論文の概要: A Comprehensive Survey of Logging in Software: From Logging Statements Automation to Log Mining and Analysis

• arxiv url: http://arxiv.org/abs/2110.12489v1
• Date: Sun, 24 Oct 2021 17:15:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 18:25:57.918244
• Title: A Comprehensive Survey of Logging in Software: From Logging Statements Automation to Log Mining and Analysis
• Title（参考訳）: ソフトウェアにおけるロギングに関する総合調査:ログステートメント自動化からログマイニングと分析まで
• Authors: Sina Gholamian and Paul A. S. Ward
• Abstract要約: 我々は、トップレベルのピアレビューされた会場に現れた多数の会議およびジャーナル論文を調査した。 この分野を前進させる上で、学術と産業の研究者を導くための一連の課題と機会を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Logs are widely used to record runtime information of software systems, such as the timestamp and the importance of an event, the unique ID of the source of the log, and a part of the state of a task's execution. The rich information of logs enables system developers (and operators) to monitor the runtime behaviors of their systems and further track down system problems and perform analysis on log data in production settings. However, the prior research on utilizing logs is scattered and that limits the ability of new researchers in this field to quickly get to the speed and hampers currently active researchers to advance this field further. Therefore, this paper surveys and provides a systematic literature review of the contemporary logging practices and log statements' mining and monitoring techniques and their applications such as in system failure detection and diagnosis. We study a large number of conference and journal papers that appeared on top-level peer-reviewed venues. Additionally, we draw high-level trends of ongoing research and categorize publications into subdivisions. In the end, and based on our holistic observations during this survey, we provide a set of challenges and opportunities that will lead the researchers in academia and industry in moving the field forward.
• Abstract（参考訳）: ログは、タイムスタンプやイベントの重要性、ログのソースのユニークなID、タスクの実行状態の一部といった、ソフトウェアシステムの実行時の情報を記録するために広く使用されている。 ログの豊富な情報により、システム開発者(およびオペレータ)は、システムの実行時の動作を監視し、さらにシステムの問題を追跡し、本番環境でログデータの解析を行うことができる。 しかし、ログの利用に関する以前の研究は散らばり、この分野の新しい研究者が急速にスピードに到達し、現在活発な研究者がこの分野をさらに前進させる能力を制限する。 そこで本研究では,現代のロギングの実践とログステートメントのマイニング・モニタリング技術とそのシステム障害検出・診断への応用について,系統的な文献レビューを行い,報告する。 トップレベルのピアレビュー会場に登場したカンファレンスやジャーナルの論文を多数調査した。 さらに、現在進行中の研究の高水準な傾向を描き、出版物を細分化に分類する。 最終的には、この調査の総合的な観察に基づいて、学界や産業の研究者がこの分野を前進させるための課題と機会を提供します。

関連論文リスト

• Log Summarisation for Defect Evolution Analysis [14.055261850785456]
  エラーログに対するオンラインセマンティックベースのクラスタリング手法を提案する。 また、時間ログクラスタの性能を評価するための新しい指標も導入する。
  論文  参考訳（メタデータ） (2024-03-13T09:18:46Z)
• RAPID: Training-free Retrieval-based Log Anomaly Detection with PLM considering Token-level information [7.861095039299132]
  特に現実世界のアプリケーションでは、ログ異常検出の必要性が高まっている。 従来のディープラーニングベースの異常検出モデルでは、データセット固有のトレーニングが必要で、それに対応する遅延が発生する。 本稿では,ログデータ固有の特徴を活かして,トレーニング遅延を伴わずに異常検出を可能にするモデルRAPIDを紹介する。
  論文  参考訳（メタデータ） (2023-11-09T06:11:44Z)
• Log Parsing Evaluation in the Era of Modern Software Systems [47.370291246632114]
  自動ログ分析、ログ解析は、ログから洞察を導き出すための前提条件である。 本研究は,ログ解析分野の問題点,特に異種実世界のログ処理における非効率性を明らかにする。 本稿では,企業コンテキストにおけるログ解析性能を推定するツールであるLogchimeraを提案する。
  論文  参考訳（メタデータ） (2023-08-17T14:19:22Z)
• On the Effectiveness of Log Representation for Log-based Anomaly Detection [12.980238412281471]
  本研究は,従来のログ解析研究から広く採用されているログ表現技術について検討し,比較する。 6つのログ表現手法を選択し、7つのMLモデルと4つの公開ログデータセットで評価する。 また、ログ表現技術を採用する際に、ログ解析プロセスと異なる特徴集約アプローチの影響についても検討する。
  論文  参考訳（メタデータ） (2023-08-17T02:18:59Z)
• PULL: Reactive Log Anomaly Detection Based On Iterative PU Learning [58.85063149619348]
  本稿では,推定故障時間ウィンドウに基づくリアクティブ異常検出のための反復ログ解析手法PULLを提案する。 我々の評価では、PULLは3つの異なるデータセットで10のベンチマークベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2023-01-25T16:34:43Z)
• LogLAB: Attention-Based Labeling of Log Data Anomalies via Weak Supervision [63.08516384181491]
  専門家の手作業を必要とせず,ログメッセージの自動ラベル付けのための新しいモデリング手法であるLogLABを提案する。 本手法は,監視システムが提供する推定故障時間ウィンドウを用いて,正確なラベル付きデータセットを振り返りに生成する。 我々の評価によると、LogLABは3つの異なるデータセットで9つのベンチマークアプローチを一貫して上回り、大規模な障害時ウィンドウでも0.98以上のF1スコアを維持している。
  論文  参考訳（メタデータ） (2021-11-02T15:16:08Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)
• Loghub: A Large Collection of System Log Datasets for AI-driven Log Analytics [40.96246300489472]
  システムログデータセットの大規模なコレクションであるloghubを収集、リリースしました。 特にloghubは、幅広いソフトウェアシステムから収集された19の現実世界のログデータセットを提供する。 この論文の執筆時点で、ログハブデータセットは、業界と学術の両方の数百の組織によって、合計で約9万回ダウンロードされている。
  論文  参考訳（メタデータ） (2020-08-14T16:17:54Z)
• Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
  この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
  論文  参考訳（メタデータ） (2020-04-24T18:40:08Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。