論文の概要: Open Tracing Tools: Overview and Critical Comparison

• arxiv url: http://arxiv.org/abs/2207.06875v2
• Date: Fri, 23 Jun 2023 15:51:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 15:17:05.223219
• Title: Open Tracing Tools: Overview and Critical Comparison
• Title（参考訳）: Open Tracing Tools: 概観と批判的比較
• Authors: Andrea Janes, Xiaozhou Li, Valentina Lenarduzzi
• Abstract要約: 本稿では,一般的なOpenトレースツールの概要を比較を通じて示すことを目的としている。 われわれはまず,目的,体系的,再現可能な方法でRa30ツールを同定した。 その結果,1) 評価機能,2) ピアレビュー文学とオンラインメディアの両方での人気,3) メリットと課題を考察した。
• 参考スコア（独自算出の注目度）: 10.196089289625599
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background. Coping with the rapid growing complexity in contemporary software architecture, tracing has become an increasingly critical practice and been adopted widely by software engineers. By adopting tracing tools, practitioners are able to monitor, debug, and optimize distributed software architectures easily. However, with excessive number of valid candidates, researchers and practitioners have a hard time finding and selecting the suitable tracing tools by systematically considering their features and advantages.Objective. To such a purpose, this paper aims to provide an overview of popular Open tracing tools via comparison. Method. Herein, we first identified \ra{30} tools in an objective, systematic, and reproducible manner adopting the Systematic Multivocal Literature Review protocol. Then, we characterized each tool looking at the 1) measured features, 2) popularity both in peer-reviewed literature and online media, and 3) benefits and issues. We used topic modeling and sentiment analysis to extract and summarize the benefits and issues. Specially, we adopted ChatGPT to support the topic interpretation. Results. As a result, this paper presents a systematic comparison amongst the selected tracing tools in terms of their features, popularity, benefits and issues. Conclusion. The result mainly shows that each tracing tool provides a unique combination of features with also different pros and cons. The contribution of this paper is to provide the practitioners better understanding of the tracing tools facilitating their adoption.
• Abstract（参考訳）: 背景。 現代のソフトウェアアーキテクチャが急速に複雑化する中で、トレーシングはますます重要なプラクティスとなり、ソフトウェアエンジニアによって広く採用されている。 トレースツールを採用することで、実践者は分散ソフトウェアアーキテクチャの監視、デバッグ、最適化が容易になる。 しかし, 有効な候補が多すぎると, 研究者や実践者は, その特徴や利点を体系的に検討して, 適切な追跡ツールの発見と選定に苦慮する。 このような目的のために,本稿では,人気のあるオープントレーシングツールの概観を比較を通して提供することを目的としている。 方法。 そこで我々はまず,体系的多言語文献レビュープロトコルを採用した目的的,体系的,再現可能なツールを同定した。 そして、各ツールがそれを見るのを特徴付ける。 1)測定された特徴 2)ピアレビュー文学とオンラインメディアにおける人気,および 3)利益と課題。 トピックモデリングと感情分析を使用して,そのメリットと問題を抽出し,要約した。 特に,話題解釈を支援するためにChatGPTを採用した。 結果だ そこで,本稿では,その特徴,人気,利益,課題の観点から,選択した追跡ツールの体系的比較を行った。 結論だ その結果は主に、それぞれのトレースツールが、異なる長所と短所を持つ特徴のユニークな組み合わせを提供することを示している。 本論文の貢献は,実践者に対して,採用を促進するトレースツールの理解を深めることである。

関連論文リスト

• SurgiTrack: Fine-Grained Multi-Class Multi-Tool Tracking in Surgical Videos [2.3810490830445183]
  この研究は、外科的ツールトラッキングの新しい標準を設定し、最小侵襲の手術に対してより適応的で正確な支援を行うためのダイナミックな軌跡を提供する。 本稿では,ツール検出にYOLOv7を活用する新しいディープラーニング手法であるSurgiTrackを提案する。
  論文  参考訳（メタデータ） (2024-05-30T17:59:10Z)
• Tool Learning with Large Language Models: A Survey [60.733557487886635]
  大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。 この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
  論文  参考訳（メタデータ） (2024-05-28T08:01:26Z)
• COLT: Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
  そこで我々は,Collaborative Learning-based Tool Retrieval approach, COLTを提案する。 COLTはユーザクエリとツール記述のセマンティックな類似性をキャプチャする。 また、ツールの協調的な情報も考慮に入れている。
  論文  参考訳（メタデータ） (2024-05-25T06:41:23Z)
• What Are Tools Anyway? A Survey from the Language Model Perspective [67.18843218893416]
  言語モデル(LM)は強力だが、主にテキスト生成タスクに向いている。 LMが使用する外部プログラムとしてツールを統一的に定義する。 各種ツールの効率を実証的に検討した。
  論文  参考訳（メタデータ） (2024-03-18T17:20:07Z)
• Comparison of Static Analysis Architecture Recovery Tools for Microservice Applications [43.358953895199264]
  マイクロサービスアプリケーションのための静的解析アーキテクチャ回復ツールを,マルチボーカルな文献レビューを通じて同定する。 次に、共通データセット上でそれらを実行し、アーキテクチャ回復における測定された有効性を比較する。
  論文  参考訳（メタデータ） (2024-03-11T17:26:51Z)
• ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
  我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。 フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-10-26T21:57:21Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)
• Automated Grading and Feedback Tools for Programming Education: A Systematic Review [7.776434991976473]
  ほとんどの論文はオブジェクト指向言語における代入の正確性を評価する。 ソースコードの保守性、可読性、ドキュメントを評価するツールは少ない。 ほとんどのツールは、ほぼ即時フィードバックを可能にする完全に自動化されたアセスメントを提供する。
  論文  参考訳（メタデータ） (2023-06-20T17:54:50Z)
• SOCIOFILLMORE: A Tool for Discovering Perspectives [10.189255026322996]
  SOCIOFILLMOREは、テキストがイベントを描写する際に表現する視点をフォアに導くのに役立つツールである。 我々のツールは、人間の判断を大量に集めることで、理論的にはフレームのセマンティクスと認知言語学に基礎を置いています。
  論文  参考訳（メタデータ） (2022-03-07T14:42:22Z)
• AI Explainability 360: Impact and Design [120.95633114160688]
  2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。 本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。 また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
  論文  参考訳（メタデータ） (2021-09-24T19:17:09Z)

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。