論文の概要: A Practical Framework for Flaky Failure Triage in Distributed Database Continuous Integration
- arxiv url: http://arxiv.org/abs/2603.23054v1
- Date: Tue, 24 Mar 2026 10:50:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.43746
- Title: A Practical Framework for Flaky Failure Triage in Distributed Database Continuous Integration
- Title（参考訳）: 分散データベース継続的インテグレーションにおけるフレキシブルな障害トリアージのための実践的フレームワーク
- Abstract要約: 分散データベース継続的インテグレーション(CI)を効率的かつ信頼性に維持するためには、不安定な障害トリアージが不可欠だ。
SCOUTは、分散データベースCIのための、状態認識型オンライン不確実性を校正したトリアージフレームワークである。
SCOUTは、障害前のテレメトリや厳密な歴史的データなど、厳格な因果関係のみを使用して、ルックアヘッドなしでオンライン決定を行う。
- 参考スコア（独自算出の注目度）: 15.789124858175827
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flaky failure triage is crucial for keeping distributed database continuous integration (CI) efficient and reliable. After a failure is observed, operators must quickly decide whether to auto-rerun the job as likely flaky or escalate it as likely persistent, often under CPU-only millisecond budgets. Existing approaches remain difficult to deploy in this setting because they may rely on post-failure artifacts, produce poorly calibrated scores under telemetry and workload shifts, or learn from labels generated by finite rerun policies. To address these challenges, we present SCOUT, a practical state-aware causal online uncertainty-calibrated triage framework for distributed database CI. SCOUT uses only strict-causal features, including pre-failure telemetry and strictly historical data, to make online decisions without lookahead. Specifically, SCOUT combines lightweight state-aware scoring with optional sparse metadata fusion, applies post-hoc calibration to support fixed-threshold decisions across temporal and cross-domain shifts, and introduces a posterior-soft correction to reduce label bias induced by finite rerun budgets. We evaluated SCOUT on a benchmark of 3,680 labeled failed runs, including 462 flaky positives, and 62 telemetry/context features. Further, we studied the feasibility of SCOUT on TiDB v7/v8 and a large GitHub Actions metadata-only trace. The experimental results demonstrated its effectiveness and usefulness. We deployed SCOUT in the production environment, achieving an end-to-end P95 latency of 1.17 ms on CPU.
- Abstract（参考訳）: 分散データベース継続的インテグレーション(CI)を効率的かつ信頼性に維持するためには、不安定な障害トリアージが不可欠だ。
障害が観測された後、オペレーターは、CPUのみのミリ秒の予算の下で、ジョブを自動的に再起動するか、あるいは永続的なエスカレートするかを迅速に判断する必要がある。
既存のアプローチは、障害後のアーティファクトに依存したり、テレメトリやワークロードシフトの下で調整の不十分なスコアを生成したり、あるいは有限再実行ポリシーによって生成されたラベルから学習するため、この環境でのデプロイは依然として困難である。
これらの課題に対処するため、SCOUTは、分散データベースCIのための実用的な状態認識型オンライン不確実性校正フレームワークである。
SCOUTは、障害前のテレメトリや厳密な歴史的データなど、厳格な因果関係のみを使用して、ルックアヘッドなしでオンライン決定を行う。
具体的には、SCOUTは、軽量な状態認識スコアと任意のスパースメタデータの融合を組み合わせ、時間的およびクロスドメインシフト間の固定閾値決定をサポートするために、ポストホックキャリブレーションを適用し、有限再実行予算によるラベルバイアスを低減するために、後方ソフト補正を導入する。
SCOUTを3,680個のラベル付きランニングで評価し,462個のフレキ陽性,62個のテレメトリ・コンテクスト特性について検討した。
さらに、TiDB v7/v8上のSCOUTと、大規模なGitHub Actionsメタデータのみのトレースの実現可能性についても検討した。
実験の結果,有効性と有用性を示した。
運用環境にSCOUTをデプロイし、CPU上で1.17msのエンドツーエンドのP95レイテンシを実現しました。
関連論文リスト
- Hardware-Accelerated Instance Segmentation for Resource-Constrained Space Robotics with Criticality Analysis [4.514832807541816]
資源制約のある月面ロボットのためのデプロイメント指向のインスタンスセグメンテーションフレームワークを提案する。
我々は,厳密な計算制約の下で,準安定化校正とシステムレベルの欠陥露光を共同で処理する。
その結果、統合されたアプローチと、宇宙展開の制約の下で信頼性が高く安全なAI認識フレームワークの青写真が示される。
論文 参考訳（メタデータ） (2026-09-02T07:33:27Z) - ClawProBench: Trace-Aware Evaluation of AI Agents with Runtime Coverage and Frozen Workplace-Style Holdouts [0.0]
エージェントベンチマークは、エージェントがステートフルランタイム上で実行されている場合でも、最終回答のみを評価することが多い。
OpenClaw上でインスタンス化されたランタイムネイティブエージェント評価のためのトレース対応ベンチマークであるClawProBenchを提案する。
論文 参考訳（メタデータ） (2026-08-23T17:09:02Z) - Evaluating Agentic Code Repair Capabilities in Distributed Systems [12.535741000126803]
DDBenchは、13のオープンソース分散システムから採掘された60の歴史的バグのコード修正ベンチマークである。
DDBench上での10個のLDMの評価結果から,いくつかの知見が得られた。
論文 参考訳（メタデータ） (2026-08-14T19:59:56Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - Beyond the Attention Stability Boundary: Agentic Self-Synthesizing Reasoning Protocols [6.357772907811544]
SSRP(Self- Synthesizing Reasoning Protocols)は、アーキテクチャ計画と手続き実行の分離を実装するメタ認知フレームワークである。
提案する実験層は,浅電流に基づく検索パイロット,高エントロピーSOP,セマンティックハイジャック3ホップ多要素合成タスクの3種類である。
以上の結果から,GPT 5.4の非定常バニラ基準線が0.1%に崩壊し,SSRPは715X耐力限界を達成した。
論文 参考訳（メタデータ） (2026-04-27T14:13:30Z) - Controllable and Verifiable Tool-Use Data Synthesis for Agentic Reinforcement Learning [82.89535601592739]
マルチレベル検証を用いた自己進化型合成により,信頼性の高い基本ツール利用軌跡を生成する2段階パイプラインを提案する。
これらの拡張は、トラクタツール、間接的または曖昧なユーザクエリ、ノイズ、マルチフォーマット、あるいは誤ったツール出力を導入します。
本設計では,標準事例に対する参照マッチングによる報酬の自動計算と,エラー検出などの特別な動作に対する軽量な判断支援検証を実現する。
論文 参考訳（メタデータ） (2026-04-10T18:38:52Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。
ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。
探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
論文 参考訳（メタデータ） (2026-03-15T16:13:58Z) - Graph-Based Self-Healing Tool Routing for Cost-Efficient LLM Agents [0.0]
自己修復ルータはフォールトトレラントなオーケストレーションアーキテクチャである。
ほとんどのエージェント制御フロー決定を、推論よりもルーティングとして扱う。
すべての障害はログ化されたリルートか明示的なエスカレーションのどちらかで、無音スキップはしない。
論文 参考訳（メタデータ） (2026-03-02T07:21:15Z) - From Robotics to Sepsis Treatment: Offline RL via Geometric Pessimism [0.0]
CQLのようなメソッドは厳格な保守性を提供しますが、膨大な計算能力が必要です。
IQLはしばしば、病理データセットのOODエラーの修正に失敗し、Behavioural Cloningに崩壊する。
我々は密度に基づくペナルティで標準のIQLを拡張する計算効率の高いフレームワークであるGeometric Pessimismを提案する。
論文 参考訳（メタデータ） (2026-02-09T13:48:25Z) - Enabling Predictive Maintenance in District Heating Substations: A Labelled Dataset and Fault Detection Evaluation Framework based on Service Data [0.0]
本稿では,EnergyFaultDetectorで実装されたサービスレポート検証公開データセット,正確性,信頼性,公平性に基づく評価手法,ベースライン結果を組み合わせたオープンソースフレームワークを提案する。
このデータセットには、2つのメーカーにわたる93のサブステーションからの一連の運用データが含まれており、障害やメンテナンス動作による障害のリストがアノテートされている。
本研究では,3つの指標を用いてEnergyFaultDetectorを評価した。正常な動作を認識する精度,エラーアラームが少ない信頼性障害検出のためのFスコア,早期検出のためのEnergyFaultDetector,早期検出のためのEnergyFaultDetectorである。
論文 参考訳（メタデータ） (2025-11-14T13:31:24Z) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - SBEST: Spectrum-Based Fault Localization Without Fault-Triggering Tests [17.90798133817018]
本研究は, 事故報告から得られたスタックトレースを, スペクトルベース断層定位における故障トリガー試験のプロキシとして用いる可能性について検討した。
本稿では,スタックトレース情報とテストカバレッジデータを統合する新たな手法であるSBESTを提案する。
論文 参考訳（メタデータ） (2024-05-01T15:15:52Z) - Sequential Kernelized Independence Testing [77.237958592189]
我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。
シミュレーションデータと実データの両方にアプローチのパワーを実証する。
論文 参考訳（メタデータ） (2022-12-14T18:08:42Z)
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。