論文の概要: A Case Study on Runtime Verification of a Continuous Deployment Process

• arxiv url: http://arxiv.org/abs/2602.20598v1
• Date: Tue, 24 Feb 2026 06:39:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.632391
• Title: A Case Study on Runtime Verification of a Continuous Deployment Process
• Title（参考訳）: 継続的デプロイプロセスの実行時検証に関する事例研究
• Authors: Shoma Ansai, Masaki Waga,
• Abstract要約: FluxCDベースの継続的デプロイメントプロセスにランタイムモニタリングを適用します。 SyMonは、私たちの設定でほぼリアルタイムでモニタリングするのに十分な速度です。
• 参考スコア（独自算出の注目度）: 1.0386160053821192
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We report our experience in applying runtime monitoring to a FluxCD-based continuous deployment (CD) process. Our target system consists of GitHub Actions, GitHub Container Registry (GHCR), FluxCD, and an application running on Kubernetes. We monitored its logs using SyMon. In our setting, we regard a deployment update as detected when FluxCD's polling log resolves the latest image tag. Through the case study, we found that FluxCD did not always detect a new image within five minutes after it was pushed to GHCR, whereas it always did so within ten minutes in the collected logs. Moreover, our results show that SyMon is fast enough for near-real-time monitoring in our setting.
• Abstract（参考訳）: ランタイムモニタリングをFluxCDベースの継続的デプロイメント(CD)プロセスに適用した経験を報告します。 ターゲットシステムはGitHub Actions、GitHub Container Registry(GHCR)、FluxCD、Kubernetes上で動作するアプリケーションで構成されています。 SyMonを使ってログを監視しました。 この設定では、FluxCDのポーリングログが最新のイメージタグを解決したときに検出されたデプロイメント更新について検討する。 ケーススタディを通じて、FluxCDはGHCRにプッシュされてから5分以内に新しい画像を検出しなかったが、収集したログでは10分以内に検出されていた。 さらに,この結果から,SyMonはリアルタイムに近い環境下でのモニタリングに十分高速であることがわかった。

関連論文リスト

• Sound Concurrent Traces for Online Monitoring Technical Report [0.0]
  並列プログラムは通常、抽象的なプログラム実行のためのトレースの収集に依存します。 まず、トレースが並列実行を表すときの概念を定義します。 次に,非ブロッキングベクトルクロックアルゴリズムを提案し,音の同時トレースをハエで収集する。
  論文  参考訳（メタデータ） (2024-02-28T15:11:39Z)
• LogLead -- Fast and Integrated Log Loader, Enhancer, and Anomaly Detector [8.598890329797529]
  本稿では,効率的なログ解析ベンチマークのためのツールであるLogLeadを紹介する。 LogLeadは、ロード、エンハンスメント、異常検出という、ログ処理における3つの重要なステップを組み合わせたものだ。 原ファイルからデータフレームへのログローディングは,従来のソリューションに比べてLogLeadの方が10倍以上高速であることを示す。
  論文  参考訳（メタデータ） (2023-11-20T14:42:13Z)
• Follow Anything: Open-set detection, tracking, and following in real-time [89.83421771766682]
  我々は,物体をリアルタイムで検出,追跡,追跡するロボットシステムを提案する。 私たちのアプローチは、何でも従う"(FAn)と呼ばれ、オープンな語彙とマルチモーダルモデルです。 FAnは軽量(6～8GB)グラフィックカードでラップトップにデプロイでき、毎秒6～20フレームのスループットを実現する。
  論文  参考訳（メタデータ） (2023-08-10T17:57:06Z)
• MoniLog: An Automated Log-Based Anomaly Detection System for Cloud Computing Infrastructures [3.04585143845864]
  MoniLogは、大規模環境でリアルタイムな異常を検出する分散アプローチである。 マルチソースログストリーム内のシーケンシャルかつ定量的な異常を検出することを目的としている。
  論文  参考訳（メタデータ） (2023-04-24T09:21:52Z)
• LogAnMeta: Log Anomaly Detection Using Meta Learning [0.755972004983746]
  現在の監視されたログ異常検出フレームワークは、トレーニングデータにはほとんど、あるいは見当たらないサンプルを持たない新しいタイプの異常や署名に対して、パフォーマンスが良くない傾向にある。 サンプルの少ないログイベントのシーケンスから異常を検出するメタラーニングに基づくログ異常検出フレームワーク(LogAnMeta)を提案する。
  論文  参考訳（メタデータ） (2022-12-21T13:00:02Z)
• A Closer Look at Temporal Sentence Grounding in Videos: Datasets and Metrics [70.45937234489044]
  2つの広く使用されているTSGVデータセット(Charades-STAとActivityNet Captions)を再編成し、トレーニング分割と異なるものにします。 基本的なIoUスコアを校正するために、新しい評価基準「dR@$n$,IoU@$m$」を導入する。 すべての結果は、再編成されたデータセットと新しいメトリクスがTSGVの進捗をよりよく監視できることを示している。
  論文  参考訳（メタデータ） (2021-01-22T09:59:30Z)
• A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
  Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。 ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。 我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
  論文  参考訳（メタデータ） (2020-04-16T21:06:49Z)
• Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
  本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。 我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。 我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
  論文  参考訳（メタデータ） (2020-04-03T17:36:26Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。