論文の概要: LONViZ: Unboxing the black-box of Configurable Software Systems from a
Complex Networks Perspective
- arxiv url: http://arxiv.org/abs/2201.01429v1
- Date: Wed, 5 Jan 2022 03:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 05:49:29.147842
- Title: LONViZ: Unboxing the black-box of Configurable Software Systems from a
Complex Networks Perspective
- Title(参考訳): LONViZ: 複雑なネットワークの観点から構成可能なソフトウェアシステムのブラックボックスをアンボックスする
- Authors: Ke Li, Peili Mao, Tao Chen
- Abstract要約: 本稿では,ブラックボックス構成ソフトウェアシステムの探索解析を容易にするツールであるLONViZを提案する。
実験では、42の異なる実行環境下でベンチマークプラットフォームを開発するために、広く使われている4つの実世界のソフトウェアシステムを選択した。
LONViZは定性的かつ定量的な分析を可能にし、様々な興味深い隠れパターンやソフトウェアシステムの特性を明らかにする。
- 参考スコア(独自算出の注目度): 9.770775293243934
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most, if not all, modern software systems are highly configurable to tailor
both their functional and non-functional properties to a variety of
stakeholders. Due to the black-box nature, it is difficult, if not impossible,
to analyze and understand its behavior, such as the interaction between
combinations of configuration options with regard to the performance, in
particular, which is of great importance to advance the controllability of the
underlying software system. This paper proposes a tool, dubbed LONViZ, which is
the first of its kind, to facilitate the exploratory analysis of black-box
configurable software systems. It starts from a systematic sampling over the
configuration space of the underlying system. Then LONViZ seeks to construct a
structurally stable LON by synthesizing multiple repeats of sampling results.
Finally, exploratory analysis can be conducted on the stable LON from both
qualitative and quantitative perspectives. In experiments, we choose four
widely used real-world configurable software systems to develop benchmark
platforms under 42 different running environments. From our empirical study, we
find that LONViZ enables both qualitative and quantitative analysis and
disclose various interesting hidden patterns and properties of different
software systems.
- Abstract(参考訳): 現代のソフトウェアシステムの多くは、機能的特性と非機能的特性の両方をさまざまな利害関係者に合わせるように、高度に設定できます。
ブラックボックスの性質上、パフォーマンスに関して構成オプションの組み合わせの相互作用、特に基盤となるソフトウェアシステムの制御可能性を進める上で非常に重要であることなど、その動作を解析し理解することは不可能ではないとしても困難である。
本稿では,ブラックボックス構成可能なソフトウェアシステムの探索的解析を容易にするツールとしてlonvizを提案する。
システムの構成空間を体系的にサンプリングすることから始まります。
すると、LONViZは複数のサンプリング結果を合成して構造的に安定なLONを構築する。
最後に、定性的および定量的観点から安定なLON上で探索解析を行うことができる。
実験では、42の異なる実行環境下でベンチマークプラットフォームを開発するために、広く使われている4つの実環境構成可能なソフトウェアシステムを選択した。
実験結果から,LONViZは定性的かつ定量的な分析を可能にし,様々な興味深い隠れパターンやソフトウェアシステムの特性を明らかにする。
関連論文リスト
- Multi-objective Differentiable Neural Architecture Search [62.16997839075649]
本研究では,パフォーマンスとハードウェアメトリクスのトレードオフのために,ユーザの好みを符号化するNASアルゴリズムを提案する。
提案手法は,定性的に異なる探索空間とデータセットをまたいだ既存のMOO NAS法より優れている。
論文 参考訳(メタデータ) (2024-02-28T10:09:04Z) - GNBG: A Generalized and Configurable Benchmark Generator for Continuous
Numerical Optimization [5.635586285644365]
さまざまな特徴を持つさまざまな問題インスタンスを含むベンチマークテストスイートを使用することが重要です。
従来のベンチマークスイートは、しばしば多数の固定テスト関数で構成されており、これらを特定の研究目的と整合させることが困難である。
本稿では,単目的,ボックス制約,連続的な数値最適化のための一般化数値ベンチマークジェネレータ(GNBG)を提案する。
論文 参考訳(メタデータ) (2023-12-12T09:04:34Z) - Can LLMs Configure Software Tools [0.76146285961466]
ソフトウェア工学では、複雑なシステム内での最適なパフォーマンスを確保するためには、ソフトウェアツールの精巧な構成が不可欠である。
本研究では,Large-Language Models (LLMs) を利用したソフトウェア構成プロセスの合理化について検討する。
本研究は,Chat-GPTなどのLCMを用いて,開始条件を特定し,検索空間を狭め,構成効率を向上する手法を提案する。
論文 参考訳(メタデータ) (2023-12-11T05:03:02Z) - A Multi-Level, Multi-Scale Visual Analytics Approach to Assessment of
Multifidelity HPC Systems [17.246865176910045]
ハードウェアシステムのイベントと振る舞いは、システムの堅牢性と信頼性を改善するために不可欠である。
本研究では,このような膨大なデータを理解するための総合分析システムの構築を目指す。
このエンド・ツー・エンドのログ分析システムとビジュアル・アナリティクス・サポートが組み合わさって、ユーザーはスーパーコンピュータの使用状況やエラーパターンを素早く抽出できる。
論文 参考訳(メタデータ) (2023-06-15T19:23:50Z) - MULTIGAIN 2.0: MDP controller synthesis for multiple mean-payoff, LTL
and steady-state constraints [58.720142291102135]
我々は、コントローラ合成ツールMultiGainのメジャー拡張であるMultiGAIN 2.0を提案する。
この新バージョンはMultiGainの多目的能力を拡張し、確率システムのコントローラの形式的検証と合成を可能にする。
論文 参考訳(メタデータ) (2023-05-26T08:59:51Z) - Unicorn: Reasoning about Configurable System Performance through the
lens of Causality [12.877523121932114]
ソフトウェア-ハードウェアスタック間の構成オプション間の複雑なインタラクションをキャプチャするUnicornと呼ばれる新しい手法を提案する。
実験の結果、Unicornは最先端のパフォーマンス最適化とデバッグメソッドよりも優れていた。
既存の手法とは異なり、学習した因果性能モデルは、新しい環境のパフォーマンスを確実に予測する。
論文 参考訳(メタデータ) (2022-01-20T19:16:50Z) - An Overview of Recommender Systems and Machine Learning in Feature
Modeling and Configuration [55.67505546330206]
レコメンダーシステムおよび機械学習技術の適用に関連する潜在的な新しい研究ラインの概要を説明します。
本論文では,レコメンダーシステムと機械学習の応用例を示し,今後の研究課題について考察する。
論文 参考訳(メタデータ) (2021-02-12T17:21:36Z) - DISPATCH: Design Space Exploration of Cyber-Physical Systems [5.273291582861981]
サイバー物理システム(CPS)の設計は、様々なCPS構成の大規模な検索空間を探索する難題である。
設計空間上のサンプル効率探索のための2段階の手法であるDisdisを提案する。
論文 参考訳(メタデータ) (2020-09-21T23:14:51Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳(メタデータ) (2020-09-09T15:31:29Z) - BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。
特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。
単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
論文 参考訳(メタデータ) (2020-07-28T17:46:18Z) - NAS-Count: Counting-by-Density with Neural Architecture Search [74.92941571724525]
ニューラルアーキテクチャサーチ(NAS)を用いたカウントモデルの設計を自動化する
エンド・ツー・エンドの検索エンコーダ・デコーダアーキテクチャであるAutomatic Multi-Scale Network(AMSNet)を導入する。
論文 参考訳(メタデータ) (2020-02-29T09:18:17Z)
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。