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:20260416T073400Z
UID:1776314040@tuc.gr
SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. 
 Θωμά Σαμούτη - Σχολή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.tuc.gr/el/to-polytechnei
 o/ilektronikes-ypiresies/imerologio/
 imerologio-ekdiloseon-1?tx_tucevents
 2_tuceventsdisplay%5Baction%5D=show&
 tx_tucevents2_tuceventsdisplay%5Bcon
 troller%5D=Event&tx_tucevents2_tucev
 entsdisplay%5Bevent%5D=8372&cHash=c0
 b21d00795fef62e96038219bfbcd51\nΠΟΛΥ
 ΤΕΧΝΕΙΟ ΚΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων 
 Μηχανικών και Μηχανικών Υπολογιστών\
 n Πρόγραμμα Προπτυχιακών Σπουδών\n Π
 ΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Θω
 μά Σαμούτη\n με θέμα\n Δυναμική τοπο
 θέτηση Μικρουπηρεσιών στο Kubernetes
 \n Dynamic Scheduling of Microservic
 es in Kubernetes\n Εξεταστική Επιτρο
 πή\n Καθηγητής Ευριπίδης Πετράκης (ε
 πιβλέπων)\n Καθηγητής Μιχαήλ Λαγουδά
 κης\n Αναπληρωτής Καθηγητής Βασίλειο
 ς Σαμολαδάς\n Περίληψη\n Η βιομηχανί
 α ανάπτυξης λογισμικού εξελίσσεται σ
 υνεχώς. Η άνοδος του υπολογιστικού ν
 έφους, η χρήση τεχνολογίας container
 s και οι αρχιτεκτονικές βασισμένες σ
 ε microservices έχουν εισαγάγει νέες
  προκλήσεις για τη βελτιστοποίηση τη
 ς απόδοσης εφαρμογών και της μείωσης
  του λειτουργικού κόστους.\n Το Kube
 rnetes έχει καθιερωθεί ως το πρότυπο
  για τη διαχείριση και ενορχήστρωση 
 εφαρμογών που εκτελούνται σε contain
 ers, σε περιβάλλοντα υπολογιστικού ν
 έφους. Ένας Kubernetes cluster επιτρ
 έπει την ανάπτυξη εφαρμογών βασισμέν
 ων σε microservices σε πολλούς virtu
 al machines, ενω διαχειρίζεται παράλ
 ληλα την επικοινωνία μεταξύ των διαφ
 όρων virtual machines.\n Ωστόσο, ο π
 ροεπιλεγμένος scheduler του Kubernet
 es βασίζεται κυρίως σε στατικά κριτή
 ρια. Αυτό μπορεί να οδηγήσει σε μη β
 έλτιστες τοποθετήσεις υπηρεσιών που 
 δεν λαμβάνουν υπόψη τα μοτίβα επικοι
 νωνίας μεταξύ τους. Επιπλέον, οι πάρ
 οχοι υπολογιστικού νέφους χρεώνουν β
 άσει του όγκου των δεσμευμένων πόρων
 , ακόμα και αν αυτοί δεν αξιοποιούντ
 αι πλήρως. Η αύξηση της εξερχόμενης 
 κίνησης δικτύου μπορεί επίσης να κατ
 αστήσει τις μη βέλτιστες τοποθετήσει
 ς ιδιαίτερα δαπανηρές. Επιπροσθέτως,
  η εφαρμογή στρατηγικών τοποθέτησης 
 υπηρεσιών που λαμβάνουν υπόψη μόνο τ
 ην αρχική τοποθέτηση της εφαρμογής μ
 πορεί να έχει σημαντικά αποτελέσματα
  στην απόδοση και το κόστος, εφόσον 
 ο φόρτος εργασίας παραμένει σταθερός
 . Όμως οι σύγχρονοι φόρτοι εργασίας 
 είναι εξαιρετικά δυναμικοί, με μοτίβ
 α χρήσης που μπορούν να μεταβάλλοντα
 ι ταχύτατα, καθιστώντας τις στατικές
  στρατηγικές τοποθέτησης λιγότερο απ
 οτελεσματικές.\n Στην παρούσα Διπλωμ
 ατική Εργασία, εστιάσαμε στην αξιολό
 γηση δυναμικών στρατηγικών τοποθέτησ
 ης οι οποίες προσαρμόζονται στις μετ
 αβολές του φόρτου εργασίας, με στόχο
  τη βελτιστοποίηση της απόδοσης εφαρ
 μογών και τη μείωση του κόστους σε π
 εριβάλλον Kubernetes. Αναπτύξαμε δύο
  εφαρμογές αξιολόγησης επιδόσεων (be
 nchmarking) σε έναν Kubernetes clust
 er που φιλοξενείται στην πλατφόρμα G
 oogle Cloud Platform. Υλοποιήσαμε έν
 α εργαλείο λήψης αποφάσεων που παρακ
 ολουθεί συνεχώς τον φόρτο εργασίας γ
 ια μεταβολές και, μέσω του αλγορίθμο
 υ Twin-comparison, προσδιορίζει εάν 
 η επιλεγμένη στρατηγική τοποθέτησης 
 χρειάζεται να επανεφαρμοστεί. Για τη
 ν αξιολόγηση της απόδοσης των δυναμι
 κών στρατηγικών τοποθέτησης, προσαρμ
 όσαμε τους προεπιλεγμένους φόρτους ε
 ργασίας των εφαρμογών αξιολόγησης ώσ
 τε να παρουσιάζουν υψηλή μεταβλητότη
 τα.\n Αξιολογήσαμε τρεις διαφορετικο
 ύς αλγορίθμους τοποθέτησης και συγκρ
 ίναμε την απόδοση και την οικονομική
  τους αποδοτικότητα σε σύγκριση με τ
 ον προεπιλεγμένο scheduler του Kuber
 netes, καθώς και με σενάρια χωρίς επ
 ανατοποθέτηση. Τα πειραματικά αποτελ
 έσματα δείχνουν ότι οι δυναμικές στρ
 ατηγικές τοποθέτησης μπορούν να βελτ
 ιώσουν σημαντικά την απόδοση εφαρμογ
 ών και να μειώσουν το κόστος σε περι
 βάλλον Kubernetes. Επιπλέον, καταδει
 κνύουμε ότι η αποτελεσματικότητα των
  δυναμικών στρατηγικών τοποθέτησης ε
 ξαρτάται από τα συγκεκριμένα χαρακτη
 ριστικά του φόρτου εργασίας. Σε περί
 πτωση στατικών φόρτων εργασίας, η εφ
 άπαξ βελτιστοποίηση τοποθέτησης μπορ
 εί να αποδειχθεί επαρκής, ενώ σε εξα
 ιρετικά δυναμικούς φόρτους εργασίας,
  η απουσία προσαρμογής στις μεταβολέ
 ς μπορεί να έχει σημαντικές αρνητικέ
 ς συνέπειες.\n Abstract \n The softw
 are development industry is evolving
 . The rise of cloud computing, conta
 inerization, and microservices-based
  architectures has introduced new ch
 allenges when optimizing application
  performance and operational costs.\
 n Kubernetes has become the industry
  standard for orchestrating containe
 rized applications in cloud environm
 ents. A Kubernetes cluster allows de
 ploying microservices-based applicat
 ions across multiple hosts (VMs) whi
 le managing communication between th
 e various VMs. \n However, the defau
 lt Kubernetes scheduler relies prima
 rily on static criteria. This can le
 ad to sub-optimal placements that do
  not take into account the communica
 tion patterns between services. More
 over, cloud providers charge based o
 n the amount of used resources even 
 if they are not fully utilized. Also
 , the increase in outbound network t
 raffic can also make non optimal pla
 cements costly. Furthermore, applyin
 g service placement strategies that 
 only consider the initial deployment
  of the application can have signifi
 cant results on application performa
 nce and cost if the workload remains
  constant.  But todays workloads are
  highly dynamic, with traffic patter
 ns that can change rapidly, making s
 tatic placement strategies less effe
 ctive.\n In this Thesis, we focused 
 on the evaluation of dynamic placeme
 nt strategies which adapt to workloa
 d changes in order to optimize appli
 cation performance and cost in a Kub
 ernetes environment. We have deploye
 d two benchmarking applications in a
  Kubernetes cluster hosted in the Go
 ogle Cloud Platform. We have impleme
 nted a decision making tool that con
 tinuously monitors workload for chan
 ges and by using the Twin-comparison
  algorithm determines if the selecte
 d placement strategy needs to be rea
 pplied. To evaluate the performance 
 of dynamic placement strategies, we 
 have adapted the default workloads o
 f the benchmarking applications to b
 e highly volatile.\n We evaluated th
 ree different placement algorithms a
 nd compared their performance and co
 st-effectiveness with the default Ku
 bernetes scheduler, as well as again
 st scenarios without any re-placemen
 t. The experimental results show tha
 t dynamic placement strategies can s
 ignificantly improve application per
 formance and reduce costs in a Kuber
 netes environment. Additionally, we 
 show that the effectiveness of dynam
 ic placement strategies depends on t
 he specific workload characteristics
 . In case of static workloads, the o
 ne-time placement optimization can b
 e sufficient, while in highly dynami
 c workloads can have significant dra
 wbacks if not adapted to workload ch
 anges. \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