論文の概要: SmellDoc: Extending Elastic Stack for Microservice Bad Smell Detection and Visualization
- arxiv url: http://arxiv.org/abs/2605.24471v1
- Date: Sat, 23 May 2026 08:45:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.074856
- Title: SmellDoc: Extending Elastic Stack for Microservice Bad Smell Detection and Visualization
- Title（参考訳）: SmellDoc: マイクロサービスの悪臭検出と可視化のためのElastic Stackの拡張
- Authors: Yongchao Xing, Weipan Yang, Yiming Lv, Dianhui Chu, Zhiying Tu,
- Abstract要約: 我々はElastic StackをベースにしたカスタマイズフレームワークであるSmellDocを提案する。
SmellDocは、マイクロサービス悪臭検出プラグインによるネイティブオブザーバビリティダッシュボードを拡張し、検出、知識、ヘルス監視を統合する。
84種類の知識ベースをサポートし、アーキテクチャ、ランタイム、パフォーマンスのカテゴリで24の代表的な匂いを検出することができる。
ベンチマークマイクロサービスシステムのケーススタディでは、SmellDocが臭いの検出、可視化、分析に有効であることを示し、それによって実行時の可観測性を高め、トラブルシューティングを加速し、高いレベルのサービス品質を維持することができる。
- 参考スコア（独自算出の注目度）: 7.850818062161976
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Microservices have become a mainstream architectural paradigm, yet microservice bad smells can significantly harm maintainability and performance. Existing detection tools often produce obscure outputs and lack effective integration with runtime observability, making it difficult for operators to interpret results and take timely action. To address this gap, we propose SmellDoc, a customized framework based on Elastic Stack. SmellDoc extends the native observability dashboard with a microservice bad smell detection plugin, integrating detection, knowledge, and health monitoring. It introduces a Custom-Business-Collector to capture business-level metrics, a Re-integration Collector to aggregate heterogeneous runtime data, and detection components that combine static and runtime analyses. SmellDoc supports a knowledge base of 84 smell types and enables detection of 24 representative smells across architectural, runtime, and performance categories. Results are visualized in Kibana through multiple views, providing operators with actionable insights. Case studies on a benchmark microservice system demonstrate that SmellDoc is effective and usable in detecting, visualizing, and analyzing smells, thus enhancing runtime observability and accelerating troubleshooting to maintain a high level of Quality of Service.
- Abstract（参考訳）: マイクロサービスは主要なアーキテクチャパラダイムになっていますが、マイクロサービスの悪臭は保守性とパフォーマンスを著しく損ないます。
既存の検出ツールは、しばしば不明瞭な出力を生成し、実行時可観測性との効果的な統合を欠いているため、オペレーターが結果を解釈し、タイムリーなアクションを取るのが難しくなる。
このギャップに対処するため、Elastic StackをベースとしたカスタマイズフレームワークであるSmellDocを提案する。
SmellDocは、マイクロサービス悪臭検出プラグインによるネイティブオブザーバビリティダッシュボードを拡張し、検出、知識、ヘルス監視を統合する。
ビジネスレベルのメトリクスをキャプチャするCustom-Business-Collector、異種ランタイムデータを集約するRe-Integration Collector、静的とランタイム分析を組み合わせた検出コンポーネントが導入されている。
SmellDocは84種類の知識ベースをサポートし、アーキテクチャ、ランタイム、パフォーマンスのカテゴリで24の代表的な匂いを検出することができる。
結果は、複数のビューを通じてKibanaで視覚化され、オペレーターに実行可能な洞察を提供する。
ベンチマークマイクロサービスシステムのケーススタディでは、SmellDocが匂いの検出、可視化、分析に有効であることを示し、それによって実行時の可観測性を高め、トラブルシューティングを加速し、高いレベルのサービス品質を維持することができる。
関連論文リスト
- Can Graph-Based Microservice Performance Detection Be Used for Microservice Intrusion Detection? [0.0]
本稿では、グラフベースのマイクロサービスパフォーマンス検出が、マイクロサービス侵入検出の基礎となるかどうかを問う。
Docker Composeベースの合成Eコマースマイクロサービスベンチマークをデプロイし、通常のワークロード下で5つの攻撃タイプにわたって50のコントロールされたトライアルを実行し、メトリクス、ログ、分散トレースを収集します。
21,438個の要求グラフの6方向分類のための2層グラフ畳み込みネットワークを訓練し、96.2%の精度で、グラフレベルのランダムスプリットの下でマクロF1を0.955とする。
論文 参考訳（メタデータ） (2026-05-22T23:30:38Z) - An Event-Driven Tool for Context-Aware Code Smell Detection Using SmellDSL [0.5424799109837065]
コードは、進化するソフトウェアシステムの内部品質を低下させる設計原則の信号違反を嗅ぎます。
SmellHunterはコンテキスト認識ツールで、Smellドメイン固有の言語で記述されたスクリプトを解釈して、臭いを検出し、コードする。
SmellHunterは専用のプラグインを通じて開発環境に統合され、モバイルアプリケーションを通じて集約された洞察を提供する。
論文 参考訳（メタデータ） (2026-05-20T03:43:32Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - An Empirical Evaluation of Code Smell Detection in Angular Applications [0.37331950863394864]
Angularは、大規模で動的なWebアプリケーションを開発するための最も広く採用されているフレームワークの1つである。
開発者は、アーキテクチャの管理とクリーンでモジュール化されたコードのメンテナンスにおいて、ますます難しい課題に直面している。
本研究では、灰色の文献レビューを通じてAngularコードの臭いを調べ、コミュニティの知識と技術的な議論を統合する。
論文 参考訳（メタデータ） (2026-04-30T14:08:25Z) - AJ-Bench: Benchmarking Agent-as-a-Judge for Environment-Aware Evaluation [71.49152943451328]
我々は,AJ-Benchベンチマークを導入し,ドメイン検索,データシステム,グラフィカルユーザインタフェースの3つの領域にまたがるエージェント・アズ・ア・Judgeを評価する。
実験ではLLM-as-a-Judgeベースラインよりも一貫したパフォーマンス向上を示し、エージェントベースの検証においてかなりオープンな課題を明らかにした。
論文 参考訳（メタデータ） (2026-04-20T13:23:38Z) - A Causal Perspective on Measuring, Explaining and Mitigating Smells in LLM-Generated Code [49.09545217453401]
Propensity Smelly Score (PSC) は、特定の臭いの種類を生成する確率を推定する計量である。
我々は、生成戦略、モデルサイズ、モデルアーキテクチャ、および生成したコードの構造特性をいかに形成するかを識別する。
PSCは、開発者がモデルの振る舞いを解釈し、コード品質を評価するのに役立つ。
論文 参考訳（メタデータ） (2025-11-19T19:18:28Z) - Identifying Slug Formation in Oil Well Pipelines: A Use Case from Industrial Analytics [0.0]
本稿では,コンパクトでユーザフレンドリなインターフェースによるエンドツーエンドのデータ駆動スラグ検出を実現する対話型アプリケーションを提案する。
このデモでは、人間同士の対話的なMLシステムが、データサイエンスの方法と、重要なプロセス産業における現実世界の意思決定のギャップを埋める方法を紹介している。
論文 参考訳（メタデータ） (2025-11-02T08:26:32Z) - InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。
対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
論文 参考訳（メタデータ） (2025-10-21T06:26:29Z) - CHASE: A Causal Hypergraph based Framework for Root Cause Analysis in Multimodal Microservice Systems [29.424326542377386]
マルチモーダルデータを持つマイクロサービスシステムにおける根本原因解析,すなわちCHASEのための因数不均一なgraAph baSed framEworkを提案する。
CHASEは、因果関係の流れを表すハイパーエッジを持つ構築されたハイパーグラフから学習し、根本原因の局在を実行する。
論文 参考訳（メタデータ） (2024-06-28T07:46:51Z) - WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。
エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。
提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文 参考訳（メタデータ） (2021-05-21T11:58:50Z)
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。