論文の概要: Monolith to Microservices: Representing Application Software through Heterogeneous GNN

• arxiv url: http://arxiv.org/abs/2112.01317v1
• Date: Wed, 1 Dec 2021 15:27:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-04 12:40:45.147610
• Title: Monolith to Microservices: Representing Application Software through Heterogeneous GNN
• Title（参考訳）: モノリスからマイクロサービスへ - 異種GNNによるアプリケーションソフトウェア表現
• Authors: Alex Mathai, Sambaran Bandyopadhyay, Utkarsh Desai, Srikanth Tamilselvam
• Abstract要約: マイクロサービスアーキテクチャは、複数の小さな疎結合な機能サービスを通じてアプリケーションを構築することを提唱するにつれて、ますます使われています。 このアプローチは、クラウドベースのアプリケーションにとって、プログラミングアーキテクチャを自然な選択肢としています。 しかし、既に記述されているモノリスコードの機能モジュールの自動分離の課題は、移行タスクを遅くする。 我々は、この従来のアプリケーション問題を異種グラフベースのクラスタリングタスクに推論する。 私たちのソリューションは、異種グラフニューラルネットワークを活用して、このような多様なソフトウェアエンティティの表現を学習する最初の方法です。
• 参考スコア（独自算出の注目度）: 11.381828510219897
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monolith software applications encapsulate all functional capabilities into a single deployable unit. While there is an intention to maintain clean separation of functionalities even within the monolith, they tend to get compromised with the growing demand for new functionalities, changing team members, tough timelines, non-availability of skill sets, etc. As such applications age, they become hard to understand and maintain. Therefore, microservice architectures are increasingly used as they advocate building an application through multiple smaller sized, loosely coupled functional services, wherein each service owns a single functional responsibility. This approach has made microservices architecture as the natural choice for cloud based applications. But the challenges in the automated separation of functional modules for the already written monolith code slows down their migration task. Graphs are a natural choice to represent software applications. Various software artifacts like programs, tables and files become nodes in the graph and the different relationships they share, such as function calls, inheritance, resource(tables, files) access types (Create, Read, Update, Delete) can be represented as links in the graph. We therefore deduce this traditional application decomposition problem to a heterogeneous graph based clustering task. Our solution is the first of its kind to leverage heterogeneous graph neural network to learn representations of such diverse software entities and their relationships for the clustering task. We study the effectiveness by comparing with works from both software engineering and existing graph representation based techniques. We experiment with applications written in an object oriented language like Java and a procedural language like COBOL and show that our work is applicable across different programming paradigms.
• Abstract（参考訳）: モノリスソフトウェアアプリケーションは、すべての機能を単一のデプロイ可能なユニットにカプセル化する。 モノリス内でも機能のクリーンな分離を維持するという意図はあるが、新たな機能に対する需要の増加、チームメンバの変更、厳しいタイムライン、スキルセットの非使用性といった問題に陥りがちである。 このようなアプリケーションの老朽化に伴って,理解や維持が困難になるのです。 そのため、マイクロサービスアーキテクチャは、複数の小さな疎結合な機能サービスを通じてアプリケーションを構築することを提唱するにつれて、ますます使われています。 このアプローチは、マイクロサービスアーキテクチャをクラウドベースのアプリケーションにとって自然な選択にしました。 しかし、すでに記述されたモノリスコードの機能モジュールの自動分離における課題は、マイグレーションタスクを遅くする。 グラフはソフトウェアアプリケーションを表現するための自然な選択です。 プログラム、テーブル、ファイルといった様々なソフトウェアアーティファクトがグラフのノードとなり、関数呼び出し、継承、リソース(テーブル、ファイル)アクセスタイプ(生成、読み取り、更新、削除)はグラフのリンクとして表現できる。 したがって、この従来のアプリケーション分解問題をヘテロジニアスグラフに基づくクラスタリングタスクに導出する。 私たちのソリューションは、異種グラフニューラルネットワークを活用して、そのような多様なソフトウェアエンティティの表現とクラスタリングタスクとの関係を学習する最初の方法です。 本研究は,ソフトウェア工学と既存グラフ表現に基づく手法の両分野の成果とを比較して有効性を検討した。 我々は、Javaのようなオブジェクト指向言語やCOBOLのような手続き型言語で書かれたアプリケーションを実験し、我々の作業が異なるプログラミングパラダイムにまたがって適用可能であることを示す。

関連論文リスト

• RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
  RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。 RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
  論文  参考訳（メタデータ） (2024-10-03T05:45:26Z)
• CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases [13.733229886643041]
  大きな言語モデル(LLM)は、HumanEvalやMBPPのようなスタンドアロンのコードタスクに優れていますが、コードリポジトリ全体の処理に苦労しています。 類似性に基づく検索は複雑なタスクではリコールが低いことが多いが、手動ツールやAPIは通常タスク固有であり、専門家の知識を必要とする。 我々は,LLMエージェントをコードリポジトリから抽出したグラフデータベースインターフェースと統合するシステムであるCodexGraphを紹介する。
  論文  参考訳（メタデータ） (2024-08-07T17:13:59Z)
• Can Graph Learning Improve Planning in LLM-based Agents? [61.47027387839096]
  言語エージェントにおけるタスクプランニングは、大規模言語モデル(LLM)の開発とともに重要な研究トピックとして浮上している。 本稿では,課題計画のためのグラフ学習に基づく手法について検討する。 我々のグラフ学習への関心は、注意のバイアスと自己回帰的損失が、グラフ上の意思決定を効果的にナビゲートするLLMの能力を妨げているという理論的な発見に起因している。
  論文  参考訳（メタデータ） (2024-05-29T14:26:24Z)
• ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
  我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。 フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-10-26T21:57:21Z)
• Handling Communication via APIs for Microservices [6.5499625417846685]
  本稿では,従来の通信技術による課題について論じ,API経由のIDパスの代替手法を提案する。 また,API数を削減するアルゴリズムも考案した。
  論文  参考訳（メタデータ） (2023-08-02T17:40:34Z)
• Neural Graph Reasoning: Complex Logical Query Answering Meets Graph Databases [63.96793270418793]
  複雑な論理クエリ応答(CLQA)は、グラフ機械学習の最近登場したタスクである。 ニューラルグラフデータベース(NGDB)の概念を紹介する。 NGDBはNeural Graph StorageとNeural Graph Engineで構成されている。
  論文  参考訳（メタデータ） (2023-03-26T04:03:37Z)
• Graph-PHPA: Graph-based Proactive Horizontal Pod Autoscaling for Microservices using LSTM-GNN [4.4345763263216895]
  Graph-PHPAは、クラウドリソースを割り当てるためのグラフベースのプロアクティブ自動スケーリング戦略である。 本稿では,ルールベースのリソース割り当て方式をベースラインとして,Graph-PHPAの有効性を実証する。
  論文  参考訳（メタデータ） (2022-09-06T14:57:53Z)
• Arch-Graph: Acyclic Architecture Relation Predictor for Task-Transferable Neural Architecture Search [96.31315520244605]
  Arch-Graphはタスク固有の最適アーキテクチャを予測するトランスファー可能なNASメソッドである。 Arch-Graphの転送性と,多数のタスクにわたる高いサンプル効率を示す。 わずか50モデルの予算の下で、2つの検索スペースで平均して0.16%と0.29%のアーキテクチャを見つけることができる。
  論文  参考訳（メタデータ） (2022-04-12T16:46:06Z)
• Mapping the Internet: Modelling Entity Interactions in Complex Heterogeneous Networks [0.0]
  サンプル表現、モデル定義、トレーニングのための汎用性のある統一フレームワークHMill'を提案します。 フレームワークに実装されたモデルによって実現されたすべての関数の集合に対する普遍近似定理の拡張を示す。 このフレームワークを使ってサイバーセキュリティドメインから3つの異なる問題を解決する。
  論文  参考訳（メタデータ） (2021-04-19T21:32:44Z)
• Graph Neural Network to Dilute Outliers for Refactoring Monolith Application [12.43382998243009]
  ソフトウェアをよりよく理解するために,コードコンテキストにおけるグラフネットワークの最近の進歩に適応する新しい手法を提案する。 我々のソリューションは、ソフトウェア工学と既存のグラフ表現に基づく技術の両方の成果と比較して、最先端のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2021-02-07T16:00:27Z)
• MetaPerturb: Transferable Regularizer for Heterogeneous Tasks and Architectures [61.73533544385352]
  本稿ではメタパーターブ(MetaPerturb)というトランスファー可能な摂動モデルを提案する。 MetaPerturbは、レイヤやタスクにまたがる多様な分散を訓練したセット関数であるため、異種タスクやアーキテクチャを一般化することができる。
  論文  参考訳（メタデータ） (2020-06-13T02:54:59Z)

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。