論文の概要: Handling Communication via APIs for Microservices
- arxiv url: http://arxiv.org/abs/2308.01302v1
- Date: Wed, 2 Aug 2023 17:40:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 15:29:16.480798
- Title: Handling Communication via APIs for Microservices
- Title(参考訳): マイクロサービスのためのAPIによる通信処理
- Authors: Vini Kanvar, Ridhi Jain and Srikanth Tamilselvam
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 6.5499625417846685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enterprises in their journey to the cloud, want to decompose their monolith
applications into microservices to maximize cloud benefits. Current research
focuses a lot on how to partition the monolith into smaller clusters that
perform well across standard metrics like coupling, cohesion, etc. However,
there is little research done on taking the partitions, identifying their
dependencies between the microservices, exploring ways to further reduce the
dependencies, and making appropriate code changes to enable robust
communication without modifying the application behaviour.
In this work, we discuss the challenges with the conventional techniques of
communication using JSON and propose an alternative way of ID-passing via APIs.
We also devise an algorithm to reduce the number of APIs. For this, we
construct subgraphs of methods and their associated variables in each class and
relocate them to their more functionally aligned microservices. Our
quantitative and qualitative studies on five public Java applications clearly
demonstrate that our refactored microservices using ID have decidedly better
time and memory complexities than JSON. Our automation reduces 40-60\% of the
manual refactoring efforts.
- Abstract(参考訳): クラウド移行中の企業は、クラウドのメリットを最大化するために、モノリスアプリケーションをマイクロサービスに分解したいと考えている。
現在の研究は、モノリスを小さなクラスタに分割して、結合や凝集など、標準的なメトリクスをまたいでうまく機能させる方法に重点を置いています。
しかしながら、パーティションの取得、マイクロサービス間の依存関係の特定、依存関係のさらなる低減方法の探求、アプリケーションの振る舞いを変更することなく堅牢な通信を可能にするための適切なコード変更など、研究はほとんど行われていません。
本稿では,JSONを用いた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。
APIの数を減らすアルゴリズムも開発しています。
そのため、各クラスにメソッドとその関連する変数のサブグラフを構築し、より機能的に整合したマイクロサービスに配置します。
5つのパブリックJavaアプリケーションに関する定量的および質的研究は、IDを使用したリファクタリングされたマイクロサービスが、JSONよりも明らかに時間とメモリの複雑さを向上したことを示している。
私たちの自動化は、手動リファクタリング作業の40-60\%を削減します。
関連論文リスト
- Automatic and Efficient Customization of Neural Networks for ML
Applications [29.391143085794184]
本稿では,ChameleonAPIを提案する。
ChameleonAPIは損失関数を使用して、各アプリケーション用にカスタマイズされたニューラルネットワークモデルを効率的にトレーニングする。
最高の商用ML APIを選択するベースラインと比較して、ChameleonAPIは間違ったアプリケーション決定を43%削減することを示す。
論文 参考訳(メタデータ) (2023-10-07T04:13:29Z) - The Microservice Dependency Matrix [0.0]
本稿では、この課題に対処するためのツールとして、依存性行列(EDM)とデータ依存性行列(DDM)を紹介します。
本稿では,これらの依存関係を自動的に追跡し,ケーススタディを通じてそれらの抽出を実証する手法を提案する。
論文 参考訳(メタデータ) (2023-09-06T07:41:00Z) - FedYolo: Augmenting Federated Learning with Pretrained Transformers [61.56476056444933]
本研究では,デバイス上での学習目標を達成するための事前学習型トランスフォーマー(PTF)について検討する。
大規模化により,代替手法間の精度ギャップが小さくなり,ロバスト性も向上することを示す。
最後に、クライアントは単一のPTFを使用して複数の無関係なタスクを同時に解決できる。
論文 参考訳(メタデータ) (2023-07-10T21:08:52Z) - Parameter-efficient Tuning of Large-scale Multimodal Foundation Model [68.24510810095802]
我々はこれらの課題を克服するために、クロスモーダル転送(Aurora)のための優雅なプロンプトフレームワークを提案する。
既存のアーキテクチャの冗長性を考慮すると、まずモード近似を用いて0.1Mのトレーニング可能なパラメータを生成し、マルチモーダルプロンプトチューニングを実装する。
6つのクロスモーダルベンチマークの徹底的な評価は、最先端のベンチマークを上回るだけでなく、完全な微調整アプローチよりも優れていることを示している。
論文 参考訳(メタデータ) (2023-05-15T06:40:56Z) - Chain-of-Skills: A Configurable Model for Open-domain Question Answering [79.8644260578301]
検索モデルは、現実世界の知識集約的なタスクに欠かせない要素である。
最近の研究はカスタマイズされたメソッドに焦点を合わせ、モデルの転送可能性とスケーラビリティを制限している。
本稿では,各モジュールがデータセット間で再利用可能なキースキルに対応するモジュールレトリバーを提案する。
論文 参考訳(メタデータ) (2023-05-04T20:19:39Z) - Reclaimer: A Reinforcement Learning Approach to Dynamic Resource
Allocation for Cloud Microservices [4.397680391942813]
要件を満たしながらCPUコアの割り当てを最小限に抑えるため,実行時の変更数や動作の変化に適応するディープラーニングモデルであるReclaimerを導入する。
2つのマイクロサービスベースのアプリケーションで評価すると、Reclaimerは業界標準のスケーリングソリューションと比較してCPUコアの割り当てを38.4%から74.4%に削減する。
論文 参考訳(メタデータ) (2023-04-17T01:44:05Z) - Few-Shot Class-Incremental Learning by Sampling Multi-Phase Tasks [59.12108527904171]
モデルは新しいクラスを認識し、古いクラスに対する差別性を維持すべきである。
古いクラスを忘れずに新しいクラスを認識するタスクは、FSCIL ( few-shot class-incremental Learning) と呼ばれる。
我々は,LearnIng Multi-phase Incremental Tasks (LIMIT) によるメタラーニングに基づくFSCILの新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2022-03-31T13:46:41Z) - Monolith to Microservices: Representing Application Software through
Heterogeneous GNN [11.381828510219897]
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。
論文 参考訳(メタデータ) (2021-12-01T15:27:45Z) - 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) - PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。
ピランクは所望の指標をゼロ温度の限界で正確に回収する。
論文 参考訳(メタデータ) (2020-12-12T05:07:36Z) - Low-Resource Domain Adaptation for Compositional Task-Oriented Semantic
Parsing [85.35582118010608]
タスク指向のセマンティックパーシングは仮想アシスタントの重要なコンポーネントである。
近年のディープラーニングの進歩は、より複雑なクエリを解析するいくつかのアプローチを可能にしている。
そこで本研究では,教師付きニューラルネットワークを10倍の精度で高速化する手法を提案する。
論文 参考訳(メタデータ) (2020-10-07T17:47:53Z)
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。