[[2019__ESEC-FSE__Latent Error Prediction and Fault Localization for Microservice Applications by Learning from System Trace Logs]] > これらの研究は、2つのオープンソースのマイクロサービスアプリケーションに基づいています。[[Sock Shop]] [48]と[[TrainTicket]] [36]です．Sock Shop は小規模なベンチマークアプリケーションであり， マイクロサービスの研究に広く用いられている[13, 31, 43]．このアプリケーションは，8つのマイクロサービスと10のトレースタイプを備えています．TrainTicket は，最近リリースされた中規模のベンチマークアプリケーショ ンで，40 のマイクロサービスと 86 のトレースタイプを備えています．TrainTicket は，40 個のマイクロサービスと 86 個のトレースタイプを持つ，最近リリースされた中規模のベンチマークアプリケーションで，マイクロサービスアプリケーションにおける産業上の障害事例の研究に基づいて，さまざまな障害を再現します．これらの研究はすべて、20台の仮想マシンを備えたプライベート・クラウド上で行われています。 > RQ1に答えるために，自動的に注入されたフォールトを含むトレースログのコーパスを用いて，MEPFLの精度を評価した．Sock Shopでは，10種類のトレースタイプに32個の欠陥（10個のマルチインスタンス欠陥，10個のコンフィギュレーション欠陥，12個の非同期インタラクション欠陥を含む）を注入した．テスト駆動型の自動実行により243,606個のトレースインスタンスが得られ、そのうち32,643個（13.4%）に潜在的なエラーがあることがわかりました。TrainTicketでは、142のフォールト（マルチインスタンス・フォールト46、コンフィギュレーション・フォールト52、非同期インタラクション・フォールト44を含む）を86のトレース・タイプに注入しました。1,214,637個のトレースインスタンスが得られ、そのうち211,347個（17.4%）に潜在的なエラーがありました。エラーの注入プロセスは自動化されています。しかし，注入されたフォールトがコンパイルに失敗したり，テストが予期せぬ形で失敗したりした場合，開発者は手動でコードを分析・編集する必要があります．2つのアプリケーションに注入された174のフォールトのうち，71.84%は人手を介さずに自動的に注入され，28.16%は人手を介して注入されました．