論文の概要: Build Optimization: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2501.11940v1
- Date: Tue, 21 Jan 2025 07:32:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:24:33.409218
- Title: Build Optimization: A Systematic Literature Review
- Title（参考訳）: ビルド最適化: 体系的な文献レビュー
- Authors: Henri Aïdasso, Mohammed Sayagh, Francis Bordeleau,
- Abstract要約: 継続的インテグレーション(CI)は、ソフトウェアシステムの継続的コンパイル、テスト、パッケージングを含む自動ビルドプロセスで構成される。
本研究は,2006年から2024年にかけて発行されたビルド最適化に関する97つの研究の体系的なレビューを行う。
特定されたビルド最適化の研究は、(1)長いビルド期間、(2)ビルドの失敗の2つの主な課題に焦点を当てている。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Continuous Integration (CI) consists of an automated build process involving continuous compilation, testing, and packaging of the software system. While CI comes up with several advantages related to quality and time to delivery, CI also presents several challenges addressed by a large body of research. To better understand the literature so as to help practitioners find solutions for their problems and guide future research, we conduct a systematic review of 97 studies on build optimization published between 2006 and 2024, which we summarized according to their goals, methodologies, used datasets, and leveraged metrics. The identified build optimization studies focus on two main challenges: (1) long build durations, and (2) build failures. To meet the first challenge, existing studies have developed a range of techniques, including predicting build outcome and duration, selective build execution, and build acceleration using caching or repairing performance smells. The causes of build failures have been the subject of several studies, leading to the development of techniques for predicting build script maintenance and automating repair. Recent studies have also focused on predicting flaky build failures caused by environmental issues. The majority of these techniques use machine learning algorithms and leverage build metrics, which we classify into five categories. Additionally, we identify eight publicly available build datasets for build optimization research.
- Abstract（参考訳）: 継続的インテグレーション(CI)は、ソフトウェアシステムの継続的コンパイル、テスト、パッケージングを含む自動ビルドプロセスで構成される。
CIには品質とデリバリ時間に関するいくつかのアドバンテージがあるが、CIは大規模な研究機関によって対処されるいくつかの課題も提示している。
文献の理解を深め、実践者が問題の解決策を見つけ、将来の研究を導くのに役立つため、2006年から2024年にかけて発行されたビルド最適化に関する97の研究を体系的にレビューし、その目標、方法論、使用済みデータセット、活用メトリクスに基づいて要約した。
特定されたビルド最適化の研究は、(1)長いビルド期間、(2)ビルドの失敗の2つの主な課題に焦点を当てている。
最初の課題を満たすため、既存の研究では、ビルド結果と期間の予測、選択的なビルド実行、キャッシュを使用したビルドアクセラレーション、パフォーマンスの臭いの修復など、さまざまなテクニックが開発されている。
ビルド障害の原因はいくつかの研究の対象であり、ビルドスクリプトのメンテナンスの予測と修復の自動化技術の開発につながっている。
近年の研究では、環境問題によるフレキシブルなビルド失敗の予測にも焦点が当てられている。
これらのテクニックの大部分は、マシンラーニングアルゴリズムを使用して、ビルドメトリクスを活用して、5つのカテゴリに分類しています。
さらに、ビルド最適化研究のために、公開されている8つのビルドデータセットを特定します。
関連論文リスト
- A Computational Method for Measuring "Open Codes" in Qualitative Analysis [47.358809793796624]
オープンコーディングは、データセットから"オープンコード"を特定し解釈する、帰納的定性的なプロセスである。
本稿では,「オープンコード」から潜在的なバイアスを系統的に計測し,同定する計算手法を提案する。
論文 参考訳（メタデータ） (2024-11-19T00:44:56Z) - What's Wrong with Your Code Generated by Large Language Models? An Extensive Study [80.18342600996601]
大規模言語モデル(LLM)は、標準解に比べて短いがより複雑なコードを生成する。
3つのカテゴリと12のサブカテゴリを含む誤ったコードに対するバグの分類を開発し、一般的なバグタイプに対する根本原因を分析する。
そこで本研究では,LLMがバグタイプやコンパイラフィードバックに基づいて生成したコードを批判し,修正することのできる,自己批判を導入した新たな学習自由反復手法を提案する。
論文 参考訳（メタデータ） (2024-07-08T17:27:17Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Characterization of Large Language Model Development in the Datacenter [55.9909258342639]
大きな言語モデル(LLM)は、いくつかの変換タスクにまたがって素晴らしいパフォーマンスを示している。
しかし,大規模クラスタ資源を効率よく利用してLCMを開発することは容易ではない。
我々は,GPUデータセンタAcmeから収集した6ヶ月のLDM開発ワークロードの詳細な評価を行った。
論文 参考訳（メタデータ） (2024-03-12T13:31:14Z) - 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) - Practitioners' Challenges and Perceptions of CI Build Failure Predictions at Atlassian [9.781790288871]
我々は、Atlassianの製品開発全体にわたるCIビルドの失敗を調査する実証的研究について報告する。
私たちの定量的分析では、リポジトリの寸法がCIビルドの失敗に影響を及ぼす重要な要因であることが分かりました。
私たちは、CIビルド予測がCIビルドの失敗に対する積極的な洞察を提供するだけでなく、チームの意思決定を促進することができることに気づきました。
論文 参考訳（メタデータ） (2024-02-15T01:28:18Z) - Multiobjective Optimization Analysis for Finding Infrastructure-as-Code
Deployment Configurations [0.3774866290142281]
本稿では,インフラストラクチャ・アズ・コード配置に関する多目的問題に焦点をあてる。
本稿では,9種類の進化型多目的アルゴリズムについて述べる。
フリードマンの非パラメトリックテストを用いて, 独立ランニング後の各手法の結果を比較した。
論文 参考訳（メタデータ） (2024-01-18T13:55:32Z) - Automatic Feature Engineering for Time Series Classification: Evaluation
and Discussion [0.0]
時系列分類(TSC)は、データサイエンスと知識工学において重要かつ困難な問題である。
近年,時系列から教師なし情報要約統計,いわゆる特徴を抽出するツールがいくつか設計されている。
本稿では,既存の機能工学ツールを用いて得られた機能セットの潜在的な予測性能を評価するための,シンプルなTSCプロセスを提案する。
論文 参考訳（メタデータ） (2023-08-02T10:46:42Z) - CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。
我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。
我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
論文 参考訳（メタデータ） (2023-05-23T17:51:52Z) - Computer vision-based analysis of buildings and built environments: A
systematic review of current approaches [0.98314893665023]
本稿では,建物と建築環境のコンピュータビジョンに基づく分析を初めて体系的に検討する。
これは現在の研究のギャップとトレンドを明らかにし、研究目的の2つの主要なカテゴリを強調している。
論文 参考訳（メタデータ） (2022-08-01T14:17:51Z) - Learning to Optimize: A Primer and A Benchmark [94.29436694770953]
最適化への学習(L2O)は、機械学習を活用して最適化方法を開発する新しいアプローチです。
この記事では、継続的最適化のためのL2Oの総合的な調査とベンチマークを行う。
論文 参考訳（メタデータ） (2021-03-23T20:46:20Z)
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。