数据集概述
本数据集围绕微服务到微服务转换的基准测试展开，聚焦云原生系统优化。基于机器学习方法（GNN与VAE），针对train-ticket应用进行实验，提供其微服务依赖图、聚类结果及可视化图表等数据，为相关技术研究提供支持。
文件详解
- 数据文件:
- train_ticket_monolith_dependency_graph_new.json: JSON格式，包含train-ticket单体应用的依赖图数据
- train_ticket_ms_dependency_graph.json: JSON格式，包含train-ticket微服务应用的依赖图数据，含20个微服务节点
- train_ticket_entity_list_in_ms.json: JSON格式，包含train-ticket微服务中的实体列表数据
- 压缩文件:
- trainticket_20_clusters_VAE-C.zip: ZIP格式，可能包含20个聚类的VAE-C模型相关数据
- trainticket_42_clusters_VAE-C.zip: ZIP格式，可能包含42个聚类的VAE-C模型相关数据
- 可视化图片:
- sse_vae.png、ifn.png、sm.png、sm_42.png、ifn_42.png: PNG格式，共5个，可能为实验结果的可视化图表
适用场景
- 微服务架构研究: 分析train-ticket应用的微服务依赖关系与结构特征
- 微服务转换技术验证: 评估基于GNN和VAE的微服务到微服务转换方法效果
- 云原生系统优化: 探索现有微服务系统的聚类优化策略
- 机器学习模型应用: 研究VAE模型在微服务架构聚类任务中的表现
