論文の概要: Comparison of Static Analysis Architecture Recovery Tools for Microservice Applications

• arxiv url: http://arxiv.org/abs/2412.08352v1
• Date: Wed, 11 Dec 2024 12:46:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:03:34.633491
• Title: Comparison of Static Analysis Architecture Recovery Tools for Microservice Applications
• Title（参考訳）: 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の比較
• Authors: Simon Schneider, Alexander Bakhtin, Xiaozhou Li, Jacopo Soldani, Antonio Brogi, Tomas Cerny, Riccardo Scandariato, Davide Taibi,
• Abstract要約: 本稿では,マイクロサービスアプリケーションのためのアーキテクチャ回復ツールの同定を目的とした,多言語文献レビューの結果について述べる。 最高性能のツールはF1スコア0.86であった。 F1スコア0.91の4つのツールの組み合わせにより,複数のツールを組み合わせることで回復精度を高める可能性を検討した。
• 参考スコア（独自算出の注目度）: 41.962720602828085
• License:
• Abstract: Architecture recovery tools help software engineers obtain an overview of the structure of their software systems during all phases of the software development life cycle. This is especially important for microservice applications because they consist of multiple interacting microservices, which makes it more challenging to oversee the architecture. Various tools and techniques for architecture recovery (also called architecture reconstruction) have been presented in academic and gray literature sources, but no overview and comparison of their accuracy exists. This paper presents the results of a multivocal literature review with the goal of identifying architecture recovery tools for microservice applications and a comparison of the identified tools' architectural recovery accuracy. We focused on static tools since they can be integrated into fast-paced CI/CD pipelines. 13 such tools were identified from the literature and nine of them could be executed and compared on their capability of detecting different system characteristics. The best-performing tool exhibited an overall F1-score of 0.86. Additionally, the possibility of combining multiple tools to increase the recovery correctness was investigated, yielding a combination of four individual tools that achieves an F1-score of 0.91. Registered report: The methodology of this study has been peer-reviewed and accepted as a registered report at MSR'24: arXiv:2403.06941
• Abstract（参考訳）: アーキテクチャ回復ツールは、ソフトウェア開発ライフサイクルのすべてのフェーズにおいて、ソフトウェアエンジニアがソフトウェアシステムの構造の概要を得るのに役立つ。 これはマイクロサービスアプリケーションにとって特に重要である。複数の相互作用するマイクロサービスで構成されているため、アーキテクチャの監視がより困難になるからだ。 学術文献や灰色文献資料では, 建築復元のための様々なツールや技術が紹介されているが, 精度の概観や比較は存在しない。 本稿では,マイクロサービスアプリケーションにおけるアーキテクチャ回復ツールの同定と,そのアーキテクチャ回復精度の比較を目的とした多言語文献レビューの結果について述べる。 高速ペースのCI/CDパイプラインに統合できるため、静的ツールに注力しました。 13のツールが文献から同定され、そのうち9つのツールが実行され、異なるシステム特性を検出する能力と比較された。 最高性能のツールはF1スコア0.86であった。 さらに,F1スコア0.91の4つの個別ツールの組み合わせにより,複数のツールを組み合わせることで回復精度を向上させる可能性を検討した。 登録報告:本研究の方法論はピアレビューされ、MSR'24: arXiv:2403.06941に登録された。

関連論文リスト

• Re-Invoke: Tool Invocation Rewriting for Zero-Shot Tool Retrieval [47.81307125613145]
  Re-Invokeは、トレーニングなしで大規模ツールセットに効果的にスケールするために設計された教師なしツール検索手法である。 我々は、クエリ毎に最も関連性の高いツールを特定するために、意図に基づいて、新しいマルチビュー類似度ランキング戦略を採用する。 評価の結果、Re-Invokeはシングルツールとマルチツールの両方のシナリオにおいて、最先端の代替よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-08-03T22:49:27Z)
• An Analysis of MLOps Architectures: A Systematic Mapping Study [12.399094410444743]
  本研究は、アーキテクチャの観点から、MLOpsにおける技術の現状を概観する。 研究者や実践者は、私たちの発見を利用して、MLOpsシステムのアーキテクチャ設計を知らせることができます。
  論文  参考訳（メタデータ） (2024-06-28T11:38:50Z)
• Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
  現実世界のシステムは多種多様なツールを組み込んでおり、全てのツールを大規模言語モデルに入力することは不可能である。 既存のツール検索手法は主にユーザクエリとツール記述間のセマンティックマッチングに焦点を当てている。 我々は,ユーザクエリとツール記述のセマンティックな類似性だけでなく,ツールの協調的情報も考慮した,新しいモデル診断型協調学習型ツール検索手法であるCOLTを提案する。
  論文  参考訳（メタデータ） (2024-05-25T06:41:23Z)
• 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)
• Software Architecture Recovery with Information Fusion [14.537490019685384]
  本稿では,完全に自動化されたアーキテクチャ復元手法であるSARIFを提案する。 依存関係、コードテキスト、フォルダ構造を含む3種類の包括的な情報が含まれている。 SARIFは従来の技術よりも36.1%正確である。
  論文  参考訳（メタデータ） (2023-11-08T12:35:37Z)
• Tool-Augmented Reward Modeling [58.381678612409]
  本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。 我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。 人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
  論文  参考訳（メタデータ） (2023-10-02T09:47:40Z)
• 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)
• Open Tracing Tools: Overview and Critical Comparison [10.196089289625599]
  本稿では,一般的なOpenトレースツールの概要を比較を通じて示すことを目的としている。 われわれはまず,目的,体系的,再現可能な方法でRa30ツールを同定した。 その結果,1) 評価機能,2) ピアレビュー文学とオンラインメディアの両方での人気,3) メリットと課題を考察した。
  論文  参考訳（メタデータ） (2022-07-14T12:52:32Z)

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。