[論文レビュー] Enhancing reproducibility and collaboration via management of R package cohorts

Gabriel Becker, Cory Barr+2 more|arXiv (Cornell University)|Jan 9, 2015

Scientific Computing and Data Management参考文献 2被引用数 4

ひとこと要約

この論文では、バージョン付きマニフェストを用いてRパッケージのグループを管理するフレームワークを提案し、科学的計算における再現性と共同作業を向上させる。ユーザーはパッケージマニフェストを介して、正確なバージョンを多様なソースから追跡する一貫したソフトウェア環境を、作成・切り替え・デプロイ可能にする。インストール、プロバンス追跡、公開のためのツールを備え、switchrとGRANbaseを用いて実証済みで、Artistic 2.0ライセンスのもとで公開されている。

ABSTRACT

Science depends on collaboration, result reproduction, and the development of supporting software tools. Each of these requires careful management of software versions. We present a unified model for installing, managing, and publishing software contexts in R. It introduces the package manifest as a central data structure for representing version specific, decentralized package cohorts. The manifest points to package sources on arbitrary hosts and in various forms, including tarballs and directories under version control. We provide a high-level interface for creating and switching between side-by-side package libraries derived from manifests. Finally, we extend package installation to support the retrieval of exact package versions as indicated by manifests, and to maintain provenance for installed packages. The provenance information enables the user to publish libraries or sessions as manifests, hence completing the loop between publication and deployment. We have implemented this model across two software packages, switchr and GRANbase, and have released the source code under the Artistic 2.0 license.

研究の動機と目的

• Rベースの研究における再現性を損なう、共同作業者や分析間での不一致なソフトウェアバージョンの問題に対処すること。
• ユーザーが、再現性のある分析を可能にするために、隔離されたバージョン固有のソフトウェア環境（パッケージグループ）を定義・管理・切り替えできるようにすること。
• CRAN以外のソース（バージョン管理システムやアーカイブ済みtarボールなど）から正確なパッケージバージョンをインストールできること。
• 完全なソフトウェア環境を自己完結型でバージョン管理されたマニフェストとして、公開・デプロイするメカニズムを提供すること。
• 出版とデプロイの間の閉ループを閉じるため、プロバンス追跡とマニフェストに基づくソフトウェア環境の再作成を可能にすること。

提案手法

• CRAN、Bioconductor、Gitリポジトリ、ローカルディレクトリを含む、正確なパッケージバージョンとそのソースをリストアップするマニフェストを、中心的なデータ構造として導入する。
• 現在のライブラリやセッションからマニフェストを生成するための `libManifest()` 関数を用い、完全なソフトウェアコンテキストをキャプチャする。
• マニフェストに基づいて隔離されたRライブラリ環境を作成・管理するための `switchTo()` および `switchBack()` 関数を採用する。
• 標準的なRインストールメカニズムを用いてマニフェストからの正確なパッケージバージョンのインストールを可能にし、再現性のためのプロバンス追跡を実現する。
• `switchrGist` パッケージを介してGitHub gistsとしてマニフェストを公開することで、簡単な共有とデプロイを可能にする。
• crandb との統合により、日付やRバージョンに基づいて、過去のパッケージグループを後から再作成できるようにする。

実験結果

リサーチクエスチョン

• RQ1 Rユーザーは、異なる共同作業者や時系列において、正確なソフトウェアコンテキストを再現・共有するにはどうすればよいか？
• RQ2 分散型でマニフェストベースのシステムは、バージョン管理やアーカイブを含む多様なソースからのバージョン固有のパッケージグループを効果的に管理できるか？
• RQ3 プロバンス情報はどのようにキャプチャされ、完全なソフトウェア環境の公開と再デプロイメントにどのように利用されるか？
• RQ4 過去のCRANの状態はどの程度正確に再現可能であり、マニフェストや `sessionInfo` が存在しない場合にソフトウェアコンテキストを回復するのに役立つか？
• RQ5 このフレームワークは、動的ドキュメントや科学的出版における自動化された再現ワークフローをサポートするために拡張可能か？

主な発見

• パッケージマニフェストモデルは、完全でバージョン固有のソフトウェアコンテキストを的確にキャプチャ・表現でき、異なる環境間での一貫したデプロイメントを可能にする。
• このフレームワークにより、デフォルトのサイトライブラリに影響を与えることなく、隔離されたRライブラリ間を切り替えられる。再現性が保たれ、依存関係の衝突も回避される。
• マニフェストからのインストールは、Gitリポジトリやアーカイブ済みtarボールを含む、リポジトリ以外のソースからの正確なバージョン取得を可能にし、柔軟性とポータビリティを向上させる。
• インストール済みパッケージのプロバンス追跡により、ユーザーが完全なソフトウェアコンテキストを再利用可能でバージョン管理されたマニフェストとして公開・再デプロイできる。
• crandb との統合により、日付やRバージョンに基づいて過去のパッケージグループを後から再作成でき、古い研究の再現性を支援する。
• このフレームワークは、オープンソースの2つのパッケージ—switchr と GRANbase—を用いて実証済みで、Artistic 2.0ライセンスのもとで公開されており、GitHubでソースコードを入手可能。