微服务候选识别中超参数调优的经验教训
软件工程
2021-08-11 v2
摘要
在为云优化软件时，单体应用需要被划分为许多更小的微服务。尽管已有许多工具被提出用于此任务，我们提醒，这些方法的评估尚不完整；例如对超参数优化的先前探索极少。使用一组开源 Java EE 应用，我们在此表明：(a) 此类优化可显著改善微服务划分；(b) 未来工作的一个开放性问题是，如何为不同问题找到最优的优化器。为便于该未来工作，参见 [https://github.com/yrahul3910/ase-tuned-mono2micro](https://github.com/yrahul3910/ase-tuned-mono2micro) 获取本研究的复现包。
引用
@article{arxiv.2106.06652,
title = {Lessons learned from hyper-parameter tuning for microservice candidate identification},
author = {Rahul Yedida and Rahul Krishna and Anup Kalia and Tim Menzies and Jin Xiao and Maja Vukovic},
journal= {arXiv preprint arXiv:2106.06652},
year = {2021}
}
备注
Accepted to ASE 2021 (industry track, short paper)