論文の概要: Automatic Cause Detection of Performance Problems in Web Applications

• arxiv url: http://arxiv.org/abs/2103.04954v1
• Date: Mon, 8 Mar 2021 18:17:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-09 15:10:33.455866
• Title: Automatic Cause Detection of Performance Problems in Web Applications
• Title（参考訳）: webアプリケーションにおける性能問題の自動原因検出
• Authors: Quentin Fournier, Naser Ezzati-Jivan, Daniel Aloise, and Michel R. Dagenais
• Abstract要約: 本稿では,Webリクエストの内部動作を抽出する手法を提案し,Webリクエストにおけるパフォーマンス問題を検出するパイプラインを提案する。 実験の結果、このパイプラインは、遅いWebリクエストを検出し、真の根本原因に関する洞察を提供することができることがわかった。
• 参考スコア（独自算出の注目度）: 1.749935196721634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The execution of similar units can be compared by their internal behaviors to determine the causes of their potential performance issues. For instance, by examining the internal behaviors of different fast or slow web requests more closely and by clustering and comparing their internal executions, one can determine what causes some requests to run slowly or behave in unexpected ways. In this paper, we propose a method of extracting the internal behavior of web requests as well as introduce a pipeline that detects performance issues in web requests and provides insights into their root causes. First, low-level and fine-grained information regarding each request is gathered by tracing both the user space and the kernel space. Second, further information is extracted and fed into an outlier detector. Finally, these outliers are then clustered by their behavior, and each group is analyzed separately. Experiments revealed that this pipeline is indeed able to detect slow web requests and provide additional insights into their true root causes. Notably, we were able to identify a real PHP cache contention using the proposed approach.
• Abstract（参考訳）: 同様のユニットの実行は、内部動作によって比較して、潜在的なパフォーマンス問題の原因を決定することができる。 例えば、異なる高速あるいは遅いWebリクエストの内部動作をより詳しく調べ、クラスタ化して内部実行を比較することで、いくつかのリクエストがゆっくりと実行されたり、予期しない方法で動作したりする原因を判断できます。 本稿では、Webリクエストの内部動作を抽出する手法を提案するとともに、Webリクエストのパフォーマンス上の問題を検出し、その根本原因に関する洞察を提供するパイプラインを導入する。 まず、ユーザ空間とカーネル空間の両方をトレースすることで、各要求に関する低レベルかつきめ細かい情報を収集する。 第二に、さらなる情報が抽出され、異常検知器に供給される。 最後に、これらの外れ値が振る舞いによってクラスタ化され、各グループは別々に分析される。 実験の結果、このパイプラインは、遅いWebリクエストを検出し、真の根本原因に関する洞察を提供することができることがわかった。 特に、提案したアプローチを使って、実際のPHPキャッシュ競合を特定できた。

関連論文リスト

• Likelihood as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
  言語モデルの性能の効果的な指標としての可能性を示す。 提案手法は,より優れた性能をもたらすプロンプトの選択と構築のための尺度として,疑似可能性を利用する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T13:14:09Z)
• PARIS: A Practical, Adaptive Trace-Fetching and Real-Time Malicious Behavior Detection System [6.068607290592521]
  本稿では,適応的トレースフェッチ,軽量かつリアルタイムな悪意ある行動検出システムを提案する。 具体的には、Event Tracing for Windows (ETW)で悪意ある振る舞いを監視し、悪意のあるAPIやコールスタックを選択的に収集することを学ぶ。 その結果、より広い範囲のAPIを監視し、より複雑な攻撃行動を検出することができる。
  論文  参考訳（メタデータ） (2024-11-02T14:52:04Z)
• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• Spatial-Temporal Graph Enhanced DETR Towards Multi-Frame 3D Object Detection [54.041049052843604]
  STEMDは,多フレーム3Dオブジェクト検出のためのDETRのようなパラダイムを改良した,新しいエンドツーエンドフレームワークである。 まず、オブジェクト間の空間的相互作用と複雑な時間的依存をモデル化するために、空間的時間的グラフアテンションネットワークを導入する。 最後に、ネットワークが正のクエリと、ベストマッチしない他の非常に類似したクエリを区別することが課題となる。
  論文  参考訳（メタデータ） (2023-07-01T13:53:14Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Accelerating Deep Learning Classification with Error-controlled Approximate-key Caching [72.50506500576746]
  我々は、近似キーキャッシングと名付けた新しいキャッシングパラダイムを提案する。 近似キャッシュはDL推論の負荷を軽減し、システムのスループットを向上するが、近似誤差を導入する。 我々は古典的なLRUと理想的なキャッシュのキャッシュシステム性能を解析的にモデル化し、期待される性能のトレース駆動評価を行い、提案手法の利点を最先端の類似キャッシュと比較した。
  論文  参考訳（メタデータ） (2021-12-13T13:49:11Z)
• On Improving Deep Learning Trace Analysis with System Call Arguments [1.3299507495084417]
  カーネルトレースは名前と複数の引数からなる低レベルのイベントのシーケンスである。 埋め込みとエンコーディングの両方を用いて、イベント名の表現と引数を学習するための一般的なアプローチを導入する。
  論文  参考訳（メタデータ） (2021-03-11T19:26:34Z)
• DNS Covert Channel Detection via Behavioral Analysis: a Machine Learning Approach [0.09176056742068815]
  本稿では,ネットワーク監視システムから受動的に抽出されたDNSネットワークデータの解析に基づいて,効果的な隠蔽チャネル検出手法を提案する。 提案手法は15日間の実験実験で評価され,最も関連する流出・トンネル攻撃をカバーするトラフィックを注入した。
  論文  参考訳（メタデータ） (2020-10-04T13:28:28Z)
• Theory-Inspired Path-Regularized Differential Network Architecture Search [206.93821077400733]
  差分アーキテクチャサーチ(DARTS)における高速ネットワーク最適化に対するスキップ接続の影響と,他のタイプの操作に対する競争上の優位性について検討する。 i)操作間の不当競争を避けるために各操作に導入された差分群構造スパース二乗ゲートと,(ii)浅部より収束する深部アーキテクチャの探索を誘導するために用いられる経路深度正規化の2つの主要なモジュールからなる理論に着想を得た経路規則化DARTSを提案する。
  論文  参考訳（メタデータ） (2020-06-30T05:28:23Z)
• Video Monitoring Queries [16.7214343633499]
  ビデオストリーム上での対話型宣言型クエリ処理の問題について検討する。 特定のタイプのオブジェクトを含むクエリを高速化するために、近似フィルタのセットを導入します。 フィルタは、クエリ述語が真実であれば素早く評価でき、フレームのさらなる分析を進めることができる。
  論文  参考訳（メタデータ） (2020-02-24T20:53:35Z)
• An Intelligent and Time-Efficient DDoS Identification Framework for Real-Time Enterprise Networks SAD-F: Spark Based Anomaly Detection Framework [0.5811502603310248]
  我々は、異なる機械学習技術を用いたDDoS異常検出のためのセキュリティ解析技術について検討する。 本稿では,システムへの入力として実際のトラフィックを扱う新しいアプローチを提案する。 提案するフレームワークの性能要因を3つの異なるテストベッドで検討・比較する。
  論文  参考訳（メタデータ） (2020-01-21T06:05:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。