Global ETD Search

21	Finding Causal Relationships Among Metrics In A Cloud-Native Environment / Att hitta orsakssamband bland Mätvärden i ett moln-native Miljö Rishi Nandan, Suresh January 2023 (has links) Automatic Root Cause Analysis (RCA) systems aim to streamline the process of identifying the underlying cause of software failures in complex cloud-native environments. These systems employ graph-like structures to represent causal relationships between different components of a software application. These relationships are typically learned through performance and resource utilization metrics of the microservices in the system. To accomplish this objective, numerous RCA systems utilize statistical algorithms, specifically those falling under the category of causal discovery. These algorithms have demonstrated their utility not only in RCA systems but also in a wide range of other domains and applications. Nonetheless, there exists a research gap in the exploration of the feasibility and efficacy of multivariate time series causal discovery algorithms for deriving causal graphs within a microservice framework. By harnessing metric time series data from Prometheus and applying these algorithms, we aim to shed light on their performance in a cloudnative environment. Furthermore, we have introduced an adaptation in the form of an ensemble causal discovery algorithm. Our experimentation with this ensemble approach, conducted on datasets with known causal relationships, unequivocally demonstrates its potential in enhancing the precision of detected causal connections. Notably, our ultimate objective was to ascertain reliable causal relationships within Ericsson’s cloud-native system ’X,’ where the ground truth is unavailable. The ensemble causal discovery approach triumphs over the limitations of employing individual causal discovery algorithms, significantly augmenting confidence in the unveiled causal relationships. As a practical illustration of the utility of the ensemble causal discovery techniques, we have delved into the domain of anomaly detection. By leveraging causal graphs within our study, we have successfully applied this technique to anomaly detection within the Ericsson system. / System för automatisk rotorsaksanalys (RCA) syftar till att effektivisera process för att identifiera den underliggande orsaken till programvarufel i komplexa molnbaserade miljöer. Dessa system använder grafliknande strukturer att representera orsakssamband mellan olika komponenter i en mjukvaruapplikation. Dessa relationer lär man sig vanligtvis genom prestanda och resursutnyttjande mätvärden för mikrotjänsterna i systemet. För att uppnå detta mål använder många RCAsystem statistiska algoritmer, särskilt de som faller under kategorin orsaksupptäckt. Dessa algoritmer har visat att de inte är användbara endast i RCA-system men även inom en lång rad andra domäner och applikationer. Icke desto mindre finns det en forskningslucka i utforskningen av genomförbarhet och effektivitet av orsaksupptäckt av multivariat tidsserie algoritmer för att härleda kausala grafer inom ett mikrotjänstramverk. Genom att utnyttja metriska tidsseriedata från Prometheus och tillämpa Dessa algoritmer strävar vi efter att belysa deras prestanda i ett moln- inhemsk miljö. Dessutom har vi infört en anpassning i formen av en ensemble kausal upptäcktsalgoritm. Vårt experiment med denna ensemblemetod, utförd på datauppsättningar med kända orsakssamband relationer, visar otvetydigt sin potential för att förbättra precisionen hos upptäckta orsakssamband. Särskilt vår ultimata Målet var att fastställa tillförlitliga orsakssamband inom Ericssons molnbaserade systemet ’X’, där grundsanningen inte är tillgänglig. De ensemble kausal discovery approach segrar över begränsningarna av att använda individuella kausala upptäcktsalgoritmer, avsevärt öka förtroendet för de avslöjade orsakssambanden. Som en praktisk illustration av nyttan av ensemblens kausal upptäcktstekniker har vi fördjupat oss i anomalidomänen upptäckt. Genom att utnyttja kausala grafer inom vår studie har vi framgångsrikt tillämpat denna teknik för att detektera anomali inom Ericsson system Causality Causal Discovery Bayesian Network Conditional Independence Partial Correlation Ensemble Causal Discovery Anomaly Detection Causal Graphs Causality Causal Discovery Bayesian Network Conditional Indeberoende partiell korrelation Ensemble Causal Discovery Anomali Detektion kausala grafer Computer and Information Sciences Data- och informationsvetenskap
22	Reducing software complexity by hidden structure analysis : Methods to improve modularity and decrease ambiguity of a software system Bjuhr, Oscar, Segeljakt, Klas January 2016 (has links) Software systems can be represented as directed graphs where components are nodes and dependencies between components are edges. Improvement in system complexity and reduction of interference between development teams can be achieved by applying hidden structure analysis. However, since systems can contain thousands of dependencies, a concrete method for selecting which dependencies that are most beneficial to remove is needed. In this thesis two solutions to this problem are introduced; dominator- and cluster analysis. Dominator analysis examines the cost/gain ratio of detaching individual components from a cyclic group. Cluster analysis finds the most beneficial subgroups to split in a cyclic group. The aim of the methods is to reduce the size of cyclic groups, which are sets of co- dependent components. As a result, the system architecture will be less prone to propagating errors, caused by modifications of components. Both techniques derive from graph theory and data science but have not been applied to the area of hidden structures before. A subsystem at Ericsson is used as a testing environment. Specific dependencies in the structure which might impede the development process have been discovered. The outcome of the thesis is four to-be scenarios of the system, displaying the effect of removing these dependencies. The to-be scenarios show that the architecture can be significantly improved by removing few direct dependencies. / Mjukvarusystem kan representeras som riktade grafer där komponenter är noder och beroenden mellan komponenter är kanter. Förbättrad systemkomplexitet och minskad mängd störningar mellan utvecklingsteam kan åstadkommas genom att applicera teorin om gömda beroende. Eftersom system kan innehålla tusentals beroenden behövs en konkret metod för att hitta beroenden i systemet som är fördelaktiga att ta bort. I den här avhandlingen presenteras två lösningar till problemet; dominator- och klusteranalys. Dominatoranalys undersöker kostnad/vinst ration av att ta bort individuella komponenter i systemet från en cyklisk grupp. Klusteranalys hittar de mest lönsamma delgrupperna att klyva isär i en cyklisk grupp. Metodernas mål är att minska storleken på cykliska grupper. Cykliska grupper är uppsättningar av komponenter som är beroende av varandra. Som resultat blir systemarkitekturen mindre benägen till propagering av fel, orsakade av modifiering av komponenter. Båda metoderna härstammar från grafteori och datavetenskap men har inte applicerats på området kring gömda strukturer tidigare. Ett subsystem på Ericsson användes som testmiljö. Specifika beroenden i strukturen som kan vara hämmande för utvecklingsprocessen har identifierats. Resultatet av avhandlingen är fyra potentiella framtidsscenarion av systemet som visualiserar effekten av att ta bort de funna beroendena. Framtidsscenariona visar att arkitekturen kan förbättras markant genom att avlägsna ett fåtal direkta beroenden. DSM VSM Hidden Structure Analysis Directed Graphs Graph Theory Data Science DSM VSM Analys av Gömda Strukturer Riktade Grafer Grafteori Datavetenskap Elektroteknik och elektronik
23	Flight search engine CPU consumption prediction Tao, Zhaopeng January 2021 (has links) The flight search engine is a technology used in the air travel industry. It allows the traveler to search and book for the best flight options, such as the combination of flights while keeping the best services, options, and price. The computation for a flight search query can be very intensive given its parameters and complexity. The project goal is to predict the flight search queries computation cost for a new flight search engine product when dealing with parameters change and optimizations. The problem of flight search cost prediction is a regression problem. We propose to solve the problem by delimiting the problem based on its business logic and meaning. Our problem has data defined as a graph, which is why we have chosen Graph Neural Network. We have investigated multiple pretraining strategies for the evaluation of node embedding concerning a realworld regression task, including using a line graph for the training. The embeddings are used for downstream regression tasks. Our work is based on some stateoftheart Machine Learning, Deep Learning, and Graph Neural Network methods. We conclude that for some business use cases, the predictions are suitable for production use. In addition, the prediction of tree ensemble boosting methods produces negatives predictions which further degrade the R2 score by 4% because of the business meaning. The Deep Neural Network outperformed the most performing Machine Learning methods by 8% to 12% of R2 score. The Deep Neural Network also outperformed Deep Neural Network with pretrained node embedding from the Graph Neural Network methods by 11% to 17% R2 score. The Deep Neural Network achieved 93%, 81%, and 63% R2 score for each task with increasing difficulty. The training time range from 1 hour for Machine Learning models, 2 to 10 hours for Deep Learning models, and 8 to 24 hours for Deep Learning model for tabular data trained end to end with Graph Neural Network layers. The inference time is around 15 minutes. Finally, we found that using Graph Neural Network for the node regression task does not outperform Deep Neural Network. / Flygsökmotor är en teknik som används inom flygresebranschen. Den gör det möjligt för resenären att söka och boka de bästa flygalternativen, t.ex. kombinationer av flygningar med bästa service, alternativ och pris. Beräkningen av en flygsökning kan vara mycket intensiv med tanke på dess parametrar och komplexitet. Projektets mål är att förutsäga beräkningskostnaden för flygsökfrågor för en ny produkt för flygsökmotor när parametrar ändras och optimeringar görs. Problemet med att förutsäga kostnaderna för flygsökning är ett regressionsproblem. Vi föreslår att man löser problemet genom att avgränsa det utifrån dess affärslogik och innebörd. Vårt problem har data som definieras som en graf, vilket är anledningen till att vi har valt Graph Neural Network. Vi har undersökt flera förträningsstrategier för utvärdering av nodinbäddning när det gäller en regressionsuppgift från den verkliga världen, bland annat genom att använda ett linjediagram för träningen. Inbäddningarna används för regressionsuppgifter i efterföljande led. Vårt arbete bygger på några toppmoderna metoder för maskininlärning, djupinlärning och grafiska neurala nätverk. Vi drar slutsatsen att förutsägelserna är lämpliga för produktionsanvändning i vissa Vi drar slutsatsen att förutsägelserna är lämpliga för produktionsanvändning i vissa fall. Dessutom ger förutsägelserna från trädens ensemble av boostingmetoder negativa förutsägelser som ytterligare försämrar R2poängen med 4% på grund av affärsmässiga betydelser. Deep Neural Network överträffade de mest effektiva metoderna för maskininlärning med 812% av R2poängen. Det djupa neurala nätverket överträffade också det djupa neurala nätverket med förtränad node embedding från metoderna för grafiska neurala nätverk med 11 till 17% av R2poängen. Deep Neural Network uppnådde 93, 81 och 63% R2poäng för varje uppgift med stigande svårighetsgrad. Träningstiden varierar från 1 timme för maskininlärningsmodeller, 2 till 10 timmar för djupinlärningsmodeller och 8 till 24 timmar för djupinlärningsmodeller för tabelldata som tränats från början till slut med grafiska neurala nätverkslager. Inferenstiden är cirka 15 minuter. Slutligen fann vi att användningen av Graph Neural Network för uppgiften om regression av noder inte överträffar Deep Neural Network. Flight Search Engine Deep Neural Networks Tabular Data Regression Machine Learning Flight Schedule Embedding Node Embedding Graph Embedding Line Graph Embedding Sökmotor för flygresor Djupa neurala nätverk Tabulära data Regression Maskininlärning Inbäddning av flygschema Inbäddning av noder Inbäddning av grafer Inbäddning av linjediagram Computer and Information Sciences Data- och informationsvetenskap
24	Visualisering av svarstider mellan mobila klienter och datacenter / Visualisation of Latencies Between Mobile Clients and Datacenters Sidenvall, Adrian, Truong, Andy, Boman, Erik, Szreder, Mikael, Lind, Oskar, Eriksson, Simon, Petersson, Simon January 2015 (has links) Rapporten är en sammanställning av gruppens samlade erfarenheter och lärdomar av ett projekt vars syfte var att utveckla ett verktyg som ska visualisera svarstider mellan mobila klienter och datacenter. Genom att använda kontinuerlig prototypning har gruppen kunnat arbeta på ett användarna sätt för att uppfylla kundens verkliga behov. För att uppnå detta användes utvecklingsmetodiken Kanban. Under projektets gång anpassades metodiken för att bättra passa in i arbetet. Projektets användartester har lett till sammanfattande erfarenheter om visualisering av data. Visualiseringar som projektgruppen ansetts tydliga uppfattades inte alltid på samma sätt av användarna. Att visualisera flera parametrar på en världskarta anses vara problematiskt då kartan i sig endast består av länder. För visualisering av flera parametrar måste då även externa användas, exempelvis cirklar eller andra former. visualisation visualization map world datacenter data center webb kanban document management testing application continuous prototyping requirements gathering interactive charts diagrams statistics d3 quality assurance opera semat project visualisering karta världskarta kartvisualisering datacenter webb kanban dokumenthantering testning webbapplikation kontinuerlig prototypning kravinsamling interaktiv grafer diagram statistik d3 kvalitetssäkring opera semat projekt
25	Approximating multi-commodity max-flow in practice / Approximera multi-commodity max-flow i praktiken Emanuelsson, Kristoffer January 2016 (has links) Garg and Könemann developed a framework for computing multi-commodity maximum flow in a graph, later called a multiplicative weight update framework. Madry used this framework and exchanged Dijkstra’s algorithm to a dynamic graph algorithm for approximating the shortest paths through the graph. With this approachhe developed the fastest algorithm to date for calculating the multi-commodity maximum flow, with a running time of Õ(mnϵ2). This project have implemented the algorithm and compared it with a slightly modified version of the former fastest algorithm by Fleischer with a time complexity of Õ(m2ϵ2). The results show that Madry’s algorithms is slower than Fleischer’s algorithm in practice for graph with less than 100 million edges. This project also computed the space needed for the dynamic algorithms used in Madry’s algorithm and can show a resulting space complexity of O(n(n+m)log2n), compared to the space complexity of Fleischer’s algorithm of O(n). For a graph with 100 million edges, 50 million Gb of space is needed to use Madry’s algorithm, which is more than our test computers had. We can therefore conclude that Madry’s algorithm is not usable in real life today, both in terms of memory usage and time consumption. / Garg and Könemann utvecklade ett framework för att beräkna multi-commodity maximum flöde i en graf sedan kallat ett multiplicative weight update framework. Madry använde detta framework och bytte ut Dijkstra’s algoritm mot en dynamisk grafalgoritm för att kunna approximera kortaste vägen i grafen. Med detta angeppssätt utvecklade han den idag snabbaste algoritmen för beräkning av multicommodity maximum flöde med en tids komplexitet på Õ(mnϵ2). Det här projektet har implementerat hans algoritm och jämfört den med den tidigare snabbaste algoritmen skapad av Fleischer med en tidskomplexitet på Õ(m2ϵ2). Resultatet visar att Madrys algoritm är långsammare än Fleischers algoritm i praktiken för grafer med färre än 100 miljoner kanter. Detta projekt beräknade också minnesåtgången för de dynamiska algoritmerna i Madrys algorithm och kan visa en resulterade minneskomplexitet på O(n(n+m)log2n), jämfört med Fleischers algoritm på O(n). För en graf med 100 miljoner kanter så behövs 50 miljoner Gb av minne för att kunna använda Madrys algoritm, vilket var mer än våra testdatorer hade. Vi kan därför konstatera att Madrys algoritm inte är användbar i praktiken idag, både när det kommer till minnesanvändning och till tidsåtgång. multi-commodity maximum flow max flow flow multicommodity approximation schemes framework dynamic graph dynamic ES-tree complexity space time Madry multicommodity maximum flöde max flöde flöde approximering framework dynamiska grafer graf dynamiskgraf ES-träd tidskomplexitet komplexitet minneskomplexitet Madry Computer Sciences Datavetenskap (datalogi)
26	Integrationspolitikens utmaningar på kommunal nivå : En studie om immigranter i Sjöbo och Åstorp Holm, Klas January 2018 (has links) Invandringen till Sverige har ökat de senaste åren och i samband med flyktingkrisen 2015 steg antalet nyanlända dramatiskt. Denna utveckling har orsakat debatt om immigranters rättigheter och krav för integration som staten bör ställa för att utveckla integrationen av immigranter i det svenska samhället. Studier av hur integration fungerar på kommunal nivå har endast gjorts i begränsad omfattning. I och med det faktum att det finns en stark politisk självständighet på kommunal nivå i Sverige, samt att det råder en polarisering mellan politiker är det intressant att studera skillnader i målsättningar och förutsättningar för integration mellan kommuner. Uppsatsen behandlar därför frågan om vilka förutsättningarna är för integration av immigranter. Detta görs genom att studera de två skånska kommunerna Åstorp och Sjöbo som har liknande storlek och geografiskt läge men olika politiska styren. Intervjuer görs med politiker från dessa kommuner och uppsatsen redogör för skillnaderna i integrationspolitiska målsättningar. En kvantitativ analys görs även med hjälp av en enkät som besvarats av immigranter i de två kommunerna. Analysen visar att kommuntillhörighet spelar en viss roll för hur immigranterna upplever mottagandet av deras kultur samt social integration med svenskar. Därutöver visar resultaten att immigranters ursprung, kön, tid i Sverige, uppfattning om religionens betydelse samt upplevda krav på anpassning, förknippas på olika sätt med tillfredställande av deras anspråk för integration, såsom hur de upplever kulturellt mottagande, autonomi, inkludering i olika avseenden samt religiösa rättigheter. En slutsats är att förutsättningarna för integration är starkt förknippade med dessa egenskaper, men att de är relaterade till immigranternas anspråk om rättigheter på olika sätt. Integrationspolitiska åtgärder bör lämpligen ta hänsyn till hur de olika egenskaperna hos immigranterna är relaterade till tillfredställandet av deras anspråk för att därigenom stärka integrationsprocessen. integration integrationspolitik statsvetenskap statskunskap politik Åstorp Sjöbo Skåne Sverige Socialdemokraterna Moderaterna Sverigedemokraterna S M SD invandring invandrare invandra immigranter immigrant migration emigrering emigrera flykting flyktingar flyktingkrisen 2015 Syrien Afghanistan Irak Iran Turkiet Polen Europa Kina Colombia Asien mellanöstern EU svenska svenska för invandrare SFI Sydamerika Afrika Eritrea Holland Nederländerna intervju intervjuer enkät enkäter enkätundersökning enkätundersökningar kvalitativ kvantitativ statistik partier parti utvandring utvandra segregation integrera segregera integrering segregering kommun kommuner ålder kön islam muslim religion religiös muslimer tid anpassning assimilering assimilera regression analys graf analyser regressioner grafer Will Kymlicka Will Kymlicka politisk teori teori filosofi dynamik dynamisk effektiv anspråk anspråken mångkultur vädjan inkludering inkludera medborgarskap medborgare utbildning arbete symboler autonomi minoritet minoriteter stat politiker ursprung kultur kulturell kulturellt Political Science Statsvetenskap
27	Streamlining Certification Management with Automation and Certification Retrieval : System development using ABP Framework, Angular, and MongoDB / Effektivisering av certifikathantering med automatisering och certifikathämtning : Systemutveckling med ABP Framework, Angular och MongoDB Hassan, Nour Al Dine January 2024 (has links) This thesis examines the certification management challenge faced by Integrity360. The decentralized approach, characterized by manual processes and disparate data sources, leads to inefficient tracking of certification status and study progress. The main objective of this project was to construct a system that automates data retrieval, ensures a complete audit, and increases security and privacy. Leveraging the ASP.NET Boilerplate (ABP) framework, Angular, and MongoDB, an efficient and scalable system was designed, developed, and built based on DDD (domain-driven design) principles for a modular and maintainable architecture. The implemented system automates data retrieval from the Credly API, tracks exam information, manages exam vouchers, and implements a credible authentication system with role-based access control. With the time limitations behind the full-scale implementation of all the planned features, such as a dashboard with aggregated charts and automatic report generation, the platform significantly increases the efficiency and precision of employee certification management. Future work will include these advanced functionalities and integrations with external platforms to improve the system and increase its impact on operations in Integrity360. Certification Management Automation Certification Retrieval ABP Framework Angular MongoDB Credly API Exam Information Exam Vouchers Authentication Role-Based Access Control Data Retrieval Audit Security Privacy Efficiency Accuracy Scalability Maintainability Domain-Driven Design Software Development User Interface Data Encryption HTTPS Input Validation Identity Management Audit Logging Cybersecurity Education Training Employee Certification Study Progress Centralized Platform Data Integration Consolidated View Graphs Bar Charts Manual Data Entry Information Silos Decision Making Compliance Industry Standards Partner Levels Financial Penalties Reputation Damage Business Opportunities NoSQL Database Unstructured Data Semi-structured Data Software Architecture Layered Architecture Presentation Layer Application Layer Domain Layer Entities Value Objects Aggregates Repositories Domain Services Data Transfer Objects (DTOs) Business Logic Domain Semantics Modern Web Applications User Authentication Authorization Audit Logging Dynamic Web Applications Component-Based TypeScript Type Safety Code Quality Maintainability Active Community Charts Graphs Secure Submission LeptonX Lite Responsive Design Navigation Sidebar Menu Bar Tabs Table Attributes Properties Buttons Modal Dialogs Profile Settings System Admin Panel Account Management Permissions System Settings Certifikathantering Automatisering Certifikathämtning ABP Framework Angular MongoDB Credly API Examinformation Examenvouchers Autentisering Rollbaserad åtkomstkontroll Datahämtning Granskning Säkerhet Integritet Effektivitet Noggrannhet Skalbarhet Underhållbarhet Domändriven design Programvaruutveckling Användargränssnitt Datakryptering HTTPS Indata validering Identitetshantering Granskningsloggning Cybersäkerhet Utbildning Träning Medarbetarcertifiering Studie Framsteg Centraliserad plattform Dataintegration Konsoliderad vy Grafer Stapeldiagram Manuell datainmatning Informationssilos Beslutsfattande Efterlevnad Branschstandarder Partnernivåer Ekonomiska påföljder Ryktesskada Affärsmöjligheter NoSQL-databas Ostrukturerad data Semistrukturerad data Programvaruarkitektur Skiktad arkitektur Presentationslager Applikationslager Domänlager Entiteter Värdeobjekt Aggregat Repositories Domäntjänster Dataöverföringsobjekt (DTO) Affärslogik Domänsemantik Moderna webbapplikationer Användarautentisering Auktorisering Granskningsloggning Dynamiska webbapplikationer Komponentbaserad TypeScript Typsäkerhet Kodkvalitet Underhållbarhet Aktiv gemenskap Diagram Grafer Säker inlämning LeptonX Lite Responsiv design Navigering Sidofält Menyrad Flikar Tabell Attribut Egenskaper Knappar Modala dialogrutor Profilinställningar Systemadministratörspanel Kontohantering Behörigheter Systeminställningar Software Engineering Programvaruteknik

Page generated in 0.0353 seconds