ترجمه مقاله استنتاج مدل های رفتاری نرم افزار در MapReduce – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
استنتاج مدل های رفتاری نرم افزار در MapReduce
عنوان انگلیسی مقاله:
Inferring software behavioral models with MapReduce
کلمات کلیدی مقاله:
استنتاج مدل، ردیابی پارامتری، تجزیه و تحلیل لاگ، MapReduce
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
مهندسی نرم افزار
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. پیشگفتار
2. مرور اجمالی
2.1. MapReduce
2.2. استنتاج مدل رفتاری
2.4. رویکرد ما
3. تعارفی رسمی
4. برش مسیر متوالی
4.1. الگوریتم
4.2. استراتژی موازی‌سازی ساده
5. برش مسیر توزیع شده با MapReduce
5.1. رمزگذاری داده
5.2. نگارنده
5.3. کاهنده
5.4. بهینه‌سازی‌ها
6. ترکیب مدل توزیع شده با MapReduce
6.1. رمزگذاری داده‌ها
6.2. نگارنده و کاهنده
7. ارزیابی آزمایشی
7.1. آزمایشات روی لاگ‌های ترکیبی
7.2. آزمایشات روی لاگ‌های واقعی
8. بحث
8.1. کاوش نامتغیرها (ناورداها)
8.2. پیش‌پردازشگر لاگ
9. کارهای مربوطه
10. نتیجه‌گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Software behavior models play an important role in the whole life cycle of software systems. Through models, software engineers may gain a deep understanding of how a system behaves without dealing with the intricacies of the implementation. Although good software engineering practices suggest that models should be developed upfront, before deriving an implementation, reality shows that often models do not exist, or they are inconsistent with the implementation. In fact, building a proper model is costly, hard, and requires both mathematical skills and ingenuity. Moreover, even if models are developed, they are often not updated with the changes in the implementation and therefore the models and the implementation progressively diverge.
1. پیشگفتار
مدل‌های رفتار نرم‌افزار، نقشی حیاتی در کل چرخه عمر سیستم‌های نرم‌افزاری ایفا می‌کنند. مهندسان نرم‌افزار ممکن است از طریق مدل‌ها شناخت عمیق‌تری را از نحوه رفتار سیستم بدون مواجهه با پیچیدگی‌های اجرا کسب کنند. اگرچه عملکردهای خود مهندسان نرم‌افزار نشان می‌دهند که مدل‌ها باید به صورت پیش‌فرض قبل از انجام پیاده‌سازی توسعه یابند، حقیقت نشان می‌دهند که اغلب مدل‌ها وجود ندارد یا با پیاده‌سازی سازگار نیستند. در حقیقت، ایجاد مدلی مناسب، پر هزینه و سخت است و نیاز به هر دوی خلاقیت و مهارت‌های ریاضی دارد. علاوه‌براین، حتی اگر مدل‌ها توسعه یابند، آن‌ها اغلب با تغییرات در پیاده‌سازی بروزرسانی نمی‌شوند و بنابراین مدل‌ها و پیاده‌سازی به طور فزاینده‌ای واگرا هستند.
