MétaCan
Menu
Retour à la cohorte
Enregistrement W4389576356 · doi:10.1109/acsos-c58168.2023.00031

Reviving Software Diversity in Microservices to Optimize the Performance of Software Systems

2023· article· en· W4389576356 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware System Performance and Reliability
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMicroservicesSoftware versioningSoftware engineeringSoftwareSoftware systemService (business)Agile software developmentOperating systemCloud computing

Résumé

récupéré en direct d'OpenAlex

With the increasing popularity and complexity of microservice software systems, satisfying the performance requirements of these systems becomes a non-trivial task. While horizontal auto-scaling is a common remedy to this problem, it is not necessarily cost-effective and the proper solution for all scenarios. Also, regardless of the number of replicas, they are all prone to common bug failure. In this poster/demo, we present an agile and cost-effective approach for satisfying the performance requirements of microservice software systems without incurring extra costs on the service provider. We research how performance, i.e., response time, can be tamed by applying software diversity, aka multi-versioning, to the system's resource-heavy critical services. We use our open-source extension of the Docker framework, called DockerMV, to deploy microservice systems with multi-versioning embedded underneath. We also propose a dynamic load-balancing service that proactively adapts to the various versions depending on current and near-future performance needs. We demonstrate the efficacy of multi-versioning for satisfying the performance requirements of microservice software systems through extensive experiments on TeaStore, a microservice reference test application, and Znn, a containerized news portal. We will present our results through the poster and a live demonstration throughout the conference. A preliminary demo of our work can be accessed here<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">1</sup><sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">1</sup>https://www.youtube.com/watch?v=oeMCxlDtU64. The GitHub repository of our work can be accessed here<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup><sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup>https://github.com/prabjot09/nginx-dynamic-load-balancing.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,240
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle