論文の概要: A Mixed Method Study of DevOps Challenges
- arxiv url: http://arxiv.org/abs/2403.16436v1
- Date: Mon, 25 Mar 2024 05:35:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 15:57:31.745844
- Title: A Mixed Method Study of DevOps Challenges
- Title（参考訳）: DevOpsの課題に関する混合手法の研究
- Authors: Minaoar Hossain Tanzil, Masud Sarker, Gias Uddin, Anindya Iqbal,
- Abstract要約: DevOpsに関する議論を含む174K SOポストにトピックモデリングを適用することで、実証的研究を行う。
次に、専門家のDevOps実践者21人を対象に、実証的研究結果の検証と拡張を行いました。
- 参考スコア（独自算出の注目度）: 2.2957483176038584
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Context: DevOps practices combine software development and IT operations. There is a growing number of DevOps related posts in popular online developer forum Stack Overflow (SO). While previous research analyzed SO posts related to build/release engineering, we are aware of no research that specifically focused on DevOps related discussions. Objective: To learn the challenges developers face while using the currently available DevOps tools and techniques along with the organizational challenges in DevOps practices. Method: We conduct an empirical study by applying topic modeling on 174K SO posts that contain DevOps discussions. We then validate and extend the empirical study findings with a survey of 21 professional DevOps practitioners. Results: We find that: (1) There are 23 DevOps topics grouped into four categories: Cloud & CI/CD Tools, Infrastructure as Code, Container & Orchestration, and Quality Assurance. (2) The topic category Cloud & CI/CD Tools contains the highest number of topics (10) which cover 48.6% of all questions in our dataset, followed by the category Infrastructure as Code (28.9%). (3) File management is the most popular topic followed by Jenkins Pipeline, while infrastructural Exception Handling and Jenkins Distributed Architecture are the most difficult topics (with least accepted answers). (4) In the survey, developers mention that it requires hands-on experience before current DevOps tools can be considered easy. They raised the needs for better documentation and learning resources to learn the rapidly changing DevOps tools and techniques. Practitioners also emphasized on the formal training approach by the organizations for DevOps skill development. Conclusion: Architects and managers can use the findings of this research to adopt appropriate DevOps technologies, and organizations can design tool or process specific DevOps training programs.
- Abstract（参考訳）: コンテキスト: DevOpsプラクティスはソフトウェア開発とIT運用を組み合わせたものです。
人気のオンライン開発者フォーラムStack Overflow(SO)には、DevOps関連の記事が増えている。
以前の調査では、ビルド/リリースエンジニアリングに関するSOポストを分析していましたが、DevOpsに関する議論に特に注目する研究はありませんでした。
目的: 現在利用可能なDevOpsツールとテクニックとDevOpsプラクティスの組織的課題を使用して、開発者が直面する課題を学ぶこと。
方法:DevOpsに関する議論を含む174K SOポストにトピックモデリングを適用することで、実証的研究を行う。
次に、専門家のDevOps実践者21人を対象に、実証的研究結果の検証と拡張を行いました。
結果: 1) クラウドとCI/CDツール,インフラストラクチャ・アズ・コード,コンテナとオーケストレーション,品質保証の4つのカテゴリにグループ化された,23のDevOpsトピックがある。
2) トピックカテゴリ Cloud & CI/CD Tools には,データセットの全質問の48.6%をカバーするトピック (10) が最も多く,次いで Infrastructure as Code (28.9%) が含まれている。
(3) ファイル管理が最も一般的なトピックはJenkins Pipelineで、一方、インフラ的な例外処理とJenkins分散アーキテクチャは最も難しいトピック(最低でも受け入れられる回答)である。
(4) 調査では、開発者は現在のDevOpsツールが容易に考慮される前に、ハンズオンエクスペリエンスが必要であると言及している。
彼らは、急速に変化するDevOpsツールやテクニックを学ぶために、より良いドキュメンテーションと学習リソースの必要性を高めた。
実践者はDevOpsスキル開発のための組織による正式なトレーニングアプローチも強調した。
結論: アーキテクトとマネージャは、この研究の成果を使って適切なDevOps技術を採用することができ、組織はツールを設計したり、特定のDevOpsトレーニングプログラムを処理したりすることができます。
関連論文リスト
- RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。
プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
論文 参考訳（メタデータ） (2024-07-23T17:50:43Z) - Enhancing Educational Efficiency: Generative AI Chatbots and DevOps in Education 4.0 [0.0]
本研究は,コンピュータサイエンス教育におけるイノベーティブな教育的アプローチをもたらすものである。
人工知能(AI)とDevOpsから借用された方法論を組み合わせて、コンテンツ管理システム(CMS)開発における学習経験を強化する。
論文 参考訳（メタデータ） (2024-04-18T18:45:39Z) - Chronicles of CI/CD: A Deep Dive into its Usage Over Time [0.5705775078773656]
本稿では、GitHubリポジトリを分析し、開発者がCI/CDに使用する技術を分析する。
最先端のCI/CDテクノロジのリストを使用して、GitHub検索APIを使用して、それぞれのテクノロジを使用してリポジトリを見つけます。
当社の時代におけるCI/CDテクノロジの使用状況の概要に加えて,過去12年間に何が起こったのかについても紹介する。
論文 参考訳（メタデータ） (2024-02-27T15:20:11Z) - DevEval: Evaluating Code Generation in Practical Software Projects [52.16841274646796]
我々はDevEvalという名の新しいベンチマークを提案し、実践プロジェクトにおける開発者の経験と一致している。
DevEvalは、119の実用的なプロジェクトから2,690のサンプルを含む厳格なパイプラインを通じて収集される。
DevEvalの5つの人気のあるLCMを評価し、コード生成における実際の能力を明らかにする。
論文 参考訳（メタデータ） (2024-01-12T06:51:30Z) - Automated DevOps Pipeline Generation for Code Repositories using Large
Language Models [5.011328607647701]
調査では、GitHubの生成におけるGPT 3.5とGPT 4の習熟度を精査するとともに、最も効率的なパイプライン構築におけるさまざまなプロンプト要素の影響を評価している。
GPTは4。
Probot上に構築されたGitHubアプリを導入し、GitHubエコシステム内でワークフロー生成を自動化する。
論文 参考訳（メタデータ） (2023-12-20T17:47:52Z) - DevBots can co-design APIs [0.0]
DevBotsは、ソフトウェア開発をサポートするためにさまざまなタスクを実行する自動化ツールである。
ソフトウェア開発におけるDevBotsの利用状況について,24の論文を分析した。
論文 参考訳（メタデータ） (2023-12-10T02:29:05Z) - RL4CO: an Extensive Reinforcement Learning for Combinatorial Optimization Benchmark [69.19502244910632]
深部強化学習(RL)は、最適化(CO)問題を解く上で大きな利点を示している。
RL4COは,23の最先端メソッドと20以上のCO問題を含む,詳細なライブラリカバレッジを備えた統一ベンチマークである。
効率的なソフトウェアライブラリと実装のベストプラクティスに基づいて構築されたRL4COは、モジュール化された実装と、多様なRLアルゴリズム、ニューラルネットワークアーキテクチャ、推論技術、環境の柔軟な構成を備えている。
論文 参考訳（メタデータ） (2023-06-29T16:57:22Z) - Factors that Contribute to the Success of a Software Organisation's
DevOps Environment: A Systematic Review [0.0]
この研究は、ソフトウェア組織のDevOps環境の側面を評価し、これらの環境の成功に寄与する要因を特定します。
体系的なレビューは、2015年から2021年までの5つの選択された検索システムとデータベースから33の記事で構成されていた。
コラボレーション文化、組織的側面、ツーリングとテクノロジ、継続的プラクティスの4つに分類された。
論文 参考訳（メタデータ） (2022-11-08T09:03:35Z) - UKP-SQUARE: An Online Platform for Question Answering Research [50.35348764297317]
我々は、研究者向けのオンラインQAプラットフォームであるUKP-SQUAREを紹介した。
UKP-SQUAREでは、ユーザフレンドリーなWebインターフェースと統合テストを通じて、モダンスキルの大規模なコレクションをクエリし、分析することができる。
論文 参考訳（メタデータ） (2022-03-25T15:00:24Z) - Conditional Prompt Learning for Vision-Language Models [107.06776396086471]
近ごろ提案されたContext Optimization (CoOp) は、文脈単語をプロンプトで学習可能なベクトルの集合に変換する。
CoOpは、CoOpよりもはるかに優れたクラスを非表示に一般化し、単一のデータセットを超える有望な転送可能性を示している。
我々の実験によると、CoCoOpはCoOpよりもはるかに優れたクラスに一般化しており、単一のデータセットを超える有望な転送可能性を示している。
論文 参考訳（メタデータ） (2022-03-10T18:59:41Z)
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。