloud providers charge based on the amount of used resources even if they are not fully utilized. Also, the increase in outbound network traffic can also make non optimal placements costly. Furthermore, applying service placement strategies that only consider the initial deployment of the application can have significant results on application performance and cost if the workload remains constant.  But todays workloads are highly dynamic, with traffic patterns that can change rapidly, making static placement strategies less effective.
In this Thesis, we focused on the evaluation of dynamic placement strategies which adapt to workload changes in order to optimize application performance and cost in a Kubernetes environment. We have deployed two benchmarking applications in a Kubernetes cluster hosted in the Google Cloud Platform. We have implemented a decision making tool that continuously monitors workload for changes and by using the Twin-comparison algorithm determines if the selected placement strategy needs to be reapplied. To evaluate the performance of dynamic placement strategies, we have adapted the default workloads of the benchmarking applications to be highly volatile.
We evaluated three different placement algorithms and compared their performance and cost-effectiveness with the default Kubernetes scheduler, as well as against scenarios without any re-placement. The experimental results show that dynamic placement strategies can significantly improve application performance and reduce costs in a Kubernetes environment. Additionally, we show that the effectiveness of dynamic placement strategies depends on the specific workload characteristics. In case of static workloads, the one-time placement optimization can be sufficient, while in highly dynamic workloads can have significant drawbacks if not adapted to workload changes. 

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αναστασίου Γεωργίου

με θέμα

Αξιολόγηση και Μοντελοποίηση Τεχνολογίας SiC MOSFET για Εφαρμογές σε Υψηλές Θερμοκρασίες
Evaluation and Modeling of SiC MOSFET Τechnology for High Temperature Applications

Εξεταστική Επιτροπή
Καθηγητής Ματτίας Μπούχερ (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας

Περίληψη
Τα τελευταία χρόνια, οι διατάξεις βασισμένες σε ημιαγωγούς ευρέος ενεργειακού χάσματος (wide bandgap semiconductors) όπως το 4H-SiC, χρησιμοποιούνται ολοένα και περισσότερο σε εφαρμογές ισχύος και υψηλής ϑερμοκρασίας, λόγω του μεγάλου ενεργειακού χάσματος, της αντοχής σε υψηλά ηλεκτρικά πεδία και της βελτιωμένης ϑερμικής τους συμπεριφοράς σε σύγκριση με το πυρίτιο.
Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία επικεντρώνεται στην αξιολόγηση και μοντελοποίηση MOSFET τεχνολογίας 2μm 4H-SiC για λειτουργία σε αυξημένες ϑερμοκρασίες. Τα υπό μελέτη δείγματα προέρχονται από το Γερμανικό Ερευνητικό Ινστιτούτο Fraunhofer IISB, ενώ οι ηλεκτρικές μετρήσεις πραγματοποιήθηκαν στο εργαστήριο σε ϑερμοκρασιακό εύρος από 25 ⁰C έως 150 ⁰C.
Η εργασία βασίζεται στο μοντέλο EKV για την περιγραφή της λειτουργίας των διατάξεων με έμφαση στη ϑερμοκρασιακή εξάρτηση βασικών φυσικών παραμέτρων και στη βελτίωση της περιγραφής της συμπεριφοράς του καναλιού. Πραγματοποιείται εξαγωγή παραμέτρων από μετρήσεις C–V και I–V, ενώ το Low-Field Mobility εξάγεται προκειμένου να μελετηθεί η μεταβολή της κινητικότητας με την αύξηση της ϑερμοκρασίας και να αξιολογηθεί η επίδραση ϑερμικών φαινομένων στη λειτουργία των διατάξεων.
Η ανάλυση αναδεικνύει διαφοροποίηση στη νόθευση μεταξύ NMOS και PMOS διατάξεων με τις συσκευές PMOS να παρουσιάζουν ενδείξεις Non-Uniform Doping γεγονός που οδηγεί σε επέκταση του βασικού μοντέλου. Το προτεινόμενο μοντέλο επιτυγχάνει βελτιωμένη προσέγγιση με τα πειραματικά δεδομένα και συμβάλλει στην ακριβέστερη κατανόηση της συμπεριφοράς των SiC MOSFET σε συνθήκες υψηλής ϑερμοκρασίας.

Abstract 
In recent years, devices based on wide bandgap semiconductors, such as 4H-SiC have been increasingly used in power and high-temperature applications due to their large bandgap, high electric field strength and improved thermal performance compared to silicon.
In this context, the present diploma thesis focuses on the evaluation and modeling of 2μm 4H-SiC MOSFET technology for operation at elevated temperatures. The devices under study were provided by the German Research Institute Fraunhofer IISB and the electrical measurements were performed at the laboratory over a temperature range from 25 ⁰C to 150 ⁰C.
The work is based on the EKV MOSFET model for describing device operation with emphasis on the temperature dependence of key physical parameters and on improving the description of channel behavior. Parameter extraction is performed using C–V and I–V measurements, while the low-field mobility is extracted in order to study how mobility changes with increasing temperature and to evaluate the impact of thermal effects on device performance.
The analysis reveals differences in doping profiles between NMOS and PMOS devices with the PMOS devices showing clear indications of Non-Uniform Doping. This observation leads to an extension of the basic model. The proposed model achieves an improved fit with the experimental data and contributes to a more accurate understanding of the behavior of SiC MOSFETs under high-temperature operating conditions.

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Ευαγγελόπουλου

με θέμα
Διερεύνηση και Ανάπτυξη Αποτελεσματικού Federated Learning για την Πρόβλεψη της Ατμοσφαιρικής Ρύπανσης
Investigating and Developing Efficient Federated Learning for Air Pollution Prediction

Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (επιβλέπων)
Καθηγητής Γεώργιος Χαλκιαδάκης
Επίκουρος Καθηγητής Νικόλαος Γιατράκος
    
Περίληψη
Η ατμοσφαιρική ρύπανση αποτελεί εδώ και καιρό σημαντική απειλή για τη δημόσια υγεία στην περιοχή της Δυτικής Μακεδονίας στην Ελλάδα, μια απειλή που αποδίδεται στην εξόρυξη λιγνίτη και στα έντονα μολυσμένα αέρια που εκπέμπονται κατά την καύση του για την παραγωγή ηλεκτρικής ενέργειας. Ενώ οι σύγχρονες συσκευές του Διαδικτύου των Πραγμάτων (IoT) προσφέρουν δυνατότητες λεπτομερούς παρακολούθησης, οι συμβατικές κεντρικοποιημένες προσεγγίσεις μηχανικής μάθησης που χρησιμοποιούνται για την πρόβλεψη της ποιότητας του αέρα αντιμετωπίζουν δυσκολίες όσον αφορά το απόρρητο των δεδομένων και σημαντικά ζητήματα εύρους ζώνης (bandwidth) κατά την κλιμάκωση σε μεγάλες ποσότητες συλλεγόμενων δεδομένων.
Αυτή η διπλωματική εργασία προτείνει και αξιολογεί ένα πλαίσιο Ομόσπονδης Μάθησης (Federated Learning - FL) με προστασία του απορρήτου για την πρόβλεψη της συγκέντρωσης PM2.5 στην ατμόσφαιρα. Χρησιμοποιώντας μια αρχιτεκτονική Long Short-Term Memory (LSTM), το μοντέλο εκπαιδεύτηκε σε έξι διαφορετικούς σταθμούς ατμοσφαιρικών μετρήσεων που βρίσκονται στο Αμύνταιο, τον Φιλώτα, την Κοιλάδα, την Κάτω Κώμη, τα Πετρανά και την Ποντοκώμη, χρησιμοποιώντας ιστορικά ωριαία δεδομένα που καλύπτουν την περίοδο 2019-2025.
Τα πειραματικά αποτελέσματα δείχνουν ότι η προσέγγιση του ομόσπονδου μοντέλου LSTM επιτυγχάνει Μέσο Απόλυτο Σφάλμα (MAE) 1,75 μg/m³. Συγκρίνοντας το με την κεντρικοποιημένη προσέγγιση (MAE 1,41 μg/m³), παρατηρούμε έναν συμβιβασμό (trade-off) περίπου 0,34 μg/m³. Αν και ελαφρώς υψηλότερη, η απόδοση του μοντέλου παραμένει συγκρίσιμη με το κεντρικοποιημένο «χρυσό πρότυπο» (MAE 1,41 μg/m³). Επιπλέον, η σύγκριση του μοντέλου LSTM με τις αρχιτεκτονικές GRU και SimpleRNN βοηθά στην επιβεβαίωση του LSTM ως ανώτερου μοντέλου, καθώς παρέχει μεγαλύτερη σταθερότητα κατά τη διαδικασία ενσωμάτωσης (aggregation) με τυπική απόκλιση 0,019.
Όσον αφορά την αποδοτικότητα του δικτύου, η μελέτη διαπιστώνει ότι ενώ η Ομόσπονδη Μάθηση (FL) παρέχει ουδέτερο κόστος εύρους ζώνης για ωριαίες αναφορές, αποδίδει μια θεωρητική μείωση του εύρους ζώνης κατά 98,1% εάν μεταβαίναμε σε μετρήσεις επιπέδου λεπτού. Αυτά τα ευρήματα επιβεβαιώνουν ότι η Ομόσπονδη Μάθηση προσφέρει μια κλιμακώσιμη λύση, συμβατή με τους κανόνες απορρήτου, για την περιβαλλοντική παρακολούθηση σε ετερογενείς βιομηχανικές περιοχές.

Abstract 
Air pollution has long posed a major public health threat in the region of Western Macedonia in Greece, a threat that is attributed to lignite mining and heavily polluted gases that are emitted during lignite burning to produce electricity. While modern Internet of Things (IoT) devices offer granular monitoring capabilities, conventional centralized machine learning approaches used for air quality prediction struggle with data privacy and major bandwidth concerns when scaling to large amounts of collected data. 
This thesis proposes and evaluates a privacy preserving Federated Learning (FL) Framework for forecasting PM2.5 concentration in the atmosphere. Making use of a Long Short-Term Memory (LSTM) architecture, the model was trained across six different atmospheric measuring stations located in Amyntaio, Filotas, Koilada, Kato Komi, Petrana and Pontokomi, using historical hourly data spanning 2019-2025. 
Experimental results showcase that the Federated LSTM model approach achieves a Mean Absolute Error (MAE) of 1.75 μg/m³. Comparing that to the centralized approach (MAE 1.41 μg/m³) we observe a trade-off of approximately 0.34 μg/m³. While slightly higher, the model's performance remains comparable to the centralized 'gold standard' (MAE 1.41 μg/m³). Furthermore, comparing the LSTM model against GRU and SimpleRNN architectures helps us confirm LSTM as the superior model as it provides more stability during the aggregation process with a standard deviation of 0.019.
In terms of network efficiency, the study establishes that while FL provides neutral bandwidth costs for hourly reporting, it yields a theoretical bandwidth reduction of 98.1% if we were to switch to minute level measurements. These findings confirm that Federated Learning offers a scalable, privacy-compliant solution for environmental monitoring in heterogeneous industrial regions.

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΑΘΑΝΑΣΙΟΥ ΠΕΓΚΟΥ

με θέμα

Διερεύνηση Αναδιαμορφώσιμων Λύσεων Προσανατολισμένων στο Υλικό για την Ταυτόχρονη ή Σχεδόν Ταυτόχρονη Εφαρμογή Επεκτάσιμων Container σε Υλικό

Investigating Reconfigurable Hardware-Oriented Solutions for the Concurrent or Near-Concurrent Implementation of hw-extended Containers

Εξεταστική Επιτροπή

Καθηγητής Σωτήριος Ιωαννίδης (Επιβλέπων)
Ομότιμος Καθηγητής Απόστολος Δόλλας
Δρ. Κωνσταντίνος Γεωργόπουλος

Περίληψη

Το ARCHON είναι ένα client-server framework που υποστηρίζει hardware extended containers και τρέχει σε AMD Zynq UltraScale+ MPSoC ZCU102 πλακέτες. Επιτρέπει σε πολλαπλούς χρήστες να εκτελούν Linux containers με ανεξάρτητη πρόσβαση σε περιοχές της FPGA, ταυτόχρονα. Κάθε χρήστης μπορεί να φορτώσει το δικό του bitstream στην περιοχή του, χρησιμοποιώντας την τεχνολογία Dynamic Function eXchange, χωρίς να επηρεάζει τους υπόλοιπους χρήστες. Η επικοινωνία μεταξύ client και server προστατεύεται με mTLS, τα Dockerfiles μεταφέρονται κρυπτογραφημένα με AES-256-CBC και ο client υποστηρίζει TPM 2.0 για αποθήκευση των ιδιωτικών κλειδιών σε hardware. Παρέχεται επίσης ένα δημόσιο client API για ενσωμάτωση με εφαρμογές τρίτων. Το σύστημα αξιολογήθηκε υλοποιώντας ένα demo με 4 χρήστες που εκτελούνταν ταυτόχρονα στην ίδια πλατφόρμα. Τα αποτελέσματα επιβεβαίωσαν ότι η μερική επαναδιαμόρφωση του FPGA, η κρυπτογραφημένη μεταφορά αρχείων και η διαχείριση Linux containers λειτουργούν σωστά και ανεξάρτητα για κάθε χρήστη.

Abstract 

ARCHON is a client-server framework that supports hardware-extended containers and runs on AMD Zynq UltraScale+ MPSoC ZCU102 boards. It allows multiple users to execute Linux containers with independent access to FPGA regions, simultaneously. Each user can load their bitstream in assigned FPGA region, using Dynamic Function eXchange technology, without affecting other users that use the FPGA. The communication between client and server is protected using mTLS, Dockerfiles are transferred encrypted using AES-256-CBC and the client supports TPM 2.0 for hardware storage of private keys. A public client API is also provided for third-party application integration. The system was evaluated with a demo of 4 users that use the same platform simultaneously. The results confirm that for each user, the partial reconfiguration of FPGA, the encrypted file transfer and Linux containers management, work correctly and independently.