抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
クラウドプラットフォームとサービスは通常フロントendclient統合とバックエンドデータ及び/又は機能アクセスの両方に対してAPIlayerとして分離され,言語不可知論的界面を提供した。APIのTheavailabilityと性能はその性質ofinteractionエンドポイントによるエンドユーザまたはクライアント経験の品質に重要な影響を与える。しかし,極端な動力学,電流クラウドプラットフォームのcomplexityandスケールはapplicabilityof既存性能のモニタリングおよび異常検出approachesfrom適時性,正確度,及びスケーラビリティ展望に挑戦している。API性能監視,createdandオンライン学習により連続的に更新されるベースライン応答時間/スループットモデルdeviationfrom応答時間による性能問題を認識する新しいアプローチを提案した。postdetectionphaseでは,MIC(最大情報量規準)basedcorrelationアルゴリズムはエンドユーザ通知のための高いlevelandより有益な高警報への警報分類に使用した。Weprototyped大規模商業クラウドプラットホームに対するここで提案したソリューションは,三か月のAPI性能計量データを用いてそれを評価し,既存の代表的なalgorithmsandツールのと比較した。結果は筆者らのアプローチが高いF1スコアとAPIperformance異常を検出できることを示した。existingGrangerベースアプローチと比較して,提案アプローチでは,F1スコアにおけるほぼonetime増加を達成した。ourapproachの警報低減率がいくつかの最新方式より性能が優れている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
