論文の概要: Incidents During Microservice Decomposition: A Case Study

• arxiv url: http://arxiv.org/abs/2505.09813v1
• Date: Wed, 14 May 2025 21:27:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.11429
• Title: Incidents During Microservice Decomposition: A Case Study
• Title（参考訳）: マイクロサービス分解におけるインシデント:ケーススタディ
• Authors: Doğaç Eldenk, H. Alperen Çetin,
• Abstract要約: 本研究では、Carbon Healthのソフトウェアスタックを紹介し、私たちの旅を共有し、107のインシデントを分析します。 マイクロサービスの分解に向けた最初のステップとして、モノリシックなモジュール化から始めることは、インシデントを減らすのに役立つだろう、と提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software errors and incidents are inevitable in web based applications. Scalability challenges, increasing demand, and ongoing code changes can contribute to such failures. As software architectures evolve rapidly, understanding how and why incidents occur is crucial for enhancing system reliability. In this study, we introduce Carbon Health's software stack, share our microservices journey, and analyze 107 incidents. Based on these incidents, we share insights and lessons learned on microservice decomposition. Finally, we suggest that starting with monolithic modularization as an initial step toward microservice decomposition may help reduce incidents and contribute to building more resilient software.
• Abstract（参考訳）: ソフトウェアエラーやインシデントは、Webベースのアプリケーションでは避けられない。 スケーラビリティの課題、需要の増加、進行中のコード変更は、このような障害に寄与する可能性がある。 ソフトウェアアーキテクチャが急速に進化するにつれて、システムの信頼性を高めるために、インシデントの発生方法と原因を理解することが重要です。 本研究では、Carbon Healthのソフトウェアスタックを紹介し、マイクロサービスの旅を共有し、107のインシデントを分析します。 これらのインシデントに基づいて、マイクロサービスの分解で学んだ洞察と教訓を共有します。 最後に、マイクロサービスの分解に向けた最初のステップとしてモノリシックなモジュール化から始めることは、インシデントを減らし、よりレジリエントなソフトウェアを構築するのに役立ちます。

関連論文リスト

• SoK: Microservice Architectures from a Dependability Perspective [0.8287206589886882]
  マイクロサービスアーキテクチャは、モノリシックアプリケーションを、軽量な通信スキームを使用して対話する小さなサービスに分割する。 マイクロサービスアーキテクチャが抱える既知の障害と脆弱性、それに対処する最近の科学的文献について調べる。
  論文  参考訳（メタデータ） (2025-03-05T11:12:58Z)
• LLMs as Continuous Learners: Improving the Reproduction of Defective Code in Software Issues [62.12404317786005]
  EvoCoderは、イシューコード再現のための継続的学習フレームワークである。 その結果,既存のSOTA法よりも20%改善した。
  論文  参考訳（メタデータ） (2024-11-21T08:49:23Z)
• An Empirical Study on Challenges of Event Management in Microservice Architectures [3.0184596495288263]
  本稿では,イベント管理の実践と課題の包括的特徴について述べる。 開発者は大きなイベントペイロード、イベントフローの監査、イベントの順序付けといった多くの問題に直面している。 このことは、開発者は最先端の技術で十分に機能していないことを示唆している。
  論文  参考訳（メタデータ） (2024-08-01T10:19:37Z)
• 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)
• Microservices-based Software Systems Reengineering: State-of-the-Art and Future Directions [17.094721366340735]
  クラウドベースのマイクロサービスアーキテクチャ(MSA)と互換性のあるソフトウェアを設計することは、パフォーマンス、スケーラビリティ、可用性の制限のために不可欠である。 我々は、静的、動的、ハイブリッドなアプローチが検討されているように再デプロイ可能なシステム内のサービスを特定する方法に関する、現在の研究を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-18T21:59:05Z)
• 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)
• Understanding the Issues, Their Causes and Solutions in Microservices Systems: An Empirical Study [11.536360998310576]
  技術的負債、継続的インテグレーション、例外処理、サービス実行、コミュニケーションは、システムにおいて最も重要な問題です。 特定された問題を修正するために適用可能な177種類のソリューションを見つけました。
  論文  参考訳（メタデータ） (2023-02-03T18:08:03Z)
• FIRE: A Failure-Adaptive Reinforcement Learning Framework for Edge Computing Migrations [52.85536740465277]
  FIREは、エッジコンピューティングのディジタルツイン環境でRLポリシーをトレーニングすることで、まれなイベントに適応するフレームワークである。 ImREは重要なサンプリングに基づくQ-ラーニングアルゴリズムであり、希少事象をその値関数への影響に比例してサンプリングする。 FIREは故障時にバニラRLやグリーディベースラインと比較してコストを削減できることを示す。
  論文  参考訳（メタデータ） (2022-09-28T19:49:39Z)
• Reducing Catastrophic Forgetting in Self Organizing Maps with Internally-Induced Generative Replay [67.50637511633212]
  生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。 適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。 この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
  論文  参考訳（メタデータ） (2021-12-09T07:11:14Z)
• Variable-Shot Adaptation for Online Meta-Learning [123.47725004094472]
  従来のタスクから静的データにまたがるメタラーニングによって,少数の固定された例から新しいタスクを学習する問題について検討する。 メタラーニングは,従来の教師付き手法に比べて,ラベルの総数が少なく,累積性能も高いタスクセットを解く。 これらの結果から,メタラーニングは,一連の問題を継続的に学習し,改善する学習システムを構築する上で重要な要素であることが示唆された。
  論文  参考訳（メタデータ） (2020-12-14T18:05:24Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)

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。