Buchumschlag

Employing Software Diversity in Cloud Microservices to Engineer Reliable and Performant Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Akhtarian, Nazanin, Khazaei, Hamzeh, Litoiu, Marin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Performance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Model-driven Approach for Continuous Performance Engineering in Microservice-based Systems
von: Cortellessa, Vittorio, et al.
Veröffentlicht: (2023)

Root Cause Localization for Microservice Systems in Cloud-edge Collaborative Environments
von: Zhu, Yuhan, et al.
Veröffentlicht: (2024)

An Empirical Study on How Architectural Topology Affects Microservice Performance and Energy Usage
von: Ristova, Irena, et al.
Veröffentlicht: (2026)

Performance of Genetic Algorithms in the Context of Software Model Refactoring
von: Cortellessa, Vittorio, et al.
Veröffentlicht: (2023)

Formal Analysis of Metastable Failures in Software Systems
von: Alvaro, Peter, et al.
Veröffentlicht: (2025)

Estimating the Energy Footprint of Software Systems: a Primer
von: Castor, Fernando
Veröffentlicht: (2024)

SysLLMatic: Large Language Models are Software System Optimizers
von: Peng, Huiyun, et al.
Veröffentlicht: (2025)

Scalable Software as a Service Architecture
von: Dedase, Ardy
Veröffentlicht: (2024)

Predicting Software Performance with Divide-and-Learn
von: Gong, Jingzhi, et al.
Veröffentlicht: (2023)

Efficiently Ranking Software Variants with Minimal Benchmarks
von: Matricon, Théo, et al.
Veröffentlicht: (2025)

Towards Assessing Spread in Sets of Software Architecture Designs
von: Cortellessa, Vittorio, et al.
Veröffentlicht: (2024)

Prompting for Performance: Exploring LLMs for Configuring Software
von: Spieker, Helge, et al.
Veröffentlicht: (2025)

On the Role of Search Budgets in Model-Based Software Refactoring Optimization
von: Diaz-Pace, J. Andres, et al.
Veröffentlicht: (2023)

AI-Driven Resource Allocation Framework for Microservices in Hybrid Cloud Platforms
von: Barua, Biman, et al.
Veröffentlicht: (2024)

Energy-Efficient Software Development: A Multi-dimensional Empirical Analysis of Stack Overflow
von: Jin, Bihui, et al.
Veröffentlicht: (2024)

Tracing Optimization for Performance Modeling and Regression Detection
von: Shahedi, Kaveh, et al.
Veröffentlicht: (2024)

gigiProfiler: Diagnosing Performance Issues by Uncovering Application Resource Bottlenecks
von: Hu, Yigong, et al.
Veröffentlicht: (2025)

Optimas: An Intelligent Analytics-Informed Generative AI Framework for Performance Optimization
von: Zaeed, Mohammad, et al.
Veröffentlicht: (2026)

An Empirical Study on Method-Level Performance Evolution in Open-Source Java Projects
von: Shahedi, Kaveh, et al.
Veröffentlicht: (2025)

A Magnified View into Heterogeneous-ISA Thread Migration Performance without State Transformation
von: Mavrogeorgis, Nikolaos, et al.
Veröffentlicht: (2025)

Do AI Models Dream of Faster Code? An Empirical Study on LLM-Proposed Performance Improvements in Real-World Software
von: Yi, Lirong, et al.
Veröffentlicht: (2025)

Rethinking Autonomy: Preventing Failures in AI-Driven Software Engineering
von: Navneet, Satyam Kumar, et al.
Veröffentlicht: (2025)

Energy Patterns for Web: An Exploratory Study
von: Rani, Pooja, et al.
Veröffentlicht: (2024)

FaaSter Troubleshooting -- Evaluating Distributed Tracing Approaches for Serverless Applications
von: Borges, Maria C., et al.
Veröffentlicht: (2021)

What Is the Cost of Energy Monitoring? An Empirical Study on the Overhead of RAPL-Based Tools
von: Diamond, Jeremy, et al.
Veröffentlicht: (2026)

MLKAPS: Machine Learning and Adaptive Sampling for HPC Kernel Auto-tuning
von: Jam, Mathys, et al.
Veröffentlicht: (2025)

Beyond Accuracy: Unveiling Inefficiency Patterns in Tool-Integrated Reasoning
von: Su, Qisheng, et al.
Veröffentlicht: (2026)

FlipFlop: A Static Analysis-based Energy Optimization Framework for GPU Kernels
von: Rajput, Saurabhsingh, et al.
Veröffentlicht: (2026)

Interpreting Performance Profiles with Deep Learning
von: Liu, Zhuoran
Veröffentlicht: (2025)

State of the Quantum Software Engineering Ecosystem
von: Siavash, Nazanin, et al.
Veröffentlicht: (2026)

Automated Quantum Software and AI Engineering
von: Siavash, Nazanin, et al.
Veröffentlicht: (2026)

Risk-Aware Batch Testing for Performance Regression Detection
von: Sayedsalehi, Ali, et al.
Veröffentlicht: (2026)

An Empirical Study on the Performance and Energy Usage of Compiled Python Code
von: Stoico, Vincenzo, et al.
Veröffentlicht: (2025)

When Should I Run My Application Benchmark?: Studying Cloud Performance Variability for the Case of Stream Processing Applications
von: Henning, Sören, et al.
Veröffentlicht: (2025)

PerfBench: Can Agents Resolve Real-World Performance Bugs?
von: Garg, Spandan, et al.
Veröffentlicht: (2025)

Rethinking Performance Analysis for Configurable Software Systems: A Case Study from a Fitness Landscape Perspective
von: Huang, Mingyu, et al.
Veröffentlicht: (2024)

Emergence-as-Code for Self-Governing Reliable Systems
von: Krasnovsky, Anatoly A.
Veröffentlicht: (2026)

Bridging the Gap: Physical PCI Device Integration Into SystemC-TLM Virtual Platforms
von: Bosbach, Nils, et al.
Veröffentlicht: (2025)

Stencil-Lifting: Hierarchical Recursive Lifting System for Extracting Summary of Stencil Kernel in Legacy Codes
von: Li, Mingyi, et al.
Veröffentlicht: (2025)

Real-time Event Joining in Practice With Kafka and Flink
von: Saket, Srijan, et al.
Veröffentlicht: (2024)