日志記錄語句由于具有捕獲和記錄系統(tǒng)運(yùn)行時(shí)信息的能力,成為了軟件系統(tǒng)遇到故障時(shí)分析問題原因的主要信息來源。另一方面,互聯(lián)網(wǎng)領(lǐng)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(dǎo)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(shí)踐者和研究者的關(guān)注。事實(shí)上,恰當(dāng)?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(gè)日志記錄語句會(huì)利用普通文本和可選的相關(guān)變量來記錄系統(tǒng)關(guān)鍵的事件信息。在編寫日志記錄語句時(shí),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(gè)方面是不足夠的,現(xiàn)有的日志框架和工具都要求為每個(gè)日志記錄語句分配一個(gè)用來描述記錄信息詳細(xì)程度的級(jí)別,它會(huì)影響最終保存下來的日志信息。如果一個(gè)日志記錄語句被分配了不合適的級(jí)別,可能會(huì)導(dǎo)致本該記錄的信息沒有被儲(chǔ)存下來,使得后續(xù)的日志分析等工作缺失了關(guān)鍵性信息�，F(xiàn)有的研究中表明因?yàn)樾枰獧?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(jí)別時(shí)往往會(huì)花費(fèi)較大的精力,他們往往只能依賴自己的開發(fā)經(jīng)驗(yàn)和領(lǐng)域知識(shí)進(jìn)行決策。為工業(yè)界提供日志記錄語句級(jí)別分配... 

【文章來源】：南京大學(xué)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(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．３：技術(shù)方案流程??本文提出的日忠記錄語句級(jí)別推薦方法共有８個(gè)步驟：??

的級(jí)別都是合適的，這樣所學(xué)習(xí)到的經(jīng)驗(yàn)也更為準(zhǔn)確，有較高的適用性。??ＬＯＧ．?ｉｎｆｏ（?“ＤＥＢＵＧ?Ｃｏｎｔａｉｎｅｒ?Ｆｉｎｉｓｈｅｄ：”?＋?ｃｏｎｔａｉｎｅｒｌｄ）；??圖４．２：級(jí)別反模式示例??４．１．３數(shù)據(jù)統(tǒng)計(jì)與分析??在對(duì)數(shù)據(jù)實(shí)例進(jìn)行了篩選之后，為了能進(jìn)一步了解開發(fā)實(shí)踐中日志記錄語??句級(jí)別的分布情況，以及探究相關(guān)原因和影響級(jí)別決策的因素，本文簡單地統(tǒng)??計(jì)了一下相關(guān)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(gè)級(jí)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?yàn)橐粋�(gè)丨「Ｂｌｏｃｋ往往??代表著實(shí)際運(yùn)行中－種具體的邏輯狀態(tài)，在獲取了詳細(xì)的邏輯狀態(tài)信息之??后，會(huì)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?yàn)椋瓊�(gè)函數(shù)足－般承擔(dān)著一個(gè)??邏輯功能職責(zé)，此處較為容易出現(xiàn)邏輯錯(cuò)誤，往往是開發(fā)人員的關(guān)注重點(diǎn)。??其次便是ＴｒｙＢｌｏｃｋ和ＣａｔｃｈＢｌｏｃｋ，這兩個(gè)代碼塊的職責(zé)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(gè)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(gè)曰志記錄語句級(jí)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(xiàn)】：
期刊論文
[1]基于機(jī)器學(xué)習(xí)的文本分類技術(shù)研究進(jìn)展[J]. 劉婧,姜文波,邵野.  電腦迷. 2018(06)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[3]二項(xiàng)分類logistic回歸的基本原理和關(guān)鍵問題[J]. 劉彬彬,王琦琦,于石成,胡躍華,么鴻雁,孫謹(jǐn)芳,譚云洪.  中國防癆雜志. 2016 (08)
[4]機(jī)器學(xué)習(xí)及其算法和發(fā)展研究[J]. 張潤,王永濱.  中國傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[5]深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)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(jì)算機(jī)工程與應(yīng)用. 2013(09)
[7]決策樹算法及其核心技術(shù)[J]. 楊學(xué)兵,張俊.  計(jì)算機(jī)技術(shù)與發(fā)展. 2007(01)
[8]文本分類技術(shù)研究[J]. 高潔,吉根林.  計(jì)算機(jī)應(yīng)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(jì)算機(jī)工程與應(yīng)用. 2004(01)
[10]文本分類實(shí)現(xiàn)技術(shù)[J]. 王灝,黃厚寬,田盛豐.  廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(01)



本文編號(hào)：3332644