Fugu-MT 論文翻訳(概要): A Roadmap towards Intelligent Operations for Reliable Cloud Computing Systems

論文の概要: A Roadmap towards Intelligent Operations for Reliable Cloud Computing Systems

arxiv url: http://arxiv.org/abs/2310.00677v1
Date: Sun, 1 Oct 2023 14:08:02 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 05:27:16.224496
Title: A Roadmap towards Intelligent Operations for Reliable Cloud Computing Systems
Title（参考訳）: 信頼性の高いクラウドコンピューティングシステムのためのインテリジェントオペレーションのロードマップ
Authors: Yintong Huo, Cheryl Lee, Jinyang Liu, Tianyi Yang, and Michael R. Lyu
Abstract要約: 本稿では、クラウドの信頼性に影響を与える2つの主な課題、すなわち、内部要因と外部要因に焦点を当てる。チケット管理、ログ管理、マルチモーダル分析、マイクロサービスレジリエンステストアプローチの4つの重要な側面から、これらの課題を解決するためのデータ駆動アプローチについて議論する。
参考スコア（独自算出の注目度）: 30.952201576129056
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The increasing complexity and usage of cloud systems have made it challenging for service providers to ensure reliability. This paper highlights two main challenges, namely internal and external factors, that affect the reliability of cloud microservices. Afterward, we discuss the data-driven approach that can resolve these challenges from four key aspects: ticket management, log management, multimodal analysis, and the microservice resilience testing approach. The experiments conducted show that the proposed data-driven AIOps solution significantly enhances system reliability from multiple angles.
Abstract（参考訳）: クラウドシステムの複雑さと使用の増大により、サービスプロバイダは信頼性を確保することが難しくなっている。本稿では,クラウドマイクロサービスの信頼性に影響を与える2つの主な課題,すなわち内部的および外部的要因について紹介する。その後、チケット管理、ログ管理、マルチモーダル分析、マイクロサービスレジリエンステストアプローチという4つの重要な側面から、これらの課題を解決するデータ駆動アプローチについて論じる。実験により,提案するデータ駆動型aiopsソリューションは,複数の角度からシステムの信頼性を著しく向上することが示された。

関連論文リスト

Anomaly Detection in Large-Scale Cloud Systems: An Industry Case and Dataset [1.293050392312921]
我々は、IBM Cloud Consoleから4.5ヶ月以上にわたって収集された、IBM Cloudからの新しい高次元データセットを紹介します。このデータセットは39,365行と117,448列のテレメトリデータからなる。本稿では、異常検出のための機械学習モデルの応用を実演し、このプロセスで直面する重要な課題について論じる。
論文参考訳（メタデータ） (2024-11-13T22:04:19Z)
Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
異常と欠落したデータは、産業応用における厄介な問題を構成する。ディープラーニングによる異常検出が重要な方向として現れている。エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
論文参考訳（メタデータ） (2024-11-06T15:38:31Z)
Blockchain-Based Trust and Transparency in Airline Reservation Systems using Microservices Architecture [1.03590082373586]
本研究は,分散データベースやトランザクションの永久記録,プログラムのコードを通じて実行されるトランザクション条項など,ブロックチェーン技術の主要なコンポーネントについて検討する。その結果、コンセンサスプロセスと耐性データ生成の結果、予約のバリエーションが30%減少し、データ同期が向上した。システムのアーキテクチャには1ポイントの障害はなく、信頼性は98%を超えている。
論文参考訳（メタデータ） (2024-10-18T14:58:22Z)
Industry Perception of Security Challenges with Identity Access Management Solutions [0.0]
本研究は、受益者の視点から、IAMソリューションに関する現在の認識とセキュリティ問題の概要を明らかにすることを目的としている。クラウドベースのIAMソリューションの主な課題は、デフォルト設定、サービスアカウントのような非Human Identitiesの非Human Identitiesの管理、粗悪な証明書管理、粗悪なAPI設定、限定的なログ分析である。対照的に、オンプレミスソリューションの課題は、マルチファクタ認証、安全でないデフォルト設定、IAMソリューションを安全に管理するために必要なスキルセットの欠如、パスワードポリシーの貧弱化、未パッチの脆弱性、シングルサインの妥協などである。
論文参考訳（メタデータ） (2024-08-20T08:19:58Z)
Insights on Microservice Architecture Through the Eyes of Industry Practitioners [39.58317527488534]
マイクロサービスアーキテクチャの採用は、ここ数年で大幅に増加しています。本研究では,モノリシックなレガシーシステムからの移行に伴うモチベーション,活動,課題について検討する。
論文参考訳（メタデータ） (2024-08-19T21:56:58Z)
A Comprehensive Survey on Root Cause Analysis in (Micro) Services: Methodologies, Challenges, and Trends [12.814440316872748]
本調査は根本原因分析(RCA)技術に関する総合的かつ構造化されたレビューを提供することを目的としている。メトリクス、トレース、ログ、マルチモデルデータを含む方法論を探求する。
論文参考訳（メタデータ） (2024-07-23T11:02:49Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
Edge Intelligence Over the Air: Two Faces of Interference in Federated Learning [95.31679010587473]
フェデレートされたエッジ学習は、次世代無線ネットワークにおけるインテリジェンスの実現の基盤として考えられている。本稿では,無線によるエッジ学習システムにおける干渉の肯定的および否定的影響について概説する。
論文参考訳（メタデータ） (2023-06-17T09:04:48Z)
MMRNet: Improving Reliability for Multimodal Object Detection and Segmentation for Bin Picking via Multimodal Redundancy [68.7563053122698]
マルチモーダル冗長性(MMRNet)を用いた信頼度の高いオブジェクト検出・分割システムを提案する。これは、マルチモーダル冗長の概念を導入し、デプロイ中のセンサ障害問題に対処する最初のシステムである。システム全体の出力信頼性と不確実性を測定するために,すべてのモダリティからの出力を利用する新しいラベルフリーマルチモーダル整合性(MC)スコアを提案する。
論文参考訳（メタデータ） (2022-10-19T19:15:07Z)
Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文参考訳（メタデータ） (2022-04-29T08:06:05Z)

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。