文献

J-GLOBAL ID：202002252240054051   整理番号：20A0437504

ADGS:コンテナベースクラウドにおけるグラフ類似性に基づく異常検出と位置決め【JST・京大機械翻訳】

ADGS: Anomaly Detection and Localization Based on Graph Similarity in Container-Based Clouds

著者 (4件)： Lu Chengzhi (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Ye Kejiang (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Chen Wenyan (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences) ,  Xu Cheng-Zhong (University of Macau)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICPADS  ページ： 53-60  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： DockerコンテナはGoogleとAlibabaのような産業からの支援により急速な発展を遂げており,大規模生産雲環境で広く使われている。例えば,Alibabaはその内部ビジネスのために数百万のコンテナを配備しており,ほとんどのオンラインサービスは既にコンテナに移動している。これらのサービスは通常非常に複雑で,複雑な相互作用と依存性関係を持つ複数のコンテナにまたがっている。このような大規模なコンテンツベースクラウドプラットフォームにおける潜在的異常の検出は非常に困難である。従来の検出モデルは,通常,CPUとメモリ使用のようなシステム資源計量を使用するが,コンポーネント間の関係をほとんど考慮せず,高い偽陽性率を引き起こす。本論文において,著者らは,新しい異常検出と根の原因位置確認方法を,コンテンツベースのクラウド環境におけるグラフ類似性(ADGS)に基づいて提示した。最初に,システム状態が正常であるか否かを決定するために,アプリケーションにおける各コンポーネントの応答時間と資源使用を監視した。次に,グラフ類似性に基づく異常の根本原因を位置決めする新しい機構を提案し,クラスタ成分間の異常伝搬規則を調べた。著者らは,著者らの方法を,コンテンツベースの環境において実装し,評価した。結果は,提案した方法が異常の根本原因を効率的かつ正確に検出し,決定できることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応答時間 ,  コンテンツ ,  類似性 ,  相互作用 ,  記憶装置 ,  *コンテナ ,  応用プログラム ,  位置決め ,  クラスタ
準シソーラス用語： クラウド開発環境 ,  偽陽性率 ,  オンラインサービス ,  Google ,  異常検出 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  電子航法一般  (ND14010O) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： グラフ ,  類似性 ,  異常検出