論文の概要: A Unified Feature Model for Microservice Identification and Refactoring
- arxiv url: http://arxiv.org/abs/2608.02644v1
- Date: Fri, 31 Jul 2026 14:33:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.665718
- Title: A Unified Feature Model for Microservice Identification and Refactoring
- Title（参考訳）: マイクロサービスの識別とリファクタリングのための統一特徴モデル
- Authors: Ana Almeida, António Rito Silva,
- Abstract要約: モノリシックシステム内の自動識別にはいくつかのアプローチが提案されている。
設計ソリューションに固有のトレードオフを完全に探求するには、複数のアプローチを統合する必要がある。
本稿では,多種多様なマイクロサービス識別ツールの特徴モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.5729426778193398
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Several approaches have been proposed for the automatic identification of microservices within monolithic systems. These methodologies differ in their data collection and analysis techniques, the decomposition algorithms applied, and the mechanisms used to visualize and refine candidate microservices. Despite this diversity, systematic experimentation and comparison across approaches remain limited by the absence of a common conceptual framework. Furthermore, current research indicates that no single optimal method exists; rather, integrating multiple approaches is necessary to fully explore the trade-offs inherent in any design solution. To address this gap, this paper proposes a feature model for variant-rich microservice identification tools, grounded in an extensive analysis of the state of the art. We evaluate this feature model through a systematic mapping of representative literature and by analyzing its instantiation within the architecture of an existing microservice identification tool. Our findings are two-fold. First, the proposed feature model successfully captures the primary variation points of existing methodologies, providing a unifying foundation for analyzing, comparing, and designing microservice identification tools. Second, while no individual tool covers more than a fraction of the model, the analyzed tools jointly span almost all of its variation points. This complementarity is the central result: the design space is already populated, but it is fragmented across standalone tools, none of which can compare or integrate the alternatives that the others implement.
- Abstract（参考訳）: モノリシックシステム内のマイクロサービスの自動識別には、いくつかのアプローチが提案されている。
これらの手法は、データ収集と分析のテクニック、適用された分解アルゴリズム、および候補マイクロサービスの可視化と洗練に使用されるメカニズムが異なる。
この多様性にもかかわらず、体系的な実験とアプローチ間の比較は、共通の概念的枠組みが欠如しているために制限され続けている。
さらに、現在の研究では、単一の最適手法が存在しないことが示されており、むしろ、設計ソリューションに固有のトレードオフを完全に探求するためには、複数のアプローチを統合する必要がある。
このギャップに対処するため,本論文では,最先端技術の広範な分析を基礎として,可変リッチなマイクロサービス識別ツールの機能モデルを提案する。
代表文献の体系的なマッピングと,既存のマイクロサービス識別ツールのアーキテクチャ内でのインスタンス化を分析することで,この特徴モデルを評価する。
私たちの所見は2倍です。
まず、提案されたフィーチャーモデルは、既存の方法論の主要な変動点をうまく捉え、マイクロサービス識別ツールの分析、比較、設計のための統一された基盤を提供する。
第二に、個々のツールはモデルのごく一部をカバーしていないが、分析されたツールは、ほぼすべての変動点を共同でカバーしている。
この相補性は中心的な結果である – 設計スペースはすでに占有されているが、独立したツール間で断片化されているため、他のツールが実装する代替手段の比較や統合はできない。
関連論文リスト
- EVA-MILP: Towards Standardized Evaluation of MILP Instance Generation [13.49043811341421]
混合整数線形プログラミング(MILP)は、複雑な意思決定問題を解決するための基礎となる。
多様なデータセットに対する機械学習の需要により,MILPインスタンス生成手法の普及が加速し,標準化された評価手法が大幅に向上した。
本稿では,MILPインスタンス生成手法の体系的および客観的評価を目的とした総合ベンチマークフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-30T16:42:15Z) - POGEMA: A Benchmark Platform for Cooperative Multi-Agent Pathfinding [76.67608003501479]
POGEMAは、学習のための高速環境、問題インスタンスジェネレータ、可視化ツールキットを含む、総合的なツールセットである。
また、プライマリ評価指標に基づいて計算されるドメイン関連メトリクスの範囲を規定する評価プロトコルを導入し、定義する。
この比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含む。
論文 参考訳（メタデータ） (2024-07-20T16:37:21Z) - Multi-objective Binary Differential Approach with Parameter Tuning for Discovering Business Process Models: MoD-ProM [2.3423913554158653]
本稿では,プロセス発見のための多目的フレームワークにおけるバイナリ微分進化手法について考察する。
提案手法により生成されたプロセスモデルは、最先端のアルゴリズムで生成されたプロセスよりも優れているか、少なくとも優れていることが示されている。
論文 参考訳（メタデータ） (2024-06-25T16:53:55Z) - Migration to Microservices: A Comparative Study of Decomposition
Strategies and Analysis Metrics [0.5076419064097734]
本稿では,モノリシックアプリケーションにおけるポテンシャルを識別する新しいクラスタリング手法を提案する。
本手法では,クラス間の静的解析,構造,意味的関係を考慮した密度に基づくクラスタリングアルゴリズムを用いる。
論文 参考訳（メタデータ） (2024-02-13T14:15:00Z) - Multiobjective Optimization Analysis for Finding Infrastructure-as-Code
Deployment Configurations [0.3774866290142281]
本稿では,インフラストラクチャ・アズ・コード配置に関する多目的問題に焦点をあてる。
本稿では,9種類の進化型多目的アルゴリズムについて述べる。
フリードマンの非パラメトリックテストを用いて, 独立ランニング後の各手法の結果を比較した。
論文 参考訳（メタデータ） (2024-01-18T13:55:32Z) - A Simple Information-Based Approach to Unsupervised Domain-Adaptive
Aspect-Based Sentiment Analysis [58.124424775536326]
本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。
実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
論文 参考訳（メタデータ） (2022-01-29T10:18:07Z) - Learning Prototype-oriented Set Representations for Meta-Learning [85.19407183975802]
集合構造データから学ぶことは、近年注目を集めている根本的な問題である。
本稿では,既存の要約ネットワークを改善するための新しい最適輸送方式を提案する。
さらに、少数ショット分類と暗黙的メタ生成モデリングの事例にインスタンス化する。
論文 参考訳（メタデータ） (2021-10-18T09:49:05Z) - How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating
and Auditing Generative Models [95.8037674226622]
ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。
当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
論文 参考訳（メタデータ） (2021-02-17T18:25:30Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳（メタデータ） (2020-11-13T10:53:27Z)
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。