論文の概要: Failure Diagnosis in Microservice Systems: A Comprehensive Survey and Analysis
- arxiv url: http://arxiv.org/abs/2407.01710v1
- Date: Thu, 27 Jun 2024 10:25:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-03 19:32:46.348021
- Title: Failure Diagnosis in Microservice Systems: A Comprehensive Survey and Analysis
- Title（参考訳）: マイクロサービスシステムにおける障害診断: 総合的な調査と分析
- Authors: Shenglin Zhang, Sibo Xia, Wenzhao Fan, Binpeng Shi, Xiao Xiong, Zhenyu Zhong, Minghua Ma, Yongqian Sun, Dan Pei,
- Abstract要約: 独立デプロイメント、分散化、頻繁な動的インタラクションはカスケード障害をもたらす。
これらの問題は、運用効率とユーザエクスペリエンスに大きな影響を与えます。
この調査は2003年から現在までの94の論文の総合的なレビューと一次分析を提供する。
- 参考スコア（独自算出の注目度）: 10.92325792850306
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern microservice systems have gained widespread adoption due to their high scalability, flexibility, and extensibility. However, the characteristics of independent deployment, decentralization, and frequent dynamic interactions also introduce the risk of cascading failures, making it challenging to achieve accurate failure diagnosis and rapid system recovery. These issues severely impact operation efficiency and user experience. Recognizing the crucial role of failure diagnosis in enhancing the stability and reliability of microservice systems, researchers have conducted extensive studies and achieved a series of significant outcomes. This survey provides a comprehensive review and primary analysis of 94 papers from 2003 to the present, including an overview of the fundamental concepts, a research framework, and problem statements. These insights aim to help researchers understand the latest research progress in failure diagnosis. Publicly available datasets, toolkits, and evaluation metrics are also compiled to assist practitioners in selecting and validating various techniques, providing a foundation to advance the domain beyond current practices.
- Abstract（参考訳）: 現代のマイクロサービスシステムは、高いスケーラビリティ、柔軟性、拡張性のために広く採用されています。
しかし、独立デプロイメント、分散化、頻繁な動的相互作用の特徴は、カスケード障害のリスクも伴うため、正確な故障診断と迅速なシステム回復が困難である。
これらの問題は、運用効率とユーザエクスペリエンスに大きな影響を与えます。
マイクロサービスシステムの安定性と信頼性を高める上で、障害診断の重要な役割を認識した研究者は、広範な研究を行い、一連の重要な成果を上げた。
本調査は, 基礎概念, 研究枠組み, 問題ステートメントの概観を含む, 2003年から現在までの94論文の総括的レビューと一次分析を行う。
これらの知見は、研究者が障害診断における最新の研究の進歩を理解するのを助けることを目的としている。
公開されているデータセット、ツールキット、評価メトリクスもコンパイルされ、実践者がさまざまなテクニックを選択し、検証するのを支援し、現在のプラクティスを超えてドメインを前進させる基盤を提供する。
関連論文リスト
- Comparative Benchmarking of Failure Detection Methods in Medical Image Segmentation: Unveiling the Role of Confidence Aggregation [0.723226140060364]
本稿では,医療画像セグメンテーションにおける故障検出手法の評価を目的とした総合的なベンチマークフレームワークを提案する。
我々は、現在の障害検出指標の強度と限界を特定し、リスクカバレッジ分析を全体的評価アプローチとして推奨する。
論文 参考訳（メタデータ） (2024-06-05T14:36:33Z) - Large Language Models in Mental Health Care: a Scoping Review [29.247717845238228]
大規模言語モデル(LLM)の利用の増加は、メンタルヘルスにおける応用と結果の包括的なレビューの必要性を刺激する。
このスコーピングレビューは、精神医療におけるLCMの既存の開発と応用を批判的に分析することを目的としている。
主な課題は、データの可用性と信頼性、精神状態の微妙な扱い、効果的な評価方法である。
論文 参考訳（メタデータ） (2024-01-01T17:35:52Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。
コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。
眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文 参考訳（メタデータ） (2023-07-31T09:49:51Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳（メタデータ） (2023-06-07T08:27:36Z) - A Self-supervised Framework for Improved Data-Driven Monitoring of
Stress via Multi-modal Passive Sensing [7.084068935028644]
ストレス応答の生理的前駆体を追跡するための多モード半教師付きフレームワークを提案する。
本手法は,ウェアラブルデバイスと異なる領域と解像度のマルチモーダルデータの利用を可能にする。
実世界のデータのコーパスを用いて、知覚的ストレスに関するトレーニング実験を行う。
論文 参考訳（メタデータ） (2023-03-24T20:34:46Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳（メタデータ） (2023-02-03T14:57:40Z) - A Domain-Agnostic Approach for Characterization of Lifelong Learning
Systems [128.63953314853327]
「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。
この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
論文 参考訳（メタデータ） (2023-01-18T21:58:54Z) - Human readable network troubleshooting based on anomaly detection and
feature scoring [11.593495085674343]
i) 時間領域における異常検出のための教師なし学習手法,(ii) 特徴空間における特徴のランク付けのための注意機構,(iii) 専門知識モジュールに基づくシステムを提案する。
本研究は, システム全体の性能と, 個々のビルディングブロックの性能を, 徹底的に評価する。
論文 参考訳（メタデータ） (2021-08-26T14:20:36Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳（メタデータ） (2021-02-08T10:26:44Z)
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。