論文の概要: Migration to Microservices: A Comparative Study of Decomposition
Strategies and Analysis Metrics
- arxiv url: http://arxiv.org/abs/2402.08481v1
- Date: Tue, 13 Feb 2024 14:15:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 15:03:50.371160
- Title: Migration to Microservices: A Comparative Study of Decomposition
Strategies and Analysis Metrics
- Title（参考訳）: マイクロサービスへの移行: 分解戦略と分析メトリクスの比較研究
- Authors: Meryam chaieb, Mohamed Aymen Saied
- Abstract要約: 本稿では,モノリシックアプリケーションにおけるポテンシャルを識別する新しいクラスタリング手法を提案する。
本手法では,クラス間の静的解析,構造,意味的関係を考慮した密度に基づくクラスタリングアルゴリズムを用いる。
- 参考スコア（独自算出の注目度）: 0.5076419064097734
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The microservices architectural style is widely favored for its scalability,
reusability, and easy maintainability, prompting increased adoption by
developers. However, transitioning from a monolithic to a microservices-based
architecture is intricate and costly. In response, we present a novel method
utilizing clustering to identify potential microservices in a given monolithic
application. Our approach employs a density-based clustering algorithm
considering static analysis, structural, and semantic relationships between
classes, ensuring a functionally and contextually coherent partitioning. To
assess the reliability of our microservice suggestion approach, we conducted an
in-depth analysis of hyperparameter sensitivity and compared it with two
established clustering algorithms. A comprehensive comparative analysis
involved seven applications, evaluating against six baselines, utilizing a
dataset of four open-source Java projects. Metrics assessed the quality of
generated microservices. Furthermore, we meticulously compared our suggested
microservices with manually identified ones in three microservices-based
applications. This comparison provided a nuanced understanding of our
approach's efficacy and reliability. Our methodology demonstrated promising
outcomes, showcasing remarkable effectiveness and commendable stability.
- Abstract（参考訳）: マイクロサービスアーキテクチャスタイルは、スケーラビリティ、再利用性、メンテナンス容易性に広く好まれており、開発者による採用の増加を促している。
しかし、モノリシックからマイクロサービスベースのアーキテクチャへの移行は複雑でコストがかかる。
これに対して,モノリシックアプリケーションにおける潜在的なマイクロサービスを特定するために,クラスタリングを利用した新しい手法を提案する。
本手法では,静的解析,構造的および意味的関係を考慮した密度ベースのクラスタリングアルゴリズムを用いて,機能的かつ文脈的コヒーレントなパーティショニングを実現する。
当社のマイクロサービス提案手法の信頼性を評価するために,ハイパーパラメータ感度の詳細な分析を行い,確立した2つのクラスタリングアルゴリズムと比較した。
包括的な比較分析には7つのアプリケーションが含まれ、6つのベースラインに対して評価を行い、4つのオープンソースjavaプロジェクトのデータセットを利用する。
メトリクスは、生成されたマイクロサービスの品質を評価した。
さらに,提案するマイクロサービスを,手作業で識別した3つのマイクロサービスベースのアプリケーションと比較した。
この比較により,提案手法の有効性と信頼性の微妙な理解が得られた。
提案手法は有望な結果を示し,顕著な有効性と優れた安定性を示した。
関連論文リスト
- Automatic Evaluation for Text-to-image Generation: Task-decomposed Framework, Distilled Training, and Meta-evaluation Benchmark [62.58869921806019]
GPT-4oに基づくタスク分解評価フレームワークを提案し、新しいトレーニングデータセットを自動構築する。
我々は、GPT-4oの評価能力を7BオープンソースMLLM、MiniCPM-V-2.6に効果的に蒸留するための革新的なトレーニング戦略を設計する。
実験結果から,我々の蒸留したオープンソースMLLMは,現在のGPT-4oベースラインよりも有意に優れていた。
論文 参考訳（メタデータ） (2024-11-23T08:06:06Z) - Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - Microservice Vulnerability Analysis: A Literature Review with Empirical Insights [2.883578416080909]
マイクロサービスアーキテクチャ固有の126のセキュリティ脆弱性を特定し、分析し、報告します。
この包括的な分析により、(i)マイクロサービスアーキテクチャの特徴的な特徴に基づいて、マイクロサービスの脆弱性を分類する分類を提案します。
また,4つの異なるマイクロサービスベンチマークアプリケーション上で脆弱性スキャンを行うことで,実証分析を行う。
論文 参考訳（メタデータ） (2024-07-31T08:13:42Z) - POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。
このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
論文 参考訳（メタデータ） (2024-07-20T16:37:21Z) - A Microservices Identification Method Based on Spectral Clustering for
Industrial Legacy Systems [5.255685751491305]
本稿では,スペクトルグラフ理論に基づくマイクロサービス候補抽出のための自動分解手法を提案する。
提案手法は,ドメインの専門家が関与しなくても,良好な結果が得られることを示す。
論文 参考訳（メタデータ） (2023-12-20T07:47:01Z) - Benchmarks for End-to-End Microservices Testing [2.6245844272542027]
確立された2つのオープンソースのマイクロサービスシステムの完全な機能テストカバレッジを含むテストベンチマークを作成しました。
また、テストの全カバレッジを検証するための最善のアプローチを特定するためのケーススタディも実施しました。
論文 参考訳（メタデータ） (2023-06-09T13:42:53Z) - On the Empirical Evidence of Microservice Logical Coupling. A Registered
Report [15.438443553618896]
本研究は,MLC(Microservice Logical Coupling)メトリクスを実証的に検証することを目的とした研究の設計を提案する。
特に、マイクロサービスアーキテクチャを使って構築されたオープンソースシステム(OSS)を経験的に研究する予定です。
論文 参考訳（メタデータ） (2023-06-03T07:29:54Z) - Rethinking Clustering-Based Pseudo-Labeling for Unsupervised
Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。
このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。
このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文 参考訳（メタデータ） (2022-09-27T19:04:36Z) - Query-augmented Active Metric Learning [3.871148938060281]
本稿では,対制約付きクラスタリングのためのアクティブなメトリック学習手法を提案する。
メトリクスを学習する際の追加情報を提供するために、よりペアワイズなラベルを生成することで、クエリ制約を増大させます。
我々は、学習したメトリックを逐次更新し、無関係な特徴を適応的に罰することで、メトリクス学習の堅牢性を高める。
論文 参考訳（メタデータ） (2021-11-08T23:32:13Z) - A Field Guide to Federated Optimization [161.3779046812383]
フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。
本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
論文 参考訳（メタデータ） (2021-07-14T18:09:08Z) - SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。
我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。
アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
論文 参考訳（メタデータ） (2020-06-12T10:40:46Z)
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。