論文の概要: Operation-Type-Aware Client Routing for Leader-Based Consensus Datastores

• arxiv url: http://arxiv.org/abs/2609.00392v1
• Date: Tue, 11 Aug 2026 22:57:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-06 19:38:41.477502
• Title: Operation-Type-Aware Client Routing for Leader-Based Consensus Datastores
• Title（参考訳）: リーダ型コンセンサスデータストアのための運用型クライアントルーティング
• Abstract要約: リーダベースのコンセンサスデータストア(etcd, ZooKeeper)は、2つの競合するルーティング目標に直面している。 ライターはリーダーを通してコミットしなければなりません。 オペレーション対応のクライアントは、リーダに書き込みをピン留めし、正常な読み取りプールに読み取りを分散することで、この問題を解決します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Leader-based consensus datastores (etcd, ZooKeeper) face two competing routing goals: spread load evenly across members, and route operations to the member whose protocol role matches the operation. Writes must commit through the leader, so sending them elsewhere adds a forwarding hop. Linearizable reads need only a lightweight leader confirmation before any member can serve them locally. The upstream etcd client uses gRPC's round_robin balancer, distributing reads and writes uniformly across cluster members. An operation-aware client resolves this by pinning writes to the leader and distributing reads across the healthy read pool. In steady state on a 3-node etcd cluster (80/20 read/write mix, 5 trials), this lowers write P50 by 29% and raises throughput by 9%. When a follower degrades silently, the operation-aware client detects the latency shift and removes it from the read pool, cutting read P99 by 64%, write P99 by 74%, and raising throughput by 89%. The same routing rule applied to ZooKeeper (ZAB protocol, different implementation) points in the same direction, showing that the result follows from leader-based consensus structure rather than one system's implementation. The key obstacle to discovering this policy adaptively is that the leader confirmation round-trip occurs between cluster members, so the client sees only a blended latency signal rather than the decisive coordination cost directly.
• Abstract（参考訳）: リーダベースのコンセンサスデータストア(etcd、ZooKeeper)は、2つの競合するルーティング目標に直面している。 書き込みはリーダを通じてコミットしなければならない。 Linearizableの読み取りは、任意のメンバがローカルに提供できるようになる前に、軽量なリーダ確認のみを必要とする。 上流の etcd クライアントは gRPC の round_robin バランサを使用し、読み込みと書き込みをクラスタメンバに均一に分散する。 オペレーション対応のクライアントは、リーダに書き込みをピン留めし、正常な読み取りプールに読み取りを分散することで、この問題を解決します。 3ノードのetcdクラスタ(80/20の読み取り/書き込みミックス、5トライアル)では、書き込みP50が29%低下し、スループットが9%向上する。 フォロワーが静かに低下すると、動作認識クライアントは遅延シフトを検出して読み取りプールから削除し、読み取りP99を64%カットし、読みP99を74%書き、スループットを89%向上させる。 ZooKeeper(ZABプロトコル、異なる実装)に適用される同じルーティングルールは、同じ方向を向いており、ひとつのシステムの実装ではなく、リーダベースのコンセンサス構造から結果が導かれることを示している。 このポリシーを適応的に発見する上で重要な障害は、リーダ確認ラウンドトリップがクラスタメンバ間で発生することだ。

関連論文リスト

• SIR: Self-improving Red-teaming for Compute Use Agents [71.71987044117371]
  コンピュータ・ユース・エージェント(CUA、Computer use agent)は、マウス、キーボード、端末を通じて画面を認識し、実際のオペレーティングシステムに作用する視覚言語モデルである。 操作中に信頼できないコンテンツに晒されるため、間接的プロンプトインジェクション(IPI)に弱い。 SIRは,平易な言語で記述された再利用原則の小さなライブラリからステルスインジェクションを構成するブラックボックスIPIアタックである。
  論文  参考訳（メタデータ） (2026-08-31T03:39:43Z)
• Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
  外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。 我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。 オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
  論文  参考訳（メタデータ） (2026-08-23T03:07:03Z)
• LLMs Can Predict Failure Risk, But Struggle to Predict Which Collaboration Protocol Pays Off: Cost-Aware Protocol Routing Across Reasoning Tasks [3.789882665982407]
  マルチエージェント大規模言語モデル(LLM)システムは、より多くの計算に費やして推論を改善することができる。 この決定は、各設定内に固定されたソルバを保持しながら、すべての問題を4つのプロトコルで実行することで分離する。
  論文  参考訳（メタデータ） (2026-08-14T22:35:37Z)
• ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
  ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。 全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
  論文  参考訳（メタデータ） (2026-06-30T06:06:08Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• BiPACE: Bisimulation-Guided Policy Optimization with Action Counterfactual Estimation for LLM Agents [10.767742708000897]
  ステップワイズグループベースのRLは、学習評論家なしで長期のLDMエージェントを訓練する魅力的な方法である。 現在のエージェントの変種は、状態-アクションの信用ミスマッチによってこの仮定に反することを示す。 批判や補助的な損失、余分なロールアウトを加えることなく、双方を修正できる、ドロップインの利点推定ツールであるBiPACEを紹介します。
  論文  参考訳（メタデータ） (2026-06-24T08:32:42Z)
• Automating SKILL.md Generation for Computer-Using Agents via Interaction Trajectory Mining [13.114768589139308]
  明示的なスキルライブラリにより、コンピュータ使用エージェントの検査が容易になるが、下流ポリシーを改善する方法で、インタラクションデータからそのようなライブラリをマイニングできるかどうかは不明だ。 この質問はGUIトラジェクトリ、クラスタセグメントを候補スキルに分割する3段階のパイプラインを通じて研究し、その結果のアノテーションからスキル認識ポリシーをトレーニングする。 トラジェクトリマイニングは検査可能なスキル構造を明らかにすることができるが、現在の境界検出器、秩序のないセグメント表現、オフライン報酬モデルは信頼性の高いドメイン間政策改善には不十分である。
  論文  参考訳（メタデータ） (2026-06-18T15:25:42Z)
• DisAgg: Distributed Aggregators for Efficient Secure Aggregation in Federated Learning [23.144047085164825]
  フェデレートラーニングは分散クライアント間で協調的なモデルトレーニングを可能にするが、vanilla FLはクライアントのアップデートを中央サーバに公開する。 我々は、アグリゲータと呼ばれるクライアントの小さな委員会を利用してアグリゲータ自体を実行するDisAggと呼ばれる新しいプロトコルを提案する。 DisAggは100k 5Gクライアントから100k次元の更新ベクトルを処理し、4.6倍のスピードアップを実現した。
  論文  参考訳（メタデータ） (2026-05-13T15:56:12Z)
• FedEMA-Distill: Exponential Moving Average Guided Knowledge Distillation for Robust Federated Learning [1.1393603788068776]
  フェデレーテッド・ラーニング(FL)は、クライアントが不均一な非独立性(non-Independent)およびIdentically Distributed(non-IID)データを保持すると、しばしば劣化する。 本稿では,グローバルモデルの指数移動平均(EMA)とクライアント負荷予測ロジットからのアンサンブル知識蒸留を組み合わせたサーバサイドプロシージャであるFedEMA-Distillを提案する。
  論文  参考訳（メタデータ） (2026-02-15T01:40:45Z)
• Cooperative Pseudo Labeling for Unsupervised Federated Classification [62.9387841396335]
  Unsupervised Federated Learning (UFL)は、データを共有したりラベル情報にアクセスしたりすることなく、分散クライアント間でグローバルモデルを協調的にトレーニングすることを目的としている。 我々は、新しい方法、 underlinetextbfFederated underlinetextbfCooperative underlinetextbfPseudo underlinetextbfLabeling (textbfFedCoPL)を提案する。 特に、一般的な画像特徴を含む視覚的プロンプトをサーバに集約し、パーソナライズされた知識をコードするテキストプロンプトをローカルに保持する。
  論文  参考訳（メタデータ） (2025-10-11T08:18:26Z)
• Cohort Squeeze: Beyond a Single Communication Round per Cohort in Cross-Device Federated Learning [51.560590617691005]
  各コホートから「より多くのジュースを抽出できるかどうか」を単一の通信ラウンドでできることよりも検討する。 本手法は,デバイス間通信におけるFLモデルのトレーニングに必要な通信コストを最大74%削減する。
  論文  参考訳（メタデータ） (2024-06-03T08:48:49Z)

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。