# Train-Ticket 鉄道チケット予約を題材にした大規模マイクロサービスのベンチマークシステム(Zhou et al., 2018, IEEE TSE)。現実的な本番環境の模擬に広く使われる。 - [[MicroRemed]] は Train-Ticket を統合し、3 評価システムの中で**最も依存グラフと障害シナリオが複雑**で、最も難しい環境(最高 RA が低く最高 ARL)と報告する。([[@2025__arXiv__MicroRemed - Benchmarking LLMs in Microservices Remediation]]) - [[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]] の実証研究で 41 マイクロサービスとして使用。[[Sock Shop]] より通信パスが長く露出するメトリクスが多い大規模環境。[[Meltria]] で障害注入データセットを作成。([[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]]) - [[@2025__arXiv__Rethinking the Evaluation of Microservice RCA with a Fault Propagation-Aware Benchmark]] は Train-Ticket を「最大級(50 サービス)の OSS マイクロサービス」と評価し、障害伝播を意識した RCA ベンチマークの基盤に選んだ。Nezha 版(ログにトレース ID を計装)の上に構築し、状態機械ベースの動的ワークロードでサービスカバレッジ 84%(42/50)・最大コール深度 7 を達成。10 程度のサービスしか持たない [[Sock Shop]]・[[Online-Boutique]]・SocialNetwork(=[[DeathStarBench]] 系)では本番の依存ウェブを模擬できないとする。([[@2025__arXiv__Rethinking the Evaluation of Microservice RCA with a Fault Propagation-Aware Benchmark]]) - [[@2025__ISSTA__Tracezip - Efficient Distributed Tracing via Trace Compression|Tracezip]](ISSTA 2025)は Train-Ticket の 41 マイクロサービスをトレース圧縮の評価環境に使用。マイクロサービス間の呼び出しグラフが複雑でビジネスロジック情報が多いため、汎用圧縮(gzip 32KB 窓長)では捉えきれない大域的冗長性が存在し、Tracezip の SRT が最大の改善幅(gzip 併用で 33.0%)を達成した。([[@2025__ISSTA__Tracezip - Efficient Distributed Tracing via Trace Compression]]) - [[@2025__WWW Companion__RCAEval - A Benchmark for Root Cause Analysis of Microservice Systems with Telemetry Data]] は Train Ticket を**64 サービスのベンチマーク用マイクロサービスとして最大規模**と評価し、HTTP+非同期通信を含むコールチェーンの複雑さを [[RCAEval]] の 3 評価対象システムの中で最も挑戦的なものと位置づけた。本論文の予備実験(Table 6, RE2)も Train Ticket 上で実施。([[@2025__WWW Companion__RCAEval - A Benchmark for Root Cause Analysis of Microservice Systems with Telemetry Data]]) - [[@2023__arXiv__Benchmarks for End-to-End Microservices Testing]] は **version 1.0.0**(2022-08-09 release、FudanSELab/train-ticket、Java Spring Boot + Node.js + Python + Go + MongoDB + MySQL、47 microservices)を採用、Selenium + JUnit/TestNG で 51 ユースケースの functional regression テスト、Gatling で booking シナリオの負荷テストを公開(Zenodo DOI 10.5281/zenodo.7877723)。1,000 ユーザで 10.2% / 2,500 ユーザで 21.6% / 5,000 ユーザで 43.2% が 800ms 超。 - [[@2024__MSR__A Dataset of Microservices-based Open-Source Projects]] が OSS-MS dataset の Top 50 で **`FudanSELab/train-ticket` を 42 microservices の software system**(2018-01-03 first commit、15 core developers、984 commits)として収録。dataset 内で 3 番目に大きい OSS-MS。 - [[@2026__SANER-C__TrainTicketTrace - A Multi-Fault Distributed Dataset for Microservice Fault Detection and Localization]] が Train-Ticket 42 services を [[EvoMaster]] white-box mode で 1 サービスあたり 1 時間テスト、9 種の seeded fault branch + 1 cleaned baseline で計約 380 時間のデータを収集(平均 440,000 traces/branch、Jaeger + Prometheus + Logback)。dataset は Zenodo DOI 10.5281/zenodo.17811972。著者は fault replication repo の不整合を発見し reference implementation を修正。 - [[@2025__TOSEM__Making Fault Localization in Online Service Systems More Actionable and Interpretable]] (FL-AIer) の sysD として使用。156 障害、5,724 メトリクス、1,044 障害ユニット、23 障害クラス。[[ChaosMesh]] で CPU/メモリストレス・Pod/ノード障害・パケット破損/ロス/遅延を注入。FL-AIer はこの最大データセットで A@1 87.39% を達成し、4 データセット中最高性能を示した。 ## 関連 - 本ソース: [[@2023__arXiv__Benchmarks for End-to-End Microservices Testing]] / [[@2024__MSR__A Dataset of Microservices-based Open-Source Projects]] / [[@2025__arXiv__MicroRemed - Benchmarking LLMs in Microservices Remediation]] / [[@2024__IEEE Access__MetricSifter - Feature Reduction of Multivariate Time Series Data for Efficient Fault Localization in Cloud Applications]] / [[@2025__arXiv__Rethinking the Evaluation of Microservice RCA with a Fault Propagation-Aware Benchmark]] / [[@2025__WWW Companion__RCAEval - A Benchmark for Root Cause Analysis of Microservice Systems with Telemetry Data]] / [[@2026__SANER-C__TrainTicketTrace - A Multi-Fault Distributed Dataset for Microservice Fault Detection and Localization]] / [[@2025__TOSEM__Making Fault Localization in Online Service Systems More Actionable and Interpretable]] - 利用するベンチマーク: [[MicroRemed]] / [[MetricSifter]] / [[RCAEval]] - データセット基盤: [[Meltria]] - 関連概念: [[SRE Benchmark]] / [[障害緩和]] / [[Fault Localization]] / [[根本原因分析]] / [[障害注入]] - 類似システム: [[Sock Shop]] / [[Online-Boutique]] / [[DeathStarBench]] - 関連 MOC: [[SRE - MOC]]