日志記錄語句由于具有捕獲和記錄系統(tǒng)運行時信息的能力,成為了軟件系統(tǒng)遇到故障時分析問題原因的主要信息來源。另一方面,互聯(lián)網(wǎng)領域日新月異的變化,帶來了越來越多的用戶以及豐富的功能需求,這導致軟件系統(tǒng)質(zhì)量和性能要求都日益提高。日志記錄語句由于前述原因,吸引了越來越多實踐者和研究者的關注。事實上,恰當?shù)卦谲浖a中插入日志記錄語句已成為開發(fā)人員日常工作中十分重要的一部分。一個日志記錄語句會利用普通文本和可選的相關變量來記錄系統(tǒng)關鍵的事件信息。在編寫日志記錄語句時,開發(fā)人員需要決策在哪里記錄以及需要記錄哪些內(nèi)容。但是,僅僅考慮這兩個方面是不足夠的,現(xiàn)有的日志框架和工具都要求為每個日志記錄語句分配一個用來描述記錄信息詳細程度的級別,它會影響最終保存下來的日志信息。如果一個日志記錄語句被分配了不合適的級別,可能會導致本該記錄的信息沒有被儲存下來,使得后續(xù)的日志分析等工作缺失了關鍵性信息�，F(xiàn)有的研究中表明因為需要權(quán)衡內(nèi)容足夠的大量日志所帶來的益處和所消耗的成本,開發(fā)人員在為一條日志記錄語句分配級別時往往會花費較大的精力,他們往往只能依賴自己的開發(fā)經(jīng)驗和領域知識進行決策。為工業(yè)界提供日志記錄語句級別分配... 

【文章來源】：南京大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖３．３：技術方案流程??本文提出的日忠記錄語句級別推薦方法共有８個步驟：??

的級別都是合適的，這樣所學習到的經(jīng)驗也更為準確，有較高的適用性。??ＬＯＧ．?ｉｎｆｏ（?“ＤＥＢＵＧ?Ｃｏｎｔａｉｎｅｒ?Ｆｉｎｉｓｈｅｄ：”?＋?ｃｏｎｔａｉｎｅｒｌｄ）；??圖４．２：級別反模式示例??４．１．３數(shù)據(jù)統(tǒng)計與分析??在對數(shù)據(jù)實例進行了篩選之后，為了能進一步了解開發(fā)實踐中日志記錄語??句級別的分布情況，以及探究相關原因和影響級別決策的因素，本文簡單地統(tǒng)??計了一下相關數(shù)據(jù)，具體的結(jié)果展示如下所示。??ｌｏｇｌｅｖｅｌ分布情況??４７，?〇％??２７７２，??；．．?■?■??４１８８，１３％?１?８２１８，?２５％??翁＇??、■?．?？－：?．??１２９３７，?４０％??＾?ｔｒａｃｅ?？?ｄｅｂｕｇ?繳?ｉｎｆｏ?ｗａｒｎ?ａ?ｅｒｒｏｒ?綴?ｆａｔａｌ??圖４．３：?ｌｅｖｅｌ分布展示??首先是各個級別在所有日志記錄語句中的占比

?〇＆?〇＆??圖４．４：代碼塊分布展示??接著是擁有ｆ：ｌ志記錄語句的代碼塊類型所占的比重。圖４．４中顯示，??ＩｆＢｌｏｃｋ中Ｈ志記錄語句的數(shù)量占比是最為高的。這是因為一個丨「Ｂｌｏｃｋ往往??代表著實際運行中－種具體的邏輯狀態(tài)，在獲取了詳細的邏輯狀態(tài)信息之??后，會更容易地定位問題發(fā)生的原因，所以也是Ｈ志記錄語句最常出現(xiàn)的代??碼塊。另外ＭｅｔｈｏｄＢｌｏｃｋ屮分布的也很多的，因為－個函數(shù)足－般承擔著一個??邏輯功能職責，此處較為容易出現(xiàn)邏輯錯誤，往往是開發(fā)人員的關注重點。??其次便是ＴｒｙＢｌｏｃｋ和ＣａｔｃｈＢｌｏｃｋ，這兩個代碼塊的職責是用來捕獲異常，因此??也是日志記錄語句常常被插入的地方，這個占比不那么高的原因，可能是因??為ＴｒｙＢｌｏｃｋ和ＣａｔｃｈＢｌｏｃｋ塊本身被使用的頻率不高。??最后是每種代碼塊中各個曰志記錄語句級別的分布狀況。圖４．５中顯示，??ＴｒｙＢｌｏｃｋ和ＣａｔｃｈＢｌｏｃｋ雖然常�！鸪霈F(xiàn)

【參考文獻】：
期刊論文
[1]基于機器學習的文本分類技術研究進展[J]. 劉婧,姜文波,邵野.  電腦迷. 2018(06)
[2]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應用. 2016(09)
[3]二項分類logistic回歸的基本原理和關鍵問題[J]. 劉彬彬,王琦琦,于石成,胡躍華,么鴻雁,孫謹芳,譚云洪.  中國防癆雜志. 2016 (08)
[4]機器學習及其算法和發(fā)展研究[J]. 張潤,王永濱.  中國傳媒大學學報(自然科學版). 2016(02)
[5]深度卷積神經(jīng)網(wǎng)絡在計算機視覺中的應用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[6]權(quán)核Logistic回歸模型的分類和特征選擇算法[J]. 池光輝,劉建偉,李衛(wèi)民,羅雄麟.  計算機工程與應用. 2013(09)
[7]決策樹算法及其核心技術[J]. 楊學兵,張俊.  計算機技術與發(fā)展. 2007(01)
[8]文本分類技術研究[J]. 高潔,吉根林.  計算機應用研究. 2004(07)
[9]數(shù)據(jù)挖掘中決策樹的探討[J]. 馬秀紅,宋建社,董晟飛.  計算機工程與應用. 2004(01)
[10]文本分類實現(xiàn)技術[J]. 王灝,黃厚寬,田盛豐.  廣西師范大學學報(自然科學版). 2003(01)



本文編號：3332644