論文の概要: Evaluating Asynchronous Semantics in Trace-Discovered Resilience Models: A Case Study on the OpenTelemetry Demo

• arxiv url: http://arxiv.org/abs/2512.12314v1
• Date: Sat, 13 Dec 2025 13:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.215558
• Title: Evaluating Asynchronous Semantics in Trace-Discovered Resilience Models: A Case Study on the OpenTelemetry Demo
• Title（参考訳）: トレース検出レジリエンスモデルにおける非同期セマンティックスの評価:OpenTelemetryのデモを事例として
• Authors: Anatoly A. Krasnovsky,
• Abstract要約: トレースからサービス依存グラフを導出する、トレースが発見された接続モデルを再検討する。 フェールストップサービス障害時にエンドポイントの可用性を推定するために、Monte Carloシミュレーションを使用します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: While distributed tracing and chaos engineering are becoming standard for microservices, resilience models remain largely manual and bespoke. We revisit a trace-discovered connectivity model that derives a service dependency graph from traces and uses Monte Carlo simulation to estimate endpoint availability under fail-stop service failures. Compared to earlier work, we (i) derive the graph directly from raw OpenTelemetry traces, (ii) attach endpoint-specific success predicates, and (iii) add a simple asynchronous semantics that treats Kafka edges as non-blocking for immediate HTTP success. We apply this model to the OpenTelemetry Demo ("Astronomy Shop") using a GitHub Actions workflow that discovers the graph, runs simulations, and executes chaos experiments that randomly kill microservices in a Docker Compose deployment. Across the studied failure fractions, the model reproduces the overall availability degradation curve, while asynchronous semantics for Kafka edges change predicted availabilities by at most about 10^(-5) (0.001 percentage points). This null result suggests that for immediate HTTP availability in this case study, explicitly modeling asynchronous dependencies is not warranted, and a simpler connectivity-only model is sufficient.
• Abstract（参考訳）: 分散トレースとカオスエンジニアリングがマイクロサービスの標準になっている一方で、レジリエンスモデルは大部分が手作業で実現されている。 我々は、トレースからサービス依存グラフを導出したトレース発見接続モデルを再検討し、Monte Carloシミュレーションを使用して、フェールストップサービス障害時のエンドポイント可用性を推定する。 初期の作品と比較すると、私たちは (i)生のOpenTelemetryトレースから直接グラフを導出する。 (二)エンドポイント固有の成功述語を添付し、 3) Kafkaエッジを非ブロッキングとして扱うシンプルな非同期セマンティクスを追加して、HTTPの即時成功を実現します。 私たちはこのモデルを、グラフを発見し、シミュレーションを実行し、Docker Composeデプロイメントでマイクロサービスをランダムに破棄するカオス実験を実行するGitHub Actionsワークフローを使用して、OpenTelemetry Demo ("Astronomy Shop")に適用します。 一方、Kafkaエッジの非同期セマンティクスは、少なくとも10^(-5)(0.001ポイント)の可用性を予測している。 このヌルな結果から、このケーススタディでは、非同期の依存関係を明示的にモデリングすることは保証されておらず、より単純な接続のみのモデルで十分であることを示唆している。

関連論文リスト

• Model Discovery and Graph Simulation: A Lightweight Gateway to Chaos Engineering [0.0]
  カオスエンジニアリングはレジリエンスのリスクを明らかにしますが、広く頻繁に実行するには高価で運用上のリスクがあります。 我々は、単純な接続のみのトポロジモデルにより、フェールストップフォールトの下で、高速で低リスクなアベイラビリティー推定を行うことができると主張している。
  論文  参考訳（メタデータ） (2025-06-12T10:59:28Z)
• Joint Graph Estimation and Signal Restoration for Robust Federated Learning [11.817062392718807]
  本稿では,雑音の多いコミュニケーション下でのフェデレート学習(FL)におけるモデルパラメータのロバスト集約手法を提案する。 提案手法は,バイアスデータと雑音条件下での分類精度を最大2ドル～5ドルに向上することを示す。
  論文  参考訳（メタデータ） (2025-05-16T19:17:59Z)
• Model Equality Testing: Which Model Is This API Serving? [59.005869726179455]
  APIプロバイダは、基本モデルの定量化、透かし、微調整を行い、出力分布を変更することができる。 モデル平等テスト(Model Equality Testing)は,2サンプルテスト問題である。 単純な文字列カーネル上に構築されたテストは、歪みの範囲に対して77.4%の中央値を達成する。
  論文  参考訳（メタデータ） (2024-10-26T18:34:53Z)
• Truncated Consistency Models [57.50243901368328]
  トレーニング一貫性モデルは、PF ODE 軌道に沿ったすべての中間点を対応するエンドポイントにマッピングする学習を必要とする。 このトレーニングパラダイムが一貫性モデルの1ステップ生成性能を制限することを実証的に見出した。 整合性関数の新しいパラメータ化と2段階の訓練手順を提案し,時間外学習が崩壊することを防ぐ。
  論文  参考訳（メタデータ） (2024-10-18T22:38:08Z)
• 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)
• Interpretations Steered Network Pruning via Amortized Inferred Saliency Maps [85.49020931411825]
  限られたリソースを持つエッジデバイスにこれらのモデルをデプロイするには、畳み込みニューラルネットワーク(CNN)圧縮が不可欠である。 本稿では,新しい視点からチャネルプルーニング問題に対処するために,モデルの解釈を活用して,プルーニング過程を解析する手法を提案する。 本研究では,実時間スムーズなスムーズなスムーズなスムーズなマスク予測を行うセレクタモデルを導入することで,この問題に対処する。
  論文  参考訳（メタデータ） (2022-09-07T01:12:11Z)
• From Spectral Graph Convolutions to Large Scale Graph Convolutional Networks [0.0]
  グラフ畳み込みネットワーク(GCN)は、様々なタスクにうまく適用された強力な概念であることが示されている。 古典グラフ理論の関連部分を含むGCNの定義への道を開いた理論を考察する。
  論文  参考訳（メタデータ） (2022-07-12T16:57:08Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)

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。