論文の概要: Empirical Study of the Docker Smells Impact on the Image Size
- arxiv url: http://arxiv.org/abs/2312.13888v1
- Date: Thu, 21 Dec 2023 14:35:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 14:44:12.424554
- Title: Empirical Study of the Docker Smells Impact on the Image Size
- Title（参考訳）: Docker Smellsのイメージサイズへの影響に関する実証的研究
- Authors: Thomas Durieux
- Abstract要約: 本稿では,Dockerイメージのサイズに対する14のDockerの匂いの影響について検討する。
11313のオープンソースDockerfileから16,145のDocker臭いが検出され、修復されました。
最も影響のある臭いは、一般的に遭遇し、比較的簡単に修正できるパッケージマネージャに関連している。
- 参考スコア（独自算出の注目度）: 1.006218778776515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Docker, a widely adopted tool for packaging and deploying applications
leverages Dockerfiles to build images. However, creating an optimal Dockerfile
can be challenging, often leading to "Docker smells" or deviations from best
practices. This paper presents a study of the impact of 14 Docker smells on the
size of Docker images. To assess the size impact of Docker smells, we
identified and repaired 16 145 Docker smells from 11 313 open-source
Dockerfiles. We observe that the smells result in an average increase of 48.06
MB (4.6%) per smelly image. Depending on the smell type, the size increase can
be up to 10 %, and for some specific cases, the smells can represent 89% of the
image size. Interestingly, the most impactful smells are related to package
managers which are commonly encountered and are relatively easy to fix. To
collect the perspective of the developers regarding the size impact of the
Docker smells, we submitted 34 pull requests that repair the smells and we
reported their impact on the Docker image to the developers. 26/34 (76.5%) of
the pull requests have been merged and they contribute to a saving of 3.46GB
(16.4%). The developer's comments demonstrate a positive interest in addressing
those Docker smells even when the pull requests have been rejected.
- Abstract（参考訳）: Dockerは広く採用されているアプリケーションのパッケージングとデプロイのためのツールだ。
しかし、最適なDockerfileを作成することは難しく、しばしば"Dockerの臭い"やベストプラクティスからの逸脱につながる。
本稿では,Dockerイメージのサイズに対する14のDockerの匂いの影響について検討する。
Dockerの臭いの大きさを評価するために、11313のオープンソースDockerfileから16145のDockerの匂いを特定し、修復しました。
臭気は1画像あたり平均48.06mb (4.6%) 増加することが観察された。
匂いの種類によっては、サイズが最大で10%まで増加し、特定のケースでは、その匂いが画像サイズの89%を表現できる。
興味深いことに、最も影響のある臭いは、一般的に遭遇し、比較的簡単に修正できるパッケージマネージャに関連する。
Dockerの臭いの影響について開発者の視点を収集するため、臭いを修復する34のプルリクエストを提出し、Dockerイメージへの影響を開発者に報告しました。
26/34 (76.5%)のプルリクエストがマージされ、3.46GB (16.4%)の節約に貢献した。
開発者によるコメントは、プルリクエストが拒否された場合でも、Dockerの臭いに対処することに肯定的な関心を示している。
関連論文リスト
- Temporal Analysis and Repair of Flaky Dockerfiles [6.518508607788089]
Dockerfileのフレキネスは、Dockerfileやプロジェクトのソースコードの変更なしに、一貫性のないビルド動作によって特徴づけられる。
本稿では、依存性関連エラーやサーバ接続の問題など、一般的なフレキネスカテゴリの包括的分類について述べる。
我々はFrakiDockを紹介した。これは大規模な言語モデルと検索拡張生成技術を利用して、不安定なDockerfileを自動的に修復するツールだ。
論文 参考訳（メタデータ） (2024-08-09T23:17:56Z) - Drop it All or Pick it Up? How Developers Responded to the Log4JShell Vulnerability [5.164262886682181]
われわれはLog4JShellの多種多様でおそらくその1つを探っている。
私たちの調査では、開発者は5日から6日間の迅速なレスポンスを示しています。
すべてを廃止する代わりに、驚くほど開発者の活動は、待ち望まれているすべての問題やPRに対して増加する傾向があります。
論文 参考訳（メタデータ） (2024-07-05T05:33:10Z) - Federated Learning with Extremely Noisy Clients via Negative
Distillation [70.13920804879312]
フェデレーテッド・ラーニング (FL) は, ノイズラベルに悩まされながら, ディープモデルの協調訓練において顕著な成功を収めた。
ノイズの多いクライアントで訓練されたモデルを活用するために, 負蒸留(FedNed)と呼ばれる新しい手法を提案する。
FedNedはまずノイズの多いクライアントを特定し、知識蒸留方式でノイズの多いクライアントを捨てるのではなく採用する。
論文 参考訳（メタデータ） (2023-12-20T01:59:48Z) - Woodpecker: Hallucination Correction for Multimodal Large Language
Models [80.05936387422906]
Woodpeckerは生成されたテキストから幻覚を抽出して修正する。
キーコンセプト抽出、質問定式化、視覚的知識検証、視覚的クレーム生成、幻覚補正の5段階からなる。
我々はWoodpeckerを定量的かつ質的に評価し、この新しいパラダイムの潜在可能性を示す。
論文 参考訳（メタデータ） (2023-10-24T17:58:07Z) - Chameleon: Adapting to Peer Images for Planting Durable Backdoors in
Federated Learning [4.420110599382241]
FLバックドアの耐久性と良性画像と有毒画像の関係について検討した。
そこで我々は,より耐久性の高いバックドアに向けて,その効果をさらに増幅するために,コントラスト学習を利用する新たな攻撃であるChameleonを提案する。
論文 参考訳（メタデータ） (2023-04-25T16:11:10Z) - DRIVE: Dockerfile Rule Mining and Violation Detection [6.510749313511299]
DockerfileはDockerイメージを構築するための一連の命令を定義し、コンテナ化されたアプリケーションをサポートするためにインスタンス化することができる。
最近の研究は、Dockerfileのかなりの品質問題を明らかにしている。
我々は、暗黙のルールをマイニングし、Dockerfileでそのようなルールの潜在的な違反を検出する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-12-12T01:15:30Z) - FedRecover: Recovering from Poisoning Attacks in Federated Learning
using Historical Information [67.8846134295194]
フェデレートラーニングは、悪意のあるクライアントが世界モデルに毒を盛る攻撃に対して脆弱である。
我々はFedRecoverを提案する。これは、クライアントに対して少量のコストで、毒殺攻撃から正確なグローバルモデルを取り戻すことができる。
論文 参考訳（メタデータ） (2022-10-20T00:12:34Z) - Studying the Practices of Deploying Machine Learning Projects on Docker [9.979005459305117]
Dockerはコンテナ化サービスであり、Webサイト、データベース、アプリケーションのAPI、機械学習(ML)モデルを数行のコードで簡単にデプロイできる。
私たちは、MLベースのプロジェクトのデプロイにDockerがどのように使用されているのかを理解するために、探索的な調査を実施しました。
論文 参考訳（メタデータ） (2022-06-01T18:13:30Z) - CropMix: Sampling a Rich Input Distribution via Multi-Scale Cropping [97.05377757299672]
そこで本研究では,元のデータセット分布からリッチな入力分布を生成するための簡単なCropMixを提案する。
CropMixは、分類タスクを実行するトレーニングレシピやニューラルネットワークアーキテクチャにシームレスに適用することができる。
CropMixは、より強力な表現に向けて、対照的な学習とマスクされた画像モデリングの両方に利益があることを示す。
論文 参考訳（メタデータ） (2022-05-31T16:57:28Z) - Repro: An Open-Source Library for Improving the Reproducibility and
Usability of Publicly Available Research Code [74.28810048824519]
Reproは、研究コードのユーザビリティ向上を目的とした、オープンソースのライブラリである。
Dockerコンテナ内で研究者がリリースしたソフトウェアを実行するための軽量Python APIを提供する。
論文 参考訳（メタデータ） (2022-04-29T01:54:54Z) - Backdoor Attack on Hash-based Image Retrieval via Clean-label Data
Poisoning [54.15013757920703]
混乱性摂動誘発性バックドアアタック(CIBA)を提案する。
トレーニングデータに、正しいラベルで少量の有毒画像を注入する。
提案したCIBAの有効性を検証するための広範な実験を行った。
論文 参考訳（メタデータ） (2021-09-18T07:56:59Z)
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。