論文の概要: A Systematic Mapping Study on Architectural Approaches to Software Performance Analysis
- arxiv url: http://arxiv.org/abs/2410.17372v1
- Date: Tue, 22 Oct 2024 19:12:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-24 13:56:46.608084
- Title: A Systematic Mapping Study on Architectural Approaches to Software Performance Analysis
- Title（参考訳）: ソフトウェアパフォーマンス分析へのアーキテクチャ的アプローチに関するシステムマッピング研究
- Authors: Yutong Zhao, Lu Xiao, Chenhao Wei, Rick Kazman, Ye Yang,
- Abstract要約: 本稿では,ソフトウェアアーキテクチャと性能解析を統合した109論文の体系的マッピングについて述べる。
我々は,本研究領域の深い理解を得るために,研究者と実践者のためのガイダンスを提供する5つの研究質問に焦点をあてる。
- 参考スコア（独自算出の注目度）: 8.629569588488328
- License:
- Abstract: Software architecture is the foundation of a system's ability to achieve various quality attributes, including software performance. However, there lacks comprehensive and in-depth understanding of why and how software architecture and performance analysis are integrated to guide related future research. To fill this gap, this paper presents a systematic mapping study of 109 papers that integrate software architecture and performance analysis. We focused on five research questions that provide guidance for researchers and practitioners to gain an in-depth understanding of this research area. These questions addressed: a systematic mapping of related studies based on the high-level research purposes and specific focuses (RQ1), the software development activities these studies intended to facilitate (RQ2), the typical study templates of different research purposes (RQ3), the available tools and instruments for automating the analysis (RQ4), and the evaluation methodology employed in the studies (RQ5). Through these research questions, we also identified critical research gaps and future directions, including: 1) the lack of available tools and benchmark datasets to support replication, cross-validation and comparison of studies; 2) the need for architecture and performance analysis techniques that handle the challenges in emerging software domains; 3) the lack of consideration of practical factors that impact the adoption of the architecture and performance analysis approaches; and finally 4) the need for the adoption of modern ML/AI techniques to efficiently integrate architecture and performance analysis.
- Abstract（参考訳）: ソフトウェアアーキテクチャは、ソフトウェアパフォーマンスを含む様々な品質特性を達成するシステムの能力の基礎である。
しかし、なぜソフトウェアアーキテクチャとパフォーマンス分析がどのように統合され、関連する研究を導くのかについて、包括的で詳細な理解が欠けている。
このギャップを埋めるために,ソフトウェアアーキテクチャと性能解析を統合した109の論文を体系的にマッピングした。
我々は,本研究領域の深い理解を得るために,研究者と実践者のためのガイダンスを提供する5つの研究質問に焦点をあてた。
これらの課題は、高レベルな研究目的と特定の焦点に基づく関連研究の体系的なマッピング(RQ1)、これらの研究を円滑にするためのソフトウェア開発活動(RQ2)、異なる研究目的の典型的な研究テンプレート(RQ3)、分析を自動化するツールと機器(RQ4)、そして研究で使用される評価方法論(RQ5)である。
これらの研究課題を通じて、我々は、重要な研究のギャップと今後の方向性を明らかにした。
1)レプリケーション,クロスバリデーション,研究比較をサポートする利用可能なツールやベンチマークデータセットの欠如。
2) 新たなソフトウェア領域の課題を扱うアーキテクチャとパフォーマンス分析技術の必要性。
3 建築及び性能分析手法の採用に影響を与える実践的要因の欠如、そして最後に
4) アーキテクチャとパフォーマンス分析を効率的に統合するために、最新のML/AI技術を採用する必要性。
関連論文リスト
- Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Comparison of Static Analysis Architecture Recovery Tools for
Microservice Applications [43.358953895199264]
マイクロサービスアプリケーションのための静的解析アーキテクチャ回復ツールを,マルチボーカルな文献レビューを通じて同定する。
次に、共通データセット上でそれらを実行し、アーキテクチャ回復における測定された有効性を比較する。
論文 参考訳（メタデータ） (2024-03-11T17:26:51Z) - From Requirements to Architecture: An AI-Based Journey to
Semi-Automatically Generate Software Architectures [2.4150871564195007]
本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。
さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
論文 参考訳（メタデータ） (2024-01-25T10:56:58Z) - PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。
複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
論文 参考訳（メタデータ） (2023-06-20T09:55:10Z) - PerfDetectiveAI -- Performance Gap Analysis and Recommendation in
Software Applications [0.0]
本稿では,ソフトウェアアプリケーションにおける性能ギャップ分析と提案のための概念的フレームワークPerfDetectiveAIを紹介する。
現代の機械学習(ML)と人工知能(AI)技術は、PerfDetectiveAIでパフォーマンス測定を監視し、ソフトウェアアプリケーションにおけるパフォーマンス不足の領域を特定するために使用されている。
論文 参考訳（メタデータ） (2023-06-11T02:53:04Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳（メタデータ） (2023-02-16T16:45:36Z) - Computer vision-based analysis of buildings and built environments: A
systematic review of current approaches [0.98314893665023]
本稿では,建物と建築環境のコンピュータビジョンに基づく分析を初めて体系的に検討する。
これは現在の研究のギャップとトレンドを明らかにし、研究目的の2つの主要なカテゴリを強調している。
論文 参考訳（メタデータ） (2022-08-01T14:17:51Z) - A review of ontologies for smart and continuous commissioning [0.0]
オントロジーは、データや機械による推論を促進するため、建物の継続的なコミッショニング(SCCx)において重要な役割を果たす。
本稿では、2014年以降のSCCxドメインにおけるデータ構築に関する最先端の研究について概説する。
論文 参考訳（メタデータ） (2022-05-11T13:59:45Z) - 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。
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。