[论文解读] Challenges in Docker Development: A Large-scale Study Using Stack Overflow

Mubin Ul Haque, Leonardo Horn Iwaya+1 more|arXiv (Cornell University)|Aug 11, 2020

Cloud Computing and Resource Management参考文献 35被引用 11

一句话总结

这项大规模研究使用潜在狄利克雷分布（LDA）主题建模方法，分析了113,922篇与Docker相关的Stack Overflow帖子，以识别开发人员中普遍存在的挑战和兴趣。研究发现，网络错误、内存管理以及网页浏览器问题是主要困难，而监控状态、数据传输和用户身份验证则是高度受欢迎的主题，且Docker社区中专家贡献者数量显著不足。

ABSTRACT

Docker technology has been increasingly used among software developers in a multitude of projects. This growing interest is due to the fact that Docker technology supports a convenient process for creating and building containers, promoting close cooperation between developer and operations teams, and enabling continuous software delivery. As a fast-growing technology, it is important to identify the Docker-related topics that are most popular as well as existing challenges and difficulties that developers face. This paper presents a large-scale empirical study identifying practitioners' perspectives on Docker technology by mining posts from the Stack Overflow (SoF) community. Method: A dataset of 113,922 Docker-related posts was created based on a set of relevant tags and contents. The dataset was cleaned and prepared. Topic modelling was conducted using Latent Dirichlet Allocation (LDA), allowing the identification of dominant topics in the domain. Our results show that most developers use SoF to ask about a broad spectrum of Docker topics including framework development, application deployment, continuous integration, web-server configuration and many more. We determined that 30 topics that developers discuss can be grouped into 13 main categories. Most of the posts belong to categories of application development, configuration, and networking. On the other hand, we find that the posts on monitoring status, transferring data, and authenticating users are more popular among developers compared to the other topics. Specifically, developers face challenges in web browser issues, networking error and memory management. Besides, there is a lack of experts in this domain. Our research findings will guide future work on the development of new tools and techniques, helping the community to focus efforts and understand existing trade-offs on Docker topics.

研究动机与目标

• 通过分析真实世界中的社区讨论，理解Docker开发人员当前面临的挑战和兴趣。
• 利用对Stack Overflow的实证挖掘，识别Docker相关开发问题中的主导主题和子主题。
• 基于社区参与度和响应模式，评估Docker主题的受欢迎程度和难度。
• 揭示专业知识方面的缺口，特别是Docker相关讨论中专家贡献者的稀缺性。
• 通过突出Docker采用过程中高影响力、高挑战性的领域，为未来工具开发和研究提供指导。

提出的方法

• 使用相关标签和内容过滤，收集了113,922篇与Docker相关的Stack Overflow帖子组成的语料库。
• 对文本进行预处理和清洗，以准备用于主题建模。
• 采用潜在狄利克雷分配（LDA）从清洗后的数据集中提取30个独立主题。
• 基于主题一致性与专家评审，对主题进行人工标注，并归类为13个主要类别。
• 利用先前研究中确立的启发式方法，计算受欢迎程度和难度指标。
• 通过在一系列K值范围内对困惑度和一致性进行评估，确定最优主题数量（K）。

实验结果

研究问题

• RQ1 Docker开发人员在Stack Overflow上最常讨论的主题是什么？
• RQ2 Docker主题的受欢迎程度与难度在社区中如何相关？
• RQ3 哪些具体挑战——如网络、内存或浏览器问题——被报告得最为频繁？
• RQ4 Docker相关讨论中专家开发者的短缺程度如何？
• RQ5 所识别的主题在多大程度上与实际的Docker使用场景（如部署、配置和集成）相吻合？

主要发现

• Docker开发人员中最受欢迎的主题是监控状态、数据传输和用户身份验证。
• 最具挑战性的主题是网页浏览器问题、网络错误和内存管理，表明存在持续的技术障碍。
• 主题受欢迎程度与难度之间存在显著负相关关系：越困难的主题收到的问题越少。
• 与更广泛的软件开发社区相比，Docker社区的专家贡献者数量显著偏低。
• 113,922篇帖子被归类为30个主题，进一步组织为13个主要类别，包括应用开发、配置和网络等。
• 主题建模显示，配置和网络问题属于核心关注点，反映出Docker生态系统的复杂性。