論文の概要: Large scale reuse of microservices using DevOps and InnerSource
practices -- A longitudinal case study
- arxiv url: http://arxiv.org/abs/2309.15175v1
- Date: Tue, 26 Sep 2023 18:19:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 06:18:12.600224
- Title: Large scale reuse of microservices using DevOps and InnerSource
practices -- A longitudinal case study
- Title（参考訳）: DevOpsとInnerSourceのプラクティスによるマイクロサービスの大規模再利用 -- 縦断的なケーススタディ
- Authors: Deepika Badampudi, Muhammad Usman, Xingru Chen
- Abstract要約: 我々はエリクソンにおける現代的再利用のコスト、利益、課題、および潜在的な改善について検討する。
以上の結果から,再利用可能な資産の開発は,コンプライアンスの確保など,事前のコストに繋がったことが示唆された。
Ericssonはこの追加の取り組みを、品質、生産性、顧客エクスペリエンス、仕事の仕方など、長期的な利益をもたらす投資として捉えた。
- 参考スコア（独自算出の注目度）: 0.7846338360525894
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contemporary practices such as InnerSource and DevOps promote software reuse.
This study investigates the implications of using contemporary practices on
software reuse. In particular, we investigate the costs, benefits, challenges,
and potential improvements in contemporary reuse at Ericsson. We performed the
study in two phases: a) the initial data collection based on a combination of
data collection methods (e.g., interviews, discussions, company portals), and
b) a follow-up group discussion after a year to understand the status of the
challenges and improvements identified in the first phase. Our results indicate
that developing reusable assets resulted in upfront costs, such as additional
effort in ensuring compliance. Furthermore, development with reuse also
resulted in additional effort, for example, in integrating and understanding
reusable assets. Ericsson perceived the additional effort as an investment
resulting in long-term benefits such as improved quality, productivity,
customer experience, and way of working. Ericsson's main challenge was
increased pressure on the producers of reusable assets, which was mitigated by
scaling the InnerSource adoption. InnerSource success is evident from the
increase in the contributions to reusable assets. In addition, Ericsson
implemented measures such as automating the compliance check, which enhanced
the maturity of reusable assets and resulted in increased reuse.
- Abstract（参考訳）: インナーソースやDevOpsといった現代的なプラクティスは、ソフトウェアの再利用を促進する。
本研究は,ソフトウェア再利用における現代的実践の意義について考察する。
特に,エリクソンにおける現代的再利用のコスト,メリット,課題,潜在的な改善について検討する。
私たちはその研究を2段階に分けて行った。
a)データ収集方法(例えば、インタビュー、議論、会社のポータル)の組み合わせに基づく最初のデータ収集
b) 第一段階において特定された課題及び改善の状況を理解するため、1年後のフォローアップグループディスカッション。
以上の結果から,再利用可能な資産の開発は,コンプライアンスの確保など,事前のコストに繋がったことが示唆された。
さらに、再利用による開発も、再利用可能な資産の統合や理解といった追加の努力をもたらした。
Ericssonはこの追加の取り組みを、品質、生産性、顧客エクスペリエンス、仕事の仕方など、長期的な利益をもたらす投資として捉えた。
エリクソンの主な課題は再利用可能な資産の生産者に対する圧力の増大であり、それはインナーソースの採用拡大によって緩和された。
再利用可能な資産への貢献の増加から、インナーソースの成功は明らかである。
さらに、Ericssonはコンプライアンスチェックの自動化などの手段を実装し、再利用可能な資産の成熟度を高め、再利用率を高めた。
関連論文リスト
- Promoting User Data Autonomy During the Dissolution of a Monopolistic Firm [5.864623711097197]
本稿では,Conscious Data Contributionのフレームワークが,解散中におけるユーザの自律性を実現する方法を示す。
我々は、微調整と「破滅的な忘れ」の現象が、機械の非学習の一種として実際にどのように有用であるかを探求する。
論文 参考訳（メタデータ） (2024-11-20T18:55:51Z) - Dynamic Matching with Post-allocation Service and its Application to Refugee Resettlement [1.9689888982532262]
米国の主要難民再定住機関との協力により、我々は、新しい到着(避難ケース)が静的リソースの1つ(固定年限の場所)と即時かつ不可逆的に一致しなければならない動的なマッチング問題を調査した。
サービスの時間的特性を考えると、サーバは特定の時点では利用できないため、動的リソースとして参照する。一致すれば、ケースは第一級サービスとして利用できるようになるのを待つことになる。
論文 参考訳（メタデータ） (2024-10-30T13:17:38Z) - Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence [60.37934652213881]
ドメイン適応(DA)は、ソースドメインから関連するターゲットドメインへの知識伝達を容易にする。
本稿では、ソースデータフリーなアクティブドメイン適応(SFADA)という実用的なDAパラダイムについて検討する。
本稿では,学習者学習(LFTL)というSFADAの新たなパラダイムを紹介し,学習した学習知識を事前学習モデルから活用し,余分なオーバーヘッドを伴わずにモデルを積極的に反復する。
論文 参考訳（メタデータ） (2024-07-26T17:51:58Z) - Data-Juicer Sandbox: A Feedback-Driven Suite for Multimodal Data-Model Co-development [67.55944651679864]
統合データモデル共同開発に適した新しいサンドボックススイートを提案する。
このサンドボックスは、フィードバック駆動の実験プラットフォームを提供し、コスト効率とデータとモデルの両方のガイド付き洗練を可能にする。
論文 参考訳（メタデータ） (2024-07-16T14:40:07Z) - Iterative Experience Refinement of Software-Developing Agents [81.09737243969758]
大規模な言語モデル(LLM)は、過去の経験を活用してエラーを低減し、効率を高めることができる。
本稿では,LLMエージェントがタスク実行中に反復的に経験を洗練できる反復体験精錬フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-07T11:33:49Z) - Beyond Gut Feel: Using Time Series Transformers to Find Investment Gems [1.7343080574639578]
本稿では,PE(Private Equity)業界におけるデータ駆動アプローチの適用拡大について論じる。
本稿では、関連するアプローチの総合的なレビューを行い、候補企業の成功可能性を予測するための新しいアプローチを提案する。
3つの一般的なベースラインに向けてベンチマークした2つの実世界の投資タスクに関する実験は、我々のアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2023-09-28T23:03:12Z) - Dynamic Resource Allocation for Metaverse Applications with Deep
Reinforcement Learning [64.75603723249837]
そこで本研究では,Metaverse アプリケーション用の異なるタイプのリソースを動的に管理・割り当てする新しいフレームワークを提案する。
まず,アプリケーション間で共通関数を共有できるMetaInstancesという,アプリケーションをグループに分割する効果的なソリューションを提案する。
そこで我々は,要求到着プロセスとアプリケーション離脱プロセスのリアルタイム,動的,不確実な特性を捉えるために,セミマルコフ決定プロセスに基づくフレームワークを開発する。
論文 参考訳（メタデータ） (2023-02-27T00:30:01Z) - Actively Learning Costly Reward Functions for Reinforcement Learning [56.34005280792013]
複雑な実世界の環境でエージェントを訓練することは、桁違いに高速であることを示す。
強化学習の手法を新しい領域に適用することにより、興味深く非自明な解を見つけることができることを示す。
論文 参考訳（メタデータ） (2022-11-23T19:17:20Z) - Simulation-Informed Revenue Extrapolation with Confidence Estimate for
Scaleup Companies Using Scarce Time-Series Data [0.5690261407732993]
シミュレーションインフォームド収益外挿法(SiRE)アルゴリズムを提案する。
SiREは様々なセクターで運用されるスケールアップに取り組んでおり、信頼度を見積もっている。
また,SiREが短時間の時系列から長期予測を外挿する際にも高い性能を示す。
論文 参考訳（メタデータ） (2022-08-19T00:20:31Z) - Applications of Reinforcement Learning in Finance -- Trading with a
Double Deep Q-Network [0.0]
本稿では,単一資産,すなわちE-mini S&P 500連続先物契約を取引するためのDouble Deep Q-Networkアルゴリズムを提案する。
複数の拡張を備えた環境の基盤として、実証済みのセットアップを使用します。
当社のトレーディングエージェントの特徴は、常に商品などの追加資産を含むように拡張され、結果として4つのモデルが生まれています。
論文 参考訳（メタデータ） (2022-06-28T19:46:16Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳（メタデータ） (2020-11-02T08:46:27Z)
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。