論文の概要: The Microservice Dependency Matrix
- arxiv url: http://arxiv.org/abs/2309.02804v1
- Date: Wed, 6 Sep 2023 07:41:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 09:05:24.594800
- Title: The Microservice Dependency Matrix
- Title（参考訳）: マイクロサービス依存マトリックス
- Authors: Amr S. Abdelfattah, Tomas Cerny
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Microservices have been recognized for over a decade. They reshaped system
design enabling decentralization and independence of development teams working
on particular microservices. While loosely coupled microservices are desired,
it is inevitable for dependencies to arise. However, these dependencies often
go unnoticed by development teams. As the system evolves, making changes to one
microservice may trigger a ripple effect, necessitating adjustments in
dependent microservices and increasing maintenance and operational efforts.
Tracking different types of dependencies across microservices becomes crucial
in anticipating the consequences of development team changes. This paper
introduces the Endpoint Dependency Matrix (EDM) and Data Dependency Matrix
(DDM) as tools to address this challenge. We present an automated approach for
tracking these dependencies and demonstrate their extraction through a case
study.
- Abstract（参考訳）: マイクロサービスは10年以上にわたって認識されてきた。
彼らはシステム設計を再構築し、特定のマイクロサービスに取り組む開発チームの分散化と独立を可能にした。
疎結合のマイクロサービスは望ましいが、依存関係が発生することは避けられない。
しかしながら、これらの依存関係は開発チームによって認識されないことが多い。
システムが進化するにつれて、1つのマイクロサービスに変更を加えると、波及効果が引き起こされ、依存マイクロサービスの調整が必要になり、メンテナンスと運用の労力が増加する。
マイクロサービス間で異なるタイプの依存関係を追跡することは、開発チームの変更の結果を予測する上で極めて重要です。
本稿では,EDM(Endpoint Dependency Matrix)とDDM(Data Dependency Matrix)を,この問題に対処するためのツールとして紹介する。
我々は,これらの依存関係を追跡するための自動アプローチを提案し,ケーススタディを通じてその抽出を実証する。
関連論文リスト
- Benchmarking Data Management Systems for Microservices [1.9948490148513414]
マイクロサービスアーキテクチャは、大規模なデータ集約型アプリケーションをデプロイするための一般的な選択肢である。
既存のマイクロサービスベンチマークには、データ管理の課題が欠如している。
Online Marketplaceは、コアデータ管理要件を受け入れる新しいベンチマークである。
論文 参考訳（メタデータ） (2024-05-19T11:55:45Z) - A Feature Dataset of Microservices-based Systems [2.3734388579113275]
データセットの設計と開発における粗悪なプラクティスは、マイクロサービスの悪臭と呼ばれる。
適切なオープンソースのマイクロサービス機能データセットがない。
論文 参考訳（メタデータ） (2024-04-02T09:52:18Z) - Decentralized Online Learning in Task Assignment Games for Mobile
Crowdsensing [55.07662765269297]
モバイルクラウドセンシングプラットフォーム(MCSP)は、センサオファーをMCSPに送り返してタスクに参加する意思を示すための、利用可能なモバイルユニット(MU)に順次、センシングタスクを発行する。
安定したタスク割り当ては、MCSPとMUの相反する目標、およびMUの要求する努力と嗜好の不確実性という2つの課題に対処する必要がある。
これらの課題を克服するために,衝突回避型マルチアームバンディットと戦略的自由センシング(CA-MAB-SFS)という,マッチング理論とオンライン学習を組み合わせた新たな分散アプローチを提案する。
論文 参考訳（メタデータ） (2023-09-19T13:07:15Z) - Evaluating the Risk of Changes in a Microservices Architecture [0.0]
aベースのシステムでは、信頼性と可用性が、消費者にとって最高のクラス体験を保証する重要なコンポーネントである。
アーキテクチャの重要な利点の1つは、サービスを独立してデプロイし、変更の柔軟性を最大限に提供することである。
論文 参考訳（メタデータ） (2023-09-12T13:54:28Z) - DeepScaler: Holistic Autoscaling for Microservices Based on
Spatiotemporal GNN with Adaptive Graph Learning [4.128665560397244]
本稿では,ディープラーニングに基づく総合的オートスケーリング手法であるDeepScalerを提案する。
サービスレベルの合意(SLA)とコスト効率を最適化するために、サービス依存関係に対処することに焦点を当てています。
実験により,本手法はマイクロサービスのより効率的な自動スケーリング機構を実装していることが示された。
論文 参考訳（メタデータ） (2023-09-02T08:22:21Z) - 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) - Automatic Data Augmentation via Invariance-Constrained Learning [94.27081585149836]
下位のデータ構造は、しばしば学習タスクのソリューションを改善するために利用される。
データ拡張は、入力データに複数の変換を適用することで、トレーニング中にこれらの対称性を誘導する。
この作業は、学習タスクを解決しながらデータ拡張を自動的に適応することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2022-09-29T18:11:01Z) - Bilateral Dependency Optimization: Defending Against Model-inversion
Attacks [61.78426165008083]
本稿では,モデル反転攻撃に対する二元的依存性最適化(BiDO)戦略を提案する。
BiDOは、さまざまなデータセット、分類器、MI攻撃に対する最先端の防御性能を達成する。
論文 参考訳（メタデータ） (2022-06-11T10:07:03Z) - Causal Scene BERT: Improving object detection by searching for
challenging groups of data [125.40669814080047]
コンピュータビジョンアプリケーションは、物体検出のようなタスクのためにニューラルネットワークでパラメータ化された学習ベースの知覚モジュールに依存している。
これらのモジュールは、トレーニングプロセスに固有のバイアスのため、予想される誤差が低いが、データの非定型的なグループに対して高い誤差を持つことが多い。
本研究の主な貢献は,シミュレートされたシーンに対して因果的介入を行うことにより,前向きにそのようなグループを発見する擬似オートマチック手法である。
論文 参考訳（メタデータ） (2022-02-08T05:14:16Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - Reducing Catastrophic Forgetting in Self Organizing Maps with
Internally-Induced Generative Replay [67.50637511633212]
生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。
適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。
この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
論文 参考訳（メタデータ） (2021-12-09T07:11:14Z)
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。