An empirical study on the use of mutant traces for diagnosis of faults in deployed systems

اشکال زدایی سیستم های مستقر یک کار دشوار و وقت گیر است. اغلب دشوار است که از سیستم های مستقر شده با توجه به اختلالات و سربار های ناشی از جمع آوری ردیابی در یک سیستم عامل موثر باشد. بسیاری از سازمان ها نیز اثرات تاریخی شکست را حفظ نمی کنند. از سوی دیگر تکنیک های پیشین که با توجه به تشخیص خطا در سیستم های مستقر شده تمرکز دارند، نیاز به مجموعه ای از ردیابی های شکست خورده، بازتولید داخلی گسل ها و یا مجموعه ای تاریخی از اثرات ناموفق دارند. در این مقاله، یک راه حل جایگزین را مورد بررسی قرار می دهیم. ما بررسی می کنیم که چگونه گسل مصنوعی، تولید شده با استفاده از جهش نرم افزار در محیط آزمایش، می تواند برای تشخیص گسل های واقعی در سیستم های نرم افزاری مستقر مورد استفاده قرار گیرد. استفاده از آثار نقص های مصنوعی می تواند امداد رسانی را در صورت عدم امکان جمع آوری انواع مختلف آثار از سیستم های مستقر فراهم کند. همچنین با استفاده از گسل های مصنوعی و واقعی، شباهت های فراخوانی تابع فراخوانی گسل های مختلف در توابع را بررسی می کنیم. برای رسیدن به هدف ما از درخت تصمیم گیری برای ساخت یک مدل از ردیابی تولید شده از جهش ها استفاده می کنیم و آن را روی ردیابی های معیوب تولید شده از برنامه های واقعی آزمایش می کنیم. استفاده از رویکرد ما به برنامه های مختلف دنیای واقعی نشان می دهد که جهش های در واقع می توانند برای تشخیص توابع معیوب در کد اصلی با دقت تقریبی 60-100٪ در بررسی 10٪ یا کمتر از کد استفاده شوند. در حالیکه تکنیک های معاصر با استفاده از ردیابی گذرا نشان دهنده نتایج بدی در زمینه نگهداری نرم افزار می باشد. نتایج ما نیز نشان می دهد که گسل های مختلف در تابع مربوط به نزدیک با تکرارهای مشابه عملکرد عملکرد رخ می دهد. استفاده از جهش در تشخیص خطا نتایج قابل توجهی را نشان می دهد، اما آزمایشات نیز چالش های مربوط به استفاده از جهش را نشان می دهد.