Fugu-MT 論文翻訳(概要): Extracting Overlapping Microservices from Monolithic Code via Deep Semantic Embeddings and Graph Neural Network-Based Soft Clustering

論文の概要: Extracting Overlapping Microservices from Monolithic Code via Deep Semantic Embeddings and Graph Neural Network-Based Soft Clustering

arxiv url: http://arxiv.org/abs/2508.07486v1
Date: Sun, 10 Aug 2025 21:07:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-12 21:23:28.877777
Title: Extracting Overlapping Microservices from Monolithic Code via Deep Semantic Embeddings and Graph Neural Network-Based Soft Clustering
Title（参考訳）: ディープセマンティックな埋め込みとグラフニューラルネットワークに基づくソフトクラスタリングによるモノリシックコードからの重複マイクロサービスの抽出
Authors: Morteza Ziabakhsh, Kiyan Rezaee, Sadegh Eskandari, Seyed Amir Hossein Tabatabaei, Mohammad M. Ghassemi,
Abstract要約: Mo2oMは、マイクロサービス抽出をソフトクラスタリング問題として定式化するフレームワークである。 Mo2oMは、構造モジュラリティ(結合と結合のバランス)の最大40.97%、サービス間コールの58%(通信オーバーヘッド)、インターフェイス番号の26.16%の改善を実現している。
参考スコア（独自算出の注目度）: 1.6580952309590864
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Modern software systems are increasingly shifting from monolithic architectures to microservices to enhance scalability, maintainability, and deployment flexibility. Existing microservice extraction methods typically rely on hard clustering, assigning each software component to a single microservice. This approach often increases inter-service coupling and reduces intra-service cohesion. We propose Mo2oM (Monolithic to Overlapping Microservices), a framework that formulates microservice extraction as a soft clustering problem, allowing components to belong probabilistically to multiple microservices. This approach is inspired by expert-driven decompositions, where practitioners intentionally replicate certain software components across services to reduce communication overhead. Mo2oM combines deep semantic embeddings with structural dependencies extracted from methodcall graphs to capture both functional and architectural relationships. A graph neural network-based soft clustering algorithm then generates the final set of microservices. We evaluate Mo2oM on four open-source monolithic benchmarks and compare it against eight state-of-the-art baselines. Our results demonstrate that Mo2oM achieves improvements of up to 40.97% in structural modularity (balancing cohesion and coupling), 58% in inter-service call percentage (communication overhead), 26.16% in interface number (modularity and decoupling), and 38.96% in non-extreme distribution (service size balance) across all benchmarks.
Abstract（参考訳）: 現代のソフトウェアシステムは、スケーラビリティ、保守性、デプロイメントの柔軟性を高めるために、モノリシックなアーキテクチャからマイクロサービスへと、ますますシフトしています。既存のマイクロサービス抽出メソッドは通常、ハードクラスタリングに依存し、各ソフトウェアコンポーネントを単一のマイクロサービスに割り当てる。このアプローチは、しばしばサービス間結合を高め、サービス内結合を減らす。マイクロサービス抽出をソフトクラスタリング問題として定式化するフレームワークであるMo2oM(モノリスからオーバーラップマイクロサービス)を提案する。この方法は専門家主導の分解にインスパイアされ、実践者が意図的にサービス間でソフトウェアコンポーネントを複製してコミュニケーションのオーバーヘッドを減らす。 Mo2oMは、深いセマンティック埋め込みとメソッドコールグラフから抽出された構造的依存関係を組み合わせることで、機能的およびアーキテクチャ的関係の両方をキャプチャする。グラフニューラルネットワークベースのソフトクラスタリングアルゴリズムがマイクロサービスの最終セットを生成する。 4つのオープンソースのモノリシックベンチマークでMo2oMを評価し、8つの最先端のベースラインと比較した。その結果,Mo2oMは最大40.97%のモジュラリティ(結合と結合のバランス),58%のサービス間コールパーセンテージ(通信オーバーヘッド),26.16%のインターフェース番号(モジュール性と疎結合),38.96%の非極限分散(サービスサイズバランス)の改善を実現していることがわかった。

関連論文リスト

Centrality Change Proneness: an Early Indicator of Microservice Architectural Degradation [48.55946052680251]
時間ネットワークの研究は、進化するネットワークを記述し分析する方法として現れてきた。これまでの研究では,サイズや複雑性,品質といったソフトウェアメトリクスが,マイクロサービスの集中度とどのように関係しているかが検討されてきた。本研究は, 時間集中度指標が建築劣化の早期検出に有効かどうかを考察する。
論文参考訳（メタデータ） (2025-06-09T12:22:12Z)
MONO2REST: Identifying and Exposing Microservices: a Reusable RESTification Approach [0.7499722271664147]
多くの組織は、レガシーなモノリシックシステムからアーキテクチャスタイルへの移行を追求しています。このプロセスは困難で、リスクが高く、時間集約的であり、失敗しがちですが、いくつかの組織では、移行プロセスを構築するために必要な資金、時間、専門知識が不足しています。移行することなく、レガシーシステムをマイクロサービスアプリケーションとして公開することを提案する。
論文参考訳（メタデータ） (2025-03-27T14:10:33Z)
Reinforced Model Merging [53.84354455400038]
本稿では,タスク統合に適した環境とエージェントを含むRMM(Reinforced Model Merging)という,革新的なフレームワークを提案する。評価プロセス中にデータサブセットを利用することで、報酬フィードバックフェーズのボトルネックに対処し、RMMを最大100倍高速化する。
論文参考訳（メタデータ） (2025-03-27T08:52:41Z)
Network Centrality as a New Perspective on Microservice Architecture [48.55946052680251]
マイクロサービスアーキテクチャの採用により、Nano/Mega/Hubサービスなど、さまざまなパターンやアンチパターンが特定できるようになった。本研究では,集中度指標(CM)がMSAの品質に対する新たな洞察を与え,アーキテクチャ上のアンチパターンの検出を容易にするかどうかを検討する。
論文参考訳（メタデータ） (2025-01-23T10:13:57Z)
Migration to Microservices: A Comparative Study of Decomposition Strategies and Analysis Metrics [0.5076419064097734]
本稿では,モノリシックアプリケーションにおけるポテンシャルを識別する新しいクラスタリング手法を提案する。本手法では,クラス間の静的解析,構造,意味的関係を考慮した密度に基づくクラスタリングアルゴリズムを用いる。
論文参考訳（メタデータ） (2024-02-13T14:15:00Z)
A Microservices Identification Method Based on Spectral Clustering for Industrial Legacy Systems [5.255685751491305]
本稿では,スペクトルグラフ理論に基づくマイクロサービス候補抽出のための自動分解手法を提案する。提案手法は,ドメインの専門家が関与しなくても,良好な結果が得られることを示す。
論文参考訳（メタデータ） (2023-12-20T07:47:01Z)
From Kubernetes to Knactor: A Data-Centric Rethink of Service Composition [5.250111701278031]
マイクロサービスは現代のアプリケーションでますます使われており、効率的なサービス構成ソリューションの必要性が高まっています。従来のAPI中心の構成メカニズムは、厳格なコードレベルの結合、散乱ロジック、サービス間データ交換への可視性を導入しています。サービス構成の再考と、提供予定のモジュラリティを復元する新しいデータ中心のフレームワークであるKnactorを提案する。
論文参考訳（メタデータ） (2023-09-04T20:46:05Z)
Reclaimer: A Reinforcement Learning Approach to Dynamic Resource Allocation for Cloud Microservices [4.397680391942813]
要件を満たしながらCPUコアの割り当てを最小限に抑えるため,実行時の変更数や動作の変化に適応するディープラーニングモデルであるReclaimerを導入する。 2つのマイクロサービスベースのアプリケーションで評価すると、Reclaimerは業界標準のスケーリングソリューションと比較してCPUコアの割り当てを38.4%から74.4%に削減する。
論文参考訳（メタデータ） (2023-04-17T01:44:05Z)
Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
論文参考訳（メタデータ） (2021-06-15T17:22:59Z)

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。