Page 95 - 《软件学报》2025年第5期

温金凤 等: 服务器无感知平台性能度量研究 1995

我们进一步分析了各个平台的成本计算方式. 成本主要由两部分组成: 调用次数成本和资源使用量成本. 在调
用次数成本方面, 观察到各个平台的单次调用价格相差不大. 具体来说, 亚马逊 Lambda、微软 Azure Functions 和
阿里巴巴 Function Compute 的单次调用价格均为 0.000 000 2 美元, 而谷歌 Cloud Functions 的单次调用价格为
0.000 000 4 美元. 在资源使用量成本方面, 各个平台的每秒资源使用价格也相近. 这里的每秒资源使用价格是基于
每 1 GB 内存大小和平台在此内存大小分配的 vCPU 大小下函数每秒所要花费的成本. 具体来说, 亚马逊 Lambda
的每秒资源使用价格为 0.000 016 66 美元, 谷歌 Cloud Functions 的每秒资源使用价格为 0.000 016 50 美元, 微软
Azure Functions 的价格是 0.000 016 00 美元, 阿里巴巴 Function Compute 的价格为 0.000 016 68 美元. 总之, 各平台
计费单价相差不大. 因此, 在内存大小一致的情况下, 任务成本的大小主要取决于平台执行该任务的执行时间. 基
于此, 我们得出了任务执行时间较短的平台也将让开发者支付相对低的成本.
发现: 微基准测试程序旨在消耗服务器无感知平台特定资源, 例如 CPU、内存、磁盘读写和网络. 不同平台
在执行性能方面表现不一致. 结果显示, 微软 Azure Functions 提供了最快的速度, 可能是因为该平台采用了与其他
平台不同的内存消耗策略, 而且基于更快的执行性能, 在微软 Azure Functions 上花费更低的成本. 对于其他 3 个采
用基于内存提前分配策略的平台而言, 阿里巴巴 Function Compute 可以获得相对较快的执行速度和相对较低的成
本. 然而, 考虑平台的执行性能稳定性, 不同平台在执行不同类型任务时的稳定性表现不一致. 举例来说, CPU 密
集型任务和网络密集型任务在亚马逊 Lambda 和阿里巴巴 Function Compute 上执行更为稳定, 而内存密集型任务
在亚马逊 Lambda 上执行更为稳定, 磁盘 IO 密集型任务在亚马逊 Lambda 和微软 Azure Functions 上执行更为稳
定. 总体而言, 亚马逊 Lambda 在这些特定资源消耗任务上表现出较好的稳定性, 但该平台的执行速度不总是最优
的. 如果同时考虑执行速度和执行稳定性, 目前还没有能够同时满足这两个需求的服务器无感知平台. 这意味着根
据具体任务需求, 需要在执行速度和执行稳定性之间进行权衡选择适合的平台.
(2) 宏基准测试程序的执行性能: 表 8、图 12 和图 13 展示宏基准测试程序在不同平台上执行性能. 我们将详
细分析图片处理任务、语音识别任务、图计算任务、机器学习训练任务和机器学习推理任务执行性能.

表 8 宏基准测试程序的执行性能结果和成本

任务缩写 执行性能 亚马逊 谷歌 微软 阿里巴巴
表示 Lambda Cloud Functions Azure Functions Function Compute
中位数 (ms) 3 365.12 3 619.12 1 087.19 2 998.17
成本 (美元) 0.007 21 0.007 86 0.002 37 0.006 45
Image_task
上四分位数 (ms) 3 443.24 3 826.90 1 169.21 3 190.15
下四分位数 (ms) 3 286.33 3 475.99 1 009.83 1 076.59
中位数 (ms) 52 449.17 41 583.70 21 448.06 48 505.30
成本 (美元) 0.437 28 0.343 47 0.134 25 0.404 73
Speech_task
上四分位数 (ms) 53 508.18 43 590.91 22 237.16 50 746.99
下四分位数 (ms) 51 500.23 39 742.40 17 910.65 46 329.59
中位数 (ms) 897.08 282.01 59.89 196.65
成本 (美元) 0.002 07 0.000 98 0.000 32 0.000 61
Graph_task
上四分位数 (ms) 2 174.70 356.61 94.22 273.28
下四分位数 (ms) 238.88 221.64 34.77 144.64
中位数 (ms) 37 949.61 40 856.46 11 985.54 35 950.95
成本 (美元) 0.316 45 0.337 47 0.075 11 0.300 03
Train_task
上四分位数 (ms) 38 505.36 42 207.05 14 337.24 36 720.12
下四分位数 (ms) 37 526.99 39 706.88 11 517.34 35 324.74
中位数 (ms) 12 855.08 11 254.29 5 130.30 11 126.94
成本 (美元) 0.107 33 0.093 25 0.032 26 0.093 00
Inference_task
上四分位数 (ms) 13 000.32 12 043.46 5 815.84 11 513.01
下四分位数 (ms) 12 716.57 10 836.63 4 888.98 10 753.17