論文の概要: MicroRacer: Detecting Concurrency Bugs for Cloud Service Systems

• arxiv url: http://arxiv.org/abs/2512.05716v1
• Date: Fri, 05 Dec 2025 13:43:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.042492
• Title: MicroRacer: Detecting Concurrency Bugs for Cloud Service Systems
• Title（参考訳）: MicroRacer: クラウドサービスの並行バグを検出する
• Authors: Zhiling Deng, Juepeng Wang, Zhuangbin Chen,
• Abstract要約: クラウドサービスは、マイクロサービスアーキテクチャのため、バグに弱い。 既存のバグ検出方法は、しばしばその侵入的な性質とアーキテクチャ上の複雑さを扱うことができないために不足する。 このような環境のバグを検出するための非侵襲的で自動化されたフレームワークであるMicroRacerを提案する。
• 参考スコア（独自算出の注目度）: 2.1647389701624165
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Modern cloud applications delivering global services are often built on distributed systems with a microservice architecture. In such systems, end-to-end user requests traverse multiple different services and machines, exhibiting intricate interactions. Consequently, cloud service systems are vulnerable to concurrency bugs, which pose significant challenges to their reliability. Existing methods for concurrency bug detection often fall short due to their intrusive nature and inability to handle the architectural complexities of microservices. To address these limitations, we propose MicroRacer, a non-intrusive and automated framework for detecting concurrency bugs in such environments. By dynamically instrumenting widely-used libraries at runtime, MicroRacer collects detailed trace data without modifying the application code. Such data are utilized to analyze the happened-before relationship and resource access patterns of common operations within service systems. Based on this information, MicroRacer identifies suspicious concurrent operations and employs a three-stage validation process to test and confirm concurrency bugs. Experiments on open-source microservice benchmarks with replicated industrial bugs demonstrate MicroRacer's effectiveness and efficiency in accurately detecting and pinpointing concurrency issues.
• Abstract（参考訳）: グローバルなサービスを提供する最新のクラウドアプリケーションは、マイクロサービスアーキテクチャを備えた分散システム上に構築されることが多い。 このようなシステムでは、エンド・ツー・エンドのユーザ・リクエストは複数の異なるサービスやマシンを横断し、複雑なインタラクションを示す。 その結果、クラウドサービスシステムは並行処理のバグに弱いため、信頼性に重大な課題が生じる。 既存の並行性バグ検出方法は、その侵入的な性質と、マイクロサービスのアーキテクチャ上の複雑さを扱うことができないため、しばしば不足する。 これらの制約に対処するため、このような環境での並行性バグを検出する非侵襲的で自動化されたフレームワークであるMicroRacerを提案する。 実行時に広く使用されるライブラリを動的に計測することで、MicroRacerはアプリケーションコードを変更することなく詳細なトレースデータを収集する。 このようなデータを利用して、サービスシステム内の共通オペレーションの偶然の関連やリソースアクセスパターンを分析します。 この情報に基づいて、MicroRacerは疑わしい並行処理を特定し、3段階の検証プロセスを使用して同時実行バグをテストし、確認する。 産業的なバグを再現したオープンソースのマイクロサービスベンチマークの実験は、並列性の問題の正確な検出と特定におけるMicroRacerの有効性と効率を実証している。

関連論文リスト

• FC-ADL: Efficient Microservice Anomaly Detection and Localisation Through Functional Connectivity [2.994962964425238]
  マイクロサービスメトリクスから異常な変更を検出し、ローカライズするための、エンドツーエンドのスケーラブルなアプローチであるFC-ADLを提案する。 提案手法は,多種多様な障害シナリオを対象としたトップ検出およびローカライゼーション性能を実現することができることを示す。 提案手法は, 最先端手法と比較して, さまざまな障害シナリオにおいて, トップ検出およびローカライズ性能を実現することができることを示す。
  論文  参考訳（メタデータ） (2025-11-30T11:29:30Z)
• Demystifying deep search: a holistic evaluation with hint-free multi-hop questions and factorised metrics [89.1999907891494]
  We present WebDetective, a benchmark of hint-free multi-hop questions with a control Wikipedia sandbox。 25の最先端モデルに対する我々の評価は、すべてのアーキテクチャにまたがる体系的な弱点を明らかにしている。 私たちはエージェントワークフローであるEvidenceLoopを開発し、ベンチマークが特定する課題を明示的にターゲットしています。
  論文  参考訳（メタデータ） (2025-10-01T07:59:03Z)
• GAL-MAD: Towards Explainable Anomaly Detection in Microservice Applications Using Graph Attention Networks [1.0136215038345013]
  ネットワークとパフォーマンスの問題に起因する異常は素早く特定され、対処されなければならない。 既存の異常検出技術は統計モデルや機械学習手法に依存していることが多い。 グラフ注意とLSTMに基づくマイクロサービス異常検出(GAL-MAD)と呼ばれる新しい異常検出モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-31T10:11:31Z)
• Synthetic Time Series for Anomaly Detection in Cloud Microservices [9.44541023672687]
  本稿では,クラウドコンピューティングにおける異常検出のための時系列生成フレームワークを提案する。 我々は、デプロイメントと管理を可能にするパイプライン実装と、異常生成に必要な理論的アプローチについて詳述する。 提案されたフレームワークを使って生成された2つのデータセットがGitHubから公開されている。
  論文  参考訳（メタデータ） (2024-07-21T11:23:54Z)
• Twin Graph-based Anomaly Detection via Attentive Multi-Modal Learning for Microservice System [24.2074235652359]
  我々は,マルチモーダル学習を通じて利用可能なすべてのデータモダリティをシームレスに統合するMSTGADを提案する。 本研究では,異なるモーダル間の相関関係をモデル化するために,空間的および時間的注意機構を備えたトランスフォーマーベースニューラルネットワークを構築した。 これにより、リアルタイムで自動的かつ正確に異常を検出することができる。
  論文  参考訳（メタデータ） (2023-10-07T06:28:41Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• 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)

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。