Software Logs for Machine Learning in a DevOps Environment

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Bosch Jan 1967) > (2020-2024) > Software Logs for M...

LIBRIS Formathandbok (Information om MARC21)

Fältnamn	Indikatorer	Metadata
000		03165naa a2200385 4500
001		oai:research.chalmers.se:1aeb115d-d4e7-45ba-ad81-8eb0b99a7c6b
003		SwePub
008		201216s2020 \| \|\|\|\|\|\|\|\|\|\|\|000 \|\|eng\|
024	7	a https://research.chalmers.se/publication/5209942 URI
024	7	a https://doi.org/10.1109/SEAA51224.2020.000162 DOI
040		a (SwePub)cth
041		a engb eng
042		9 SwePub
072	7	a kon2 swepub-publicationtype
072	7	a ref2 swepub-contenttype
100	1	a Bosch, Nathanu Telefonaktiebolaget L M Ericsson,Ericsson4 aut
245	1 0	a Software Logs for Machine Learning in a DevOps Environment
264	1	c 2020
520		a System logs perform a critical function in software-intensive systems as logs record the state of the system and significant events in the system at important points in time. Unfortunately, log entries are typically created in an ad-hoc, unstructured and uncoordinated fashion, limiting their usefulness for analytics and machine learning. In a DevOps environment, especially, unmanaged evolution in log data structure causes frequent disruption of operations in automated data pipelines, dashboards and analytics. In this paper, we present the main challenges of contemporary approaches to generating, storing and managing the evolution of system logs data for large, complex, software-intensive systems based on an in-depth case study at a world-leading telecommunications company. Second, we present an approach for generating and managing the evolution of log data in a DevOps environment that does not suffer from the aforementioned challenges and is optimized for use in machine learning. Third, we provide validation of the approach based on expert interviews that confirm that the approach addresses the identified challenges and problems.
650	7	a NATURVETENSKAPx Data- och informationsvetenskapx Annan data- och informationsvetenskap0 (SwePub)102992 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciencesx Other Computer and Information Science0 (SwePub)102992 hsv//eng
650	7	a NATURVETENSKAPx Data- och informationsvetenskapx Datavetenskap0 (SwePub)102012 hsv//swe
650	7	a NATURAL SCIENCESx Computer and Information Sciencesx Computer Sciences0 (SwePub)102012 hsv//eng
650	7	a TEKNIK OCH TEKNOLOGIERx Elektroteknik och elektronikx Datorsystem0 (SwePub)202062 hsv//swe
650	7	a ENGINEERING AND TECHNOLOGYx Electrical Engineering, Electronic Engineering, Information Engineeringx Computer Systems0 (SwePub)202062 hsv//eng
653		a data generation
653		a System logs
653		a DevOps
653		a data preprocessing
653		a machine learning
700	1	a Bosch, Jan,d 1967u Chalmers tekniska högskola,Chalmers University of Technology4 aut0 (Swepub:cth)janbo
710	2	a Telefonaktiebolaget L M Ericssonb Chalmers tekniska högskola4 org
773	0	t Proceedings - 46th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2020g , s. 29-33q <29-33
856	4 8	u https://research.chalmers.se/publication/520994
856	4 8	u https://doi.org/10.1109/SEAA51224.2020.00016

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Bosch, Nathan; Bosch, Jan, 1967

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Annan data och i ...

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datavetenskap

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Datorsystem

Artiklar i publikationen: Proceedings - 46 ...

Av lärosätet: Chalmers tekniska högskola

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se