論文の概要: Understanding Solidity Event Logging Practices in the Wild
- arxiv url: http://arxiv.org/abs/2308.12788v1
- Date: Thu, 24 Aug 2023 13:41:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 12:47:36.157310
- Title: Understanding Solidity Event Logging Practices in the Wild
- Title（参考訳）: ワイルドにおけるソリッドリティイベントロギングの実践を理解する
- Authors: Lantian Li, Yejian Liang, Zhihao Liu, Zhongxing Yu
- Abstract要約: 私たちは、GitHubでホストされている2,915の人気のSolidityプロジェクトを使用して、現在のSolidityイベントのロギングプラクティスに関する最初の定量的特性調査を提供します。
この研究は、イベントロギングの広範性、現在のイベントロギングプラクティスの良さ、特にイベントロギングコードの進化の理由を方法論的に調査している。
これらの影響は、開発者、研究者、ツールビルダー、言語デザイナを啓蒙し、イベントロギングのプラクティスを改善します。
- 参考スコア（独自算出の注目度）: 8.14179966625145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Writing logging messages is a well-established conventional programming
practice, and it is of vital importance for a wide variety of software
development activities. The logging mechanism in Solidity programming is
enabled by the high-level event feature, but up to now there lacks study for
understanding Solidity event logging practices in the wild. To fill this gap,
we in this paper provide the first quantitative characteristic study of the
current Solidity event logging practices using 2,915 popular Solidity projects
hosted on GitHub. The study methodically explores the pervasiveness of event
logging, the goodness of current event logging practices, and in particular the
reasons for event logging code evolution, and delivers 8 original and important
findings. The findings notably include the existence of a large percentage of
independent event logging code modifications, and the underlying reasons for
different categories of independent event logging code modifications are
diverse (for instance, bug fixing and gas saving). We additionally give the
implications of our findings, and these implications can enlighten developers,
researchers, tool builders, and language designers to improve the event logging
practices. To illustrate the potential benefits of our study, we develop a
proof-of-concept checker on top of one of our findings and the checker
effectively detects problematic event logging code that consumes extra gas in
35 popular GitHub projects and 9 project owners have already confirmed the
detected issues.
- Abstract（参考訳）: ロギングメッセージを書くことは、よく確立された従来のプログラミングプラクティスであり、幅広いソフトウェア開発活動において不可欠である。
solidityプログラミングのロギングメカニズムは、ハイレベルなイベント機能によって実現されているが、これまでは、ソリティイベントロギングのプラクティスを理解するための研究が不足していた。
このギャップを埋めるため,本稿では,githubにホストされている2,915のポピュラーなsolidityプロジェクトを用いて,現在のsolidityイベントロギングプラクティスの定量的特徴を初めて提供する。
この研究は、イベントロギングの広範性、現在のイベントロギングプラクティスの良さ、特にイベントロギングコードの進化の理由を方法論的に調査し、8つのオリジナルかつ重要な発見を提供する。
この発見には、多数の独立したイベントログコード修正が存在すること、および独立したイベントログコード修正のさまざまなカテゴリの根本的な理由は多様である(例えば、バグ修正とガス節約)。
さらに、調査結果の意味も示しています。これらの意味は、イベントロギングプラクティスを改善するために、開発者、研究者、ツールビルダー、言語デザイナを啓蒙するものです。
この研究の潜在的メリットを説明するために,概念実証チェッカを開発した。このチェッカーは,35の人気のあるgithubプロジェクトで余分なガスを消費する問題イベントログコードを効果的に検出し,9人のプロジェクトオーナが検出した問題をすでに確認している。
関連論文リスト
- Studying and Benchmarking Large Language Models For Log Level Suggestion [49.176736212364496]
大規模言語モデル(LLM)は、様々な領域で研究の焦点となっている。
本稿では,12個のオープンソースLCMのログレベル提案における性能に及ぼす特性と学習パラダイムの影響について検討する。
論文 参考訳（メタデータ） (2024-10-11T03:52:17Z) - Detecting Anomalous Events in Object-centric Business Processes via
Graph Neural Networks [55.583478485027]
本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。
まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。
次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
論文 参考訳（メタデータ） (2024-02-14T14:17:56Z) - LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。
具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。
そして、そのような知識を共有パラメータを介して対象領域に転送する。
論文 参考訳（メタデータ） (2024-01-09T12:55:21Z) - FastLog: An End-to-End Method to Efficiently Generate and Insert Logging Statements [5.80502312468937]
我々は、完全なロギングステートメントの生成と挿入アクティビティをサポートするFastLogを提案する。
FastLogは最初、最も優れたトークンレベルの挿入位置を予測し、次に挿入する完全なロギングステートメントを生成する。
総合的な実証分析により,本手法は効率と出力品質の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-11-06T04:26:20Z) - Are They All Good? Studying Practitioners' Expectations on the
Readability of Log Messages [18.823475517909884]
ログメッセージの重要性にもかかわらず、ログメッセージの可読性を構成する標準がまだ不足している。
我々は,ログメッセージの可読性に対する期待を調査するため,産業従事者17人と一連のインタビューを行った。
ディープラーニングモデルと機械学習モデルの両方が、平均80.0%以上のバランスの取れた精度でログメッセージの読みやすさを効果的に分類できることがわかった。
論文 参考訳（メタデータ） (2023-08-17T07:53:24Z) - EvLog: Identifying Anomalous Logs over Software Evolution [31.46106509190191]
解析なしでログを処理するためのEvolving Log extractor (EvLog) という新しい教師なし手法を提案する。
EvLogは、異常なログを識別し、不安定なシーケンスによって引き起こされる問題を回避するために、注意機構を備えた異常判別器を実装している。
EvLogは、平均F1スコアが0.955と0.847の2つの実世界のシステム進化ログデータセットにおいて、それぞれバージョン内設定とバージョン間設定で有効であることを示した。
論文 参考訳（メタデータ） (2023-06-02T12:58:00Z) - Causal Reasoning of Entities and Events in Procedural Texts [28.19606728564382]
本稿では,エンティティ状態に基づくイベントの可視性に関する因果推論に関する最初のベンチマークであるCREPEを提案する。
提案したイベント表現は、知識注入を可能にするが、コード言語モデルによるチェーン・オブ・シークレット推論を成功させた最初の試みでもある。
論文 参考訳（メタデータ） (2023-01-26T01:43:17Z) - Data-Driven Approach for Log Instruction Quality Assessment [59.04636530383049]
優れた品質特性を持つログ命令の記述方法に関するガイドラインは,広く採用されていない。
1)ログレベルの正確さを評価するための正しいログレベルの割り当てと,2)イベント記述の冗長化に必要な静的テキストの最小富度を評価する十分な言語構造である。
本手法は,F1スコア0.99の十分な言語構造を用いて,ログレベルの割当を精度0.88で正確に評価する。
論文 参考訳（メタデータ） (2022-04-06T07:02:23Z) - Improving Compositionality of Neural Networks by Decoding
Representations to Inputs [83.97012077202882]
我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。
本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
論文 参考訳（メタデータ） (2021-06-01T20:07:16Z) - 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)
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。