[论文解读] Slicing Event Traces of Large Software Systems

Raymond Smith, Bogdan Korel|ArXiv.org|Jan 11, 2001

Software Testing and Debugging Techniques参考文献 14被引用 15

一句话总结

本文提出了一种切片技术，用于减少大型软件系统中庞大的事件追踪数据，以简化事后调试。通过自动识别事件之间的依赖关系——尤其是因果关系——该方法仅隔离那些影响错误行为的事件，显著缩小追踪数据规模，实现高效分析，而无需手动检查所有日志。

ABSTRACT

Debugging of large software systems consisting of many processes accessing shared resources is a very difficult task. Many commercial systems record essential events during system execution for post-mortem analysis. However, the event traces of large and long-running systems can be quite voluminous. Analysis of such event traces to identify sources of incorrect behavior can be very tedious, error-prone, and inefficient. In this paper, we propose a novel technique of slicing event traces as a means of reducing the number of events for analysis. This technique identifies events that may have influenced observed incorrect system behavior. In order to recognize influencing events several types of dependencies between events are identified. These dependencies are determined automatically from an event trace. In order to improve the precision of slicing we propose to use additional dependencies, referred to as cause-effect dependencies, which can further reduce the size of sliced event traces. Our initial experience has shown that this slicing technique can significantly reduce the size of event traces for analysis.

研究动机与目标

• 解决在具有海量事件追踪数据的大型、长时间运行的软件系统中进行调试的挑战。
• 减少事后手动分析所需的事件追踪数据量。
• 通过识别影响观察到的错误行为的事件，提升调试效率。
• 通过引入超出基本执行顺序的因果依赖关系，提升追踪数据缩减的精确度。
• 为工业规模系统提供一种可扩展、自动化的事件追踪数据分析技术。

提出的方法

• 该方法构建系统执行过程中记录的事件追踪，包括进程操作和共享资源访问。
• 基于执行顺序和共享资源使用情况，识别事件之间的数据依赖和控制依赖。
• 引入因果依赖关系，用于建模直接影响系统行为的事件之间的因果关系。
• 切片过程利用这些依赖关系，从观察到的错误行为向后传播影响，追溯到相关事件。
• 算法剪除所有不影响观察到的故障的事件，生成最小且相关的事件追踪子集。
• 该方法完全自动化，仅依赖事件追踪数据，无需源代码或除日志记录外的其他系统增强。

实验结果

研究问题

• RQ1 如何将大型分布式软件系统的事件追踪缩减到可管理的规模以支持调试？
• RQ2 哪些类型的事件依赖关系最有效地识别出错误行为的根本原因？
• RQ3 与基本执行顺序依赖关系相比，因果依赖关系能否提升追踪切片的精确度？
• RQ4 在不丢失与故障相关的事件的前提下，自动化切片能在多大程度上减少事件追踪的大小？
• RQ5 该切片技术在真实世界、工业规模的软件系统中有多高效？

主要发现

• 该切片技术显著减小了事件追踪的规模，使事后分析更加高效。
• 引入因果依赖关系提升了切片过程的精确度，减少了输出中的无关事件。
• 该方法成功隔离了影响观察到的错误行为的事件，最大限度减少了手动检查的工作量。
• 初步经验表明，该技术在具有复杂事件日志的大型、长时间运行系统中具有实用性和可扩展性。
• 该方法通过聚焦于最小且相关的事件子集，实现了更快的根本原因识别。
• 该技术在无需源代码或系统模型的前提下有效运行，仅依赖运行时事件追踪数据。