Ocasta：面向错误恢复的配置文件设置聚类
软件工程
2017-11-15 v1 机器学习
操作系统
摘要
有效的机器辅助配置错误诊断与修复一直困扰着计算机系统设计师。现有文献大多针对可归因于单一错误配置设置的错误。然而，最近的一项研究发现，相当数量的配置错误需要同时修复多个设置。为克服这一局限，Ocasta 基于应用程序对其配置设置的访问，统计地聚类相互依赖的配置设置，并利用提取出的配置设置聚类来修复涉及多个配置设置的错误。Ocasta 将应用程序视为黑盒，仅依赖于观察应用程序对其配置设置的访问能力。我们从 24 台 Linux 和 5 台 Windows 桌面计算机收集了真实应用程序使用轨迹，发现 Ocasta 能以 88.6% 的准确率正确识别聚类。为展示 Ocasta 的有效性，我们在 11 个 Linux 和 Windows 应用程序的 16 个真实配置错误上进行了评估。Ocasta 能成功修复所有被评估的配置错误，平均耗时 11 分钟，且仅需用户查看平均 3 张应用程序输出截图以确认错误已修复。我们开展的用户研究表明，Ocasta 易于被专家和非专家用户使用，且比手动配置错误排查更高效。
引用
@article{arxiv.1711.04030,
title = {Ocasta: Clustering Configuration Settings For Error Recovery},
author = {Zhen Huang and David Lie},
journal= {arXiv preprint arXiv:1711.04030},
year = {2017}
}
备注
Published in Proceedings of the 44th Annual IEEE/IFIP International Conference on Dependable Systems and Networks (DSN 2014)