論文の概要: Employing Software Diversity in Cloud Microservices to Engineer Reliable and Performant Systems
- arxiv url: http://arxiv.org/abs/2407.07287v1
- Date: Wed, 10 Jul 2024 00:34:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-11 18:21:11.937081
- Title: Employing Software Diversity in Cloud Microservices to Engineer Reliable and Performant Systems
- Title（参考訳）: ソフトウェア多様性をクラウドマイクロサービスに採用するエンジニアの信頼性とパフォーマンス
- Authors: Nazanin Akhtarian, Hamzeh Khazaei, Marin Litoiu,
- Abstract要約: 本研究は,システムの信頼性と性能を同時に向上するために,ソフトウェアの多様性を活用することを提案する。
私たちの仕事の土台は信頼性基準の導出です。
目標は、より信頼性の高いバージョンに対して、可能な限り多くのバージョンを保存しながら、より高いレプリカ数を維持することである。
- 参考スコア（独自算出の注目度）: 2.412158290827225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the ever-shifting landscape of software engineering, we recognize the need for adaptation and evolution to maintain system dependability. As each software iteration potentially introduces new challenges, from unforeseen bugs to performance anomalies, it becomes paramount to understand and address these intricacies to ensure robust system operations during the lifetime. This work proposes employing software diversity to enhance system reliability and performance simultaneously. A cornerstone of our work is the derivation of a reliability metric. This metric encapsulates the reliability and performance of each software version under adverse conditions. Using the calculated reliability score, we implemented a dynamic controller responsible for adjusting the population of each software version. The goal is to maintain a higher replica count for more reliable versions while preserving the diversity of versions as much as possible. This balance is crucial for ensuring not only the reliability but also the performance of the system against a spectrum of potential failures. In addition, we designed and implemented a diversity-aware autoscaling algorithm that maintains the reliability and performance of the system at the same time and at any scale. Our extensive experiments on realistic cloud microservice-based applications show the effectiveness of the proposed approach in this paper in promoting both reliability and performance.
- Abstract（参考訳）: ソフトウェアエンジニアリングにおいて、私たちは、システムの信頼性を維持するための適応と進化の必要性を認識します。
各ソフトウェアイテレーションは、予期せぬバグからパフォーマンス異常まで、新たな課題をもたらす可能性があるため、これらの複雑さを理解し、対処し、生涯にわたって堅牢なシステム操作を保証することが最重要になる。
本研究は,システムの信頼性と性能を同時に向上するために,ソフトウェアの多様性を活用することを提案する。
私たちの仕事の土台は信頼性基準の導出です。
このメトリクスは、悪条件下で各ソフトウェアバージョンの信頼性と性能をカプセル化する。
計算された信頼性スコアを用いて,各ソフトウェアのバージョンの個体数を調整するための動的コントローラを実装した。
目標は、より信頼性の高いバージョンに対して、可能な限り多くのバージョンを保存しながら、より高いレプリカ数を維持することである。
このバランスは、システムの信頼性だけでなく、潜在的な障害のスペクトルに対する性能を保証するためにも重要です。
さらに,多様性を意識した自動スケーリングアルゴリズムを設計,実装し,システムの信頼性と性能を同時に,任意のスケールで維持する。
現実的なクラウドマイクロサービスベースのアプリケーションに関する広範な実験は、信頼性と性能の両面において提案手法の有効性を示している。
関連論文リスト
- Semi-Supervised Multi-Task Learning Based Framework for Power System Security Assessment [0.0]
本稿では,Semi-Supervised Multi-Task Learning (SS-MTL) を用いた,電力系統の動的セキュリティ評価のための新しい機械学習フレームワークを開発する。
提案フレームワークの基盤となる学習アルゴリズムは条件付きマスク付きエンコーダを統合し,マルチタスク学習を用いて特徴表現を分類する。
IEEE 68-busシステムに関する様々な実験を行い,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-07-11T22:42:53Z) - Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。
継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。
我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文 参考訳（メタデータ） (2024-06-24T15:45:22Z) - Using rule engine in self-healing systems and MAPE model [0.0]
本研究では,ルールエンジンを用いた故障修復手法を提案する。
mRUBISのシミュレーションにより,本手法は運用環境において効率がよいことを示した。
これにより、失敗の反響を減らし、デジタル技術への信頼を高めます。
論文 参考訳（メタデータ） (2024-02-18T13:03:11Z) - Modelling Open-Source Software Reliability Incorporating Swarm
Intelligence-Based Techniques [0.0]
ソフトウェア業界では、2つのソフトウェアエンジニアリングのベストプラクティスが共存している。
クローズドソースソフトウェア信頼性予測のためのメタヒューリスティック最適化アルゴリズムの適用により、重要かつ正確な結果が得られた。
品質指標として、オープンソースのソフトウェア信頼性に関する結果は、オープンソースのソフトウェア信頼性成長モデリングの問題を解決するのに大いに役立ちます。
論文 参考訳（メタデータ） (2024-01-05T06:46:03Z) - A Holistic Assessment of the Reliability of Machine Learning Systems [30.638615396429536]
本稿では,機械学習(ML)システムの信頼性に関する総合評価手法を提案する。
本フレームワークは, 分散精度, 分散シフト堅牢性, 対向ロバスト性, キャリブレーション, 分布外検出の5つの重要な特性を評価する。
異なるアルゴリズムアプローチの性能に関する洞察を提供するため、我々は最先端技術を特定し分類する。
論文 参考訳（メタデータ） (2023-07-20T05:00:13Z) - Did You Mean...? Confidence-based Trade-offs in Semantic Parsing [52.28988386710333]
タスク指向の構文解析において、キャリブレーションモデルが共通のトレードオフのバランスを取るのにどのように役立つかを示す。
次に、信頼性スコアがユーザビリティと安全性のトレードオフを最適化する上で、どのように役立つかを検証します。
論文 参考訳（メタデータ） (2023-03-29T17:07:26Z) - 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) - PixMix: Dreamlike Pictures Comprehensively Improve Safety Measures [65.36234499099294]
フラクタルなどの画像の自然な構造的複雑さを利用した新しいデータ拡張戦略を提案する。
この課題に対処するために、フラクタルなどの画像の自然な構造的複雑さを利用した新しいデータ拡張戦略を設計する。
論文 参考訳（メタデータ） (2021-12-09T18:59:31Z) - Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。
本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
論文 参考訳（メタデータ） (2021-05-17T08:36:18Z) - Efficient Empowerment Estimation for Unsupervised Stabilization [75.32013242448151]
エンパワーメント原理は 直立位置での 力学系の教師なし安定化を可能にする
本稿では,ガウスチャネルとして動的システムのトレーニング可能な表現に基づく代替解を提案する。
提案手法は, サンプルの複雑さが低く, 訓練時より安定であり, エンパワーメント機能の本質的特性を有し, 画像からエンパワーメントを推定できることを示す。
論文 参考訳（メタデータ） (2020-07-14T21:10:16Z)
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。