## Memo ## Memo with LLM 本論文の問題意識、既存手法とその課題、課題に対する解決の提案について、以下のように要約できます： ### 問題意識 1. **変動する負荷**：クラウドアプリケーションはユーザーベースの変動に伴い、負荷（クエリ毎秒、QPS）が絶えず変動する。また、負荷の種類も時間とともに変動し、ユーザー生成の負荷やシステムによるメンテナンスタスクの負荷が混在する。 2. **パフォーマンス解析の困難さ**：負荷の種類が多様で変動するため、コード変更の影響を評価するには多くの時点でデータを収集・解析する必要がある。また、パフォーマンス問題を再現するには、問題を引き起こした負荷の組み合わせを再現する必要がある。 ### 既存手法とその課題 1. **既存のトレーシング手法**：従来のトレーシング手法（例：サンプリング、バーストトレーシング）は、特定の層でのイベント収集に依存しており、全体的なパフォーマンス解析には不十分。 2. **負荷の同期が取れない**：複数のプロセスや異なるソフトウェア層でのイベントの同期が難しく、全体的なトレーシングができない。 3. **リアルユーザーによる実験のリスク**：実際のユーザーが生成する負荷を制御できず、実験の誤りがユーザーに悪影響を及ぼすリスクがある。 ### 解決の提案 1. **コーディネートバーストトレーシング**：時間を基準にしたバーストトレーシングにより、すべてのソフトウェア層で同期的にイベントを収集し、全体のパフォーマンス解析を可能にする。 2. **垂直コンテキスト注入**：高レベルのイベントと低レベルのイベントを結びつけることで、全体的なトレースを作成し、異なるソフトウェア層間のイベントを関連付ける。 3. **ライブユーザー環境での実験**：ユーザーをランダムに分割し、一部をテストグループ、残りをコントロールグループとして実験を行うことで、実際のユーザー環境でのパフォーマンス解析を実現する。 ## Abstract 多くの一般的なクラウドアプリケーションは大規模な分散システムであり、各リクエストには数万から数千のRPCと大規模なコードベースが含まれる。規模が大きいため、実用的な裏付けデータのないパフォーマンス最適化は効果がない可能性が高い。本稿では、10億以上のアクティブアカウントを持つGmailの実用的なデータを収集する際の課題について述べる。Gmailの実稼働データを用いて、負荷と負荷の性質の両方が継続的に変化することを示す。このため、Gmailのパフォーマンスを合成テストでモデル化することは難しく、実運用環境で分析することも困難です。本番システムから実用的なデータを収集するための2つのテクニックについて説明する。第一に、協調バースト・トレースにより、スタックの全レイヤーにわたるイベントのバーストを同時にキャプチャすることができる。第二に、バーティカル・コンテキスト・インジェクションにより、ソフトウェア・スタック全体にこの情報を明示的に伝播させることなく、全体的なトレースで高レベルのイベントと低レベルのイベントを組み合わせることができる。